CPI Estudo Efeitos-Locais-de-hidreletricas No Brasil

ESTUDO
EFEITOS LOCAIS DE
HIDRELÉTRICAS NO BRASIL
JULIANO ASSUNÇÃO
DIMITRI SZERMAN
FRANCISCO COSTA
Dezembro 2016
TEMA
PROTEÇÃO AMBIENTAL
PALAVRAS-CHAVE
USINAS HIDRELÉTRICAS, DESMATAMENTO, IMPACTOS SOCIOECONÔMICOS,
AMAZÔNIA, BRASIL
O projeto Iniciativa para o Uso da Terra (INPUT) é composto por uma equipe de especialistas que trazem ideias inovadoras para conciliar
a produção de alimentos com a proteção ambiental. O INPUT visa avaliar e influenciar a criação de uma nova geração de políticas voltadas
para uma economia de baixo carbono no Brasil. O trabalho produzido pelo INPUT é financiado pela Children’s Investment Fund Foundation
(CIFF), através do Climate Policy Initiative. www.inputbrasil.org
6
Efeitos locais de hidrelétricas no Brasil1
Juliano Assunção Dimitri Szerman Francisco Costa

PUC-Rio PUC-Rio EPGE/FGV
2 de dezembro de 2016
1 Este estudo é resultado de uma parceria entre o Núcleo de Avaliação de Políticas Climá-
ticas da PUC-Rio e o BNDES. O BNDES contribuiu com dados sobre as usinas hidrelétricas,
bem como apoio e comentários da área técnica. Naturalmente, todos os possíveis erros con-
tidos no relatório são de responsabilidade dos autores. Não houve transferência de recursos
financeiros entre o BNDES e o NAPC/PUC-Rio.
Introdução
A construção de novas usinas hidrelétricas (UHEs) é tema frequente de debates que

ultrapassam a questão da geração de energia para o país. No mais das vezes, estes
debates são acalorados. De um lado, argumenta-se que há grandes custos ambi-
entais e sociais advindos da construção destes empreendimentos. Por outro lado,
argumenta-se que estes empreendimentos podem impulsionar o desenvolvimento
local, com aumento de emprego, renda e arrecadação municipal. Muitos dos argu-
mentos, de ambos os lados, são baseados em alguns poucos casos históricos, exaus-
tivamente avaliados de forma restrita a poucas métricas. Por exemplo, sabe-se que a
UHE de Balbina emite mais CO2 na atmosfera do que uma termelétrica de combustí-
vel fóssil capaz de gerar a mesma quantidade de energia.1 Também é conhecido que
Itaipú distribui anualmente mais de R$ 500 milhões entre mais de 300 municípios,
constituindo uma importante fonte de recursos para muitos deles.2 Casos emblemá-
ticos são importantes para ilustrar as possíveis consequências de uma UHE. Mas o
debate carece de informações sistemáticas sobre os efeitos locais da construção des-
ses empreendimentos.
O objetivo deste estudo é avaliar de forma sistemática os efeitos locais da constru-

ção de UHEs sobre indicadores ambientais, econômicos e sociais. O estudo pode ser
visto como um apanhado de estudos de caso, todos aplicando a mesma metodologia,
que quantificam os efeitos de cada uma das UHEs construídas com apoio financeiro
do BNDES a partir de 2002. Com isso, damos um passo na direção de quantificar e
melhorar o entendimento acerca destes efeitos, a fim de dar subsídios aos tomadores
de decisão e formuladores de políticas. É importante frisar que esse estudo não entra
no mérito da geração de energia em si, muito menos das escolhas acerca da fonte de
1 Kemenes et al. (2011)

2 ANEEL (2016)
1
energia. Essas questões estão fora do escopo do estudo, e os resultados aqui apre-
sentados não servem para embasar argumentos a favor ou contra uma determinada
fonte de energia.
Esse estudo utiliza o método de controle sintético (Abadie et al., 2010; Abadie and
Gardeazabal, 2003) para estimar o efeito da construção de cada uma das hidrelétricas
em uma série de indicadores. Essa metodologia já foi empregada para avaliar as
consequências, de eventos tão variados quanto políticas de conservação de florestas
(Sills et al., 2015) e de combate ao crime (Saunders et al., 2014), de desastres naturais
(Cavallo et al., 2013) e a até mesmo da reunificação alemã (Abadie et al., 2015), entre
outros. Severnini (2014) usa o método de controle sintético para estimar efeitos de
longo prazo em aglomeração de usinas hidrelétricas nos Estados Unidos.
Esse estudo estima e analisa os efeitos locais da construção de UHEs em duas partes,
cada uma usando tipos diferentes de dados. Primeiro, são usados dados econômicos
e sociais, tomando o município como unidade análise. São analisados 82 municípios
diretamente afetados por UHEs cujo início de construção se deu entre 2002 e 2011.
Ao aplicar a abordagem de controle sintético para cada um dos 82 municípios, cons-
truímos efetivamente 82 estudos de caso comparáveis entre si, pois usam os mesmos
indicadores e metodologia. Com isso, conseguimos não apenas analisar o efeito me-
diano, ou “típico” de uma UHE, mas também a distribuição desses efeitos, inclusive
ao longo do tempo. O preço que se paga, no entanto, é uma certa perda de detalha-
mento de um ou outro caso. Neste sentido, a análise é insensível a certas realidades
locais, que só poderiam ser capturadas com estudos de caso mais detalhados so-
bre uma ou outra UHE. Apesar disso, a abordagem nos permite fazer meta-análises
para entender os determinantes dos efeitos – por exemplo, porque uma UHE pode
impulsionar uma economia local, enquanto outra pode ter o efeito inverso.
Os resultados da primeira parte do estudo apontam para três grandes padrões. Em

primeiro lugar, a economia local do município “típico” é afetada positivamente ape-
nas no curto prazo: no ano seguinte ao início da construção, o PIB per capita dos
municípios atingidos por UHEs é 7-10% maior relativo ao seu grupo de comparação,
e o emprego formal aumenta entre 10 e 40%. No entanto, após cinco anos do início
da construção da UHE, não encontramos efeitos na taxa de crescimento do PIB mu-
nicipal, no PIB per capita, no número de empresas localizadas no município, e nem
na população do município mediano. O único efeito econômico mais duradouro é
2
um aumento entre 8%-14% do emprego formal.
Em segundo lugar, a construção de UHEs não faz o município típico sofrer impac-
tos (de curto ou longo prazo) em indicadores de saúde e saneamento. Apesar das
receitas correntes municipais aumentarem em 4%, não encontramos alterações rele-
vantes nos seguintes índices: taxa de mortalidade, internações por doenças que tem
mosquitos como vetores, internações por doenças sexualmente transmissíveis, den-
sidade da rede de água e densidade da rede de esgoto. No entanto, cabe salientar
que, para todos os indicadores estudados, alguns municípios foram mais severa-
mente afetados do que se esperaria tipicamente. Tal dispersão de efeitos é parti-
cularmente relevante no caso do número de internações por doenças causadas por
mosquitos. No ano seguinte a construção, 10% dos municípios afetados por UHEs
sofreu um aumento de mais de 260 novas internações por cem mil habitantes. Para
efeitos de comparação, a média de internação por doenças desse tipo nas localidades
afetadas era de 80 por cem mil habitantes no ano 2000.
O terceiro padrão é a grande dispersão de efeitos. Para a maioria dos indicadores,

nota-se que apesar de a magnitude dos efeitos de UHEs serem tipicamente modestas,
alguns municípios são afetados – tanto de forma positiva quanto negativa – mais se-
veramente. Por exemplo, enquanto o PIB per capita do município típico permanece
praticamente inalterado no médio prazo, para 20 municípios esse efeito é superior
a 12%, enquanto para outros 20 municípios esse efeito é negativo em 13%. Apesar
da meta-análise realizada, ainda entendemos pouco sobre os mecanismos e determi-
nantes por trás dessa dispersão.
A segunda parte do estudo utiliza dados de satélites para analisar os efeitos de UHEs
construídas entre 2003-2011 no desmatamento na área do seu entorno. O foco dessa
parte é nas 10 UHEs construídas entre 2003 e 2011 na região amazônica3 , onde a
questão do desmatamento ganha mais relevância, e onde os dados disponíveis são
mais adequados para a mensuração de desmatamento. Os resultados indicam que
os efeitos das construções de UHEs em desmatamento tendem a ser de curto prazo
e concentrados no seu entorno imediato: na maioria dos casos, o impacto na área
entre 40 e 100 quilômetros da barragem é pequeno.
No entanto, os resultados apontam para efeitos heterogêneos. Enquanto a constru-
3 Sãoelas: Santo Antônio do Jari, São Salvador, Estreito, Dardanelos, Santo Antônio, Jirau, Belo
Monte, Ferreira Gomes, Colíder e Teles Pires.
3
ção de algumas UHEs não causaram efeitos relevantes em desflorestamento, outras
UHEs tiveram um impacto significativo. As UHEs de Santo Antônio e Jirau se des-
tacam: as nossas estimativas indicam que o desmatamento no entorno dessas UHEs
foi até quatro vezes maior do que o que teria ocorrido caso as UHEs não tivessem
sido construídas. Já a UHE Teles Pires parece ter evitado parte do desmatamento
que teria ocorrido na sua ausência. No agregado, conclui-se que as construções das
10 UHEs analisadas causou um aumento de 279 mil hectares a área desmatada em
relação ao que ocorreria caso elas não tivessem sido construídas
4
Parte 1
Metodologia
Avaliar os efeitos da construção de uma UHE impõe desafios metodológicos impor-

tantes. O problema central é construir um cenário hipotético que represente o que
teria acontecido com uma localidade afetada por UHE caso a usina não tivesse sido
construída. A diferença entre o que de fato aconteceu e este cenário hipotético, tam-
bém chamado de contrafactual, é o impacto da UHE. A dificuldade em construir um
contrafactual surge do fato de que a escolha do local para a implantação da usina não
é feita de forma aleatória. Pelo contrário, a decisão dos agentes públicos e privados
leva em conta custos e benefícios sociais, ambientais e econômicos.
Estudos de avaliação do impacto de intervenções de projetos de infraestrutura mui-

tas vezes usam, de forma implícita ou explícita, duas abordagens para construir um
contrafactual. Uma abordagem consiste em comparar os indicadores pré- e pós-
intervenção – isto é, usar o período pré-intervenção como o contrafactual para o
período pós-intervenção. Como exemplo, suponha que o indicador de interesse seja
o PIB per capita municipal. Uma comparação do PIB antes-e-depois da construção
da UHE assume implicitamente que, na ausência da UHE, o município teria man-
tido o seu PIB no mesmo nível do ano anterior à construção – ou seja, o PIB do ano
anterior à construção seria o contrafactual. A figura 1.1a ilustra essa abordagem. A
linha azul representa a evolução do logaritmo1 do PIB per capita do município de
Filadélfia, Tocantins. Em 2007, foi iniciada a construção da UHE Estreito, que alagou
1A utilização de logaritmos nos permite a interpretação percentual de diferenças. Assim, se a

diferença do logaritmo de A para o logaritmo de B for de 0,1, pode-se concluir que A é, aproximada-
mente, 10% maior do que B.
5
114 km2 (cerca de 6%) da área do município. Sob a hipótese de que o PIB teria ficado
constante no nível pré-intervenção, o impacto da construção da UHE Estreito no PIB
de Filadélfia seria a diferença entre as linhas azul e vermelha; após cinco anos do
início da construção, a diferença é de quase 60%.
Essa abordagem é problemática, pois não há como garantir que toda a diferença
medida entre os dois períodos se deve à construção da UHE Estreito. Quaisquer
outras mudanças que afetem o município – por exemplo, uma troca de prefeitos –
poderia influir na evolução do PIB municipal. Além disso, nota-se que o PIB do
município de Filadélfia já apresentava uma trajetória ascendente mesmo antes do
início da construção. Assim, é possível que o município tenha apenas seguido na
mesma trajetória, e que a construção da UHE Estreito não tenha em nada contribuído
para o PIB do município.
Outra abordagem possível consiste em comparar locais afetados por UHEs com os
locais não afetados por UHEs – isto é, usar os locais não afetados como contrafactual
para lugares afetados. Por exemplo, poderíamos comparar o PIB de Filadélfia com
a média dos PIBs de outros municípios da região norte que não são afetados pela
UHE. A figura 1.1b ilustra essa abordagem. A diferença entre o PIB de Filadélfia e
o PIB dos demais municípios da região norte após 5 anos do início da construção é
de aproximadamente -30%. O problema dessa abordagem que compara municípios
afetados e não afetados é que os dois grupos de municípios podem ser intrinseca-
mente diferentes. No exemplo acima, a comparação não leva em conta o fato de que
Filadélfia já apresentava um PIB abaixo da média da sua região mesmo no período
anterior à construção. De maneira mais geral, os municípios afetados e não-afetados
podem ser diferentes em várias dimensões – geografia, população, gestão municipal,
etc. Assim, é difícil atribuir somente à construção de uma UHE quaisquer diferenças
entre os locais.
Uma alternativa para construir contrafactuais, muito utilizada pela literatura recente
em economia, é combinar a diferença entre localidades afetadas e não-afetadas e a
diferença entes-e-depois. Este método, conhecido como diferenças-em-diferenças, se
baseia na hipótese de que, na ausência da UHE, o município afetado seguiria uma
trajetória idêntica à do grupo de comparação. A validade dessa abordagem requer,
entre outras coisas, que as trajetórias – e não o nível – do PIB do município afetado
e do grupo de comparação sejam as mesmas no período anterior à construção da
6
Figura 1.1 PIB per capita (log) do Município de Filadélfia
(a) Antes vs Depois (b) Filadélfia vs média da região norte
2.5 2.5
2 2
1.5 1.5
1 1
.5 .5
-10 -5 0 5 -10 -5 0 5
Anos a partir da Construção Anos a partir da Construção
Filadélfia Filadélfia antes Filadélfia Média da região Norte
UHE. Na figura 1.1b, essa condição parece ser aproximadamente válida. A dife-
rença do PIB per capita de Filadélfia entre um ano antes e dois anos após o início da
construção da UHE Estreito é de aproximadamente 40%. O método de diferenças-
em-diferenças supõe que, na ausência da UHE, o PIB da Filadélfia teria evoluído da
mesma forma que um grupo de municípios não afetados. Neste período, os demais
municípios da região norte que não foram afetados pela construção de nenhuma
UHE apresentaram uma evolução de aproximadamente 30%. Assim, a estimativa
obtida pelo método de diferenças-em-diferenças seria de 40-30 = 10%.
O método de diferenças-em-diferenças é uma melhora substancial em relação às

duas abordagens anteriores, mas também possui as suas limitações. Em algumas
aplicações, não é claro como deve ser feita a escolha das unidades que compõem
o grupo de comparação. Por exemplo, o grupo de comparação da Filadélfia deve
considerar todos os municípios da região, ou apenas alguns municípios, que se as-
semelham? A ausência de critério na escolha da composição do grupo de controle
pode gerar escolhas arbitrárias por parte dos pesquisadores. Além disso, a demanda
pela necessidade de tendências paralelas das unidades não-afetadas no período pré-
intervenção pode ser estringente ao ponto de inviabilizar a aplicação do método.
Nesse estudo, utilizamos o método de controle sintético, que é indicado para apli-
cações como a da avaliação dos efeitos de UHEs. O método consiste em construir,
por meio de um algorítimo de otimização, uma unidade de controle a partir da com-
binação de várias unidades não-tratadas – o donor pool. Tal unidade de controle é
constituída como uma média ponderada das localidades do donor pool. Para cada
7
localidade afetada por uma UHE, o algorítimo atribui pesos a localidades que não
foram afetadas por UHEs de modo a construir uma versão “sintética” dessa uni-
dade, que se assemelhe a localidade afetada em algumas dimensões, sendo a mais
importante a própria variável de interesse.
O método de controle sintético possui virtudes e limitações. No lado positivo, o

método avança em pelo menos dois aspectos do método mais clássico de diferenças-
em-diferenças. Primeiro, a escolha do grupo de controle (ou unidade sintética) é
feita por um algorítimo de otimização, e portanto de maneira mais clara e com me-
nos interferência do pesquisador. Além disso, o método é menos estringente na sua
demanda pela necessidade de tendências paralelas das unidades não-tratadas no
período pré-tratamento, como acontece no método de diferenças-em-diferenças. O
requerimento é que a tendência seja paralela para a unidade sintética, o que geral-
mente acontece por virtude do algorítimo de otimização, salvo em casos extremos.
A desvantagem do método está na falta de procedimentos formais de inferência es-
tatística. Contudo, no presente trabalho essa questão ganha menos relevância, uma
vez que estamos estimando não apenas uma estatística pontual, mas sim uma distri-
buição de estatísticas. A figura 1.2 ilustra a aplicação do método, tal qual utilizado
no restante desse estudo, para o município de Filadélfia.
Na figura, pode-se observar que a Filadélfia sintética reproduz de maneira bastante

fiel o comportamento de Filadélfia antes da intervenção. A hipótese fundamental
do método de controle sintético é que, na ausência da UHE, ele seguiria reprodu-
zindo tal comportamento, de forma que, qualquer divergência entre os dois deve-se
à construção. Assim, pode-se obter o efeito da construção no PIB a partir de uma
mera subtração das duas curvas. Dessa forma, concluí-se que a UHE fez com que,
houvesse um breve ciclo de crescimento nos primeiros anos onde Filadélfia teve um
PIB per capita até 13% maior do que seu grupo de comparação. Porém, cinco anos
após sua construção, o PIB per capita foi 3% menor do que teria sido na ausência da
UHE.
A hipótese de que a diferença entre o município estudado e sua contraparte sintética

é devida a construção da UHE não é livre de críticas. Afinal, sempre é possível argu-
mentar que outro fator não relacionado à hidrelétrica causou a divergência. Porém,
para que essa não seja uma crítica sem fundamento, o seu autor deve explicitar que
8
Figura 1.2 PIB per Capita (log): Filadélfia vs Filadélfia sintética
2.5
1.5
.5
-10 -5 0 5
Anos a partir da Construção
Filadélfia Filadélfia sintética
9
fator é esse, mostrar que ele é idiossincrático2 a Filadélfia e explicar porque ele só
passou a ter efeito no ano de construção da UHE.
Como forma de avaliar a confiabilidade do método de controle sintético, a literatura

recente acerca desse método recomenda a realização de estudos placebo. Ou seja,
aplica-se o método de controle sintético para avaliar o “impacto” passado de inter-
venções que nunca ocorreram. Como esse “impacto” é, por hipótese, zero, podemos
ter uma ideia da margem de erro do método ao avaliar a dispersão dos efeitos medi-
dos em municípios sem intervenção. Se o efeito medido se destacar em relação aos
placebos, em termos de tamanho e constância, temos evidência de que ele representa
o que de fato ocorreu, não um erro de medida aleatório.
A figura 1.3 mostra o resultado dessa abordagem. A linha mais escura representa
o efeito no PIB per capita3 medido para o município de Filadélfia. As linhas mais
claras representam outros municípios da região norte. Os municípios placebo foram
escolhidos aleatoriamente na região norte em um total de 49. Como a comparação
proposta só faz sentido para municípios que de fato tenham contrapartes sintéticas
capazes de reproduzi-los com qualidade, foram mantidas apenas localidades cujo
ajuste pré-intervenção foi satisfatório. Assim, mantivemos 33 placebos.4 Pela figura,
nota-se claramente como o município da Filadélfia se destaca dos placebos nos anos
onde, de fato, há um efeito relevante. Ou seja, entre o segundo e quarto ano após o
início da construção.
Cabe lembrar que o método de controle sintético tem aplicabilidade reconhecida

para diferentes escolhas de unidade de análise. Em estudos anteriores já foram uti-
lizadas cidades, estados e países como unidades de análise. Esse trabalho usa duas
unidades de análise. Na parte 2, cujo foco são indicadores econômicos e sociais, a
unidade de análise é o município. Na parte 3, onde estuda-se o efeito da constru-
ção das UHEs em desmatamento, a unidade de análise é a área no entorno da UHE.
Cada uma delas tem uma seção de universo de análise e donor pool que dá maio-
res detalhes sobre como foram escolhidas as unidades para estudo de caso e seus
respectivos donor pools.
2 Ou seja, que ele afeta só o município estudado e não os componentes de sua contraparte sintética.
Caso contrário, o controle sintético acompanharia o município tratado e não haveria divergência.
3 Mais especificamente, no logaritmo do PIB per capita, como no resto dessa parte.
4 O critério para eliminação dos outros foi a diferença quadrática média entre município e sua
contraparte sintética antes da intervenção. Os municípios que apresentaram tal média superior a
cinco vezes o valor da Filadélfia foram excluídos. Outros critérios produzem figuras semelhantes.
10
Figura 1.3 Diferença percentual no PIB per capita entre município real e sintético:
Filadélfia vs 33 placebos
.6
.4
.2
Diferença
-.2
-.4
-5 0 5
Anos a partir da construção
Placebos Filadélfia
Notas: Os efeitos são a diferença entre o valor da variável de interesse no município e o valor
encontrado em sua contraparte sintética. O município da Filadélfia se destaca dos placebos nos anos
onde há efeitos relevante.
11
Parte 2
Indicadores Econômicos e Sociais
2.1 Universo de Análise e Donor Pool
O universo de análise é composto pelos municípios que satisfazem quatro condições:

(i) possuir área alagada por reservatório de UHE; (ii) início da construção da UHE
entre 2002 e 2011; (iii) não ser atingido por mais de uma UHE; (iv) a UHE deve ter
obtido financiamento do BNDES. Há 718 municípios que satisfazem a condição (i);
destes, 599 municípios foram afetados por UHEs cujo início de construção é anterior
a 2002 ou posterior a 2011, e portanto são excluídos da análise. Dos 119 municípios
que satisfazem as condições (i) e (ii), 37 municípios são atingidos por mais de uma
UHE, violando a condição (iii); sendo assim excluídos da análise. Todos os 82 muni-
cípios que satisfazem as condições (i)-(iii) foram afetados por UHEs que receberam
financiamento do BNDES.
Os 82 municípios que constituem o foco desse estudo estão distribuídos em 13 esta-

dos. As figuras 2.1, 2.2, 2.3 e 2.4 mostram estes municípios, bem como os excluídos
por violarem as condições (ii) ou (iii). Estes municípios possuem áreas alagadas por
29 UHEs.1 Houve 39 UHEs cujo início da construção se deu entre 2002 e 2011, o
que significa que, ao todo, o critério (iii) exclui todos os municípios afetados por 10
UHEs2 .
1 Nessa parte do estudo, as UHEs de Santo Antônio e Jirau, ambas afetando o município de Porto
Velho (RO), foram consideradas como uma única UHE, já que o início da construção de ambas é
muito próximo.
2 São elas: Itiquira, Capim Branco I, Capim Branco II, Monte Claro, Corumbá III, Salto, Salto Rio
12
Nessa parte do estudo, o método de controle sintético compara municípios que tive-
ram área alagada por UHEs (tratados) com municípios que não tiveram área alagada
(não-tratados). Ou seja, todo e qualquer município que teve área alagada não entra
no donor pool, os outros, a princípio, podem ser utilizados. Porém, para ganhar mais
confiabilidade no método, restringimos o donor pool de cada estudo de caso aos mu-
nicípios não-tratados na mesma unidade da Federação (UF) do município atingido.
A exceção a essa regra foi a região norte. Devido ao pequeno número de municípios
nessa região, fazer a separação por UF levaria a um donor pool pequeno. Assim, ao
estudar um município tratado dessa região, consideramos como candidatos ao donor
pool todos os municípios não-tratados da região norte.
2.2 Dados
Essa parte do estudo usa dados em nível municipal de diversas fontes. A Tabela
2.1 mostra as estatísticas descritivas dos indicadores utilizados, para municípios afe-
tados por UHEs (tratados) e municípios do grupo de comparação potencial (donor
pool).
Área alagadas Para definir quais municípios são afetados por quais UHEs, este
estudo usa dados gerenciais da Agência Nacional de Energia Elétrica (ANEEL). Para
cada usina, a ANEEL fornece a lista de municípios que são diretamente afetados –
isto é, que têm área alagada pelo reservatório da usina.
Produto Interno Bruto Municipal A primeira fonte de dados usada para medir
a atividade econômica no nível municipal é a série de Produto Interno Bruto dos
Municípios, disponibilizada pelo IBGE para o período 1999–2012. A série também
inclui dados sobre o valor adicionado da agropecuária, indústria e serviços, bem
como os impostos.
População Os dados anuais de população para 1999–2013 são obtidos do IBGE,

que projeta a população dos municípios para o Tribunal de Contas da União. A
Verdinho, Batalha, Foz do Rio Claro e Ferreira Gomes. A UHE São Roque teve início de construção
em 2013, e portanto foi excluída por conta do critério (ii);
13
projeção leva em conta não apenas a população dos anos censitários, mas também
dados de registro civil e de óbitos. A divisão entre população feminina e masculina
é feita pelo Ministério da Saúde, e está disponível para o período 1999-2012.
Relação Anual de Informações Sociais Como os dados de PIB Municipal são es-
timados a partir dos PIBs estaduais, usamos também duas fontes de dados admi-
nistrativos a fim de ganhar confiança nos resultados. Usamos dados agregados da
Relação Anual de Informações Sociais (RAIS) do Ministério do Trabalho e Previdên-
cia Social. A RAIS pode ser vista como um censo de todas as empresas formais
do país. Ao final de todo ano, todas as pessoas jurídicas que empregaram ao me-
nos um trabalhador devem fornecer informações sobre os seus trabalhadores. Nesse
estudo, consideramos apenas pessoas jurídicas com a natureza jurídica de “Entida-
des Empresariais” – isto é, empresas, excluindo portanto pessoas jurídicas sem fins
lucrativos e administração pública3 . Com este universo, construímos a série de (i)
empregados em 31/12 e (ii) o número de empresas que declararam a RAIS, em cada
ano para todos os municípios.
Datasus – Sistema de Informações de Mortalidade Uma das fonte de dados usada

para mensurar os indicadores de saúde é a série do Sistema de Informação sobre
Mortalidade (SIM), do DATASUS. O SIM tem periodicidade anual desde 1979, e
capta dados sobre mortalidade em todo território nacional por meio de declarações
de óbito. A qualidade da série – em especial, a identificação do município de ocor-
rência do óbito – passou por uma melhora significativa a partir de 1999, o que nos
leva a usar os dados somente a partir desse ano. A partir do código da Classifica-
ção Internacional de Doenças (CID10) dos boletins de óbito, pode-se construir séries
para cada causa de mortalidade. Utilizamos dados sobre a taxa de mortalidade total
e a taxa de homicídios, medidas respectivamente como número de óbitos e número
de homicídios por cem mil habitantes.
Datasus – Sistema de Informações Hospitalares A segunda fonte de dados é o

Sistema de Informações Hospitalares (SIH), também do DATASUS. O SIH disponibi-
liza dados captados mensalmente a nível de município à partir de 1994, registrando
3A qualidade dos dados para número de trabalhadores no setor público e pessoas jurídicas sem
fins lucrativos é notoriamente ruim.
14
todos os atendimentos autorizados provenientes de internações hospitalares. Utili-
zamos dados sobre diagnósticos de internação, desagregados por doenças transmi-
tidas por mosquito (dengue, febre amarela, malária e outras) e doenças sexualmente
transmissíveis (DSTs), por cem mil habitantes, como identificadas pela CID10.
Sistema Nacional de Informação de Saneamento O Sistema Nacional de Infor-

mações Sobre Saneamento (SNIS), de responsabilidade do Ministério das Cidades,
é a única fonte anual de dados em nível nacional sobre infraestrutura e cobertura
da rede de água e esgoto. Os dados são declaratórios e fornecidos pelos prestado-
res desses dois serviços. Nesse estudo, utilizamos a densidade das redes de água e
esgoto, medida como quilômetros de rede por 100km2 de área do município.
2.3 Resultados
Como exposto na parte 1 desse estudo, o método de controle sintético foi aplicado
para cada município afetado. Assim, para cada município, temos o efeito da cons-
trução da UHE em diferentes pontos do tempo, tomando como referência o ano de
início da construção.
As estimativas são obtidas para cada um dos 82 municípios estudados – as figuras

apresentam a distribuição dos efeitos, com os percentis 25, 50 (mediana), 75 e a mé-
dia. Tais efeitos são definidos como a diferença entre o valor da variável de interesse
nos municípios afetados e em suas respectivas contra-partes sintéticas. Para evitar
problemas de composição da amostra, limitamos as séries de dados para um pe-
ríodo de, no máximo, 5 anos antes e após o início da construção de uma UHE. Por
exemplo, para UHEs com início de construção em 2002, usamos apenas 3 anos de da-
dos no período pré-construção, e 5 anos no período pós-construção. Para uma UHE
com início de construção em 2007, usamos 5 anos de dados pré- e pós-construção; e
para UHEs com início de construção em 2012, usamos 5 anos de dados no período
pré-construção e 2 anos de dados no período pós-construção.
Após os resultados principais dos impactos da construção de UHEs em indicadores

econômicos e sociais, essa seção apresenta meta-análises sobre os determinantes dos
efeitos estimados. A intenção é achar correlações entre a magnitude dos efeitos e
15
características dos municípios no período anterior ao início da construção.
2.3.1 Economia
Efeitos Sobre o PIB e o Tamanho da População
Taxa de Crescimento do PIB Os efeitos da construção de UHEs no crescimento do

PIB municipal são apresentados na Figura 2.5a. Os resultados apontam para um ci-
clo de crescimento-retração-normalização: nos dois primeiros anos após seu início,
os municípios afetados crescem mais do que seus respectivos grupos de compara-
ção. O pico dessa diferença se dá no ano seguinte ao início da construção, onde o
efeito mediano é um aumento de 3 pontos percentuais na taxa de crescimento do
PIB. A dispersão deste efeito, no entanto, é grande, e alguns municípios parecem se
beneficiar ainda mais no curto prazo, o que faz com que o efeito médio seja maior
que o efeito mediano – 7 pontos percentuais. A partir daí, os efeitos começam a
se reverter: no terceiro ano após o início da construção, o município típico afetado
por uma UHE cresce exatamente à mesma taxa que os municípios no seu grupo de
comparação, e no quarto ano após o início da construção, o município típico cresce
5 pontos percentuais a menos que o seu grupo de comparação. A Figura 2.5a sugere
que, no médio prazo, os municípios afetados por UHEs crescem a taxas semelhantes
às taxas dos seus grupos de comparação.
PIB e PIB Per Capita A figura 2.5b apresenta os efeitos sobre a evolução do nível
do PIB municipal, para uma melhor visualização dos efeitos acumulados sobre o
PIB. A figura também mostra o padrão de crescimento-reversão: após quatro anos,
a diferença entre o nível do PIB municipal do município mediano afetado por uma
UHE e seu grupo de controle é zero, e essa diferença não se altera no quinto ano
após o o início da construção. A figura 2.5c apresenta os resultados para o PIB mu-
nicipal per capita. Os padrões e magnitudes dos efeitos são virtualmente idênticos
aos apresentados na figura 2.5b. A diferença mais marcante se dá pelo fato de que
após quatro anos do início da construção, o PIB per capita para o município mediano
parece se estabilizar num nível 2.5% abaixo do nível do seu grupo de controle.
16
População Os efeitos da construção de uma UHE sobre a população são apresen-
tados na figura 2.5d. A magnitude dos efeitos medianos é pequena: o maior efeito
se dá 5 anos após o início da construção, quando o município mediano possui uma
população 1% maior do que a população que teria num cenário contrafactual, sem
a construção de uma UHE. Assim como nas outras séries, a dispersão desse efeito é
substancial, e os efeitos médios são maiores que os efeitos medianos.
Efeitos Sobre a Atividade Econômica
Essa subseção apresenta a análise de medidas administrativas de atividade econô-

mica com o objetivo de não só referendar os resultados anteriores, como também
aprofundá-los. A figura 2.6 mostra os efeitos das UHEs em dois indicadores: nú-
mero de empregos formais e número de CNPJs. Em seguida, a figura 2.7 mostra
a divisão setorial da evolução do número de empregos formais. Nessa subseção,
comentamos os resultados apresentados nas duas figuras.
Empregos Formais A figura 2.6a mostra a evolução do efeito das UHEs no número
de empregos formais. Em contraste com o movimento cíclico apresentado pelo PIB, o
efeito mediano no número de empregos se sustenta no período estudado. Depois de
um rápido crescimento entre o ano de construção e o ano seguinte, ele oscila entre 6%
e 11% durante todo o período. No entanto, um grande número de municípios com
efeitos maiores e mais instáveis leva a um comportamento cíclico do efeito médio,
mais próximo do que havia sido observado anteriormente. Além disso, os efeitos
médios são geralmente mais altos que os medianos, atingindo o pico de 37% um ano
após o início da construção.
Números de CNPJs Ao contrário do encontrado para empregos, o número de em-

presas formais não é em regra afetado pelo choque econômico causado pela constru-
ção de UHEs. A figura 2.6b mostra que, durante todo o período estudado, o efeito
mediano varias apenas entre -2% e +1%.
Empregos Formais: Construção A figura 2.7a mostra a evolução do efeito percen-

tual no número de empregos no setor de construção. Na comparação com o sua con-
17
traparte sintética, o município mediano não gerou empregos adicionais na constru-
ção. O efeito mediano é zero nos primeiros anos e chega a ser bastante negativo três
anos após o início da construção: -33%. No entanto, o município médio apresenta
efeitos que chegam a superar +90% (um ano após o início). Tal discrepância indica
que os empregos gerados pela construção se distribuem de maneira bastante desi-
gual dentre as cidades com área alagada, possivelmente municípios mais próximos
a represa ou com outras vantagens concentrem os canteiros de obra.4 Com o tempo,
os impactos diretamente relacionados ao processo de construção vão arrefecendo e
os municípios afetados passam a ter comportamento cada vez mais semelhante ao
de suas contrapartes sintéticas. Seis anos após a intervenção, os efeitos medianos e
médios são 5% e 15%, respectivamente.
Empregos Formais: Serviços A figura 2.7b apresenta a trajetória do efeito nos em-
pregos no setor de serviços. Contrariamente ao setor de construção, não foram ge-
rados muitos empregos nesse setor. No pico do efeito, dois anos após o início da
construção, o município típico tinha 4% mais empregos no setor de serviços do que
teria caso nunca houvesse construção. No longo prazo, o efeito mediano é de apenas
-1%.
Empregos Formais: Saúde e Educação Na figura 2.7c são apresentados os efeitos

da construção na soma de empregos dos setores de saúde e educação, excluídos os
funcionários públicos. Nessa variável, os efeitos parecem ser duradouros. Mais uma
vez, o caráter assimétrico dos efeitos leva a uma divergência entre efeitos medianos
e médios. Enquanto o primeiro chega a -20%, seis anos após a construção, o segundo
é de 28% no mesmo período.
Empregos formais: Outros A figura 2.7d mostra o efeito da construção de UHEs

no número de empregos em setores diferentes daqueles abordados previamente.
Durante todo o período estudado, o efeito mediano foi próximo de zero. No en-
tanto, a presença de alguns municípios afetados de forma bastante positiva fez com
que a média do efeito fosse sempre positiva, em torno de 10-15%.
4O efeito mediano negativo entre os anos 2 e 4 é mais difícil de explicar. Uma possibilidade é
que grandes construções em municípios próximos, causados pelas UHEs, atraiam recursos físicos e
humanos que deixam de trabalhar no setor de construção local.
18
2.3.2 Efeitos nas Contas Municipais
Nessa subseção, são analisados dados acerca das receitas e despesas municipais. Em-
bora essa seção se foque nos valores absolutos de tais variáveis, valores per capita
podem ser encontrados no apêndice. A trajetória dos efeitos nas duas medidas são
bastante semelhantes.
Receitas do Município A figura 2.8a mostra os efeitos sofridos pelas receitas cor-
rentes. O efeito mediano nessa variável cresce entre o ano de construção e o segundo
ano após esta, se estabilizando em torno de 4% a partir de então. A figura 2.8b mos-
tra a evolução do impacto de UHEs nas receitas com impostos. Apesar de chegar a
35% dois anos após a construção, no longo prazo o efeito mediano diminui até 2,5%.
Portanto, o aumento de médio prazo nas receitas correntes não vem de uma maior
arrecadação municipal, mas sim de outras fontes de receita do município – transfe-
rências do estado e da União, assim como a própria compensação financeira paga
pelas UHEs.
Despesas do município A figura 2.8c apresenta o efeito da construção de UHEs

nas despesas com saúde. Os efeitos são pequenos e erráticos, permanecendo sempre
abaixo de 10% do PIB. Cinco anos após a construção, o efeito registrado é de -1%.
O efeito mediano em gastos com educação, mostrado na figura 2.8d, tem trajetória
semelhante. Mas, cinco anos após a construção, o efeito medido é de 5%.
2.3.3 Efeitos em Saúde e Violência
Mortalidade A figura 2.9a mostra como o número de mortos por cem mil habitan-
tes se manteve próximo nos municípios afetados por UHEs e naqueles não afetados
em todo o período estudado. Embora haja muitas subidas e descidas, tanto o efeito
médio quanto o mediano oscilam entre de -4 a +18 mortos por cem mil habitantes.
Para efeitos de comparação, a taxa de mortalidade média dos municípios brasileiros
foi de 361 por cem mil habitantes5 no período estudado, o que torna o efeito medido
essencialmente indistinguível de 0.
5 Os resultados dessa seção são parecidos para ambos os sexos.
19
Homicídios Na figura 2.9b, é mostrado o impacto das UHEs na taxa de homicídios.
Dado o grande número de homens jovens atraídos para empregos na construção, é
de se esperar que haja um grande aumento na violência. A figura não mostra evidên-
cia disso pois, tanto em média como em mediana, o efeito nas taxas de homicídios
oscila entre +-5 (por cem mil habitantes) no período estudado. Para efeitos de com-
paração, a taxa de homicídios no Brasil foi de 25 por cem mil habitantes em 2012.
Taxa de internação por DSTs A figura 2.9c mostra o impacto na taxa de internação
por doenças sexualmente transmissíveis. O município médio da nossa amostra tem
taxa de internação por esse motivo de 16 por cem mil habitantes. Nessa variável, a
grande dispersão de resultados e a presença de outliers leva a um descompasso entre
efeito médio e efeito mediano. O efeito médio é positivo até dois anos após o início
da construção, quando atinge 5 por cem mil, um efeito de cerca de 30% em relação à
média. Já os efeitos medianos no entanto são negativos, mostrando que o município
mediano vê a taxa de internação por DSTs reduzir em até 7 por cem mil 4 anos após
o início da construção. Tanto os efeitos médios quanto o medianos, apontam para
uma redução da taxa de internação por DSTs no longo prazo, contrariamente ao que
seria esperado pelo grande influxo de homens solteiros jovens nessas cidades.6
Taxa de Internação por Doenças que têm Mosquitos como Vetores A figura 2.9d
apresenta a taxa de internação por doenças que tem mosquitos como vetores. Como
a construção de reservatórios implica em grandes porções de água parada, poderia
se esperar que houvesse um aumento em doenças desse tipo. Ao contrário do es-
perado, o efeito mediano é essencialmente zero por todo o período. Porém, alguns
municípios tiveram aumentos tão grandes desse tipo de doença que o efeito médio
é muito maior que o efeito mediano, principalmente nos primeiros três anos. De
forma geral, pode-se concluir que o aumento de casos de doenças transmitidas por
mosquitos não é uma consequência necessária ou típica da construção de hidrelétri-
cas, mas pode aparecer de forma intensa como resultado de certas particularidades
do município e do processo de construção.
6 Os dados nos permitem distinguir internações de homens e mulheres; no entanto, não encontra-
mos efeitos diferentes para internações por DSTs por homens e mulheres, e assim reportamos apenas
os resultados sem distinção de gênero.
20
2.3.4 Efeitos em Saneamento
Órgãos ambientais comumente condicionam o licenciamento de UHEs à ampliação

(ou criação) de redes de saneamento básico como forma de mitigar ou compensar
potenciais danos causados pela construção. Então, a pergunta que fazemos é: em
que medida a rede de saneamento melhora por causa da construção da UHE? Isto
é, o que haveria acontecido com a rede de saneamento em um cenário hipotético
onde a UHE não fosse construída? O fato de que o município afetado pela UHE
poderia ter ampliado ou construído a sua rede de saneamento por iniciativa própria
deve ser levado em conta. Além disso, a construção de uma UHE pode exercer uma
pressão no resto do setor de construção civil por competir por recursos (por exemplo,
mão-de-obra), fazendo com que quaisquer outras obras sejam mais difíceis de serem
executadas.
Para estudar os efeitos da construção de UHEs na infraestrutura de saneamento bá-

sico, foram construídas medidas de densidade dessa estrutura. Para isso, dividiu-se
a extensão da rede de água pela área do município para a obtenção da densidade
da rede de água. O resultado foi multiplicado por 100. Procedimento análogo foi
realizado para medir a densidade da rede de esgoto. Entre as localidades afetadas
por hidrelétricas, a média da densidade da rede de água era de 0,14. Para a rede de
esgoto, esse valor era 0,03.
A figura 2.10a mostra que a densidade da rede de água foi afetada negativamente.
Porém, os efeitos medianos são pequenos e não ultrapassam -0,03. No caso do esgoto
os efeitos são ainda menores, como pode ser visto na figura 2.10b, nunca ultrapas-
sando -0,01.
2.3.5 Heterogeneidade dos resultados: causas e importância
Para entendimento dos efeitos em bem-estar e escolha de políticas públicas relaci-

onadas a hidrelétricas, a dispersão dos impactos de sua construção é tão relevante
quanto os efeitos médios e medianos. Uma intervenção que melhore a situação de
uns e piore a de outros não é equivalente a um tratamento sem efeito. Apesar de
apresentar um comportamento sistemático, há bastante heterogeneidade entre os
efeitos estimados. Esse resultado tem importantes implicações, inclusive para as po-
21
líticas de fomento e mitigação de impactos adversos dos projetos. Em particular, a
heterogeneidade observada nos resultados sugere que é importante que as políticas
tenham parâmetros capazes de se ajustar às especificidades de cada projeto e região.
Para entender melhor o que causa efeitos tão diversos, a Tabela7 2.2 mostra uma
meta-análise dos efeitos em PIB e população. A tabela mostra regressões dos efeitos
estimados – e discutidos na seção 2.3 – em características dos municípios em 2000
e das UHEs. As colunas (1) e (2) analisam o efeito sobre o PIB municipal. Mesmo
controlando para o PIB e a população em 2000, os municípios da região norte pare-
cem ser os que mais se beneficiam da construção de UHEs em termos de PIB. Esses
efeitos, no entanto, não são estimados com precisão, e a sua significância estatís-
tica é baixa. As colunas (3) e (4) apresentam resultados similares para a população.
Municípios com PIBs maiores e populações menores são os que sofrem mais efeitos
em termos populacionais. A área alagada pela UHE diminui o efeito de aglomera-
ção, talvez por provocar maiores deslocamentos da população local. A população
dos municípios das regiões Norte, Nordeste e Centro-Oeste são as que mais crescem
após a construção das UHEs.
A Tabela 2.3 faz análise semelhante a do parágrafo anterior, focando dessa vez nas
variáveis taxa de mortalidade e taxa de homicídio. A mortalidade é mais afetada
em município que tiveram uma maior área alagada. Já o Nordeste sofreu efeito
significativamente menor do que outras regiões. Já a taxa de homicídios aumenta
com o número de empregos no canteiro e obras e cai com o montante investido na
UHE.
A Tabela 2.4 completa o conjunto de meta-análises ao avaliar os impactos em inter-

nações por DSTs e mosquitos. As internações por DSTs sobem mais em municípios
mais populosos e mais pobres. Já o efeito nas internações por doenças transmiti-
das por mosquitos é maior em municípios mais ricos, menos populosos, com muitos
empregos no canteiro de obras e menos investimentos na UHE. A área alagada não
parece influir nessa variável. A proximidade de área florestal também não parece
ser o determinante do tamanho do efeito pois a região Sudeste foi especialmente
afetada.
7 As regressões tem número de observações diferentes por dois motivos. Primeiro, devido a dife-
renças na disponibilidade de dados para cada variáveis. Segundo, porque, em alguns poucos casos,
o algoritmo não pôde computar o efeito da construção de uma UHE em determinado município para
determinada variável.
22
Figura 2.1 Estados da Região Norte
Notas: Os municípios analisados estão em vermelho; os municípios excluídos (por serem afetados
por mais de uma UHE, ou por uma UHE construída antes de 2002 ou depois de 2011) estão em cinza
escuro. Os demais municípios formam o donor pool.
Municípios afetados: Amapá – A UHE Santo Antônio do Jari atinge o município de Laranjal do Jari.
Pará – A UHE Belo Monte atinge os municípios de Altamira e Vitória do Xingu. A UHE Santo Antônio
do Jari atinge o município de Almeirim. A UHE Teles Pires atinge o município de Jacareacanga.
Rondônia – A UHE Madeira (Santo Antônio + Jirau) atinge o município de Porto Velho. Tocantins
– A UHE Estreito atinge os municípios de Babaçulândia, Barra do Ouro, Darcinópolis, Filadélfia,
Goiatins, Itapiratins, Palmeiras do Tocantins, Palmeirante e Tupiratins. A UHE Peixe Angical atinge
o município de Peixe. A UHE São Salvador atinge o município de Palmeirópolis.
23
Figura 2.2 Estados da Região Centro-Oeste
24
Notas: Os municípios analisados estão em vermelho; os municípios excluídos (por serem afetados por mais de uma UHE, ou por uma UHE
construída antes de 2002 ou depois de 2011) estão em cinza escuro. Os demais municípios formam o donor pool.
Municípios afetados: Mato Grosso – A UHE Colider atinge os municípios de Cláudia, Colíder, Itaúba, Nova Santa Helena e Nova Canaã do
Norte. A UHE Dardanelos atinge os municípios de Aripuanã, Colniza e Rondolândia. A UHE Teles Pires atinge o município de Paranaíta.
Mato Grosso Do Sul – A UHE São Domingos atinge os municípios de Água Clara. Goiás – A UHE Caçu e Barra dos Coqueiros atinge o
município de Cachoeira Alta. A UHE Espora atinge os municípios de Aporé e Serranópolis. A UHE Serra do Facão atinge o município de
Campo Alegre de Goiás.
Figura 2.3 Estados da Região Sul
25
Municípios afetados: Paraná – A UHE Mauá atinge os municípios de Ortigueira e Telêmaco Borba. Santa Catarina – A UHE Barra Grande
atinge os municípios de Capão Alto e Lages. A UHE Foz do Chapecó atinge os municípios de Águas de Chapecó, Caxambu do Sul, Chapecó,
Guatambú e Paial. A UHE Garibaldi atinge os municípios de Vargem e São José do Cerrito. A UHE Salto do Pilão atinge os municípios de
Apiúna, Ibirama e Lontras. Rio Grande do Sul – A UHE 14 de Julho atinge o município de Cotiporã. A UHE Barra Grande atinge os municípios
de Bom Jesus e Vacaria. A UHE Castro Alves atinge os municípios de Antônio Prado, Flores da Cunha e Nova Pádua. A UHE Foz do Chapecó
atinge os municípios de Alpestre, Erval Grande, Itatiba do Sul e Rio dos Índios. A UHE Monjolinho atinge o município de Benjamin Constant
do Sul. A UHE Passo Sao João atinge os municípios de Dezesseis de Novembro, Roque Gonzales e São Pedro do Butiá. A UHE São José atinge
os municípios de Caibaté, Cerro Largo, Mato Queimado e Salvador das Missões.
Figura 2.4 Estados da Bahia, Maranhão e Minas Gerais
26
Municípios afetados: Bahia – A UHE Pedra Cavalo atinge os municípios de Antônio Cardoso, Cabaceiras do Paraguaçu, Cachoeira, Castro
Alves, Conceição da Feira, Feira de Santana, Governador Mangabeira, Rafael Jambeiro, Santo Estêvão e São Gonçalo dos Campos. Maranhão
– A UHE Estreito atinge os municípios de Carolina e Estreito. Minas Gerais – A UHE Baguari atinge os municípios de Alpercata, Fernandes
Tourinho, Governador Valadares, Iapu, Periquito e Sobrália. A UHE Barra do Brauna atinge os municípios de Cataguases, Laranjal e Recreio.
A UHE Picada atinge o município de Juiz de Fora. A UHE Retiro Baixo atinge o município de Curvelo. A UHE Simplicio atinge o município
de Chiador.
Figura 2.5 Efeitos sobre o PIB e População Municipal
(a) Taxa de crescimento do PIB Municipal (b) PIB Municipal (efeito percentual)
.2 .2
.1 .1
0 0
-.1 -.1
-.2 -.2
-5 0 5 -5 0 5
p25 e p75 mediana média p25 e p75 mediana média
(c) PIB Municipal per Capita (efeito percentual) (d) População (efeito percentual)
27
.3 .1
.2
.05
.1
-.05
-.1
-.2 -.1
-5 0 5 -5 0 5
Notas: Os efeitos são a diferença entre o valor da variável de interesse no município e o valor encontrado em sua contraparte sintética.
A fim de permitir a medição de efeitos percentuais, utilizamos o logaritmo das variáveis para a aplicação do método de controle sintético nas
figuras (b), (c) e (d).
Figura 2.6 Efeitos Percentuais sobre Atividade Econômica
(a) Emprego Formal (b) Número de CNPJs no Município
.6 .15
.1
.4
.05
.2
0
28
0 -.05
-.1
-.2
-5 0 5 -5 0 5
Notas: Os efeitos são a diferença entre o valor da variável de interesse no município e o valor encontrado em sua contraparte sintética. A
fim de permitir a medição de efeitos percentuais, utilizamos a função hiperbólica inversa das variáveis para a aplicação do método de controle
sintético.
Figura 2.7 Efeitos Percentuais sobre Emprego: Setores
(a) Construção (b) Comércio e Serviços
1.5 .3
1 .2
.5 .1
0 0
-.5 -.1
-1 -.2
-5 0 5 -5 0 5
(c) Educação e Saúde (d) Outros
29
1
.6
.4
.5
.2
0
0
-.2
-.5 -.4
-5 0 5 -5 0 5
sintético.
Figura 2.8 Efeitos Percentuais sobre Receitas e Gastos do Governo Municipal
(a) Receitas Correntes do Município (b) Receitas de Impostos do Município
.15 1.5
.1 1
.05 .5
0 0
-.05
-.5
-5 0 5 -5 0 5
(c) Gastos em Saúde (d) Gastos em Educação
30
.3 .2
.2
.1
.1
0
0
-.1
-.2 -.1
-5 0 5 -5 0 5
fim de permitir a medição de efeitos percentuais, utilizamos o logaritmo das variáveis para a aplicação do método de controle sintético.
Figura 2.9 Efeitos sobre Indicadores de Saúde
(a) Óbitos por 100 mil habitantes (b) Homicídios por 100 mil habitantes
100 10
50 5
0
0
-5
-50
-10
-100
-5 0 5 -5 0 5
(d) Doenças Transmitidas por Mosquito: Internações por
31
(c) DSTs: Internações por 100 mil habitantes 100 mil habitantes
100
10
50
5
0 0
-5 -50
-10
-100
-5 0 5 -5 0 5
Figura 2.10 Efeitos sobre Indicadores de Saneamento
(a) Densidade da Rede de Água (b) Densidade da Rede de Esgosto
0 .005
0
-.05
-.005
-.1
-.01
-.15 -.015
-5 0 5 -5 0 5
32
Tabela 2.1: Estatísticas Sumárias em 2000
Donor Pool Municípios Tratados

Média Desvio- Média Desvio-
Padrão Padrão
PIB Municipal
Total (milhões de BRL) 122.1 688.4 173.3 467.4
Per Capita (BRL) 3, 959.3 4, 511.1 3, 990.2 2, 662.9
Crescimento (%) 12.0 15.4 10.2 9.5
PIB Agro/PIB 0.3 0.2 0.3 0.2
População
População Totala 23.0 88.0 36.2 85.3
Homens por 100 Mulheresb 104.5 6.0 104.4 7.8
Número de CNPJs no município 207.5 1, 352.7 395.8 1, 193.8
Emprego formal 1, 900.3 14, 887.0 3, 367.7 10, 045.2
Empregos por Setor
Construção 130.9 1, 584.7 175.0 613.7
Comércio e Serviços 1, 034.5 9, 922.8 1, 864.0 6, 252.2
Educação e Saúde 79.4 873.9 146.8 607.5
Outros 655.5 3, 042.4 1, 181.9 2, 832.0
Volume de Depósitos (milhões de R$)
Pessoas Físicas 1.5 12.5 2.4 7.4
Pessoas Jurídicas 1.6 18.4 2.2 7.2
Receitas (milhões de R$)
Receita Total (orcamentaria) 30.6 164.9 40.6 98.4
Receita Tributaria 3.2 37.7 4.3 17.8
Despesas (milhões de R$)
Despesa Orçamentária 30.2 162.6 39.3 92.5
Educação e Cultura 8.6 30.6 10.7 20.2
Saúde e Saneamento 6.7 54.1 9.0 29.4
Mortalidade (por 100 mil Habitantes)c
Óbitos 323.4 196.0 342.9 190.1
Homicídios 7.7 14.0 8.4 13.2
Óbitos Masculinos 382.0 233.7 397.1 228.3
Homicídios Masculinos 13.0 24.5 14.7 23.5
Internações por 100 mil habitantesc
por Doenças Transm. por Mosquitos 58.0 308.7 80.3 194.5
por DSTs 19.9 54.8 23.3 54.7
Saneamento (1000km/km2 )
Densidade da Rede de Água 0.7 6.2 0.5 1.9
Densidade da Rede de Esgoto 0.2 3.4 0.1 0.5
Numero de Municípios 2, 923 82

Notas: Municípios tratados são aqueles que são afetadas por apenas uma UHE com início de construção entre 2002 e 2011. Para
cada município tratado, os municípios do grupo de controle são aqueles na mesma unidade da Federação que nunca foram
afetados por uma UHE. Há 406 municípios que não se encaixam em nenhuma dessas duas categorias e são portanto excluídos
da análise. As UHEs construídas após 2002 afetam 117 municípios. Destes, 35 foram excluídos por serem afetadas por mais
de uma UHE. No ano 2000, haviam 5507 municípios no Brasil. Nenhum dos municípios tratados ou do donor pool foi dividido
entre 2002 e 2013. 33
Tabela 2.2: Meta-análise: Determinantes dos Efeitos em PIB e População
Variável Dependente Efeitos sobre o PIB Efeito sobre a

Municipal População
Municipal
(1) (2) (3) (4)
PIB Municipal em 2000 (log) −0.013 0.005 0.062∗∗ 0.063∗∗

(0.085) (0.092) (0.029) (0.032)
População em 2000 (log) 0.003 −0.022 −0.069∗ −0.070∗
(0.105) (0.113) (0.035) (0.039)
Área alagada no município (km2) −0.007 −0.007 −0.031∗∗∗ −0.031∗∗∗
(0.017) (0.017) (0.005) (0.005)
Emprego no Canteiro de Obras (log) 0.094 0.040 −0.025 0.006
(0.133) (0.152) (0.045) (0.035)
Investimento total da UHE (log) −0.052 −0.054 0.028 0.012
(0.110) (0.118) (0.032) (0.027)
Norte 0.158 0.141∗∗∗
(0.142) (0.045)
Nordeste 0.115 0.179∗∗∗
(0.150) (0.061)
Sudeste 0.016 0.000
(0.100) (0.034)
Centro-Oeste −0.062 0.111∗∗
(0.174) (0.045)
Dummies de UF X X
Dummies de Anos após a Construção X X X X
Dummies de Ano de Construção X X X X
R2 0.191 0.238 0.263 0.277

Média da Variável Dependente 0.061 0.061 0.011 0.011
Observações 420 420 433 433
Notas: Erros-padrão clusterizados por município. Emprego e Investimento ao nível da UHE. Região omitida: Sul
∗ p < 0.10, ∗∗ p < 0.05, ∗∗∗ p < 0.01.
34
Tabela 2.3: Meta-análise: Determinantes dos Efeitos em Mortalidade e Homicídios
Variável Dependente Efeitos sobre a Taxa Efeito sobre a Taxa

de Mortalidade de Homicídios
(1) (2) (3) (4)
PIB Municipal em 2000 (log) −3.631 −3.769 −0.484 0.860

(20.797) (24.490) (2.634) (2.905)
População em 2000 (log) 27.371 29.861 0.728 −0.458
(26.375) (30.467) (3.239) (3.784)
Área alagada no município (km2) 15.013∗∗ 12.496∗ 0.919 1.191
(6.782) (6.996) (0.953) (1.022)
Emprego no Canteiro de Obras (log) 40.529 −41.985 11.118∗∗∗ 14.316∗
(41.805) (51.012) (3.934) (8.006)
Investimento total da UHE (log) −36.235 17.785 −10.120∗∗∗ −11.361∗∗
(37.781) (41.576) (3.677) (5.396)
Norte −50.887 −6.872
(34.469) (4.180)
Nordeste −83.423∗ −7.080
(44.084) (4.630)
Sudeste −47.299 0.410
(45.443) (5.198)
Centro-Oeste 3.917 −3.089
(58.383) (3.944)
Dummies de UF X X
R2 0.174 0.216 0.084 0.120

Média da Variável Dependente 8.346 8.346 −0.055 −0.055
Notas: Erros-padrão clusterizados por município. Emprego e Investimento ao nível da UHE. Regiao omitida: Sul.
∗ p < 0.10, ∗∗ p < 0.05, ∗∗∗ p < 0.01
35
Tabela 2.4: Meta-análise: Determinantes dos Efeitos em Morbidade
Variável Dependente Efeitos sobre a Taxa Efeito sobre a Taxa

de Internações por de Internações por
DSTs Doenças
Transmitidas por
Mosquitos
(1) (2) (3) (4)
PIB Municipal em 2000 (log) −4.0 −7.9∗∗ 18.2 91.9

(3.7) (3.6) (65.0) (74.5)
População em 2000 (log) 5.1 9.3∗∗ −32.8 −114.3
(4.4) (4.1) (81.0) (91.0)
Área alagada no município (km2) −1.0 −1.6 7.0 −3.7
(1.0) (1.0) (10.6) (8.9)
Emprego no Canteiro de Obras (log) 5.6 −10.0 154.6 42.0
(6.6) (8.1) (111.3) (85.4)
Investimento total da UHE (log) −3.2 7.4 −118.9 −68.2
(6.5) (7.2) (84.8) (65.8)
Norte −4.3 −36.6
(6.8) (98.7)
Nordeste 7.1 −70.6
(7.3) (142.4)
Sudeste 3.8 147.1∗
(7.5) (77.4)
Centro-Oeste 6.4 −97.5
(6.6) (143.5)
Dummies de UF X X
R2 0.055 0.094 0.066 0.160

Média da Variável Dependente 0.637 0.637 19.721 19.721
Notas: Erros-padrão clusterizados por município. Emprego e Investimento ao nível da UHE. Regiao omitida: Sul.
∗ p < 0.10, ∗∗ p < 0.05, ∗∗∗ p < 0.01
36
Parte 3
Desflorestamento
3.1 Universo de Análise e Donor Pool
Nessa parte do estudo, a unidade de análise é a UHE e sua área circundante. De

forma a possibilitar a análise de como os efeitos de UHEs são afetados pela distância
de seu local de construção, tal área é dividida em três partes, como pode ser visto
na figura 3.2. A primeira parte é formada pelo círculo de raio igual a 15km cujo cen-
tro coincide com a localização da UHE. A segunda parte é formada pelo anel que
cobre a área distante entre 15 e 40 km da UHE. Finalmente, a terceira é composta
pelo anel externo formado pela área entre 40 e 100km distante da UHE.A localização
de cada UHE é obtida nas coordenadas fornecidas pelo Sistema de Informações Ge-
orreferenciadas do Setor Elétrico (SIGEL) da Agência Nacional de Energia Elétrica
(ANEEL). Além das coordenadas, o SIGEL fornece o estágio em que se encontra a
UHE – operação, construção, etc.
O universo de análise é composto pelas áreas no entorno de UHEs que satisfazem

as seguintes condições: (i) início da construção de uma UHE entre 2003 e 2011; (ii)
a UHE deve ter obtido financiamento do BNDES; (iii) sua localização deve ser em
uma bacia hidrográfica da região amazônica;1 (iv) a UHE deve estar localizada a
mais de 100km de distância de qualquer outra UHE. Pelos critério adotados, são
analisadas as áreas no entorno de 10 UHEs: Santo Antônio do Jari, São Salvador,
1 As bacias hidrográficas da região amazônica são a Bacia do Rio Amazonas, a Bacia do Rio To-
cantins e a Bacia do Atlântico Norte. Vide figura 3.1
37
Estreito, Dardanelos, Santo Antônio, Jirau, Belo Monte, Ferreira Gomes, Colíder e
Teles Pires.
O donor pool é composto por áreas que atendem as seguintes condições: (i) não ter
nenhuma hidrelétrica construída ou em construção; (ii) ponto central distante mais
de 100Km de qualquer UHE; (iii) ponto central localizado na mesma bacia hidro-
gráfica da UHE analisada em cada estudo de caso e (iv) ponto central considerado
apto a receber uma UHE, segundo informações fornecidas pelo SIGEL. Em suma, os
critérios determinam que os contrafactuais serão construídos a partir de comparação
com áreas semelhantes que poderiam ter recebido uma UHE, mas não a receberam.
Assim, para estudar o efeito da construção de UHEs em “anéis” cujos pontos in-
ternos distam entre 15 e 40 km da UHE, comparamos essa área com os anéis cujos
pontos internos distam entre 15 e 40 km dos locais que poderiam ter recebido UHEs
mas não receberam.
3.2 Dados
Para medir os impactos das UHEs em desflorestamento, são utilizados os dados de

sensoriamento remoto de Hansen et al. (2013), que contém a cobertura florestal em
2000 e a perda de cobertura florestal para cada ano entre 2001 e 2013. Os dados são
disponibilizados em resolução de 1 arco-segundo, aproximadamente 30 metros por
pixel no equador. A nossa variável de interesse é a fração da área desmatada a cada
ano, que calculamos como a razão entre o número de pixels desmatados durante o
ano e o número total de pixels da área.
A figura 3.3 mostra um exemplo do procedimento descrito. A imagem mostrada na

figura 3.3 abrange 36 pixels 2 , dos quais 24 estão dentro do buffer3 . Destes 24 pixels,
três foram desmatados no período, assim a fração da área desmatada, ou taxa de
desflorestamento, é 3/24 = 12.5%.
2 Pequenos quadrados dentro do quadrado maior

3 Apenas pixels cujo centróide está dentro do buffer são considerados; como o menor buffer ana-
lisado nesse estudo possui um raio de 15 quilômetros, e os pixels são de 30 x 30 metros, é baixo o
efeito de diferentes critérios de consideração dos pixels parcialmente abrangidos pelo buffer na nossa
medida de desmatamento.
38
3.3 Resultados
O foco dessa seção será nos resultados de desflorestamento para o conjunto de 10

UHEs localizadas nas bacias hidrográficas do Rio Amazonas, do Rio Tocantins, e do
Atlântico Norte. Como explicado na introdução, os dados de desflorestamento são
mais apropriados para o tipo de vegetação da região Amazônica.
A figura 3.4 mostra os resultados por UHE para os buffers de 15 quilômetros. Para
cada UHE, a figura mostra a evolução da taxa de desflorestamento. Como se vê, os
resultados são bastante heterogêneos. O padrão de desflorestamento em buffers ao
redor de UHEs como Ferreira Gomes e Santo Antônio do Jari não foi diferente do que
ocorreu nas áreas sintéticas de comparação. Por outro lado, a construção das UHEs
de Santo Antônio e Jirau levou a um aumento expressivo do desflorestamento: a di-
ferença em relação ao grupo de controle sintético chega a 4 pontos percentuais, mais
de 4 vezes a taxa de desflorestamento média destas áreas em 2001. Entre esses dois
extremos, as UHEs São Salvador e Estreito causaram um desflorestamento expres-
sivo, mas não tão extremado, nos três anos seguintes ao início da construção. A área
no entorno da usina de Belo Monte demonstra uma dinâmica muito particular no
período anterior ao início da construção da usina, fazendo com o que o método do
controle sintético não encontre um bom grupo de comparação. Apesar do efeito de
construção parecer ser bastante positivo, este resultado é pouco confiável por conta
do fit ruim no período pré-construção. As exceções para o padrão de aumento no
desflorestamento foram as UHEs de Dardanelos e Teles Pires (apenas primeiro ano)
onde, de fato, as construções frearam o desflorestamento.
Considerando o conjunto das UHEs estudadas, as áreas a distâncias iguais ou infe-

riores 15km tiveram aproximadamente 37 mil hectares desmatados. Desses, pouco
mais de 14 mil (38%) podem ser atribuídos ao impacto das hidrelétricas. Isto é, se-
gundo as nossas estimativas, dos 37 mil hectares efetivamente desmatados nos buf-
fers de 15 quilômetros, 23 mil hectares teriam sido desmatados mesmo na ausência
das 10 UHEs estudadas. Como esses números resultam da soma de efeitos estimados
com diferentes graus de precisão, recomenda-se cautela com seu uso.
A figura 3.5 mostra os mesmos resultados para as áreas entre 15 e 40 quilômetros

do ponto onde cada UHE foi construída. A primeira coisa a notar é que a escala do
desflorestamento muda. As UHEs de São Salvador e Estreito, por exemplo, causa-
39
ram mudanças bastante pequenas no desflorestamento, em geral inferiores a 1 ponto
percentual. Tal efeito é bem menos intenso do que o encontrado para a área mais
próxima, discutido no parágrafo anterior. Tal padrão é repetido pela UHE de Jirau,
onde o efeito máximo no período cai de 4 para 1 ponto percentual conforme nos
afastamos da área de construção. Como exceção à regra, a única UHE que causou
mais impacto na área entre 15 e 40 km de distância do que na área imediatamente
próxima foi Santo Antônio que, um ano após à construção, levou a um aumento de 4
pontos percentuais no desmatamento. As demais hidrelétricas não apresentam efei-
tos relevantes, como Colíder, ou não puderam ter seu efeito bem avaliado devido ao
fit ruim no período pré-construção, como Santo Antônio do Jari. Como um todo, as
áreas a distâncias das UHEs entre 15 e 40km tiveram pouco mais de 194 mil hectares
efetivamente desmatados. Os resultados sugerem que destes, apenas 36 mil hectares
(19%) podem ser atribuídos ao impacto das UHEs; os 158 mil hectares restantes te-
riam sido desmatados mesmo se as UHEs estudadas não tivessem sido construídas.
Finalmente, a figura 3.6 mostra os resultados para as áreas entre 40 e 100 quilômetros
de distância da UHE. O padrão de que, quanto mais distante da construção menor
o efeito se repete. Dessa vez, as únicas UHEs que mostram aumentos relevantes são
Santo Antônio e Jirau, ambas com o pico do efeito em torno de 1 ponto percentual.
O fato de que essas são as mesmas hidrelétricas que causam mais desflorestamento
em áreas mais próximas reforça a evidência de seu impacto ambientalmente des-
favorável. A figura 3.6 também mostra uma exceção ao padrão encontrado até o
momento: a UHE de Teles Pires parece ter reduzido o desflorestamento em quase 1
ponto percentual.
Em distâncias entre 40 e 100km de UHEs, foram desmatados aproximadamente 896

mil hectares. Para esse total, o efeito das hidrelétricas contribuiu com 228 mil (25%)
hectares. Em toda as áreas a no máximo 100km de distância de uma UHE, o des-
matamento total foi de 1,1 milhão de hectares no período estudado. Destes, 279 mil
(25%) se devem a construção de hidrelétricas. Mais uma vez, alertamos que esses
números resultam da soma de efeitos estimados com diferentes graus de precisão e
que, portanto, devem ser vistos como uma primeira aproximação do impacto agre-
gado.
40
Figura 3.1 Bacias Hidrográficas
As bacias hidrográficas da região amazônica são a Bacia do Rio Amazonas, a Bacia do Rio Tocantins
e a Bacia do Atlântico Norte.
41
Figura 3.2 Área circundante a UHE
40-100km
15-40km
15km
A figura acima representa graficamente a unidade de análise da parte 3 desse relatório. O círculo me-
nor e vermelho ao centro representa a área a até 15km de distância da UHE estudada. O anel laranja
a sua volta contém todos os locais cuja distância em relação a UHE é superior a 15km mas inferior
a 40km. Finalmente, o grande anel amarelo na parte exterior abrange todos os locais cuja distância
em relação a UHE é superiora 40km, mas inferior a 100km. O tamanho dos círculos mostrados é
proporcional às distâncias descritas.
42
Figura 3.3 Medida de Desflorestamento, exemplo
Desmatado
Não-Desmatado
A figura mostra um exemplo e como é calculada a medida de desmatamento usada. No exem-

plo, o buffer abrange 24 pixels (apenas pixels cujo centróide está dentro do buffer são considerados).
Destes, três já foram desmatados no período. Assim, a fração da área desmatada é 3/24 = 12, 5%.
43
Figura 3.4 Impacto da Construção de UHEs em Desflorestamento: Bacias 1–3, Buffer 15km
Santo Antônio Do Jari São Salvador Estreito Dardanelos
.03
.02
.01
Santo Antônio Jirau Belo Monte Ferreira Gomes
.03
.02
.01
44
0
-5 0 5 -5 0 5
Colider Teles Pires
.03
Legenda
.02 tratamento
controle
.01
0
-5 0 5 -5 0 5
Nota: Os efeitos estimados são as diferenças entre o valor da variável de interesse no município (linha cheia) e o valor encontrado em sua
contraparte sintética (linha pontilhada).
Figura 3.5 Impacto da Construção de UHEs em Desflorestamento: Bacias 1–3, Buffer 15–40km

.04
.03
.02
.01

.04
.03
.02
.01
45
0
-5 0 5 -5 0 5
Colider Teles Pires

.04
.03
Legenda
.02 tratamento
controle
.01
0
-5 0 5 -5 0 5
Figura 3.6 Impacto da Construção de UHEs em Desflorestamento: Bacias 1–3, Buffer 40–100km

.03
.02
.01

.03
.02
.01
46
0
-5 0 5 -5 0 5
Colider Teles Pires

.03
.02 Legenda
tratamento
.01 controle
0
-5 0 5 -5 0 5
Tabela 3.1: Estatísticas Sumárias
Todas as Bacias Bacias da Região

Amazônica
Donor Tratados Donor Tratados
Pool Pool
Desflorestamento em 2001 (% da Área)
15 km 0.35 0.42 0.51 1.03
(0.5) (0.7) (0.8) (1.1)
15–40 km 0.36 0.47 0.50 1.00
(0.4) (0.5) (0.5) (0.6)
40–100 km 0.37 0.40 0.50 0.80
(0.3) (0.4) (0.4) (0.6)
Cobertura Florestal em 2000 (% da Área)

15 km 43.09 40.43 65.30 66.63
(31.5) (26.4) (31.0) (22.7)
15–40 km 42.56 42.31 65.30 74.35
(30.1) (29.0) (30.3) (23.5)
40–100 km 42.97 40.55 64.42 71.65
(30.9) (27.4) (30.9) (22.9)
Número de UHEs 259 35 109 11

Bacia do Rio Amazonas 71 8 71 8
Bacia do Rio Tocantins 29 2 29 2
Bacia do Atlântico Norte 9 1 9 1
Bacia do Rio São Francisco 25 1
Bacia do Atlântico Leste 35 4
Bacia do Rio Paraná 76 11
Bacia do Rio Uruguai 1 5
Bacia do Atlântico Sudeste 13 3
Notas: A unidade de análise é um buffer centrado em uma UHE. a
47
Tabela 3.2: Desmatamento: Observado e Causado pela UHE Belo Monte
15km 15-40km 40-100km

Observado Causado Observado Causado Observado Causado
Ano 0 969 718 5, 484 2, 997 14, 240 −5, 171

Ano 1 1, 790 1, 173 8, 498 3, 744 31, 992 4, 003
Ano 2 1, 199 963 3, 701 941 10, 672 −2, 700
Ano 3 2, 334 1, 608 7, 697 3, 982 24, 783 8, 897
Total 6, 293 4, 463 25, 381 11, 664 81, 687 5, 029
Notas: A tabela mostra o desmatamento ocorrido e o causado, em hectares, pela UHE em diferentes buffers. Números negati-
vos indicam que a UHE contribuiu para evitar desmatamento, e que o desmatamento observado teria sido maior do que o de
fato ocorreu caso a UHE não tivesse sido construída.
Tabela 3.3: Desmatamento: Observado e Causado pela UHE São Salvador
15km 15-40km 40-100km

Ano 0 467 377 1, 903 1, 255 12, 664 4, 476

Ano 1 320 198 1, 174 400 13, 404 4, 683
Ano 2 576 470 901 467 6, 204 1, 236
Ano 3 75 −59 998 422 9, 238 2, 025
Ano 4 44 −36 896 399 8, 331 3, 299
Ano 5 25 −70 508 36 5, 072 −1, 012
Ano 6 83 −64 1, 312 550 15, 381 5, 768
Ano 7 133 −213 963 348 11, 816 3, 379
Total 1, 722 603 8, 655 3, 876 82, 110 23, 853

48
Tabela 3.4: Desmatamento: Observado e Causado pela UHE Santo Antônio
15km 15-40km 40-100km

Ano 0 247 −90 1, 723 −1, 396 9, 064 −1, 968

Ano 1 692 546 2, 222 −339 8, 858 1, 918
Ano 2 2, 228 1, 896 16, 871 11, 960 27, 680 17, 015
Ano 3 919 540 3, 333 −265 18, 498 8, 762
Ano 4 398 −293 4, 835 1, 608 20, 524 10, 883
Ano 5 275 205 2, 115 −799 11, 214 4, 156
Ano 6 432 136 3, 184 −1, 463 24, 316 13, 319
Total 5, 189 2, 941 34, 283 9, 305 120, 153 54, 084
Tabela 3.5: Desmatamento: Observado e Causado pela UHE Dardanelos
15km 15-40km 40-100km

Ano 0 278 −253 1, 699 −3, 441 25, 644 −6, 584
Ano 1 629 −218 5, 766 704 24, 202 2, 751
Ano 2 140 −70 2, 005 311 11, 086 771
Ano 3 319 −454 6, 859 2, 016 22, 748 1, 273
Ano 4 371 −84 1, 936 −529 15, 016 1, 526
Ano 5 236 −541 1, 024 −1, 992 14, 543 −1, 667
Ano 6 262 −366 1, 204 −939 15, 184 2, 592
Ano 7 289 −623 1, 487 −1, 351 21, 473 4, 087
Total 2, 524 −2, 608 21, 979 −5, 221 149, 898 4, 749
49
Tabela 3.6: Desmatamento: Observado e Causado pela UHE Estreito
15km 15-40km 40-100km

Ano 0 722 535 2, 626 1, 029 15, 901 5, 086

Ano 1 463 301 1, 925 770 11, 119 3, 454
Ano 2 1, 279 1, 157 2, 278 1, 051 13, 112 5, 580
Ano 3 218 115 2, 151 1, 237 15, 869 9, 173
Ano 4 168 49 1, 346 23 9, 583 1, 787
Ano 5 133 −145 1, 596 −207 10, 172 −569
Ano 6 228 76 1, 625 576 12, 380 4, 249
Ano 7 257 35 1, 230 52 12, 569 4, 583
Total 3, 469 2, 122 14, 777 4, 531 100, 705 33, 342
Tabela 3.7: Desmatamento: Observado e Causado pela UHE Ferreira Gomes
15km 15-40km 40-100km

Ano 0 108 34 3, 732 632 4, 187 229

Ano 1 170 −5 4, 580 260 5, 936 −10, 240
Ano 2 509 176 2, 182 −1, 118 5, 566 −2, 226
Ano 3 155 −28 4, 271 1, 964 5, 418 −2, 437
Total 942 177 14, 766 1, 738 21, 108 −14, 674
50
Tabela 3.8: Desmatamento: Observado e Causado pela UHE Colíder
15km 15-40km 40-100km

Ano 0 297 42 2, 843 882 15, 446 3, 310

Ano 1 449 −99 4, 400 −458 39, 601 7, 952
Ano 2 117 −190 1, 385 −685 10, 353 −4, 007
Ano 3 1, 440 739 4, 053 1, 139 15, 345 2, 968
Total 2, 303 492 12, 681 878 80, 746 10, 223
Tabela 3.9: Desmatamento: Observado e Causado pela UHE Santo Antônio Do Jari
15km 15-40km 40-100km

Ano 0 292 −265 5, 347 1, 884 7, 202 5, 210

Ano 1 869 131 3, 053 −1, 589 3, 647 −1, 681
Ano 2 484 192 1, 807 −1, 074 3, 051 −291
Ano 3 190 −259 1, 316 −2, 976 2, 531 −1, 609
Total 1, 836 −201 11, 523 −3, 755 16, 431 1, 629
Tabela 3.10: Desmatamento: Observado e Causado pela UHE Jirau
15km 15-40km 40-100km

Ano 0 793 525 1, 882 −1, 479 24, 156 16, 356
Ano 1 1, 529 1, 080 8, 807 5, 322 40, 937 28, 456
Ano 2 2, 092 1, 735 6, 779 4, 887 30, 150 19, 294
Ano 3 1, 915 1, 311 8, 275 3, 933 35, 041 24, 574
Ano 4 167 −6 1, 900 −50 18, 074 10, 126
Ano 5 2, 400 2, 076 8, 712 5, 531 46, 373 34, 133
Total 8, 896 6, 721 36, 355 18, 143 194, 731 132, 939
51
Tabela 3.11: Desmatamento: Observado e Causado pela UHE Teles Pires
15km 15-40km 40-100km

Ano 0 251 42 1, 530 −526 6, 000 −3, 468

Ano 1 584 −1, 342 6, 686 −3, 285 17, 156 −13, 157
Ano 2 539 −112 1, 371 −1, 367 3, 975 −4, 775
Ano 3 1, 821 1, 287 3, 315 −560 7, 470 −6, 324
Total 3, 194 −124 12, 902 −5, 738 34, 601 −27, 723
Tabela 3.12: Desmatamento: Observado e Causado pelas 10 UHEs
Desmatamento Observado Desmatamento Causado por UHEs
15 Km 36, 512.8 14, 635.6

15-40 Km 194, 296.3 35, 738.3
40-100 Km 895, 946.3 228, 711.4
Total 1, 126, 755.4 279, 085.4
Notas: A primeira coluna mostra o total do desmatamento observado no entorno das 10 UHEs estudas entre o ano do início da
construção e o último ano para o qual temos dados. A segunda coluna mostra o total do desmatamento que pode ser atribuído
às UHEs de acordo com as estimativas de controle sintético.
52
Conclusão
A construção de hidrelétricas é constantemente considerada responsável por gran-

des impactos no modo de vida dos habitantes das localidades afetadas. Há alegações
de que elas causariam crescimento econômico4 , criminalidade 5 e desmatamento 6 ,
por exemplo. Frente a todas esses possíveis riscos e oportunidades, se faz necessá-
ria uma análise científica e abrangente capaz de isolar o efeito causal das UHEs de
outras influências e mostrar como esse efeito pode mostrar semelhanças e diferenças
em diferentes cenários. Ao preencher essa lacuna na literatura, o presente trabalho
tem por objetivo auxiliar a tomada de decisão de formuladores de políticas, como o
próprio BNDES, e a população como um todo.
O presente trabalho analisa o impacto da construção de hidrelétricas em um extenso

grupo de indicadores sociais, econômicos e ambientais. Contrariamente aos relatos
mais extremos –otimistas e pessimistas– foi encontrado que, no médio prazo, a mai-
oria destes indicadores é pouco ou nada afetada tipicamente. Assim sendo, casos
famosos de UHEs que causaram grandes benefícios ou custos para as localidades
onde estão instaladas, não devem ser vistas como a regra para esse tipo de interven-
ção.
Embora os efeitos típicos de médio prazo sejam moderados, o mesmo não pode ser
dito do curto prazo. Nos três primeiros anos que se seguem ao início da construção,
o crescimento do PIB se acelera e, além disso, aumentam o número de empregos
formais (em especial no setor de construção) e a receita municipal com impostos. O
município típico não sofre impactos relevantes em variáveis não-econômicas nem no
curto, nem no médio prazo. Ao redor das UHEs, os efeitos em desflorestamento são
4 Consorcio Estreito Energia (2016)

5 de Freitas (2016)
6 Fellet (2016)
53
concentrados principalmente nas áreas com distância inferior a 15km, nos primeiros
anos após a construção e em uma minoria das hidrelétricas.
Conclui-se também que a dispersão dos efeitos das UHEs é bastante alta para a mai-
oria das variáveis. Ou seja, embora o efeito típico da construção seja pequeno, há
muitos casos de efeitos intensos. Compreender a causa dessas reações destoantes é
necessário para que as oportunidades criadas pelas UHEs sejam aproveitadas e os
riscos evitados.
54
Referências Bibliográficas
Abadie, A., Diamond, A., and Hainmueller, J. (2010). Synthetic control methods
for comparative case studies: Estimating the effect of california’s tobacco control
program. Journal of the American Statistical Association, 105(490).
Abadie, A., Diamond, A., and Hainmueller, J. (2015). Comparative politics and the
synthetic control method. American Journal of Political Science, 59(2):495–510.
Abadie, A. and Gardeazabal, J. (2003). The economic costs of conflict: A case study
of the basque country. American economic review, pages 113–132.
ANEEL (2016). Resumo da distribuição, compensação financeira e “royalties” de

Itaipu. Avaiable at http://www2.aneel.gov.br/aplicacoes/cmpf/gerencial/
CMPF_Totais/CMPF_ROY_TotaisMunicipiosporAno.asp.
Cavallo, E., Galiani, S., Noy, I., and Pantano, J. (2013). Catastrophic natural disasters
and economic growth. Review of Economics and Statistics, 95(5):1549–1561.
Consorcio Estreito Energia, . (2016). Perguntas mais frequentes. Avaiable at http:

//www.uhe-estreito.com.br/ver_secao.php?session_id=91.
de Freitas, A. (2016). Belo monte aumenta violência na região de al-

tamira, no pará. Avaiable at http://oglobo.globo.com/economia/
belo-monte-aumenta-violencia-na-regiao-de-altamira-no-para-4339341.
Fellet, J. (2016). Hidrelétricas “impulsionam desmatamento indireto” na amazô-

nia. Avaiable at http://www.bbc.com/portuguese/noticias/2013/11/131127_
desmatamento_amazonia_hidroeletrica_jf.
Hansen, M. C., Potapov, P. V., Moore, R., Hancher, M., Turubanova, S. A., Tyukavina,
A., Thau, D., Stehman, S. V., Goetz, S. J., Loveland, T. R., Kommareddy, A., Egorov,
55
A., Chini, L., Justice, C. O., and Townshend, J. R. G. (2013). High-resolution global
maps of 21st-century forest cover change. Science, 342(6160):850–853.
Henderson, J. V., Storeygard, A., and Weil, D. N. (2012). Measuring economic growth
from outer space. American Economic Review, 102(2):994–1028.
Kemenes, A., Forsberg, B. R., and Melack, J. M. (2011). Co2 emissions from a tropical
hydroelectric reservoir (balbina, brazil). Journal of Geophysical Research: Biogeosci-
ences, 116(G3):n/a–n/a. G03004.
Saunders, J., Lundberg, R., Braga, A. A., Ridgeway, G., and Miles, J. (2014). A
synthetic control approach to evaluating place-based crime interventions. Journal
of Quantitative Criminology, pages 1–22.
Severnini, E. (2014). The power of hydroelectric dams: Agglomeration spillovers.

IZA Discussion Paper No. 8082.
Sills, E. O., Herrera, D., Kirkpatrick, A. J., Brandão Jr, A., Dickson, R., Hall, S., Patta-
nayak, S., Shoch, D., Vedoveto, M., Young, L., et al. (2015). Estimating the impacts
of local policy innovation: the synthetic control method applied to tropical defo-
restation. PloS one, 10(7):e0132590.
56
Apêndice A
Este apêndice tem por objetivo disponibilizar resultados obtidos durante o processo
de criação desse estudo mas que acabaram por ser excluídos de sua versão final.
Espera-se com isso permitir o acesso a mais informação e favorecer a transparência.
São abordados quatro grupos de variáveis. Primeiro, são estudados depósitos ban-
cários. Após isso, são abordadas as receitas e despesas dos governos municipais.
Depois, o efeito da construção de UHEs na proporção de homens na população e
impactos específicos na saúde e violência contra esse grupo. Como os três primeiros
grupos de variáveis são estudadas a nível municipal, a apresentação de resultados
segue o formato apresentado na parte 2 desse estudo.
Ao final desse apêndice, são estudados os efeitos nas áreas circundantes a hidrelétri-
cas. Como, para essa última variável, a unidade análise é a área, a apresentação de
resultados segue o formato da parte 3.
A.1 Dados Bancários
Nessa seção, são abordados resultados de dados bancários, obtidos pela base EST-
BAN, Estatística Bancária do Município, disponibilizada pelo Banco Central do Bra-
sil. Os dados analisados se referem ao volume de depósitos (medida de estoque, não
fluxo) realizados em agências bancárias do município afetado.
Apesar de sua importância, os resultados obtidos com esses dados foram retirados
da parte principal desse relatório por questões acerca da adequabilidade desses da-
dos. Em municípios afastados dos grandes centros, como a maioria dos analisados, é
57
comum que depósitos sejam realizados não diretamente em agências, mas através de
correspondentes bancários. Tais correspondentes são estabelecimentos não-bancários
ligados a agências muitas vezes localizadas em municípios diferentes. Assim, o vo-
lume de depósitos realizados em agências bancárias do município pode ser muito
diferente do volume de depósitos realizados por moradores do município, que seria
a variável mais adequada para o presente estudo.
Volume de Depósitos de Pessoas Físicas O efeito no volume de depósitos bancá-

rios de pessoas físicas 1 é mostrado na figura A.1a. Ele mostra um efeito negativo e
crescente em magnitude. Seis anos após a construção da UHE, o efeito mediano é
uma queda de 27% nos depósitos de pessoa física.
Volume de Depósitos de Pessoas Jurídicas O volume de depósitos de pessoas ju-

rídicas recebe impacto positivo até quatro anos após a intervenção. O pico se dá 2
anos após o início da construção quando o efeito médio alcança 27% e o mediano 5%.
Após isso o efeito diminui. Seis anos após a intervenção, conclui-se que a construção
de UHEs causou uma queda média de 9% nos depósitos.
A.2 Efeitos nas Contas Municipais
Na seção 2.3 desse estudo, foram mostrados os efeitos da construção de UHEs em

receitas e despesas do governo municipal. Esse apêndice apresenta os efeitos nessas
variáveis em termos per capita. Os resultados podem ser vistos na figura A.3. Como
são muito semelhantes aos encontrados anteriormente, decidiu-se por excluí-los da
parte principal do texto a fim de torná-lo mais direto.
Também reservamos para o apêndice os resultados referentes a despesas como pro-

porção do PIB municipal e das receitas correntes do município.2 Tais resultados
podem ser vistos na figura A.4. De forma geral, os efeitos da construção de UHEs
nos gastos em saúde e educação, relativamente a PIB e receitas, oscila entre zero e
levemente negativo (até -10%).
1 Mais especificamente, total de depósitos de pessoas físicas, medido em reais.

2 Mais despesa despesa
especificamente, estudamos as variáveis PIB e receitacorrente .
58
A.3 População Masculina: proporção na população ge-
ral e efeitos específicos em saúde e segurança
Nessa seção, reanalisamos algumas das variáveis de saúde e violência estudadas na

parte 2, dessa vez com foco na população masculina. Dado o perfil dos empregos
gerados pela construção de UHEs, é esperado que as cidades afetadas tenham rece-
bido um grande influxo de homens. Tal expectativa justifica o estudo da evolução
da fração de cada gênero na população e de como tal evolução impacta de forma
diferente cada gênero.
Razão de Homens por Mulheres A figura A.2a mostra como a construção de UHEs
modificou a razão de homens por mulheres. Tal variável é definida como a divisão
do número de habitantes do sexo masculino dividido pelo número de habitantes do
sexo feminino e é igual a 1 quando a proporção de homens e mulheres é igual na
população. É possível observar que, após a construção, essa razão sobe de forma
consistente porém tímida no município típico. De forma que, 6 anos após a inter-
venção, o efeito mediano é menor que 0,01. Essa é uma das poucas variáveis onde a
dispersão dos efeitos é relativamente pequena e mesmo o percentil 75 dos efeitos não
alcança 0.03. Para efeito de comparação, a média dos municípios de nossa amostra é
de 1,04 homens por mulher, com desvio padrão de 0,08.
Óbitos Masculinos por 100 mil Habitantes A figura A.2b mostra o impacto da
construção de UHEs na taxa de óbitos masculinos. Dada a maior exposição dessa
população a trabalhos perigosos, homicídios e mortes por causas externas em geral,
pode-se esperar que eles sejam atingidos de forma desigual. Porém, assim como no
caso da população em geral, o efeito mediano na taxa de óbitos oscila levemente
acima de zero e atinge um pico de 27, quatro anos após o início da construção.
Homicídios Masculinos por 100 mil habitantes A figura A.2c mostra o impacto
da construção nos homicídios contra homens. Os efeitos medianos são baixos e li-
geiramente abaixo de zero em todo o período. Os homicídios contra homens sofrem
efeitos similares aos da população como um todo, porém mais intensos. Tal fato
59
sugere que o impacto das hidrelétricas foi concentrado majoritariamente nessa po-
pulação. Os efeitos medianos são ligeiramente negativos em todo o período, em
torno de -3. No entanto, os efeitos médios são consistentemente positivos, influen-
ciados pelos outliers. Durante a maior parte do período estudado, um quarto dos
municípios sofreu efeito superior a +20.
A.4 Luzes Noturnas
Essa seção analisa dados referentes a iluminação noturna. A análise da evolução

dessa variável pode ser vista como uma forma alternativa de estudar os impactos de
hidrelétricas em população e renda (Henderson et al., 2012). Como a parte princi-
pal deste relatório já aborda exaustivamente essa temática, decidiu-se que repetir a
análise com dados diferentes seria redundante e optou-se por mantê-la no apêndice.
Os dados de iluminação noturna foram compilados pela NASA e descritos em Hen-

derson et al. (2012). A variável estudada é a iluminação média dos pixels localizados
no interior de cada área analisada. Tal variável pode assumir valores entre 0 (ne-
nhuma iluminação) e 63. No Brasil como um todo, a iluminação média é 0.63 e 1,5%
do território tem iluminação superior a 10. O valor máximo, 63, é encontrado apenas
em grandes centros, como São Paulo. Na Holanda, país rico e densamente povoado,
a iluminação média é 23 e 70% do território tem iluminação superior a 10.
As unidades analisadas nessa seção foram construídas de forma idêntica as de des-

florestamento, ou seja, a partir de círculos concêntricos em torno das UHEs3 e são
empregados para determinar o efeito destes projetos em seu entorno. Assim, a aná-
lise dos resultados é feita de forma semelhante a empregada na parte 3 desse relató-
rio.
A figura A.5 mostra os resultados por UHE4 para os buffers de 15 quilômetros. Para
cada UHE, a figura mostra a evolução da intensidade da iluminação durante a noite
3 O critério para escolha das UHEs foi idêntico. Porém, nem todas as UHEs cujos resultados foram
apresentados no texto principal são analisadas neste apêndice. O motivo para isto é que problemas
computacionais impediram o cálculo dos efeitos causados pela UHE Santo Antônio do Jari (para
todas as distâncias) e Colíder para distância inferior a 15km.
4 A Usina de Santo Antônio não pôde ser incluída pois sua área imediatamente ajacente tinha
a luminosidade no nível máximo permitido pela escala utilizada, o que inviabiliza a aplicação do
método escolhido.
60
nesses locais. É possível notar como a construção de UHEs impacta positivamente tal
variável, sugerindo um aumento populacional e de infra-estrutura elétrica no local.
Provavelmente ligados às atividades dos canteiros de obras. No entanto, cabe notar
que, na maioria das localidades, esse impacto se mantém 4 anos após o início das
construções. A magnitude dos efeitos é em geral acima de 1 e chega a ultrapassar 6,
no caso de Jirau.
A figura A.6 mostra os mesmos resultados para as áreas entre 15 e 40 quilômetros

do ponto da UHE. Contrário ao caso anterior, os efeitos são em sua maioria muito
próximos de zero. As únicas exceções são Santo Antônio, Belo Monte e Jirau, que
registram efeitos próximos de 2.
Finalmente, a figura A.7 mostra os resultados para as áreas entre 40 e 100 quilômetros
de distância da UHE. Confirmando a tendência encontrada no parágrafo anterior,
encontramos efeitos ainda menores a essa distância. De todos os efeitos, o maior
encontrado foi para a UHE de Santo Antônio: 0,5.
Vistos como um todo, os padrões encontrados para luzes e desmatamento apontam

para duas conclusões. A primeira é que, o impacto causado pela construção de hi-
drelétricas é territorialmente restrito e raramente alcança localidades a mais de 40km
de distância. Segundo, que desmatamento e iluminação parecem estar ligados. Para
ambas as variáveis, as UHEs de Santo Antônio e Jirau são as mais afetadas. Dada
a pequena amostra, é possível que isso seja apenas coincidência. Porém, é possível
que tais impactos tenham as mesmas causas, como, por exemplo, um influxo popu-
lacional ou uma determinada escolha de métodos de construção. Tal possibilidade
sugere que um estudo mais detalhado dessas duas UHEs seria de grande utilidade
a fim de se entender melhor a causa da relação entre essas UHEs, desmatamento e
iluminação.
61
Figura A.1 Efeitos Percentuais sobre Volume de Depósitos Bancários
(a) Depósitos de Pessoa Física (b) Depósitos de Pessoa Jurídica
.5 1
0
-.5
-1
-1
62
-1.5
-2 -2
-5 0 5 -5 0 5
sintético.
Figura A.2 Efeitos sobre Indicadores de Saúde, População Masculina
(a) Razão de Homens por Mulheres (b) Óbitos Masculinos por 100 mil Habitantes
.03
150
.02 100
.01 50
0
0
-50
-.01
-100
-.02
-5 0 5 -5 0 5
63
(c) Homicídios Masculinos por 100 mil Homens
40
20
-20
-5 0 5
Anos a partir da Construção
p25 e p75 mediana média
Figura A.3 Efeitos Percentuais sobre Receitas e Gastos do Governo Municipal ( Per Capita)
(a) Receitas Correntes Per Capita do Município (b) Receitas de Impostos Per Capita do Município
.15
1
.1
.05 .5
0
0
-.05
-.1 -.5
-5 0 5 -5 0 5
(c) Gastos em Saúde Per Capita (d) Gastos em Educação Per Capita
64
.2
.2
.1
.1
0 0
-.1 -.1
-.2
-.2
-5 0 5 -5 0 5
Figura A.4 Efeitos Percentuais nos Gastos em Saúde e Educação Como Proporções da Receita Corrente e PIB
(b) Gastos em Educação como Proporção da Receita Cor-
(a) Gastos em Saúde como Proporção da Receita Corrente rente
.2 .2
.1
.1
-.1
-.1
-.2
-5 0 5 -5 0 5
65
(c) Gastos em Saúde como Proporção do PIB (d) Gastos em Educação como Proporção do PIB
.4 .2
.1
.2
0
0
-.1
-.2
-.2
-.4 -.3
-5 0 5 -5 0 5
Figura A.5 Impacto da Construção de UHEs em Luzes Noturnas: Bacias 1–3, Buffer 15km
São Salvador Estreito Dardanelos
6
4
2
0
Jirau Belo Monte Ferreira Gomes
6
4
2
66
0
-5 0 5
Colider Teles Pires
6
4
2
0
-5 0 5 -5 0 5
Figura A.6 Impacto da Construção de UHEs em Luzes Noturnas: Bacias 1–3, Buffer 15-40km
São Salvador Estreito Dardanelos Santo Antônio

3
Jirau Belo Monte Ferreira Gomes Colider

3
67
0
-5 0 5 -5 0 5 -5 0 5
Teles Pires
3
0
-5 0 5
Figura A.7 Impacto da Construção de UHEs em Luzes Noturnas: Bacias 1–3, Buffer 40-100km
São Salvador Estreito Dardanelos Santo Antônio

1
.5
Jirau Belo Monte Ferreira Gomes Colider

1
.5
68
0
-5 0 5 -5 0 5 -5 0 5
Teles Pires
1
.5
0
-5 0 5
Tabela A.1: Estatísticas Sumárias
Todas as Bacias Bacias da Região

Amazônica
Donor Pool Tratados Donor Pool Tratados
Luzes em 2000
15 km 1.58 1.28 0.13 1.75
(3.8) (2.7) (0.4) (4.5)
15–40 km 1.64 0.97 0.20 0.13
(3.4) (1.3) (0.8) (0.2)
40–100 km 1.40 0.97 0.15 0.12
(2.8) (1.3) (0.6) (0.3)
Número de UHEs 259 35 109 11

Bacia do Rio Amazonas 71 8 71 8
Bacia do Rio Tocantins 29 2 29 2
Bacia do Atlântico Norte 9 1 9 1
Bacia do Rio São Francisco 25 1
Bacia do Atlântico Leste 35 4
Bacia do Rio Paraná 76 11
Bacia do Rio Uruguai 1 5
Bacia do Atlântico Sudeste 13 3
Notas: A unidade de análise é um buffer centrado em uma UHE. a
69
Apêndice B
teste
A Figura 1 mostra os casos dos municípios de Filadélfia(TO) e Estreito(MA), que

ilustram bem essas duas tendências. Ambas são afetadas pela UHE de Estreito. O
efeito da UHE no município de Filadélfia segue o padrão mediano do grupo de mu-
nicípios estudados. O PIB per capita do município aumenta em 13% em relação ao
seu município de controle 2 anos após o início da construção, mas esse efeito é de
-3% cinco anos depois. Já o efeito da UHE no município de Estreito representa um
caso mais extremo; o PIB per capita aumenta em mais de 50% 3 anos após o início
da construção e, apresentando o mesmo padrão em U-invertido, registra um efeito
negativo de 11% 5 anos depois.
O efeito da construção de hidrelétricas na taxa de homicídios parece ser bastante

contexto-dependente e variável em intensidade. Tal variável é uma das poucas em
que o efeito mediano tem sinal inverso ao efeito médio. A Figura 2 mostra que o
efeito da UHE Barra do Braúna no município de Cataguases(MG) segue o padrão
mediano do grupo de municípios estudados. Comparado com sua contraparte sin-
tética, a taxa de homicídios do município registra queda de 5 homicídios por cem
mil habitantes por todo o período estudado. Já o efeito da UHE Mauá no municí-
pio de Ortigueira(Paraná) representa o extremo contrário; a sua taxa de homicídios
permanece consistentemente acima da registrada em sua contraparte sintética. Em
alguns anos, essa diferença ultrapassa 20 homicídios por cem mil habitantes.
A Figura 3 mostra os casos dos municípios de Antonio Prado(RS) e Águas de Cha-

pecó(SC), em relação ao efeito de UHEs na arrecadação municipal de impostos. O
70
efeito da UHE Castro Alves em Antônio Prado segue o padrão mediano do grupo
de municípios estudados. A arrecadação do município aumenta em 40% em rela-
ção ao seu município de controle 3 anos após o início da construção, mas esse efeito
é de apenas 3% cinco anos depois. Já o efeito da UHE Foz Chapecó no município
de Águas de Chapecó representa um caso mais extremo; a arrecadação de impostos
chega a ser 9 vezes maior do que em sua contraparte sintética 3 anos após o início da
construção (a aproximação usual de logaritmos para níveis não funciona muito bem
para diferenças tão grandes nos logaritmos) e, apesar do padrão em U-invertido,
permanece em 3 vezes maior 5 anos depois.
A Figura 4 mostra como os efeitos em densidade da rede de água podem diferir

entre municípios. O efeito da UHE Baguari no município de Alpergata(MG) segue
o padrão mediano do grupo de municípios estudados. A densidade de sua rede
de distribuição de água diminui em 1% em relação ao seu município de controle 5
anos após o início da construção. Já o efeito da UHE Barra Grande no município de
Capão Alto(SC) representa um caso mais extremo. Estima-se que, caso a UHE não
fosse construída, a densidade de sua rede de distribuição de água cresceria 25%, ao
invés de ficar estagnada como de fato ocorreu.
A Figura 5 mostra os casos dos municípios de Ibirama(SC) e Palmeira do Tocan-

tins(TO), que ilustram bem as duas tendências no efeito sobre a receita corrente. O
efeito da UHE Salto do Pilão no município de Ibirama segue o padrão mediano do
grupo de municípios estudados. A receita corrente do município aumenta em 10%
em relação ao seu município de controle 2 anos após o início da construção, mas
esse efeito é praticamente zero cinco anos depois. Já o efeito da UHE Estreito no
município de Palmeira do Tocantins representa um caso mais extremo; suas receitas
correntes chegam a ser cinco vezes maiores do que as de seu contrafactual. Após
atingir esse pico, a diferença diminui mas, cinco anos após a construção, o efeito
estimado ainda é de mais de 20%.
A Figura 6 mostra os casos dos municípios Apiuna(SC) e Serranópolis(GO), que ilus-

tram bem essas duas tendências. O efeito da UHE Salto do Pilão no município de
Apiuna segue o padrão médio do grupo de municípios estudados. O emprego for-
mal no município aumenta em mais de 30% em relação ao seu município de controle
3 anos após o início da construção, mas esse declina para menos de 10% cinco anos
depois. Já o efeito da UHE Espora no município de Serranópolis representa um caso
71
mais extremo; ele aumenta continuamente durante quase todo o período, ultrapas-
sando 40% cinco anos após a construção.
72
Figura B.1 Efeitos Percentuais sobre PIB per capita
(a) (b)
Filadelfia Estreito
2.5 2.5
2 2
1.5 1.5
73
1 1
-5 0 5 -5 0 5
Anos a partir da construção Anos a partir da construção
Município Afetado Município Sintético Município Afetado Município Sintético
Figura B.2 Efeitos sobre a taxa de homicídio
(a) (b)
Cataguases Ortigueira
15 60
10 40
74
5 20
0 0
-5 0 5 -5 0 5
Figura B.3 Efeitos Percentuais sobre a receita de impostos
(a) (b)
Antonio Prado Aguas de Chapeco

1
1
.5
0
75
0 -1
-.5 -2
-5 0 5 -5 0 5
Figura B.4 Efeitos Percentuais sobre a densidade da rede de distribuição de água
(a) (b)
Alpercata Capao Alto

.16 .3
.14
.2
.12
76
.1
.1
.08 0
-5 0 5 -5 0 5
Figura B.5 Efeitos Percentuais sobre a receita corrente
(a) (b)
Ibirama Palmeiras do Tocantins

3.8
3
3.6
2.5
3.4
77
3.2
2
3
-5 0 5 -5 0 5
Figura B.6 Efeitos Percentuais sobre emprego formal
(a) (b)
Apiuna Serranopolis
9
7
8.5
6.5
78
7.5
5.5
7
-5 0 5 -5 0 5
sintético.

CPI Estudo Efeitos-Locais-de-hidreletricas No Brasil

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

CPI Estudo Efeitos-Locais-de-hidreletricas No Brasil

Enviado por

Direitos autorais:

Formatos disponíveis

ESTUDO

Juliano Assunção Dimitri Szerman Francisco Costa

A construção de novas usinas hidrelétricas (UHEs) é tema frequente de debates que

O objetivo deste estudo é avaliar de forma sistemática os efeitos locais da constru-

1 Kemenes et al. (2011)

Os resultados da primeira parte do estudo apontam para três grandes padrões. Em

O terceiro padrão é a grande dispersão de efeitos. Para a maioria dos indicadores,

No entanto, os resultados apontam para efeitos heterogêneos. Enquanto a constru-

Avaliar os efeitos da construção de uma UHE impõe desafios metodológicos impor-

Estudos de avaliação do impacto de intervenções de projetos de infraestrutura mui-

1A utilização de logaritmos nos permite a interpretação percentual de diferenças. Assim, se a

Filadélfia Filadélfia antes Filadélfia Média da região Norte

O método de diferenças-em-diferenças é uma melhora substancial em relação às

O método de controle sintético possui virtudes e limitações. No lado positivo, o

Na figura, pode-se observar que a Filadélfia sintética reproduz de maneira bastante

A hipótese de que a diferença entre o município estudado e sua contraparte sintética

Filadélfia Filadélfia sintética

Como forma de avaliar a confiabilidade do método de controle sintético, a literatura

Cabe lembrar que o método de controle sintético tem aplicabilidade reconhecida

Indicadores Econômicos e Sociais

2.1 Universo de Análise e Donor Pool

O universo de análise é composto pelos municípios que satisfazem quatro condições:

Os 82 municípios que constituem o foco desse estudo estão distribuídos em 13 esta-

População Os dados anuais de população para 1999–2013 são obtidos do IBGE,

Datasus – Sistema de Informações de Mortalidade Uma das fonte de dados usada

Datasus – Sistema de Informações Hospitalares A segunda fonte de dados é o

Sistema Nacional de Informação de Saneamento O Sistema Nacional de Infor-

As estimativas são obtidas para cada um dos 82 municípios estudados – as figuras

Após os resultados principais dos impactos da construção de UHEs em indicadores

Efeitos Sobre o PIB e o Tamanho da População

Taxa de Crescimento do PIB Os efeitos da construção de UHEs no crescimento do

Efeitos Sobre a Atividade Econômica

Essa subseção apresenta a análise de medidas administrativas de atividade econô-

Números de CNPJs Ao contrário do encontrado para empregos, o número de em-

Empregos Formais: Construção A figura 2.7a mostra a evolução do efeito percen-

Empregos Formais: Saúde e Educação Na figura 2.7c são apresentados os efeitos

Empregos formais: Outros A figura 2.7d mostra o efeito da construção de UHEs

Despesas do município A figura 2.8c apresenta o efeito da construção de UHEs

2.3.3 Efeitos em Saúde e Violência

5 Os resultados dessa seção são parecidos para ambos os sexos.

Órgãos ambientais comumente condicionam o licenciamento de UHEs à ampliação

Para estudar os efeitos da construção de UHEs na infraestrutura de saneamento bá-

2.3.5 Heterogeneidade dos resultados: causas e importância

Para entendimento dos efeitos em bem-estar e escolha de políticas públicas relaci-

A Tabela 2.4 completa o conjunto de meta-análises ao avaliar os impactos em inter-

p25 e p75 mediana média p25 e p75 mediana média

p25 e p75 mediana média p25 e p75 mediana média

p25 e p75 mediana média p25 e p75 mediana média

p25 e p75 mediana média p25 e p75 mediana média

(c) Educação e Saúde (d) Outros

p25 e p75 mediana média p25 e p75 mediana média

p25 e p75 mediana média p25 e p75 mediana média

(c) Gastos em Saúde (d) Gastos em Educação

p25 e p75 mediana média p25 e p75 mediana média

p25 e p75 mediana média p25 e p75 mediana média

(d) Doenças Transmitidas por Mosquito: Internações por

p25 e p75 mediana média p25 e p75 mediana média

p25 e p75 mediana média p25 e p75 mediana média

Donor Pool Municípios Tratados

Numero de Municípios 2, 923 82

Variável Dependente Efeitos sobre o PIB Efeito sobre a

PIB Municipal em 2000 (log) −0.013 0.005 0.062∗∗ 0.063∗∗

R2 0.191 0.238 0.263 0.277