anÁlise espacial da arrecadaÇÃo de impostos …rea 2 fin publicas... · a distribuição...
TRANSCRIPT
ANÁLISE ESPACIAL DA ARRECADAÇÃO DE IMPOSTOS TÍPICOS DE
MUNICÍPIOS NO PERÍODO DE 2000 A 2011 NO ESTADO DO PARANÁ Santos, R.G. dos
1
Felema, J.2
Nascimento, S.P3
Ferreira, C.R4
Sesso Filho,U.A.5
Diniz, S.S.6
Resumo.O Brasil desponta-secomo um dos países com maior carga tributária do mundo. Essa
tributação é necessária para fazer frente às despesas com serviços característicos de Estado que
são demandados pela sociedade.Entretanto, os impostos típicos de municípios não têm mostrados
impactos significativos nas receitas orçamentárias municipais. Dessa forma, o objetivo
desteestudo é analisar no período compreendido entre os anos de 2000 a 2011, a evolução
espacial da arrecadação médiaper capita dosimpostos típicos de municípios no Estado do
Paraná: Imposto Predial Territorial Urbano, Imposto Sobre Transmissão de Bens Imóveis e
Impostos Sobre Serviços de Qualquer Natureza. A distribuição espacial da arrecadação dos
tributos municipais é determinada através da utilização de técnicas de Análise Exploratória de
Dados Espaciais (AEDE) - teste I de Moran Global e Local - para verificar a autocorrelação
espacial entre os municípios do Paraná e confirmar a existência de clusters espaciais.A fim de
examinar se no período avaliado houve concentração ou desconcentração da arrecadação dos
impostos, foi utilizado o Índice de Gini, e procedeu-se uma análise gráfica das receitas
provenientes dos impostos típicos de municípios. A base de dados foi extraída da Secretaria do
Tesouro Nacional, correspondente ao período de 2000 a 2011 atualizados a valores de 2011. Os
resultados obtidos através da Análise Exploratória de Dados Espaciais demonstraram que há uma
concentração da arrecadação per capita na Mesorregião Metropolitana de Curitiba com
agrupamento de cluster padrão Alto-Alto. Entretanto, o Índice de Ginianota que no Paraná,
mesmo que de forma lenta, esta ocorrendo desconcentração da arrecadaçãodas receitas próprias
de municípios. Por fim, a análise gráfica das receitas oriundas dos impostos típicos de
municípios apresentam resultados que evidenciam mudanças de comportamento da
arrecadaçãoao longo do período avaliado.
Palavras-chave:Arrecadação, Impostos Municipais, Concentração.
1 Economista, Mestrando em Economia Regional pela Universidade Estadual de Londrina. Professor de Finanças
Públicas doPrograma de Aperfeiçoamento Profissional da FASUL. Professor de Auditoria em Contratos de
Licitação do Curso de MBA em Auditoria e Perícia Contábil da Univel/Inbrape. Professor convidado da
Universidade Estadual de Londrina do Curso de Especialização de Auditoria e Perícia Contábil. Servidor Público
Municipal a Prefeitura de Londrina desde 1995. E-mail: [email protected] 2 Economista, Mestrando pela Universidade Estadual de Londrina. E-mail: [email protected]
3Doutor em Economia Aplicada pela ESALQ/USP e professor do Departamento de Economia da Universidade
Estadual de Londrina. E-mail: [email protected] 4Doutor em Economia Aplicada pela ESALQ/USP e professor do Departamento de Economia da Universidade
Estadual de Londrina E-mail: [email protected] 5Doutor em Economia Aplicada pela ESALQ/USP e professor do Departamento de Economia da Universidade
Estadual de Londrina E-mail: E-mail: [email protected] 6Economista, Mestre em Economia Regional pela Universidade Estadual de Londrina. E-mail:
1. INTRODUÇÃO
Os recursos financeiros, frutos da arrecadação tributária, têm como finalidade garantir os
serviços públicos demandados pela população. Segundo Riani (1997), os gastos públicos são
uma escolha política dos governos no que se refere aos serviços que são prestados à sociedade.
Giambiagi e Além (2000) observaque o administrador público quando faz essas escolhas
deixará alguns grupos insatisfeitos. Essesdescontentamentos ocorrerem por parte de quem recebe
os serviços ou daqueles que osfinanciam, de forma direta ou indireta, a oferta desses serviços.
Dessa forma, os recursos oriundos dos impostos vêm preencher as lacunas das falhas de
mercados. Os desafios dos administradores públicos são de minimizar os impactos negativos,
buscando o máximo de eficiência entre os agentes financiadores e os que necessitam desses
serviços oferecidos pelo Estado.
A arrecadação de imposto não é um fenômeno brasileiro nem tão pouco fato recente. A
história mostra relatos de 3000 A.C, na Mesopotâmia, em que os reis já cobravam impostos de
seus súditos. Esses fatos passaram pelos reinados Judeus, Babilônicos eMulçumanos.
Ultrapassou aIdade Média, Renascimento, e chegaram até aos dias atuais. No Brasil os primeiros
relatos de tributação ocorreram no período chamado Capitanias Hereditárias, compreendido entre
os anos de 1532 a 1548. Posteriormente, foi-se aperfeiçoando o arcabouço jurídico, a fim de,
auferir uma arrecadação mais eficiente. Com as transformações ocorridas no Brasil, a partir da
década de 1960,que tinha como objetivo solucionar o déficit fiscal observa-se uma
descentralização dos tributos. Isso foi consolidado com a Constituição de 1988, que outorgou
maiores poderes aos estados e municípios de instituir e arrecadar impostos.
Pereira e Conselvan (2011) advertem que desde 1947, ano que se avaliou pela primeira vez
os registros das contas públicas no país, a carga tributária temmostrado um crescimento
acentuado. Giambiagi e Barros (2009) observa que a carga tributária brasileira saltou de 28,5%
para 36,5% do Produto Interno Bruto (PIB), respectivamente entre os anos de 1995 a 2008.
Entretanto, os municípios não arrecadam os impostos típicos de sua competência - Impostos
Sobre Serviços de Qualquer Natureza (ISSQN), Imposto Sobre Propriedade Territorial Urbano
(IPTU) e Imposto Sobre Transmissão de Bens Imóveis(ITBI)- de forma que impactam
significativamente nas receitas orçamentárias.Assim, a maior parte dos municípios do Paraná
depende dos repasses oriundos das transferências governamentais para executarem seus
orçamentos públicos.
A problemática relacionada a este estudo diz respeitoàs características da evolução na
arrecadação média dos impostos (IPTU, ISSQN e ITBI) nos municípios do Estado e se há
dependências espaciais entre municípios no período que compreende 2000 a 2011. Para isso, será
realizada Análise Exploratória de Dados Espaciais (AEDE), para os 399 municípios do Paraná.
O estudo descreve a evolução da distribuição espacial da arrecadação em quatro triênios: 2000-
2002; 2003-2005; 2006-2008; 2009-2011. Dessa forma, serão usados os padrões de associação
espacial (clusters espaciais) e verificar-se-á a existência de diferentes regimes espaciais.
A metodologia utilizada é a Análise Exploratória de Dados Espaciais (AEDE). A
distribuição espacial da arrecadação de impostos municipais será determinada através da
utilização de técnicas de Análise Exploratória de Dados Espaciais (AEDE), que tem como
ferramenta o teste I de Moran Global e Local, capaz de verificar a autocorrelação espacial entre
os municípios paranaenses, e assim, verificar a existência de clusters espaciais.
O objetivo deste trabalho é identificar o padrão espacial das receitas per capitano Estado
do Paraná, no período entre 2000-2011. Além deste, será feito uma abordagem comparativa das
receitas oriundas dos impostos típicos de municípios nas mesorregiões do Estado. O artigo está
estruturado em quatropartes, além desta introdução, conforme segue:impostos típicos de
municípios; metodologia; resultados obtidos e considerações finais.
Destaca-se a importância deste estudo no segmento ligado ao setor público que tem grande
relevância e interesses socioeconômicos, visto que os investimentos com recursos financeiros
oriundos desses impostos são de grande importância para o crescimento e desenvolvimento da
região estudada, ou seja, o Estado do Paraná.
Este artigo trata-sedos fatores que contribuem para a formação e identificação espacial dos
clusters nas regiões de maior arrecadação per capita de impostos típicos de municípios e, dessa
forma, colaborar no entendimento do processo de desenvolvimento territorial de
arrecadaçãodesses tributos nas cidades paranaense, provendosubsídios para o desenvolvimento
de políticas governamentais, que visemelhorar a arrecadaçãotributária municipal.
2.IMPOSTOS TÍPICOS DE MUNICÍPIOS
Na abordagem das Constituições brasileiras observa-se que gradativamente está
ocorrendo uma descentralização fiscal no país. Isso fica mais visível com a Constituição Federal
de 1988 que define no artigo 156, incisos I, II e III os impostos típicos de municípios que
compreendem: Impostos sobre Propriedade Territorial Urbana – IPTU; Imposto sobre Serviços
de Qualquer Natureza – ISSQN e; Imposto sobre Transmissão de Bens Imóveis – ITBI. São
assegurados aos municípios e ao Distrito Federalexclusivo poder de cobrança de IPTU, ISSQN e
ITBI. A autonomia municipaltem origem, basicamente nos artigos 29 e 30 da Constituição
Federal de 1998 que delegou aos municípios poderes de editar suas próprias leis, dispor sobre
seu governo e organizar sua estrutura administrativa, de modo que respeite os limites da
Constituição (BARRETO, 2009).
Oliveira (2009) observa que, no Brasil, o IPTU originou apenas como imposto predial.
Entretanto, o impostodesta natureza incidiu-se sobre os terrenos sem edificações, após a
Constituição de 1891. Com isso, passou a existir previsão com a outorga aos estados, que
posteriormente foi transferido aos municípios pela Constituição de 1934, com exceção ao
territorial rural ficando de competência da União. A partir de então não sofreu modificações no
que tange à sua competência.Esse imposto, após a Constituição de 1988, foi denominado de
Imposto sobre a Propriedade Territorial e Urbana – IPTU, conforme o artigo 156, inciso I. A
base de cálculo do IPTU é o valor venal do imóvel conforme aponta o art. 33 do Código
Tributário Nacional (CTN).
Vale salientar, conforme adverte Andrade (2009), que o IPTU a partir da Emenda
Constitucional 29/2000, admite de forma expressa, a progressividade do imposto em função do
valor do imóvel bem como a diferenciação de alíquotas e razão da localização e do uso conferido
à propriedade.
O Código Tributário Nacional, na inteligência do caput do art. 32, define como fato
gerador do IPTU, a propriedade, o domínio ou a posse do bem imóvel por natureza ou por
acessão física. Entretanto, Giacomini (2010) adverte que, existe uma diferença do texto
Constitucional com aescrita do Código Tributário Nacional, pois naquela norma rege que o
imposto incide sobre a propriedade, enquanto o CTN descreve como fato gerador sobre a
propriedade, o domínio útil ou a posse.
Nesse sentido Oliveira (2009) observa que além da responsabilidade do pagamento do
IPTU, adquiridos pelo proprietário do bem imóvel, leis municipais poderão atribuir a terceiros a
obrigação de recolher o imposto, à fazenda pública municipal, solidariamente ou
subsidiariamente.
O ISSQN também é um imposto de competência dos municípios, conforme define o
artigo 156, inciso III da Constituição Federal de 1988. Sua base de cálculo, como observa Melo
(2005) é o preço do serviço prestado.Historicamente, Oliveira (2009) lembra que o início da
incidência tributária desse imposto no Brasil, leva ao ano de 1812, época que se criou um
gravame vinculado à concessão de alvará para exercer certas atividades profissionais, como
funileiros e latoeiros. Oliveira (2009) ainda complementa que as normas gerais do ISSQN
originalmente fundamentadas pelos artigos 71 e 73 do CTN e com algumas alterações
posteriores vigoraram até a edição da Lei complementar nº 116/2003.
O fato gerador do ISSQN, conforme o art. 8º do Decreto Lei 406/1968 é a prestação de
serviços. Nesse sentido Oliveira (2009) complementa que o fato gerador do ISSQN é a prestação
de serviços realizada por pessoa física ou jurídica, mediante contraprestação onerosa.Dessa
forma, os municípios podem erigir como fato gerador a prestação de todo e qualquer serviço.
Ainda, Melo (2005) observa que a íntima vinculação da pessoa com materialidade é que
tem a virtude de tornar visível o contribuinte, porque, ao alcançar o fato gerador, terá que
recolher à fazenda pública, parte da respectiva grandeza econômica, classificada como imposto.
O último imposto avaliado neste estudo é o ITBI – Imposto sobre Transmissão de Bens
Imóveis, de competência municipal, deliberado pelo artigo 156, inciso II da Constituição
Federal. Conti (1999) observa que o ITBI apareceu no Direito Brasileiro em 1809 denominado
de “sisa”, tendo a previsão constitucional a partir de 1891 outorgando aos estados a competência
de arrecadação.
Conforme descreve o Código Tributário Nacional no artigo 114 o fato gerador é o
acontecimento expresso na norma jurídica legal como necessária e suficiente. Nesse sentido,
Marinho (2012) lembra que o ITBI é ainda um dos poucos tributos no Brasil que o lançamento é
realizado por declaração do adquirente do imóvel à Fazenda Pública Municipal. Dessa forma, a
base de cálculo é o valor que o comprador paga ao vendedor.
3. METODOLOGIA
Para alcançar os objetivos deste trabalho os dados foram coletados no site da Secretaria do
Tesouro Nacional (STN, 2012). A técnicautilizada é a de Análise Exploratória de Dados
Espaciais -AEDE, por meio do Índice de Moran Local e Global a fim de avaliar-se a
autocorrelação espacial.Com a finalidade de calcular o impacto da variável arrecadação per
capita dos impostos típicos de municípios, foram coletados os dados referentes aos 399
municípios do estado do Paraná. Contudo, na elaboraçãodos gráficos, mapas e testes utilizou-se
o softwareGeodataAnalysys (GeoDa). Almeida (2004) explica que a Análise Explanatória de
Dados Espaciais versa em um arcabouço de métodos, contendo elementos geográficos que
permitem o descobrimento de padrões espaciais nos dados.
Anselin (2005)descreve o AEDE fundamentado nos efeitos decorrentes da dependência e
da heterogeneidade espacial. Essa análise tem como finalidade demonstrar a associação de
clusters espaciais, averiguar a existência de distintos regimes espaciais ou não-estacionariedade e
identificar observações discrepantes.
Apesar de ser escassos estudos na literatura nacional que analisam a arrecadação de
impostos típicos de municípios através da técnica de Análise Exploratória de Dados Espaciais,
existem diversos estudos em outros segmentos que utilizam esta técnica para a identificação de
clusters espaciais.
A variável estudada neste artigo é a arrecadaçãoper capita corresponde à média da soma
dos impostos (ITBI, IPTU e ISSQN)dividida pela média da população, nos triênios 2000-2002,
2003-2005, 2006-2008 e 2009-2011, atualizados pelo Índice Nacional de Preços ao Consumidor
Amplo Especial (IPCA-E) a valores de dezembro de 2011 (IBGE, 2012). Dessa forma, épossível
mensurar a evolução eo padrão locacional dos municípiosparanaense nos quatros triênios.
3.1. Matriz de pesos espaciais
Para Ribeiro (2010) a dependência ou a autocorrelação espacial denota que a estimação
de uma variável de interesse numa certa região ou município depende do valor dessa variável nas
regiões vizinhas, que formam uma matriz. A vinculação espacial mostra a existência de uma
afinidade funcional entre o que ocorre em determinado lugar e o que ocorre em outro local.
Dessa forma, diz-se que uma variável de certa região ou município depende desta mesma
variável nas regiões ou município vizinhos.
Uma matriz de pesos espaciais busca condensar certo arranjo espacial de influência mútua
resultantes do elemento a ser observado que não precisa adotar um enfoque apenas geográfico.
Os dados da matriz de pesos espaciais são não randômicos e exógenos ao modelo, e de forma
genérica, são fundamentadas nos arranjos geográficos das observações ou na adjacência entre
elas.A matriz de pesos espaciais é empregada com a finalidade de enlaçar os resultados de
contiguidade e imediação sobre os elementos pelo meio de ponderações, ou seja, a variável
analisada em cada município recebe uma avaliação quando fizer vizinhança com o município
analisado (ALMEIDA, 2004).
Figura 1:Matriz de peso espacial - Queen
M2 M3 M4
M9 M1 M5
M8 M7 M6
Fonte: Elaborado pelos autores, baseado em Ribeiro (2010).
No entanto, conforme observa Pimentel e Haddad (2004), têm-se diferentes tipos de matriz
de pesos espaciais - Matriz Binária, Distância Inversa, Matriz de Pesos Espaciais Gerais de Cliff
e Ord, Matriz de Distância Socioeconômica. Convenciona-se que a matriz de pesos espaciais
adotada neste estudo recebe o nome de Queen, conforme Figura 1, onde M1 representa o
município central e M2 a M9 os municípios periféricos. A matriz do tipo Queen considera todas
as regiões com fronteiras diferentes de zero, incluindo os vértices.
Após a construção da matriz de pesos espaciais, executa-se o processo de obtenção do
Índice de Moran Global, como grau de correlação espacial da variável de interesse que será
analisado metodologicamente, nos subitens: 3.2 e 3.3.
3.2. Estatística I de Moran Global -Univariada
Segundo Teixeira e Almeida et al (2009), a Estatística I de Moran é o coeficiente que mede
a autocorrelação espacial. Ela testa a hipótese de que os dados espaciais estejam disseminados
aleatoriamente. A autocorrelação espacial depende da definição do arranjo espacial das
observações, expressa pela matriz de pesos espaciais.
Almeida (2004) demonstra a fórmula estatística do I de Moran conforme segue a equação
1:
ijw
nI
2
yy
yyyyw
i
jiij (1)
em que:
n: é o número de unidades espaciais;
iy : é a variável de interesse;
ijw : é o peso espacial para o par de unidades espaciais i e j, medindo o grau de interação
entre elas.
A estatística I de Moran tem um valor esperado de
1
1
n, ou seja, mostra o valor que
seria obtido se não houvesse padrão espacial nos dados. Dessa forma, os valores de I que
excedem
1
1
n indicam autocorrelação espacial positiva. Já os valores de I abaixo do valor
esperado indicam autocorrelação negativa. Ao contrário de um coeficiente de correlação, essa
estatística não é centrada em zero. À medida que o número de regiões ou município aumenta, o
valor esperado da estatística I de Moran aproxima-se de zero. Assim, conclui-se que tal
estatística varia entre 1 (ANSELIN,2005).
A autocorrelação espacial positiva mostra que, alta área de arrecadaçãoper capita de um
município ou região tende a ser rodeada por área de arrecadação de imposto per capita também
alta dos municípios e regiões vizinhas. O inverso também ocorre, uma pequena área de
arrecadaçãoper capita de um município ouregião tende a ser rodeada por área de arrecadaçãoper
capita igualmente baixa dos municípios e regiões contíguas (PIMENTEL E HADDAD, 2004).
O indicativo de autocorrelação espacial negativa indica que existe uma dissimilaridade
entre os valores das características avaliadas e da sua localização espacial. Ela denota queuma
elevada área de arrecadação de impostos típicos de municípios per capita de umaregião ou
município tende a ser circulada por pequena área de arrecadação per capita das regiões ou
municípios vizinhos(ALMEIDA, 2004).
O diagrama de dispersão de Moran é uma forma alternativa para interpretar a estatística I
de Moran. Essa representação mostra a defasagem espacial da variável de interesse no eixo
vertical e o valor da variável de interesse no eixo horizontal. A interpretação para esta estatística
é dada por quatro tipos de padrões espaciais conforme se verifica na figura 2.
Figura 2: Ilustraçãodo diagrama de dispersão de Moran
Fonte: Diniz et al(2012).
Alto-Alto (AA) indica regiões com elevados valores para a variável de interesse, sendo
vizinhas de regiões com elevados valores para a mesma. O padrão Baixo-Baixo (BB) revela
localidades com reduzidos valores para a variável em análise, sendo circundadas por localidades
com baixos valores para a mesma. O padrão Baixo-Alto (BA) mostra localidades com baixos
valores para a variável investigada, que são vizinhas de regiões com altos valores para a mesma.
Por fim, o padrão Alto-Baixo (AB) caracteriza regiões com altos valores para a variável em
estudo, que são ladeadas por outras com baixos valores para a mesma (TEIXEIRA e ALMEIDA,
2009).
3.3.Estatística I de Moran Local: Univariável
Para Anselin (1995), o índiceI de Moran local aborda um diagnóstico do indicador global
de autocorrelação conforme a contribuição local de cada observação em quatro categorias, nas
quais cada uma representa um quadrante no diagrama de dispersão de Moran. A explicação do I
de Moran local é intuitiva, dando a indicação do grau de agrupamento dos valores similares da
região observada, identificando clusters espaciais, estatisticamente significativos.
A estatística I de Moran local foi sugerida por Anselin e Florax (1995), tendo como
finalidade obter os padrões locais de associação linear que sejam significativos, sendo expressa
pelas seguintes equações:
n
yy
yywyyI
ii
jiji
i 2 (2)
ou
j
jijii zwzI (3)
em que:
iz e jz são variáveis padronizadas e a somatória sobre jé tal que somente os valores dos vizinhos
jsão incluídosji. O conjuntojiabrange os vizinhos da observação i, e por definiçãowij=0.
Conforme Perobelliet al (2008) as avaliações de autocorrelação espacial local devem ser
empregadas a fim de indicar a ocorrência de clusters espaciais locais, de valores altos ou baixos,
e quais são as regiões quecooperam mais exacerbadamente para a acontecimentos de
autocorrelação espacial. Tais conceitos de autocorrelação espacial local são expressos pelo
diagrama de dispersão de Moran (Moran Scatterplot) e as estatísticas LISA (Indicadores Locais
de Associação Espacial).
3.4.Índice de Gini
Através do Índice de Gini, calcula-se a desigualdade de uma distribuição qualquer. Este
coeficiente varia entre 0 a 1. Quanto mais perto de zero, representa uma distribuição mais
significativa, ou seja, no caso deste estudo, um valor de zero significaria uma distribuição
uniforme da arrecadação dos impostos típicos de municípios em todo Estado do Paraná. Já um
coeficiente no valor de 1 apontaria uma concentração da distribuição do imposto para apenas
ummunicípio ou região do Estado.
Conforme Hoffman (2006), o Índice de Gini pode ser obtido pela seguinte forma:
nGn
i
ii )(11
1 (4)
onde:
G é o Coeficiente de Gini;
i são os extratos;
i é o valor da proporção acumulada da produção até o extrato i;
n representa o número de extratos da população e da produção;
O cálculo do Índice de Gini objetiva complementar o estudo de Análise Exploratória de
Dados Espaciais (AEDE) no sentido de identificar se há uma concentração ou desconcentração
das receitas oriundas dos impostostípicos de municípios no período de 2000-2011 no Estado do
Paraná.
3.5.Análise Gráfica das Receitas Oriundas dos Impostos Típicos de Municípios
Este subitem tem a finalidade de fazer uma análise do comportamento das receitas
próprias de municípios. Como o Índice de Gini, este exame vem complementar os resultados
obtidos da Análise Exploratória de Dados Espaciais (AEDE).
4.RESULTADOS OBTIDOS
Este item examina odiagnóstico exploratório de dados espaciais da arrecadação média per
capitados impostos típicos dos municípios do Estado do Paraná, provendocontribuições para
oentendimento do setor, bem como o Índice de Gini que mede a concentração desses impostos
no Estado.
4.1. I de Moram Global e Diagrama de Dispersão de Moran (Moran Scatterplot)
O Ide Moran esperado é expresso por, E (I)
1
1
n, e fornece o valor que seria obtido
se não houvesse padrão espacial nos dados, nesse caso E(I) = - 0,0025, onde o valor de n
corresponde ao número de municípios do Estado do Paraná, num total 399 (IBGE, 2012). Vale
ressaltar, que os valores de Iesperado acima de –0,0025 indicam autocorrelação espacial positiva
e os valores abaixo, autocorrelação negativa.
A Tabela 1 mostra os valores de I de Moran para a variável arrecadação per capita média
dos tributos típicos de municípios para a matriz de pesos espaciais do tipo Rainha (Queen). Os
dados demonstrados na tabela 1 revelam que existe autocorrelação espacial positiva entre os
municípios, já que o valor de I de Moran calculado está acima do valor esperado, considerando
uma significância estatística de 5%.Entretanto, a análise da estatística I de Moran a respeito da
ocorrência de regimes espaciais, não torna provável a visualização de onde estão esses regimes e
a sua evolução ao longo do tempo. Para esta tarefa será utilizado o diagrama de dispersão de
Moran.Observa-se que a pseudo-significância empírica dos resultados da Tabela 1 é baseada em
999 permutações aleatórias.
Tabela 1 – Estatística I de Moran
Variável Convenção I Probabilidade
P_C_00_02
Rainha (Queen)
0,5023 0,05 P_C_03_05 0,4262 0,05
P_C_06_08 0,0343 0,05
P_C_09_11 0,4083 0,05 Fonte: Elaborado pelos autores, com auxílio do SoftwareGeoda.
Com relação às variáveis do eixo x, segue a definição: P_C_00_02 corresponde à média
trienal para os anos de 2000 a 2002 da arrecadação per capita dos impostos típicos de
municípios; P_C_03_05 corresponde à média trienal para os anos de 2003 a 2005 da arrecadação
per capita dos impostos típicos de municípios; P_C_06_08 corresponde à média trienal para os
anos de 2006 a 2008 da arrecadação per capita dos impostos típicos de municípios; P_C_09_11
corresponde à média trienal para os anos de 2009 a 2011 da arrecadação per capita dos impostos
típicos de municípios;
Ainda, segue as definições das variáveis do eixo y dos diagramas de dispersão de Moran:
W_P_C_00_02 corresponde à defasagem espacial da média trienal relativo ao período de 2000-
2002 da arrecadação per capita dos impostos típicos de municípios; W_P_C_03_05 corresponde
à defasagem espacial da média trienal relativo ao período de 2003-2005 da arrecadação per
capita dos impostos típicos de municípios; W_P_C_06_08 corresponde à defasagem espacial da
média trienal relativo ao período de 2006-2008 da arrecadação per capita dos impostos típicos
de municípios; W_P_C_09_11 corresponde à defasagem espacial da média trienal relativo ao
período de 2009-2011 da arrecadação per capita dos impostos típicos de municípios.
Conforme mostra a Figura 3o diagrama de dispersão de Moran é uma ferramenta gráfica
para analisar o I de Moran.No ponto de vista de Almeida (2004), para identificar a existência de
autocorrelação espacial é indispensável examinar a inclinação da curva mostrada no diagrama de
dispersão de Moran. Ou seja, se o coeficiente angular for positivo, apresenta autocorrelação
espacial positiva. Se o coeficiente angular for negativo, haverá autocorrelação negativa.A Figura
3 apresenta os diagramas de dispersão de Moran para a média trienal (2000-2002, 2003-2005,
2006-2008, 2009-2011)da arrecadação per capita dos impostos típicos de municípios no Estado
do Paraná. Dessa forma, como mostra a Figura 3, que contem os quatro gráficos de dispersão de
Moram, o coeficiente angular é positivo e, portanto, há correlação espacial positiva.
Figura 3 - Diagramas de Dispersão de Moran da Arrecadação Média Per Capitados Impostos
Típicos Municípios.
Fonte: Elaborado pelos autores, com auxílio do SoftwareGeoda.
Como já mencionado, o diagrama de dispersão de Moran é dividido em quatro quadrantes,
sendo eles: Alto-Alto; Baixo-Baixo; Alto-Baixo e Baixo-Alto. Os quadrantes mostram a
associação local espacial entre os municípios e seus vizinhos.
4.2. I de Moran Local
Na ótica de Almeida (2004) a associação linear espacial fornecida pela estatística I de
Moran Local pode ser fornecida de forma eficiente através do mapeamento dessas unidades
espaciais.A Figura4apresenta a significância das unidades espaciais através da estatística I de
Moran local para arrecadação média per capita dos impostos típicos de municípios no Estado do
Paraná. Nos mapas, a cor verde clara representa o nível de significância de 5%, o verde um
pouco mais escuro 1%, e o verde com tonalidade forte 0,1%. Os demais municípios não foram
significativos, conforme mostra a referência na Fifura4.
Figura4 -Significância da arrecadação per capita média dos impostos típicos de municípios do
Estado do Paraná, nos triênios 2000-2002, 2003-2005, 2006-2008, 2009-
2011.
Fonte: Elaborado pelos autores, com auxílio do SoftwareGeoda.
Contudo, a Figura 5exibe os clusters significativos para o Ilocal. Almeida (2004) esclarece
que o mapa de clusters ilustra as quatro categorias que são estatisticamente significantes, através
da combinação do diagrama de dispersão de Moran e o mapa de significância da associação
local. Os mapas de clusters mostram oagrupamento dos municípios que apresentam maior
arrecadação média per capita dos impostos típicos de municípios. Nesse sentido, a partir
daFigura 5, que demonstra a média trienal do período compreendido entre 2000 a 2011, ou seja,
nos quatro triênios analisados, é possível verificar a presença de clustersdo tipo alto-alto,
principalmente nos municípios pertencentes àMesorregião Metropolitana de Curitiba.
Dessa Forma, o mapa (a) da Figura 5referente ao triênio 2000-2002mostra o agrupamento
de cluster tipo Alto-Alto, nos municípios próximos à Curitiba, que correspondem a um bloco de
17 cidades, além de Curitiba, como segue: Palmeira, Campo Largo, Porto Amazonas, Campo
Magro, Araucária, Pinhais, Piraquara, São José dos Pinhais, Colombo,Quatro Barras, Fazenda
Rio Grande, Morretes, Antonina, Paranaguá, Matinhos, Pontal do Paraná, Guaratuba.A exceção
é Arapongas, localizada no Norte do Estado.
Contudo, no agrupamento de cluster Baixo-Baixo, o mapa mostra um pouco mais de
descentralização dos municípios com essas características com ênfase ao “corredor”
compreendido entre o município Cândido Abreu até Palmas, que representa um montante de 13
cidades conforme segue: Cândido Abreu, Boa Ventura de São Roque, Barbosa Ferraz, Laranjal,
Nova Laranjeiras, Palmital, Santa Maria do Oeste, Chopinzinho, Rio Bonito do Iguaçu, São
João, Mangueirinha, Reserva do Iguaçu e Palmas. Ainda mostra duas regiões com características
Baixo Baixo. Uma região corresponde ao agrupamento das cidades de Borrazópolis, Jardim
Alegre, Lidianópolis e Lunardelli. O outro agrupamento do mesmo padrãoé composto pelos
municípios de Ampére, Barracão, Pinhais de São Bento, Salgado Filho e Santo Antônio do
Sudoeste.
Isoladamente o mapa (a) da Figura 5 mostra os municípios de Conselheiro Mairinck,
Jaboti e Siqueira Campos na mesorregião norte pioneiro com padrão Baixo-Baixo.Esse mapa
ainda mostra o agrupamento de cluster Alto-Baixo na região Centro-Sul do Estado de forma
dispersa. Estes municípios são: Francisco Beltrão, Guaraniaçu, Ivaiporã, Laranjeiras do Sul, São
Mateus do Sul e União da Vitória. Já os clusters de municípios Baixo-Alto estão localizados no
entorno do agrupamento de cluster Alto-Alto, ou seja, na região de Curitiba-Litoral e
correspondem às cidades: Almirante Tamandaré, Contenda, Guaraqueçaba e Tijucas do Sul.
Com relação ao mapa (b) da Figura 5 referente ao triênio 2003-2005, mostra o
agrupamento de cluster tipo Alto-Alto, como no triênio 2000-2002,que se concentra também na
Região Metropolitana de Curitibacom os seguintes municípios:Antonina, Araucária, Campina
Grande do Sul, Campo largo, Campo Magro, Colombo, Curitiba, Guaratuba, Matinhos,
Morretes, Paranaguá, Pontal do Paraná, Porto Amazonas e São Jose dos Pinhais. Também há três
municípios na região Norte do estado que apresenta padrão Alto-Alto que são: Sertanópolis,
Arapongas e Cambé.
Entretanto, o padrão Baixo-Baixo, no mapa (b) da Figura 5demonstra que há um
agrupamento na região central do Estado que compreende uma parte do sul da Mesorregião
Norte Central e o Norte da Mesorregião Centro-Sul que são formados pelos municípios descritos
a seguir: Boa Ventura de São Roque, Cândido de Abreu, Ivaiporã, Laranjal, Palmital, Pitanga,
Rio Branco do Ivaí e Santa Maria do Oeste. Há outro pequeno agrupamento de três municípios
do padrão Baixo-Baixo formado pelos Municípios de São João, Quedas do Iguaçu e Rio Bonito
do Iguaçu.Ainda, na mesorregião Sudoeste apresentam de forma dispersa no padrão Baixo-Baixo
os municípios de Barracão, Nova Prata do Iguaçu e Pranchita. Também nesse padrão o mapa (b)
da Figura 5 mostra dois municípios na Mesorregião Noroeste: Inajá e Paranacity. Já na
Mesorregião Norte Central aparece o município de Miraselva. Por fim, na Mesorregião Norte
Pioneiro aparece nesse padrão às cidades de Santana de Itararé e Siqueira Campos.
O padrão Alto-Baixo(mapa (b) da Figura 5), exibe uma dispersão no território do Estado
no qual compreendem os municípios conforme relacionados a seguir: Conselheiro Mairinck,
Francisco Beltrão, Pinhal de São Bento, São Mateus do Sul e União da Vitória. Com relação ao
padrão Baixo-Alto existe um grupo disperso na Mesorregião Norte Central compreendido pelos
municípios de Ângulo, Ivatuba, Sarandi e Tamarana. Outro grupo pertencente ao mesmo padrão,
o mapa (b) mostra que os demais municípios estão dispersos na Mesorregião Metropolitana de
Curitiba que é composta pelos municípios: Almirante Tamandaré, Fazenda Rio Grande,
Guaraqueçaba, Piraquara e Tijucas do Sul.
O mapa (c) da Figura 5, que se refere ao triênio de 2006-2008, novamente, exibe uma
concentração na Mesorregião Metropolitana de Curitiba para o padrão agrupamento de cluster
Alto-Alto. Os municípios pertencentes a esse grupo são: Altônia, Araucária, Campo Largo,
Colombo, Curitiba, Guaratuba, Matinhos, Morretes, Paranaguá, Pinhais, Piraquara, Pontal do
Paraná, Quatro Barras e São José dos Pinhais. Outro grupo está na Mesorregião Norte Central
com os municípios de Arapongas, Apucarana e Cambé.
Em relação ao padrão Baixo-Baixo o mapa (c) da Figura 5 demonstra que existe um
agrupamento não contínuo de cidades que se inicia no sul da Mesorregião Norte Central, que
passa pela Mesorregião Centro Sul e termina na Mesorregião Sudoeste. Essas Mesorregiões são
integradas pelos municípios relacionados a seguir: Borrazópolis, Dois Vizinhos, Guaraniaçu,
Ivaiporã, Jardim Alegre, Lidianópolis, Lunardelli, Palmital, Pitanga, Quedas do Iguaçu, Salgado
Filho, Santo Antônio do Sudoeste e São Pedro do Ivaí.
O mapa (c) da Figura 5 expõem apenas os municípios de Francisco Beltrão, Paranavaí e
São Mateus do Sul com padrão de agrupamento de cluster Alto-Baixo que estão distribuídos em
três mesorregiões. Com relação ao agrupamento do cluster Baixo- Alto o mapa (c) mostra que há
um grupo homogêneo formado pelos municípios de Assaí, Ibiporã, Marilândia do Sul, São
Jerônimo da Serra, Sertanópolis e Tamarana (cidades das Mesorregiões Norte Central e Norte
Pioneiro). Ainda, no agrupamento Baixo-Alto possui um contingente de municípios exclusivos
da Mesorregião Norte Central, conforme relacionados a seguir: Ângulo, Doutor Camargo,
Floresta, Iguaraçu, Ivatuba, Mandaguaçu, Marialva, Paiçandu e Sarandi. Nesse mesmo padrão
de agrupamento o mapa (c) mostra que entorno do padrão Alto-Alto da Mesorregião
Metropolitana de Curitiba há cinco municípios conforme segue: Almirante Tamandaré, Campo
Magro, Fazenda Rio Grande,Guaraqueçaba e Tijucas do Sul. Por fim, ainda nesse padrão Baixo-
Alto, os municípios de Carambeí na região dos Campos Gerais e as cidades de Santa Tereza do
Oeste, Santa Terezinha de Itaipu e Tupãssi na Mesorregião Oeste do Estado estão contidos.
Figura 5 - Clusters da arrecadação per capita média dos impostos típicos demunicípios do
Estado do Paraná, nos triênios 2000-2002, 2003-2005, 2006-2008, 2009-2011.
Fonte: Elaborado pelos autores, com auxílio do SoftwareGeoda.
O mapa (d) da Figura 5, que se refere ao triênio de 2009-2011. Assimcomo nos triênios
anteriores também mostra uma concentração na Mesorregião Metropolitana de Curitiba para o
padrão agrupamento de cluster Alto-Alto. Os municípios pertencentes a esse grupo são:
Antonina, Araucária, Balsa Nova, Campo Largo, Curitiba, Fazenda Rio Grande, Guaratuba,
Mandirituba, Matinhos, Morretes, Paranaguá, Pinhais, Piraquara, Portal do Paraná, Porto
Amazonas, Quatro Barras, São José dos Pinhais e Tijucas do Sul. Outros municípios que
apresentam o mesmo padrão de agrupamento são Telêmaco Borba, Imbaú e Carambeí,
pertencentes à Mesorregião Centro Oriental e Arapongas Astorga e Sertanópolis, da Mesorregião
Norte Central.
Em relação ao padrão Baixo-Baixo o mapa (d) da Figura 5 demonstra que existe um
agrupamento compostos de três mesorregiões, conforme descritos a seguir: Boa Ventura de São
Roque, Pitanga e Santa Maria do Oeste na Mesorregião Centro Sul; Iretama na Mesorregião
Centro Oriental e Jardim Alegre na Mesorregião Norte Central. Ainda, no agrupamento Baixo-
Baixo há sete municípios dispersos em varias mesorregiões do Estado. Esses municípios são:
Barracão e Salgado Filho pertencentes à Mesorregião Sudoeste, Inajá Mesorregião Norte
Central, Jaboti e Santana do Itararéna Mesorregião Norte Pioneiro, Palmas Mesorregião Centro
Sul e Paraiso do Norte que fica localizada na Mesorregião Noroeste.
O mapa (d) da Figura 5, ainda exibe os municípios deBorrazópolis na Mesorregião Norte
Central, Cornélio Procópio pertencente à Mesorregião Norte Pioneiro, os municípios de Dois
Vizinhos eFrancisco Beltrão localizado na Mesorregião Sudoeste, Paranavaína Mesorregião
Noroeste, São Mateus do Sul e União da Vitóriana Mesorregião Sudeste com padrão de
agrupamento de cluster Alto-Baixo. Com relação ao agrupamento do cluster Baixo-Alto o mapa
(d) mostra os municípios de Campo Magro, Colombo, Contenda, Guaraqueçaba e Quitandinha
pertencente à Mesorregião Metropolitana de Curitiba e os municípios de Ivatuba, Sarandi e
Tamaranana Mesorregião Norte Central.
4.3. Índice de Gini
No período “pós-guerra fiscal”, década de 90, percebe-se uma variação maior de
arrecadação de Imposto Sobre Circulação de Mercadorias e Serviços (ICMS) dos Estados,
quando comparados com o Estado de São Paulo (NASCIMENTO, 2008). Na análise feita pelo o
Autor não foi empregadaa metodologia deste trabalho e as receitas, objeto dessa análise, são
oriundas dos impostos típicos de municípios, diferente daquela, ou seja, do ICMS que é de
competência de arrecadação dos estados confederados.
Entretanto, o fenômeno da “guerra fiscal” não ficou apenas no âmbito dos impostos típicos
de Estados. Ela abrange, também, os impostos típicos de municípios como a postergação da
cobrança ou a isenção de IPTU e ISSQN. Esses impostos são dois da tríade que é
complementada pelo ITBI. Dessa forma, no intuito de complementar a análise espacial dos dados
referente ao agrupamento de cluster dos quatro triênios (2000-2002; 2003-2005; 2006-2008 e
2009-2011), foi calculado os Índice de Gini no período de 2000-2011 para auferir se houve
desconcentração das receitas que estão sendo analisadas.
Figura 6: Índice de Gini da Arrecadação das Receitas Típicas de Municípios.
Fonte: Elaborado pelos Autores.
A Figura 6 mostra uma variação negativa de 19,81% no Índice de Gini, passando de
0,4706 para 0,3928, respectivamente entre os anos 2000 a 2011. Isso significa que está
ocorrendo uma desconcentração das receitas próprias de municípios e com tendência de queda,
mesmo que esse fenômeno esteja acontecendo de forma lenta. Nesse período, o ano de 2007 foi
atípico que interrompeu um ciclo de seis anos de queda, passando de 0,3840 em 2006 para
0,4113 em 2007 com uma variação de 7,083%. Após esse período (2000-2007), houve oscilações
no índice, todavia em 2011 fechou em queda.
4.4. Análise Gráficadas Receitas Oriundas dos Impostos Típicos de Municípios
A Figura 7mostra o desempenho da arrecadação dos impostos - IPTU; ISSQN e ITBI - nos
triênios 2000-2002; 2003-2005; 2006-2008 e 2009-2011 na receita orçamentária dos municípios
paranaense. No primeiro triênio as receitas próprias eram de 12,25% do total das receitas
orçamentárias, subindo para 12,90% no segundo triênio e recuando para 12,74% no terceiro
triênio. Entretanto, no quarto triênio houve uma queda acentuada do impacto das receitas
próprias nas receitas orçamentárias, chegando a 9,15%. No período de 2000 a 2011 os
municípios paranaenses obtiveram uma variação negativa nas receitas próprias de 25,27%.
Figura 7: Participação percentual dos Impostos Típicos de Municípios nas Receitas
Orçamentárias no período de 2000 a 2011.
Fonte: Elaborada pelos Autores.
A Figura 8exibe o desempenho do impacto orçamentário das receitas próprias dos
municípios das 10 mesorregiões do Paraná. A Mesorregião Noroeste (1) variou positivamente
em 6,92% a participação das receitas próprias no montante das receitas orçamentárias. A
mesorregião Centro Ocidental (2) foi a que apresentou maior crescimento no período analisado,
variando positivamente 49,52%, passando de 5,21%para 7,79% a sua representatividade nas
receitas orçamentárias entre o triênio 2000-2002 e 2009-2011.A Mesorregião Centro-Sul (8),
também obteve um crescimento de 9,43% entre os triênios 2000-2002 e 2009-2011.
Entretanto, as representatividades das receitas próprias das demais mesorregiões, nas
receitas orçamentárias, mostraram uma acentuada queda. A Mesorregião Metropolitana de
Curitiba (10) obteve uma variação negativa de 34,88% na representatividade das receitas
próprias em relação às receitas orçamentárias, passando de 20,44% no triênio 2000-2002 para
13,31% no triênio 2009-2011. A segunda maior variação negativa foi alcançada pela
Mesorregião Sudeste (9) que perdeu 23,58% durante o período avaliado. Na ordem segue a
mesorregião Centro-Oriental (5) que variou negativamente 20,90% no períodoexaminado.Outra
Mesorregião que obteve uma expressiva variação percentual negativa foi a Norte Central (3),
com uma queda de 20,59%, passando de 11,41%de para 9,06% o impacto
orçamentáriorespectivamente no primeiro triênio e quarto triênio.
Figura 8: Impacto Orçamentário das Receitas dos Impostos Típicos de Municípios por
Mesorregiões.
Fonte: Elaborado pelos Autores.
Já as Mesorregiões Norte Pioneiro(4), Oeste (6) e Sudoeste (7), obtiveram respectivamente
variações negativas de 9,61%, 6,65% e 12,27% nas suas participações percentuais das receitas
próprias nas receitas orçamentárias.
A Figura 9expõe a receita per capita em Reais dos impostos típicos de municípios nos
quatro triênios avaliados neste estudo. A Mesorregião Noroeste (1) alcançou uma variação
positiva de 65,08% na arrecadação per capita entre os triênios 2000-2002 a 2009-2011 passando
de R$61,29 para R$101,18. A Mesorregião Centro-Ocidental (2) alcançou 164,24% de variação
positiva na arrecadação no período compreendido entre o primeiro e o quarto triênio, passando
respectivamente de R$73,79 para R$194,99 a sua arrecadação per capita.
A Figura 9 ainda apresenta variações positiva similaresdas Mesorregiões Norte Central (3),
Centro-Oriental (5), Oeste (6) e Sudeste (9), respectivamente no montante de 21,22%, 27,44%,
23,68% e 24,74%. As Mesorregiões Norte Pioneiro (4), Sudoeste (7) e Centro-Sul (8)
alcançaram variações positivas,respectivamente de 41,74%, 44,88% e 67,23%, no período
compreendido entre os triênios de 2000-2002 a 2009-2011. E por fim, visualiza a única variação
negativa que foi alcançada pela Mesorregião Metropolitana de Curitiba, representada na Figura 9
por Mesorregião 10, correspondente a 2,24%.
Figura 9: Receita per capita em Reais dos Impostos Típicos de Municípios por
Mesorregiões.
F
onte: Elaborado pelos Autores.
Vale ressaltar que, com exceção da Mesorregião Centro-Ocidental (2), as demais
mesorregiões obtiveram auge de crescimento nas receitasper capita oriundas dos impostos
típicos de municípios no triênio2006-2008.
A Figura 10 ilustra a capacidade de arrecadação per capitaem Reais dos impostos típicos
de municípios nos três Estados da Região Sul do Brasil. O Estado de Santa Catarina tinha o
melhor desempenho no ano 2000. Em 2001 perdeu a posição para o Estado do Rio Grande do
Sul e em 2004 alcançou a igualdade. A partir de 2005 retornou ao posto de melhor desempenho e
manteve até 2011. O crescimento no período de 2000 a 2011 alcançou 153,59%. O Estado do
Rio Grande do Sul, em 2000, ocupava a segunda colocação, passando para primeiro em 2001 e
mantendo se até 2003. Em 2004, obteve o mesmo desempenho do Estado de Santa Catarina e a
partir de 2005 se manteve no posto de segundo colocado, com uma variação de crescimento de
162,83% em todo o período.
O Estado do Paraná alcançou uma taxa de crescimento de 159,44%, entretanto o seu
patamar de arrecadação ficou bem abaixo dos Estados de Santa Catarina e Rio Grande do Sul.
Enquanto que no ano 2000 os Estados de Santa Catarina e Rio Grande do Sul obtiveram uma
arrecadação per capita de R$56,90 e R$51,22 respectivamente, o Paraná alcançou apenas R$
R$39,43. Já em 2011, enquanto o Estado de Santa Catarina conseguiu uma arrecadação per
capita de R$144,11 e o Estado do Rio Grande do Sul alcançou R$134,63, o Estado do Paraná
ficou com uma receita per capita de R$102,30.
Figura 10: Arrecadação per capita dos Impostos Típicos de Municípios em Reais no Período de
2000-2011 dos Estados da Região Sul.
Fonte: Elaborado pelos Autores.
5. CONSIDERAÇÕES FINAIS
O estudo procurou identificar o padrão locacional da arrecadação per capita média dos
impostos típicos de municípios: IPTU, ITBI e ISSQN para os municípios do Estado do Paraná,
através da identificação da autocorrelação espacial e detecção de clustersespaciais entre os
municípios. O uso de instrumentos de análise exploratória de dados espaciais permitiu verificar
que, em geral, os municípios com alta produtividade média na arrecadação de impostos
municipais são vizinhos de outros municípios que apresentam o mesmo padrão de arrecadação.
O mesmo ocorrendo com municípios de baixa arrecadaçãomédia que são cercados por outros
municípios com as mesmas características.
Através da utilização da Análise Exploratória de Dados Espaciais (AEDE), foi possível
identificar a autocorrelação positiva para a arrecadação médiaper capitados municípios
arrecadadores de impostos típicos de sua competência no Estado de Paraná no período de 2000 a
2011, identificando, principalmente, clusters alto-alto e baixo-baixo.
O resultado da AEDE permite sinalizar a concentração de municípios com maior
arrecadação na Mesorregião Metropolitana de Curitiba, que é formada pelos municípios em
torno da Capital, da Serra do Mar e Litoral. Com o estudo, verificou-se uma descentralização do
“corredor” do clusterBaixo-Baixo que iniciava na Mesorregião Norte Central e terminava no
extremo sul do Estado do Paraná. Entretanto, um grupo de 6 municípios formados por – Boa
Ventura de São Roque, Iretama, Jardim Alegre, Palmital, Pitanga, Santa Maria do Oeste –
permanecem no cluster Baixo-Baixo. Essa região é conhecida historicamente pelas dificuldades
de se desenvolver economicamente.
Ainda que se mostre um padrão Alto-Alto de arrecadação dos impostos típicos de
municípios na Mesorregião Metropolitana de Curitiba, através do cálculo do Índice de Gini,
evidenciou-se que mesmo, de forma lenta, houve uma descentralização de receitas oriundas
desses impostos. Isso pode ter ocorrido em virtude da Lei 101/2000, chamada de Lei de
Responsabilidade Fiscal que traz em seu arcabouço jurídico à necessidade dos governantes
municipais tomarem medidas a fim de equilibrar as contas públicas, ou seja, melhorar a gestão
fiscal do tesouro municipal. Neste caso, há evidências que os menores municípios tiveram a
necessidade de aumentar sua arrecadação para atender os dispositivos da Lei. Ou seja, optou
equalizar suas contas não apenas cortando despesas, mas também buscando alternativas de
aumentar sua arrecadação.
A análise gráfica das receitas oriundas dos impostos típicos de municípios vem confirmar
que as Mesorregiões “menos expressivas” obtiveram um crescimento nas receitas próprias. Em
sentido inverso, as Mesorregiões “mais expressivas”, como aNorte Central Paranaense, Oeste e a
Metropolitana de Curitiba vem perdendo espaços na participação das receitas orçamentárias nos
municípios paranaenses. A análise gráfica confirma também que durante o período analisado as
receitas oriundas dos impostos próprios de municípios houve uma acentuada queda na
participação nas receitas orçamentárias no triênio 2009-2011. Quando se compara as receitas
próprias dos municípios pertencentes aos Estados da Região Sul do Brasil, o Paraná tem um
desempenho muito aquém dos demais.
Vale ressaltar que nas Constituições anteriores e mais evidentes na atual, tem-se observado
uma preocupação dos legisladoresem promover a descentralização fiscal no país, outorgando aos
municípios a competência de editar leis e estruturas administrativas para governar sobre a
matéria tributária. Entretanto, no Paraná, o que se observa na prática é uma ineficiência na
arrecadação desses impostos pelos municípios, pois no período dos quatro triênios estudado
neste artigo permite-se concluir que os impactos nas receitas orçamentários dos impostos de
competência de arrecadação municipal estão sofrendo uma queda acentuada.
As avaliações sobre o tema não foram esgotadas neste artigo e muitos estudos deverão
ainda ser realizados para o real entendimento sobre a temática tributária municipal. Propostas
que analisem o fluxo das receitas oriundas dos impostos típicos de municípios entre as
mesorregiões no Estado do Panaráusando modelos econométricos podem ajudar a entender a
dinâmica da mobilidade destes impostos. Portanto, com este estudo espera-se ter contribuído de
forma parcial para o real entendimento da temática abordada.
REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA, E. Curso de Econometria Espacial Aplicada. ESALQ-USP: Piracicaba, 2004.
ANDRADE, V.C.F. O IPTU Progressivo como meio de efetivação da Função Social da
Propriedade. Escola da Magistratura do Estado do Rio de Janeiro. Rio de Janeiro, 2009.
Disponível em: http://www.emerj.tjrj.jus.br/paginas/trabalhos_conclusao/2semestre2009/
trabalhos_22009/VivianCurvachoFariadeAndrade.pdf. Consultado em 23 de outubro de 2012.
ANSELIN, L. (2005); Exploring spatial data with geode: a workbook.University of Illinois,
Urbana-Champaing.Disponívelem: https: <//geodacenter.asu.edu/system/ files/GeodeWork
book. Pdf>.Consultadoem 11 de novembro 2012.
ANSELIN, L.; FLORAX, J. G. M. Small Sample of Tests for Spatial Dependence in
Regression Models: some further results. In: Anselin, L. e Florax, R. J. G. M. (eds) New
Direction in Spatial Econometrics, Springer, New York, 1995.
BARRETO, A.F. ISS na Constituição e na Lei. 3ª Ed. São Paulo. Dialética, 2009.
BRASIL. Código Tributário Nacional. Constituição Federal. Legislação Tributária. Obra
coletiva de autoria da Editora Revista dos Tribunais. 16. ed. São Paulo: Revista dos
Tribunais, 2011.
BRASIL. Instituto Brasileiro de Geografia e Estatística. Disponível em:
<http://www.ibge.gov.br>. Consultado em 25 de outubro de 2012.
BRASIL. Ministério da Fazenda. Secretaria do Tesouro Nacional. Disponível
em:http://www.receita.fazenda.gov.br. Consultado em 23 de outubro de 2012
CONTI, José Maurício. O Imposto sobre a Transmissão de Bens Imóveis (ITBI): principais
questões. Jus Navigandi. Teresina, ano 4, n. 36, 1 nov. 1999. Disponível em: <http://jus.com.br/
revista/texto/1401>. Consultado em 27 novembro 2012.
DINIZ, S.S.; CAMARA, M. R. G.da; MASSAMBANI, M.O.; ANHENESI, J.A.R.;SESSO
FILHO, H. A. Análise Espacialda Produtividade da Laranja dos Municípios do Estado de
São Paulo: 2002-2010. Trabalho apresentado no 50º Congresso da SOBER. Vitória – ES, julho
de 2012.
GIACOMINI, L.B. IPTU: uma análise da função social da propriedade e de sua
progressividade. Revista das Faculdades Integradas Vianna Junior. V.1, n.2. Juiz de Fora,
Outubro de 2010. Disponível em:http://www.viannajr.edu.br/site/ viannasapiens/ artigos/ cod3/
artigo2.pdf. Consultado em 23 de outubro de 2012.
GIAMBIAGI, F.; ALÉM, A.C. Finanças Públicas – Teoria e Prática no Brasil.Editora
Campus. Rio de Janeiro, 2000.
GIAMBIAGI, F. de BARROS, O [organizadores]. Brasil Pós-Crise: agenda para a próxima
década. Rio de Janeiro, Editora Elsevier, 2009.
HOFFMAN, R. Estatística para Economistas. 4ª Ed. São Paulo, Editora Saraiva, 2006.
MARINHO, P. ITBI – Base de Calculo – Valor do bem imóvel transmitido. Sobral - CE,
2012. Disponível em:http://direitotributarioeadministrativo.blogspot.com.br. Consultado em 27
de outubro de 2012.
MELO, J.E.S. ISS – Aspectos Teóricos e Práticos. 4ª ed.São Paulo: Dialética, 2005.
NASCIMENTO, S.P. Guerra fiscal: uma avaliação com base no PIB, nas receitas de ICMS e
na geração de empregos, comparando os estados participantes e não participantes. 2008.
(Tese para obtenção do Título de Doutorado) – Universidade de São Paulo.
OLIVEIRA, J.J. DE M. Impostos Municipais: ISS, IPTU, ITBI. São Paulo. Saraiva, 2009.
PEREIRA, G.M.; CONSELVAN, V.A. A Evolução da Carga Tributária Brasileira. Revista
Jus Societas. V.5, n.6, Jul/Dez 2011. Consultado em 22 de outubro de 2012.
http://www.revista.ulbrajp.edu.br/ojs/index.php/jussocietas/article/viewFile/1641/330
PEROBELLI, F. S.; FERREIRA, P. G. C. ALMEIDA, E. S. Existe convergência espacial da
produtividade agrícola no Brasil? Rio de Janeiro, vol. 46, n. 01, p. 031-052, jan/mar 2008.
PIMENTEL, E.; HADDAD, E.A (2004).Análise da distribuição espacial da renda no estado
de Minas Gerais: Uma abordagem setorial. Texto para discussão, NEREUS. FEA-USP. São
Paulo.
RIANI, F. Economia do Setor Público: Uma Abordagem Introdutória. 3ª Edição. São Paulo:
Atlas, 1997.
RIBEIRO, E.C.B.A. Convergência de renda local entre os municípios brasileiros para o
período 2000 a 2005. Juiz de Fora, 2010, 140p. Dissertação (Mestrado em Economia) -
Faculdade de Economia da Universidade Federal de Juiz de Fora.
TEIXEIRA, R.F.A.P.; ALMEIDA, E.S.; et al (2009). Produtividade e logística na produção
do biodiesel. Revista FEE, 31(1): 7-30.