MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO
DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE MATO GROSSO,
PARANÁ, RIO GRANDE DO SUL E GOIÁS
MEASURING LABOR PRODUCTIVITY AND CAPITAL IN SOYBEAN FARMING:
A COMPARISON BETWEEN THE STATES OF MATO GROSSO, PARANÁ, RIO
GRANDE DO SUL AND GOIÁS
JUSCELIANY RODRIGUES LEONEL CORREA
Universidade do Estado do Mato Grosso (UNEMAT)
E-mail: jusceliany.correa@unemat.br
RESUMO
O cultivo de soja destaca-se no cenário internacional como um produto expressivo na pauta de exportação do
país. Assim, conhecer as relações de produção, entre elas a tecnologia e o trabalho, pode proporcionar
informações relevantes principalmente para a tomada de decisão nesse setor. Devido a isso, este artigo tem como
objetivo especificar a função de produção do cultivo de soja em grãos para municípios produtores dos estados de
Mato Grosso, Paraná, Rio Grande do Sul e Goiás, no ano de 2016, com base no Censo Agropecuário de 2016 e
informações da Relação Anual de Informações Sociais (RAIS). Esses estados se destacam na produção de soja
por serem os quatro maiores produtores (conforme ordem acima) durante as últimas 10 safras. Ao utilizar o
modelo Cobb-Douglas, como função de produção de soja e as variáveis área plantada, horas de trabalho
contratadas e capital (máquinas agrícolas), foi possível estimar os parâmetros de produtividade do trabalho e
capital usando o método dos Mínimos Quadrados Ordinários (MQO). Os resultados apontam que, em média, a
produtividade do trabalho no Mato Grosso é maior do que nos demais estados, porém, a produtividade do capital
não foi significativa nesse estado.
Palavras-chave: Cultivo de soja; Produtividade do trabalho e capital; Função de produção.
ABSTRACT
Soybean cultivation stands out on the international scene as a significant product in the country’s export basket.
Thus, knowing the production relations, including technology and work, can provide relevant information
mainly for decision-making in this sector. Because of this, this article aims to specify the production function of
soybean cultivation in grains for producing municipalities in the states of Mato Grosso, Paraná, Rio Grande do
Sul and Goiás, in the year 2016, based on the 2016 Agricultural Census and information from the Annual Social
Information List (RAIS). These states stand out in soybean production for being the four largest producers (in
that order) during the last 10 harvests. By using the Cobb-Douglas model, as a function of soybean production
and the variables planted area, contracted labor hours and capital (agricultural machinery), it was possible to
estimate the labor and capital productivity parameters using the Ordinary Least Squares method (MQO). The
results indicate that, on average, labor productivity in Mato Grosso is higher than in other states, however,
capital productivity was not significant in this state.
Keywords: Soybean cultivation; Productivity of labor and capital; Production function.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
54
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
1 INTRODUÇÃO
Apesar da crise iniciada em 2014/2015, tanto a produção quanto a exportação de grãos
brasileiros, especificamente de soja, vêm se destacando no cenário do agronegócio mundial
durante ao menos uma década. Por exemplo, o Departamento de Agricultura dos Estados
Unidos (USDA), em seu relatório de 2006, apresentou que a safra brasileira de 2004/05, foi
responsável por 24% da produção mundial e 34% das exportações no mercado internacional
(USDA, 2006).
Atualmente o principal estado brasileiro produtor de soja é o Mato Grosso, que
responde por 27% da produção brasileira. Esse estado apresenta um elevado potencial
agrícola, captando divisas no mercado internacional e desfrutando de elevadas taxas de
crescimento anuais da produção. O segundo maior produtor é o estado do Paraná,
representando cerca de 16% da produção (CONAB, 2019b).
Consequentemente, a produção de soja brasileira contribui para o crescimento
econômico dessas regiões. Logo, levanta-se a seguinte problemática: quais os fatores de
produção contribuem para a produtividade do cultivo de soja nos quatro principais
estados produtores brasileiros? Assim, a hipótese básica da pesquisa é testar se
produtividade do trabalho é maior do que produtividade do capital.
Para tanto, a análise da produção do cultivo de soja tem como base os seguintes fatores
de produção: terra, trabalho e capital, considerados de extrema importância na tomada de
decisão nas combinações desses fatores. Isso se deve ao fato de que a concentração de
trabalho nessa cultura é historicamente crescente, porém, com o processo de mecanização que
o setor vem apresentando, entende-se que, ainda, a mão de obra contribui mais para a
produtividade do que o capital.
Nesse sentido, o objetivo desta pesquisa é mensurar a produtividade de trabalho e de
capital do cultivo de soja dos municípios de Mato Grosso, Paraná, Rio Grande do Sul e Goiás,
no ano de 2016. Como o objetivo específico, pretende-se comparar a produtividade do
trabalho no estado de Mato Grosso com os três maiores estados brasileiros produtores de soja,
Paraná, Rio Grande do Sul e Goiás.
Essa pesquisa é de abordagem quantitativa quanto ao objetivo, classifica-se como um
estudo descritivo, com utilização da mensuração da produção de soja entre os quatro maiores
produtores brasileiros. E, para atender aos objetivos, foi construída uma função de produção
Cobb-Douglas, com as variáveis para a produção agrícola de soja, área plantada, quantidade
de horas contratadas e maquinário agrícola. A partir da definição dessa função de produção,
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
55
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
foi possível construir a estratégia empírica para testar a hipótese da pesquisa. Assim, por meio
do método de Mínimos Quadrados Ordinários (MQO), com os dados cross section, foi
possível mensurar a produtividade do trabalho e do capital.
A principal motivação desse estudo se refere à forte participação do agronegócio no
Produto Interno Bruto (PIB), sendo uma tendência para mensurar cada vez mais a
produtividade no Brasil. O Mato Grosso e os outros estados que fazem parte dessa pesquisa,
são os principais representantes da economia regional, e, ainda, um dos principais expoentes
da atividade agrícola do Brasil.
A pesquisa, além dessa introdução, na seção seguinte apresenta a revisão da literatura
que aborda a mensuração da produtividade do trabalho e do capital no cultivo de soja; a Seção
3 apresenta a Metodologia, na qual foram descritos os procedimentos metodológicos usados
na coleta dos dados; enquanto a Seção 4 traz os resultados obtidos por meio das análises dos
dados a partir do uso de ferramentas estatísticas; e, por fim, a Seção 5 destaca os resultados
obtidos e sua relevância.
2 REVISÃO DE LITERATURA
A revisão da literatura apresenta trabalhos que trataram da produtividade do trabalho e
do capital na agricultura brasileira. Aborda o agronegócio brasileiro e a produtividade no
campo e a inovação tecnológica.
2.1 Agronegócio Brasileiro
A década de 1990 pode ser descrita como o choque de eficiência e competitividade
resultante de um pesado ajuste que decorreu da desregulamentação dos mercados e do fim do
crédito rural. Após o choque cultural da década, as atividades do agronegócio precisaram ser
repensadas, o que aproximou fronteiras do mercado interno com o mercado internacional,
favorecendo competitividade e expansão da oferta no mercado externo (JANK; NASSAR;
TACHINARDI, 2005).
Com o lançamento do Plano Real em 1994, a agricultura consolida-se como um dos
setores-chave para a estabilização econômica, sendo o agronegócio, com elevada participação
no PIB, relevância na pauta exportadora e mecanismo de controle inflacionário, evidência da
importância dela para o crescimento e desenvolvimento do país (PESSOA, 2005 apud
OJIMA, 2006; IANONI, 2009)
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
56
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
Ainda na percepção de Jank et al. (2005), o Brasil passou a ser beneficiado pelo
modelo agroexportador brasileiro, principalmente os estados de Goiás, Mato Grosso, Mato
Grosso do Sul, Rondônia, Tocantins, Pará, Maranhão, Bahia e Piauí. Consequentemente, o
Brasil, em 2003, detinha o quarto lugar no ranking dos países exportadores agrícolas, o que
representou um marco de desempenho e de participação no PIB brasileiro. Diante disso, tal
modelo foi introduzido no agronegócio brasileiro (IBGE, 2019).
Nessa perspectiva de melhorias e crescimento, o agronegócio passou a ser um setor
que aqueceu economicamente o Brasil, demonstrando um crescimento de 5% em relação ao
Censo Agro de 2006, segundo o censo de 2017 realizado pelo Instituto Brasileiro Geografia e
Estatística (IBGE). Além disso, em 2017, o Valor Adicionado Bruto do Agronegócio
Brasileiro registrou variação positiva de 21,58%, contribuindo para o crescimento do PIB
brasileiro (IBGE, 2019).
2.2 Produtividade no Campo e Inovação Tecnológica
Nessa subseção, são apresentados estudos acerca do tema, destacamos a parcimônia de
pesquisas relacionadas ao assunto. Por isso, há uma carência nesse sentido, e esse trabalho
vem de encontro a ela para ampliar e contribuir para a literatura brasileira.
Nas últimas décadas, o Brasil tem mostrado sinais de que está se recuperando no
cenário econômico relacionado aos setores mais produtivos, como o industrial, o comercial e
o agrícola. Tal desempenho fez com que a produtividade agrícola brasileira ficasse próxima
de países como Estados Unidos da América (EUA) e Argentina (GOEDHUYS, 2007;
CONAB, 2017).
Ao comparar a produção de soja dos maiores países produtores mundiais, pode-se
afirmar que a produtividade média de soja, nos últimos 40 anos, foi de 2,482 mil kg/ha. Ao
analisar EUA, Argentina e Brasil, os níveis foram próximos. Os resultados apontaram que o
Brasil obteve avanço de 2,87 mil kg/ha, número próximo ao dos Estados Unidos, que
acumularam uma média de 2,922 mil kg/ha, e superior ao da Argentina, que tem produzido
2,715 mil kg/ha (CONAB, 2017).
Para a Conab (2017), o estado que liderou a produtividade nacional de soja na safra
2015/2016 foi o estado do Mato Grosso, que registrou um rendimento médio de 2,883 mil
kg/ha, seguido por Goiás, que obteve um rendimento de 2,631 mil kg/ha, Paraná, com
rendimento de 2,579 mil kg/ha, e Rio Grande do Sul, com 1,847 mil kg/ha. Porém, em termos
de produtividade total o Paraná somente produziu menos soja que o Mato Grosso.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
57
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
Países desenvolvidos buscam investir em tecnologia de produção e aproveitamento de
áreas utilizáveis no agronegócio (GOEDHUYS, 2007). Já os países em desenvolvimento e em
transição ainda podem implementar métodos de produção mais avançados, assim como
utilizar melhor as áreas disponíveis para plantio (CONAB, 2017).
Para alcançar melhores rendimentos, a Conab (2017) relata que o Brasil precisa ter um
coeficiente para medir a otimização da produção obtida a partir da aplicação ótima dos fatores
de produção, dado aos níveis tecnológicos existentes. Isso significa, transformar insumos em
produtos que refletem as tecnologias aplicadas, grau de investimento empregado, padrão de
desenvolvimento e progresso técnico agregado aos insumos produtivos, utilização dos
recursos naturais de forma ótima, enfim, a maximização do rendimento médio decorre da
aplicação de todo esse conjunto de variáveis de maneira ótima.
Vale destacar que, nos últimos anos, o pacote tecnológico utilizado em lavouras se
tornou um fator eficiente, aumentando a produtividade em diversas áreas (CONAB, 2017).
Para tal, a tendência do agronegócio é o surgimento de equipamentos e máquinas velozes
capazes de atender o campo por meio de um desenvolvimento contínuo de ferramentas
potentes e com aplicações específicas (GOEDHUYS, 2007). Isso impacta a produção de soja,
atingindo maiores patamares de produtividade a partir de uma mudança na função de
produção, por meio de inovação, seja tecnológica, de insumos ou no processo produtivo, que
rompa o atual equilíbrio da produção estabelecida e a redução de custos nas safras (ARTUZO
et al., 2018; CONAB, 2017).
3
METODOLOGIA
Para atingir os objetivos do trabalho, principalmente o de mensurar a produtividade do
trabalho e do capital do cultivo de soja de municípios dos estados de Mato Grosso, Paraná,
Rio Grande do Sul e Goiás, no ano de 2016, foram desenvolvidos modelos econométricos,
com o método de estimação Ordinary Least Squares (Mínimos Quadrados Ordinários) e o
modelo Cobb-Douglas. Para tal, a hipótese testada foi mensurar se produtividade do trabalho
é maior do que produtividade do capital entre os estados que fazem parte desta pesquisa.
3.1 Modelo econométrico
Segundo Pindyck e Rubinfeld (2010), o processo produtivo envolve a combinação e a
transformação de insumos de produção (trabalho, matérias-primas e capital) em produtos.
Para mensurar a forma como essas variáveis se relacionam, faz-se necessária uma função de
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
58
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
produção que indicará o maior nível de produção que uma firma poderá atingir para cada
possível combinação de insumos de produção, considerando o estado de tecnologia. Isso
demonstra o que é tecnicamente viável quando a unidade produtiva opera de forma eficiente.
Portanto, a função matemática de produção utilizada para estimar a produtividade dos
insumos de produção, em específico o trabalho, parte de uma tipo Cobb-Douglas, como segue
(WOOLDRIDGE, 2013), sendo apresentada na Equação 1.
Y=β0X1
β1X2
β2X3
β3ε
(1)
Em que: Y é o volume de produção; Xi´s são os insumos (área, horas e capital); os
parâmetros
β
´s são os coeficientes a serem estimados que refletem a intensidade ou a
produtividade de cada insumo sobre a produção; e
ε
é o erro estocástico.
O modelo econométrico parte de uma função log-log e tem como estratégia de
regressão o método de Mínimos Quadrados Ordinários (MQO). A Equação 2 resume a
equação estimada:
log
(
QPsoja
)
=β0+β1log
(
area
)
+β2log
(
horas
)
+β3log
(
capital
)
+ε
(2)
QPsoja é a quantidade produzida de soja em toneladas para os municípios produtores
de soja no ano de 2016. Área é o total de área colhida em hectares por município. Horas é a
quantidade de horas contratadas para o cultivo de soja. Capital é o total de tratores,
semeadeiras/plantadeiras, colheitadeiras e adubadoras contratados.
3.2 Estratégia empírica
De acordo com Gujarati e Porter (2011), o escopo de uma pesquisa quantitativa visa o
estudo da dependência de uma variável, denominada variável dependente, em relação a uma
ou mais variáveis, as variáveis explanatórias ou independentes, visando estimar o valor médio
da variável dependente em termos dos valores observados das variáveis independentes.
Nesta pesquisa, para mensurar a produtividade do trabalho, o método amplamente
difundido denominado Mínimo Quadrado Ordinário (MQO) será utilizado. Gujarati e Porter
(2011) chamam atenção para a diferença entre regressão e causação. Isso é, o fato de que a
regressão analisa a dependência de uma variável em relação a outras não indica
necessariamente uma causação. Isso ocorre pelo fato de que as ideias de causação são
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
59
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
oriundas de teorias, sendo essas exógenas à estatística. Outro ponto relevante é que o conceito
de regressão não tem sentido semelhante ao conceito de correlação, pois o primeiro diz
respeito à dependência, enquanto o segundo mede a força ou o grau de associação linear entre
duas variáveis.
Assim, o método de estimação dos MQO se mostrou um dos mais difundidos e
poderosos, pois possui algumas propriedades estatísticas atraentes. Esse método se baseia na
menor soma possível dos resíduos quadrados. Isso é, primeiramente, os resíduos representam
a diferença de valores entre os valores observados e os valores estimados; elevando esses
resíduos ao quadrado, dá-se mais peso aos maiores resíduos, exaltando as observações que
mais se afastam da regressão; adotando como critério a menor somatória de cada erro elevado
ao quadrado e ajustando a equação de modo que nenhuma outra consiga melhor representar os
dados. Isso representa claramente que a soma dos quadrados dos resíduos é uma função dos
estimadores. Logo, a partir desse método, os parâmetros retornados são os que mais se
ajustam aos dados, sendo assim, qualquer outro valor não representaria melhor do que os
calculados (GUJARATI; PORTER, 2011; WOOLDRIDGE, 2013).
No entanto, essa regressão possui algumas hipóteses básicas, de modo que os
estimadores não sejam viesados. De forma resumida, a literatura aponta sete hipóteses: (1) o
modelo é linear nos parâmetros; (2) os valores assumidos pelos regressores (Xi´s) e os erros
ε
i
´s são independentes, isso é, não existe correlação entre o erro e a variável explanatória; (3) o
valor médio do erro é zero. Ou seja, as variações positivas se anulam com as negativas; (4)
homoscedasticidade ou variância constante do erro (
ε
i); (5) não há autocorrelação entre os
termos de erro (a autocorrelação entre os resíduos das variáveis provoca que esses erros
causem impactos na variável dependente); (6) o número de observações deve ser maior que o
número de parâmetros a ser estimado; e (7) há variabilidade nos valores dos regressores. A
não satisfação de uma dessas hipóteses acaba por comprometer os parâmetros estimados. Por
fim, dadas as premissas do modelo clássico de regressão linear, os estimadores de mínimos
quadrados da classe dos estimadores não viesados têm variância mínima, isso é, são o melhor
estimador linear não viesado (GUJARATI; PORTER, 2011; WOOLDRIDGE, 2013).
Posto isso, ainda existem outras hipóteses que devem ser satisfeitas. Uma delas é a
multicolinearidade, em que existe, em regressões com múltiplas variáveis explanatórias, uma
correlação entre elas. Isso é, a variável Xi explica Yi, mas está correlacionada com Xj. Esse
problema acaba por dificultar a obtenção de erros padrão pequenos. A grande variância e
covariância dos estimadores torna a regressão menos precisa, necessitando de intervalos de
confiança mais amplos, com razão t estatisticamente insignificante. Em suma, a regressão
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
60
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
acaba por não retornar o valor dos regressores com a necessária confiança (GUJARATI;
PORTER, 2011). No sentido de evitar essa inconsistência, a hipótese de não existência de
multicolinearidade será testada por meio do teste da Variable Inflaction Factor (VIF).
Outra questão que será levantada é a comparação do estado de Mato Grosso com os
estados do Paraná, Rio Grande do Sul e Goiás quanto aos municípios cultivadores de soja, a
Equação 3 é a final a ser estimada.
log
(
QPsoja
)
=β0+β1log
(
area
)
+β2log
(
horas
)
+β3log
(
capital
)
+δDEi+δ Diε
(3)
Em que DEi é uma variável categórica que assume valor 1 para os municípios que
estão no estado do Paraná; 2 para os municípios do estado de Mato Grosso; 3 para os
municípios do estado de Rio Grande do Sul e 4 para os municípios do estado de Goiás. Já
Di
,
variável binária, assume 1 para os municípios do estado de Mato Grosso e 0 para os demais.
A questão do recorte temporal de 2016 deve-se ao fato de que o Censo Agropecuário
mais recente é de 2017, o penúltimo censo foi de 2006. Como o método exige dados em cross
section, optou-se pelo banco de dados mais recente disponível.
3.3 Dados
Os dados foram coletados do Censo Agropecuário 2017 (IBGE, 2019), que diz
respeito à quantidade produzida, ao total de máquinas agrícolas, ao número de
estabelecimentos agrícolas e à área colhida. As quantidades de horas contratadas foram
retiradas da base da Relação Anual de Informações Sociais (RAIS) (BRASIL, 2019).
Segundo a Conab (2019a), os principais estados produtores da safra 2017/2018 são:
Mato Grosso (MT), com 27,2% da produção (32,30 milhões de toneladas); Paraná (PR), com
16,1% da produção (19,17 milhões de toneladas); Rio Grande do Sul (RS), com 14,4% (17,15
milhões de toneladas); e Goiás (GO), com 9,9% (11,78 milhões de toneladas). Tais
informações demonstram que uma análise prévia apresentada pela Conab reafirma que o
estado do Mato Grosso continua líder na produção de soja.
Consequentemente, a Tabela 1 compara a evolução da produção do cultivo de soja nas
safras de 2010/2011 até 2018/2019.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
61
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
Tabela 1 – Produção do cultivo de soja (Mil T) – Brasil, Goiás, Mato Grosso, Paraná e Rio
Grande do Sul
Ano Brasil GO MT PR RS
2010/11 75.323 8.182 20.412 15.424 11.621
2011/12 66.385 8.252 21.849 10.942 6.527
2012/13 81.499 8.563 23.533 15.912 12.535
2013/14 86.122 8.995 26.442 14.781 12.868
2014/15 96.229 8.625 28.019 17.210 14.882
2015/16 95.574 10.250 26.031 16.982 16.201
2016/17 114.074 10.819 30.514 19.586 18.714
2017/18 119.281 11.786 32.306 19.170 17.150
2018/19 115.031 11.437 32.454 16.253 19.187
Fonte: Conab (2019b).
4 RESULTADOS
Essa seção apresenta a estatística descritiva das variáveis, considerando os municípios
dos estados de Mato Grosso, Paraná, Rio Grande do Sul e Goiás. Para melhor entendimento
das variáveis estudadas, o Quadro 1 apresenta as unidades de medida dessas variáveis.
Quadro 1 – Descrição das variáveis da pesquisa e suas unidades de medida
Variável Descrição Mensuração
N° estabelecimentos Número de estabelecimentos agropecuários com lavoura temporária Unidade
Quantidade Produção Quantidade produzida nas lavouras temporárias de soja em grãos Toneladas
Área Colhida Área colhida nas lavouras temporárias de soja em grãos Hectares
Total Máquinas Número de tratores, implementos e máquinas existentes nos
estabelecimentos agropecuários
Unidade
Quant. Horas Cont. Número de horas contratadas na cultura de soja em grãos Horas
Fonte: Elaborado pela autora (2022).
No Mato Grosso, a média de estabelecimentos foi de 59,14, enquanto a quantidade
média produzida de soja foi de 290 mil toneladas em relação à safra 2016/2017. No Paraná,
existem, em média, mais estabelecimentos e menos máquinas. Uma consideração a ser feita é
a questão do número de municípios para cada estado. Por exemplo, no Mato Grosso, existem
141 municípios, no Paraná 399, no Rio Grande do Sul 497, e, em Goiás os municípios
totalizam 246. Então, mesmo que os resultados da estatística descritiva estejam na média,
existe o problema dos outliers, tanto subestimando quanto superestimando a média.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
62
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
Tabela 2 – Estatísticas descritivas Mato Grosso – 2016
Variável n Mean S.D. Min 0.250 Mdn 0.750 Max
N° estabelecimentos 120 59,14 95,30 1 7 23,50 72 645
Quantidade Produção 102 290.000 360.000 1.837 53.197 140.000 450.000 2.000e+06
Área Colhida 102 86.489 110.000 700 17.359 44.363 130.000 570.000
Total Máquinas 141 841.7 665.5 64 342 661 1.166 3.536
Quant. Horas Cont. 114 17.680 28.054 44 880 5.772 23.216 190.000
Fonte: Dados da pesquisa (2022).
Tabela 3 – Estatísticas descritivas Paraná – 2016
Variável n Mean S.D. Min 0.250 Mdn 0.750 Max
N° estabelecimentos 383 220,9 237,2 1 41 147 324 1.556
Quantidade Produção 366 41.654 46.364 233 9.420 29.771 58.880 330.000
Área Colhida 366 11.663 12.456 67 2.926 8.735 15.795 85.943
Total Máquinas 399 764,8 676,8 6 322 568 1.008 6.625
Quant. Horas Cont. 318 2.080 3857 44 264 744 2.134 33.883
Fonte: Dados da pesquisa (2022).
Tabela 4 – Estatísticas descritivas Rio Grande do Sul – 2016
Variável n Mean S.D. Min 0.250 Mdn 0.750 Max
N° estabelecimentos 448 213,1 218,7 1 41,50 161,5 326,5 1.235
Quantidade Produção 405 42.728 60.778 2 6.683 20.112 52.527 490.000
Área Colhida 405 12.808 18.286 2 2.182 6.267 15.286 140.000
Total Máquinas 497 734,6 655,7 1 374 558 934 8.075
Quant. Horas Cont. 237 1.811 3.570 18 154 616 1.734 2.9941
Fonte: Dados da pesquisa (2022).
Tabela 5 – Estatísticas descritivas Goiás – 2016
Variável n Mean S.D. Min 0.250 Mdn 0.750 Max
N° estabelecimentos 206 37,95 86,67 1 3 9 35 893
Quantidade Produção 154 65.396 140.000 686 5.122 16.637 65.981 1,200e+06
Área Colhida 154 19.023 39.832 176 1.679 4.800 18.815 340.000
Total Máquinas 246 618,6 536,8 6 247 451 767 2.970
Quant. Horas Cont. 149 4.286 11.249 40 176 797 3.036 83.272
Fonte: Dados da pesquisa (2022).
A média da quantidade produzida do Rio Grande do Sul foi de 42 mil toneladas
enquanto, no estado de Goiás, foi de 65 mil toneladas. Porém, a quantidade de horas
contratadas e maquinários não foi tão distante: RS – máquinas, média de 734,6; e GO –
máquinas, média de 618; horas contratadas Rio Grande do Sul, média de 1.811; e Goiás,
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
63
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
média de 4.286. Uma constatação possível é que a produtividade total do Rio Grande do Sul
foi maior do que a do estado de Goiás referente à safra 2016/2017.
Outra questão importante é o teste de diferença de médias, que tem a finalidade de
verificar, de forma estatística, se há diferenças entre produção, horas contratadas e total de
máquinas dos municípios mato-grossense em relação aos demais. Assim, o teste compara dois
grupos: a) municípios dos estados de Paraná, Rio Grande do Sul e Goiás; e b) municípios do
estado do Mato Grosso (Tabela 6).
Tabela 6 – Teste de Diferenças de Média
Variáveis Grupo (0) Grupo (1)
Dif. Média p-valor
Média D.P Média D.P
Quant. Horas Cont. 2456.42 6208.28 17680.36 28053.57 -15223.94 0.0000***
Quantidade Produção 46076.83 75429.93 290654.6 360560.5 -244577.8 0.0000***
Área Colhida 13389.7 21836.27 86488.98 105808.2 -73099.28 0.0000***
Total Máquinas 720.1594 641.513 841.695 665.5549 -121.535 0.0347**
Fonte: Dados da pesquisa (2022).
Nota: * p<0.01, ** p<0.05, *** p<0.1. Nota 2: diff = média (Grupo 0: outros municípios dos demais estados) –
média (Grupo 1: municípios do Mato Grosso).
Para todas as variáveis elencadas, houve significância estatística nos dois grupos de
comparação (p-valor < 0,05). Então, é possível afirmar que há diferenças entre as horas
contratadas, a quantidade produzida e o total de máquinas utilizadas. O teste demonstrou que,
em média, os municípios do estado de Mato Grosso apresentam melhores resultados em
comparação com os demais.
As Tabelas 7, 8, 9 e 10, a seguir, apresentam a matriz de correlação linear entre as
variáveis. A questão importante é verificar se a quantidade produzida de grãos de soja tem
alguma relação estatística com a quantidade de horas contratadas na cultura de soja e as
máquinas utilizadas.
Tabela 7 – Matriz de correlação Paraná – 2016
Variáveis (1) (2) (3) (4) (5)
Nº Estabelecimentos (1) 1,0000
Quantidade Produção (2) 0.6927* 1,0000
Área Colhida (3) 0.6988* 0.9965* 1,0000
Total Máquinas (4) 0.6241* 0.3677* 0.3696* 1,0000
Quant. Horas Cont. (5) 0.2222* 0.7045* 0.6965* 0.2070* 1,0000
Fonte: Dados da pesquisa (2022).
Nota: * p<0.01, ** p<0.05, *** p<0.1.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
64
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
De forma geral, o estado do Paraná apresentou uma correlação forte da quantidade
produzida com a quantidade de horas contratadas (0.7045) e fraca com o total de máquinas
(0.3677), ambas estatisticamente significativas (Tabela 7).
Os municípios do estado de Mato Grosso (Tabela 8) apresentaram resultados
interessantes: uma correlação negativa fraca com o total de máquinas utilizadas (-0.2274) e
uma correlação forte com a quantidade de horas contratadas (0.8593). Isso pode representar
um caminho de que os municípios desse estado, em 2016, estavam mais intensivos em mão de
obra do que em máquinas.
Tabela 8 – Matriz de correlação Mato Grosso – 2016
Variáveis (1) (2) (3) (4) (5)
Nº Estabelecimentos (1) 1,0000
Quantidade Produção (2) 0.7082* 1,0000
Área Colhida (3) 0.7075* 0.9992* 1,0000
Total Máquinas (4) -0.0532 -0.2274* -0.2331* 1,0000
Quant. Horas Cont. (5) 0.5396* 0.8593* 0.8626* -0.1678 1,0000
Fonte: Dados da pesquisa (2022).
Nota: * p<0.01, ** p<0.05, *** p<0.1.
Por outro lado, apesar de o Rio Grande do Sul (Tabela 9) apresentar correlação fraca
entre quantidade produzida e máquinas, ela foi positiva, ou seja, uma parte da variância da
quantidade produzida tem relação linear com os maquinários agrícolas. Porém, também há
uma correlação forte em relação à quantidade de horas contratadas (0.7685).
Tabela 9 – Matriz de correlação Rio Grande do Sul – 2016
Variáveis (1) (2) (3) (4) (5)
Nº Estabelecimentos (1) 1,0000
Quantidade Produção (2) 0.5453* 1,0000
Área Colhida (3) 0.5158* 0.9888* 1,0000
Total Máquinas (4) 0.2861* 0.2391* 0.2838* 1,0000
Quant. Horas Cont. (5) 0.3512* 0.7685* 0.6974* 0.0640 1,0000
Fonte: Dados da pesquisa (2022).
Nota: * p<0.01, ** p<0.05, *** p<0.1.
O estado de Goiás demonstrou, em 2016, uma correlação muito forte entre quantidade
produzida de soja e horas contratadas de trabalho (0.9040) e uma correlação moderada em
relação ao total de maquinários (0.4488), conforme evidenciado na Tabela 10.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
65
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
Tabela 10 – Matriz de correlação Goiás – 2016
Variáveis (1) (2) (3) (4) (5)
Nº Estabelecimentos (1) 1,0000
Quantidade Produção (2) 0.9460* 1,0000
Área Colhida (3) 0.9491* 0.9995* 1,0000
Total Máquinas (4) 0.4937* 0.4488* 0.4572* 1,0000
Quant. Horas Cont. (5) 0.8386* 0.9040* 0.9068* 0.3603* 1,0000
Fonte: Dados da pesquisa (2022).
Nota: * p<0.01, ** p<0.05, *** p<0.1
Os resultados apresentados quanto a correlação entre quantidade produzida da cultura
de soja, horas contratadas de trabalho e implementos de maquinários agrícolas evidenciam
uma questão importante, de que em média, a produção dos quatro maiores produtores dessa
cultura é predominantemente advinda da utilização de horas contratadas de trabalho.
A Tabela 11 mostra os resultados estimados de acordo com a Equação 3. Nota-se que
o aumento de 1% nas horas contratadas está associado a um aumento, em média, de 0,726%
nas toneladas de grãos de soja para o estado de Mato Grosso. O segundo maior efeito do
trabalho em relação a produção foi no estado de Goiás, influenciado 0,670%, em média, sobre
cada tonelada produzida.
Tabela 11 – Resultados da regressão
Variáveis MT PR RS GO Total
Quant. Horas Cont. 0.726*** 0.511*** 0.453*** 0.670*** 0.567***
(0.0316) (0.0297) (0.0322) (0.0399) (0.0166)
Total Máquinas 0.000293 0.452*** 0.375*** 0.216** 0.333***
(0.0706) (0.0535) (0.0764) (0.0909) (0.0385)
Constante 5.458*** 3.986*** 5.307*** 4.164*** 4.529***
(0.569) (0.377) (0.504) (0.582) (0.263)
Observações 100 307 231 123 761
R-quadrado 0.847 0.573 0.527 0.732 0.634
Fonte: Dados da pesquisa (2022).
Erro padrão entre parênteses.
Nota: * p<0.01, ** p<0.05, *** p<0.1.
Quanto à produtividade das máquinas, para cada 1% de aumento, ficou em torno de
0,3% o efeito médio de uma unidade de maquinário sobre a produção (Paraná: 0,452%, Rio
Grande do Sul: 0,375% e Goiás: 0,216%). Porém, no estado de Mato Grosso, não houve
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
66
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
significância estatística. O número de observações não foi equivalente ao total dos municípios
devido aos missing, principalmente em relação ao uso de máquinas e equipamentos agrícolas,
não estarem disponíveis na base de dados da RAIS (BRASIL, 2019).
Portanto, esta pesquisa se propôs a mensurar, de forma quantitativa, a produtividade
do trabalho sobre a produção de soja entre os quatro maiores produtores no Brasil. De certa
forma, o fator trabalho foi superior ao fator máquinas nesses produtores de soja, enfatizando o
maior efeito da produtividade do trabalho sobre a produção.
5 CONCLUSÕES
É notório que o país tem um agronegócio fortalecido, principalmente na pauta
agroexportadora. A produção de soja é o “carro chefe” há anos no Mato Grosso, Paraná, Rio
Grande do Sul e Goiás, estados que lideram a produção nacional (CONAB, 2019). Diante
disso, a pesquisa se propôs a mensurar a produtividade do trabalho e do capital no cultivo de
soja nesses estados, a fim de nortear futuras políticas públicas e entender a dinâmica desse
mercado.
Para isso, foi construída uma função de produção Cobb-Douglas, com as variáveis
para produção agrícola de soja, área plantada, quantidade de horas contratadas e maquinário
agrícola. Em seguida, com o método de MQO e dados cross section para o ano de 2016,
(Censo Agropecuário/IBGE), foi possível mensurar a produtividade do trabalho e do capital.
Os resultados apontaram que o estado de Mato Grosso apresentou a maior
produtividade do trabalho em relação aos demais (MT = 0,726) e se destaca no quesito
produção, consolidando sua posição em primeiro lugar já há alguns anos.
Vale ressaltar que a influência tecnológica ocorrida no campo exigiu gestão eficiente e
aperfeiçoamento na utilização de ferramentas para o setor. Isso significa que os resultados
encontrados refletem a realidade dos estados em produção agrícola.
Tais dados revelam a possibilidade de análise e abrangência de outros produtos
agrícolas a serem estudados no meio do Agronegócio, a fim de comparar e mensurar o
comportamento entre estados brasileiros e até mesmo países, como os do Mercosul, bloco
econômico que o Brasil integra.
Isso significa que é natural que, a cada período, os comportamentos se alterem e novas
necessidades surjam, exigindo que empresas e produtores rurais precisem buscar e/ou
desenvolver novas tecnologias no processo produtivo, deixando contribuições relevantes para
esse setor.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
67
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
REFERÊNCIAS
ARTUZO, F. D. et al. Gestão de custos na produção de milho e soja. Revista Brasileira de
Gestão de Negócios, v. 20, n. 2, p. 273-294, 2018.
BRASIL. MINISTÉRIO DO TRABALHO E EMPREGO (MTE). Portal de Informações.
Relação Anual de Informações Sociais – RAIS. 2019. Brasília. Disponível em:
http://trabalho.gov.br/cdbrasil/itamaraty/web/port/economia/agric/apresent.htm. Acesso em:
11 nov. 2021.
COMPANHIA NACIONAL DE ABASTECIMENTO (CONAB). Evolução dos Custos de
Produção de Soja no Brasil. Compêndio de Estudos Conab, v. 2. 2016. Disponível em:
https://www.conab.gov.br/institucional/publicacoes/compendio-de-estudos-da-conab?
start=10. Acesso em: 20 dez. 2021.
COMPANHIA NACIONAL DE ABASTECIMENTO (CONAB). A produtividade da soja:
Análises e perspectivas. Compêndio de Estudos Conab, v. 10. 2017. Disponível em:
https://www.conab.gov.br/institucional/publicacoes/compendio-de-estudos-da-conab?
start=10. Acesso em: 20 dez. 2021.
COMPANHIA NACIONAL DE ABASTECIMENTO (CONAB). Perspectivas para
agropecuária. v. 6, Safra 2018/2019. 2019a. Disponível em:
https://www.conab.gov.br/images /arquivos/outros/Perspectivas-para-a-agropecuaria-2018-
19.pdf. Acesso em: 13 nov. 2021.
COMPANHIA NACIONAL DE ABASTECIMENTO (CONAB). Portal de Informações
Agropecuária. Safra 2018/2019. 2019b. Disponível em:
https://portaldeinformacoes.conab.gov.br/safra-serie-historica-dashboard. Acesso em: 13 nov.
2021.
GOEDHUYS, M. The impact of innovation activities on productivity and firm growth:
evidence from Brazil. United Nations University - Maastricht Economic and Social Research
Institute on Innovation and Technology (MERIT). UNU-MERIT Working Papers, 2007.
Disponível em: https://www.researchgate.net/publication/4778481_The_impact_of _
innovation _activities_on_productivity_and_firm_growth_evidence_from_Brazil . Acesso em:
21 dez 2021.
GUJARATI, D. N.; PORTER, D. C. Econometria Básica. Porto Alegre: AMGH. 2011.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Indicadores
IBGE. Portal do Instituto Brasileiro de Geografia e Estatística. 2019. Disponível em:
https://www.ibge.gov.br/estatisticas/economicas/agricultura-e-pecuaria/9827-censo-
agropecuario.html?edicao=9830&t=resultados. Acesso em: 15 nov 2021.
IANONI, M. Políticas Públicas e Estado: o plano real. Lua Nova, v. 78, p. 143-183, 2009.
DOI: https://doi.org/10.1590/S0102-64452009000300009 .
JANK, M. S. NASSAR, A. M. TACHINARDI, M. H. Agronegócio e comércio exterior
brasileiro. Revista USP, v. 64, p. 14-27, 2005. DOI: https://doi.org/10.11606/issn.2316-
9036.v0i64p14-27.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
68
Jusceliany Rodrigues Leonel Correa
MENSURANDO A PRODUTIVIDADE DO TRABALHO E CAPITAL NO CULTIVO DE SOJA: UMA COMPARAÇÃO ENTRE OS ESTADOS DE
MATO GROSSO, PARANÁ, RIO GRANDE DO SUL E GOIÁS
OJIMA, A. L. R. O. Fluxos de exportação de soja do estado do Mato Grosso: uma aplicação
de programação linear In: Sociedade Brasileira de Economia, Administração e Sociologia
Rural (SOBER), 44 Congresso, Julho 23-27, 2006, Fortaleza, Ceará, Brasil. Anais […], 2006
Doi: 10.22004/ag.econ.146485. Acesso em: 05 nov 2021.
PINDYCK, R. S. RUBINFELD, D. L. Microeconomia. 7 ed. São Paulo: Pearson. 2010.
UNITED STATES DEPARTMENT OF AGRICULTURE (USDA). Assistência em
Desastres. 2006. Disponível em: http://www.usda.gov/wps/portal/usdahome. Acesso em: 11
nov 2021.
WOOLDRIDGE, J. M. Introdução à econometria: uma abordagem moderna. São Paulo:
Cangage Learning. 2013.
Revista de Estudos em Organizações e Controladoria-REOC, ISSN 2763-9673, UNICENTRO, Irati-PR, v. 2, n. 2, p. 53-68, jul./dez., 2022.
