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

net/publication/343135639

MICRO-SIMULAÇÕES DOS IMPACTOS DA COVID-19 NA POBREZA E

DESIGUALDADE EM MOÇAMBIQUE

Article · July 2020

CITATIONS READS

0 289

2 authors, including:

Ibraimo Hassane Mussagy

Universidade Católica de Moçambique
34 PUBLICATIONS   8 CITATIONS   

SEE PROFILE

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

Social psychology View project

All content following this page was uploaded by Ibraimo Hassane Mussagy on 22 July 2020.

The user has requested enhancement of the downloaded file.

 OBSERVADOR
OBSERVADOR RURAL
RURAL
Nº
Nº 95 96
JULHO DE 2020

CONTRIBUTO PARA UM DEBATE NECESSÁRIO

MICRO-SIMULAÇÕES
DA DOS
POLÍTICA FISCAL EM IMPACTOS DA
MOÇAMBIQUE
COVID-19 NA POBREZA E DESIGUALDADE
EM MOÇAMBIQUE

João Mosca e Rabia Aiuba

Ibraimo Hassane Mussagy e João Mosca

www.omrmz.org
O documento de trabalho (Working Paper) OBSERVADOR RURAL (OMR) é uma publicação do
Observatório do Meio Rural. É uma publicação não periódica de distribuição institucional e
individual. Também pode aceder-se ao OBSERVADOR RURAL no site do OMR (www.omrmz.org).

Os objectivos do OBSERVADOR RURAL são:

• Reflectir e promover a troca de opiniões sobre temas da actualidade moçambicana e
assuntos internacionais.
• Dar a conhecer à sociedade os resultados dos debates, de pesquisas e reflexões sobre
temas relevantes do sector agrário e do meio rural.

O OBSERVADOR RURAL é um espaço de publicação destinado principalmente aos investigadores

e técnicos que pesquisam, trabalham ou que tenham algum interesse pela área objecto do OMR.
Podem ainda propor trabalhos para publicação outros cidadãos nacionais ou estrangeiros.

Os conteúdos são da exclusiva responsabilidade dos autores, não vinculando, para qualquer efeito
o Observatório do Meio Rural nem os seus parceiros ou patrocinadores.

Os textos publicados no OBSERVADOR RURAL estão em forma de draft. Os autores agradecem

contribuições para aprofundamento e correcções, para a melhoria do documento
 MICRO-SIMULAÇÕES DOS IMPACTOS DA COVID-19 NA POBREZA
E DESIGUALDADE EM MOÇAMBIQUE

1
Ibraimo Hassane Mussagy e João Mosca

RESUMO

A presente pesquisa teve como objectivo estimar a pobreza, o número de pessoas em situação
de pobreza e os níveis de desigualdade diante dos impactos negativos da COVID-19.

A metodologia consistiu no uso da base de dados do mais recente inquérito do Orçamento

Familiar (IOF14/15). Com base no IOF14/15, foram conduzidas as micro-simulações que
comportaram a adopção de três cenários de contracção do consumo dos agregados familiares.
O primeiro cenário, optimista, prevê a redução no consumo entre 5 e 10%, o segundo, moderado,
prevê a redução entre 10 e 15% e, o pessimista, considera a redução entre 15 e 20%. Estas
reduções não são homogéneas a todos os agregados familiares.

Definiu-se uma matriz de características que influenciaram os níveis de contracção de consumo,

tais como: o nível de pobreza registado na última avaliação, o estado desfavorável anterior de
algumas províncias afectadas pelos ciclones Idai e Kenneth, a insegurança que ocorre desde 2017
em Cabo Delegado e o tamanho do agregado familiar nas zonas rurais. Com base nestas micro-
simulações, foram calculados os índices de pobreza considerando os critérios do limiar da
pobreza nacional e internacional (do Banco Mundial), a incidência sobre as desigualdades e
estimou-se o número de pessoas que engrossarão a pobreza. A simulação considerando o critério
internacional tem por objectivo permitir comparações com outras realidades e, a nível nacional,
as diferenças dos resultados entre os dois critérios.

Os resultados das micro-simulações com base no critério nacional indicam que a pobreza, a nível
nacional, poderá aumentar para 75.5%, 77.7% ou 81.7%, para cada um dos três cenários,
respectivamente, um retrocesso de mais de vinte anos. Usando a linha de pobreza internacional,
a pobreza, a nível nacional, poderá aumentar para 92.6%, 93.1% ou 93.37%, conforme forem
considerados os três cenários. Em ambos os casos, a pobreza é mais acentuada nas zonas rurais
do que nas zonas urbanas. Pode-se admitir que o efeito da COVID-19 seja mais acentuado nas
cidades, porém, o ponto de partida dos índices de pobreza (IOF 14/15) revela uma maior
incidência da pobreza no meio rural que os efeitos da COVID não eliminam plenamente, ao ponto
de tornar o índice de pobreza urbana mais elevado. Estes aumentos nos índices de pobreza quase
que impossibilitarão o cumprimento da meta dos ODS, de erradicar a pobreza até 2030.

Os índices de desigualdade, calculados com base no índice Gini, poderão aumentar dos 0.47
registados no IOF14/15 para 0.478, 0.484 ou 0.504 em cada um dos três cenários. Verifica-se que
as zonas rurais apresentam uma distribuição de consumo menos díspar em comparação com as
zonas urbanas, isto é, as desigualdades são menores no meio rural.

1
Ibraimo Hassane Mussagy (UCM). Doutorado em Economia de Desenvolvimento pela Zimbabwe Open
University. Professor Associado e Coordenador do Curso de Doutoramento em Economia na Universidade
Católica de Moçambique.
João Mosca, Doutor em Economia Agraria e Sociologia Rural pela Universidade de Córdoba, Espanha.
Professor Catedrático. Investigador e Director Executivo do Observador do Meio Rural (OMR).
A população pobre poderá aumentar em 2,927,273 se considerado o cenário 1, em 3,992,048 para
o cenário 2 ou em 5,866,403 para o terceiro cenário. Quando usados os dados da linha de pobreza
internacional, a população em situação de pobreza poderá aumentar em 13,255,685, em
13,502,101 ou em 13,841,191, conforme cada um dos três cenários

Os cenários aqui traçados possuem alguma dose de incerteza, própria dos métodos de simulação.
Porém, constituem um instrumento que pode ajudar a prever os impactos da COVID-19 na
pobreza e na desigualdade, fornecendo elementos de discussão dos impactos microeconómicos
nos agregados familiares. Estas micro-simulações podem também contribuir na decisão de
políticas para minimizar os impactos e iniciar um ciclo de crescimento com redução da pobreza e
das desigualdades.

Palavras-chaves: COVID-19, Pobreza, Desigualdade, Moçambique

1. INTRODUÇÃO

Em Março de 2020 a Organização Mundial de Saúde (OMS) declarou a pandemia do novo

Coronavírus, a COVID-19. A doença chegou a 114 países e matou mais de quatro mil pessoas.
Actualmente há em todo mundo um registo de um número cumulativo de 13.240.994 casos da
COVID-19 e um número cumulativo de 575.627 óbitos.

Dados do Centro de Controlo de Doenças de África2, à data de 15 de Julho, apresentam um registo

de um número cumulativo de 625.702 casos da COVID-19 e um número cumulativo de 13.799
óbitos em África. Deste número, 305.861 pessoas recuperam da COVID-19.

Em finais de Março, Moçambique registava o primeiro caso do novo coronavírus. Dados do

Ministério da Saúde, MISAU (2020)3 mostram que os casos da COVID-19 subiram para 1.268 onde
373 foram os casos recuperados e registaram-se 9 óbitos em todo país. Para além dos receios de
contágio e das implicações para a saúde, a pandemia tem gerado impactos negativos para a
economia nacional e para as famílias.

Os efeitos nos vários sectores de actividade são consideráveis. A oferta de alguns sectores sofreu
fortes quebras, significando enormes dificuldades destas empresas para se manterem em
actividade e, em consequência, a curto prazo, esta situação começa a gerar desemprego e a levar
grande parte das famílias para a pobreza. Perante a redução da actividade económica sem uma
previsão de retoma, o Banco Mundial (2020a) reviu em baixa a actividade da economia de
Moçambique, prevendo uma queda do Produto Interno Bruto (PIB) para 1,3% em 2020. Esta
situação, aliada ao crescente número de famílias em situação de pobreza, coloca desafios à
política económica e social.

Mosca (2020) enfatiza a necessidade de se garantir, quanto possível, o emprego e o rendimento

das famílias, de forma a assegurar a capacidade de compra dos bens essenciais e do acesso aos
serviços básicos (saúde, energia, água e comunicações), mantendo a procura como incentivadora
da produção. Mussagy (2020) explora os custos económicos e as perdas sociais classificando a
economia como estando em “ponto morto”. Sengo et al. (2020) destaca que o impacto da
pandemia da COVID-19 no tecido empresarial e no crescimento económico em Moçambique será
grande. Estimou que, por conta da COVID-19, o sector empresarial moçambicano poderá registar
perdas entre US$ 234 milhões e US$ 375 milhões.

Estes estudos discutem os impactos da COVID-19 na economia nacional. Mas não quantificam os
impactos na pobreza e na desigualdade dos agregados familiares (AF). Este é o aspecto que se
procura contribuir nesta pesquisa. Estima-se, com base em micro-simulações, a pobreza, o
número de pessoas em situação de pobreza e os níveis de desigualdade, utilizando as linhas de
pobreza com base nas metodologias/definições utilizadas em Moçambique e internacionalmente.

Para além do objectivo referido, a pesquisa vem colmatar esta lacuna ao apresentar cinco
contribuições com base em micro-simulações sobre os impactos directos nos índices de pobreza
e desigualdade em todo país. Primeiro, define o canal de transmissão dos choques da COVID-19
no emprego, no consumo e na pobreza. Segundo, considerando três cenários com diferentes
níveis de crise, estabelecem-se níveis de contracção no consumo. Como base nestas contracções,

2
https://africacdc.org/covid-19/
3
Comunicado de imprensa do MISAU a 15 de Julho de 2020

1
foi usada a base de dados do Inquérito dos Orçamento Familiares 2014/15 (IOF14/15) para
estimar os índices de pobreza em todo país, tendo em conta o consumo do agregado familiar.
Terceiro, estende-se a discussão para os indicadores de desigualdade e da distribuição do
consumo por agregado familiar. Quarto, adicionalmente faz-se a previsão sobre o número da
população que poderá ficar em situação de pobreza. E, finalmente, quinto, os resultados deste
estudo fornecem elementos importantes aos formuladores de políticas sociais sobre uma
avaliação do impacto microeconómico na pobreza e na desigualdade dos agregados familiares.

Para além da introdução, o texto tem mais quatro secções. Na segunda secção faz-se um breve
enquadramento teórico, seguindo-se, na terceira secção, a metodologia utilizada, incluindo as
fontes e os pressupostos de três cenários (contracção do consumo entre 5% e 10%, de 10% e 15%
e entre 15% e 20%). Na quarta secção faz-se a apresentação dos resultados sobre as possíveis
evoluções de pobreza, das desigualdades e do número de pobres a nível nacional, em meio
urbano e em meio rural, e por província. Na última secção apresentam-se algumas conclusões.

2. ENQUADRAMENTO TEÓRICO

As estimativas dos impactos da COVID-19 sobre a pobreza e desigualdade vem sendo tema de
investigação a nível mundial. Estas, não só, projectam cenários, como também, fornecem
informação aos decisores de políticas sobre as medidas de intervenção necessárias. Discute-se a
seguir alguns desses estudos.

Sumner et al. (2020a) faz uma estimativa simples, porém rigorosa, sobre o potencial impacto no
curto prazo da COVID-19 no mundo. As micro-simulações produzidas são feitas com base nos
dados do PovcalNet4 do Banco Mundial de 2015 e de 2018 para pesquisas domiciliares
harmonizadas. Estas consideraram três cenários homogéneos com contracções do consumo per
capita global baixas, médias e altas, que variam de 5, 10 e 20%, e calculam os novos índices de
pobreza usando as linhas de pobreza internacionais de US$ 1,90, US$ 3,20 e US$ 5,50 de
rendimento per capita por dia. No pior dos cenários, uma contracção do consumo per capita de
20% pode levar à pobreza cerca de 420-580 milhões de pessoas em todo mundo. Estas estimativas
mostram que a COVID-19 representa um desafio real ao cumprimento do Objectivo 1 de
Desenvolvimento Sustentável (ODS) da Organização das Nações Unidas (ONU) de acabar com a
pobreza até 2030. O impacto das contracções no consumo per capita pode ocorrer em todas as
regiões do mundo, embora com algum grau de heterogeneidade, dependendo do seu nível de
desenvolvimento. A abordagem metodológica adoptada possui algumas limitações.

A primeira, é a inexistência de uma base de dados actualizada sobre as pesquisas nacionais desses
países. Há bases que reportam o ano de 2018, enquanto outras são de anos anteriores. Portanto,
estes autores extrapolam as bases de dados, usam pressupostos neutros que ignoram
crucialmente o mercado de trabalho, a política fiscal, as respostas das famílias às contracções
económicas (Sumner et al., 2020a). Ferreira et al. (2008) enfrentou também o problema de falta
de dados em tempo real para, de forma precisa, rastrear os impactos da crise nos países em via
de desenvolvimento (PVDs). Foi preparado um conjunto de pressupostos que validou o uso das
bases de dados existentes em anos anteriores sobre as pesquisas nacionais dos inquéritos
familiares nesses países. Habibe et al. (2010) também fez micro-simulações para analisar os

4
A PovcalNet fornece informações sobre medidas de rendimento ou consumo per capita representativas ao
nível nacional para 166 países.

2
impactos da crise financeira baseadas em dados do passado ( ex-post), que reflectem a estrutura
preexistente (ex-ante) dos mercados de trabalho e rendimento familiar. Portanto, assume-se,
necessariamente, que essas relações estruturais permaneçam constantes ao longo do período
para as quais as projecções são feitas.

Segunda, os autores consideram todos os países homogéneos e as contracções do consumo per

capita não são diferenciadas entre os vários países (Sumner et al., 2020a). Chen e Ravallion (2009)
destacam que uma crise em toda a economia pode ter impactos diversos, heterogéneos ao nível
familiar, e alertam contra generalizações baseadas na contagem agregada de pobreza e apontam
para a necessidade de uma política social flexível. E, finalmente, a terceira, os autores não incluem
nas análises as políticas que os governos desses países estão a adoptar para mitigar os efeitos da
pandemia.

Sumner et al. (2020b) realizam novas estimativas para os PVDs, usando a mesma metodologia
adoptada em Sumner et al. (2020a), e concluem que a pobreza irá aumentar tendo em conta os
cenários traçados por estes. As conclusões estão em consonância com as conclusões de Kharas
& Hamel (2020), segundo as quais, no pós COVID-19, é provável que 690 milhões de pessoas
sejam pobres. A pobreza extrema no mundo aumentará em cerca de 50 milhões de pessoas.
Contudo, por serem estimativas, os resultados têm o grau de incerteza não previsível.

Para Lucas (2020), a COVID-19 está interrompendo os ciclos económicos em vários pontos
simultaneamente. O emprego informal é uma fonte crítica de subsistência na maioria dos PVDs.
Os impactos dos choques no desemprego e no rendimento do trabalho, como consequência das
medidas de prevenção, são enormes: reduzem a actividade económica, deprimem a procura que,
por sua vez, dificulta o fluxo de tesouraria por quebra nas vendas das empresas. Para Hausmann
(2020), o impacto económico da COVID-19 começa com um choque negativo do lado da oferta.
Furceri et al. (2020) destacam que as principais epidemias deste século aumentaram a
desigualdade de rendimento e prejudicaram as perspectivas de emprego das pessoas. Estes
argumentam que a pandemia da COVID-19 poderá ter consequências distributivas semelhantes,
a menos que as políticas do governo sejam eficazes.

A Organização Mundial do Trabalho (OMT) destaca as implicações da pandemia da COVID-19 no

mercado de trabalho. Com base numa série de modelos do CGE (Computable General
Equilibrium) produziram indicadores do mercado de trabalho nos países e fazem uma série de
simulações sobre o impacto da COVID-19. As estimativas iniciais da OTM (2020) apontam para
um aumento significativo no desemprego e subemprego. As análises basearam-se em diferentes
cenários sobre o impacto da COVID-19 no PIB global5. No cenário optimista o desemprego
aumentará em 5,3 milhões de pessoas e, no cenário pessimista, aumentará em quase 25 milhões
pessoas. Não obstante as incertezas deste tipo de estimativas, os números indicam um substancial
aumento do desemprego global. Portanto, a pressão sobre o rendimento resultante do declínio
da actividade económica afectará negativamente os trabalhadores próximos ou abaixo da linha
de pobreza. Nos cenários moderado e pessimista haverá entre 20,1 milhões e 35,0 milhões de
pessoas que entram em situação de pobreza.

O impacto económico da COVID-19 será grande e pode levar a uma recessão global. Milhões de
pessoas serão empurradas para a pobreza. Com o menor impacto da COVID-19 no crescimento

5
Banco Mundial (2020a) prevê uma contracção de 5,2% no PIB global em 2020. O FMI (2020) e a FAO (2020)
observam que os impactos da COVID-19 arrastaria o mundo para uma contracção do PIB em 3%.

3
económico da Indonésia, a taxa de pobreza poderá aumentar em mais 1,3 milhões de pessoas.
Sob a projecção pessimista, mais 8,5 milhões de pessoas ficarão pobres. Portanto, o progresso da
Indonésia na redução da pobreza na última década ficará anulado. A implicação disso é que a
Indonésia precisa expandir os seus programas de protecção social para ajudar as novas pessoas
e famílias em situação de pobreza, além dos pobres existentes (Suryahadi et al., 2020).

ADB (2020) usaram a técnica do CGE para modelar o possível impacto da pandemia da COVID-
19 na incidência da pobreza internacional. À semelhança dos estudos de Sumner et al. (2020 a,
b), estes também adoptam a simples suposição de que o consumo per capita cairá em
quantidades semelhantes para todas as famílias. Os cenários por eles definidos são de
contracções do consumo per capita de 5, 10 e 20%. Naturalmente que a situação é muito mais
complexa, pois os Agregados Familiares possuem características diferenciadas (fontes de
rendimento e tipos de emprego, entre outras). Estes concluem que a pobreza poderá aumentar
em proporções diferentes tendo em conta o cenário de contracção e das linhas de pobreza
usados.

Parolin & Wimer (2020) recorre aos dados que reportam a situação de pobreza em 2018 e
combinam-nos com a pesquisa mais recente da população para estimar os impactos da COVID-
19 na pobreza nos Estados Unidos da América (EUA). Assume três cenários de redução de
pobreza, considerando os choques que ocorrem no mercado de trabalho e que possam causar
uma redução de 10, 20 e 30% na taxa de desemprego. Nas suas micro-simulações, usam o método
de Supplemental Poverty Measure (SPM), uma inovação que critica a actual forma do cálculo da
pobreza nos EUA. Estes concluem que a pobreza aumentará em 15, 16.9 e 18.9%, respectivamente,
nos três cenários.

Morsy et al. (2020) adoptam o CGE para analisar os impactos da COVID-19 em África. Na
calibração, têm em conta o sector informal, uma característica fundamental das economias
africanas. Concluem que o consumo das famílias irá diminuir. Similarmente, Andersen et al. (2020)
demostram que a pandemia da COVID-19 teve efeitos drásticos nos gastos dos consumidores em
todo o mundo. Na fase inicial, houve uma redução de 25% no gasto em transacções. Portanto,
Morsy et al. (2020) prevêem que o desemprego irá aumentar no sector informal bem como no
sector formal. Estas situações adversas provocariam uma recessão económica em África e
aumentariam os défices fiscais e de conta corrente.

Há outras componentes consideradas para além do consumo. Diwakar (2020) analisa a pobreza
multidimensional e destaca as privações relacionadas com os cuidados de saúde, higiene,
saneamento. Similarmente, Egge et al. (2020) empregaram uma abordagem de análise da pobreza
multidimensional no contexto moçambicano e fizeram uma avaliação mais abrangente,
observando, com poucos detalhes o início da crise da COVID-19. Portanto, as privações da
população têm vindo a aumentar.

Devido aos impactos da COVID-19, será a primeira vez neste século que o número de pobres irá
aumentar. Isso ocorre após um período de redução da pobreza, em média, de quase 100 milhões
de pessoas por ano entre 2008 e 2013. A este propósito Valensisi (2020), usando a mesma
abordagem e metodologia que Sumner et al. (2020a, b), demonstra que a pandemia terá
consequências dramáticas, corroendo os ganhos registados na última década.

4
3. METODOLOGIA

Nesta secção é apresentada a metodologia. Esta inclui a descrição da base de dados consultada,
a fórmula do cálculo dos indicadores de pobreza, as expressões das medidas de desigualdade
usadas, apresenta o caminho da transmissão dos choques da crise da COVID-19, apresenta os
cenários usados para as micro-simulações de contracção do consumo. No fim da secção, fazem-
se advertências sobre os pressupostos.

3.1 Base de dados usada

A base de dados usada para esta pesquisa foi o último IOF14/15. Este antecede a três outros
inquéritos, nomeadamente, os inquéritos aos agregados familiares (IAF 1996/97 e IAF 2002/03) e,
finalmente, o inquérito ao orçamento familiar (IOF 2008/09). Estes inquéritos são conduzidos pelo
Instituto Nacional de Estatística (INE) e as informações daí resultantes são utilizadas para produzir
as avaliações nacionais de pobreza. A recolha de dados do IOF14/15 foi feita com base em cinco
questionários que recolherem informações sobre as características gerais do agregado familiar, o
nível de despesas diárias do agregado, as despesas e receitas (anuais e mensais), a força de
trabalho, os efeitos das calamidades naturais, os indicadores de confiança e, por último, o turismo.

O inquérito previa ocorrer em quatro trimestres. Por razões financeiras, o terceiro trimestre do
inquérito não foi coberto Ministério da Economia e Financias (MEF, 2016). Mesmo assim, as bases
de dados são representativas a nível nacional. A inexistência deste trimestre não afecta a
fiabilidade das micro-simulações aqui produzidas, uma vez que os choques ocorrem nos
trimestres iniciais (de Março a Junho). Este inquérito foi usado para extrair o consumo dos AF das
zonas urbanas e rurais e, com base nas micro-simulações, estimar a pobreza e a desigualdade.

3.2 Indicadores de pobreza e desigualdade

a) Cálculo de pobreza

Os índices absolutos de pobreza são calculados usando a fórmula de Foster, Greer e Thorbecke
(FGT). Estes são, usualmente, calculados utilizando o grau de aversão à pobreza que pode ser
igual a 0, 1 e 26. Podem ser usados outros graus de aversão. Neste caso será somente usado o
índice de aversão 0 calculando-se o FGT0, ou simplesmente o índice de pobreza. O índice não
linearizado do FGT é dado pela seguinte expressão:

∑𝑛 𝛼
𝑖=1 𝑤𝑖 (𝑧−𝑦𝑖 )+
𝑃̂(𝑧;𝛼) = ∑𝑛
(1)
𝑖=1 𝑤𝑖

6
FGT0 representa o índice da pobreza, FGT1 mede a intensidade de pobres (distância média à linha de
pobreza) e FGT2 representa a severidade da pobreza (ponderação maior para a distância média em relação
à linha de pobreza, quadrado do hiato da pobreza em relação à linha de pobreza).

5
Onde 𝑦𝑖 é observação da variável de interesse, 𝑤𝑖 , observação do peso da amostra, 𝑛 , número
de observações, 𝑧 é a linha de pobreza alimentar somada ao consumo não alimentar (obtida
através da identificação de um cabaz em cada área geográfica identificada no IOF14/15) e 𝛼 é o
grau de aversão. Saiba que 𝑥+ = max (𝑥, 0). Portanto, linearizando, o índice de FGT pode ser
calculado da seguinte forma:

𝑃̂(𝑧;𝛼)
𝑃̂(𝑧;𝛼) = (2)
𝑧𝛼

b) Linhas de pobreza nacionais

Os indicadores de pobreza e desigualdade calculados 7 na presente pesquisa foram feitos com

base no consumo de cada AF. O consumo8 foi calculado somando o consumo alimentar e não
alimentar. De seguida, foram usadas as linhas de pobreza nacionais para cada uma das áreas
geográficas, nomeadamente as 13 regiões previstas no IOF14/15, e geradas as estimativas.

c) Linha de pobreza internacional usando a Paridade de Poder de Compra (PPP)

Faz-se uma comparação dos cálculos usando as linhas de pobreza nacionais e a linha de pobreza
internacional (de US$ 1.9 por dia), definida pelo Banco Mundial.

O ano base adoptado nesta pesquisa foi 20159. Para a conversão da linha de pobreza
internacional, expressa em termos de dólares convertidos pela PPP, usou-se o Índice de Preços
ao Consumidor (IPC) e a taxa de câmbio média anual10 do ano base.

3.3 Medidas de desigualdade

a) Índice de Gini

Para além do cálculo de pobreza, o consumo dos AF também foi usado para medir a
desigualdade11. Neste caso, é calculado o índice de Gini o mais conhecido e de maior aplicação.
É comummente utilizado para calcular a desigualdade numa distribuição. Este varia de 0 a 1, onde
zero (0) representa total igualdade e um (1) total desigualdade. Usando a notação de Araar e
Duclos (2013), o índice de Gini é calculado da seguinte forma:

̂ 2 −(𝑉
(𝑉 ) 2
𝜉 𝑖+1 )
𝐼̂ = 1 − onde 𝜉̂ = ∑𝑛𝑖=1 [ 𝑖 [𝑉1 ]2
] 𝑦𝑖 e 𝑉𝑖 = ∑𝑛ℎ=1 𝑤ℎ e 𝑦1 ≥ 𝑦2 … 𝑦𝑛−1 ≥ 𝑦𝑛 (3)
𝜇
̂

7
Os procedimentos metodológicos complexos podem ser encontrados MEF (2016) no Apêndice 7.1.
8
Kirev & Chen (2017) destacam o consumo ou despesas como sendo o principal critério de inclusão.
9
Ano de conclusão da condução do IOF14/15.
10
http://www.bancomoc.mz/fm_pgLink.aspx?id=222
11
O conceito desigualdade usado na pesquisa refere-se a desigualdade do consumo dos agregados
familiares.

6
b) Rácio de Kuznet

Foi usada a distribuição de percentil para analisar, de forma diferenciada, a distribuição do

consumo dos AF. A distribuição de percentil12 indica quanto cada membro de um grupo recebe
(em média) em relação à média geral.

Esta foi usada para calcular o Rácio de Kuznet (4). Este rácio calcula a desigualdade comparativa
dos grupos de renda mais baixa com os grupos de renda alta (Todaro & Smith, 2006). Este é
designado de Rácio de Kuznet Convencional (RKC), para distinguir do Rácio de Kuznet Modificado
(RKM), onde somente se coloca o 10% do percentil mais alto, ao invés de 20%, como prevê o RKC.

20% 𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑠 𝑚𝑎𝑖𝑠 𝑎𝑙𝑡𝑜𝑠

𝑅𝐾 = (4)
40% 𝑝𝑒𝑟𝑐𝑒𝑛𝑡𝑖𝑠 𝑚𝑎𝑖𝑠 𝑏𝑎𝑖𝑥𝑜𝑠

Quanto maior o Rácio de Kuznet, maior é a desigualdade entre os grupos de comparação.

3.4 Transmissão dos choques da crise da COVID-19

Em Moçambique, a pobreza é medida usando a estimação das despesas de consumo dos AF. Este
estudo parte da hipótese de que a COVID-19 influencia negativamente o consumo dos AF e este,
por sua vez, afecta a incidência da pobreza. Mesmo com inexistência de informações ex-post, este
estudo parte de alguns pressupostos ex-ante, que permitem gerar contracções no consumo do
AF. Portanto, há necessidade de perceber quais são os canais de transmissão que afectam o
consumo e, este, por sua vez, a pobreza.

Os choques verificados no lado da oferta e no lado da procura originaram uma contracção da

actividade económica nacional. Banco Mundial (2020a) anunciou que o crescimento do PIB em
Moçambique deverá cair para 1,3% em 2020, abaixo da previsão pré COVID-19 de 4,3%, com
riscos significativos de queda maior13. Em consequência, esta recessão económica cria
desemprego nos vários sectores de actividade. Por sua vez, o desemprego origina uma redução
no consumo médio do AF e, consequentemente, aumenta os níveis de pobreza no país. Estes
choques transmitem-se de formas distintas no meio urbano e rural.

No meio urbano, a percepção é de que o impacto tem sido mais profundo. Com os vários sectores
de actividade paralisados, ou semi-paralisados, e com custos fixos com os salários e as despesas
de manutenção, muitos trabalhadores têm ficado desempregados, enquanto, outros mantêm-se
no mercado de trabalho com incerteza de não saberem até quando a crise perdura. O consumo
urbano reduziu com as incertezas do futuro. Os AF não gastam como antes, reservam sempre
mais dinheiro que anteriormente, com receio de não saber como será o dia seguinte. Agy et al.
(2020) verificam uma redução dos ganhos diários dos vendedores informais na cidade de Maputo.
Para o meio rural, há a percepção de que a actividade agrícola decorre normalmente, mas na
actividade comercial verifica-se uma redução. Neste caso, a principal contracção no consumo
verificou-se em famílias com maior número de membros.

12
A discussão é bem aprofundada em Jan (2016).
13
https://www.worldbank.org/en/country/mozambique/overview

7
3.5 Micro-simulação de contracção do consumo

Foram adoptados três cenários descritos para as micro-simulações de contracção de consumo

dos AF. O primeiro cenário (CEN1), optimista, prevê a redução no consumo entre 5 e 10%, o
cenário moderado (CEN2) prevê a redução entre 10 e 15% e, o cenário pessimista (CEN3), prevê
a redução entre 15 e 20%. Estas reduções não são homogéneas a todos os AF. Os AF que residem
nas zonas urbanas possuem maiores reduções de rendimentos. As reduções de consumo dos AF
das zonas rurais são influenciadas pelo número de dependentes que o AF possui.

Pode haver reduções maiores ou menores, dependendo da complexidade dos canais de

transmissão e da profundidade do choque. Sobre esta questão, Ma et al. (2020) destaca que os
impactos podem variar, dependendo da agregação e interligação das actividades. Neste caso,
definiu-se uma matriz de características que influenciam os níveis de contracção de consumo, tais
como: o nível de pobreza registado na última avaliação de pobreza (IOF14/15), o estado
desfavorável anterior de algumas províncias afectadas pelos ciclones Idai e Kenneth, a
insegurança que ocorre desde 2017 em Cabo Delegado e o tamanho dos AF nas zonas rurais. Os
AF com dependentes maiores ou iguais a sete, possuem maiores contracções no consumo.

As contracções no consumo foram feitas nos últimos dois trimestres do IOF14/15, para tornar as
estimativas mais próximas da realidade. Esta escolha pressupõe que a situação prevaleça até ao
final do corrente ano. Portanto, os registos do consumo do AF do primeiro trimestre do IOF14/15
foram preservados e não foram alvo de qualquer contracção.

3.6 Advertências aos pressupostos usados

A análise dos resultados deve ser ponderada, considerando as limitações que este tipo de estudos
apresenta. ADB (2020), Hausmann (2020), Kharas & Hamel (2020), Lucas (2020), Morsy et al.
(2020), OMT (2020), Parolin & Wimer (2020), Sumner et al. (2020 a, b), Suryahadi et al. (2020) e
Valensisi (2020) abordam essas limitações nas micro-simulações por eles realizadas.

Apresenta-se a listagem, não por ordem de importância, de algumas das limitações desta
pesquisa. Primeiro, os efeitos das contracções são verificados em não mais de dois trimestres. As
estimativas podem ser agravadas se estas contracções forem por períodos mais longos. Segundo,
o Governo de Moçambique adoptou algumas medidas de mitigação14 dos efeitos sociais com
vista a minimizar os impactos da COVID-19. Os impactos destas medidas não são aqui
considerados. Terceiro, tendo em conta a suspensão das negociações do salário mínimo 15,
ocorrida no mês de Abril, o estudo considera não haver nenhum incremento de rendimento nos
últimos dois trimestres na zona rural e urbana. A mesma suposição é feita para os sectores
informais. Naturalmente que o salário não é a única fonte de rendimento das famílias. Mas aqui
considera se o salário como sendo a principal fonte de rendimento e que, através destes salários,
o sector informal e o meio rural também beneficiam por via da despesa das compras de seus
produtos. Quarto, não se faz nenhuma análise sobre a rapidez com que as pessoas podem sair da
pobreza durante e depois da COVID-19.

14
https://www.portaldogoverno.gov.mz/por/Imprensa/Noticias/Parlamento-aprova-codigo-sobre-o-
Imposto-do-Valor-Acrescentado-IVA
15
https://cta.org.mz/covid-19-forca-a-suspensao-das-negociacoes-dos-salarios-minimos/

8
4. RESULTADOS EMPÍRICOS

Nesta secção é apresentada a análise das micro-simulações dos impactos da COVID-19, no curto
prazo, que comportam as estimativas de pobreza e desigualdade.

4.1 Cálculo dos Índices de Pobreza

a) Linhas de pobreza nacionais

Foram usadas as linhas de pobreza das áreas geográficas16 definidas pelo IOF14/15 para fazer as
estimativas iniciais de pobreza diante das micro-simulações nos choques do consumo devido à
COVID-19.

A figura 1 mostra as curvas de pobreza usando o consumo nacional de todas as áreas geográficas
(nível nacional). Estas curvas mostram, no seu eixo horizontal, a linha de pobreza usada, neste
caso, a linha de pobreza que vai do intervalo17 de 0-80, e, no eixo vertical, a percentagem de
pessoas em situação de pobreza.

Dada a proporcionalidade directa existente entre o aumento das linhas de pobreza (eixo
horizontal) e o índice de pobreza (eixo vertical) as curvas de FGT0 terão um formato ascendente
revelando essa relação.

As curvas de FGT0 partem de zero, indicando que em todos os cenários, com uma linha de
pobreza de zero, não haveria nenhum pobre. A medida que percorremos as curvas de FGT0 as
diferenças vão ocorrendo. Por exemplo, se assumirmos que a linha de pobreza é de 16, o CEN1,
CEN2 e CEN3 registariam um FGT0 de 30%, 38% e 46%, respectivamente. Já com a linha de
pobreza próxima a 80 os índices de FGT0 não apresentam grandes diferenças. As curvas
sobrepostas representam os mesmos níveis de pobreza e curvas próximas do eixo horizontal
representam menor percentagem de pessoas em situação de pobreza; no caso contrário, as
curvas representam maior percentagem de pessoas em situação de pobreza.

16
Mambo et al. (2018) usam também estas linhas de pobreza por áreas geográficas.
17
Este intervalo considera a linha de pobreza internacional com o ano base de 2015. Na secção seguinte são
feitas as estimativas olhando para linha de pobreza internacional de US$1.9.

9
 Figura1
Curva de FGT0 nacionais

FGT Curves (alpha=0)

1
.8
FGT(z, alpha = 0)

.6
.4
.2
0

0 16 32 48 64 80
Poverty line (z)

IOF14/15 CEN1
CEN2 CEN3

Fonte: Representação dos Autores com base nos dados do IOF14/15

No geral, pode-se visualizar que os diferentes choques sobre o consumo conduzem a aumentos
de pobreza ao nível mais alto de agregação (todo o país). Observe que o CEN3 (linha mais distante
do eixo horizontal) levaria mais pessoas para a situação de pobreza.

De forma específica, as estimativas associadas às curvas de pobreza aos níveis mais altos das áreas
geográficas (nacional, urbano e rural), em cada um dos três cenários, pode ser visualizada na
tabela 1. Assegurando todos os pressupostos constantes nestas micro-simulações, mesmo as
contracções mais pequenas do consumo das famílias (5-10%), conduzem a taxa de pobreza
nacional de 58.1% equiparada à taxa de pobreza nacional registada pelo IAF1996/97 (1ª Avaliação
da Pobreza feita logo após a guerra civil).

Tabela 1
Índice de pobreza nacional, urbano e rural
Área Geográfica IOF14/15 CEN1 CEN2 CEN3

Nacional 0.492 0.581 0.611 0.675

Urbano 0.407 0.447 0.467 0.529
Rural 0.531 0.651 0.686 0.751
Fonte: Cálculos dos autores com base nos dados dos IOF14/15

10
Pode-se depreender, da tabela 1, que a pobreza continuará a ser mais alargada no meio rural e
segue uma tendência crescente. Caso as contracções de consumo se aprofundem, a pobreza no
meio rural poderá atingir 75.1%.

Para o caso específico das 11 áreas geográficas 18 definidas a nível nacional no IOF14/15,
correspondentes à divisão administrativa de província, as estimativas de pobreza possuem a
mesma tendência (tabela 2).

Tabela 2
Índice de pobreza por províncias

Área Geográfica IOF14/15 CEN1 CEN2 CEN3

Niassa 0.653 0.706 0.747 0.820

Cabo Delgado 0.500 0.611 0.636 0.706
Nampula 0.641 0.649 0.701 0.784
Zambézia 0.600 0.628 0.686 0.774
Tete 0.319 0.363 0.437 0.591
Manica 0.400 0.417 0.447 0.477
Sofala 0.459 0.467 0.475 0.483
Inhambane 0.508 0.523 0.536 0.540
Gaza 0.491 0.504 0.509 0.516
Maputo Província 0.261 0.278 0.291 0.295
Maputo Cidade 0.174 0.181 0.195 0.199
Fonte: Cálculos dos autores com base nos dados dos IOF14/15

As contracções de consumo dos AF em cada um dos cenários criados não são homogéneas, tal
como Banco Mundial (2020b), OMT (2020) e Sumner et al. (2020 a, b) afirmam nas suas estimativas
globais de pobreza. Nesta secção, distinguem-se as contracções concretas de consumo em
função da matriz de características definidas dos AF.

Em 2016 Moçambique divulgou os resultados da 4ª Avaliação da Pobreza e Bem-Estar onde se

estimou que cerca de 49.2% da população era considerada pobre (MEF, 2016). As micro-
simulações aqui feitas, indicam que a pobreza pode estar correlacionada pelo nível inicial de
pobreza em cada um dos espaços geográficos analisados. As províncias com os índices de
pobreza mais altos no IOF14/15 mantêm o mesmo padrão nas três simulações.

No cenário optimista, uma contracção do rendimento mais baixa coloca Niassa com um nível de
pobreza de 70.6%, exactamente igual ao índice de pobreza registado nesta província durante a
1ª Avaliação da Pobreza IAF1996/97. Por outro lado, a província da Zambézia, que tem sido uma
das províncias mais pobres, não só pelo nível da concentração populacional, onde há prevalência
das armadilhas da pobreza em AF com mais de sete pessoas, mas também pelas recentes cheias

18
Niassa, Cabo Delgado, Nampula, Zambézia, Tete, Manica, Sofala, Inhambane, Gaza, Maputo Província e
Maputo Cidade

11
e ciclone que afectaram esta província, originaram um incremento de 2.8% do seu nível inicial de
pobreza registado no IOF14/15.

A tendência dos índices de pobreza das províncias menos pobres (tais como, Tete, Manica, Sofala,
Maputo Província e Maputo Cidade) mantém-se praticamente a mesma, onde para Maputo
Província e Maputo Cidade os índices de pobreza não atingem 30%; enquanto nas outras
províncias (Tete, Manica e Sofala) nos CEN1 e CEN2, as taxas de pobreza registam aumentos, mas
não chegam a 50%. No CEN3 a província de Tete regista um índice de pobreza de 59.1%,
relativamente alto se comparado com as outras províncias com menor incidência de pobreza no
IOF14/15.

b) Paridade de Poder de Compra

Nesta secção observa-se o cumprimento das metas traçadas do ODS 119. Escolheu-se a linha de
pobreza internacional de US$1.9 por dia, ajustadas à tabela de PPP, para fazer as micro-
simulações. Os estudos de ADB (2020), Banco Mundial (2020), Kharas & Hamel (2020), OMT
(2020), Parolin (2020a), Sumner et al. (2020a) e Wimer (2020) usam esta linha de pobreza
internacional.

O PPP é uma teoria económica que mede e compara as moedas de diferentes países em termos
de poder de compra. Por exemplo, se a nossa cesta básica, a definida para o cálculo do IPC, custa
60 MZM em Moçambique e custa nos EUA US$ 1, então a taxa de câmbio de equilíbrio seria de
60 MZM para cada 1 US$. A análise pode ser feita com outras variáveis económicas, tais como, o
PIB, o consumo, a taxa de inflação entre dois países. Neste caso é aplicada para comparar a cesta
básica.

As micro-simulações com a linha de pobreza internacional tornam-se mais preocupantes, com

cerca de 90% da população em condições de pobreza a nível nacional e prevalece também a
maior incidência na zona rural (tabela 3).

Tabela 3
Índice de pobreza nacional, urbano e rural-PPP
Área Geográfica IOF14/15 CEN1 CEN2 CEN3

Nacional 0.917 0.926 0.931 0.939

Urbano 0.816 0.832 0.841 0.855

Rural 0.970 0.975 0.978 0.983

Fonte: Cálculos dos autores com base nos dados dos IOF14/15

19
https://www.un.org/sustainabledevelopment/sustainable-development-goals/

12
A tabela 4 apresenta as micro-simulações usando linha de pobreza internacional pelas diferentes
províncias do país.

Tabela 4
Índice de pobreza por províncias-PPP
Área Geográfica IOF14/15 CEN1 CEN2 CEN3
Niassa 0.966 0.972 0.975 0.985
Cabo Delgado 0.933 0.946 0.955 0.967
Nampula 0.970 0.980 0.984 0.989
Zambézia 0.962 0.968 0.972 0.982
Tete 0.937 0.949 0.954 0.964
Manica 0.923 0.933 0.937 0.947
Sofala 0.930 0.933 0.935 0.936
Inhambane 0.902 0.904 0.906 0.908
Gaza 0.916 0.919 0.921 0.924
Maputo Província 0.537 0.555 0.567 0.573
Maputo Cidade 0.479 0.486 0.499 0.507
Fonte: Cálculos dos autores com base nos dados dos IOF14/15

O Banco Mundial (2018) previu que seria difícil para Moçambique conseguir cumprir com os
ODS20 traçados pela ONU (sendo o ODS 1: acabar com a pobreza extrema até 2030). Esta foi a
principal prioridade assumida pelos vários países integrantes na Assembleia da ONU em 2000. Na
melhor das hipóteses, Moçambique poderia reduzir a taxa da pobreza até 21.8% em 2030.

Com os choques previstos no consumo das famílias, será difícil acabar com a pobreza até 2030.
Com os impactos da COVID-19, a meta de reduzir a pobreza até 21.8%, é praticamente impossível.

4.2 O Cálculo dos indicadores de desigualdade

a) Coeficiente de Gini

Além do cálculo das medidas de pobreza usando o FGT0, o inquérito do orçamento familiar
também fornece informações que permitem calcular a desigualdade e a distribuição do consumo
das famílias. Apresenta-se a seguir a análise da desigualdade, usando três medidas para o efeito:
o índice Gini, a distribuição dos percentis de consumo e o Rácio de Kuznet, convencional e o
modificado.

Os resultados das micro-simulações CEN1, CEN2 e CEN3 relativos ao coeficiente de Gini a nível
nacional, urbano e rural são apresentados tendo em conta o ano de comparação da última
avaliação da pobreza, o IOF14/15 (tabela 5).

20
https://www.un.org/sustainabledevelopment/sustainable-development-goals/

13
 Tabela 5
Coeficiente de Gini
Área Geográfica OF14/15 CEN1 CEN2 CEN3

Nacional 0.470 0.478 0.484 0.504

Urbano 0.550 0.547 0.550 0.569

Rural 0.370 0.364 0.368 0.378

Fonte: Cálculos dos autores com base nos dados dos IOF14/15

A desigualdade calculada pelo IOF14/15, a nível nacional, foi de 0.470 (MEF, 2016). Usando as
micro-simulações tendo em conta o consumo do AF, é possível observar que a nível nacional, a
desigualdade subiu ligeiramente com a COVID-19. No CEN1 e CEN2 o indicador variou de 0.478
a 0.484, sugerindo uma distribuição ligeiramente mais desigual. Bourguignon (2004), informa que,
mesmo as mudanças pequenas no índice de desigualdade, podem ter efeitos grandes na pobreza
em termos absolutos. Porém, o mesmo não acontece no CEN3, onde o índice de Gini chega a
0.504.

Dados do IOF14/15 revelam que a desigualdade é mais acentuada nas zonas urbanas (0.550) do
que nas zonas rurais (0.370). A desigualdade do CEN1 no meio urbano e rural é menor do que a
desigualdade inicial calculada pelo IOF14/15. Não obstante a situação inicial, o padrão de
aumento da desigualdade nas zonas rurais tende a crescer.

A desigualdade medida pelo índice de Gini revela uma distribuição mais homogénea de grande
parte dos AF pobres. Isto não significa que os AF estarão numa melhor condição, uma vez que os
impactos da COVID-19 na pobreza foram claros. Portanto, é uma distribuição relativamente
uniforme a um nível de consumo menor.

Porém, este indicador tem-se revelado sensível às respostas do tipo de consumo dado pelas
famílias. A inexistência de um tipo de consumo de alimentos (consumo zero) reportada pelas
famílias dentro do período da análise do IOF14/15 foi considerada de nula nestas micro-
simulações. As estimativas são representativas a nível nacional, porém, podem estar
sobrestimadas devido a essa sensibilidade no momento da realização dos inquéritos.
Independentemente da correcção que se possa fazer a essa “sobrestimação” nos índices de Gini,
nas áreas geográficas, em ambos os cenários, evidenciam tendências de crescimento das
desigualdades.

Ravallion (2004) disserta sobre o papel desempenhado pela desigualdade inicial e pela mudança
na pobreza. Elevados índices de desigualdade comprometem a redução da pobreza. O Banco
Mundial (2018) afirmou que o crescimento poderia ter tido um impacto muito maior na redução
da pobreza em Moçambique se os seus efeitos não tivessem sido anulados ou reduzidos pelo
aumento da desigualdade que foi observada.

b) Distribuição percentil do consumo em relação à média de 10% por percentil

As medidas de desigualdade são sensíveis à distribuição do consumo nos últimos percentis ou

nos percentis mais baixos, ou seja, alterações do consumo nos percentis intermédios não são
capturadas por estes indicadores. Esta é uma limitação que se demostra a seguir.

14
A análise visual das distribuições do consumo pelos percentis no IOF14/15 e nos três cenários
simulados (CNE1, CEN2 e CEN3) demonstram uma elevada desigualdade da distribuição do
consumo em relação a média do percentil, 10%, e em relação ao último percentil (figura 2).

Figura 2
Distribuição de percentis de consumo

Distribuição de Consumo por Percentis

IOF14_15 CEN1
60
40
20
0

CEN2 CEN3
60
40
20
0

0 50 100 0 50 100
population percentage
outcome share 95% CI

Fonte: Representação dos autores com base nos dados do IOF14/15

A tabela 6 com a distribuição de percentis revela essa distribuição em termos numéricos.

Tabela 6
Distribuição de percentis
Outcome Share IOF14/15 CEN1 CEN2 CEN3
0-10 1.294502 1.266382 1.234904 1.13127
10-20 2.19215 2.147133 2.101058 1.93881
20-30 2.864974 2.805798 2.752179 2.5458
30-40 3.569229 3.500119 3.44098 3.21243
40-50 4.40299 4.323056 4.257974 3.9983
50-60 5.444581 5.356407 5.293695 5.02291
60-70 6.868237 6.777076 6.71518 6.44032
70-80 9.050762 8.973611 8.923178 6.44032
80-90 13.51924 13.49647 13.49839 13.4931
90-100 50.79333 51.35395 51.78246 53.4946
Fonte: Cálculos dos autores com base nos dados dos IOF14/15

15
c) Rácio de Kuznet

Representa-se, de seguida, a distribuição de percentis por soma de três grupos (figura 3). É
possível visualizar que o último percentil possui quase a metade da percentagem do consumo
dos AF.

Figura 3

Distribuição de Percentis por Soma de Grupos

IOF14_15

CEN1

CEN2

CEN3

0 20 40 60 80 100
outcome share (percent)

bottom 50% mid 40% top 10%

Fonte: Representação dos autores com base nos dados do IOF14/15

Calcula-se o RKC para o IOF14/15 para os três cenários da pesquisa (tabela 7).

Tabela 7
Cálculo do Rácio de Kuznet
Rácio de Kuznet IOF14/15 CEN1 CEN2 CEN3

RKC 6.48256 6.67224 6.850669 7.587844

RKM 5.11985 5.28364 5.434128 6.059448

Fonte: Cálculos dos Autores com base nos Dados dos IOF14/15

O RKC apresentado na tabela 7 mostra uma desigualdade da distribuição elevada (40% no

percentil mais baixo) em relação a 20% do percentil mais alto21.

Por exemplo, assuma a seguinte distribuição de rendimento. Numa economia ABC há um total de
100 unidades monetárias distribuídas da seguinte forma: 40% da população com consumo mais
baixo detêm 20 unidades monetárias, 40% da população com consumo intermédio detêm 30
unidades monetárias e 20% da população com consumo mais alto detém 50 unidades monetárias.
Então usando a fórmula, o RKC seria igual a 2.5, ou seja 20% da população com consumo mais

21
Veja a expressão 4 na metodologia

16
alto detém 2.5 vezes mais o rendimento de 40% da população do consumo mais baixo. Quanto
maior for o RKC maior será a desigualdade entre estes grupos.

No nosso caso, o RKC-CEN1 indica que os indivíduos dos 20% dos percentis mais altos tiveram um
consumo de 6.67224 vezes superior ao consumo dos indivíduos do 40% dos percentis mais
baixos. E a desigualdade aumenta à medida que as contracções no consumo aumentam. Este RKC
é também consistente com o RKC calculado durante a 4ª Avaliação da Pobreza e Bem-Estar. Os
níveis são altamente influenciados pelos percentis mais altos.

Dada a elevada desigualdade verificada na distribuição de consumo (figura 3), alterou-se o RKC
para avaliar como seria a desigualdade. Portanto, o Rácio de Kuznet foi modificado22 (RKM) tendo
em conta que nenhum dos quase 90 percentis alcançou o consumo mediano de 10%.

Suponha agora que na nossa economia ABC repartíamos o grupo dos 20% da população com o
consumo mais alto que detém 50 unidades monetárias (deste grupo, 10% mais baixo possui 20
unidades monetárias e 10% mais alto possui 30 unidades monetárias). Portanto, o RKM seria
encontrado dividindo os 40% da distribuição do consumo mais baixo pelos 10% da distribuição
de consumo mais alto. Então, o RKM seria igual a 1.5, ou seja 10% da população mais rica detém
1.5 vezes mais o rendimento de 40% da população mais pobre.

Portanto, comparamos o último percentil com a soma dos 40% dos percentis mais baixos. A
diferença é ligeira, de não mais de 2, em relação ao RKC calculado em ambas situações. O que
demonstra que a distribuição do consumo é concentrada nos percentis mais altos da população.
Lakner et al. (2020) argumenta que é necessário reduzir a desigualdade. Para estes autores, reduzir
o índice de Gini de cada país em 1% ao ano tem um maior impacto na pobreza global do que
aumentar o crescimento anual de cada país 1% pontos acima das previsões. Portanto, a redução
da pobreza no pós-COVID-19 deverá passar, inicialmente, pela redução das desigualdades.

4.3 Quantas pessoas são arrastadas para a situação de Pobreza?

a) Número de pessoas em situação de pobreza segundo as linhas de pobreza nacionais

A tabela 8 mostra o número de pessoas que podem ficar abaixo da linha de pobreza, em cada
um dos três cenários (CEN1, CEN2 e CEN3). Este número é calculado tendo em conta a expressão
(1). Após o cálculo do índice pobreza, fez-se a estimativa do número da população pobre. A
população por províncias nos CEN1, CEN2 e CEN3 é extraída da base dos dados publicados pelo
Censo Populacional de 2017 (INE, 2019).

22
O top (percentil de consumo mais alto) é reduzido de 20% para 10%

17
 Tabela 8
Número de pobres por área geográfica
Pobres Pobres Pobres Pobres
Área Geográfica
IOF14/1423 CEN1 CEN2 CEN3
Niassa 995,650 1,279,297 1,353,127 1,488,346
Cabo Delegado 847,543 1,417,591 1,475,194 1,751,544
Nampula 2,860,509 3,739,491 4,034,947 4,521,927
Zambézia 2,722,605 3,243,230 3,541,953 3,999,739
Tete 797,473 962,665 1,156,742 1,568,311
Manica 788,476 810,812 869,684 930,732
Sofala 896,028 1,055,082 1,072,971 1,090,618
Inhambane 727,297 779,119 798,303 803,882
Gaza 726,144 716,869 723,359 733,334
Maputo Província 319,219 546,623 573,802 580,916
Maputo Cidade 145,366 202,803 218,277 223,365
População Total 11,826,310 14,753,583 15,818,358 17,692,714
Fonte: Cálculos dos autores com base nos dados dos IOF14/15 e do Censo 2017

Com base na contracção de consumo na ordem dos 5-10%, as províncias com os maiores índices
de pobreza são Cabo Delegado, Zambézia e Nampula, com o seguinte número de pobres:
1,417,591; 3,243,230 e 3,739,491, respectivamente. Este padrão mantém-se para estas províncias
nos CEN2 e CEN3. Justifica-se esta tendência, tendo em conta que as duas últimas províncias com
um maior peso grande da agricultura (mais “rurais”), maior população (Zambézia e Nampula) e
maior tamanho médio dos agregados familiares (em média 5).

No geral, no primeiro caso, pobreza por áreas geográficas, em comparação com o IOF14/15, com
uma contracção de consumo de 5-10%, cerca de 2,927,273 pessoas caem na pobreza. Com uma
contracção de até 10-15%, cerca de 3,992,048 e no último cenário, uma contracção de até 15-
20% poderá levar 5,866,403 pessoas para a pobreza.

b) Número de pessoas em situação de pobreza usando o PPP

Quando usada a linha de pobreza internacional de US$ 1.9 por dia, a situação altera-se
completamente (tabela 9).

23
A base do cálculo do número de pobres do IOF14/15 não é o censo populacional. Isso pode gerar algumas
sobrestimações em relação ao número de pobres nos cenários elaborados.

18
 Tabela 9
Número de pobres por área geográfica-PPP
Pobres Pobres Pobres Pobres
Área Geográfica
IOF14/15 CEN1 CEN2 CEN3
Niassa 995,650 1,749,881 1,760,405 1,783,058
Cabo Delegado 847,543 2,163,950 2,194,695 2,244,760
Nampula 2,860,509 5,584,148 5,643,402 5,694,616
Zambézia 2,722,605 4,967,160 5,001,687 5,069,809
Tete 797,473 2,481,822 2,514,155 2,553,425
Manica 788,476 1,795,320 1,815,402 1,842,245
Sofala 896,028 2,101,354 2,108,046 2,115,424
Inhambane 727,297 1,342,144 1,346,292 1,351,733
Gaza 726,144 1,302,296 1,307,558 1,314,716
Maputo Provìncia 319,219 1,057,547 1,092,414 1,129,051
Maputo Cidade 145,366 536,374 544,356 568,663
População Total 11,826,310 25,081,995 25,328,411 25,667,501
Fonte: Cálculos dos autores com base nos dados dos IOF14/15 e do Censo 2017

Em geral, usando a linha de pobreza internacional, os impactos da COVID-19 aumentam o número

de pessoas que entram em situação de pobreza.

Com a linha de pobreza internacional de US$ 1.9 por dia, uma contracção de consumo de 5-10%,
aumenta em 13,255,685 pessoas em situação de pobreza em relação ao IOF4/15. Com uma
contracção de até 10-15%, aumenta em 13,502,101 em relação ao IOF4/15 e no último cenário,
poderá levar cerca de 13,841,191 pessoas para a condição de pobres, comparativamente ao
IOF4/15. O número de pobres mais do que quadruplica em todos os cenários se comparados com
a situação da pobreza usando os dados do IOF14/15 por cada área geográfica.

5. CONCLUSÃO

Segundo as últimas quatro avaliações de pobreza, houve progressos na redução da pobreza (em
termos de percentagem de pessoas). A pobreza em 1998 era de 69.4% e reduziu para 49.2% em
2016. Porém, o número de pobres tem aumentado devido ao efeito do crescimento demográfico.
Entre os dois últimos IOFs (2008/2009 e 2015/2015), o número de pobres aumentou em cerca de
700 mil moçambicanos. Actualmente, os impactos da COVID-19 podem perigar os progressos
parciais (considerando o aumento do número de pobres) na redução a pobreza, na medida em
que a desigualdade do consumo poderá aumentar.

As principais conclusões derivadas das micro-simulações revelam que a pobreza e a desigualdade

podem aumentar. Concretamente, a pobreza a nível nacional, considerando a medida utilizada
nacionalmente poderá aumentar para 75.5%, 77.7% ou 81.7%, respectivamente para os três
cenários, um retrocesso de mais de vinte anos. Em ambos os casos, a pobreza é mais acentuada
nas zonas rurais do que nas zonas urbanas.

19
Usando a linha de pobreza internacional de US$ 1.9, a pobreza a nível nacional poderá aumentar
para 92.6%, 93.1% ou 93.37%, conforme forem considerados os três cenários. Estes aumentos nos
índices de pobreza colocam, certamente, Moçambique fora da meta do ODS de erradicar a
pobreza até 2030.

Os índices de desigualdade, calculados com base no índice Gini, poderão aumentar dos 0.47
registados no IOF14/15 para 0.478, 0.484 ou 0.504 nos três cenários. Verifica-se que as zonas
rurais apresentam uma distribuição de consumo menos díspar em comparação com as zonas
urbanas, isto é, as desigualdades são menores no meio rural.

O número de pessoas em situação de pobreza poderá aumentar, tal como tem acontecido
anteriormente. Este cálculo tem como base o número da população registada no IV Censo
Populacional. A população pobre poderá aumentar em 2,927,273 se considerado o cenário 1, em
3,992,048 para o cenário 2 ou em 5,866,403 para o terceiro cenário. Quando usados os dados da
linha de pobreza internacional de US$ 1.9 por dia, a população em situação de pobreza poderá
aumentar em 13,255,685, em 13,502,101 ou em 13,841,191, conforme os três cenários

Os cenários aqui traçados possuem alguma dose de incerteza, própria dos métodos de simulação.
Porém, constituem um instrumento que pode ajudar a prever os impactos da COVID-19 na
pobreza e na desigualdade, fornecendo elementos de discussão dos impactos microeconómicos
nos agregados familiares. Estas micro-simulações podem também contribuir na decisão de
políticas para minimizar os impactos e iniciar um ciclo de crescimento com redução da pobreza e
das desigualdades.

A actualização dos cenários, considerando a evolução da realidade, revela-se importante, pois

permite uma maior aproximação às realidades futuras, o que facilita a tomada antecipada de
políticas de minimização dos impactos negativos da crise e detectar as oportunidades para a
criação de riqueza e de medidas pró-pobres.

20
BIBLIOGRAFIA

ADB [Asian Development Bank] (2020). An Updated Assessment of the Economic Impact of
COVID-19.ADB Briefs. Nº143. Recuperado em
https://www.adb.org/sites/default/files/publication/604206/adb-brief-133-updated-economic-
impact-covid-19.pdf

AGY, A.R., Maquenzi, J. & Mosca, J. (2020). Impactos da COVID-19 sobre os Agentes Económicos
Informais na Cidade de Maputo. OMR. Flash 8, COVID-19. Recuperado em
https://omrmz.org/omrweb/publicacoes/flash-8/

ANDERSEN, A.L, Hansen, E.T., Johannesen, N & Sheridan, A. (2020). Consumer responses to the
COVID-19 crisis. VOX CEPR Policy Portal. Recuperado em https://voxeu.org/article/consumer-
responses-covid-19-crisis

ARAAR, A. & Duclos, J.Y. (2013). Distributive Analysis Stata Package. Université Laval, PEP, CIRPÉE
and World Bank. Recuperado em
http://dasp.ecn.ulaval.ca/modules/DASP_V2.3/DASP_MANUAL_V2.3.pdf

BANCO MUNDIAL [World Bank] (2018). Mozambique Poverty Assessment, Strong But Not Broadly
Shared Growth. IBRD-IDA. Recuperado em
http://documents1.worldbank.org/curated/en/377881540320229995/pdf/131218-WP-P162550-
PUBLIC-FRI-OCT-26-7AM-DC-DIGITAL-Mozambique-Poverty-Assessment-2018.pdf

BANCO MUNDIAL [World Bank] (2020a). Global Economic Prospects, June 2020. Washington, DC:
World Bank. Recuperado em. https://openknowledge.worldbank.org/handle/10986/33748
License: CC BY 3.0 IGO.”URI

BANCO MUNDIAL [World Bank] (2020b). Purchasing Power Parities and the Size of World
Economies. Results from the 2017 International Comparison Program. Recuperado em
https://openknowledge.worldbank.org/bitstream/handle/10986/33623/9781464815300.pdf

BOURGUIGNON, F. (2004). The Poverty-Growth-Inequality Triangle. World Bank. Recuperado em

http://documents1.worldbank.org/curated/en/449711468762020101/pdf/28102.pdf

DIWAKAR, V. (2020). From pandemics to poverty. Hotspots of vulnerability in times of crisis. ODI’s
series on coronavírus. Recuperado em https://www.odi.org/sites/odi.org.uk/files/resource-
documents/coronavirus_from_pandemics_to_poverty.pdf

EGGE E. M., Salvucci, V., & Finn, Tarp F. (2020). Evolution of multidimensional poverty in crisis-
ridden Mozambique. WIDER Working Paper 2020/69. Recuperado em
https://www.wider.unu.edu/sites/default/files/Publications/Working-paper/PDF/wp2020-69.pdf

FAO (2020). COVID-19 global economic recession: Avoiding hunger must be at the centre of the
economic stimulus. Recuperado em http://www.fao.org/3/ca8800en/ca8800en.pdf

FERREIRA, F.H. G., Leite, P.G., da Silva, L. A. P., & Picchetti, P. (2008). Can the Distributional Impacts
of Macroeconomic Shocks Be Predicted? A Comparison of Top-Down Macro-Micro Models with
Historical Data for Brazil. In Bourguignon, F., Bussolo, M. & Da Silva L.A.P. (2008). The impact of

21
Macroeconomic Policies on Poverty and Income Distribution. World Bank. Recuperado em
https://elibrary.worldbank.org/doi/pdf/10.1596/978-0-8213-5778-1
FMI [International Monetary Fund] (2020). World Economic Outlook: the Great Lockdown.

FURCERI, D., Loungani, P., Ostry, D.J. & Pizzuto, P. (2020). COVID-19 will raise Inequality if Past
Pandemics are a Guide. VOX, CEPR Policy Portal. Recuperado em
https://voxeu.org/taxonomy/term/241

HABIB, B., Narayan, A., Olivieri, S., Sanchez-Paramo, C. (2010). The impact of the financial crisis on
poverty and income distribution: Insights from Simulations in Selected Countries. The World Bank.
Economic Premisse. 53745. Recuperado em
https://openknowledge.worldbank.org/bitstream/handle/10986/10206/537450BRI0EP70Box345
626B01PUBLIC1.pdf?sequence=1&isAllowed=y

HAUSMANN, R. (2020). Flattening the COVID-19 Curve in Developing Countries. Recuperado em

https://www.project-syndicate.org/commentary/flattening-covid19-curve-in-developing-
countries-by-ricardo-hausmann-2020-03 .

INE (2019). IV Recenseamento Geral Da População E Habitação 2017. Direcção de Estatísticas

Demográficas, Vitais e Sociais. Recuperado em http://www.ine.gov.mz/iv-rgph-
2017/mocambique/censo-2017-brochura-dos-resultados-definitivos-do-iv-rgph-
nacional.pdf/view

JANN, B. (2016). Assessing inequality using percentile shares. University of Bern Social Sciences
Working Paper No. 13. Recuperado em http://www.stata-journal.com/article.html?article=st0432

KHARAS, H. & Hamel, K. (2020). Turning back the Poverty Clock: How will COVID-19 impact the
world’s poorest people? Release IMF. Recuperado em https://www.brookings.edu/blog/future-
development/2020/05/06/turning-back-the-poverty-clock-how-will-covid-19-impact-the-
worlds-poorest-people/

KIREYEV, A. & Chen, J (2017). Inclusive Growth Framework. IMF Working Paper. Recuperado em
https://www.imf.org/en/Publications/WP/Issues/2017/05/30/Inclusive-Growth-Framework-44951

LAKNER C., Mahler D.G., Negre M. & Prydz E.B. (2020). How Much Does Reducing Inequality
Matter for Global Poverty? Working Paper. World Bank. Recuperado em
https://documents.worldbank.org/curated/en/328651559243659214/How-Much-Does-
Reducing-Inequality-Matter-for-Global-Poverty

LUCAS, B (2020). Economic impacts of Covid-19 on inclusive economic growth. K4D. Recuperado
em https://www.ids.ac.uk/publications/impacts-of-covid-19-on-inclusive-economic-growth-in-
middle-income-countries/

MAMBO, F., Y. Paris, V. Salvucci, & R. Santos (2018). Simulating the Effect on Households’ Real
Consumption and Poverty of the Increase in Prices that Followed the 2015–16 Economic Crisis in
Mozambique. WIDER Working Paper 61/2018. Recuperado em
https://www.wider.unu.edu/sites/default/files/Publications/Working-paper/PDF/wp2018-61.pdf

22
MEF (2016). Pobreza e Bem-Estar em Moçambique: Quarta Avaliação Nacional. Maputo: Direcção
de Estudos Económicos e Financeiros, Ministério de Economia e Finanças de Moçambique.
Recuperado em https://igmozambique.wider.unu.edu/sites/default/files/News/Mozambique-A5-
web-24022017.pdf

MISAU (2020). Comunicado de imprensa - Actualização da Informação sobre a Covid19 no País e

no Mundo. Ministério da Saúde Direcção Nacional de Saúde Pública. Maputo. Recuperado em
http://www.misau.gov.mz/attachments/article/263/Comunicado%20de%20Actualizacao%20de%
20dados_14_07_2020.pdf

MORSY, H., Balma, L., & Mukasa, A.N. (2020). Not a Good Time: Economic Impact of COVID-19 in
Africa. African Development Bank Group. Working Paper No 338. Recuperado em
https://www.afdb.org/en/documents/working-paper-338-not-good-time-economic-impact-
covid-19-africa

MOSCA, J. (2020). COVID-19: Linhas Gerais Sobre Medidas E Impactos Económicos Em

Moçambique. OMR. Recuperado em https://omrmz.org/omrweb/publicacoes/covid-19-linhas-
gerais/

MUSSAGY, I. H. (2020, Junho, 10). A pressão cambial sinaliza o início de uma crise? Jornal o País
Económico. Maputo. p.8

OTM [International Labor Organization] (2020). COVID-19 and the world of work: Impact and
policy responses. ILO Monitor 1st Edition. Recuperado em
https://www.ilo.org/wcmsp5/groups/public/---dgreports/---
dcomm/documents/briefingnote/wcms_738753.pdf

PAROLIN, Z. & Wimer, C. (2020). Forecasting Estimates of Poverty during the COVID-19 CRISIS
Poverty Rates in the United States Could Reach Highest Levels in Over 50 Years. Center on Poverty
and Social Policy at Columbia University. Recuperado em
https://www.povertycenter.columbia.edu/news-internal/coronavirus-forecasting-poverty-
estimates

RAVALLION, M. (2004). Pro-Poor Growth: A Prime. Policy Research. Working Paper 3242.
Washington DC. Recuperado em
https://openknowledge.worldbank.org/bitstream/handle/10986/14116/wps3242growth.pdf?seq
uence=1

SENGO, E., Magaia, R. & Dique, S. (2020). Impacto do Covid-19 no Sector Empresarial
Moçambicano e Propostas de Medidas para a sua Mitigação. CTA. USAID. Recuoerado em
https://cta.org.mz/wp-content/uploads/2020/05/Estudo1-Impacto-da-COVID-19-em-
Mo%C3%A7ambique-VERSAO-FINALLL-003.pdf

SUMNER, A., Chris Hoy, C., & Eduardo Ortiz-Juarez, E. (2020a). Estimates of the impact of COVID-
19 on global poverty. WIDER Working Paper 2020/43. Recuperado em
https://www.wider.unu.edu/sites/default/files/Publications/Working-paper/PDF/wp2020-43.pdf

23
SUMNER, A., Eduardo Ortiz-Juarez, E. & Chris Hoy, C., & (2020b). Precarity and the pandemic:
COVID-19 and poverty incidence, intensity, and severity in developing countries. WIDER Working
Paper 2020/77. Recuperado em
https://www.wider.unu.edu/sites/default/files/Publications/Working-paper/PDF/wp2020-77.pdf

SURYAHADI, A., Al Izzati, R. & Daniel Suryadarma, D. (2020). The Impact of COVID-19 Outbreak
on Poverty: An Estimation for Indonesia. SMERU DRAFT Working Paper. Recuperado em
http://smeru.or.id/en/content/impact-covid-19-outbreak-poverty-estimation-indonesia

TODARO, M. P. & Smith, S.C. (2006). Economic Development. 9th Edition. Pearson. USA.

VALENSISI, G. (2020). COVID-19 and global poverty. Are LDCs being left behind? WIDER Working
Paper 2020/73. Recuperado em
https://www.wider.unu.edu/sites/default/files/Publications/Working-paper/PDF/wp2020-
73_1.pdf

24
 LISTA DOS TÍTULOS PUBLICADOS DA SÉRIE OBSERVADOR RURAL
Nº Título Autor(es) Ano
Contributo para um debate necessário da política fiscal
95 João Mosca e Rabia Aiuba Junho de 2020
em Moçambique
94 Economia de Moçambique: Análise de conjuntura pré COVID-19 João Mosca e Rabia Aiuba Junho de 2020
Assimetrias no acesso ao Estado:
93 João Feijó Junho de 2020
Um terreno fértil de penetração do jihadismo islâmico
Implementação das medidas de prevenção do COVID-19: João Feijó e Ibraimo
92 Junho de 2020
Uma avaliação intercalar nas cidades de Maputo, Beira e Nampula Hassane Mussagy
Secundarização da agricultura e persistência da pobreza rural: Reprodução de cidadanias
91 João Feijó Maio de 2020
desiguais
Transição florestal: Estudo socioeconómico do desmatamento
90 Mélica Chandamela Abril de 2020
em Nhamatanda
Produção bovina em Moçambique: Desafios e perspectivas
89 Nelson Capaina Março de 2020
– O caso da província de Maputo
Avaliação dos impactos dos investimentos nas plantações florestais da Portucel-Moçambique na província Almeida Sitoe e
88 Março de 2020
da Zambézia Sá Nogueira Lisboa
Terra e crises climáticas: percepções de populações deslocadas
87 Uacitissa Mandamule Fevereiro de 2020
pelo ciclone IDAI no distrito de Nhamatanda
“senhor, passar para onde?”
86 Uacitissa Mandamule Fevereiro de 2020
Estrutura fundiária e mapeamento de conflitos de terra no distrito de Nhamatanda
Rabia Aiuba e Jonas Milagre
85 Evolução dos preços dos bens essenciais de consumo em 2019 Fevereiro de 2020
Mbiza
Refiloe Joala, Máriam
Abbas, Lázaro dos Santos,
Repensar a segurança alimentar e nutricional: Alterações no sistema agro-alimentar e o
84 Natacha Bruna, Carlos Janeiro de 2020
direito à alimentação em Moçambique
Serra,
e Natacha Ribeiro
Pobreza no meio rural:
83 Aleia Rachide Agy Janeiro de 2020
Situação de famílias monoparentais chefiadas por mulheres
Ascensão e queda do PROSAVANA: Da cooperação triangular à cooperação bilateral
82 contra-resistência / The rise and fall of PROSAVANA: From triangular cooperation to Sayaka Funada-Classen Dezembro de 2020

bilateral cooperation in counter-resistance

Investimento público na agricultura: O caso dos centros de prestação de serviços agrários; Yasser Arafat Dadá, Yara Nova
81 Novembro de 2019
complexo de silos da bolsa de mercadorias de Moçambique e dos regadios e Cerina Mussá

80 Agricultura: Assim, não é possível reduzir a pobreza em Moçambique João Mosca e Yara Nova Outubro de 2019

Corredores de desenvolvimento: Reestruturação produtiva ou continuidade histórica. O caso do

79 Rabia Aiuba Setembro de 2019
corredor da Beira, Moçambique

Condições socioeconómicas das mulheres associadas na província de Nampula: Estudos de

78 Aleia Rachide Agy Agosto de 2019
caso nos distritos de Malema, Ribaué e Monapo

Pobreza e desigualdades em zonas de penetração de grandes projectos: Estudo de caso em

77 Jerry Maquenzi Agosto de 2019
Namanhumbir - Cabo Delgado
76 Pobreza, desigualdades e conflitos no norte de Cabo Delgado Jerry Maquenzi e João Feijó Julho de 2019

75 A maldição dos recursos naturais: Mineração artesanal e conflitualidade em Namanhumbir Jerry Maquenzi e João Feijó Junho de 2019
Agricultura em números: Análise do orçamento do estado, investimento, crédito e balança Yara Nova, Yasser Arafat
74 Maio de 2019
comercial Dadá e Cerina Mussá
Titulação e subaproveitamento da terra em Moçambique:
73 Nelson Capaina Abril de 2019
Algumas causas e implicações
Uacitissa Mandamule e
72 Os mercados de terras rurais no corredor da Beira: tipos, dinâmicas e conflitos. Março de 2019
Tomás Manhicane
71 Evolução dos preços dos bens alimentares 2018 Yara Nova Fevereiro de 2019
A economia política do Corredor da Beira: Consolidação de um enclave ao serviço do
70 Thomas Selemane Janeiro de 2019
Hinterland

69 Indicadores de Moçambique, da África subsaariana e do mundo Rabia Aiuba e Yara Nova Dezembro de 2018

Médios produtores comerciais no Corredor da Beira: Dimensão do fenómeno e caracterização João Feijó e Yasser Arafat
68 Novembro de 2018
social Dadá
Yasser Arafat Dadá e Yara
67 Pólos de crescimento e os efeitos sobre a pequena produção: O caso de nacala-porto Outubro de 2018
Nova

66 Os Sistemas Agro-Alimentares no Mundo e em Moçambique Rabia Aiuba Setembro de 2018

Nº Título Autor(es) Ano
Agro-negócio e campesinato. Continuidade e descontinuidade de Longa Duração.
65 João Mosca Agosto de 2018
O Caso de Moçambique.

64 Determinantes da Indústria Têxtil e de vestuário em Moçambique (1960-2014) Cerina Mussá e Yasser Dadá Julho de 2018

63 Participação das mulheres em projectos de investimento agrário no Distrito de Monapo Aleia Rachide Agy Junho de 2018

62 Chokwé: efeitos locais de políticas Instáveis, erráticas e contraditórias Márriam Abbas Maio de 2018

61 Pobreza, diferenciação social e (des) alianças políticas no meio rural João Feijó Abril de 2018

60 Evolução dos Preços de Bens alimentares e Serviços 2017 Yara Nova Março de 2018

Estruturas de Mercado e sua influência na formação dos preços dos produtos agrícolas ao longo
59 Yara Pedro Nova Fevereiro de 2018
das suas cadeias de valor
Avaliação dos impactos dos investimentos das plantações florestais da Portucel-
Almeida Sitoe e Sá
58 Moçambique nas tecnologias agrícolas das populações locais nos distritos de Ile e Novembro de 2017
Nogueira Lisboa
Namarrói, Província da Zambézia
Desenvolvimento Rural em Moçambique: Discursos e Realidades – Um estudo de caso do
57 Nelson Capaina Outubro de 2017
distrito de Pebane, Província da Zambézia
A Economia política do corredor de Nacala: Consolidação do padrão de economia extrovertida
56 Thomas Selemane Setembro de 2017
em Moçambique

55 Segurança Alimentar Auto-suficiecia alimentar: Mito ou verdade? Máriam Abbas Agosto de 2017

Soraya Fenita e
54 A inflação e a produção agrícola em Moçambique Julho de 2017
Máriam Abbas

53 Plantações florestais e a instrumentalização do estado em Moçambique Natacha Bruna Junho de 2017

52 Sofala: Desenvolvimento e Desigualdades Territoriais Yara Pedro Nova Junho de 2017

Estratégia de produção camponesa em Moçambique: estudo de caso no sul do Save -
51 Yasser Arafat Dadá Maio de 2017
Chókwe, Guijá e KaMavota

Género e relações de poder na região sul de Moçambique – uma análise sobre a localidade de
50 Aleia Rachide Agy Abril de 2017
Mucotuene na província de Gaza
Criando capacidades para o desenvolvimento: o género no
49 Nelson Capaina Março de 2017
acesso aos recursos produtivos no meio rural em Moçambique
Perfil socio-económico dos pequenos agricultores do sul de Moçambique: realidades de Chókwe,
48 Momade Ibraimo Março de 2017
Guijá e KaMavota

47 Agricultura, diversificação e Transformação estrutural da economia João Mosca Fevereiro de 2017

46 Processos e debates relacionados com DUATs. Estudos de caso em Nampula e Zambézia. Uacitissa Mandamule Novembro de 2016

Tete e Cateme: entre a implosão do el dorado e a contínua degradação das condições de vida
45 Thomas Selemane Outubro de 2016
dos reassentados

44 Investimentos, assimetrias e movimentos de protesto na província de Tete João Feijó Setembro de 2016

Motivações migratórias rural-urbanas e perspectivas de regresso ao campo – uma análise do João Feijó e Aleia Rachide
43 Agosto de 2016
desenvolvimento rural em moçambique a partir de Maputo Agy e Momade Ibraimo
João Mosca e Máriam
42 Políticas públicas e desigualdades socias e territoriais em Moçambique Julho de 2016
Abbas

41 Metodologia de estudo dos impactos dos megaprojectos João Mosca e Natacha Bruna Junho de 2016

40 Cadeias de valor e ambiente de negócios na agricultura em Moçambique Mota Lopes Maio de 2016

39 Zambézia: Rica e Empobrecida João Mosca e Yara Nova Abril de 2016

António Júnior, Momade
38 Exploração artesanal de ouro em Manica Março de 2016
Ibraimo e João Mosca

37 Tipologia dos conflitos sobre ocupação da terra em Moçambique Uacitissa Mandamule Fevereiro de 2016
João Mosca e Máriam
36 Políticas públicas e agricultura Janeiro de 2016
Abbas
Pardais da china, jatrofa e tractores de Moçambique: remédios que não prestam para o
35 Luis Artur Dezembro de 2015
desenvolvimento rural

34 A política monetária e a agricultura em Moçambique Máriam Abbas Novembro de 2015

Nº Título Autor(es) Ano
33 A influência do estado de saúde da população na produção agrícola em Moçambique Luís Artur e Arsénio Jorge Outubro de 2015
32 Discursos à volta do regime de propriedade da terra em Moçambique Uacitissa Mandamule Setembro de 2015

31 PROSAVANA: discursos, práticas e realidades João Mosca e Natacha Bruna Agosto de 2015
Do modo de vida camponês à pluriactividade impacto do assalariamento urbano na
30 João Feijó e Aleia Rachide Julho de 2015
economia familiar rural
29 Educação e produção agrícola em Moçambique: o caso do milho Natacha Bruna Junho de 2015
Legislação sobre os recursos naturais em Moçambique: convergências e conflitos na
28 Eduardo Chiziane Maio de 2015
relação com a terra
António Júnior, Yasser Arafat
27 Relações Transfronteiriças de Moçambique Abril de 2015
Dadá e João Mosca
26 Macroeconomia e a produção agrícola em Moçambique Máriam Abbas Abril de 2015
Entre discurso e prática: dinâmicas locais no acesso aos fundos de desenvolvimento distrital em
25 Nelson Capaina Março de 2015
Memba
24 Agricultura familiar em Moçambique: Ideologias e Políticas João Mosca Fevereiro de 2015
Kayola da Barca Vieira Yasser
23 Transportes públicos rodoviários na cidade de Maputo: entre os TPM e os My Love Arafat Dadá e Margarida Dezembro de 2014
Martins
22 Lei de Terras: Entre a Lei e as Práticas na defesa de Direitos sobre a terra Eduardo Chiziane Novembro de 2014
António Júnior, Yasser Arafat
21 Associações de pequenos produtores do sul de Moçambique: constrangimentos e desafios Outubro de 2014
Dadá e João Mosca
João Mosca, Yasser Arafat
20 Influência das taxas de câmbio na agricultura Dadá e Kátia Amreén Setembro de 2014
Pereira
19 Competitividade do Algodão Em Moçambique Natacha Bruna Agosto de 2014
Carlos Manuel Serra,
O Impacto da Exploração Florestal no Desenvolvimento das Comunidades Locais nas Áreas
18 António Cuna, Assane Julho de 2014
de Exploração dos Recursos Faunísticos na Província de Nampula
Amade e Félix Goia
17 Competitividade do subsector do caju em Moçambique Máriam Abbas Junho de 2014

16 Mercantilização do gado bovino no distrito de Chicualacuala António Manuel Júnior Maio de 2014
Luís Artur, Ussene Buleza,
15 Os efeitos do HIV e SIDA no sector agrário e no bem-estar nas províncias de Tete e Niassa Mateus Marassiro, Garcia Abril de 2015
Júnior
João Mosca e
14 Investimento no sector agrário Março de 2014
Yasser Arafat Dadá
João Mosca, Kátia Amreén
13 Subsídios à Agricultura Fevereiro de 2014
Pereira e Yasser Arafat Dadá
Anatomia Pós-Fukushima dos Estudos sobre o ProSAVANA: Focalizando no “Os mitos por
12 Sayaka Funada-Classen Dezembro de 2013
trás do ProSavana” de Natalia Fingermann
João Mosca, Natacha Bruna,
11 Crédito Agrário Katia Amreén Pereira e Yasser Novembro de 2013
Arafat Dadá
Shallow roots of local development or branching out for new opportunities: how local
Emelie Blomgren
10 communities in Mozambique may benefit from investments in land and forestry Outubro de 2013
e Jessica Lindkvist
exploitation
Américo Izaltino Casamo,
9 Orçamento do estado para a agricultura Setembro de 2013
João Mosca e Yasser Arafat
Agricultural Intensification in Mozambique. Opportunities and Obstacles—Lessons from Peter E. Coughlin, Nicia
8 Julho de 2013
Ten Villages Givá

7 Agro-Negócio em Nampula: casos e expectativas do ProSAVANA Dipac Jaiantilal Junho de 2013

Elizabeth Alice Clements e
6 Estrangeirização da terra, agronegócio e campesinato no Brasil e em Moçambique Bernardo Mançano Maio de 2013
Fernandes
João Mosca e
5 Contributo para o estudo dos determinantes da produção agrícola Abril de 2013
Yasser Arafat Dadá
João Mosca, Vitor Matavel e
4 Algumas dinâmicas estruturais do sector agrário. Março de 2013
Yasser Arafat Dadá
3 Preços e mercados de produtos agrícolas alimentares. João Mosca e Máriam Abbas Janeiro de 2013
João Mosca
2 Balança Comercial Agrícola: Para uma estratégia de substituição de importações? Novembro de 2012
e Natacha Bruna
1 Porque é que a produção alimentar não é prioritária? João Mosca Setembro de 2012
Como publicar:

• Os autores deverão endereçar as propostas de textos para publicação em formato digital

para o e-mail do OMR (office@omrmz.org) que responderá com um e-mail de aviso de
recepção da proposta.
• Não existe por parte do Observatório do Meio Rural qualquer responsabilidade em
publicar os trabalhos recebidos.
• Após o envio, os autores proponentes receberão informação por e-mail, num prazo de 90
dias, sobre a aceitação do trabalho para publicação.
• O autor tem o direito a 10 exemplares do número do OBSERVADOR RURAL que contiver
o artigo por ele escrito.

Regras de publicação:

• Apresentação da proposta de um tema que se enquadre no objecto de trabalho do OMR.

• Aprovação pelo Conselho Técnico.
• Submissão a uma revisão redactorial num prazo de sessenta dias, a partir da entrega da
proposta de artigo pelo autor.
• Informação aos autores por parte do OMR acerca da decisão da publicação, por e-mail,
com solicitação de aviso de recepção, num prazo de 90 dias após a apresentação da
proposta.
• Caso exista um parecer negativo de um ou mais revisores, o autor tem a oportunidade de
voltar uma vez mais a propor a edição do texto, desde que introduzidas as alterações e
observações sugeridas pelo(s) revisore(s).
• Uma segunda proposta do mesmo texto para edição procede-se nos mesmos moldes e
prazos.
• Um segundo parecer negativo tem carácter definitivo.
• O proponente do texto para publicação não tem acesso aos nomes dos revisores e estes
receberão os textos para revisão sem indicação dos nomes dos autores.
• A responsabilidade de publicação é da Direcção do Observatório do Meio Rural sob
proposta do Conselho Técnico, independentemente dos pareceres dos revisores.
• O texto não pode ter mais que 40 páginas em letra 11, espaço simples entre linhas, e 3 cm
em todas as margens da página (cima, baixo lado e esquerdo e direito).
• A formatação do texto para publicação é da responsabilidade do OMR.
 O OMR é uma Associação da
sociedade civil que tem por
objectivo geral contribuir para o
desenvolvimento agrário e rural
numa perspectiva integrada e
interdisciplinar, através de
investigação, estudos e debates
acerca das políticas e outras
temáticas agrárias e de
desenvolvimento rural.

O OMR centra as suas acções na prossecução dos seguintes objectivos específicos:

• Promover e realizar estudos e pesquisas sobre políticas e outras temáticas relativas ao

desenvolvimento rural;

• Divulgar resultados de pesquisas e reflexões;

• Dar a conhecer à sociedade os resultados dos debates, seja através de comunicados de

imprensa como pela publicação de textos;

• Constituir uma base de dados bibliográfica actualizada, em forma digitalizada;

• Estabelecer relações com instituições nacionais e internacionais de pesquisa para

intercâmbio de informação e parcerias em trabalhos específicos de investigação sobre

temáticas agrárias e de desenvolvimento rural em Moçambique;

• Desenvolver parcerias com instituições de ensino superior para envolvimento de

estudantes em pesquisas de acordo com os temas de análise e discussão agendados;

• Criar condições para a edição dos textos apresentados para análise e debate do OMR.

Patrocinadores:

Rua Faustino Vanombe, nº 81, 1º Andar

Maputo – Moçambique

www.omrmz.org

View publication stats