Photo by Марьян Блан | @marjanblan on Unsplash

Mapas contando história: o PIB dos municípios brasileiros

Fernando Barbalho
datavizbr
Published in
7 min readAug 3, 2020

--

Riqueza, pobreza, territórios maiores do que países, municípios que são quase apenas pequenos povoados, populações enormes, agropecuária, indústria e serviço. O que todos esses elementos tem a nos dizer quando estão presentes em mapas que mostram os municípios do Brasil? Essa parece ser uma história interessante de ser contada. Principalmente em ano de eleições municipais. Principalmente quando vivemos a maior pandemia dos últimos cem anos trazendo impactos sociais e econômicos nada alentadores.

Aqui, dados abertos brutos de difícil análise são ressignificados através de mapas coloridos e intuitivos. Percebe-se daí as contradições regionais, os movimentos econômicos atuais e os aglomerados territoriais que contribuem nos agrupamentos econômicos. No final, através do apoio de outros textos, pode-se dialogar sobre o que esses achados representam em termos de impactos econômicos, ambientais e sociais.

Usando uma escala única para as variáveis dos componentes do PIB, o próprio PIB e o PIB per capita dos municípios rodei um algoritmo de formação de agrupamentos (clusters). A melhor combinação testada por um indicador da metodologia utilizada levou à formação de seis clusters. Falando um pouco mais sobre metodologia, destaca-se que os dados são de 2017 fornecidos pelo IBGE. Vale frisar que os mapas desse texto foram feitos usando com o suporte do pacote geobr em sua versão para a linguagem R.

Antes de mostrar o que caracteriza os tais agrupamentos, veja como fica bonito o mapa do Brasil onde cada município é representado por sua posição nos agrupamentos.

Imagem do autor

Perfeito. Agora que você viu como ficou bonito, repare nas cores e compare com o que cada agrupamento representa a partir desse gráfico que mostra a distribuição de cada variável que monta os agrupamentos. Cada ponto é um município.

Imagem do autor

Os agrupamentos 1, 2 e 3 com as cores mais frias são os municípios com as piores combinações das variáveis econômicas. O que varia e que justifica a formação de três grupos diferentes é que o número 1 tem uma combinação de variáveis pior do que o 2 que é pior que o 3.

O agrupamento 4 se destaca por, de uma forma geral, ter melhores valores nas variáveis, quando comparado aos anteriores, mas principalmente por apresentar um elevado PIB Per capita.

O grupo 5 se destaca por um elevado PIB gerado pela atividade agropecuária.

O agrupamento 6 é formado pelos municípios que têm todas as variáveis elevadas para o caso brasileiro.

Antes de prosseguirmos, vale dar uma olhada nessa figura abaixo que mostra a contribuição de cada segmento econômico ao PIB total.

Imagem do autor

Como se percebe, a maior contribuição ao PIB vem do setor de serviços. Com contribuições equivalente a um terço do setor de serviços aparecem em seguida indústria e administração. Por fim, com uma contribuição bem menor do que os outros setores, está o setor agropecuário. Isso é importante para avaliarmos com mais clareza os achados que serão expostos no restante do texto.

Nordeste e Go-West

Preste atenção nas cores que identificam cada um dos agrupamentos e veja novamente o que sai no mapa

Imagem do Autor

O Nordeste é praticamente dominado pelas cores mais frias que caracterizam os municípios em situação econômica mais complicada. Na figura abaixo damos um zoom nessa região.

Imagem do Autor

Nota-se no mapa com zoom no Nordeste que a grande maioria dos municípios está nos três primeiros clusters. O agrupamento 6 está presente apenas nas capitais e em mais alguns municípios próximos a Recife e Salvador, o que traz a ideia de um cluster territorial em torno dos clusters das variáveis econômicas que será melhor evidenciado mais adiante. Vale introduzir ainda já na análise do Nordeste um achado importante que é a das fronteiras agrícolas a oeste. Aqui representado pelas amplas faixas verdes e com poucos municípios que dominam o Oeste da Bahia, além de alguns municípios do Piauí e Maranhão. Por fim vale perceber a grande fragmentação territorial com muitos municípios na Paraíba. Quase todos os municípios nesse estado estão enquadrados no cluster 1.

Outro achado. Go West parece ser o lema da economia atual. São nas vastas regiões que se concentram em termos territoriais o agrupamento 5 que traz um PIB elevado do setor agropecuário.

Imagem do Autor

Para mostrar o efeito Go West, o mapa logo acima traz os estados do Centro Oeste e mais o Pará. Aqui percebe-se municípios grandes em termos de áreas territoriais onde predominam o cluster com foco no agronegócio. Nota-se aqui os tons menos frios quando comparado com o mapa do Nordeste. Além do agrupamento 5 que predomina em termos territoriais, há uma grande ocorrência em termos do número de municípios no agrupamento 4.Conforme indicado logo no início do texto, tais municípios se caracterizam por um pib per capita mais elevado do que o dos municípios dos agrupamentos anteriores.

Minas Gerais e São Paulo

Nesta história contada por mapas, Minas Gerais e São Paulo são os dois estados que merecem uma exploração à parte.

Minas Gerais é conhecido por ser o estado que sintetiza o Brasil. Aqui nesta história isso se repete. Tem de tudo e mais ou menos na mesma proporção do resto do país. E o que é mais interessante de se analisar de MG é que como há muitos municípios não há também grandes faixas territoriais para cada município. Não há uma “ilusão de ótica” como é o caso dos estados do Centro Oeste e do Norte, principalmente. Veja o mapa abaixo.

Imagem do Autor

Bem interessante, não é? Observe que parece que há continuidade de cores. Os clusters econômicos formam clusters territoriais (ou vice-versa). As cidades que estão representadas nos clusters de cores mais frias são as que estão mais ao Norte. Os tons mais esverdeados, inclusive o que se refere ao agrupamento 5 concentram-se no Oeste.

Se formos analisar São Paulo, veremos que dinheiro chama dinheiro dada a concentração territorial dos municípios dourados.

Imagem do Autor

Aqui vale destacar que os municípios em amarelo representam os elevados valores de PIB, PIB per capita e dos três componentes do PIB mais importantes: serviços, indústria e administração. Apesar de pequeno em número e em termos territoriais, o agrupamento amarelo representa municípios de elevada população. Principalmente os do Estado de São Paulo. Pelo mapa nota-se ainda que é bem pouco relevante as cores mais frias, indicando uma maior riqueza distribuída entre os municípios do Estado.

Outros mapas e outras histórias

Os achados aqui contados de forma rápida e quase lúdica, de certa forma dialogam com outros textos e mapas publicados por acadêmicos, técnicos e jornalistas.

O mapa Go-West pode perfeitamente ser contrastado com o que está presente nesse tuíte do professor Raoni Rajão. O post trata do um artigo que indica que nas regiões das novas fronteiras agrícolas a expansão econômica está sendo feita às custas de forte desmatamento.

Imagem do twitter

Já o mapa de São Paulo que mostra os municípios de maior PIB se aglomerando dentro de suas fronteiras, conversa com esse texto que trata do abismo social no Brasil.

Por fim, vale destacar esse estudo feito pela equipe de Comunicação estratégica e análise de dados do Tesouro Nacional que traz uma série de análises sobre variáveis demográficas, econômicas e fiscais dos municípios brasileiros. Aqui vale principalmente para situar o contraste entre receitas e despesas dos entes federativos. É possível perceber como o PIB se reflete em arrecadações e como as arrecadações se relacionam com as despesas em políticas públicas, notadamente saúde que é o principal debate em tempos de pandemia.

Dados e código

Os códigos e as referências aos dados estão disponível aqui.

Fernando Barbalho — Doutor em Administração pela UnB (2014). Pesquisa e implementa produtos para transparência no setor público brasileiro. Usa R nos finais de semana para investigar perguntas que fogem às finanças públicas.

--

--

Fernando Barbalho
datavizbr

Doctor in Business Administration from UNB (2014). As data scientist, researches and implements products for transparency in the Brazilian public sector.