DINÂMICA ESPACIAL DA POPULAÇÃO E DOS TRABALHADORES NA

MANUFATURA NO BRASIL (1872-1920)

Leonardo M. Monasterio

IPEA

Resumo:

O trabalho analisa as mudanças na distribuição espacial da população e da ocupação manufatureira

no Brasil entre 1872 e 1920. Para tal, são aplicados instrumentos de análise espacial (Rey 2001a;

2001b; Rey e Janikas, 2004) que combinam as técnicas de Exploratory Spatial Data Analysis

(ESDA) com as de cadeias de Markov. A base dos dados são os censos daqueles anos em nível

municipal, compatibilizados em Áreas Mínimas Comparáveis de acordo com Reis, Pimentel e

Alvarenga (2007). A análise revelou divergências nas trajetórias das áreas dentro dos estados, o

papel do espaço na dinâmica e a tendência ao aumento da concentração, especialmente no tocante à

ocupação manufatureira.

Palavras-chave: Dinâmica Espacial – História Econômica Brasileira – Censo de 1872 e 1920

Abstract:

The paper analyses the changes in the spatial distribution of population and manufacturing workers

in Brazil between 1872 and 1920. Spatial analysis techniques that combine Exploratory Spatial

Data Analysis (ESDA) with Markov chains were applied to the dataset (Rey 2001a; 2001b; Rey e

Janikas, 2004). The 1872 and 1920 Brazilian censuses were the sources of data on counties, but it

was necessary to use “Minimum Comparable Areas” as the unit of analysis (Reis, Pimentel e

Alvarenga, 2007). The study has revealed divergent trajectories within Brazilian states, the role of

space in regional dynamics and an increase in spatial concentration, especially in the manufacturing

activities.

Keywords: Spatial Dynamics – Brazilian Economic History – 1872 and 1920 Censuses

Área Anpec: Área 9 - Economia regional e urbana

JEL: N96

.

DINÂMICA ESPACIAL DA POPULAÇÃO E DOS TRABALHADORES

MANUFATUREIROS NO BRASIL (1872-1920)

INTRODUÇÃO

Em 1872, o município de São Paulo possuía cerca de 30 mil habitantes. Pouco menos de

cinco décadas depois, quase 580 mil pessoas viviam na cidade (MAIC, 1927). Movimentos de

concentração populacional tão intensos como esse não são inéditos em sociedades em

transformação1. Afinal, conforme Williamson (1965) mostrou, espera-se que haja um aumento da

concentração regional quando as economias iniciam seu processo de desenvolvimento. O caso

brasileiro é especialmente interessante, pois entre 1872 e 1920 o país presenciou o fim da

escravidão, da monarquia, a expansão das ferrovias e a intensa imigração subsidiada. Associada a

essas mudanças, o Brasil também passou pela consolidação da economia cafeeira paulista e seu

primeiro surto industrial.

O objetivo deste paper é analisar uma dessas transformações, qual seja: as mudanças na

distribuição espacial da população e da manufatura no período 1872-1920. A motivação dessa

investigação é a busca das raízes da ampla e conhecida desigualdade regional brasileira. Afinal

antes de se buscar as suas causas, é necessário ter um retrato bem preciso do fenômeno. Avaliar,

mesmo que de forma apenas empírica, o que ocorreu em termos espaciais é o primeiro passo para

que teorias explicativas sejam mais bem apreciadas.

Através de um instrumental contemporâneo, este exercício empírico busca avaliar a dinâmica

espacial da população e manufatura brasileira entre 1872 e 1920. Novas ferramentas

computacionais e metodológicas permitem que as questões de vizinhança entre as unidades

espaciais sejam examinadas. Em outras palavras, identifica-se a intensidade dos processos de

contágio ou difusão espacial entre vizinhos que porventura condicionam o desenvolvimento das

regiões. Em termos ainda mais específicos, aplicam-se as ferramentas analíticas propostas por Rey

(2001a; 2001b; Rey e Janikas, 2004) que combinam as de Exploratory Spatial Data Analysis

(ESDA) com outras mais tradicionais, aespaciais, como as cadeias de Markov.

O trabalho utiliza apenas duas fontes de dados: o Censo de 1872 e o de 1920 (DGE, 1876 e

MAIC, 1927). Ambas as fontes são consideradas de boa qualidade e fornecem dados sobre

ocupação ao nível municipal. São necessários dois esforços de compatibilização: um geográfico e

outro ocupacional. Aquele foi possível graças às Áreas Mínimas Comparáveis 1872-2000

desenvolvidas pela equipe do IPEA liderada por Eustáquio Reis (ver Reis, Pimentel e Alvarenga,

2007) que permitiram que as diferentes malhas municipais fossem compatibilizadas ao longo do

século, a despeito das emancipações ocorridas. O formato e tamanho das AMCs dependem apenas

da trajetória de formação das malhas municipais. No caso presente, obteve-se AMCs de dimensões

incomuns especialmente nas regiões Norte e Centro-Oeste. Por essa razão, o que será chamado de

Brasil refere-se apenas ao estado de Goiás e às macro-regiões Nordeste, Sudeste e Sul.

1Buenos Aires, por exemplo, passou de 180 mil para 1.973 mil habitantes entre 1869 e 1914 (Ainstein, 1996).

Já na compatibilização das ocupações, buscou-se uma correspondência entre as 36 categorias

do Censo de 1872 e as 45 do de 1920. Vale lembrar que a mudança na natureza da atividade

manufatureira tenha levado a sua subestimação no censo de 1920 se fossem seguidos os critérios de

1872. Contudo, como o interesse aqui é nas mudanças relativas e não absolutas, espera-se que isso

não tenha causado grandes problemas.

A tarefa computacional foi executada com o auxílio do software STARS 0.8.2 (Rey e Janikas,

2004) e complementada com rotinas elaboradas em R 2.8.1 (R Development Core Team, 2009),

utilizando a biblioteca de análise espacial spdep (Bivand, 2006)2.

1. ANÁLISE INICIALDOS DADOS

Observações e fontes de dados

Estimativas da renda per capita para o Brasil por AMC para o século XIX foram feitas

recentemente com técnicas distintas (Reis, 2009; Monasterio, no prelo). Contudo, para contornar os

problemas e distorções inevitáveis dessas estimativas, optou-se neste trabalho por analisar apenas a

população e o número de trabalhadores nas manufaturas. Como as AMCS têm áreas com ordens de

grandeza muito díspares, os valores foram normalizados por área, de tal forma que a análise será

feita em termos de densidade populacional e de trabalhadores manufatureiros por quilômetro

quadrado.

Trabalhos de caráter histórico têm utilizado a densidade demográfica como proxy para o

grau de desenvolvimento das nações (Acemoglu, Johsnon e Robinson, 2002). Na ausência de dados

precisos sobre a renda per capita, a densidade demográfica fornece uma visão da distribuição da

atividade econômica como um todo no território brasileiro na época. Já o número de trabalhadores

na manufatura por área indica o grau de desenvolvimento do setor que determinou a concentração

regional nas décadas seguintes no Brasil.

Descrição das mudanças

A Figura 1 apresenta a densidade demográfica por AMC no Brasil em 1872 e 1920. No

período, a população brasileira passou de cerca de 10 milhões de habitantes para pouco mais de 30

milhões. O mapa confirma aquilo que já se sabe, a maior parte do crescimento populacional se deu

na macrorregião Sudeste, em especial São Paulo. Outros fenômenos de caráter intra-estadual ficam

claros: Mesmo no estado paulista, sua parte sul segue pouco povoada; foram as AMCs do Oeste

Paulista que tiveram o maior aumento populacional. Já no Nordeste brasileiro, as maiores

concentrações achavam-se no litoral e na Zona da Mata. Mesmo em 1920, o norte de Minas e o

Triângulo Mineiro têm baixa densidade demográfica, bem como o interior do Paraná e Santa

Catarina.

Em relação ao emprego manufatureiro (Figura 2), o mapa segue- grosso modo – o da

densidade demográfica. Uma observação atenta, contudo, revela fatos relevantes. Diversas AMCs

2O código em R específico para este paper pode ser solicitado ao autor, bem como a lista das ocupações consideradas

como manufatureiras.

de Minas Gerais, por exemplo, tiveram a concentração de trabalhadores manufatureiros diminuída.

O mesmo aconteceu em áreas da Zona da Mata nordestina. Na próxima seção, estes fatos serão mais

bem examinados mediante a aplicação de instrumental adequado.

FIGURA 1 – DENSIDADE DEMOGRÁFICA POR AMCS NO BRASIL (1872-1920)

1872 1920

FONTE: CÁLCULOS DO AUTOR COM BASE EM DGE (1876), MAIC (1927).

400 0 400 800 Miles

Amc_72_00_jul_09.shp

0 - 0.065

0.065 - 0.162

0.162 - 0.337

0.337 - 0.687

0.687 - 2.175

Estados.shp

N

EW

S

Densidade populacional 1872

400 0 400 800 Miles

Amc_72_00_jul_09.shp

0 - 0.065

0.066 - 0.162

0.163 - 0.337

0.338 - 0.687

0.688 - 9.159

Estados.shp

N

EW

S

Densidade pop 1920

Amc_72_00_jul_09.shp0 - 0.0650.065 - 0.1620.162 - 0.3370.337 - 0.6870.687 - 9.175

Estados.shp

FIGURA 2 – DENSIDADE DA OCUPAÇÃO NA MANUFATURA POR AMCS NO BRASIL (1872-1920)

1872 1920

FONTE: CÁLCULOS DO AUTOR COM BASE EM DGE (1876), MAIC (1927)

400 0 400 800 Miles

Amc_72_00_jul_09.shp

0 - 0.003

0.004 - 0.009

0.01 - 0.021

0.022 - 0.054

0.055 - 1.193

Estados.shp

N

EW

S

Dens manuf 1920

Amc_72_00_jul_09.shp0 - 0.0030.003 - 0.0090.009 - 0.0210.021 - 0.0540.054 - 1.193

Estados.shp

400 0 400 800 Miles

Amc_72_00_jul_09.shp

0 - 0.003

0.003 - 0.009

0.009 - 0.021

0.021 - 0.054

0.054 - 0.142

Estados.shp

N

EW

S

Dens manufatura 1872

Amc_72_00_jul_09.shp0 - 0.0030.003 - 0.0090.009 - 0.0210.021 - 0.0540.054 - 1.193

Estados.shp

2. MEDIDAS DE TRANSIÇÃO E DE MOBILIDADE ESPAÇO-TEMPORAIS

Transições das AMCS por classe de densidade

Para que se tenha uma visão mais abrangente da dinâmica espacial da população e da

distribuição da manufatura, vale observar as transições das AMCs por faixa de densidade. As

AMCs foram classificadas em cinco classes de igual frequência em cada ano e, em seguida,

examinadas as mudanças ao longo do período. Tais migrações entre classes estão classificadas

conforme as direções de suas trajetórias e posição inicial nos seguintes tipos:

Divergência Descendente: AMCs com densidade menor do que a média se tornaram ainda menos

densas;

Convergência Descendente: AMCs relativamente densas se aproximaram da densidade média;

Convergência Ascendente: AMCs com densidade baixa se tornaram mais densas;

Divergência Ascendente: AMCs com alta densidade se tornaram ainda mais densas, afastando-se

da média.

A Tabela 1 apresenta o número de migrações entre classes e por tipo. Em termos de densidade

demográfica, pouco menos da metade das AMCs mudou de classe. Um número de unidades não

desprezível (49) sofreu uma trajetória de divergência descendente, ou seja, já eram relativamente

menos densas e tiveram relativo esvaziamento populacional. No tocante à ocupação manufatureira,

30% das áreas sofreram divergência descendente. Esse resultado corrobora o que já havia sido

apontado por Monasterio e Reis (2008): apesar de mais diversa em termos setoriais, a manufatura

tendeu se concentrar espacialmente entre 1872-1920. Tal fato é esperado, uma vez que a redução

dos custos de transporte leva à concentração espacial quer em um modelo Hecksher-Ohlin, quer em

um da Nova Geografia Econômica (com os parâmetros “certos”) (Krugman, 1991).

TABELA 1 - NÚMERO DE TRANSIÇÕES POR CLASSE - 1872-1920

População/área Manufatura/área

Divergência descendente 49 123

Convergência descendente 38 55

Convergência ascendente 85 66

Divergência ascendente 21 11

Sem alteração 217 155

Total de transições 410 410

FONTE: CÁLCULOS DO AUTOR.

Mas aonde se deram tais mudanças? A Figura 1 ilustra os quatro tipos de transição entre

1872 e 1920 no tocante à densidade demográfica. Nota-se que a divergência descendente ocorreu

em AMCs do Sertão do Nordeste e em algumas áreas de Minas Gerais. No Rio de Janeiro, como era

de se esperar, há convergência descendente nas áreas referentes ao Vale do Paraíba em decorrência

das mudanças na localização das atividades cafeeiras. Na figura referente aos processos

ascendentes, vale destacar a convergência ocorrida no Rio Grande do sul e Oeste Paulista, bem

como na região da Zona da Mata mineira. O processo de divergência ascendente do município de

São Paulo, apesar de muito intenso, devido à distorção gráfica, parece pouco importante.

Impressiona o número de AMC que sofreram divergência descendente na densidade do

emprego manufatureiro. O norte de Minas e o interior da Bahia são as áreas em que tais processos

foram mais marcantes. É notável que o Vale do Ribeira, uma região problema de São Paulo ainda

hoje, já mostrasse uma trajetória de divergência descendente. Cada caso deve ser observado

individualmente, mas muitas trajetórias de retrocesso na manufatura podem ter decorrido da

integração dessas regiões aos circuitos comerciais nacionais. Já a convergência ascendente do Rio

Grande do Sul na densidade da manufatura é com certeza resultado imigração europeia.

FIGURA 3 - DIREÇÃO DAS TRANSIÇÕES ENTRE CLASSES DE DENSIDADE DEMOGRÁFICA- BRASIL – 1872-1920

Divergência Descendente Divergência Ascendente

Convergência Descendente Convergência Ascendente FONTE: CÁLCULOS DO AUTOR COM BASE EM DGE (1876), MAIC (1927)

FIGURA 4 - DIREÇÃO DAS TRANSIÇÕES ENTRE CLASSES DE DENSIDADE DA MANUFATURA- BRASIL – 1872-

1920

Divergência Descendente Divergência Ascendente

Convergência Descendente Convergência Ascendente FONTE: CÁLCULOS DO AUTOR COM BASE EM DGE (1876), MAIC (1927)

Cadeias de Markov espacialmente condicionadas

No caso presente, o instrumental de cadeias de Markov – à maneira de Quah (1993; 1996a;

1996b) - será adaptado à questões das mudanças na distribuição da densidade. As mesmas matrizes

com cinco classes de densidade por AMC serão utilizadas para analisar suas dinâmicas. Supondo-se

um processo markoviano discreto, finito e de primeira ordem, calcula-se a distribuição estacionária;

ou seja, a distribuição de longo prazo gerada pelo processo. Existe certo grau de arbitrariedade na

elaboração das matrizes de transição, uma vez que não há regras inequívocas para a escolha do

número e limites das classes3.

Voltando-se à questão espacial, o próprio Quah (1996) introduzido essa dimensão ao propor o

condicionamento regional da matriz de transição. A forma sugerida foi a de normalizar a renda per

capita das regiões pela média dos seus vizinhos de primeira ordem. Essa distribuição da renda

relativa é comparada com a não-condicionada na forma de uma matriz semelhante a uma de

transição. Se o espaço não fosse importante, essa matriz seria diagonal. Como o próprio Quah

aponta e Rey (2001a) relembra, esse procedimento não resulta em propriamente uma matriz de

transição, mas sim na comparação de duas distribuições em um mesmo instante.

Rey (2001a) propõe outra estratégia: analisar as matrizes de transição condicionadas pelas

diferentes classes de lags espaciais de renda no início do período. Para n classes, constroem-se n

matrizes de transição de acordo com a classe em que se enquadram os vizinhos. Além disso, pode-

se analisar a transição das unidades levando em conta não a sua renda relativa em relação à

nacional, mas sim a sua renda relativa em relação à dos vizinhos no começo do período.

Outra contribuição de Rey (2001a) é a integração da análise exploratória de dados espaciais

com as cadeias de Markov. Ele propõe que as localizações das observações nos quadrantes dos

gráficos de Moran sejam comparadas em dois momentos no tempo. Estes gráficos contêm nas

abscissas os valores normalizados de uma variável e nas ordenadas, os valores referentes à média

dos seus vizinhos4. De tal sorte que se têm os seguintes quadrantes:

(I) AMCs densas cercadas por vizinhos também densos (High-High ou HH);

(II) AMCs densas com vizinhos relativamente escassamente povoados (High-Low ou HL);

(III) AMCs pouco densas com vizinhos igualmente pouco densos ( Low-Low ou LL);

(IV) AMCs pouco densas com vizinhos densamente povoadas ( Low-High ou LH).

Tem-se, assim, uma matriz de transição 4 X 4 que representa os quadrantes HH, HL, LH, LL

nos períodos inicial e final. Para cada unidade espacial existem quatro possibilidades:

3Aqui se seguiu o método mais tradicional possível na construção das matrizes de transição. O número de categorias foi

definido em cinco com igual frequência. Vale apontar que foram aplicados métodos de kernel estocástico tradicional e

espacial aos dados sob escopo para que fossem examinados os formatos da distribuição e sua evolução. Contudo, como

os resultados foram redundantes, eles foram excluídos desta versão do trabalho. 4O critério de vizinhança adotado neste trabalho foi o Queen de primeira ordem, em que se consideram vizinhos as

AMCs que compartilhem algum ponto de fronteira. Para maiores informações sobre os testes de I de Moran, ver

O’Sullivan e Unwin (2003).

Tipo 0: não há mudança. As observações ocupam a diagonal principal da matriz;

Tipo I: a unidade migrou de classe, mas seus vizinhos ficaram na mesma categoria;

Tipo II: apenas os vizinhos mudaram de classe, mas a unidade analisada, não;

Tipo III: tanto a unidade analisada quanto os vizinhos trocaram de categoria entre os períodos 0 e

1. Nesse tipo, as unidades podem ser subclassificadas. As unidades do tipo IIIA estavam no período

inicial nos quadrantes HH ou LL; as do tipo IIIB teriam como ponto de partida as observações

classificadas como HL ou LH.

Medidas de mobilidade

Embora a busca da distribuição estacionária tenha sido a ênfase da literatura sobre

crescimento e cadeias de Markov, neste artigo busca-se também medir a mobilidade interna da

distribuição. Nesse sentido, Shorrocks (1978) propõe o seguinte índice:

SI= [k- Tr(Mt,t+s)]. (k-1)-1

onde k representa os número de classes e Tr (Mt,t+s) é o traço da matriz de transição, ou seja, a

soma dos elementos da diagonal principal. Quanto maiores forem esses elementos, menor

mobilidade entre as k classes e, portanto, menor o indicador SI.

As relações entre os tipos de transição e o número total de transições possíveis fornecem

medidas simples do que Rey (2001a) chamou de fluxo e coesão espaço-temporal do sistema. A

primeira considera no numerador a soma das mudanças Tipo I e II (FI e FII, respectivamente) e no

denominador, o total de observações (n). Ou seja:

FE=F I +F II

n

Já a coesão espaço-temporal considera no numerador as mudanças dos Tipos 0 e IIIA. A

lógica é que as mudanças do tipo IIIA também refletem coesão espacial, uma vez que as unidades e

seus vizinhos se movem na mesma direção. Assim:

CE=F 0+F IIIA

n

3- RESULTADOS

Análise não espacialmente condicionada: matrizes de transição tradicionais

As matrizes de transição e a distribuição ergódica tradicionais, isto é, não-espaciais, são

apresentadas na Tabela 2. Seguiu-se a tradição de intitular as classes de acordo com a inicial em

Inglês, apesar de se tratarem de classes de densidade. Dessa maneira, P significa Poor; L, Lower;

M, Medium, U, Upper; R, Rich.

Para a densidade demográfica por AMC, o indicador de mobilidade de Shorrocks apresentou

um valor de 0,59, sendo que o maior valor possível seria de 1,25. Este valor indica uma baixa

mobilidade entre classes, uma vez que as maiores probabilidades estão na diagonal principal da

matriz de transição. A distribuição estacionária aponta para a formação, no longo prazo, de uma

alocação por classes relativamente bem distribuída, com a maior parte das AMCs (33% do total) na

categoria U, seguida pela categoria M (24%). Poucos municípios (6,8%) estariam na categoria P, a

de mais baixa densidade demográfica.

O retrato não é tão promissor quando se atenta para a matriz de transição da densidade dos

trabalhadores na manufatura (Tabela 3). O índice de mobilidade de Shorrocks é mais elevado

(0,78), mas a distribuição ergódica aponta para uma alta concentração de AMCs na categoria P

(46%) no longo prazo. Esse resultado é explicado pelo fato que 71% das AMCs que estavam na

categoria P em 1872 lá permaneceram quase 50 anos depois. E outras 22% das unidades nessa

categoria só subiram uma classe, passando para o nível L. Na distribuição de longo prazo, 73% das

AMCs estariam na categoria P ou L.

TABELA 2 - MATRIZ DE TRANSIÇÃO ENTRE AS CLASSES DE DENSIDADE POPULACIONAL POR AMC - BRASIL -

1872 E 1920.

1872\1920 P L M U R

P 0.683 0.232 0.073 0.000 0.012

L 0.134 0.451 0.305 0.085 0.024

M 0.012 0.220 0.463 0.244 0.061

U 0.000 0.024 0.207 0.512 0.256

R 0.000 0.000 0.061 0.402 0.537

Ergódica 0.068 0.140 0.241 0.328 0.222 FONTE: CÁLCULO DO AUTOR.

TABELA 3 - MATRIZ DE TRANSIÇÃO ENTRE AS CLASSES DE DENSIDADE DOS TRABALHADORES NA

MANUFATURA POR AMC - BRASIL - 1872 E 1920.

1872\1920 P L M U R

P 0.711 0.217 0.036 0.012 0.024

L 0.370 0.346 0.210 0.074 0.000

M 0.183 0.366 0.220 0.159 0.073

U 0.073 0.268 0.244 0.280 0.134

R 0.024 0.146 0.256 0.244 0.329

Ergódica 0.461 0.273 0.136 0.082 0.048 FONTE: CÁLCULO DO AUTOR.

Análise espacialmente condicionada

Nas Tabelas 4 e 5, têm-se as matrizes de transição por lag espacial para o Brasil. Os

resultados evidenciam o papel do espaço na dinâmica do período. Tome-se o caso da primeira

matriz de transição, aquela que se refere às AMCs que possuem vizinhos P em termos de densidade

demográfica. Dentre esses, 89% das AMCs que estavam na categoria P em 1872 permaneceram na

mesma classe ou migraram para a L.

Já na matriz de transição referente à classe de lag espacial R, outra dinâmica é observada. Os

valores acima da diagonal principal da submatriz são bem mais elevados do que os inferiores,

indicando a tendência à ascensão de classe. Ou seja, ter um vizinho de alta densidade demográfica,

fez com que mesmo as AMCs menos densas subissem de classe.

A análise em relação aos trabalhadores na manufatura reforça os resultados. Aquelas AMCs

com vizinhas de baixa densidade tenderam a migrar para categorias mais baixas. Por exemplo, no

lag espacial P, 57% das AMCs na categoria L em 1872 desceram para a categoria P em 1920. Por

outro lado, 50% das AMCs com vizinhos R foram terminaram na categoria U ou R. O espaço foi

ainda mais relevante para a manufatura do que para a população como um todo.

TABELA 4 - MATRIZES DE TRANSIÇÃO POR CLASSES DE LAG ESPACIAL – DENSIDADE DEMOGRÁFICA-

BRASIL - 1872-1920

LAG ESPACIAL

1872\1920 P L M U R

P

P 0.889 0.067 0.044 0.000 0.000

L 0.333 0.500 0.167 0.000 0.000

M 0.000 1.000 0.000 0.000 0.000

U 0.000 0.000 0.000 0.000 0.000

R 0.000 0.000 0.000 0.000 0.000

L

P 0.737 0.237 0.026 0.000 0.000

L 0.524 0.190 0.238 0.048 0.000

M 0.357 0.357 0.143 0.143 0.000

U 0.000 0.667 0.333 0.000 0.000

R 0.000 0.250 0.500 0.250 0.000

M

P 0.643 0.286 0.000 0.000 0.071

L 0.375 0.458 0.125 0.042 0.000

M 0.318 0.409 0.182 0.091 0.000

U 0.375 0.250 0.250 0.125 0.000

R 0.400 0.000 0.400 0.200 0.000

U

P 0.500 0.200 0.200 0.100 0.000

L 0.261 0.435 0.217 0.087 0.000

M 0.091 0.424 0.273 0.152 0.061

U 0.032 0.323 0.290 0.258 0.097

R 0.000 0.250 0.250 0.167 0.333

R

P 0.333 0.333 0.000 0.000 0.333

L 0.000 0.167 0.500 0.333 0.000

M 0.000 0.154 0.231 0.308 0.308

U 0.050 0.200 0.200 0.350 0.200

R 0.000 0.102 0.224 0.286 0.388 FONTE: CÁLCULO DO AUTOR.

TABELA 5 - MATRIZES DE TRANSIÇÃO POR CLASSES DE LAG ESPACIAL – TRABALHADORES NA

MANUFATURA - BRASIL - 1872-1920

LAG ESPACIAL

1872\1920 P L M U R

P

P 0.889 0.111 0.000 0.000 0.000

L 0.571 0.286 0.143 0.000 0.000

M 0.000 0.000 0.000 0.000 0.000

U 0.000 0.000 0.000 0.000 0.000

R 0.000 0.000 0.000 0.000 0.000

L

P 0.500 0.455 0.045 0.000 0.000

L 0.219 0.469 0.250 0.000 0.063

M 0.125 0.125 0.750 0.000 0.000

U 0.000 0.000 0.000 1.000 0.000

R 0.000 0.000 0.000 0.750 0.250

M

P 0.455 0.273 0.273 0.000 0.000

L 0.030 0.485 0.364 0.121 0.000

M 0.000 0.326 0.348 0.326 0.000

U 0.000 0.125 0.625 0.250 0.000

R 0.000 0.000 0.000 0.000 1.000

U

P 0.000 0.750 0.000 0.000 0.250

L 0.091 0.273 0.364 0.273 0.000

M 0.000 0.048 0.619 0.143 0.190

U 0.000 0.000 0.180 0.520 0.300

R 0.000 0.000 0.107 0.607 0.286

R

P 0.000 0.000 0.000 0.000 0.000

L 0.000 0.000 0.000 0.000 0.000

M 0.000 0.000 0.500 0.333 0.167

U 0.000 0.045 0.136 0.545 0.273

R 0.000 0.000 0.041 0.265 0.694 FONTE: CÁLCULO DO AUTOR.

Moran local e cadeias de Markov

No tocante à densidade demográfica, cerca de 69% das AMCs que estavam localizados no

quadrante HH do gráfico de Moran em 1872 assim permaneceram em 1920 (Tabela 6). E 87% das

AMCs que estavam no quadrante LL lá permaneceram. Ainda na mesma tabela, a distribuição

ergódica mostra que 55% delas ficariam na categoria LL e 30% na HH. As “ilhas” seriam algo

raras.

Esse perfil concentrado é ainda mais forte no exame da distribuição das ocupações

manufatureiras (Tabela 7). Quase 93% das AMCs no quadrante LL em 1872 lá permaneceram em

1920. Isso gera uma distribuição de longo prazo em que 88% das AMCs são de baixa densidade de

ocupações manufatureiras. As aglomerações do tipo HH seriam apenas 3,3% do número total de

AMCs. Enfim, a análise sugere uma segregação espacial com a maior parte da áreas com baixo

emprego na manufatura.

TABELA 6 - MATRIZES DE TRANSIÇÃO ESPACIAIS E DISTRIBUIÇÕES ERGÓDICAS – DENSIDADE

DEMOGRÁFICA- BRASIL 1872-1920

Lag\P(x) HH LH LL HL

HH 0.691 0.106 0.085 0.117

LH 0.375 0.250 0.344 0.031

LL 0.069 0.049 0.870 0.012

HL 0.368 0.105 0.237 0.289

Ergódica 0.304 0.087 0.545 0.063 FONTE: CÁLCULO DO AUTOR.

TABELA 7 - MATRIZES DE TRANSIÇÃO ESPACIAIS E DISTRIBUIÇÕES ERGÓDICAS – DENSIDADE DE

TRABALHADORES NA MANUFATURA- BRASIL 1872-1920

Lag\P(x) HH LH LL HL

HH 0.366 0.155 0.324 0.155

LH 0.250 0.214 0.518 0.018

LL 0.008 0.033 0.929 0.029

HL 0.048 0.048 0.714 0.190

Ergódica 0.033 0.046 0.882 0.039 FONTE: CÁLCULO DO AUTOR.

Medidas de coesão espacial

A Tabela 8 mostra que, quer em termos de densidade demográfica quer de ocupados na

manufatura, o mais frequente foi não haver mudança espacial nas AMCs (Tipo 0). Para a densidade

populacional, apenas um quinto das AMCs sofreram mudanças do tipo Tipo I e II, ou seja, aquelas

nas quais a mudança de classe da unidade não foi acompanhada pelos vizinhos e aquelas nas quais

os vizinhos mudaram de classe, mas não a unidade sob escopo. Em outras palavras, seu índice de

fluxo espacial foi igual a 0,20. Já para a ocupação na manufatura, há um maior valor de tal

indicador, sugerindo uma “turbulência” espacial maior.

O índice de coesão espacial funciona quase como o complemento do fluxo espacial, pois

considera as AMCs em que não houve mudança ou que migraram juntas com seus vizinhos

semelhantes. Em ambas as dimensões examinadas houve uma alta coesão espacial.

TABELA 8 - MEDIDAS DE MOBILIDADE DAS TRANSIÇÕES ESPACIAIS - BRASIL 1872-1920

n P(Type) Densidade manufatura Densidade Populacional

Type 0 0.659 0.727

Type I 0.151 0.083

Type II 0.122 0.117

Type III 0.068 0.073

Fluxo espacial 0.273 0.200

Coesão espacial 0.720 0.788

FONTE: CÁLCULO DO AUTOR

CONSIDERAÇÕES FINAIS

O presente trabalho contribuiu ao aplicar métodos contemporâneos de análise espacial a uma

base de dados e um nível de análise, as AMCs, ainda pouco explorados. Os resultados obtidos

trouxeram à tona a diversidade das experiências regionais ocorridas dentro dos estados durante o

período 1872-1920. Mostrou-se também que foram frequentes processos de divergência

decrescente, ou seja, regiões que já eram menos densamente povoadas do que a média e dela se

afastaram ainda mais.

A análise markoviana espacialmente condicionada indicou que a vizinhança foi fundamental

para os destinos das AMCs. Aquelas com vizinhos inicialmente pouco densos tenderam a se

aproximar do perfil pouco denso das unidades contiguas. A análise markoviana das transições das

AMCs nos quadrantes de Moran indicou que, uma vez em um quadrante Low-Low de ocupações na

manufatura, muito dificilmente uma AMC passaria para outra classe. Afinal, espaço importa, quer

no fim do século XIX, quer hoje.

As ferramentas de análise apontaram uma regularidade: a ocupação na manufatura tendeu a

ficar mais concentrada espacialmente do que a população no período. Isso deve ser resultado da

maior integração do território nacional, a qual proporcionou um aumento da especialização das

AMC. As mudanças nos custos de transporte, causadas em grande parte pela expansão da ferrovia,

devem ter sido responsáveis por esse processo (Monasterio e Reis, 2008). Essa concentração da

manufatura, antes mesmo da aceleração da industrialização a partir da década de 30, contribuiu

ainda mais para a desigualdade regional que marcou o Brasil ao longo do século XX.

REFERÊNCIAS BIBLIOGRÁFICAS

Acemoglu, D., Johnson, S., Robinson, J.. Reversal of Fortune: Geography and Institutions in the

Making of the Modern World Income. Quarterly Journal of Economics v.117, n,4. November 2002.

Ainstein, L. Buenos Aires: a case of deepening social polarisation, in Gilbert, A: The mega city in

Latin America. Tokio: United Nations University, 1996.

Bivand, R. Implementing spatial data analysis software tools in R. Geographical Analysis, v.38,

p.23-40, 2006.

DGE. Recenseamento geral do império de 1872. Rio de Janeiro, Typ.Leuzinger/Tip. Commercial,

1876.

Krugman, P. Increasing returns and economic geography. Journal of Political Economy, v.99, n. 3,

p. 483-499, 1991.

MAIC. Ministério da Agricultura, Indústria e Comércio. Recenseamento do Brazil realizado em 1

de setembro de 1920. Rio de Janeiro: Typ. da Estatística, 1927. Vários volumes.

Monasterio, L. Brazilian Spatial Dynamics in the Long Term (1872-2000): Path dependency or

Reversal of Fortune? mimeo, 2009

__________ ; Reis, Eustáquio . Mudanças na Concentração Espacial das Ocupações nas Atividades

Manufatureiras no Brasil - 1872-1920. IPEA - Texto de Discussão n. 1361. 2008.

O’Sullivan, D. e D. Unwin. Geographic Information Analysis: John Wiley and Sons. 2003

Quah, D. Galton's Fallacy and Tests of the Convergence Hypothesis: Centre for Economic Policy

Research. 1993

______. Regional Convergence Clusters Across Europe. European Economic Review, v.40, p.951-

958. 1996.

______. Twin Peaks: Growth and Convergence in Models of Distribution Dynamics. The Economic

Journal, v.106, n.437, p.1045-1055. 1996.

R Development Core Team. R: A language and environment for statistical computing. Vienna,

Austria: R Foundation for Statistical Computing 2009.

Reis, E; Pimentel, M; Alvarenga, A. Áreas Mínimas Comparáveis para os períodos intercensitários

de 1872 a 2000. Disponível em http://www.nemesis.org.br/. 2007.

______. Convergência de renda municipal no Brasil e em Minas Gerais no período 1872-2000.

Trabalho apresentado no XIII Seminário sobre a Economia Mineira, 2008, Diamantina, MG.

Economia, História, Demografia e Políticas Públicas Diamantina, MG - 26-29 Agosto, 2008.

Belo Horizonte, Brasil : Editora da UFMG, 2008a.

____. Income per capita of Brazilian municipalities in the 1870's. Disponível em

http://www.nemesis.org.br/sec-din.php?=500&i=pt.2009.

Rey, S. Spatial Dependence in the Evolution of Regional Income Distributions. Regional

Economics Applications Laboratory Working Paper. Champaign Urbana: May, 8, 2001, p.25.

2001a

______. Spatial empirics for economic growth and convergence. Geographical Analysis, v.33, n.3,

p.195-214. 2001b.

Rey, S. e M. V. Janikas. STARS: Space-Time Analysis of Regional Systems. Geographical

Analysis, v.38, p.67-84. 2004.

Shorrocks, A. The Measurement of Mobility. Econometrica, v.46, n.5, p.1013-1024. 1978.

Williamson, J. Regional Inequality and the Process of National Development: A Description of the

Patterns. Economic Development and Cultural Change, Vol. 13, No. 4, Part 2 (Jul., 1965), pp. 1-84.

1965.