Faculdade de Ciências Econômicas

Universidade Federal de Minas Gerais

ECN034; ECN097 - Economia da Inovação e Desenvolvimento Regional

O Papel do Aprendizado Regional na Inovação e no

Aumento da Complexidade Econômica em Minas Gerais

Alex Penido de Mello

Diogo Demattos Guimarães

Belo Horizonte
2021
RESUMO

Este trabalho visa analisar o papel dos clusters de conhecimento no sistema de inovação de
Minas Gerais e o aumento da complexidade econômica. A tese é de que a relação entre
aprendizado regional e complexidade econômica favorecem ganhos de produtividade e de
diversificação local. O conhecimento gerado localmente é difícil de se difundir e é limitado pelas
barreiras geográficas ou técnicas tácitas, favorecendo a concentração do conhecimento em
clusters específicos. Nesse cenário, é de extrema importância a compreensão das dinâmicas
espaciais da produção de conhecimento em Minas Gerais e sua relação com a complexidade do
sistema produtivo do estado.

O trabalho está dividido em quatro partes. Na introdução buscamos estabelecer a relação entre
produção, conhecimento local e complexidade econômica, elucidado as principais peculiaridades
de se tratar a função de produção com elementos heterogêneos e não monetários como
determinantes da renda per capita. Na segunda parte, trouxemos a relação entre os clusters de
conhecimento e complexidade econômica, ressaltando a influência da localidade e do
conhecimento acumulado em habilidades específicas para a geração de novos produtos e
processos. Em seguida, traçamos um panorama de Minas Gerais a partir das regiões geográficas
intermediárias mineiras, correlacionando a produção científica com base na existência de
institutos de pesquisa de ensino superior, principais atividades econômicas, clusters de
conhecimento e empregos por setor. Por fim, as considerações finais nos levam a crer que Minas
Gerais, além de pouco complexa, tem aproveitado mal a produção científica, não agregando o
conhecimento gerado à produção econômica.

1. INTRODUÇÃO

O conhecimento sempre teve um papel central para o desenvolvimento do sistema econômico.

Essa relação se dá na medida em que acréscimos na produtividade científica e no capital humano
dos trabalhadores permitem que tecnologias sofisticadas sejam criadas e utilizadas para produzir
novos bens e serviços. (LAVARDE-ROJAS; CORREA, 2019). Em anos recentes, essa
associação entre o acúmulo de conhecimentos e o desenvolvimento da produção capitalista foi
ainda mais exacerbada devido ao aumento da competição entre países, tendo em vista a maior
integração dos mercados globais (DUNNING, 2002).

A ciência econômica oferece diversas medidas monetárias para se entender a produção de

determinada nação, sendo o Produto Interno Bruto (PIB), o Produto Nacional Bruto (PNB) e suas
variantes em termos per capita, uma das mais tradicionais. Esses agregados foram decisivos para
introduzir os modelos de crescimento de longo prazo. Solow identificou que a taxa de
crescimento de longo prazo da economia corresponde à taxa de acumulação dos fatores de
produção e do ao aumento da produtividade do trabalho, ou progresso tecnológico tecnológico
(SOLOW, 1956). A teoria criou uma série de linhas de pesquisa onde diversos autores tentaram
endogeneizar o progresso tecnológico (LUCAS 1988, ROMER 1990, JONES 1997, BARRO
1997), ou aplicá-la a níveis subnacionais e regionais (FIGUEREDO 2013).

Juntamente a isso, novos fatores foram adicionados para determinar o crescimento da renda per
capita de uma região como instituições; estrutura e estabilidade institucional; horizonte e
previsibilidade de políticas econômicas; propensão cultural para a colaboração; confiança;
economias de aglomeração; acesso e integração às cadeias globais de valor (ROOS, 2017,
ROBINSON; ACEMOGLU 2012).

Existem também alternativas não monetárias que cumprem o papel de caracterizar a produção e
crescimento de determinado local. Entre elas, o Índice de Complexidade Econômica (ICE),
desenvolvido por Hidalgo e Hausmann (2009), vem ganhando notoriedade nos últimos anos.

O estudo enfatiza a relação heterogênea dos fatores de produção, que resulta em diferentes
trajetórias possíveis do crescimento da renda per capita. Hidalgo e Hausmann apontam que as
capacidades produtivas conhecidas são determinantes para definir a especialização produtiva de
uma região. Nesse sentido, o conhecimento acumulado tem papel decisivo, tanto para a estrutura
produtiva da região, quanto para produção de novos conhecimentos. O path dependency
existente numa localidade garante uma variedade de conhecimentos acessíveis a um custo menor,
caso haja um estoque de habilidades similares, favorecendo uma especialização produtiva.

O ICE se fundamenta na ideia que a complexidade da economia de uma região é maior quando a
sua exportação é mais diversa e com poucos competidores. Por um lado, tal relação indica que o
desenvolvimento de novas habilidades é mais fácil quando estas estão próximas a habilidades já
conhecidas (relatedness). Por outro, produtos sofisticados, onde há poucos competidores,
garantem maior valor agregado à economia (ubiquity). O Atlas da Complexidade Econômica
aponta que, quando uma região consegue re-alocar sua produção para produtos economicamente
mais complexos há uma mudança estrutural levando à maior produtividade da economia. Tal
mudança é visualmente evidenciada pelo espaço produto. Esse espaço consiste num sistema de
pontos, onde cada item corresponde a uma atividade produtiva (ou cluster). Os ítens mais
periféricos são aqueles com pouca capacidade de integração a outros conhecimentos, e de baixa
complexidade. Na parte central ficam as atividades com alta possibilidade de agregar novos
conhecimentos, pois sua produção necessita ou interage fortemente com outras habilidades
produtivas.

A localidade, por sua vez, tem papel fundamental para estabelecer fluxos de conhecimento entre
os agentes econômicos. As atividades industriais possuem característica aglomerativa natural,
decorrentes de atividades industriais complementares ou recursos naturais, por exemplo.
Contudo, Audretsch e Feldman (1996) encontraram evidências de que a atividade inovativa
tende a se aglomerar nas indústrias cujos spillovers de conhecimento são decisivos para a
produção. Na visão dos autores, o conhecimento tem difícil transmissão e difusão, seus custos
são crescentes com a distância, e sua transmissão ocorre gradativamente entre trabalhadores com
habilidades semelhantes, mas com maior qualificação. Isso geraria a tendência de concentração
industrial em regiões com baixo custo de acesso à conhecimento novo. Nesse sentido, Balland e
Rigby (2016) demonstram empiricamente, para o caso dos Estados Unidos, que conhecimentos
complexos são produzidos em poucas localidades e são de difícil transmissão espacial.

Tais regiões são aquelas onde a aglomeração industrial é intensa, e, também, onde a presença de
externalidades positivas referentes ao acúmulo de conhecimento de terceiros é relevante e
acessível (AUDRETSCH; FELDMAN 1996). Os indicadores de inovação como P & D, trabalho
qualificado e pesquisa universitária foram estatisticamente significativos para explicar a
aglomeração produtiva . Os dados também sugerem que a propensão marginal a inovar é maior
onde os spillovers de conhecimento participam mais ativamente na produção do que a mera
existência de concentração industrial

Regiões mais inovadoras devem ser capazes de tanto absorver, quanto produzir ou reproduzir o
conhecimento. Nesse sentido, fluxos de informação se espalham mais facilmente se o estoque de
conhecimento disponível é facilmente acessível. Tal condição impõe que spillovers demandem
infraestrutura social capazes de absorver o conhecimento das localidades próximas, reproduzi-lo
e ampliá-lo. Por outro lado, tais spillovers demandam indústrias tecnologicamente intensivas em
P & D, que são capazes de aproveitar o conhecimento das proximidades para adequar tais
conhecimentos à sua base produtiva e criar novas tecnologias. Assim, a atividade inovativa tende
a reforçar a concentração espacial e de renda, principalmente em países em desenvolvimento,
como o Brasil, pois os spillovers de inovação ficam restritos a essas poucas localidades
(SANTOS; MENDES, 2021).

Dessa forma, é de suma importância a investigação da relação entre clusters de conhecimento,

inovação e complexidade econômica, mesmo que a nível estadual. Para tal, essa pesquisa será
dividida em três seções, além desta introdução. A segunda seção apresenta uma revisão de
literatura sobre a relação entre clusters de conhecimento e complexidade econômica. Em
seguida, a terceira seção expõe o estudo de caso referente à relação entre a estrutura econômica
dos principais centros urbanos de Minas Gerais e seus principais clusters de conhecimento. Por
fim, considerações finais são traçadas na quinta seção.

2. CLUSTERS DE CONHECIMENTO E COMPLEXIDADE ECONÔMICA

A literatura sobre complexidade econômica ainda é jovem. Contudo, de acordo com Hidalgo
(2021), avanços recentes em métricas relacionadas aos conceitos de relatedness e complexidade
contribuíram expressivamente para seu avanço. Em relação às métricas relativas ao primeiro
conceito, elas mensuram a afinidade global entre uma atividade e uma região específicas, ou
seja, elas se relacionam ao conceito de path dependency, na medida em que elas auxiliam na
previsão de quais atividades devem crescer em determinada região (HIDALGO, 2021). Além
disso, as métricas de relatedness se desdobram em vários componentes, sendo o conhecimento
específico de determinada região um deles. Dessa forma, entender as dinâmicas regionais de
produção e transmissão de conhecimentos é essencial para analisar quais as possibilidades de
diversificação econômica regional.

Nessa perspectiva, ainda segundo Hidalgo (2021), o estudo da complexidade econômica pode ser
entendido, de maneira geral, como uma continuação da teoria do crescimento endógeno. Essa
teoria sustenta que o crescimento econômico depende, essencialmente, do investimento em
conhecimento e de seus transbordamentos (ROMER, 1990). Porém, como discutido na
anteriormente, sabe-se que o conhecimento não é facilmente reproduzível ou difundível
(AUDRETSCH; FELDMAN, 1996), pois sua disseminação é limitada pela geografia, pelas redes
de comunicação e por fatores associados habilidades próximas as já conhecidas, isto é, ao
relatedness da região. Por conseguinte, a presença de determinada atividade carrega indícios do
conhecimento produtivo que essa região acumulou ao longo do seu desenvolvimento.

Além disso, segundo Schumpeter (1939), as regiões estão sujeitas a um infindável processo de
destruição criativa, identificado como o principal catalisador do desenvolvimento econômico.
Tais processos contribuem para maior produtividade firmas ao mesmo tempo que movem a
economia para a produção de bens mais sofisticados e com maior valor agregado. Dessa forma,
de acordo com Neffke, Henning e Boschma (2001), as regiões dependem, no longo prazo, das
suas habilidades em criar e atrair novas indústrias para compensar a destruição de indústrias
obsoletas. Ou seja, a diversificação, que é uma das dimensões capturadas pelo Índice de
Complexidade Econômica, é indispensável para o desenvolvimento regional.

Assim, sabendo que a complexidade econômica reflete a diversificação regional, que, por sua
vez, é influenciada pelos conhecimentos específicos acumulados, a consequência lógica dessa
associação é que a complexidade econômica depende, em algum grau, da produção científica de
determinado local. Nesse sentido, Lavarde‑rojas e Correa (2019) avaliaram empiricamente essa
relação, por meio de análises econométricas aplicadas a dados em painel de 91 países, entre 2003
e 2014. As variáveis escolhidas para representar a produtividade científica foram o número de
publicações científicas per capita em diferentes áreas do conhecimento e o Revealed
Comparative Advantages Index (RCA), que leva em consideração o peso de cada país nas
publicações em determinada área. Para retratar a complexidade econômica, o IEC foi
considerado como variável dependente.

Lavarde‑rojas e Correa (2019) desenvolvem um modelo econométrico que leva em conta

variáveis de controle, ou seja, outros fatores que influenciam o IEC além da produtividade
científica, para cada país. Além disso, para capturar efeitos temporários que também influenciam
a dinâmica do IEC, o modelo conta com uma série de dummies. Quanto às conclusões, os autores
identificam que, apesar de alguma variação entre os resultados das regressões levando em
consideração as publicações per capita e o RCA, as áreas do conhecimento que possuem maior
poder explicativo no IEC dos países estão relacionadas à engenharia e às ciências básicas e
exatas, como por exemplo bioquímica, engenharias, física, ciência de materiais e matemática. Os
autores identificaram que a renda per capita, o capital humano e as inovações (mensuradas em
termos de patentes per capita) se relacionam com o IEC de forma positiva e estatisticamente
significativa.

Outro resultado interessante do estudo diz respeito à estabilidade da relação entre produtividade
científica e complexidade econômica, levando em conta diferentes estratos de renda dos países.
Aplicando a mesma regressão para os dados estratificados de acordo com a renda de cada país,
Lavarde‑rojas e Correa (2019) identificaram que a relação é estatisticamente significativa
somente para países ricos. Para explicar esse resultado, os autores evocam os problemas
institucionais dos países em desenvolvimento, que impedem a eficiência no financiamento e na
comercialização da pesquisa científica. Essas hipóteses estão de acordo com a análise de Trippl,
Sinozic e Smith (2015), que argumentam que o contexto institucional de políticas públicas
influencia em como a produção de conhecimento científico se traduz em desenvolvimento
regional.

Além dos fatores monetários mais comuns, como estabilidade macroeconômica, abertura e
integração comercial, e qualidade institucional, Roos (2017) ressalta a importância de fatores
não pecuniários para explicar diferenças na produtividade econômica. O autor traça uma relação
entre capital intelectual e atividade produtiva indicando que a geração de valor se eleva caso a
economia tenha competitividade para além-preço no mercado global. Tal situação requer
inovação contínua para garantir produtos únicos que tenham alta demanda no mercado mundial.

A existência dessas atividades dependem de uma confluência de ambiente interno à firma, capital
intelectual dos agentes, entendimento dos shareholders de ganhos não monetários, interação
entre instituições, governos, e firmas estabelecendo uma complexidade das interações sociais e
troca sinérgica de informações e experiências entre agentes. A teoria da complexidade
econômica garante que o crescimento do estoque de conhecimento determina a fabricação de
novos produtos e garante que os recursos escassos sejam usados da maneira mais eficiente,
favorecendo o crescimento econômico. Dessa forma, um alto nível de complexidade econômica
é resultado da existência de competitividade não monetária entre as firmas (ROOS 2017).
3. ESTUDO DE CASO: CLUSTER REGIONAIS DE CONHECIMENTO E
COMPLEXIDADE ECONÔMICA EM MINAS GERAIS

A nível nacional, o Índice de Complexidade Econômica apresentou uma deterioração nas últimas
décadas, uma vez que o país saiu da 25ª posição entre 133 países, em 1995, para a 53ª posição
em 2019. Essa piora ocorreu devido à reprimarização da pauta de exportações do país, isto é,
uma pivotagem em direção aos produtos de menor complexidade. Tal mudança trouxe um grau
de especialização elevado da produção brasileira para bens agrícolas e minerais como indicado
pelo espaço-produto brasileiro.

Fonte: Atlas da complexidade

Essa tendência foi acompanhada a nível estadual. O estado de Minas Gerais tradicionalmente
ocupa posição de destaque na produção primária e no setor de transformação. Tais setores
estavam alinhados com o “boom das commodities" favorecendo a expansão desse setor. Contudo
vemos que os ganhos das exportações não trouxeram maior diversificação ou complexidade à
economia mineira, permanecendo estagnada ao longo dos anos.
Fonte: DataViva

Dessa forma, espera-se que a economia mineira reproduza essa dinâmica de baixa complexidade.
Para verificar essa hipótese, a ferramenta Metroverse, desenvolvida pelo Growth Lab da
Universidade de Harvard, oferece uma série de informações e visualizações gráficas em relação à
estrutura econômica de diversas cidades. O Metroverse oferece uma visão detalhada sobre os
padrões de diversificação das economias urbanas e, dessa forma, ele permite a análise de
questões relacionadas à quais os principais clusters de conhecimento e capacidades tecnológicas
que determinam as possibilidades futuras da economia de determinada cidade. As cidades
mineiras inclusas no Metroverse são: Belo Horizonte, Conselheiro Lafaiete, Divinópolis,
Governador Valadares, Ipatinga, Juiz de Fora, Montes Claros, Sete Lagoas, Passos, Patos de
Minas, Poços de Caldas, Pouso Alegre, Teófilo Otoni, Uberaba, Uberlândia e Varginha.

Para fins de organização, a análise da estrutura produtiva e dos clusters de conhecimento das
cidades mineiras será dividida de acordo com as Regiões Geográficas Intermediárias (Rgints)
estabelecidas pelo Instituto Brasileiro de Geografia e Estatística (IBGE), como indicado na
imagem abaixo. O Metroverse estabelece os principais clusters de conhecimento de acordo com
o emprego relativo de cada indústria, além da comparação desse peso relativo com outras
cidades similares em relação à população, considerando o ano de 2020. Ademais, a presente
análise pretende analisar, de maneira qualitativa, se as Instituições de Ensino Superior (IES)
presentes nas cidades observadas apresentam sintonia com as suas estruturas econômicas
urbanas.
 Imagem 1: Regiões Geográficas Intermediárias Mineiras

Fonte: Fundação Getúlio Vargas (FGV)

Começando pela Rgint de Belo Horizonte, que além da capital estadual, engloba a Região
Geográfica Imediata de Sete Lagoas, observa-se uma marcante diferença entre os clusters de
conhecimento dessas duas cidades. Em Belo Horizonte, os principais clusters identificados
concentram-se na indústria automotiva, nos serviços de mercado imobiliário e no setor de
transportes. Esses clusters refletem a estrutura econômica da cidade, visto que o setor de
comércio e transportes representa 23,3% do emprego na cidade, seguido pela indústria
manufatureira, com 16,6% do emprego. Apesar dessa importância relativa da indústria no
emprego, a análise da posição da estrutura econômica de Belo Horizonte ante cidades similares
em termos de população, revela que a presença relativa de indústrias tecnologicamente mais
avançadas, como por exemplo a indústria química e a produção de maquinários e computadores,
é menor.
Essa carência de indústrias de alta tecnologia advém, em algum grau, do baixo technological fit
de Belo Horizonte em relação a essas indústrias, ou seja, dada a estrutura econômica vigente na
cidade, há uma falta de sintonia entre as indústrias presentes e indústrias mais sofisticadas. Tendo
em vista que Belo Horizonte possui a maior instituição de ensino superior do estado e 5ª melhor
universidade do Brasil segundo o Academic Ranking of World Universities 2021, a Universidade
Federal de Minas Gerais (UFMG), infere-se que a transferência de conhecimentos entre
universidade e indústria não é efetivada em seu potencial máximo.

Já em Sete Lagoas, os principais clusters de conhecimento encontram-se nas indústrias

metalúrgica e madeireira. Similarmente à Belo Horizonte, o setor de transporte possui um
relevante peso na economia da cidade, representando 26,91% do emprego, assim como a
indústria manufatureira, que emprega 25,18% dos trabalhadores de Sete Lagoas. Na
desagregação da indústria manufatureira, destaca-se a indústria têxtil, que configura 4,13% do
emprego. Destaca-se que, apesar de Sete Lagoas possuir um campus da Universidade Federal de
São João del-Rei (UFSJ) no qual são ministrados bacharelados de agronomia, engenharia de
alimentos e engenharia florestal, o setor da agropecuária e da silvicultura não possuem grande
importância relativa na estrutura econômica da cidade.

No norte do estado, as Rgints de Montes Claros e Teófilo Otoni possuem seus principais centros
urbanos locais contemplados pelo Metroverse. Em Montes Claros, os principais clusters de
conhecimento estão ligados aos produtos madeireiros, aos serviços de logística e à indústria
têxtil. Assim como em Belo Horizonte e Sete Lagoas, o setor de comércio e transportes é
relativamente importante, assim como a indústria manufatureira, com destaque para a fabricação
têxtil que emprega 5,31% dos trabalhadores da cidade. Tendo em vista que a cidade é a principal
sede da Universidade Estadual de Montes Claros (Unimontes), que oferece formações em
diversas áreas, incluindo ciências exatas e tecnológicas, seria razoável esperar uma estrutura
econômica mais diversificada, principalmente no que diz respeito à diversificação da indústria.

Já em Teófilo Otoni, os principais clusters de conhecimento identificados relacionam-se à

mecânica de precisão, à vendas por atacado e à serviços de logística. Nesse sentido, destaca-se
que o principal setor na cidade é o de manutenção e reparo, que representa 7,31% do emprego na
cidade. Além disso, 2,34% dos trabalhadores estão ligados ao cluster da mecânica de precisão, o
que é relativamente significativo ante outras cidades com população similar. Visto que Teófilo
Ottoni possui um campus da Universidade Federal dos Vales do Jequitinhonha e Mucuri
(UFVJM), que conta com um Instituto de Ciência, Engenharia e Tecnologia na cidade, infere-se
que o cluster da mecânica de precisão beneficia-se, em algum grau, dos transbordamentos de
conhecimento dessa instituição.

Na porção leste do estado, Governador Valadares possui seus principais clusters de

conhecimento ligados aos produtos madeireiros e à venda e serviços automotivos. Quanto à
distribuição do emprego, os setores de comércio e transporte e a indústria manufatureira se
destacam. Dentro desse último grupo, a indústria alimentícia ocupa uma posição relevante, com
3,98% do emprego. Tendo em vista que a cidade possui um campus da Universidade Federal de
Juiz de Fora (UFJF), que conta com programas de mestrado e doutorado em Bioquímica e
Biologia Molecular, identifica-se uma baixa sintonia entre essa instituição de ensino e a estrutura
econômica de Governador Valadares.

Já em Juiz de Fora, apesar da cidade possuir uma estrutura econômica mais diversificada que
Governador Valadares, não identificam-se indústrias de alta tecnologia com peso relevante no
emprego da cidade. Por outro lado, 7,41% dos trabalhadores estão relacionados ao cluster de
serviços científicos e técnicos, o que releva, em algum grau, a importância da UFJF na
composição do emprego na cidade. Outros clusters de conhecimento importantes em Juiz de
Fora estão relacionados à miscelânea de serviços empresariais e serviços de eventos.

Ainda no leste do Estado, a cidade de Ipatinga possui seus principais clusters de conhecimento
ligados à indústria têxtil, aos produtos madeireiros e aos transportes. Isso se reflete na
composição do emprego na cidade, visto que 6,32% dos trabalhadores estão vinculados à
indústria têxtil e 4,80% ao transporte rodoviário. Além disso, os setores da construção civil e de
reparos e manutenções possuem um peso relevante, representando 8,23% e 9,27% do emprego
na cidade. Ipatinga não possui nenhuma universidade, apenas centros universitários e faculdades.
Nesse sentido, dado que as universidades possuem mais afinidade com atividades de pesquisa,
enquanto os centros universitários e faculdades focam mais na questão do ensino, a estrutura das
instituições de ensino superior da cidade não possui tanta capacidade de influenciar a sua
estrutura econômica, mas ela pode atender demandas específicas do mercado de trabalho da
região.
Em Conselheiro Lafaiete, que compõe a Rgint de Barbacena, os principais clusters de
conhecimento foram transporte, fundição e transformação de metais. Destaca-se a produção de
duráveis com cerca de 32% dos empregos, seguido do setor de serviços com 28%. Nesta região a
participação do capital humano é baixa. A universidade mais próxima é a UEMG - Barbacena, e
a região como um todo possui baixa penetração do ensino superior. Apenas o setor de serviços,
baseado em C&T - PD&I, conta com um volume educacional superior à média global.

O Rgint de Varginha é indicado no metroverse por Passos e Varginha. Em Passos os clusters

mais presentes são manufatura de vestuário, aparelhos eletrônicos e logística.A cidade conta com
a UEMG - Passos, mas não é suficiente para elevar a produtividade do trabalho. Apenas 28% de
todos empregos podem ser considerados como de alta qualificação.Varginha, por sua vez,
mantém a tradição da região na indústria de transformação com os clusters mais presentes de
materiais plásticos, confecção de chapas e rolos e metais diversos. Contudo, tais clusters não
requerem alta qualificação de mão de obra, que não chega à 30% do total da mão e obra,
indicando uma subutilização do conhecimento gerado pelas instituições de ensino superior
presentes na região - Universidade Federal de Alfenas (UNIFAL-MG) e uma unidade PUC
Minas.

Poços de Caldas e Pouso Alegre compõem o Rgint de Pouso Alegre. Em Poços de Caldas temos
a UNIFAL-MG, UEMG, PUC Minas, e Faculdade Pitágoras. Os principais conhecimentos locais
são produtos de madeira, mineração e produção de vidro. O setor de serviços corresponde a 34%
do total de empregos e podem ser classificados como empregadores de mão de obra qualificada,
concentrado em atividades de ensino-pesquisa, e serviços de saúde. Pouso Alegre tem como
principais atividades centrada em serviços automotivos, logística, e vendas no geral, essas
atividades concentram respectivamente 9,5%, 8% e 3,37% do total do emprego. A cidade possui
o centro universitário UNA e uma Faculdade Pitágoras. Novamente, o setor de serviços absorve
a maior parte da mão de obra qualificada.

Vale ressaltar que o Metroverse ainda é uma ferramenta nova e capta pouca área ao entorno da
cidade principal. Zonas mais afastadas não são contempladas pelas análises acima e podem ser
decisivas para o aproveitamento de transbordamentos de conhecimento da região. O fato do
Metroverse captar apenas cidades gera um efeito de composição onde a maior parte da produção
econômica se concentra em atividades tipicamente urbanas. Contudo, a tônica da análise não se
altera, a maior parte das regiões possuem universidades ou centros de pesquisa, mas o
conhecimento gerado é pouco difundido para a população. A maior parte da mão de obra está
alocada em atividades pouco rentáveis e de baixa qualificação. Os serviços mais qualificados, em
geral, estão ligados à produção científica, ao ensino, serviços de saúde e serviços financeiros.

4. CONSIDERAÇÕES FINAIS

A importância da complexidade econômica pode ser entendida por meio de uma analogia com o
conceito de biodiversidade, uma vez que um ecossistema biodiverso está mais habilitado para
absorver choques ambientais, como por exemplo eventos climáticos extremos ou pragas, sem
grandes perdas. Nesse sentido, uma economia diversificada consegue lidar melhor com os
processos de destruição criativa, uma vez que elas possuem uma ampla gama de habilidades que
as permitem atrair novas indústrias relacionadas a essas habilidades preexistentes.

Por sua vez, a aquisição dessas habilidades é, até certo ponto, condicionada pelos
transbordamentos de conhecimentos das instituições de ensino e pesquisa. Nesse sentido, a
integração entre a universidade e a estrutura econômica em seu entorno é essencial para o
desenvolvimento da complexidade econômica. Porém, como demonstrado por Lavarde-rojas e
Correa (2019), a relação entre produtividade científica e o Índice de Complexidade Econômica
se mantém estatisticamente positiva apenas em países ricos.

Nesse sentido, os padrões encontrados no estudo de caso vão de encontro à essa conclusão, uma
vez que, na maioria dos centros urbanos de Minas Gerais contemplados pela análise, observa-se
pouca sintonia entre suas respectivas instituições de ensino superior e estruturas econômicas, isto
é, os transbordamentos de conhecimento das instituições de ensino e pesquisa para as atividades
econômicas é limitado. Garcia et al. (2021) encontram evidências semelhantes ao analisarem a
estrutura produtiva de Minas Gerais e o grau de inovação na mineração. Apontando que o setor
mineral não foi capaz de gerar inovação interna ao mesmo nível de seus pares internacionais,
mesmo o setor obtendo os melhores resultados financeiro

A falta de complementaridade das instituições de ensino superior à atividade produtiva se soma à

baixa participação relativa da mão de obra qualificada no total de mão de obra das regiões
analisadas. É necessário alta aglomeração de firmas para que novas ideias sejam transbordadas
de uma firma a outra, mas é vital que haja alto número de empregados com conhecimento
elevado, para que possa “decodificar” o conhecimento universitário ou reproduzir o
conhecimento da concorrência.

Nas regiões analisadas, em grande medida, o trabalho mais qualificado não se ligava à atividade
manufatureira, ele se restringia a serviços de baixa penetração nas cadeias produtivas,
dificultando o benefício do conhecimento gerado na produção de terceiros.

Essa conclusão não está em conformidade com Santos et al. (2020), que encontram benefícios da
proximidade geográfica e cognitiva entre universidade e indústria no Brasil, utilizando dados de
projetos de colaboração em pesquisa entre instituições acadêmicas e empresariais. Essa
divergência pode estar relacionada à limitações metodológicas da presente pesquisa, visto que o
estudo de caso não permite conclusões estatísticas. Além disso, os dados do Metroverse
consideram uma área limitada no entorno dos centros urbanos, o que pode excluir zonas
determinantes para o aproveitamento dos transbordamentos de conhecimento.

As condições para uma diversificação futura na economia mineira não são simples. Uma vez que
a penetração das universidades na sociedade é baixa, os caminhos para ganhos de complexidade
são restritos no curto prazo e dependem de ganhos no capital humano.

Dessa forma, investimentos na qualificação da mão de obra, bem como maiores e melhores
interações entre agentes públicos e privados, principalmente em relação ao ensino superior são
vitais para que haja transbordamentos econômicos, com seu aproveitamento. Diversificação
produtiva e complexidade agem juntos como consequência da qualificação da mão de obra,
aglomerações, escalabilidade e ambiente institucional. Assim, a mudança estrutural da economia
em Minas Gerais só poderá ser alcançada com interações mais sólidas e duradouras entre os
agentes econômicos que compõem o espaço-produto mineiro, favorecendo a competitividade
monetária e não monetária, alcançada apenas com investimento contínuo em P & D.
REFERÊNCIAS BIBLIOGRÁFICAS

2021 Academic Ranking of World Universities: Disponível em:

www.shanghairanking.com/rankings/arwu/2021. Acesso em: 18 jan. 2022.

Atlas of The Economic Complexity. Disponível em: atlas.cid.harvard.edu/what-is-the-atlas.

Acesso em: 18 jan. 2022.

AUDRETSCH, David B., and Maryann P. Feldman. “R&D Spillovers and the Geography of
Innovation and Production.” The American Economic Review, vol. 86, no. 3, American
Economic Association, 1996, pp. 630–40.

Barro, Robert J. "Determinants of economic growth: A cross-country empirical study." (1996).

DUNNING, John H. (Ed.). Regions, globalization, and the knowledge-based economy. OUP
Oxford, 2000.

Mapa da Complexidade econômica em Minas Gerais disponível em:

http://dataviva.info/pt/build_graph/rais/4mg/all/all?view=Industry%20Space&graph=network.
Acesso em 21 fee. 2022

FIGUEIRÊDO, L.; RESENDE, G. M. . Crescimento Econômico em Minas Gerais: 1970-2010.

Cadernos BDMG, v. 22, p. 7-99, 2013.

Garcia, R., Santos, U. P. D., & Suzigan, W. (2021). Industrial upgrade, economic catch-up and

industrial policy in Brazil: general trends and the specific case of the mining industry. Nova

Economia, 30, 1089-1114.

GöRAN, Roos, "Knowledge management, intellectual capital, structural holes, economic

complexity and national prosperity", Journal of Intellectual Capital, 2017 DOI:
doi.org/10.1108/JIC-07-2016-0072

HIDALGO, César A. Economic complexity theory and applications. Nature Reviews Physics,
v. 3, n. 2, p. 92-113, 2021.
HIDALGO, César A.; HAUSMANN, Ricardo. The building blocks of economic complexity.
Proceedings of the national academy of sciences, v. 106, n. 26, p. 10570-10575, 2009.

JONES, Larry E.; MANUELLI, Rodolfo E. Endogenous growth theory: An introduction.

Journal of Economic Dynamics and Control, v. 21, n. 1, p. 1-22, 1997.

LISTA de instituições de ensino superior de Minas Gerais. Disponível em:

https://pt.wikipedia.org/wiki/Lista_de_regi%C3%B5es_geogr%C3%A1ficas_intermedi%C3%A
1rias_e_imediatas_de_Minas_Gerais. Acesso em: 14 fev 2022.

LISTA de regiões geográficas intermediárias e imediatas de Minas Gerais In: Wikipédia: a

enciclopédia livre. Disponível em:
https://pt.wikipedia.org/wiki/Lista_de_regi%C3%B5es_geogr%C3%A1ficas_intermedi%C3%A
1rias_e_imediatas_de_Minas_Gerais. Acesso em: 14 fev 2022.

Metroverse. Disponível em: https://metroverse.cid.harvard.edu/. Acesso em: 18 jan. 2022.

NEFFKE, Frank; HENNING, Martin; BOSCHMA, Ron. How do regions diversify over time?
Industry relatedness and the development of new growth paths in regions. Economic geography,
v. 87, n. 3, p. 237-265, 2011.

Ranking de transparência ativa de municípios do Estado de Minas Gerais: avaliação à luz da Lei

de Acesso à Informação. Cadernos EBAPE.BR, vol. 19, núm. 3, pp. 564-581, 2021 FGV EBAPE

2020 DOI: doi.org/10.1590/1679-395120200135.

ROBINSON, James A., and Daron Acemoglu. Why nations fail: The origins of power,

prosperity and poverty. London: Profile, 2012.

ROMER, Paul M. Endogenous technological change. Journal of political Economy, v. 98, n. 5,

Part 2, p. S71-S102, 1990.

SANTOS, Emerson Gomes et al. Spatial and non‐spatial proximity in university–industry

collaboration: Mutual reinforcement and decreasing effects. Regional Science Policy &
Practice, v. 13, n. 4, p. 1249-1261, 2021.
SANTOS, Ulisses P.; Scherrer Philipe M.: “Regional spillovers of knowledge in Brazil: evidence
from science and technology municipal indicators, Innovation and Development” 2021, DOI:
10.1080/2157930X.2021.1978723

SCHUMPETER, Joseph A. et al. Business cycles. New York: Mcgraw-hill, 1939.

World Development Indicators: World Bank database. Disponível em:

https://datacatalog.worldbank.org/dataset/world-development-indicators. Acesso em: 18 jan.
2022.

SOLOW, Robert M. "A contribution to the theory of economic growth." The quarterly journal of
economics 70.1 (1956): 65-94.

SUEYOSHI, Ana. "An Empirical and Theoretical Literature Review on Endogenous Growth in
Latin American Economics." Journal of the Faculty of International Studies, Utsunomiya
University 29 (2010): 35-48.

TRIPPL, Michaela; SINOZIC, Tanja; LAWTON SMITH, Helen. The role of universities in
regional development: Conceptual models and policy institutions in the UK, Sweden and
Austria. European Planning Studies, v. 23, n. 9, p. 1722-1740, 2015.