análise de eficiência técnica na produção de soja nas ... · principais regiÕes produtoras...

Porto Alegre, 26 a 30 de julho de 2009,

Sociedade Brasileira de Economia, Administração e Sociologia Rural

1

ANÁLISE DE EFICIÊNCIA TÉCNICA NA PRODUÇÃO DE SOJA N AS PRINCIPAIS REGIÕES PRODUTORAS BRASILEIRAS

[email protected]

Apresentação Oral-Economia e Gestão no Agronegócio JERONIMO ALVES SANTOS1; PAULO NAZARENO ALVES ALMEIDA2;

INOCENCIO JUNIOR OLIVEIRA3. 1,3.ESALQ/USP, PIRACICABA - SP - BRASIL; 2.UESB, PIRACICABA - SP - BRASIL.

Análise de eficiência técnica na produção de soja nas principais regiões

produtoras brasileiras

Grupo de Pesquisa: Economia e gestão no agronegócio

Resumo A soja é uma das mais importantes culturas do agronegócio brasileiro. No entanto é

preciso identificar se os produtores de soja nos principais estados produtores estão utilizando seus recursos produtivos tecnicamente de forma mais eficiente Este trabalho teve como objetivo avaliar a eficiência técnica nas principais regiões produtoras de soja no Brasil através do modelo de Análise Envoltória de Dados (DEA) e propôr medidas visando o uso mais eficiente dos recursos nas propriedades analisadas. Conforme os resultados obtidos, verificou-se que o estado de Goiás foi o que apresentou a maior média de score de eficiência, enquanto que o estado do Paraná foi o que apresentou a menor média de score de eficiência para ambos os retornos. O menor score de eficiência para os retornos de escala analisados foram observados no Mato grosso do Sul, e os maiores no estado de Goiás. Pode-se inferir que, do ponto de vista técnico, as propriedades que são eficientes, podem ser utilizadas como referência (benchmark) para as ineficientes. Para as propriedades que trabalham com retornos decrescentes, recomenda-se maior atenção na averiguação de "desperdícios" dessas propriedades no uso de recursos. Para as propriedades que trabalham com retornos crescentes à escala, a produção deve ser estimulada até atingir a máxima eficiência técnica, seja no aumento da área, na produtividade ou em outras variáveis diretamente ligadas ao aumento da produção. Palavras-chaves: eficiência, soja, DEA, Brasil. Abstract

The soybean is one of the most important activities in the brazilian agribusiness. However, it is necessary identify if the soybean farmers of the main states producers of Brazil are efficient in the use of their inputs. This article has the aim to evaluate the technical efficiency on the main producer’s states of soybean with the the model of Data Envelopment Analysis (DEA) and propose suggestions aiming the efficiency used of the inputs. According with the results, the state of Goiás showed the higher score average of efficiency, while the state of Paraná showed the lower score average to the both returns.



2

The state of Mato Grosso do Sul showed the lower score of efficiency to the scale returns analyzed, while the higher levels of efficiency were observed in Goiás. The efficient farms can be benchmarking to others inefficient farms. To the farms with decrease returns of scale suggest more attention in the waste of inputs. To the farms with increase returns of scale suggest the intensive use of the inputs to achieve the maximum technical efficiency, which could be in expansion area, higher levels of productivity or in other variables linked with the increase of the production.

Key Words: efficiency, soybeans, DEA, Brazil

1. INTRODUÇÃO

A soja é uma das mais importantes culturas do agronegócio brasileiro, é uma atividade que gera emprego, ocupação e renda em quase todo o território nacional, além de fornecer divisas para a economia brasileira. A soja é considerada uma das principais fontes de proteína do mundo e pode ser utilizada na alimentação humana e animal, pode servir de adubação verde na agropecuária, além de ser empregada em vários usos industriais. Esta cultura encontrou no Brasil boas condições edafoclimáticas, elevando o país à condição de segundo maior produtor mundial (Tabela 1), atingindo uma produtividade média de 3.000 kg.ha-1. Atribui-se também ao sucesso de adaptação da soja no país o excelente mercado consumidor interno e externo, as qualidades nutricionais do produto como fonte de proteína (cerca de 40%) e de óleo (cerca de 20%) (EMPRAPA, 2006).

Observa-se, na Figura 1, o desenvolvimento da cultura da soja no mundo entre os anos de 1961 e 2007. Em 1961 a área colhida de soja era de 23.819 mil ha e em 2007 a área colhida de soja no mundo era 94.889 mil ha, ou seja, houve um crescimento absoluto de 298%, este crescimento se deu a uma taxa 3,01% a.a.1. A produção mundial de soja cresceu a uma taxa de 4,58% a.a., enquanto que a produtividade (kg.ha-1) cresceu à taxa anual de 1,53%, saindo de 1.129 kg.ha-1 em 1961 para 2.278 kg.ha-1 em 2007 (FAO, 2009).

Tabela 1. Maiores produtores mundiais de soja em grão (em mil t) na década de 2000.

Países 2001 2002 2003 2004 2005 2006 2007 EUA 78.671 75.010 66.778 85.013 83.368 87.670 70.708 Brasil 39.058 42.769 51.919 49.550 51.182 52.465 58.197

Argentina 26.864 30.180 34.800 31.500 38.300 40.467 45.500 China 15.407 16.505 15.393 17.404 16.350 15.500 15.600 Índia 5.963 4.655 7.818 6.876 8.274 8.857 9.433

Mundo 177.926 181.914 190.767 205.484 214.245 222.404 216.144 Fonte: FAO (2009)

Observa-se na Tabela 1 uma redução de 10% na produção americana de soja,

enquanto que o Brasil e a Argentina elevaram a produção em 49% e 69%, respectivamente. A produção mundial de soja cresceu 21,5% no período. 1 A taxa anual de crescimento foi estimada por método econométrico descrito em Gujarati (2000).



3

Visualiza-se na Figura 1 o comportamento da produção e da área colhida de soja no mundo. Apesar do gráfico mostrar um comportamento semelhante entre as variáveis, enfatiza-se que a produção cresceu mais que proporcionalmente ao crescimento da área devido à elevação da produtividade.

0

50.000

100.000

150.000

200.000

250.000

Mil t e Mil ha

Área colhida Produção

Figura 1. Produção e área colhida mundial de soja de 1961 a 2007. Fonte: FAO (2009) Os EUA detêm a maior área colhida dessa cultura, contudo, vêm perdendo espaço

em relação a outros países, como o Brasil, que elevou a área colhida em 1.572% de 1970 a 2006. Em 1970 os EUA respondiam por 57,90% de toda a área no mundo, enquanto que o Brasil representava cerca de 4,5% e a Argentina com 0,8% (Figura 2).



4

Figura 2. Área colhida de soja no mundo e em países selecionados de 1970 a 2006. Fonte: FAO (2008) Em 2006, os EUA detiveram 31,17% da área mundial de soja, enquanto que o

Brasil e a Argentina responderam por 23,66% e 16,23%, respectivamente da área de soja. Verifica-se, na Figura 3, o comportamento dos três maiores produtores de soja no

mundo, de 1970 a 2006.

Figura 3. Produção de soja no mundo e em países selecionados de 1970 a 2006. Fonte: FAO (2008) A despeito do crescimento da produção americana, verifica-se uma perda relativa

de representatividade na produção mundial, onde se pode destacar o crescimento da produção argentina (16,77% a.a.). A produção brasileira também dá um grande salto, saindo de 1,5 milhão de t em 1970 para 52,5 milhões de t em 2006, configurando um



5

crescimento anual de 7,29%. Vale abrir um parêntese para abordar a produtividade americana que girou em torno de 3.024 kg.ha-1 em 2006, obtendo o maior rendimento por hectare entre os países produtores. A Argentina apresentou uma produtividade de 2.680 kg.ha-1 em 2006 e o Brasil produziu 2.370 kg.ha-1 de soja em 2006, contudo, em 2007 a produtividade foi de 2.820 kg.ha-1.

O Brasil, além de apresentar alta produtividade, é o país que apresentou o menor custo de produção entre os três maiores produtores mundiais em 2005 (Figura 4), conferindo-lhe competitividade no comércio internacional. Não há indícios de que a posição brasileira tenha sido alterada.

Figura 4. Custo de produção de soja dos principais países produtores mundiais. Fonte: FAO (2008) Observa-se na Tabela 2 a produção dos cinco maiores estados produtores

brasileiros de soja na década de 2000.

Tabela 2. Produção de soja dos cinco maiores estados brasileiros, inclusive Brasil, na década de 2000.

Estados 2001 2002 2003 2004 2005 2006 2007 MT 9.533,3 11.684,9 12.966,0 14.517,9 17.761,4 15.594,2 15.275,1 PR 8.615,2 9.538,8 11.009,9 10.219,0 9.492,2 9.362,9 11.876,8 RS 6.951,8 5.610,5 9.579,3 5.541,7 2.444,5 7.559,3 9.929,0 GO 4.052,2 5.405,6 6.319,2 6.091,7 6.983,9 6.017,7 5.937,7 MS 3.115,0 3.267,1 4.090,9 3.282,7 3.718,5 4.153,5 4.846,0

Brasil 37.907,3 42.107,6 51.919,4 49.549,9 51.182,1 52.464,6 57.857,2 Fonte: IBGE (2009)

Observou-se, na Tabela 2, crescimento em todos os cinco maiores estados produtores, destacando-se o crescimento da produção no Mato Grosso de 60% no período



6

considerado. Houve mudança na classificação entre os maiores estados produtores desde 1990, onde o estado do Rio Grande do Sul figurava como o maior produtor. No ano de 2000 o estado do Mato Grosso passou a figurar como o maior produtor brasileiro de soja.

Com base na Tabela 2, pode-se perceber que a produção de soja encontra-se concentrada nas regiões Centro-Oeste e Sul, sendo que na primeira, credita-se a grande expansão do cultivo aos incentivos fiscais na exploração e abertura dessa fronteira agrícola, no baixo valor da terra, aos incentivos à instalação e ao crescimento do parque industrial para grãos, especialmente, soja, às condições favoráveis a mecanização e melhorias no sistema de transporte (EMBRAPA, 2008; CÂMARA e HEIFFIG, 2006).

A maioria das propriedades que cultivam soja no Brasil possui mais que 10 hectares e menos que 100 hectares, com 157.148 estabelecimentos, ou seja, 64,67% dos estabelecimentos produtores de soja no país (Tabela 3). O estado do Rio Grande do Sul é o mais representativo, possui 142.484 estabelecimentos, 58,63% de todas as propriedades que cultivam essa oleaginosa.

A maior parte das propriedades no Mato Grosso possui mais de 100 hectares. Já no Paraná e no Rio Grande do Sul a maioria das propriedades que cultivaram soja tinha mais de 10 hectares e menos de 100 hectares plantados com essa cultura.

Tabela 3. Número e área dos estabelecimentos rurais que cultivaram soja no Brasil, em 1996.

Estados Menos de 10 ha De 10 ha a 100 ha Mais de 100 ha Total Mato Grosso 8 158 2.580 2.746

Paraná 14.215 47.712 7.810 69.737

Rio Grande do Sul 39.719 95.000 7.765 142.484

Outros Estados 3.261 14.278 10.485 28.024

Brasil 57.203 157.148 28.640 242.991 Fonte: IBGE (1996).

1.2 Hipótese

Assume-se como hipótese que os produtores de soja nos principais estados produtores estão utilizando seus recursos produtivos tecnicamente de forma mais eficiente.

1.3 Objetivos

Este trabalho tem como objetivo geral avaliar a eficiência técnica nas principais regiões produtoras de soja no Brasil.

Especificamente pretende-se: a) Utilizar um modelo de Análise Envoltória de Dados (DEA) para identificar

as propriedades mais eficientes tecnicamente; e b) Propor medidas visando o uso mais eficiente dos recursos nas propriedades

analisadas.



7

2. METODOLOGIA

2.1 Referencial Teórico

A função de produção expressa uma relação entre insumos e produção que pode ser útil na identificação e solucão dos problemas técnicos da produção, por meio da apresentação das combinações de fatores que podem ser utilizadas para o desenvolvimento do processo produtivo (CARVALHO, 1984). Ela indica o máximo de produto que se pode obter com as quantidades de fatores, uma vez escolhidos o processo de produção mais conveniente.

Normalmente, na análise microeconômica, representa-se a função de produção da seguinte forma:

)x,,x,f(xq n21 K= (1)

onde q é a quantidade produzida do bem e n21 x,,x,x K identificam as quantidades utilizadas de diversos fatores, respeitando o processo de produção mais eficiente escolhido (CARVALHO, 1984).

A função de produção é sempre definida no tempo e para níveis positivos dos fatores e do produto, ou seja, q>0; x>0.

No curto prazo a função de produção é caracterizada pela existência de algum fator de produção fixo, ou seja, pelo menos um fator de produção deve permanecer inalterado, ele não variará com a produção. Supondo-se uma função de produção fictícia com apenas dois insumos, tem-se que um deles é variável e o outro é fixo, nessa situação, o nível de produção depende diretamente do insumo variável, o insumo fixo será um fator limitante à produção.

Em relação ao longo prazo todos os insumos são variáveis e afetam a quantidade produzida, no caso simplificado trabalhando com dois insumos, o nível de produção é representado por uma isoquanta, esta representa as várias combinações de insumos que gera a mesma quantidade produzida, conforme esquema abaixo.

X1

Q = 10

X2

em que a curva convexa em relação a origem representa a isoquanta que dá as várias possibilidades de combinação dos insumos X1 e X2 que produzem 10 unidades do produto final da empresa (CARVALHO, 1984). Através da função de produção que expressa as relações tecnológicas existentes no processo produtivo para a obtenção do produto final, torna-se possível analisar a eficiência de determinada firma.



8

A eficiência técnica requer que se utilize um processo de produção que não use mais insumos do que o necessário para um dado produto, enquanto a eficiência alocativa reflete a habilidade da firma em utilizar os insumos em proporções ótimas. E, por último, a eficiência econômica refere-se à capacidade dos produtores conduzirem o processo produtivo, com vistas em obter o mínimo de custo ou o máximo de lucro.

2.2 Modelo Analítico

A produção de soja envolve sistemas de produção que, de acordo com o conjunto de variáveis [insumos (x) e produtos (y)], fica mais complexa a alocação de recursos. Nesse trabalho será utilizado o método de fronteira de produção na análise da eficiência técnica nas pequenas propriedades produtoras de soja das principais regiões produtoras do Brasil.

A fronteira de produção é a máxima quantidade de produtos que podem ser obtidos dados os insumos utilizados (LINS e MEZA, 2000). Neste trabalho, a determinação da fronteira eficiente será feita mediante o método “Data Envelopment Analysis” (DEA).

Segundo Gomes (1999), a DEA, ou análise envoltória de dados, é uma abordagem não paramétrica de programação matemática, como alternativa aos métodos estatísticos convencionais, para estimação de eficiência relativa, mediante a construção de fronteiras eficientes. Sua mais importante característica é a habilidade em manipular, efetivamente, a natureza multidimensional de insumos e produtos nos processos de produção.

A DMU (“Decision Making Unit”) é uma firma, departamento, propriedade rural ou unidade administrativa, cuja eficiência está sendo analisada. O conjunto de DMU’s adotados em uma DEA deve ter em comum a utilização dos mesmos insumos e produtos e, também, tem que ser homogêneos e terem autonomia na tomada de decisões. Com relação às variáveis [insumos (x) e produtos (y)], cada uma destas deve operar na mesma unidade de medida em todas as DMU’s, mas pode estar em unidades diferentes das outras, ou seja, as unidades de medida podem ser diferentes entre as variáveis, mas a unidade de medida tem de ser a mesma para uma determinada variável em todas as DMU’s (LINS e MEZA, 2000).

Utilizando os conceitos de fronteira de produção da DEA aplicadas as DMU’s, pode-se formular um modelo simples muito utilizado, como o proposto por Charnes et al. (1978). Este modelo ficou conhecido como CCR, em razão das iniciais dos nomes dos referidos autores, e também conhecido como CRS (Constant Returns to Scale). Estes autores propuseram um modelo com orientação insumo e admitiram retornos constantes à escala (GOMES et al., 1999). Este modelo será descrito a seguir.

Considere que existam “k” insumos e “m” produtos para cada DMU. São construídas duas matrizes, a matriz X de insumos, de dimensões (k x n), e a matriz Y de produtos, de dimensões (m x n), representando os dados de todas as “n” DMU’s.



9

X =

knk2k1

2n2221

1n1211

x xx

x xx x xx

L

MLM

L

L

Y =

mnm2m1

2n2221

1n1211

yy y

y y y

y y y

L

MLM

L

L

Na matriz X, cada linha representa um insumo e cada coluna representa uma DMU. Na matriz Y, cada linha representa um produto e cada coluna uma DMU.

Alves (1999) salientou que a matriz X deve satisfazer às seguintes condições:

ijij

1ij

1ij

;0x

0x

0x

∀≥

>

>

∑

∑

=

=

n

j

k

i

(2)

Isto significa que os coeficientes são não negativos e que cada linha e cada coluna contêm, pelo menos, um coeficiente positivo, isto é, cada DMU consome ao menos um insumo, e uma DMU, pelo menos, consome o insumo que está em cada linha.

De forma semelhante, a matriz Y satisfaz às seguintes condições:

ijij

m

jij

m

iij

y

y

y

∀≥

>

>

∑

∑

=

=

,0

0

0

1

1

(3)

ou seja, os coeficientes são não negativos, cada produto é produzido por pelo menos uma DMU, e cada DMU produz pelo menos um produto. Assim, para a i-ésima DMU, são representados os vetores ix e iy , respectivamente, para insumo e produto.

Para cada DMU, pode-se obter uma medida de eficiência, que é a razão entre todos os produtos e todos os insumos. Para a i-ésima DMU, tem-se a eficiência.

)xu x(v

)yu y(u

kik1ii

mim1ii

iv`x

iu`y

i++++==

L

L (4)

onde u é um vetor (m x 1) de pesos nos produtos e v é um vetor de pesos nos insumos.



10

No decorrer deste trabalho serão analisadas as eficiências técnicas das propriedades aparentemente homogêneas através das observações aplicando o método da DEA nas DMUs. Procurar-se-á maximizar a eficiência técnica das propriedades.

Segundo Gomes (1999), para selecionar os pesos ótimos para cada DMU especifica-se um problema de programação matemática. Para a i-ésima DMU, tem-se:

0vu,

n,1,2,i ,1)v`x

u`y( :a sujeito

Max

i

i

i

i )v`x

u`y( vu,

≥

=≤ L (5)

Essa formulação envolve a obtenção de valores para u e v, de tal forma que a medida de eficiência para a i-ésima DMU seja maximizada, sujeita à restrição de que as medidas de eficiência de todas as DMUs sejam menores ou iguais a um.

Segundo Moita (1995), a característica chave deste modelo é que os pesos u e v são tratados como incógnitas, sendo escolhidos de maneira que a eficiência da i-ésima DMU seja maximizada.

O modelo pode ser linearizado, tornando possível sua solução por meio de métodos de programação linear convencionais. A formulação linearizada é a seguinte:

( )

0,

,,2,1,0''

1

:

',

≥

=≤−=⋅

vu

njxvyu

xv

sujeito

yuMax

jj

i

ivu

K

(6)

Pela dualidade em programação linear, pode-se chegar a um modelo dual da formulação linearizada.

0

0

0

:,

≥≥−≥+−

λλθ

θλθ

Xx

Yy

sujeito

Min

i

i (7)



11

em que θ é um escalar, cujo valor será a medida da i-ésima propriedade. Se θ for igual a um, a propriedade será eficiente, se for menor do que a propriedade será ineficiente. O λ é um vetor (n x 1), cujos valores são calculados de maneira que se obtenha a solução ótima. Para uma propriedade eficiente o valor de λ será igual a zero; para uma propriedade ineficiente, λ será uma combinação linear convexa das propriedades eficientes (GOMES, 1999).

Na análise DEA, o modelo linear deve ser aplicado a cada DMU, a fim de se obterem, uma a uma, as medidas de eficiência. Entretanto, como a maioria das restrições é a mesma para cada problema, a obtenção da solução torna-se simples. Caso a eficiência obtida para a DMU, que está sendo testada, seja igual a um, ela será eficiente em relação às demais; caso contrário, será ineficiente.

2.3 Operacionalização do modelo e fonte dos dados

Na realização desta pesquisa será utilizado o software EMS por ser gratuito e pela sua facilidade e eficiência de utilização. Este software pode ser obtido a partir do site http://www.wiso.uni-dortmund.de/lsfg/or/scheel/sem/.

Os dados foram coletados através de questionário, no período de agosto a dezembro de 2005, referindo-se a safra de 2004/2005. Foram coletadas informações de 217 produtores nas maiores regiões produtoras de soja, a Sul (121 produtores) e a Centro-Oeste (96 produtores).

As informações de custo de produção e produção foram obtidos por meio de entrevistas aos produtores no local de produção, aonde foram entrevistados 78 produtores no Rio Grande do Sul e 43 no Paraná na região Sul, no Centro-Oeste foram entrevistados 44 produtores do Mato Grosso do Sul, 29 no Mato Grosso e 23 em Goiás.

O questionário elaborado procurou captar o tipo de plantio, quantidades e preços dos insumos, capital, mão de obra e outros custos, além de abordar variáveis qualitativas como escolaridade, formas de gerenciamento, tipo de mão de obra (familiar, não familiar ou contratada), perfil do gerenciador e o comportamento do processo produtivo na propriedade.

Os dados coletados foram de corte transversal “cross section”, essa análise baseou-se do plantio até a colheita da soja, considerou-se as variáveis: químicos (Q), capital (K), mão-de-obra (L) e outros custos (O).

Para químicos (Q), considerou-se gastos com herbicidas, defensivos, adjuvantes, fertilizantes granulados e foliares.

No caso do capital (K), consideraram-se juros e depreciação (efetuadas pelo método linear). Vida útil para as instalações foi estimada para 30 anos, valor residual de 30%; vida útil para máquinas estimadas para: 12.000 horas e valor residual de 20% para tratores; 10.000 horas e 20% de valor residual para colheitadeiras; 8.000 horas e valor residual de 10% para equipamentos (distribuidor de calcário, pulverizador e semeadora). No caso da remuneração do capital em instalações e equipamentos foi feita com base nas taxas de juros nas linhas de financiamento para investimentos em máquinas e equipamentos.



12

3. RESULTADOS E DISCUSSÃO

A pesquisa de campo apontando o dimensionamento das propriedades pesquisadas revelou que nos principais estados produtores não encontraram propriedades com menos de 10 hectares. Na região Sul observou que a maioria está entre 11 e 100 hectares, principalmente o estado do Rio Grande do Sul que respondeu com 63,77% do total. Na região Centro-Oeste a maioria das propriedades possuíam entre 101 e 10.000 hectares; os estados mais representativos nessa faixa foram o Mato Grosso do Sul e Rio Grande do Sul. O único estado que apresentou propriedades acima de 10.000 hectares foi o Mato Grosso com 7 propriedades das 29 pesquisadas nesse estado.

Em relação à área com soja (Tabela 4), observa-se que apenas na região Sul verificou-se propriedades de até 10 ha, mesmo assim observa-se que nessa região a maioria das propriedades situa-se na faixa de 11 a 100 hectares, apresentando um elevado número de pequenos produtores, principalmente no estado do Rio Grande do Sul, das 121 propriedades pesquisadas, 78 pertenciam a esse estado. Já no Centro-Oeste, observou-se que 32,3% das propriedades possuíam entre 101 a 10.000 hectares, sendo que o Mato Grosso detinha a maioria desses estabelecimentos, esse mesmo estado foi o único que apresentou plantios de soja acima de 10.000 hectares.

Tabela 4. Área plantada com soja, em hectares, das propriedades pesquisadas

Áreas das Propriedades

(ha)

Número de Propriedades

RS PR Região (SUL) MS MT GO Região (Centro-Oeste) 0-10 2 1 3 0 0 0 0 11-100 76 41 117 34 6 20 60 101-10.000 0 1 1 10 18 3 31 >10000 0 0 0 0 5 0 5 Total 78 43 121 44 29 23 96 Fonte: Dados da pesquisa

Verifica-se na Tabela 5, que a de mão-de-obra utilizada nas propriedades pesquisadas no Paraná apresentou o maior percentual do uso da mão-de-obra familiar, seguido pelo Rio Grande do Sul e Goiás. O estado que mais utiliza mão-de-obra contratada é o estado de Mato Grosso com 34,5% do seu total. O tipo de mão-de-obra mais utilizada pelos produtores é a mão-de-obra familiar e contratada, o que mais se destacam são os produtores do Mato Grosso do Sul que utiliza 97,7% do total da mão-de-obra para a cultura da soja, seguidos por Goiás e o Rio Grande do Sul.

Tabela 5. Tipo de mão-de-obra utilizada na cultura de soja nas propriedades entrevistadas. Tipo de mão-

de-obra Número de Propriedades

Familiar % Contratada % Familiar e contratada % Total RS 25 32,1 0 0,0 53 67,9 78 PR 16 37,2 1 2,3 26 60,5 43 MS 1 2,3 0 0,0 43 97,7 44



13

MT 0 0,0 10 34,5 19 65,5 29 GO 6 26,1 0 0,0 17 73,9 23 Fonte: Dados da pesquisa.

3.1 Análise da eficiência técnica das propriedades (Brasil, regiões Centro-Oeste e Sul e dos estados de Goiás, Mato Grosso, Mato do Sul, Paraná e Rio Grande do Sul).

A média de eficiência das 217 propriedades, sob pressuposição de retornos

constantes à escala, foi de 66,90%, ou seja, estas propriedades poderiam reduzir suas quantidades de insumos em até 33,10% e produzirem a mesma quantidade de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 27,03%, e foram encontradas 19 propriedades eficientes, ou seja, com score de eficiência (θ ) igual a 100%. Sob pressuposição de retornos variáveis, a média foi de 70,51%, ou seja, os produtores, em geral, podem reduzir suas quantidades de insumos em 29,49% e permanecer produzindo a mesma quantidade de soja ou permanecer com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de 27,95%, sendo ainda encontradas 24 propriedades eficientes, 11,05% das propriedades analisadas (Tabela 6).

Para a Região Centro-Oeste, a média de eficiência das 96 propriedades, sob pressuposição de retornos constantes à escala, conforme a média de eficiência foi de 76,14%, ou seja, os produtores poderiam reduzir suas quantidades de insumos em até 23,86% e produzirem as mesmas quantidades de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 33,22% e foram encontradas 13 propriedades eficientes. Sob pressuposição de retornos variáveis, a média foi de 78,66%, ou seja, os produtores, em geral, poderiam reduzir suas quantidades de insumos em 21,34% e permanecerem produzindo as mesmas quantidades de soja ou permanecerem com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de 35,83%, sendo ainda encontradas 18 propriedades eficientes, 18,75% das propriedades analisadas para essa região (Tabela 6).

Na Região Sul, a média de eficiência das 121 propriedades, sob pressuposição de retornos constantes à escala, conforme a média de eficiência foi de 68,06%, ou seja, os produtores poderiam reduzir suas quantidades de insumos em até 31,94% e produzirem as mesmas quantidades de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 39,27% e foram encontradas 10 propriedades eficientes. Sob pressuposição de retornos variáveis, a média foi de 72,74%, ou seja, os produtores, em geral, poderiam reduzir suas quantidades de insumos em 27,26% e permanecerem produzindo as mesmas quantidades de soja ou permanecerem com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de 40,60, sendo ainda encontradas 17 propriedades eficientes, 17,70% das propriedades analisadas para essa região (Tabela 6).

No estado de Goíás, a média de eficiência das 23 propriedades, sob pressuposição de retornos constantes à escala, conforme a média de eficiência foi de 92,17%, ou seja, os produtores poderiam reduzir suas quantidades de insumos em até 7,83% e produzirem as



14

mesmas quantidades de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 68,27% e foram encontradas 11 propriedades eficientes. Sob pressuposição de retornos variáveis, a média foi de 95,48%, ou seja, os produtores, em geral, poderiam reduzir suas quantidades de insumos em 4,52% e permanecerem produzindo as mesmas quantidades de soja ou permanecerem com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de 71,73%, sendo ainda encontradas 15 propriedades eficientes, 65,21% das propriedades analisadas para esse estado (Tabela 6).

No Mato Grosso, a média de eficiência das 29 propriedades, sob pressuposição de retornos constantes à escala, conforme a média de eficiência foi de 84,87%, ou seja, os produtores poderiam reduzir suas quantidades de insumos em até 15,13% e produzirem as mesmas quantidades de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 62,04% e foram encontradas 7 propriedades eficientes. Sob pressuposição de retornos variáveis, a média foi de 89,23%, ou seja, os produtores, em geral, poderiam reduzir suas quantidades de insumos em 10,77% e permanecerem produzindo as mesmas quantidades de soja ou permanecerem com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de 66,63%, sendo ainda encontradas 12 propriedades eficientes, 41,37% das propriedades analisadas para esse estado (Tabela 6).

No estado de Mato Grosso do Sul, a média de eficiência das 44 propriedades, sob pressuposição de retornos constantes à escala, conforme a média de eficiência foi de 83,92%, ou seja, os produtores poderiam reduzir suas quantidades de insumos em até 16,08% e produzirem as mesmas quantidades de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 40,89% e foram encontradas 10 propriedades eficientes. Sob pressuposição de retornos variáveis, a média foi de 87,83%, ou seja, os produtores, em geral, poderiam reduzir suas quantidades de insumos em 12,17% e permanecerem produzindo as mesmas quantidades de soja ou permanecerem com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de 45,15%, sendo ainda encontradas 17 propriedades eficientes, 38,63% das propriedades analisadas para esse estado (Tabela 6).

Para o estado do Paraná, a média de eficiência das 43 propriedades, sob pressuposição de retornos constantes à escala, conforme a média de eficiência foi de 65,90%, ou seja, os produtores poderiam reduzir suas quantidades de insumos em até 34,10% e produzirem as mesmas quantidades de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 41,86% e foram encontradas 5 propriedades eficientes. Sob pressuposição de retornos variáveis, a média foi de 73,91%, ou seja, os produtores, em geral, poderiam reduzir suas quantidades de insumos em 26,09% e permanecerem produzindo as mesmas quantidades de soja ou permanecerem com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de c%, sendo ainda encontradas 10 propriedades eficientes, 23,25% das propriedades analisadas para esse estado (Tabela 6).

No estado do Rio Grande do Sul, a média de eficiência das 78 propriedades, sob pressuposição de retornos constantes à escala, conforme a média de eficiência foi de 81,21%, ou seja, os produtores poderiam reduzir suas quantidades de insumos em até



15

18,79% e produzirem as mesmas quantidades de soja, ou, de forma alternativa, poderiam aumentar suas produções sem usar mais insumos; o menor score de eficiência foi de 52,99% e foram encontradas 11 propriedades eficientes. Sob pressuposição de retornos variáveis, a média foi de 84,51%, ou seja, os produtores, em geral, poderiam reduzir suas quantidades de insumos em 15,49% e permanecerem produzindo as mesmas quantidades de soja ou permanecerem com as mesmas quantidades de insumos e aumentar suas produções sem utilizar mais insumos; o menor score de eficiência foi de 55,19%, sendo ainda encontradas 17 propriedades eficientes, 21,79% das propriedades analisadas para esse estado (Tabela 6).

Tabela 6. Média (em percentual) dos retornos constantes e variáveis com seus respectivos

valores mínimos para o Brasil, regiões e estados produtores.

R. Constantes R. Variáveis Mínimo (R. Constante) Mínimo (R. Variáveis)

Brasil 66,9 70,51 27,03 27,95

Região Centro-Oeste 76,14 78,66 33,22 35,83

Região Sul 68,06 72,74 39,27 40,6

Goiás 92,17 95,48 68,27 71,73

Mato Grosso 84,87 89,23 62,04 66,63

Mato Grosso do Sul 83,92 87,83 40,89 45,15

Paraná 65,9 73,91 41,86 73,91

Rio Grande do Sul 81,21 84,51 52,99 55,19 Fonte: Dados da Pesquisa.

A Figura 5 mostra as variações dos retornos à escala e da eficiência de escala para os produtores entrevistados, observa-se que, em termos relativos, a região Sul apresentou um maior percentual de propriedade que trabalham com retornos crescentes de escala, isso é confirmado pelo estado do Paraná enquanto que o estado do Rio Grande do Sul apresentou percentuais com maiores retornos decrescentes de escala.

A região Centro-Oeste, apresentou uma grande participação de produtores que trabalham com retornos decrescentes de escala, os estados que contribuíram para tal resultado foram o Mato Grosso do Sul e o estado de Goiás, no entanto, esse mesmo estado apresentou na mesma dimensão, produtores que trabalham com eficiência de escala.



16

Figura 5. Retornos à escala para os produtores no Brasil, região Centro-Oeste/Sul e para os estados analisados.

Fonte: Dados da pesquisa.



17

4. CONCLUSÕES Conforme os resultados obtidos, verificou-se que o estado de Goiás foi o que

apresentou a maior média de score de eficiência, tanto para retornos constantes quanto para retornos variáveis de escala, enquanto que o estado do Paraná foi o que apresentou a menor média de score de eficiência para ambos os retornos.

O menor score de eficiência para os retornos de escala analisados foram observados no Mato grosso do Sul, e os maiores no estado de Goiás.

Observa-se ainda que a região Centro-oeste, foi a que apresentou os melhores resultados de eficiência, contudo foi a que apresentou o menor valor mínimo de retorno (score) de eficiência.

Dessa forma pode-se inferir que, do ponto de vista técnico, as propriedades que são eficientes, ou seja, as que trabalharam com eficiência de escala, podem ser utilizadas como referência (benchmark) para as ineficientes, principalmente para aquelas que se encontram na mesma região. Para as propriedades que trabalham com retornos decrescentes, recomenda-se maior atenção na averiguação de "desperdícios" dessas propriedades no uso de recursos. Para as propriedades que trabalham com retornos crescentes à escala, a produção deve ser estimulada até atingir a máxima eficiência técnica, seja no aumento da área, na produtividade ou em outras variáveis diretamente ligadas ao aumento da produção.



18

5. REFERÊNCIAS BIBLIOGRÁFICAS

ALVES, E. Medidas de eficiência: métodos não paramétricos. Brasília: Embrapa, 1996. 28 p. ( Mimeografado).

CÂMARA, G.M.S.; HEIFFIG, L. S. O Agronegócio das Plantas Oleaginosas: Matérias-primas para o Biodiesel. Piracicaba-SP, Esalq/USP/LPV, 2006. 256 p.

CARVALHO, L.C.P. Teoria da firma: a produção e a firma. In: PINHO, D.B. (org). Manual de introdução à economia: equipe de professores da USP. São Paulo: Saraiva. 1 ª edição, 6 ª tiragem, 1984. 510p.

CHARNES, A., COOPER,W.W., RHODES, E. Measuring the efficiency of decision making units. European Journal of Operational Research. v.2, n.6, p. 429-444. 1978.

DELGADO, C., ROSEGRANT, M., STEINFELD, H., EHUI, S., COURBOIS, C. Liverstock to 2020. The next food revolution. Washington: International Food Policy Reseach Institute, 1999. (Food, Agriculture, and the Environment Discussion Paper 28). 72 p.

EMPRAPA. Centro Nacional de Pesquisa da Soja. Soja na alimentação. Disponível em: <http://www.cnpso.embrapa.br/soja_alimentacao/index.php?pagina=23>. Acesso em: 13 nov. 2006.

EMPRAPA. Centro Nacional de Pesquisa da Soja. Soja na alimentação. Disponível em: <http://www.cnpso.embrapa.br/index.php?op_page=22&cod_pai=16>. Acesso em: 15 mai. 2008.

FAO. Faostat. Disponível em: <http://faostat.fao.org/site/497/default.aspx>. Acesso em: 1 maio 2008.

FAO. Faostat. Disponível em: <http://faostat.fao.org/site/497/default.aspx>. Acesso em: 5 de março 2009. GUJARATI, D.N. Econometria básica. São Paulo: Makron Books, 2000. 846p. HASSE, G. O Brasil da Soja: abrindo fronteiras, semeando cidades. Porto Alegre:. Ed. L&PM, 1996. 256 p.



19

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA - IBGE. Censo agropecuário 1995/96. Elaboração Convênio INCRA/FAO. Disponível em: http://www.ibge.gov.br>. Acesso em: 9 mar. 2007.

LINS, M. P. E., MEZA, L. A. Análise envoltória de dados e perspectiva de integração no ambiente de apoio à decisão. Rio de Janeiro: Ed. COPPE/UFRJ. 2000. 232p.

MOITA, M. H. V. Medindo a eficiência relativa de escolas municipais da cidade do Rio Grande do Sul -RS usando a abordagem DEA (Data EnvelopmentAnalysis). Florianópolis: UFSC,1995.105p.

PEIXOTO, A. R. Plantas Oleaginosas Herbáceas. São Paulo: Ed. Livraria Nobel, 1972. 171 p.

análise de eficiência técnica na produção de soja nas ... · principais regiÕes produtoras...

Documents