Escolar Documentos
Profissional Documentos
Cultura Documentos
1986-1991 e 1995-2000
1. Introdução
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
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.
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
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
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.
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
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
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.
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
- 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
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.
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
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.
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