Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo: O objetivo do presente estudo foi analisar questões referentes ao esforço Kleyton José da Silva Pereira
fiscal dos municípios pernambucanos. O trabalho inova ao fazer esta análise para de Siqueira1
cada município. Com base num painel de dados do período de 2000 a 2009, estima-se Ricardo Carvalho de Andrade
uma fronteira de produção estocástica, uma estratégia proposta por Beatese e Coelli Lima2
(1992) que permite não só encontrar os determinantes da arrecadação municipal. Nelson Leitão Paes3
Os resultados mostram que em geral, quando se compara com outros estudos, os
municípios de Pernambuco não são eficientes sob um ponto de vista fiscal (média de
0,67 de eficiência), ou seja, esses municípios arrecadam muito menos que o efetivo
potencial. Além disso, percebe-se que há uma enorme disparidade na eficiência dos
municípios, apenas 35% possuem índices superiores à média estadual. Em relação
aos determinantes do esforço fiscal, observa-se que municípios que recebem um
maior volume de transferências possuem um menor esforço fiscal. 1
Professor Assistente da Unidade
A c a d ê m i c a d e S e r r a Ta l h a d a –
U n i v e r s i d a d e Fe d e r a l R u r a l d e
Palavras-chave: Eficiência Tributária, Esforço Fiscal, Fronteira Estocástica. Pernambuco (UAST-UFRPE). Doutorando
em economia PIMES-UFPE. E-mail:
kleyton.siqueira@ufrpe.br. Endereço
para correspondência: Av. Gregório Ferraz
Nogueira S/N, José Tomé de Souza, Serra
Talhada-PE. CEP: 56.909-535.
2
Doutorando em Economia PIMES-UFPE.
E-mail: ricardocarvalho2009@gmail.com.-
João Pessoa, PB.
Abstract: The aim of this paper is to analyze issues related to the fiscal effort of the 2
Professor colaborador do programa
de pós-graduação em economia da
cities in Pernambuco. This work innovates making this analysis to each city. Based Universidade Federal de Pernambuco
on a panel data obtained for the period 2000-2009, we estimate a frontier stochastic (PIMES-UFPE) e auditor fiscal da Receita
Federal. Doutor em economia Pela
production, a strategy proposed by Beatese and Coelli (1992) which enables finding Universidade de Brasília – UNB e bolsista
de produtividade em pesquisa nível 2.
the determinants of municipal tax revenue. The results are showing in general, as
long as compared with other studies, the cities from Pernambuco are not efficient
under a fiscal point of view (average of 0.67 efficiency), i.e, those cities collect much
less than the effective potential. Moreover, it’s noticed that there is a great disparity
in the efficiency of cities, only 35% have a higher efficiency index than the state
average rate. Regarding the determinants of tax effort, it’s observed that cities that
receive a higher volume of transfers have a lower tax effort.
1. Introdução
2. Revisão da literatura
está disposta a cumprir no âmbito tributário, definindo, portanto, como serão explorados 6
A próxima seção discutirá com maior
riqueza de detalhes as transferências
os potenciais de tributação por cada esfera do governo (VIOL, 2006). intergovernamentais.
receitas que reduza as iniquidades e, ao mesmo tempo, estimule uma maior eficiência
das administrações tributárias” (ORAIR E ALENCAR, p. 08, 2010).
3. Metodologia
J vit −uit
Yit = e a0 ∏ X itjj
a
e (1)
j =1
Onde Yit é a arrecadação própria (somatório da arrecadação com ISSQN, IPTU e ITBI)
do i-ésimo município no tempo t, X itj representa o input “j”que afeta o esforço fiscal do
i-ésimo município no tempo t (t = 1, ... ,T), os a ’s e o η são parâmetros a serem estimados
e vit é um termo de erro aleatório com distribuição normal e variância constante. uit
é um termo que representa a incapacidade da administração tributária particular “i”
arrecadar a sua capacidade máxima (representando ineficiência) e como sugerida por
Battese e Coeli (1992) é uma função exponencial do tempo (equação 2). Além disso
uit é uma variável aleatória não negativa com distribuição normal truncada no zero
e variância constante. Assume-se que vit e uit são estatisticamente independentes
(Battese e Coeli, 1992).
Visando à estimação do modelo, aplica-se uma transformação logarítmica em (1)
e utiliza-se o método da máxima verossimilhança. Dessa forma, obtemos a seguinte
equação linear:
J
yit = a0 + ∑ a j xitj + vit − uit (3)
j =1
Onde yit é o logaritmo natural de Yit , xitj é o logaritmo natural do conjunto de “J”
variáveis explicativas X itj e vit e uit já foram anteriormente definidas. A utilização de
uma fronteira estocástica com dados em painel possui a grande vantagem de considerar
as heterogeneidades específicas de cada economia, o que permite reduzir o viés de
variáveis omitidas (Battese e Coeli, 1992). Como foi discutido anteriormente, o objetivo
principal do presente estudo é calcular o índice de eficiência tributária dos municípios
pernambucanos (também conhecido como grau esforço fiscal), que é definido como a
razão entre a arrecadação tributária observada e a arrecadação que seria obtida com a
fronteira estocástica de produção (arrecadação mais eficiente possível dado os inputs,
tal que〖 u〗_it=o, ou seja, se EF = 1):
=EFit =
Yit e a0 ∏ j =1 X itjj evit −uit
= e − uit
( J a
)
( ) ( )
(4)
e ∏ j 1= e ∏ j 1 X itj e
a0 J aj vit a0 J aj vit
=
X itj e
Cabe destacar que tal medida de eficiência varia entre 0 e 1, onde zero representa
um município totalmente ineficiente e 1 totalmente eficiente. Embora esse índice seja
utilizado tradicionalmente como uma medida de esforço fiscal, Pessino e Fenochietto
(2010) chamam atenção para o fato de que uma economia possa ter um baixo índice
porque os indivíduos preferem uma baixa provisão de bens e serviços públicos, de modo
que a arrecadação tributária seja intencionalmente baixa. Contudo, esse não parece ser
o caso para os municípios pernambucanos, e assim, utilizaremos o índice como uma
medida de esforço fiscal.
O índice de esforço fiscal (equação 4) é útil para calcular o “GAP” tributário: diferença
entre a arrecadação potencial e a arrecadação observada, uma medida que informa o
quanto de receita a administração pública deixou de arrecadar, ou seja, representa o
custo de oportunidade de sua ineficiência.
Além disso, para realizar a análise da distribuição espacial dos indicadores de esforço
fiscal, foi realizado o teste I-Moran com a finalidade de verificar se há correlação espacial
na eficiência municipal. A existência de correlação pode indicar influência mutua entre
municípios vizinhos, indicando que os municípios se distribuem em grupos de eficiência
semelhante. Neste Sentido a distribuição espacial da eficiência é uma questão importante
e tem sido negligenciada em estudos anteriores.
Por fim, é importante destacar que o presente trabalho realizou um bootstrap para
10 mil réplicas na base de eficiência contida na tabela 6 (apêndice 1), com a finalidade
de obtenção de normalidade, ou aproximação normal, necessária a validade do teste
I-Moran.
Por fim, vale salientar que os dados referentes a receitas e despesas municipais
utilizados no processo de estimação foram obtidos junto à Secretaria do Tesouro Nacional
(STN), a partir de sua publicação periódica intitulada de FINBRA – Finança do Brasil. Foram
também obtidos dados junto ao Instituto Brasileiro de Geografia e Estatística – IBGE,
dados estes, referentes à PIB’s setoriais e população municipal. Tais dados foram ainda
organizados em forma de painel balanceado, contendo 140 municípios entre os anos de
2000 a 2009 (o estado de Pernambuco conta com 185, todavia nem todos apresentaram
seus dados junto a FINBRA-STN para o período estudado). Todas as variáveis estão em
reais do ano 2000.
4. Resultados e discussão
A partir dos dados apresentados na Tabela 1, é possível perceber que a maioria dos
coeficientes são estatisticamente significantes ao nível de 1%, o que mostra que tais
variáveis estão realmente explicando as variações na arrecadação própria dos municípios
pernambucanos. É importante destacar que as únicas variáveis não significantes, no
caso da especificação acima, são as dummies: Mata e Agreste (que buscam capturar
o efeito de um município está localizado na zona da mata ou no agreste em relação
a estar localizado na região metropolitana do Recife) e as dummies de eleições. Tal
resultado é importante, pois mostra que o fator eleitoral não está sendo preponderante
na arrecadação dos municípios e ainda que um dado município estar localizado no
Agreste ou na Zona da Mata não tem importância estatística para alterar sua arrecadação
própria e, consequentemente, seu potencial tributário, o que por sua vez implica a não
alteração do esforço fiscal desses municípios.
Já em relação às variáveis significativas percebe-se, em primeiro lugar, que os
PIB´s setoriais foram todos positivamente relacionados com a arrecadação própria
municipal, tendo destaque para o setor de serviços, pois este foi o que apresentou
maior elasticidade: 0,62 frente a 0,20 do setor industrial e 0,13 do PIB do setor agrícola.
No que se refere aos sinais, ou seja, a relação guardada entre as variáveis setoriais e a
arrecadação própria, pode-se perceber que o PIB do setor de serviços apresentou a
relação esperada, ou seja, relação positiva com a arrecadação própria. Este fato já era
esperado, pois, na literatura sobre o tema, os trabalhos também vêm apresentando
essa relação (ORAIR E ALENCAR, 2010; RIBEIRO, 1999; VIOL, 2006). Tal resultado pode
ser explicado também pelo fato de o setor de serviços ser um dos responsáveis diretos
pela arrecadação municipal, tendo em vista que a arrecadação própria, como já definido
anteriormente, é composta por três impostos, sendo eles: Imposto Sobre Serviços de
Qualquer Natureza – ISSQN, Imposto sobre Transmissão de Bens Imóveis – ITBI e Imposto
Territorial e Predial Urbano – IPTU.
Ainda é possível perceber que os Setores Agrícola e Industrial também apresentaram
relação positiva com a arrecadação municipal. Este fato está atrelado ao aumento de
renda proveniente de uma maior atividade econômica nos municípios, tendo em vista
a existência de maior base tributária e capacidade econômica a ser explorada (ORAIR
E ALENCAR, 2010; RIBEIRO, 1999; VIOL, 2006). No que diz respeito às variáveis dummy,
perceber-se que a dummy do sertão (município localizado no sertão do estado) foi
significante. Esse resultado mostra que, quando comparados municípios do sertão com
os da região metropolitana (região suprimida no uso das dummies), municípios mais
distantes da capital tendem a ter menor esforço fiscal médio. Tais resultados mostram
a influência da renda, através da significância dos PIB´s, na arrecadação municipal, bem
como a diferença de arrecadação entre as diferentes regiões do estado, o que mostra
certo grau de heterogeneidade no quesito arrecadação.
Outro resultado que merece destaque é a relação negativa entre FPM e arrecadação
própria, essa relação sugere a existência de um efeito preguiça fiscal ou desinteresse
que estaria sendo causado pelas transferências federais de caráter redistributivo. No
caso de Pernambuco, quando um município recebe o FPM, tende a ter menor esforço
em arrecadar impostos, o que causou, em média, uma diminuição na arrecadação de
31% para estes entes federados.
Tabela 2. Municípios com maior produto interno bruto per capita nos anos de 2009 e 2010
Cabo de Santo
2 2 R$ 20.970 R$ 24.180
Agostinho
No que diz respeito à análise do esforço fiscal por região do estado é possível
perceber, através da Tabela 3, que quanto mais distante de Recife (principal polo
econômico do estado), menor é o esforço fiscal médio. Estes dados mostram que
municípios do Sertão e do Agreste tendem a ter uma menor eficiência na arrecadação
tributária, ficando abaixo da média dos municípios do estado (reforçando o que foi
discutido em relação aos resultados da estimação da equação (5)).
Tabela 3. Dados sobre média do esforço fiscal, arrecadação efetiva, arrecadação potencial
e “gap” tributário por região de desenvolvimento.
Fonte: Elaboração Própria com base nos dados estimados. Os intervalos foram construídos com
base em intervalos de quebras naturais (Jenks).
∑∑
n n
i j
wij (ei − ei )(e j − e j )
I= (6)
∑ i (ei − ei )2
n
três critérios distintos: I) Matriz de contiguidade: cada elemento wij assume o valor
1 se a economia “i” fizer fronteira com a região “j” e assume o valor 0, caso contrário,
II) Matriz com os quatro vizinhos mais próximos: cada elemento wij assume o valor
1 se a economia “j” for uma das quatro economias com maior proximidade geográfica
de região “i” e assume o valor 0, caso contrário, III) Matriz de inverso a distância: cada
−1
elemento wij assume o valor d ij , onde d ij refere-se a distância entre a economia “i” e
a economia “j”. Todas as matrizes utilizadas possuem a diagonal nula e são normalizadas,
para que a soma dos elementos de cada linha seja igual à unidade. As matrizes espaciais
incorporam o fato de que os vizinhos geograficamente mais próximos recebem um
maior peso em relação aos demais.
De acordo com Cliff e Ord (1981), caso o I de Moran seja aproximadamente zero, há
ausência de autocorrelação espacial, caso seja positivo, há um indício de autocorrelação
espacial positiva e caso seja negativo, há autocorrelação espacial negativa. Como pode
ser identificado na tabela 4, as estatísticas I de Moran foram positivas e significantes a 1%,
independentemente da matriz utilizada para a construção da estatística. Esse resultado
mostra que há indícios de correlação espacial positiva entre os níveis de eficiência na
5. Conclusões
Referências
AKAIKE, H.A new look at the statistical model identification. IEEE Transactions on
Automatic Control., Boston, v.19, n.6, p.716-723, Dec. 1974.
ALENCAR, A. A. e GOBETTI, S. W. Justiça fiscal na Federação brasileira: uma análise do
sistema de transferências intergovernamentais entre 2000 e 2007. Brasília: Esaf, 2008.
Monografia premiada com o primeiro lugar no XIII Prêmio Tesouro Nacional. Tópicos
Especiais de Finanças Públicas. Brasília-DF.
BATTESE, G., COELLI, T. “Frontier Production Functions, Technical Efficiency and Panel
Data: With Application to Paddy Farmers in India,”Journal of Productivity Analysis, 1992.
_____________________. A model for technical inefficiency effects in a stochastic
frontier production function for panel data, Empirical Economics 20(2), p. 325–332.1995.
BLANCO, F. A, Ensaios sobre o federalismo fiscal no Brasil. Rio de Janeiro: Pontifícia Uni-
versidade Católica, 2002. Tese de Doutorado.
BOUERI, R.; CARVALHO, A.; SILVA, F. Eficiência Tributária dos Estados Brasileiros mensurada
com um modelo de fronteira estocástica geograficamente ponderada.Texto de Discussão
n. 1.444, IPEA, 2009.
CLIFF, R.; ORD, J.K. Spatial Processes: Models and Applications. Londres: Pion, 1981.
FENOCHIETTO, R;. PESSINO, C. Understanding Countries’ Tax Effort. International
Monetary Fund.WP/13/244. November. 2013.
_______. Determining countries’ taxeffort.Hacienda Pública Española, Revista de
Economía Pública, 195(4/2010): 6587, 2010.
KHAIR, Amir Antônio; MELO, Luciane. O sistema tributário e os impostos sobre o
patrimônio. In BIDERMAN, Ciro; AVARTE, Paulo.Economia do Setor Público no Brasil.6
ed. Rio de Janeiro: Elsevier, 2004, p. 252-269.
MARINHO, E.L.L e MOREIRA, A.F. Esforço fiscal e carga tributária potencial dos Estados
do nordeste, Estudos Econômicos N° 15, CENER, CAEN-UFC, Fortaleza, CE, Junho 2000.
MENDES, M.Federalismo Fiscal. In : BIDERMAN, C.; ARVATE, P. (Orgs.). Economia do Setor
Público no Brasil.RJ: Elsevier/Campus, 2005.
ORAIR, R. A.; ALENCAR, A. A. Esforço Fiscal dos Municípios: indicadores de condicionalidade
para o sistema de transferências intergovernamentais. Brasília: Esaf, 2010. Monografia
premiada com o primeiro lugar no XIII Prêmio Tesouro Nacional. Tópicos Especiais de
Finanças Públicas. Brasília-DF.
PERNAMBUCO PIB MUNICIPAL 2010 ANO BASE: 2002: PIB municipal,CONDEPE/FIDEM,
2004 – Recife: Agência CONDEPE/FIDEM, 2012.
REIS, E. J. e BLANCO, F. A., Capacidade tributária dos Estados brasileiros, 1970/90,. Texto
para Discussão n° 404, IPEA, Rio de Janeiro, fevereiro 1996.
RIBEIRO, E. Capacidade e esforço tributário no Rio Grande do Sul: O caso dos municípios.
PerspectivaEconômicaOn Line, v.1 n.1, p.21-49, 1999.
SCHWARZ, G. Estimating the dimensional of a model.Annals of Statistics, Hayward, v.6,
n.2, p.461-464, Mar. 1978.
VARSANO et al. Uma Análise da Carga Tributária do Brasil, Texto para Discussão n. 583,
IPEA, 1998.
VIOL, A. A Definição e o Cômputo da Arrecadação Potencial. Análise do Potencial
Econômico-Tributário e de seus Condicionantes. XL Assembléia Geral do Centro
Interamericano de Administrações Tributárias (CIAT). Florianópolis, 2006.
Apêndice 1
Município 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Petrolândia 0,9965 0,9965 0,9965 0,9964 0,9964 0,9964 0,9964 0,9964 0,9964 0,9963
Camutanga 0,9856 0,9855 0,9855 0,9854 0,9853 0,9853 0,9852 0,9851 0,9851 0,985
Recife 0,9854 0,9853 0,9852 0,9852 0,9851 0,985 0,985 0,9849 0,9848 0,9848
Olinda 0,8765 0,876 0,8754 0,8749 0,8743 0,8738 0,8732 0,8727 0,8721 0,8716
Cabo de Santo Agostinho 0,8679 0,8673 0,8667 0,8662 0,8656 0,865 0,8644 0,8638 0,8632 0,8626
Belém de Maria 0,8549 0,8543 0,8537 0,8531 0,8524 0,8518 0,8511 0,8505 0,8499 0,8492
Ipojuca 0,8528 0,8522 0,8516 0,8509 0,8503 0,8496 0,849 0,8483 0,8477 0,847
São José da Coroa Grande 0,8504 0,8498 0,8491 0,8485 0,8478 0,8472 0,8465 0,8458 0,8452 0,8445
Lagoa do Itaenga 0,8492 0,8486 0,8479 0,8473 0,8466 0,846 0,8453 0,8446 0,844 0,8433
Joaquim Nabuco 0,847 0,8463 0,8457 0,845 0,8443 0,8437 0,843 0,8423 0,8416 0,841
Chã de Alegria 0,8464 0,8458 0,8451 0,8444 0,8438 0,8431 0,8424 0,8418 0,8411 0,8404
Buenos Aires 0,8451 0,8444 0,8438 0,8431 0,8424 0,8418 0,8411 0,8404 0,8397 0,839
São Benedito do Sul 0,8449 0,8442 0,8436 0,8429 0,8422 0,8416 0,8409 0,8402 0,8395 0,8388
Xexéu 0,8363 0,8356 0,8349 0,8342 0,8335 0,8328 0,832 0,8313 0,8306 0,8299
Cortês 0,8359 0,8352 0,8345 0,8338 0,8331 0,8324 0,8317 0,831 0,8302 0,8295
Palmares 0,8349 0,8342 0,8335 0,8328 0,8321 0,8313 0,8306 0,8299 0,8292 0,8285
Gameleira 0,8183 0,8175 0,8167 0,816 0,8152 0,8144 0,8136 0,8128 0,8121 0,8113
Chã Grande 0,818 0,8172 0,8164 0,8157 0,8149 0,8141 0,8133 0,8125 0,8118 0,811
Água Preta 0,8168 0,816 0,8152 0,8145 0,8137 0,8129 0,8121 0,8113 0,8105 0,8097
Carpina 0,8105 0,8097 0,8089 0,8081 0,8073 0,8065 0,8057 0,8049 0,8041 0,8032
Condado 0,8051 0,8043 0,8035 0,8026 0,8018 0,801 0,8002 0,7993 0,7985 0,7977
Tamandaré 0,798 0,7971 0,7963 0,7954 0,7946 0,7937 0,7929 0,792 0,7911 0,7903
Macaparana 0,7949 0,7941 0,7932 0,7923 0,7915 0,7906 0,7897 0,7889 0,788 0,7871
Glória do Goitá 0,7931 0,7922 0,7914 0,7905 0,7896 0,7887 0,7879 0,787 0,7861 0,7852
Ferreiros 0,7907 0,7899 0,789 0,7881 0,7872 0,7864 0,7855 0,7846 0,7837 0,7828
Itambé 0,7891 0,7882 0,7873 0,7864 0,7856 0,7847 0,7838 0,7829 0,782 0,7811
Catende 0,7876 0,7868 0,7859 0,785 0,7841 0,7832 0,7823 0,7814 0,7805 0,7796
Primavera 0,7835 0,7826 0,7817 0,7808 0,7799 0,779 0,7781 0,7772 0,7763 0,7754
Maraial 0,7762 0,7752 0,7743 0,7734 0,7725 0,7715 0,7706 0,7697 0,7687 0,7678
Rio Formoso 0,7698 0,7689 0,7679 0,767 0,766 0,7651 0,7641 0,7632 0,7622 0,7612
Paulista 0,7565 0,7555 0,7546 0,7536 0,7526 0,7516 0,7506 0,7496 0,7486 0,7475
Santa Cruz do Capibaribe 0,7549 0,7539 0,7529 0,7519 0,7509 0,7499 0,7489 0,7478 0,7468 0,7458
Vicência 0,7531 0,7521 0,7511 0,7501 0,7491 0,7481 0,747 0,746 0,745 0,744
Jaboatão dos Guararapes 0,7511 0,7501 0,7491 0,7481 0,7471 0,7461 0,7451 0,744 0,743 0,742
Timbaúba 0,7427 0,7417 0,7407 0,7396 0,7386 0,7375 0,7365 0,7354 0,7344 0,7333
Sirinhaém 0,7366 0,7355 0,7344 0,7334 0,7323 0,7313 0,7302 0,7291 0,728 0,727
Lagoa Grande 0,7105 0,7094 0,7082 0,7071 0,706 0,7048 0,7037 0,7025 0,7013 0,7002
Caruaru 0,7073 0,7062 0,705 0,7039 0,7027 0,7016 0,7004 0,6992 0,6981 0,6969
Surubim 0,706 0,7049 0,7037 0,7026 0,7014 0,7003 0,6991 0,6979 0,6968 0,6956
Ibirajuba 0,7009 0,6997 0,6986 0,6974 0,6962 0,695 0,6939 0,6927 0,6915 0,6903
Terezinha 0,6996 0,6985 0,6973 0,6961 0,695 0,6938 0,6926 0,6914 0,6902 0,689
São Vicente Ferrer 0,6955 0,6943 0,6931 0,6919 0,6907 0,6895 0,6883 0,6871 0,6859 0,6847
Frei Miguelinho 0,6943 0,6931 0,6919 0,6907 0,6895 0,6883 0,6871 0,6859 0,6847 0,6835
Machados 0,6892 0,688 0,6868 0,6856 0,6843 0,6831 0,6819 0,6807 0,6795 0,6783
Jupi 0,6796 0,6784 0,6771 0,6759 0,6747 0,6734 0,6722 0,6709 0,6697 0,6684
Jucati 0,6781 0,6769 0,6757 0,6744 0,6732 0,672 0,6707 0,6695 0,6682 0,6669
Itaíba 0,677 0,6758 0,6746 0,6733 0,6721 0,6708 0,6696 0,6683 0,6671 0,6658
Palmeirina 0,6746 0,6733 0,6721 0,6708 0,6696 0,6683 0,6671 0,6658 0,6645 0,6633
São Caitano 0,6729 0,6717 0,6705 0,6692 0,6679 0,6667 0,6654 0,6642 0,6629 0,6616
Igarassu 0,672 0,6708 0,6695 0,6682 0,667 0,6657 0,6645 0,6632 0,6619 0,6606
Abreu e Lima 0,6652 0,6639 0,6627 0,6614 0,6601 0,6588 0,6575 0,6563 0,655 0,6537
Paranatama 0,6651 0,6639 0,6626 0,6613 0,66 0,6587 0,6575 0,6562 0,6549 0,6536
Lagoa do Ouro 0,6643 0,663 0,6618 0,6605 0,6592 0,6579 0,6566 0,6554 0,6541 0,6528
Jataúba 0,6631 0,6618 0,6605 0,6592 0,658 0,6567 0,6554 0,6541 0,6528 0,6515
Vertentes 0,6617 0,6605 0,6592 0,6579 0,6566 0,6553 0,654 0,6527 0,6514 0,6501
Alagoinha 0,6603 0,659 0,6577 0,6564 0,6551 0,6538 0,6526 0,6512 0,6499 0,6486
Lagoa dos Gatos 0,6598 0,6585 0,6572 0,6559 0,6546 0,6533 0,652 0,6507 0,6494 0,6481
Venturosa 0,6587 0,6575 0,6562 0,6549 0,6536 0,6523 0,651 0,6497 0,6484 0,6471
Casinhas 0,6573 0,656 0,6547 0,6534 0,6521 0,6508 0,6495 0,6482 0,6469 0,6456
Panelas 0,6563 0,655 0,6537 0,6524 0,6511 0,6498 0,6485 0,6472 0,6459 0,6446
Santa Maria do Cambucá 0,6562 0,6549 0,6536 0,6523 0,651 0,6497 0,6484 0,6471 0,6458 0,6445
São João 0,6559 0,6546 0,6533 0,652 0,6507 0,6494 0,6481 0,6468 0,6455 0,6442
Vertente do Lério 0,6548 0,6535 0,6523 0,6509 0,6496 0,6483 0,647 0,6457 0,6444 0,6431
Camocim de São Félix 0,6531 0,6518 0,6505 0,6492 0,6478 0,6465 0,6452 0,6439 0,6426 0,6412
Iati 0,653 0,6517 0,6504 0,6491 0,6478 0,6465 0,6451 0,6438 0,6425 0,6412
Jurema 0,6523 0,651 0,6496 0,6483 0,647 0,6457 0,6444 0,6431 0,6417 0,6404
Sairé 0,6515 0,6502 0,6489 0,6476 0,6463 0,645 0,6437 0,6424 0,641 0,6397
Correntes 0,6499 0,6486 0,6473 0,6459 0,6446 0,6433 0,642 0,6406 0,6393 0,638
Pedra 0,6474 0,646 0,6447 0,6434 0,6421 0,6407 0,6394 0,6381 0,6367 0,6354
Salgueiro 0,6462 0,6449 0,6435 0,6422 0,6409 0,6395 0,6382 0,6369 0,6355 0,6342
Saloá 0,646 0,6446 0,6433 0,642 0,6407 0,6393 0,638 0,6367 0,6353 0,634
Orobó 0,6439 0,6426 0,6413 0,6399 0,6386 0,6373 0,6359 0,6346 0,6332 0,6319
Riacho das Almas 0,6413 0,64 0,6387 0,6373 0,636 0,6347 0,6333 0,632 0,6306 0,6292
Cachoeirinha 0,6404 0,6391 0,6378 0,6364 0,6351 0,6337 0,6324 0,631 0,6297 0,6283
São Joaquim do Monte 0,6403 0,6389 0,6376 0,6362 0,6349 0,6336 0,6322 0,6309 0,6295 0,6281
Salgadinho 0,6401 0,6388 0,6374 0,6361 0,6348 0,6334 0,6321 0,6307 0,6294 0,628
Terra Nova 0,6395 0,6382 0,6368 0,6355 0,6341 0,6328 0,6314 0,6301 0,6287 0,6274
Tupanatinga 0,639 0,6377 0,6363 0,635 0,6336 0,6323 0,6309 0,6296 0,6282 0,6268
Ingazeira 0,6374 0,6361 0,6347 0,6334 0,632 0,6307 0,6293 0,6279 0,6266 0,6252
Altinho 0,6372 0,6358 0,6345 0,6331 0,6318 0,6304 0,6291 0,6277 0,6263 0,625
Calumbi 0,6348 0,6337 0,6324 0,631 0,6296 0,6283 0,6269 0,6256 0,6242 0,6228
Barra de Guabiraba 0,6321 0,6308 0,6294 0,6281 0,6267 0,6253 0,624 0,6226 0,6212 0,6198
Cumaru 0,6296 0,6282 0,6268 0,6255 0,6241 0,6227 0,6213 0,62 0,6186 0,6172
Passira 0,6295 0,6281 0,6268 0,6254 0,624 0,6227 0,6213 0,6199 0,6185 0,6171
Granito 0,6289 0,6275 0,6262 0,6248 0,6234 0,622 0,6207 0,6193 0,6179 0,6165
Itacuruba 0,6277 0,6263 0,6249 0,6236 0,6222 0,6208 0,6194 0,618 0,6166 0,6153
Belo Jardim 0,627 0,6256 0,6243 0,6229 0,6215 0,6201 0,6187 0,6174 0,616 0,6146
Buíque 0,6248 0,6234 0,622 0,6207 0,6193 0,6179 0,6165 0,6151 0,6137 0,6123
Águas Belas 0,6247 0,6234 0,622 0,6206 0,6192 0,6178 0,6165 0,6151 0,6137 0,6123
Brejinho 0,624 0,6226 0,6212 0,6199 0,6185 0,6171 0,6157 0,6143 0,6129 0,6115
Sanharó 0,6216 0,6202 0,6188 0,6175 0,6161 0,6147 0,6133 0,6119 0,6105 0,6091
São Bento do Uma 0,6216 0,6202 0,6188 0,6174 0,616 0,6147 0,6133 0,6119 0,6105 0,609
Limoeiro 0,619 0,6176 0,6162 0,6148 0,6134 0,612 0,6106 0,6092 0,6078 0,6064
Taquaritinga do Norte 0,6177 0,6163 0,6149 0,6135 0,6121 0,6107 0,6093 0,6079 0,6065 0,6051
Santa Cruz da Baixa Verde 0,6147 0,6133 0,6119 0,6105 0,6091 0,6077 0,6063 0,6049 0,6035 0,602
Canhotinho 0,6143 0,6129 0,6115 0,6101 0,6087 0,6073 0,6058 0,6044 0,603 0,6016
Agrestina 0,6142 0,6128 0,6114 0,61 0,6086 0,6072 0,6057 0,6043 0,6029 0,6015
Garanhuns 0,6134 0,612 0,6106 0,6092 0,6078 0,6064 0,605 0,6036 0,6021 0,6007
Jatobá 0,6131 0,6117 0,6103 0,6089 0,6075 0,6061 0,6047 0,6032 0,6018 0,6004
Lajedo 0,6112 0,6098 0,6084 0,607 0,6056 0,6042 0,6028 0,6013 0,5999 0,5985
João Alfredo 0,611 0,6096 0,6082 0,6068 0,6054 0,604 0,6026 0,6011 0,5997 0,5983
Tuparetama 0,6106 0,6092 0,6078 0,6064 0,605 0,6036 0,6021 0,6007 0,5993 0,5979
Brejo da Madre de Deus 0,6078 0,6064 0,605 0,6036 0,6022 0,6007 0,5993 0,5979 0,5964 0,595
Santa Filomena 0,6073 0,6059 0,6045 0,6031 0,6016 0,6002 0,5988 0,5973 0,5959 0,5945
Inajá 0,6033 0,6019 0,6005 0,599 0,5976 0,5962 0,5947 0,5933 0,5918 0,5904
Arcoverde 0,6026 0,6012 0,5997 0,5983 0,5969 0,5954 0,594 0,5925 0,5911 0,5896
Bom Conselho 0,6024 0,6009 0,5995 0,5981 0,5966 0,5952 0,5937 0,5923 0,5909 0,5894
Afrânio 0,6013 0,5998 0,5984 0,597 0,5955 0,5941 0,5927 0,5912 0,5898 0,5883
Cedro 0,6005 0,5991 0,5977 0,5962 0,5948 0,5933 0,5919 0,5904 0,589 0,5875
São Lourenço da Mata 0,599 0,5975 0,5961 0,5946 0,5932 0,5918 0,5903 0,5889 0,5874 0,5859
Tacaratu 0,5961 0,5947 0,5932 0,5918 0,5903 0,5889 0,5874 0,586 0,5845 0,583
Manari 0,5948 0,5934 0,5919 0,5905 0,589 0,5876 0,5861 0,5847 0,5832 0,5817
Triunfo 0,5946 0,5932 0,5917 0,5903 0,5888 0,5874 0,5859 0,5844 0,583 0,5815
Betânia 0,5941 0,5927 0,5912 0,5898 0,5883 0,5869 0,5854 0,584 0,5825 0,581
Gravatá 0,5937 0,5922 0,5908 0,5893 0,5879 0,5864 0,585 0,5835 0,582 0,5805
Santa Maria da Boa Vista 0,5935 0,5921 0,5907 0,5892 0,5877 0,5863 0,5848 0,5834 0,5819 0,5804
Iguaraci 0,5932 0,5917 0,5903 0,5888 0,5874 0,5859 0,5844 0,583 0,5815 0,58
Santa Cruz 0,5924 0,5909 0,5895 0,588 0,5865 0,5851 0,5836 0,5822 0,5807 0,5792
Bonito 0,5912 0,5898 0,5883 0,5868 0,5854 0,5839 0,5824 0,581 0,5795 0,578
Bom Jardim 0,5888 0,5874 0,5859 0,5845 0,583 0,5815 0,58 0,5786 0,5771 0,5756
Pesqueira 0,5885 0,5871 0,5856 0,5842 0,5827 0,5812 0,5798 0,5783 0,5768 0,5753
Dormentes 0,5882 0,5867 0,5852 0,5838 0,5823 0,5808 0,5794 0,5779 0,5764 0,5749
Carnaíba 0,5856 0,5841 0,5827 0,5812 0,5797 0,5782 0,5768 0,5753 0,5738 0,5723
Serra Talhada 0,5855 0,584 0,5826 0,5811 0,5796 0,5782 0,5767 0,5752 0,5737 0,5722
Belém de São Francisco 0,5843 0,5828 0,5813 0,5799 0,5784 0,5769 0,5754 0,5739 0,5725 0,571
Bezerros 0,5819 0,5805 0,579 0,5775 0,576 0,5746 0,5731 0,5716 0,5701 0,5686
Serrita 0,5817 0,5802 0,5787 0,5772 0,5758 0,5743 0,5728 0,5713 0,5698 0,5683
Ibimirim 0,5757 0,5742 0,5727 0,5712 0,5697 0,5682 0,5667 0,5652 0,5637 0,5622
Tabira 0,5702 0,5687 0,5672 0,5657 0,5642 0,5627 0,5611 0,5596 0,5581 0,5566
Flores 0,5699 0,5684 0,5669 0,5654 0,5639 0,5624 0,5609 0,5594 0,5579 0,5564
Cabrobó 0,5678 0,5663 0,5648 0,5633 0,5618 0,5603 0,5587 0,5572 0,5557 0,5542
São José do Egito 0,5657 0,5642 0,5627 0,5611 0,5596 0,5581 0,5566 0,5551 0,5535 0,552
Bodocó 0,5623 0,5608 0,5593 0,5578 0,5563 0,5548 0,5532 0,5517 0,5502 0,5486
Afogados da Ingazeira 0,5504 0,5489 0,5473 0,5458 0,5443 0,5427 0,5412 0,5396 0,5381 0,5365
Sertânia 0,5459 0,5444 0,5428 0,5413 0,5397 0,5382 0,5366 0,535 0,5335 0,5319
Custódia 0,5417 0,5401 0,5386 0,537 0,5355 0,5339 0,5323 0,5308 0,5292 0,5276
Ipubi 0,5367 0,5352 0,5336 0,532 0,5305 0,5289 0,5273 0,5257 0,5242 0,5226
São José do Belmonte 0,5316 0,53 0,5284 0,5269 0,5253 0,5237 0,5221 0,5205 0,5189 0,5174
Ouricuri 0,5248 0,5233 0,5217 0,5201 0,5185 0,5169 0,5153 0,5137 0,5121 0,5105
Petrolina 0,4727 0,4711 0,4694 0,4678 0,4661 0,4645 0,4628 0,4611 0,4595 0,4578
Média 0,6749 0,6737 0,6725 0,6713 0,67 0,6688 0,6676 0,6664 0,6652 0,6639