Uma Análise Espacial Exploratória dos Fluxos Populacionais Brasileiros nos Períodos

1986-1991 e 1995-2000

José Irineu Rangel Rigotti1

Idamila Renata Pires Vasconcellos2

1. Introdução

Os resultados dos censos demográficos brasileiros têm permitido um

conhecimento detalhado das características dos migrantes, do papel que a migração
exerce no crescimento populacional de localidades em várias escalas geográficas, bem
como das áreas de origem e destino dos fluxos. No entanto, algumas técnicas de
análise espacial ainda podem ser exploradas para complementar o estudo da
distribuição espacial dos fluxos de população. Em um país com as extensões territoriais
do Brasil, torna-se fundamental a visualização clara dos clusters de atração e repulsão
populacionais, bem como dos fluxos de população.
A identificação de padrões espaciais e testes de algumas hipóteses para a
explicação da distribuição da população brasileira é o objetivo principal deste artigo. Em
uma primeira análise exploratória, procurar-se-á identificar as principais áreas de
atração e repulsão demográficas nos níveis municipal e regional. A hipótese subjacente
é a de que as regiões metropolitanas continuam sendo as principais definidoras do
processo migratório, até porque são áreas que apresentam uma grande base
populacional. O papel das metrópoles na (re)distribuição espacial da população tem
sido objeto de estudo de vários demógrafos, como Cunha (1994), Matos (1995), e
Rigotti e Vasconcellos (2003), para citarmos apenas alguns exemplos.
Uma análise preliminar do crescimento demográfico no período 1991-2000
revelou que uma categoria particular de municípios – aquela com população entre 500
mil e 1 milhão de habitantes – apresentou um incremento demográfico muito acima da
média brasileira (Rigotti e Abreu, 2003). A partir do mapeamento destes resultados
constatou-se que a recente desconcentração demográfica do país é relativa, uma vez

1
Professor do Programa de Pós-graduação em Tratamento da Informação Espacial da PUC-Minas.
2
Mestre em Geografia pelo Programa de Pós-graduação em Tratamento da Informação Espacial da PUC-Minas.

1
que boa parte das localidades desta categoria de municípios está no centro-sul do
Brasil, compondo, muitas vezes, as próprias regiões metropolitanas.
No entanto, uma hipótese complementar é a de que a geografia da população
brasileira é marcada por diferentes padrões espaciais: regiões metropolitanas mais
antigas continuam funcionando como receptoras de migrantes, embora com perdas
populacionais em seus núcleos (a capital) em favor do entorno. Por outro lado, pólos
regionais mais recentes e dinâmicos, provavelmente atrairão população das áreas
circunvizinhas – aliás, parte destes pólos está na categoria de municípios entre 500 mil
e 1 milhão de habitantes. Está implícito um fenômeno demográfico conhecido, isto é, as
pessoas tendem a migrar para as áreas mais próximas, pelo menos em uma primeira
etapa.
Se a análise espacial em nível municipal permitirá uma localização bem
detalhada das principais áreas de atração e repulsão, por outro lado, provavelmente
não revelará muito sobre as regiões que mais se destacam, sob o ponto de vista da
redistribuição espacial da população, pois quanto mais desagregadas as unidades
geográficas menos visíveis se tornam as grandes tendências. Por isso, a escala
regional também será enfocada, a fim de se identificar quais são as regiões onde se
concentram as principais áreas de atração e repulsão de população no território
nacional.
Ainda que seja uma etapa fundamental para o entendimento da distribuição
espacial da população, a identificação dos clusters de saldos migratórios não revela a
estrutura espacial dos fluxos. Assim, um último objetivo deste artigo é delimitar o padrão
espacial dos fluxos populacionais brasileiros, em uma escala geográfica apropriada
para o realce das especificidades regionais, sem se perder em um nível tão
desagregado como os municípios.
Na próxima seção, descreve-se as informações censitárias que serão utilizadas e
os procedimentos metodológicos para o alcance dos objetivos. Através da aplicação de
um índice de autocorrelação espacial pretende-se identificar os clusters de atração e
repulsão populacionais, no nível de municípios e mesorregiões do IBGE;
posteriormente, comenta-se como a aplicação da análise fatorial permitirá a redução e
identificação dos principais fluxos de origem e destino entre as 137 mesorregiões do

2
país, entre os períodos 1986-1991 e 1995-2000. Os resultados são analisados nas
seções seguintes.

2. Metodologia

A seguir, descreve-se a metodologia que deverá ser utilizada para a análise

espacial dos fluxos populacionais. Dada a complexidade em se trabalhar com escalas e
unidades geográficas diferentes, dividiu-se a descrição em três etapas distintas, mas
complementares. A primeira descreve brevemente (uma vez que há uma literatura
ampla e detalhada a respeito) as formas de tratamento dos dados de migração que
serão empregadas. A subseção seguinte aborda como serão elaborados os clusters de
atração e repulsão populacional do país (nível municipal e regional). Posteriormente,
descreve-se a metodologia que será utilizada para a análise dos fluxos migratórios
entre mesorregiões do país – uma aplicação da análise fatorial.

2.1 Fonte de dados e tratamento da informação sobre fluxos populacionais

A principal fonte de informações será os microdados das amostras dos censos

demográficos de 1991 e 2000. Carvalho e Machado (1992), Ribeiro e Carvalho (1998),
Carvalho e Rigotti (1998), para citar alguns exemplos, têm procurado demonstrar a
riqueza analítica dos censos brasileiros para o tratamento das migrações, sugerindo
algumas formas de mensuração e análise deste fenômeno.
A disponibilidade das informações de data fixa3 por municípios, nos censos
demográficos de 1991 e 2000, oferece a possibilidade de se averiguar o papel das
migrações sobre o crescimento demográfico municipal (saldos migratórios líquidos e
taxas líquidas de migração), identificar as áreas de atração e repulsão de população,
assim como mensurar a intensidade das trocas migratórias dentro do país.

3
O termo “data fixa” refere-se ao município de residência cinco anos antes da data do recenseamento. Trata-se,
portanto, de técnica de mensuração direta das migrações. Vale lembrar que este conceito se difere daquele expresso
pelo termo “última etapa”, que se refere ao cruzamento das variáveis “tempo de residência no município” e “último
município de residência”, que não será utilizadas neste trabalho (Ver Carvalho e Rigotti, 1998).

3
 Neste trabalho, foram calculados os saldos migratórios para todos os municípios
e mesorregiões brasileiros e também se organizou duas matrizes de origem e destino,
por mesorregiões, referentes aos períodos 1986-1991 e 1995-2000.

2.2 Análise Exploratória de Dados Espaciais

Para a identificação de clusters de atração e repulsão, pretende-se verificar a

existência de autocorrelação espacial entre os saldos migratórios dos municípios (ou
mesorregiões) e seus vizinhos.
O software GeoDa 0.9.5-i, de autoria de Luc Anselin4, permite a verificação da
existência de correlação espacial entre as variáveis das unidades geográficas
estudadas5. O coeficiente univariado de autocorrelação espacial entre duas variáveis
aleatórias zk e zl pode ser definido como6:
mkl = z’k Ws zl (1),
onde zk = [xk - x k] / σk e zl = [xl - x l] / σl são padronizadas, possuindo média zero e
desvio padrão um, e Ws é uma matriz espacial de pesos, também padronizada. Esta
matriz define um “conjunto de vizinhos” para cada observação (com elementos
diferentes de zero para os vizinhos, zero para os outros), adotando zero na diagonal
principal, por convenção. Trata-se, assim, de uma matriz de contigüidade espacial. Este
conceito de autocorrelação espacial mensura em que medida o valor de uma variável
observada (saldo migratório, no caso) em uma dada unidade geográfica apresenta uma
associação sistemática (não aleatória) com o valor da variável observada nas
localidades vizinhas.
Em outras palavras, será testada a existência de associação linear entre o saldo
migratório no município i, (zik) e o correspondente “intervalo espacial” (spatial lag) para a

4
Todas as informações, incluindo a disponibilidade do software para download, podem ser encontradas no sítio
http://sal.agecon.uiuc.edu/geoda_main.php#about.
5
Os procedimentos a seguir servem tanto aos propósitos da análise univariada (autocorrelação espacial dos saldos
migratórios de uma unidade e de seus vizinhos, por exemplo), quanto bivariada (saldos de um município e renda
média dos vizinhos, por exemplo).
6
Esta seção sintetiza conceitos extraídos do trabalho “Visualizing Multivariate Spatial Correlation with Dynamically
Linked Windows”, de autoria de Luc Anselin, Ibnu Syabri e Oleg Smirnov. Este artigo, por sua vez, foi elaborado a
partir de trabalho anterior, Anselin et al. (2002), e foi acessado em 23/09/2002 na página
http://agec221.agecon.uiuc.edu/users/anselin/papers.html.

4
mesma variável, [Wzz]i.7 Neste caso, a padronização através das linhas da matriz de
peso espacial permite uma interpretação do “intervalo espacial” como sendo uma média
dos valores vizinhos. O produto cruzado pode também ser re-escalado dividindo-o pela
soma dos quadrados da variável. Generalizando, a contrapartida multivariada da
estatística de autocorrelação espacial, conhecida como índice de Moran pode ser
expressa da seguinte forma:
Ikl = z’k W zl / z’k zk (2)
Ikl = z’k W zl / n (3)
Sendo n o número de observações e W a matriz espacial de pesos padronizados
através das linhas (row-standardized). A soma de quadrados no denominador é
constante e igual a n, independentemente de zk ou zl utilizados.
A significância estatística pode ser testada através de permutações. Nestas, os
valores para uma das variáveis são realocados aleatoriamente nas diversas localidades
e a estatística é computada novamente. Neste trabalho, o nível de significância adotado
foi de 5%.
Há quatro tipos de associação espacial, dependendo da correspondência entre zk
e o “intervalo espacial” para zl. Relativamente à média, com os valores padronizados,
são possíveis duas classes de correlação espacial positiva – clusters espaciais (alto-
alto, baixo-baixo) – e duas classes de associação negativa – outliers espaciais (alto-
baixo, baixo-alto).
As contribuições individuais de cada observação podem ser estimadas através
da equação (2), como já havia sido proposto por Anselin (1995) no seu
desenvolvimento de um Indicador Local de Associação Espacial (LISA) – a versão local

∑
foi denominada Local Moran. Sua generalização multivariada pode ser definida como:
Iikl = zik Wij zjl (4), com as mesmas notações usadas anteriormente.
j

Esta estatística fornece uma indicação do grau de associação linear (positiva ou

negativa) entre o valor de uma variável em dada localidade i e a média de uma outra
variável nas localidades vizinhas.

7
A notação indica que o “spatial lag” para a locação i é o i-ésimo elemento do vetor Wzz. Para uma discussão
detalhada, incluindo o caso multivariado, ver Anselin (1988).

5
2.3 A Análise Fatorial para o estudo da estrutura espacial dos fluxos populacionais

Com a finalidade de se averiguar a existência de padrões espaciais nos fluxos de

população, a análise fatorial será empregada. As aplicações pioneiras da análise fatorial
para a identificação da estrutura espacial das migrações não são tão recentes. Por
exemplo, Clayton (1977a, 1977b, 1982) a empregou para examinar a estrutura das
migrações interestaduais e inter-regionais nos EUA, além do uso da análise fatorial de
ordem superior8 para a identificação de campos de migração hierarquicamente
relacionados.
Quando se trata de uma matriz de interação, há duas formas de organizar os
dados. No primeiro caso, as colunas referem-se às características das entidades, que
por sua vez são dispostas nas linhas (R-Mode). A transposta desta matriz seria um
tratamento na forma Q-Mode.9 A matriz origem-destino é um caso particular, no qual as
colunas referem-se aos destinos e as linhas às origens (ou vice-versa).
Cada lugar pode, então, apresentar dois papéis distintos no sistema migratório.
Quando esta matriz é submetida à análise fatorial, as cargas identificam os destinos
que têm origens comuns e os scores indicam as origens que são altamente
relacionadas com aqueles destinos. Portanto, os fatores identificam um grupo de
destinos, que recebem seus imigrantes de origens similares. Em um dado fator, os
scores identificam a associação relativa das origens com o grupo de destinos
previamente delimitados. Na forma Q-Mode, as cargas representam um grupo comum
de origens e os scores indicam os destinos.
As cargas e os scores que serão mapeados revelarão distintos padrões de
relações funcionais. Contudo, decisões arbitrárias terão que ser tomadas a fim de se
selecionar apenas as principais origens e destinos (a redução dos dados é, a propósito,
um dos resultados característicos da análise fatorial). Várias regras de decisões foram
gradativamente incorporadas pela literatura especializada, especialmente no campo da
psicologia. Rummel (1970), por exemplo, sugere a utilização apenas das cargas
maiores do que 0.5, e do maior score de cada fator. Um procedimento comum é

8
Higher order factor analysis, em inglês.
9
Ver Rummel (1970), capítulo 8, para uma descrição detalhada destas formas de tratamento dos dados em análise
fatorial.

6
considerar apenas o grupo (ou fator) no qual uma dada variável apresenta a maior
carga, como adotaremos neste artigo.10 Neste caso, os grupos são mutuamente
exclusivos.
Considerando-se as 137 mesorregiões do país, a matriz de interação dos fluxos
populacionais poderá ser altamente complexa, dificultando o delineamento satisfatório
dos fatores, pois vários destinos (as variáveis, no caso) poderão apresentar uma
correlação relativamente alta em mais de um dos fatores. Para superar este problema, o
procedimento adotado foi recorrer à rotação oblíqua, para a melhor identificação de
clusters de destinos com origens em comum (ou o contrário, clusters de origens com
destinos comuns). Como Rummel (1970) expôs em um dos mais completos trabalhos
de análise fatorial aplicado às ciências humanas, a rotação dos fatores iniciais maximiza
o ajuste relativo a cada cluster de variáveis (no caso, destinos no procedimento R-Mode
e origem no Q-Mode), quando a simples estrutura é empregada.
Também é importante diferenciar rotação ortogonal de rotação oblíqua. Na
primeira, os scores são linearmente independentes e não correlacionados; na segunda,
os scores terão alguma correlação. Neste artigo, optou-se pela rotação oblíqua, apesar
de apenas os fatores de primeira ordem serem apresentados.

3. O padrão espacial das principais áreas de atração e repulsão de população: os

municípios nos períodos 1986-1991 e 1995-2000

Nesta seção, procura-se mostrar como evoluiu o padrão espacial das principais
áreas de atração e repulsão populacional no Brasil, nos períodos 1986-1991 e 1995-
2000. Duas escalas diferentes complementam a análise: a municipal e a regional
(mesorregiões).
Na primeira, verificou-se a existência de autocorrelação espacial dos saldos
migratórios dos municípios do país. Como se trata de uma grande quantidade de casos
(4.491 e 5.507 nos anos de 1991 e 2000, respectivamente), não é de se surpreender
que relativamente poucos deles se sobressaiam no amplo território brasileiro (Figuras 1
e 2). No entanto, o padrão espacial do primeiro período é muito nítido, pois se sobressai

10
Ver, por exemplo, os trabalhos de Cristhopher Clayton citados anteriormente.

7
uma área contígua que cobre desde o estado de Goiás (excluindo o Distrito Federal), o
oeste e sudoeste de Minas Gerais, o interior de grande parte de São Paulo, e porções
dos litorais do Paraná e Santa Catarina. Percebe-se que o interior desta área é
caracterizado por clusters de municípios vizinhos com saldos migratórios positivos,
envoltos por um cinturão de municípios que apresentaram saldos migratórios negativos
(autocorrelação negativa). Sabendo-se que os fluxos populacionais tendem a se
materializar entre áreas mais próximas, não seria surpresa se estes locais estivessem
interagindo, tendo as áreas de saldos negativos como origens e as áreas de saldos
positivos como destino. Será na próxima seção, contudo, que se explicitará como os
fluxos se estruturam.
Além destas áreas, também se destacam: um conjunto de municípios no oeste
de Santa Catarina, formando um cluster de saldos negativos; alguns locais no estado
de Mato Grosso como receptores de população; o estado de Roraima com saldos
líquidos positivos em algumas localidades; uns poucos municípios isolados
apresentando saldos migratórios negativos nos estados do Pará e Amazonas, no Norte;
além de vários clusters de saldos líquidos negativos espalhados pelo interior do
Nordeste.
Portanto, observa-se, claramente, que o interior de São Paulo, perpassado por
um eixo de sentido norte-sul, que se estende de Goiás, passando pelo oeste mineiro e
alcançando o litoral sul do país, foi o principal cluster de atração populacional do Brasil.
Secundariamente, algumas áreas do Mato Grosso, e o extremo norte da Amazônia,
Roraima, despontaram como outra opção de destino.
Quando se analisam os clusters da figura 2, referente ao período 1995-2000
chama a atenção a grande dispersão, tanto das áreas de atração, quanto de repulsão.
Sem dúvida, na segunda metade dos anos 90, o padrão espacial tornou-se muito mais
fragmentado. Espalhados por todo o território nacional podem-se encontrar, inclusive,
as quatro categorias de autocorrelação. No entanto, quase que invariavelmente, os
aglomerados de municípios com saldos migratórios positivos significativamente acima
da média ocorrem nas regiões metropolitanas ou envolvem capitais.

8
 Figura 1 - Autocorrelação Espacial
Saldos migratórios dos municípios
do Brasil - 1986/1991

- Legenda
Autocorrelação Espacial
Não significativo

Alto-Alto
Baixo-Baixo
Baixo-Alto
Elaboração: José Irineu R. Rigotti
Alto-Baixo

690 345 0 690 Kilômetros

9
 Figura 2 - Autocorrelação Espacial
Saldos migratórios dos municípios
do Brasil - 1995/2000

- Legenda
Autocorrelação Espacial
Não significativo

Alto-Alto
Baixo-Baixo
Baixo-Alto
Elaboração: José Irineu R. Rigotti
Alto-Baixo

690 345 0 690 Kilômetros

10
 Em todo o litoral do país, encontram-se exemplos de metrópoles com o núcleo
(capital) apresentando saldo migratório negativo e entorno com saldos positivos
(autocorrelação negativa), como quase todo o Nordeste – Fortaleza, Natal, Recife,
Aracaju, Salvador; todas as capitais das regiões metropolitanas do Sudeste e mais os
municípios de Niterói, Santos, Jundiaí e Campinas; além de Curitiba e Porto Alegre, no
Sul – Florianópolis é o único exemplo de capital com saldo positivo e entorno também
com saldo positivo (autocorrelação positiva).
O Centro-Oeste, por sua vez, caracteriza-se por clusters de autocorrelação
positiva envolvendo o Distrito Federal e adjacências, bem como o entorno de Campo
Grande (apesar desta não ser significativa do ponto de vista estatístico); mas também
se encontram perdas nas capitais Cuiabá e Goiânia, com ganhos populacionais
significativos em suas vizinhanças. Vale ressaltar também que há uma aglomeração de
saldos líquidos negativos no extremo oeste do país, em Cáceres e Poconé, ao mesmo
tempo em que se verifica um importante cluster de saldos positivos envolvendo os
municípios de Lucas do Rio Verde, Sorriso, Vera e Cláudia, provavelmente refletindo o
poder de atração do agronegócio.
No Norte do país, também se encontra uma variedade de padrões espaciais.
Manaus, Boa Vista e Macapá são envoltas por clusters de saldos tanto positivos quanto
negativos (todas estas capitais apresentam saldos positivos, ainda que as duas
primeiras não sejam estatisticamente significativas); Belém, por sua vez, apresenta
saldo negativo, circundada por Ananindeua, com saldo positivo.
Além destas evidências, por todo o interior do país se observam aglomerados de
saldos negativos – especialmente no Nordeste –, além de muitas áreas com
autocorrelação negativa.

4. O padrão espacial das principais áreas de atração e expulsão de população: as

mesorregiões nos períodos 1986-1991 e 1995-2000

Se por um lado, a análise no nível de municípios permite uma visão detalhada do

padrão espacial das áreas de atração e repulsão populacionais, por outro, devido à

11
maior intensidade dos fluxos entre áreas mais próximas, evidentemente, a visualização
das migrações entre locais mais distantes fica prejudicada. Por isso, os mapas da figura
3 verificam a existência de autocorrelação espacial, desta feita, no nível de
mesorregiões.
No período 1986-1991, observa-se que os clusters de migração se localizam em
uma ampla faixa de sentido nordeste-sudoeste, na porção leste do território brasileiro.
Esta extensa área é divida ao meio na parte central de Minas Gerais. Ao norte,
destacam-se os clusters de saldos migratórios negativos da região Nordeste e do norte
de Minas; ao sul, nota-se uma região de saldos positivos, nas circunvizinhanças da
Região Metropolitana de São Paulo, chegando até o sul-sudoeste de Minas Gerais.
Estas foram as principais áreas de repulsão e atração populacional na segunda metade
dos anos 80 e início dos 90.
Percebem-se também mais dois clusters de perdas líquidas de população: um
deles engloba as porções leste do Paraná e Santa Catarina, e o outro fica no extremo
sul do Rio Grande do Sul. Portanto, até o início dos anos 90 havia locais que se
apareciam como áreas de repulsão populacional no Sul do país.
Em suma, chama a atenção o fato de que uma única área contígua se destacava
como grande região de atração populacional, isto é, um conjunto de mesorregiões que
circundavam a Região Metropolitana de São Paulo.
Na segunda metade dos anos 90, verifica-se praticamente a expansão do padrão
anterior, com a inclusão de novos clusters. O Distrito Federal e o sul do estado de
Goiás, se sobressaem como importante aglomeração de saldos migratórios positivos.
Além disso, ocorrem alguns focos de autocorrelação espacial negativa, como por
exemplo, duas mesorregiões no estado de São Paulo. As duas regiões vizinhas às
perdas populacionais da região metropolitana apresentaram ganhos líquidos de
população.

12
Figura 3

Autocorrelação Espacial Autocorrelação Espacial

Saldos migratórios das mesorregiões Saldos migratórios das mesorregiões
do Brasil 1986/1991 do Brasil 1995/2000

- Legenda
- Legenda
Autocorrelação Espacial Autocorrelação Espacial
Não significativo Não significativo
Alto-Alto Alto-Alto

Baixo-Baixo Baixo-Baixo
Baixo-Alto Baixo-Alto
Elaboração: José Irineu R. Rigotti Elaboração: José Irineu R. Rigotti
Alto-Baixo Alto-Baixo

750 375 0 750 Kilômetros 750 375 0 750 Kilômetros

13
 Aparentemente, o fenômeno da repulsão populacional extrapolou bastante
os limites territoriais da Região Metropolitana de São Paulo. Portanto, a hipótese
de que haveria autocorrelação negativa nas metrópoles mais antigas, com perdas
do núcleo em favor da periferia, se corrobora até mesmo no nível de mesorregião,
no caso de São Paulo.
Em relação aos antigos aglomerados de perdas líquidas de população, a
faixa leste, incorporando os estados do Paraná e Santa Catarina, não mais se
apresentou como área de repulsão, um indicativo de uma renovada força de
absorção de população na região Sul do país.

5. O padrão espacial dos fluxos de população: as mesorregiões nos

períodos 1986-1991 e 1995-2000

Apesar da grande vantagem de mostrar, sinteticamente, as principais áreas

de atração e repulsão do país, inclusive identificando como os saldos migratórios
positivos e negativos estatisticamente significativos se distribuem nas vizinhanças
das unidades geográficas enfocadas, uma das limitações da análise de
autocorrelação espacial é que ainda não se sabe de onde vieram os migrantes.
Apesar da maior probabilidade dos fluxos ocorrerem entre áreas mais próximas,
também é possível que haja fluxos de origens distantes, menos evidentes, mais de
acordo com a configuração de uma rede migratória do que com uma
regionalização, que exigiria contigüidade territorial. É por isso que a análise fatorial
foi aplicada, a fim de não se tomar como pressuposto (os fluxos se dão entre
áreas próximas), uma hipótese que pode ser testada.
No mapa da figura 4, percebe-se que os fluxos migratórios entre as
mesorregiões do país, durante o período 1986-1991, tiveram, como destinos
preferenciais, as regiões que contêm metrópoles ou capitais. A Região
Metropolitana de São Paulo é aquela que alcança as maiores distâncias,
destacando-se como grande centro de atração para uma população procedente,
em grande parte, do Nordeste. Portanto, as duas principais áreas de atração e

14
Figura 4

15
repulsão do país, claramente identificadas na seção anterior, mantêm estreitos
laços entre si, estruturando interações que chegam a superar até mesmo alguns
milhares de quilômetros.
Outros fluxos ainda podem ser observados no estado de São Paulo. A
mesorregião da metrópole atrai população das áreas limítrofes ao sul e ao norte; a
macrorregião metropolitana (contígua à metropolitana) recebe migrantes de seu
entorno imediato, mas é a mesorregião de Campinas que recebe imigrantes de
quase todo o oeste paulista, além do Sudoeste/Sul de Minas.
Excluindo estes fluxos de grande distância, com origem no Nordeste e
destino em São Paulo, quase todos os outros incluem mesorregiões que envolvem
capitais de praticamente todo o país. Neste caso, o pressuposto de que os
migrantes escolhem as regiões mais próximas como destino é bastante realista.
Além disso, poucas exceções não englobam uma capital. Duas mesorregiões
contíguas, o Norte do Mato Grosso (onde apareceram clusters de municípios com
saldos migratórios positivos, como o de Sorriso e Alta Floresta), e o Sudeste
Paraense, ultrapassavam as regiões de suas respectivas capitais como maior pólo
de atração de seus estados.
No período 1995-2000, a importância, como destino, das regiões contendo
as capitais e as metrópoles continuou prevalecendo na grande maioria dos fluxos
populacionais – em cada período, nada menos do que 23 dos principais destinos
(de um total de 29 e 28 para o primeiro e o segundo período, respectivamente)
eram compostos por tais regiões. Apesar do Sudeste Paraense continuar sendo
um dos poucos principais destinos que não continha a capital do estado, o Norte
do Mato Grosso cedeu este posto para o Centro-Sul Mato-Grossense, onde se
localiza Cuiabá.
É importante lembrar, contudo, que parte das mesorregiões que abrigam
metrópoles e capitais do país apresentaram saldos migratórios negativos. Este é o
caso das regiões metropolitanas do Rio de Janeiro e, principalmente, de São
Paulo, cuja perda líquida foi de quase 200 mil migrantes.
Os mapas da figura 4 não deixam dúvidas de que as áreas metropolitanas e
mesorregiões que contêm as capitais de estado são também as principais áreas

16
de origem, espalhando os migrantes para os mesmos locais que para elas enviam
migrantes. Por isso, a maior parte dos fluxos migratórios do país é explicada por
estes grandes centros urbanos, quer seja como áreas de destino, quer seja como
áreas de origem. Se considerarmos que, como salientado anteriormente, os
municípios com população entre 500 mil e 1 milhão de habitantes foram aqueles
que mais cresceram no período 1991 a 2000, fica evidente, pelo que se mostrou
até aqui, que os centros de um segundo nível de tamanho demográfico, nas
proximidades das grandes metrópoles e capitais brasileiras são aqueles que,
predominantemente, recebem os migrantes procedentes destas áreas populosas.
A importante exceção fica por conta das trocas populacionais entre a Região
Metropolitana de São Paulo e o Nordeste.

5. Considerações finais

Um dos objetivos deste artigo foi mostrar o quanto uma análise

fundamentada na verificação da existência de autocorrelação espacial pode
esclarecer sobre as áreas de atração e repulsão populacional do país, tanto no
nível de municípios quanto no nível de regiões. No entanto, esta análise por si só
não mostra objetivamente quais são, e como se estruturam espacialmente, as
redes de migração do país. Esta etapa foi realizada através da análise fatorial.
Em relação a estes aspectos técnico-metodológicos, deve-se ressaltar que
ainda há um caminho para novos avanços, especialmente no tocante às redes de
migração. A análise fatorial aqui empregada pode ser estendida, incorporando
ordens superiores de generalização dos fluxos. Isto é possível através de uma
nova aplicação da análise fatorial aos próprios grupos de fatores previamente
identificados (que passam a ser tratados como variáveis), e realizando novamente
uma rotação oblíqua, caso ainda exista correlação entre os grupos de fatores.
Uma vez realizada esta rotação, seria possível simplificar ainda mais a diversidade
dos campos de migração, buscando a identificação de grupos de destinos (ou
origens) mais abrangentes.

17
 Pôde-se mostrar, neste trabalho, que em uma análise tão detalhada como
todos os municípios do país, sobressaem-se os fluxos entre localidades próximas,
com destaque para o fenômeno do transbordamento a partir dos grandes centros
urbanos, sem dúvida consolidado no final da década passada.
O nível mesorregional revela que os clusters de atração e repulsão
populacional do Brasil são bastante evidentes, isto é, o interior de São Paulo e a
região Nordeste, respectivamente. A partir da segunda metade dos anos 90, o
Distrito Federal e o sul de Goiás, também despontam como importantes áreas de
atração demográfica.
A análise espacial dos fluxos foi fundamental, na medida em que permitiu
verificar se havia intercâmbio entre os clusters identificados. De fato, os principais
clusters de atração e repulsão mantêm estreitos laços entre si, superando a
barreira da distância. Chama a atenção o extraordinário destaque que as
migrações de e para as mesorregiões que contém uma metrópole ou capital
populosa adquirem na configuração dos fluxos do país.
Tendo em vista os resultados encontrados, uma abordagem que ainda
precisaria ser incorporada é o tema da migração de retorno. Ribeiro (1997) e
Carvalho et al (1998) mostraram o papel da migração de retorno em regiões
deprimidas do Nordeste e de Minas Gerais. As correntes e contracorrentes das
migrações identificadas sugerem que os fluxos de retornados, muito
provavelmente, estão implícitos na estrutura espacial dos fluxos.
Apesar da grande importância dos municípios de porte médio sobre o
crescimento demográfico, o entendimento da distribuição espacial da população
brasileira, passa, necessariamente, pelas interações entre estes pólos regionais e
os grandes aglomerados urbanos. Assim, as irradiações a partir desses grandes
centros estruturam e dão forma àquilo que se poderia chamar de desconcentração
geográfica relativa da população brasileira.

18
6. Referências Bibliográficas

CARVALHO, J.A.M. de et al. Minas Gerais, uma nova região de atração populacional? In.:
SEMINÁRIO SOBRE ECONOMIA MINEIRA, 8, 1998, Diamantina. Anais... Belo Horizonte
: UFMG/CEDEPLAR, 1998. P.397-420.

CARVALHO, J.A.M. de & MACHADO, C.C. Quesitos sobre migrações no Censo

Demográfico de 1991. Revista Brasileira de Estudos de População, São Paulo, ABEP,vol.
9, n. 1, jan.-jul., 1992, pp. 22-34.

CARVALHO, J.A.M. de & RIGOTTI, J.I.R. Os dados censitários brasileiros sobre

migrações internas: algumas sugestões para análise. Revista Brasileira de Estudos de
População, São Paulo, ABEP, vol. 15, n. 2, 1998.
CLAYTON, C. The structure of interstate and inter-regional migration: 1965-1970. Annals
of Regional Science, 11, 109-122. 1977a.
CLAYTON, C. Interstate population migration process and structure in the United States,
1935 to 1970. Professional Geographer, 29, 177-181.1977b.
CLAYTON, C. Hierarchically organized migration fields: the application of higher order
factor analysis to population migration tables. Annals of Regional Science, 16, 11-20.
1982.
CUNHA, J. M. P. da. Mobilidade populacional e expansão urbana: o caso da Região
Metropolitana de São Paulo. Campinas : UNICAMP/IFCH, 1994. 283p (Tese Doutorado).
GORSUCH, L. R. Factor Analysis, Hillsdale, New Jersey: Lawrence Erlbaun Associates.
1983.
IBGE. Censo Demográfico de 1991: Microdados dos Resultados da amostra, Rio de
Janeiro: IBGE. 1996.
IBGE. Censo Demográfico 2000. Microdados dos Resultados da amostra. Rio de Janeiro:
IBGE. 2003.
MATOS, R. E. S. Dinâmica migratória e desconcentração populacional na macrorregião
de Belo Horizonte. Belo Horizonte : UFMG/CEDEPLAR, 1995. 223p. (Tese Doutorado).

RIBEIRO, J. T. L. Imigração de retorno interestadual para o Nordeste brasileiro por idade

e sexo: 1970/80 e 1980/1991. In.: ENCONTRO NACIONAL SOBRE MIGRAÇÕES, 1,
Curitiba, 1997. Anais... Campinas: Unicamp/Nepo, 1997.
RIBEIRO, J. T. Estimativa da migração de retorno e de alguns de seus efeitos
demográficos indiretos no Nordeste brasileiro, 1970/1980 e 1981/1991. Belo Horizonte:
UFMG/CEDEPLAR (Tese de doutorado em Demografia). 1997.
RIGOTTI, J. I. R. & ABREU, J. F. de. Mapeando os resultados preliminares do Censo
Demográfico 2000. São Paulo, ABER, 2002. (Trabalho apresentado no ENCONTRO
NACIONAL DE ESTUDOS REGIONAIS, 2, São Paulo).

RIBEIRO, J. T. L. e CARVALHO, J.A. A imigração para Minas Gerais no período

1981/1991, com especial enfoque na migração de retorno. Anais do XI Encontro Nacional
de Estudos Populacionais da ABEP, 855-868. 1998.

19
RIGOTTI, J. I. R. e VASCONCELLOS, I. R. P. As Migrações na Região Metropolitana de
Belo Horizonte no limiar do século XXI, in População, espaço e gestão na metrópole:
novas configurações, velhas desigualdades (Editado por MENDONÇA, J. G.; GODINHO,
M. H. L), Belo Horizonte, 43-71. 2003.
RUMMEL, R. J. Applied Factor Analysis, Evanston, Illinois: Northwestern University Press.
(1970).

20