unesp UNIVERSIDADE ESTADUAL PAULISTA

“JÚLIO DE MESQUITA FILHO”

Faculdade de Ciências e Letras
Campus de Araraquara - SP

LUCAS FONTES DE ARAÚJO

SPILLOVER ESPACIAL DE RENDA E A DESIGUALDADE

ECONÔMICA REGIONAL NA CIDADE DE SÃO PAULO
(2010)

SÃO PAULO – S.P.

ANO 2024
LUCAS FONTES DE ARAÚJO
SPILLOVER ESPACIAL DE RENDA E A DESIGUALDADE
ECONÔMICA REGIONAL NA CIDADE DE SÃO PAULO
(2010)

Trabalho de Conclusão de Curso (TCC)

apresentado ao Conselho de Curso de
Administração Pública, da Faculdade de Ciências e
Letras – Unesp/Araraquara, como requisito para
obtenção do título de Bacharel em Ciências
Econômicas.

Orientador: Prof. Dr. Gustavo Pereira Serra

Co-orientador:

Bolsa:

SÃO PAULO – S.P.

ANO 2024
Araújo, Lucas Fontes.
Spillover espacial de renda e a desigualdade econômica
regional na cidade de São Paulo (2010) Lucas Fontes
Araújo – Araraquara
40 fl. : il. ; xx cm

Trabalho de Conclusão de Curso - TCC (Graduação) –

Faculdade de Ciências Econômicas – Universidade
Estadual Paulista, Araraquara, 2023.

1 Economia. 2. Spillover espacial. 3 . Cidade São Paulo

. I. Autor II. Título.
LUCAS FONTES DE ARAÚJO

SPILLOVER ESPACIAL DE RENDA E A DESIGUALDADE

ECONÔMICA REGIONAL NA CIDADE DE SÃO PAULO
(2010)

Monografia apresentada ao Conselho de Curso de

Administração Pública, da Faculdade de Ciências e
Letras – Unesp/Araraquara, como requisito para
obtenção do título de Bacharel em Ciências
Econômicas.

Orientador: Prof. Dr. Gustavo Pereira Serra

Co-orientador:

Bolsa:

Data da defesa/entrega: ___/___/____

MEMBROS COMPONENTES DA BANCA EXAMINADORA:

Presidente e Orientador: Nome e título

Universidade.

Membro Titular: Nome e título

Universidade.

Membro Titular: Nome e título

Universidade.

Local: Universidade Estadual Paulista

Faculdade de Ciências e Letras
UNESP – Araraquara
 Dedico este trabalho à minha fiel amiga Luna, que, com sua presença, trouxe conforto
nos longos dias de estudo e concentração. Suas patinhas deixaram marcas indeléveis em minha
jornada acadêmica, tornando cada conquista mais significativa.
Agradeço por ser a companhia leal que me motivou a persistir e superar desafios. Este
trabalho é dedicado a você, Luna, uma fonte constante de amor e alegria.
Com gratidão,
Lucas Fontes de Araújo.
 AGRADECIMENTOS

Esses últimos quatro anos de graduação foram uma grande miscelânea de descobertas e
crescimento para mim. Regado a derrotas e vitórias, mas, principalmente, vitórias, fruto do meu
esforço e de amigos que sempre estiveram do meu lado para apoiar nesses oito semestres de
pura aventura. Me senti em um dos meus jogos de infância a cada prova, trabalho e seminário,
mas, nesse jogo chamado ensino superior, não tem "macete" certo ou vídeo que ensine atalho,
por isso, novamente, agradeço veemente esses dois fatores para meu sucesso. Espero que o
Lucas de 18 anos, recém-formado do ensino médio, cheio de inseguranças e síndrome de
impostor, tenha orgulho do que conseguiu.
Reconheço que pode parecer egoísta demais expressar meus agradecimentos de forma
individual a todos que contribuíram para a realização desta jornada, pois ela não iniciou na
UNESP, mas sim, há muito tempo quando despertei meu interesse pelos estudos. Agradecer
dessa maneira pode não ser uma tarefa fácil, nem totalmente justa.
Com o objetivo de evitar qualquer equívoco, gostaria de expressar antecipadamente
minha sincera gratidão a todos que, de alguma maneira, estiveram presentes em minha jornada
e contribuíram para o meu desenvolvimento pessoal. Entretanto, sinto-me compelido a destacar
meu profundo reconhecimento a determinadas pessoas:
A meus pais, Cristiane Fontes de Andrade Araújo e Danilo Araújo de Souza, que sempre
acreditaram em mim e sacrificaram suas vidas por mim todos os dias, e mesmo que sacrificando
uma parte grande parte de seus sonhos para me criar, me deram tudo que podiam e
possibilitaram minha chegada aqui. Obrigado por me mostrar o que é ter garra, mãe. E obrigado
por me mostrar o que é correto, pai.
Também não posso esquecer de minha Vó materna, Hercília Fontes Andrade, que
colocou a ideia em mim desde criança que podia entrar numa universidade pública. Nunca
esquecerei o dia que a senhora me buscou na escola, e me perguntou o que eu queria ser...
naquele Palio azul. A senhora que me ensinou o que eu podia fazer, e, até hoje, lembro
vividamente deste dia. Obrigado Vó!
A minha tia/madrinha/segunda mãe Flávia Araújo Borges, que também nunca deixou
de me apoiar, cuidar de mim e principalmente estar lá por mim! Até quando eu jogava panelas
em sua cabeça quando bebê ou fazia birras terríveis quando pré-adolescente. E antes que eu
esqueça: todos da minha família nuclear que me apoiam, minhas irmãs, tias e tio.
Aos meus irmãos que fiz em Araraquara: Ana Clara, Ana Flávia, Lucas. Não sei o que
seria de minha graduação sem vocês, desde a buzina no comecinho, até encontrar o restante da
turma no final do segundo ano. Eu provavelmente trancaria, ou pior, ficaria incompleto.
Obrigado, mesmo!
A meu amor, melhor amigo, parceiro, Enzo Boniconte Santomartino, onde seria difícil
para mim colocar tudo que sinto em um simples pedaço de papel, mas, posso dizer: vencemos!
E vencemos juntos! Vamos conquistar ainda mais. Espero retribuir tudo isso ainda, vou ler isso
daqui a 20 anos e poder saber que fiz com você tudo que eu planejo.
A Ángelica Tristão e André Cataruzzi, em que sempre imaginei o momento em que
redigiria este texto os agradecendo por serem essenciais quando entrei na faculdade. Exemplos
de não só veteranos que eu admirava/admiro, mas, pessoas que me apoiaram em meus
momentos de inseguranças e vitórias no curso de economia! Obrigado!
A minhas irmãs do ciberespaço, Patrick, Caio, Victor Carvalho, Pedro Mitozo, Matheus
e Guilherme. Por mais que uma amizade de idas e vindas, banimentos e retornos, todos vocês,
sem exceção, ajudaram para minha maturidade para enfrentar o desafio que foi a universidade
para mim. Todos nós crescemos juntos, e sem vocês, não teria me tornado essa pessoa.
Obrigado por me fazerem companhia na minha adolescência e na minha vida adulta agora, neste
novo começo Bigniano.
A Mayza Santos e Larissa Medeiros por esses 11 anos de parceria e amizade, onde
mesmo depois de 4 anos de distância, o amor de vocês por mim continuou o mesmo. Vocês me
inspiram.
A Thais Rocha, querida Maps, todas nossas viagens de SP>AQA foram como um alívio
para mim, ter alguém que silenciosamente me entende e me fez sentir confortável desde o
começo da nossa amizade.
Vai agradecimento a: Leticia, Hayla, Isabela, Isabelle, Amanda, Pedro Haddad, Matheo,
Pedro Billas, Mario e Pigas e Isaebela Luna.
A meu Orientador Gustavo Pereira Serra, que tem sido desde sempre, uma inspiração
em todos os âmbitos. Uma força intelectual, eu diria. E também, uma pessoa que acreditou que
eu poderia pesquisar o que eu gostava! Me orientou de uma forma muito leve e assertiva! Um
grande mestre para mim!
Aos também Professores Cláudio Paiva e Suzana Fernandes, que me desafiaram e me
ensinaram a ser um economista. Suas matérias, aulas foram de grande inspiração.
Obrigado Luna Maria Fontes e Jake B. Santomartino!
A todos os meus amigos que não citei aqui, saibam, que eu penso e agradeço vocês.
" O subdesenvolvimento da periferia foi, é e
sempre será condição necessária para o
desenvolvimento do centro".
Lucas Santos Marçal
 RESUMO

A metrópole de São Paulo é uma das maiores e mais influentes do Brasil e da América Latina,
ostentando uma economia diversificada e avançada. No entanto, as disparidades entre suas 32
subprefeituras são evidentes, e o fenômeno do spillover espacial pode se manifestar ao longo
do tempo, denominado transbordamento espacial. Esse fenômeno ocorre quando mudanças em
uma área têm impacto em outra. Este estudo buscou estimar o spillover espacial na cidade de
São Paulo em 2010, abrangendo suas 32 subprefeituras. Baseando-se em uma revisão de
literatura que incluiu livros, trabalhos acadêmicos e artigos, esta pesquisa caracteriza-se como
bibliográfica e de estudo de caso, conduzida no Sistema Estadual de Análise de Dados
(SEADE), localizado na Vila Universitária em São Paulo. A análise foi embasada em modelos
econométricos que consideraram dados socioespaciais relevantes, permitindo uma avaliação
robusta dos determinantes do desempenho econômico, da desigualdade regional e dos
spillovers em São Paulo. A matriz obtida foi submetida ao coeficiente de estatística I de Moran,
um teste para detectar a significância da autocorrelação espacial, considerando o número total
de pontos geográficos. O estudo visou identificar a dependência espacial entre as subprefeituras
de São Paulo, bem como a presença de spillovers espaciais relacionados ao Índice de
Desenvolvimento Humano Municipal (IDH-M), ao Índice de Gini e à faixa de renda em 2010.
Para isso, foi estimado um modelo econométrico espacial, utilizando uma matriz de pesos
espaciais que considerou as subprefeituras, resultando em uma amostra de 32 unidades
geográficas de análise. Os resultados revelaram um grau de transbordamento entre as
subprefeituras, com taxas de 20,71%, 18,81% e 47,62% para renda, Índice de Gini e IDH,
respectivamente. Assim, observa-se um baixo grau de spillover nas duas primeiras variáveis
(20,71%, 18,81%) e um spillover moderado (47,62%) na última, o que pode explicar as
disparidades econômicas e sociais na capital paulista, onde bairros de baixa renda coexistem ao
lado de áreas mais desenvolvidas em termos sociais e econômicos. Conclui-se que uma área
economicamente próspera não necessariamente promove o desenvolvimento de áreas
adjacentes.

Palavras-chave: Economia. Spillover espacial. Cidade de São Paulo.

 ABSTRACT

The metropolis of São Paulo stands as one of Brazil's and Latin America's largest and most
significant cities, boasting a diverse and mature economy. However, it grapples with disparities
among its 32 sub-prefectures, and this spatial impact manifests over time as a global spillover
effect, termed spatial spillover. Spillover emerges when alterations in one area precipitate
changes in another. The aim was to gauge the spatial spillover within São Paulo city,
considering its 32 sub-prefectures, in 2010. This constitutes a thorough literature review
incorporating books, academic papers, and articles, characterized as bibliographic research and
a case study at the State Data Analysis System (SEADE), located in Vila Universitária, São
Paulo. Leveraging econometric models grounded in pertinent socio-spatial data facilitated a
robust exploration of the drivers of economic performance, regional inequality, and spillovers
within São Paulo. Following matrix acquisition, Moran's I statistical coefficient was applied—
a test gauging spatial autocorrelation, with 'n' representing the total geographic points. The
study aimed to ascertain spatial interdependence among sub-prefectures in São Paulo's region,
alongside the presence of spillovers pertaining to HDI-M, the Gini Index, and Income Range in
2010. Consequently, a spatial econometric model was estimated, utilizing a matrix of spatial
weights accounting for sub-prefectures, thereby generating a sample of 32 geographic units for
analysis. Findings indicate varying degrees of spillover among the 32 sub-prefectures, with
calculated percentages for the three chosen variables: 20.71%, 18.81%, and 47.62%, relating to
income, the Gini index, and HDI, respectively. Consequently, while a low spillover degree is
observed in the first two variables (20.71%, 18.81%), a moderate spillover (47.62%)
characterizes the latter. This may elucidate the economic and social heterogeneity within São
Paulo, where lower-income neighborhoods coexist alongside more affluent areas in terms of
social and economic prosperity. In conclusion, the success of one economic area does not
guarantee the development of its adjacent regions.
Key words: Economy. Spatial spillover. São Paulo city.

LISTA DE FIGURAS
Figura 1 – Participação do Sudeste no PIB 1970 a 2019........................................................ 18
Figura 2 – Spillover Espacial: IDH-M ................................................................................... 30
Figura 3 – Spillover Espacial: Índice Gini ............................................................................. 31
Figura 4 – Spillover Espacial: faixa de renda ......................................................................... 32
 LISTA DE TABELAS

Tabela 1 – Matriz de distância entre as Subprefeituras de São Paulo .................................... 30

 SUMÁRIO

1 INTRODUÇÃO ................................................................................................................... 13
2 REVISÃO BIBLIOGRÁFICA .......................................................................................... 15
2.1 ECONOMIA DA CIDADE DE SÃO PAULO ............................................................... 15
2.2 DESIGUALDADE REGIONAL NO BRASIL .............................................................. 16
2.3 SPILLOVER ESPACIAL ................................................................................................ 19
3 ESTUDO DE CASO ............................................................................................................ 24
3.1 FUNDAÇÃO SISTEMA ESTADUAL DE ANÁLISE DE DADOS (SEADE)............ 25
3.2 PROCEDIMENTOS ........................................................................................................ 26
3.3 RESULTADOS E DISCUSSÃO ..................................................................................... 28
4 CONCLUSÃO...................................................................................................................... 38
REFERÊNCIAS ..................................................................................................................... 41
 13

1 INTRODUÇÃO

Este trabalho aborda o spillover espacial de renda e a desigualdade econômica regional

na cidade de São Paulo, delimitado para 32 subprefeituras, mo ano de 2010.
Neste aspecto o objetivo geral foi estimar o spillover espacial da cidade de são Paulo,
considerando 32 subprefeituras, no ano 2010 e os objetivos específicos: caracterizar a cidade
de São Paulo; abordar desigualdade regional; definir spillover; estimar spillover das 32
subprefeituras da cidade de São Paulo, no ano de 2010 e verificar a relação de periferia e centro.
O trabalho se justificou na medida em que a necessidade de investigar a desigualdade
regional na cidade de São Paulo decorre da expressiva heterogeneidade socioeconômica
existente entre as suas 32 subprefeituras. Essa heterogeneidade se reflete em disparidades
significativas em termos de renda, infraestrutura, acesso a serviços básicos e qualidade de vida.
Compreender os fatores que contribuem para essas disparidades é essencial para o planejamento
de políticas públicas eficazes, capazes de promover uma distribuição mais equitativa dos
recursos e uma elevação na qualidade de vida da população
Além disso, a análise do Spillover, ou seja, os efeitos de transbordamento das atividades
econômicas de uma região para outra, desempenha um papel fundamental nessa pesquisa.
Entender o grau de influência que o complexo econômico de São Paulo exerce sobre as áreas
adjacentes permitirá identificar potenciais impactos positivos ou negativos no desenvolvimento
regional e no bem-estar dos cidadãos. Essa compreensão pode orientar a formulação de
estratégias de desenvolvimento mais equilibradas e sustentáveis.
São Paulo figura como uma das maiores metrópoles do mundo e pode ser considerada
uma das importantes cidades do Brasil e da América Latina, com uma economia diversificada
e desenvolvida, sendo o início do seu crescimento fortemente ligado à produção de café e a sua
consolidação como principal centro industrial do país, advinda principalmente do acúmulo de
capital no final do século XX (Szmerescányi, 2004).
Ainda conforme Szmerescányi (2004), a economia paulistana é baseada em setores que
tendem a gerar desigualdade de renda, como o setor financeiro, o setor imobiliário e setores de
serviços com alto valor agregado. Esses setores geram empregos de alta qualificação e
remuneração, mas, ao mesmo tempo, Deixam uma significativa parte da população sem acesso
ao mercado de trabalho formal, envolvendo-se em ocupações pouco remuneradas.
Uma das principais definições para desigualdade regional é como a disparidade entre
diversas regiões de um país em termos de acesso aos bens materiais e imateriais que
possibilitam uma vida plena, com a participação na vida social funcionalmente (Santos, 2012).
 14

A capital paulistana, por ser 4º maior metrópole do mundo e amplamente conhecida como
cidade global (Cota, 2018), apresenta disparidade entre seus 32 distritos. Segundo um estudo
da SEADE, a região do centro possui maior renda per capita, em contrapartida, o extremo Leste
de São Paulo possui renda per capita, em conjunto com a zona Sul, possuindo ambas as menores
rendas médias da cidade.
Myrdal apud Melo e Simões (2011, p. 11) argumenta de forma mais específica que:

A relação centro-periferia é dada pela dinâmica de expansão do capital no espaço.

Uma vez que ocorre a acumulação do capital, este amplia sua área de ocupação por
meio de efeitos de transbordamento (spillovers espaciais) para as áreas vizinhas.
Assim, regiões que eram periféricas são incorporadas por regiões centrais, e outras
regiões que estavam fora da economia de mercado são inseridas no processo de
acumulação do capital, tornando-se assim novas áreas periféricas. Com isso, o capital
expande suas fronteiras de acumulação, criando novas áreas de atividade econômica,
reproduzindo a dinâmica centro-periferia e tornando constante o processo de mudança
territorial.

Nossa investigação teve início com uma revisão abrangente da literatura, recorrendo a
uma variedade de fontes como livros, trabalhos acadêmicos e artigos disponíveis. Esta
abordagem foi caracterizada como pesquisa bibliográfica, permitindo-nos explorar uma vasta
gama de informações sem limitações temporais ou geográficas, conforme mencionado por
Severino (2015). Adicionalmente, optamos por enriquecer nossa análise com um estudo de caso
conduzido no Sistema Estadual de Análise de Dados (SEADE), situado na Vila Universitária
em São Paulo. Em consonância com as sugestões de Severino (2015), reconhecemos a
importância do estudo de caso, especialmente nas fases preliminares da investigação,
auxiliando na formulação de hipóteses e proporcionando uma compreensão mais aprofundada
do objeto de estudo.
A estrutura deste trabalho compreende dois capítulos distintos. O primeiro capítulo
aborda a cidade de São Paulo, a desigualdade regional e o conceito de spillover. Já o segundo
capítulo se dedica à estimação do spillover nas 32 subprefeituras da cidade de São Paulo no ano
de 2010, incluindo a apresentação dos resultados e a discussão correspondente.
 15

2 REVISÃO BIBLIOGRÁFICA

2.1 ECONOMIA DA CIDADE DE SÃO PAULO

A Cidade de São Paulo é uma das maiores e mais importantes cidades do Brasil e da
América Latina, com uma economia diversificada e desenvolvida, sendo o início do seu
crescimento fortemente ligado à produção de café e a sua consolidação como principal centro
industrial do país, advinda principalmente do acúmulo de capital no final do século XX
(Szmerescányi, 2004).
Durante este período, São Paulo se tornou o maior produtor de café do mundo e pode
experimentar um rápido crescimento econômico e populacional, e este fator levou à construção
de ferrovias e portos, melhorias na infraestrutura e à chegada de imigrantes para trabalhar nas
plantações. Segundo Fausto (2001), no início do século XX, a cidade de São Paulo já era um
importante polo industrial, especialmente com a criação de indústrias têxteis, metalúrgicas e
alimentícias. O autor destaca o papel de São Paulo como um centro financeiro, com a criação
de bancos e outras instituições importantes, se tornando um notável centro de negócios, atraindo
investidores de todo o globo.
A cidade se expandiu rapidamente, com a construção de bairros residenciais, comerciais
e na urbanização de áreas antes rurais, fazendo a capital passar por um crescimento
populacional, principalmente entre os anos de 1930 e 1960. Nestes anos a população cresceu
expressivamente, passando de cerca de 1 milhão de habitantes em 1930 para mais de 4 milhões
em 1960, atualmente possuindo um total de 12,33 milhões de habitantes (2022), com 32
subprefeituras, divididas em 5 zonas: Sul, Norte, Oeste, e Centro (IBGE, 2022).
Para Szmrecsániy (2004), a maior concentração de renda no centro de São Paulo pode-
se explicar pelo fato da região central da cidade de São Paulo ter sido uma região histórica na
qual foi o núcleo inicial de desenvolvimento da cidade. No entanto, essa riqueza não foi
distribuída de maneira equitativa. A maioria dos benefícios econômicos ficou concentrada nas
mãos de uma elite econômica, que se instalou na região central e se beneficiou do
desenvolvimento econômico da cidade. Enquanto isso, a população mais pobre e marginalizada
foi deixada à margem desse processo, vivendo em condições precárias e sem acesso aos
serviços básicos.
Ainda segundo Szmrecsániy (2004), enfatiza-se o fator que a região central de São Paulo
também concentra a maioria das sedes de grandes empresas e instituições financeiras, o que
contribui para a manutenção da desigualdade econômica. Essas empresas e instituições têm
 16

grande influência sobre a política e a economia da cidade, o que pode dificultar a

implementação de políticas públicas mais justas e inclusivas.
Além disso, a economia paulistana é baseada em setores que tendem a gerar
desigualdade de renda, como o setor financeiro, o setor imobiliário e o setor de serviços de alto
valor agregado. Esses setores geram empregos de alta qualificação e remuneração, mas, ao
mesmo tempo, deixam uma grande parcela da população fora do mercado de trabalho formal
empregada em atividades de baixa remuneração. Assim, a própria estrutura da cidade contribui
para a desigualdade socioeconômica, com bairros de alta renda localizados próximos a bairros
de baixa renda e com uma infraestrutura de transporte público que frequentemente não atende
às necessidades da população mais pobre.
Os bairros periféricos muitas vezes são mal servidos por linhas de transporte público, o
que dificulta o acesso ao centro da cidade e a outros bairros mais desenvolvidos. Esse problema
acaba limitando as oportunidades de trabalho e de estudo para muitas pessoas, obrigadas a
gastar abundantes quantidades de tempo e dinheiro para se deslocar pela cidade, podendo
ocasionar um comprometimento de boa parte do orçamento familiar, deixando menos dinheiro
disponível para outras necessidades básicas, como alimentação e saúde. (Rose, 2006).
O problema de concentração não é um fenômeno apenas visto na capital paulistana,
Dowbor (2017) em seu livro "A Era do Capital Improdutivo" argumenta que a desigualdade
social no Brasil é um problema estrutural e que persiste devido à falta de políticas públicas
adequadas que visem à redistribuição de renda e ao investimento em infraestrutura social.
Dowbor (2017) aponta que, apesar dos avanços nos últimos anos na redução da pobreza
e na melhoria do acesso à educação e saúde, ainda há um longo caminho a percorrer para
combater efetivamente a desigualdade no país. Ele critica a falta de investimentos públicos em
áreas como transporte, moradia e saneamento básico, que afetam principalmente a população
mais pobre e perpetuam a concentração de renda nas grandes cidades, como São Paulo, o autor
também cita a importância da participação cidadã na formulação de políticas públicas e no
monitoramento da implementação dessas políticas. Ele argumenta que a democracia
participativa é essencial para garantir que as políticas públicas atendam às necessidades reais
da população e para evitar que interesses particulares se sobreponham aos interesses coletivos.

2.2 DESIGUALDADE REGIONAL NO BRASIL

A atual configuração do espaço econômico do Brasil está fortemente enraizada no

caminho de desenvolvimento seguido pelo país desde os tempos coloniais. A distribuição
 17

desigual da riqueza no território brasileiro é caracterizada por uma alta concentração de recursos
na região Centro-Sul do país (Azzoni; Haddad, 2018).
O desenvolvimento econômico é espacialmente desigual em todo o lado. No nível
nacional é sempre possível identificar países mais desenvolvidos e regiões menos
desenvolvidas. Em geral, quase todos os indicadores socioeconômicos de desenvolvimento
apontam na mesma direção; principais regiões econômicas apresentam maiores padrões de
desenvolvimento econômico e humano (Magalhães; Alves, 2021).
A descrição dos padrões de desigualdade regional e do processo de desenvolvimento
econômico tem sido o foco da atenção de importantes economistas. É acordado que, nas fases
iniciais do desenvolvimento, o crescimento é, no sentido geográfico, necessariamente
desequilibrado. Devido às externalidades de aglomeração, não há dúvidas de que uma
economia, para se elevar a níveis de rendimento mais elevados, deve e irá primeiro desenvolver
dentro de si um ou vários centros regionais de força econômica (Silveira-Neto, 2010).
O Brasil possui um território extenso e disparidades regionais pronunciadas (Azzoni;
Haddad, 2018). Analisam a dispersão do PIB per capita brasileiro de 1872 a 2015, indicando
que até 2015 estava no nível mais baixo em 80 anos. Eles associam os altos e baixos da
dispersão regional per capita à economia de ciclos de commodities, escravidão, migração,
desenvolvimento de infraestrutura de transporte, política comercial e processos relacionados de
mudança estrutural auto-reforçada. Magalhães; Alves (2021) também encontram um pico de
desigualdade em 1970, com diminuições subsequentes, com crescente polarização entre as
áreas ricas e pobres.
Mesmo que a desigualdade seja menor do que era no passado, a região Nordeste, que
abriga 28% da população, ainda é o mais pobre. Isso é, a renda per capita ficou abaixo da metade
da região mais rica, o Sudeste. As disparidades regionais podem manifestar-se através da
concentração e da desigualdade. O Sudeste brasileiro, que abriga as cidades de São Paulo, Rio
de Janeiro e Belo Horizonte, produz mais de 55% do PIB nacional (Figura 1) (Magalhães;
Alves, 2021).
Embora a concentração regional dê sinais de diminuição, o nível ainda é preocupante.
As regiões orientadas para recursos do Centro-Oeste (grãos) e do Norte (mineração e zona
franca de importação na cidade de Manaus) aumentaram sua participação na população e no
PIB nas últimas décadas. Como resultado, há uma tendência de diminuição das disparidades
regionais no país no século XXI. Esta redução tem várias possíveis explicações, incluindo o
estabelecimento de uma política massiva e cega regional de transferências monetárias para
famílias de baixa renda (Silveira-Neto, 2010).
 18

Figura 1 – Participação do Sudeste no PIB 1970 a 2019.

Fonte: Magalhães e Alves (2021).

Como a economia do país recebeu três choques sucessivos, nomeadamente a Grande

Recessão (global), um choque político interno e um choque de saúde pública, é relevante
investigar como esses choques podem ter influenciado estas tendências.
Com base nas taxas trimestrais de crescimento do PIB nacional (Figura 1), definiu-se
três períodos para análise: pré-crises, 2002-2008; crise global, 2009-2013; e crise interna, 2014-
2019. A crise da Covid-19 envolve apenas 2020. O período Pré-Crise apresentou taxas de
crescimento favoráveis do PIB nacional, associadas a uma economia global em expansão que
exige commodities (grãos e produtos de mineração) e produtos manufaturados (automóveis,
aviões, etc.) do Brasil (Bucciferro, 2021).
O segundo período é associado à Grande Recessão, cujos efeitos atingiram a economia
brasileira com algum atraso, produziu uma recuperação imediata, mas deixou choques
secundários que afetaram a economia nos trimestres seguintes. Uma recuperação modesta
apareceu no final de 2013. No entanto, o enfraquecimento da economia global, associado a uma
crise política local, causou um choque mais profundo, que durou quase dois anos e fez com que
a economia sofresse. A pandemia de Covid-19 atingiu uma economia já fraca e teve efeitos
provavelmente devastadores, pior do que em outros países. Infelizmente, só existe informação
disponível sobre os níveis salariais regionais para alargar a análise para captar os impactos deste
terceiro choque.
Para proporcionar uma visão mais ampla da dispersão da renda per capita, trabalhou-se
no nível estadual. Desde 1985, são 27 estados (incluindo o Distrito Federal, Brasília), mas
 19

alguns deles faziam parte de um estado existente. Reconstruí-se a conformação existente dos
estados em 1980, resultando em uma constante de tempo de 20 estados (Azzoni; Haddad, 2018).
De 1949 a 2019, houve uma tendência decrescente ao longo de todo o período, com
algumas situações de aumento de dispersão. O caso emblemático é o período 1967-76,
conhecido como o “milagre brasileiro”, com altas taxas de crescimento do PIB nacional. Esse
período de prosperidade foi seguida pela “década perdida”, com baixo crescimento do PIB a
nível nacional e diminuição da desigualdade (Bucciferro, 2021).
Os resultados envolvendo a série de 20 estados a partir de 1949, confirmam a ideia da
associação do desempenho nacional com a dispersão dos níveis de renda per capita entre as
regiões. Para verificar se esta associação é influenciada pela duração do período, varia-se o
crescimento defasado do PIB em 1, 3 e 5 anos, vê-se que o crescimento do PIB nacional
aumenta à medida que o número de anos cresce. Esta conclusão é corroborada pela
consideração do atraso do segundo período. Embora com coeficientes menores e níveis de
significância mais baixos, ainda se tem resultados positivos (Magalhães; Alves (2021)

A desigualdade da distribuição da atividade econômica no espaço geográfico tem sido

abordada desde a década de 1950 com as chamadas teorias da localização e do
desenvolvimento desigual. Mais recentemente, o papel do espaço geográfico e sua
influência no desempenho econômico das localidades têm ganhado destaque na teoria
econômica através da chamada Nova Geografia Econômica (NGE), que formaliza o
papel dos retornos crescentes de escala para o crescimento econômico e a distribuição
da atividade econômica no espaço. A desigualdade da distribuição da atividade
econômica no espaço geográfico tem sido abordada desde a década de 1950 com as
chamadas teorias da localização e do desenvolvimento desigual. Mais recentemente,
o papel do espaço geográfico e sua influência no desempenho econômico das
localidades têm ganhado destaque na teoria econômica através da chamada Nova
Geografia Econômica (NGE), que formaliza o papel dos retornos crescentes de escala
para o crescimento econômico e a distribuição da atividade econômica no espaço (De
Mello; Simões, 2011, p. 11).

Parece, portanto, que os booms e as crises tendem a afetar a desigualdade regional, e

que o efeito não desaparece no curto prazo. Pelo menos, não durante períodos subsequentes de
pelo menos cinco anos.

2.3 SPILLOVER ESPACIAL

O efeito espacial pode assumir a forma de um spillover (transbordamento) global ao

longo do tempo, denominado transbordamento espacial. O transbordamento ocorre quando
mudanças em uma área causam mudanças em outra.
 20

Os efeitos de spillover espacial são amplamente estudados na literatura, como uma

importante fonte de externalidade e, portanto, de discrepância entre o ótimo privado e social,
criando a emergência de intervenções políticas ad-hoc. Na literatura, a sua natureza
espacialmente delimitada é altamente enfatizada, mas os mecanismos para a sua difusão
espacial são geralmente considerados como uma caixa negra, sem qualquer referência aos
canais territorializados através dos quais estas externalidades se espalham (LeSage; Pace,
2009).
As repercussões espaciais são um interesse principal na ciência regional. Em contraste
com a econometria padrão modelos que restringem os spillovers a zero, um aspecto valioso dos
modelos econométricos espaciais é que a magnitude e a importância dos spillovers espaciais
podem ser avaliadas empiricamente. Isso é por que os métodos econométricos espaciais são
amplamente utilizados na pesquisa científica regional e têm também um uso crescente em
outros campos das ciências sociais (Elhorst, (2010).
Partridge et al. (2012) fornecem uma visão geral dos três artigos contribuintes.
McMillen (2013). A crítica concentra-se principalmente nas limitações do modelo de
defasagem espacial (SAR) e no modelo de erro espacial (SEM) e é parcialmente baseado em
trabalhos anteriores.
Elhorst (2010) confirma que até 2007 os econometristas espaciais estavam
principalmente interessados nos modelos SAR e SEM, e destaca que o procedimento para esses
modelos com base em testes robustos do Multiplicador de Lagrange pode considerado o
principal pilar desta forma de pensar.
Até recentemente, os estudos empíricos utilizavam as estimativas dos coeficientes de
um modelo econométrico para testar a hipótese sobre a existência ou não de efeitos de spillover
espacial. No entanto, LeSage e Pace (2009) apontam que uma interpretação derivada parcial do
impacto das mudanças nas variáveis representa uma base mais válida para testar esta hipótese
(McMillen, 2013).
Ao considerar estas derivadas parciais, pode-se mostrar que alguns modelos são mais
flexíveis na modelagem de efeitos de spillover espacial do que outros, e que o modelo SLX é o
mais simples deles. É importante ressaltar que Partridge et al. (2012) não discutem a questão
dos efeitos de repercussão espacial, embora seja uma das razões pelas quais se deve segui-los e
tomar o modelo SLX como ponto de partida. Outra razão, é que os elementos de W podem ser
parametrizados. Esta é uma contribuição significativa, uma vez que muitas vezes. O aspecto
criticado da modelagem econométrica espacial é a especificação a priori de W, que é um tema
amplamente discutido.
 21

Desde a virada do século, a literatura de econometria espacial mudou seu interesse da

especificação e estimativa de relações econométricas com base em dados transversais para
painéis espaciais. Painéis espaciais referem-se a dados pontuais georreferenciados ao longo do
tempo para unidades espaciais, como códigos postais, bairros, municípios, condados, regiões,
jurisdições, estados ou países (Elhorst, 2010).
A principal vantagem de trabalhar com painéis espaciais é que é possível controlar os
dados espaciais e efeitos específicos do tempo. As unidades espaciais de observação
provavelmente diferirão em seu contexto variáveis, que geralmente são variáveis invariantes no
tempo específicas do espaço que afetam a variável dependente, mas que são difíceis de medir
ou de obter. Uma unidade está localizada (McMillen, 2013).
O principal objetivo dos modelos econométricos espaciais é testar a existência de efeitos
de interação e, relacionados a isso, efeitos de spillover espacial. As repercussões espaciais são
um dos principais interesses em ciência regional, geografia econômica e áreas afins. Muitas
teorias prevêem que mudanças nas variáveis explicativas em uma determinada unidade
impactam a variável dependente, não apenas na própria unidade, mas também em outras
unidades (LeSage; Pace, 2009).

Contudo, devem existir alguns condicionantes periféricos para que haja investimentos
nessas regiões e, portanto, para que os efeitos de transbordamento das regiões centrais
atuem nessas áreas e estas sejam incorporadas às áreas centrais. Como as regiões
periféricas são áreas subdesenvolvidas, tecnologicamente limitadas, e há mais
incerteza nos mercados, torna-se necessário que o investimento nessas áreas seja
induzido (De Mello; Simões, 2011, p. 12).

Três tipos diferentes de efeitos de interação espacial podem ser considerados. O

primeiro é um efeito de interação endógena, que mede se a variável dependente da unidade i
depende das variáveis dependentes de outras unidades j (j≠ i) e vice-versa. (Magalhães; Alves,
2021)
Os segundos são os efeitos exógenos de interação, nos quais a variável dependente da
unidade i é influenciada pelas variáveis explicativas das outras unidades j (j ≠ i). Em outras
palavras, esses efeitos representam como as características das unidades vizinhas podem afetar
a variável dependente de uma unidade específica. É importante notar que, conforme observado
por Magalhães e Alves (2021), se o número de variáveis explicativas é K., então o número
máximo de efeitos de interação exógenos possíveis é 3K.
Pode ocorrer um efeito de interação entre os termos de erro, denotado por WWWtt. Este
termo indica que as unidades podem se comportar de forma semelhante devido ao
compartilhamento de características comuns ou à exposição a ambientes similares não
 22

observados. Em outras palavras, quando o valor desse termo é alto, sugere-se que as unidades
estão sujeitas a influências semelhantes que não foram diretamente observadas ou controladas.
Como mencionado por Elhorst (2010), a presença desse tipo de efeito de interação
significa que um total de K+2 efeitos espaciais de interação são possíveis. Isso ressalta a
importância de considerar não apenas as variáveis explícitas em um modelo, mas também as
influências indiretas e compartilhadas entre as unidades.
Quanto aos termos "4W" e "2t", estes se referem ao uso de quatro vezes a matriz de
ponderação espacial W e duas vezes a matriz de tempo de viagem t. Ou seja, no contexto deste
estudo, são realizadas operações específicas com essas matrizes para capturar diferentes
aspectos das relações espaciais entre as unidades.
É importante ressaltar que a escolha do critério de distância para a matriz de pesos W é
crucial. De acordo com De Melo e Simões (2011), a distância máxima de 1.000 milhas
(aproximadamente 1.609 km) originalmente utilizada pelo autor será substituída pelo tempo de
viagem entre municípios, limitado a 120 minutos. Essa substituição é feita com base na
premissa de que o tempo de viagem é uma medida mais relevante para definir a proximidade e
interconexão entre as unidades em estudo.
Ao adicionar todos os efeitos de interação espacial ao modelo de regressão linear para
dados em painel, obtém-se a seguinte equação:
𝑌𝑖𝑡=𝜌4 𝑦𝑡 𝑋𝑖𝑡𝛽 + 𝑊𝑋𝑡𝜃 + 𝜇 + 𝛿𝑡𝑁 + 𝑢𝑖𝑡 (1)

onde Yit representa a variável dependente para a unidade i no período t. Xit é o vetor de
variáveis explicativas para a unidade i no período t, com coeficientes β. W é a matriz de
ponderação espacial, que captura a interação entre as unidades. θ é o vetor de parâmetros que
mede a relação entre as variáveis explicativas e a interação espacial. μ é o termo de erro comum
a todas as unidades. δtN é um termo que captura os efeitos específicos temporais. E uit é o
termo de erro idiossincrático.
O parâmetro escalar ρ elevado à quarta potência (𝜌4 ) representa a força de dependência
espacial entre as unidades. Essa elevação ao quadrado é aplicada para refletir a magnitude da
interação espacial. Quanto maior o valor de ρ, maior é a intensidade da dependência espacial
entre as unidades. Essa interpretação é crucial para compreender como a proximidade
geográfica e as relações entre unidades influenciam os resultados da análise.
Além disso, para determinar se os efeitos específicos espaciais e temporais devem ser
incluídos e tratados como efeitos fixos ou aleatórios em modelos econométricos espaciais,
podem ser utilizados testes de razão de verossimilhança (LR) e o teste de Hausman (McMillen,
 23

2013). Esses testes estatísticos fornecem insights sobre a adequação do modelo e ajudam a
garantir a robustez e consistência dos resultados obtidos.
O termo conhecido como Spillover ou Efeito Transbordamento é usado por diversos
economistas e geógrafos, e para Arrow (1962) para referenciar o fenômeno de transferência de
efeitos econômicos de uma atividade para outra atividade que não tem relação direta com ela.
Esses efeitos podem ser positivos (externalidades positivas) ou negativos (externalidades
negativas), e ocorrem quando as atividades econômicas em uma região afetam o bem-estar de
outras regiões (LeSage; Pace, 2009).
O Spillover econômico pode ser resultado da transferência de tecnologia, conhecimento,
recursos ou habilidades e pode ter um impacto significativo no desenvolvimento econômico de
uma região. O Spillover econômico pode estimular a inovação e a produtividade em outras
empresas e setores da economia, resultando em maior eficiência e crescimento econômico
(Magalhães; Alves, 2021)
Também podendo levar a ganhos de escala e aprendizado, reduzindo os custos de
produção e aumentando a competitividade de empresas que compartilham conhecimento,
levando as empresas a reduzir o custo de pesquisa e desenvolvimento ao aumentar a escala de
produção, tendo maiores ganhos por competitividade. A cooperação entre setores e empresas
também é benéfica, permitindo a realização de projetos mais ambiciosos e complexos que não
seriam possíveis sem um transbordamento de conhecimento ou tecnologia.
No entanto, Arrow (1962) também apontou que este efeito pode gerar externalidades
negativas, como a exploração de tecnologias patenteadas e o excesso de investimento em
pesquisa e desenvolvimento, que poderiam ser usadas de maneira mais eficientes em outras
áreas da economia. Além disso, o autor argumentou que o Spillover poderia levar a uma
concentração de poder econômico, uma vez que empresas que se beneficiam dos
transbordamentos tendem a ser mais competitivas do que aquelas que não o fazem (Elhorst,
(2010).
 24

3 ESTUDO DE CASO

Neste estudo de caso, adentramos profundamente na análise do fenômeno do spillover

espacial na complexa paisagem urbana da cidade de São Paulo, abrangendo suas 32
subprefeituras ao longo do ano de 2010. Através da aplicação de modelos econométricos
robustos, embasados em dados socioespaciais relevantes, buscamos desvendar os determinantes
subjacentes ao desempenho econômico, à desigualdade regional e aos próprios spillovers.
Optamos pela metodologia proposta por De Melo, que não apenas forneceu uma estrutura sólida
para nossa análise, mas também nos aproximou significativamente dos objetivos delineados
para este projeto, permitindo uma investigação minuciosa das interações e influências mútuas
entre as diversas subprefeituras da metrópole paulistana.
Através da meticulosa aplicação dessa metodologia, não apenas exploramos os efeitos
de transbordamento espacial na dinâmica urbana de São Paulo, mas também compreendemos
de forma mais abrangente como as diferentes áreas da cidade interagem e se influenciam
mutuamente. Os resultados obtidos destacam não só a presença de disparidades econômicas e
sociais significativas entre as diferentes regiões da cidade, mas também revelam nuances
importantes sobre a natureza e a intensidade dos spillovers em questão. Ao optarmos por uma
abordagem detalhada e fundamentada, conseguimos capturar nuances e complexidades que
contribuem para uma compreensão mais profunda da dinâmica urbana e regional da cidade de
São Paulo.
Portanto, este estudo de caso não só oferece insights valiosos sobre a realidade
socioeconômica de São Paulo, mas também destaca a importância crítica de considerar os
fenômenos de transbordamento espacial ao formular políticas e estratégias de desenvolvimento
urbano. Nos próximos tópicos, exploraremos mais a fundo os resultados obtidos e discutiremos
suas implicações para a compreensão da desigualdade regional e para o planejamento urbano
na cidade de São Paulo.
Após a meticulosa construção da matriz de pesos espaciais e a condução dos testes de
autocorrelação espacial, nossas análises revelaram uma gama diversificada de padrões de
transbordamento entre as diversas subprefeituras da cidade. Surpreendentemente, os resultados
apontam para um baixo grau de spillover nas variáveis de renda e no Índice Gini, sugerindo que
mudanças nessas áreas não têm um impacto significativo nas regiões vizinhas. No entanto, um
achado particularmente interessante é a observação de um spillover moderado no Índice de
Desenvolvimento Humano Municipal (IDH-M), indicando uma interdependência mais
 25

pronunciada entre as áreas em termos de bem-estar e qualidade de vida. Esses resultados

evidenciam vividamente a complexa teia de heterogeneidade econômica e social que permeia a
cidade de São Paulo, onde áreas de baixa renda coexistem lado a lado com regiões mais
desenvolvidas, criando um mosaico multifacetado de realidades socioeconômicas.
Esta revelação destaca a necessidade urgente de políticas e estratégias de
desenvolvimento mais inclusivas e equitativas, capazes de abordar as disparidades existentes e
promover uma maior coesão social em toda a cidade. Este estudo de caso não apenas
proporciona uma análise aprofundada da dinâmica socioeconômica intricada da cidade de São
Paulo, mas também ressalta a crucial importância de levar em conta os efeitos de
transbordamento ao desenvolver políticas públicas e estratégias de desenvolvimento urbano e
regional. Ao revelar as interações complexas e muitas vezes sutis entre as diferentes áreas da
cidade, oferecemos insights valiosos que podem informar decisões políticas mais informadas e
eficazes. Nos próximos tópicos, iremos além dos resultados quantitativos e exploraremos as
implicações mais amplas dessas descobertas para a compreensão da desigualdade regional e
para o planejamento urbano mais inclusivo e sustentável em São Paulo.

3.1 Fundação Sistema Estadual de Análise de Dados (SEADE)

O Seade, fundação vinculada à Secretaria da Fazenda e Planejamento, é hoje um centro

de referência nacional na produção e disseminação de análises e estatísticas socioeconômicas e
demográficas. Para isso, realiza pesquisas diretas e levantamentos de informações produzidas
por outras fontes, compondo um amplo acervo, disponibilizado gratuitamente, que permite a
caracterização de diferentes aspectos da realidade socioeconômica do estado, de suas regiões e
municípios e de sua evolução histórica.
Ao longo de 40 anos de atuação, o Seade tem se constituído em uma segura e sempre
atualizada fonte de dados sobre o estado de São Paulo. As habilidades que a instituição
desenvolve continuamente a capacitam para a criação e aprimoramento de metodologias e
ferramentas para a formulação, monitoramento e avaliação de políticas públicas, o que tem
levado instituições das mais diferentes áreas de atuação a contratá-la para a prestação de
serviços técnicos.
Sua extensa e diversificada linha de produtos e serviços tem auxiliado cidadãos, gestores
públicos, empresários e jornalistas a compreender melhor as características específicas da
realidade paulista, as mudanças sociais, as transformações econômicas e os impactos das
políticas públicas nos seus 645 municípios.
 26

Para disseminar sua produção, a Fundação Seade orienta-se pelas seguintes diretrizes:
• Uso da internet como principal instrumento de disseminação;
• Gratuidade de acesso;
• Disponibilização de todo o acervo recente de informações;
• Disponibilização, sempre que possível, dos microdados resultantes das pesquisas;
• Fornecimento de metadados, como definições, classificações utilizadas, notas que
sejam relevantes para a compreensão da informação;
• Pesquisa e desenvolvimento permanente de sistemas e ferramentas para apresentação
de informações;
• Transferência de tecnologia e compartilhamento de soluções com instituições
congêneres e parceiras.
Por fim, a SEADE desempenha um papel fundamental no fornecimento de dados e
análises que alimentam estudos econômicos e econométricos em diversas disciplinas
acadêmicas. Seus conjuntos de dados detalhados e atualizados possibilitam a condução de
análises rigorosas sobre o desempenho econômico, a distribuição de renda, a dinâmica do
mercado de trabalho e outros aspectos essenciais da economia paulista. Esses dados são
frequentemente utilizados por pesquisadores e acadêmicos para explorar padrões econômicos,
identificar tendências e fundamentar pesquisas empíricas. Além disso, a SEADE realiza estudos
próprios, contribuindo com insights significativos para o corpo acadêmico e científico sobre a
economia regional e os desafios socioeconômicos enfrentados pelo estado de São Paulo. Sua
expertise em análise socioeconômica e economia regional a consolida como uma fonte
confiável e indispensável para aqueles que buscam compreender e interpretar os intrincados
fenômenos econômicos que influenciam o panorama paulista e brasileiro.

3.2 Procedimentos
A utilização de modelos econométricos, embasados em dados socioespaciais relevantes,
possibilitou uma análise robusta dos determinantes de desempenho econômico, da desigualdade
regional e dos Spillovers na cidade de São Paulo.
Para a escolha do modelo de estimação, foi considerado três artigos nesta área: Menezes
e Uchoa (2014), Galinari, (2006) e De Melo e Simões (2011), sendo o presente projeto tendo o
modelo de referência o trabalho de De Melo. Antes disso, os outros trabalhos citados
anteriormente serão brevemente explicados.
Menezes e Uchoa utilizam a metodologia econométrica de dados em painel espacial, em
particular, o Modelo de Painel Espacial Dinâmico com Efeitos Fixos (Dynamic Spatial Panel
 27

Model with Fixed Effects). Esse modelo é uma técnica de regressão que controla as diferenças
não observadas entre as unidades de análise, Menezes utiliza esse modelo para ver como afeta
a criminalidade vizinha. Bem como os efeitos de spillovers espaciais, que ocorrem quando a
criminalidade em um estado afeta a criminalidade em estados vizinhos.
Os resultados obtidos por Menezes mostram que a criminalidade em um estado tem um
efeito significativo sobre a criminalidade em estados vizinhos, evidenciando a presença de
spillovers espaciais na criminalidade. Além disso, o autor identifica a existência de diferenças
significativas entre os estados em termos de suas características institucionais, geográficas, que
afetam a magnitude e a direção desses efeitos.
Galinari em seu trabalho usa de metodologia econométrica de dados em painel para
examinar os retornos crescentes urbano-industriais e os spillovers espaciais na taxa salarial no
estado de São Paulo. O modelo econométrico usado inclui variáveis de controle como educação,
idade e setor industrial. Os resultados obtidos por Galinari mostram que a aglomeração urbano-
industrial tem um efeito positivo significativo na taxa salarial, tanto diretamente quanto por
meio de spillovers espaciais.
Além disso, o autor também identifica a presença de retornos crescentes, ou seja, o efeito
da aglomeração sobre os salários é maior em municípios com maiores níveis de industrialização
e população. Apesar de Menezes e Galinari possuírem metodologias robustas para o cálculo, a
ótica de mensuração é divergente. Uma das técnicas utilizadas por Galinari é o método de
Mínimos Quadrados em Dois Estágios (MQDE), que calcula possível endogeneidade da
variável dependente, tornando esse modelo não totalmente compatível com o objetivo, visto
pode-se levar a um viés nas estimativas dos coeficientes do modelo, dificultando estabelecer
relações causais entre as variáveis.
Menezes e Uchoa perpassam por estrutura de dados em painel desbalanceado, onde as
unidades de análise apresentam diferentes tamanhos amostrais ao longo do tempo, sendo, não
compatível com o objetivo do presente projeto, pois o tamanho amostral ao longo do tempo é
descartável no objetivo de usar variáveis de desigualdade econômica para achar o Spillover.
Todavia, De Melo produziu uma metodologia e abordagem mais próxima do objetivo
do atual projeto, aplicando uma visão socioeconômica para a obtenção do grau de Spillover,
com a seguinte estrutura:
𝑌𝑖𝑡 = 𝜌𝑊𝑖𝑌𝑖𝑡 + 𝛼 + 𝛽𝑋𝑖𝑡 + 𝜆𝐷𝑖𝑡 + 𝛿𝑆𝑖𝑡 + 𝜀𝑖𝑡 (2)
onde Yit é a variável dependente, ρ é o coeficiente de autorregressão espacial que
captura o efeito da variável dependente das regiões vizinhas, Wi é a matriz de pesos espaciais,
 28

Xit, Dit e Sit são variáveis independentes, α, β, λ e δ são os coeficientes a serem estimados, e
εit é o termo de erro.
O subscrito i representa a subprefeitura, t representa o período de tempo, e a matriz Wi
é uma matriz de pesos que atribui ponderações a regiões vizinhas com base em sua distância
geográfica. De Melo recorre a uma matriz de distância de pesos espaciais Wi para poder calcular
a dependência espacial entre municípios, sendo W uma variável que possui uma máxima de
tempo de viagem com 120 minutos, sendo tomada como a distância máxima para equivaler o
conceito de vizinhança intramunicipal.
Após a obtenção da matriz, foi utilizado o coeficiente de estatística I de Moran, que
consiste em um teste para significância da autocorrelação espacial, sendo a variável n total de
pontos geográficos, W os componentes da matriz e y a variável escolhida, vista em: (2), sendo
a variável n total de pontos geográficos, 𝑊 os componentes da matriz e y a 𝑖𝑗 variável escolhida.
Esta matriz de distância de pesos espaciais foi adequada ao caso estudado. Por um levantamento
na base de dados do Sistema De Consulta do Mapa Digital Da Cidade De São Paulo), foi
construída uma matriz de 32x32 onde contém a distância em quilômetros entre as 32
subprefeituras de São Paulo, onde a maior diferença será a base para o cálculo.

3.3 Resultados e Discussão

Segue na Tabela 1 a matriz de distância entre as 32 subprefeituras da cidade de São

Paulo.
 29

Legenda: A: Sé, B: Mooca, C: Vila Prudente, D: Vila Mariana, E:Pinheiros, F: Lapa, G: Butantã, H: Santana/Tucuruvi, I: Casa verde-Cachoeirinha, J: Freguesia-Brasilândia,
K: Pirituba-Jaraguá L: Perus M: Jaçanã-Tremembé, N: Penha, O: Ermínio Matarazzo, P: Vila Maria - Vila Guilherme Q: Ipiranga R: São Miguel S: Itaim Paulista T: Itaquera,
U: Aricanduva-formosa-Carrão, V: Sapopemba, W: São Mateus, X: Cidade Tiradentes, Y: Guaianazes, Z: Campo limpo, ZA: Santo Amaro, ZB: Jabaquara, ZC: M’boi Mirim,
ZD: Cidade Ademar, ZE: Capela do Socorro, ZF: Parelheiros. Fonte: Sistema De Consulta Do Mapa Digital Da Cidade De São Paulo.
 32

Assim, o coeficiente de estatística I de Moran foi testado para medir a autocorrelação

espacial, e com os dados de autocorrelação foi usado três variáveis da fórmula de Spillover
Espacial: IDH-M, Índice Gini por Subprefeitura, Faixa de Renda por subprefeitura para
mensurar o grau de Spillover na cidade de São Paulo.
Buscou-se verificar se há dependência espacial entre subprefeituras da região da cidade
de São Paulo, bem como a existência de spillovers espaciais IDH-M, Índice Gini e Faixa de
renda, no ano de 2010. Para tal, estimou-se um modelo econométrico espacial, utilizando uma
matriz de pesos espaciais em que foram consideradas como as subprefeituras, o que gerou uma
amostra de 32 unidades geográficas de análise.
A existência de dependência espacial é identificada por instrumentos como o Moran
scatterplot e o cálculo do coeficiente de correlação espacial, Moran I, um teste para significância
da autocorrelação espacial (Magalhães; Alves, 2021)
A ferramenta Autocorrelação Espacial (Moran I Global) mede a autocorrelação espacial
com base nas localizações e nos valores dos recursos simultaneamente. Dado um conjunto de
características e um atributo associado, avalia se o padrão expresso é agrupado, disperso ou
aleatório. A ferramenta calcula o valor do Índice I de Moran e um escore z e um valor p para
avaliar a significância desse índice. Os valores P são aproximações numéricas da área sob a
curva para uma distribuição conhecida, limitada pela estatística de teste (Bucciferro, 2021).

IDH-M – Página 34
Índice Gini – Página 35
Faixa de renda – Página 36
 33

Figura 2 – Spillover Espacial: IDH-M

Fonte: O autor (2023).
 34

Figura 3 – Spillover Espacial: Índice Gini

Fonte: O autor (2023).
 35

Figura 4 – Spillover Espacial: Faixa de renda

Fonte: O autor (2023).
 36

A partir dos resultados se observa um grau de transbordamento entre as 32

subprefeituras, com o cálculo das 3 variáveis escolhidas foram de 20,71%, 18,81% e 47,62%,
sendo renda, índice Gini e IDH respectivamente. Assim, observa-se um baixo grau de spillover,
nas duas primeiras variáveis (20,71%, 18,81%), e um spillover moderado (47,62%) na última,
que pode explica a heterogeneidade econômicas e sociais da capital paulista, onde eu sua
maioria é permeada por bairros de baixa renda orbitando ao lado de bairros mais desenvolvidos
em termos de qualidade social e monetária.
Buscou-se entender os determinantes da desigualdade regional focada no conceito
metodológico do Spillover e como ele pode conferir robustez aos argumentos da primeira parte
da pesquisa. O estudo da formação econômica de São Paulo fomentou a visão crítica para a
análise, tendo a construção de uma lógica evolutiva das disparidades existentes e proximidade
de áreas Desenvolvidas a áreas em subdesenvolvimento, tendo como exemplo é a disparidade
entre a subprefeitura do Brás e Mooca, possuindo uma relativa proximidade uma da outra.
Da perspectiva empírica, foram realizados testes preliminares como visto em De Melo
(2011). Em primeira instância foi testado a autocorrelação das áreas com a matriz de distância,
e dado o resultado positivo, foi testado o grau de Spillover das variáveis escolhidas com dados
de 2010. Onde através do modelo SAR, onde os resultados foram 20,71% de transbordamento
de renda, 18,31% na variável de Gini, e 47,62% de IDH.
A ferramenta de Autocorrelação Espacial Global Moran I é uma estatística inferencial,
o que significa que os resultados da análise são sempre interpretados dentro do contexto de sua
hipótese nula. Para a estatística I de Moran Global, a hipótese nula afirma que o atributo que
está sendo analisado está distribuído aleatoriamente entre as características da sua área de
estudo; dito de outra forma, os processos espaciais que promovem o padrão de valores
observado são aleatórios (Bucciferro, 2021).
O valor esperado do I de Moran é -1/(N-1). Valores de I que excedem -1/(N-1) indicam
autocorrelação espacial positiva, na qual valores semelhantes, sejam valores altos ou baixos,
são agrupados espacialmente. Valores de I abaixo de -1/(N-1) indicam autocorrelação espacial
negativa, na qual os valores vizinhos são diferentes.
A justificativa na utilização do Índice de Desenvolvimento Humano Municipal (IDHM),
que é uma adaptação da metodologia do IDH Global é porque é adotado em vários país como
também no Brasil desde 1998, como um índice sintético capaz de demonstrar as transformações
sociais e analisar o desenvolvimento humano nas escalas locais, regionais e nacionais,
envolvendo riqueza, alfabetização, educação, esperança de vida, natalidade e ‘outros, com o
intuito de avaliar o bem-estar de uma população, especialmente das crianças.
 37

No caso do Coeficiente de Gini, este é um importante índice de medição das

desigualdades sociais e do nível de concentração de renda. O Coeficiente de Gini – também
chamado de Índice de Gini – é um dado estatístico utilizado para avaliar a distribuição das
riquezas de um determinado lugar.
Nos resultados se nota a existência de relevante desigualdade de renda com o uso dos
índices de renda e Gini, já que estes consideram apenas a desigualdade social e de renda. Já o
IDH-M é mais completo ao considerar o bem-estar da população.
 38

4 CONCLUSÃO
O presente estudo desdobrou-se em uma análise meticulosa do spillover espacial na
cidade de São Paulo, examinando suas 32 subprefeituras no ano de 2010, sob a perspectiva
crucial da desigualdade regional e das complexas interações entre as áreas periféricas e o centro
urbano. Neste cenário, torna-se inescapável abordar as disparidades regionais proeminentes que
caracterizam o extenso território brasileiro. O país, marcado por uma concentração notável de
atividade econômica e população em uma parcela relativamente pequena, enfrenta desafios
significativos em sua distribuição geográfica, revelando assimetrias profundas mesmo dentro
das áreas mais densamente povoadas. Ao se debruçar sobre as subprefeituras de São Paulo, este
estudo constatou a persistência marcante das desigualdades regionais, particularmente
evidenciadas pelos indicadores de renda, Índice de Desenvolvimento Humano Municipal
(IDHM) e Índice Gini. A concentração de riqueza e oportunidades, em conjunto com
disparidades socioeconômicas acentuadas, delineia um panorama desafiador que transcende as
fronteiras geográficas.
Os resultados obtidos nesta pesquisa revelam um grau significativo de transbordamento
entre as 32 subprefeituras, ilustrado pelos cálculos das três variáveis-chave: renda, Índice Gini
e IDH, que atingiram percentuais de 20,71%, 18,81% e 47,62%, respectivamente. Essa
constatação sugere um cenário complexo, onde a dinâmica de spillover varia
consideravelmente. Nas duas primeiras variáveis, observa-se um spillover relativamente baixo
(20,71%, 18,81%), indicando que as condições econômicas e de desigualdade não são tão
intensamente transmitidas entre as subprefeituras. Contudo, o spillover moderado (47,62%) na
última variável, o IDH, destaca a influência substancial de fatores socioeconômicos nas áreas
circunvizinhas.
Ao contextualizar esses resultados, torna-se possível vislumbrar uma realidade
complexa na capital paulista, onde bairros de baixa renda coexistem ao lado de áreas mais
desenvolvidas em termos de qualidade social e monetária. Esse padrão de heterogeneidade
espacial enfatiza a persistência de desigualdades e a necessidade premente de abordagens
políticas e econômicas mais refinadas.
Portanto, a análise aprofundada dos resultados desta pesquisa solidifica a conclusão de
que o sucesso econômico em uma determinada área não garante automaticamente o impulso
correspondente no desenvolvimento das áreas circunvizinhas. A complexidade intrínseca das
interações espaciais na cidade de São Paulo sublinha a necessidade premente de estratégias que
não apenas aliviem as disparidades existentes, mas que também fomentem um desenvolvimento
 39

mais equitativo e sustentável. À medida que consideramos soluções que, embora não abrangidas
neste estudo, poderiam contribuir significativamente para atenuar tais disparidades, emergem
reflexões sobre iniciativas baseadas em parcerias público-privadas, incentivos fiscais
direcionados e modelos de desenvolvimento com foco na integração comunitária.
A promoção de parcerias colaborativas entre setores público e privado pode
desempenhar um papel crucial no fomento ao desenvolvimento equitativo. Iniciativas que
estimulem a participação ativa de empresas locais, organizações não governamentais e
comunidades na formulação e implementação de projetos voltados para o desenvolvimento
social e econômico podem criar um ambiente propício para o surgimento de soluções
inovadoras e contextualmente relevantes. Este enfoque, orientado pela colaboração, pode
contribuir para a concepção de estratégias mais alinhadas às necessidades específicas de cada
região, fomentando um crescimento mais orgânico e sustentável.
Além disso, considerar medidas que envolvam incentivos fiscais direcionados pode ser
uma abordagem eficaz para estimular o desenvolvimento em áreas menos favorecidas. Políticas
que ofereçam benefícios fiscais específicos para investimentos em infraestrutura, geração de
empregos locais e projetos com impacto social positivo podem atrair investimentos
estratégicos, gerando um ciclo virtuoso de crescimento. Essas medidas, ao canalizarem recursos
financeiros para regiões em desenvolvimento, têm o potencial de impulsionar não apenas a
atividade econômica, mas também a melhoria das condições de vida.
Ademais, a integração comunitária deve ser uma consideração central em qualquer
estratégia de desenvolvimento. Empoderar as comunidades locais, envolvendo os residentes
nos processos de tomada de decisão e incentivando a participação ativa, pode ser fundamental
para assegurar que as soluções propostas estejam alinhadas com as necessidades reais das
populações afetadas. Ao criar mecanismos para a expressão de vozes diversas, é possível
construir um caminho mais inclusivo e sustentável para o desenvolvimento urbano.
Dessa forma, embora esta pesquisa não tenha abordado especificamente políticas
públicas, destaca-se a importância de explorar abordagens alternativas e complementares que
possam contribuir para a promoção de um desenvolvimento mais equitativo e sustentável em
áreas urbanas complexas como a cidade de São Paulo. O desafio reside em adotar uma
abordagem multifacetada e inovadora que incorpore a diversidade de atores e interesses
envolvidos, buscando soluções adaptadas às realidades específicas de cada região.
Em última análise, enfrentar as disparidades regionais em São Paulo requer uma
abordagem abrangente, considerando a multiplicidade de fatores envolvidos. A busca por
soluções inovadoras e adaptadas à realidade local pode ser alcançada ao explorar diferentes
 40

perspectivas e experiências. Ao adotar uma abordagem que valorize a diversidade de ideias e

práticas, é possível desenvolver estratégias mais eficazes para promover um crescimento
socioeconômico equitativo e sustentável em todas as subprefeituras da cidade. Isso não apenas
contribui para a redução das desigualdades, mas também cria as bases para um desenvolvimento
urbano mais inclusivo e resiliente.
 41

REFERÊNCIAS

AZZONI, C. R.; HADDAD, E. A. Regional Disparities. In: AMMANN, E.; AZZONI, C. R.;
BAER, W. (Ed.). The Oxford Handbook of the Brazilian Economy. Oxford: Oxford
University Press, 2018. p. 422-445.

BUCCIFERRO, J. R.; FERREIRA DE SOUZA, P. H. G. The Evolution of Regional Income

Inequality in Brazil, 1872–2015. In: TIRADO-FABREGAT, D. A.; BADIA-MIRÓ, M.;
WILLEBALD, H. (Ed.). Time and Space. Palgrave Studies in Economic History. Cham:
Palgrave Macmillan, 2021.

DE MELO, L. M. C.; SIMÕES, R. Desigualdade econômica regional e spillovers espaciais:

evidências para o Nordeste do Brasil. Revista Econômica do Nordeste, v. 42, n. 1, p. 9-24,
2011.

DOWBOR, L. A era do capital improdutivo. São Paulo: Autonomia Literária, 2017.

ELHORST, J. P. Matlab software for spatial panels. International Regional Science Review,
v. 37, p. 385-401, 2014.

IBGE – Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2022. São Paulo:
IBGE, 2022.

GALINARI, R. Retornos crescentes urbano-industriais e spillovers espaciais: evidências a

partir da taxa salarial no estado de São Paulo. 2006. Dissertação (Mestrado) – Universidade
Federal de Minas Gerais, Centro de Desenvolvimento e Planejamento Regional.

LESAGE, J. P.; PACE, R. K. Introduction to spatial econometrics. Journal of Regional

Science, v. 52, p. 167-171, 2009.

MAGALHÃES, J. C. R.; ALVES, P. J. H. A relação entre o crescimento econômico e as

desigualdades regionais no Brasil. Brasília: Instituto de Pesquisa Econômica Aplicada
(IPEA), 2021. (Texto para Discussão, n. 2621).

MCMILLEN, D. P. Quantile Regression for Spatial Data. Heidelberg: Springer, 2013.

MENEZES, T. A.; UCHOA, C. F. Spillover espacial da criminalidade: uma aplicação de

painel espacial para os estados brasileiros. In: XL ENCONTRO NACIONAL DE
ECONOMIA, 40., 2014, Natal. Anais […]. Natal: ANPEC, 2014.

PARTRIDGE, M. D.; BOARNET, M. G.; BRAKMAN, S.; OTTAVIANO, G. Introduction:

whither spatial econometrics? Journal of Regional Science, v. 52, p. 167-171, 2012.

ROSE, S. J. Transporte e exclusão social: a mobilidade da população de baixa renda da região

metropolitana de São Paulo e trem metropolitano. 2006. Dissertação (Mestrado) –
Universidade de São Paulo.

SILVEIRA-NETO, R. M. Non-spatial government policies and regional income inequality in

Brazil. Regional Studies, p. 453-461, 2010.
 42

SZMRECSÁNYI, T. História econômica da cidade de São Paulo. São Paulo: Globo Livros,
2004.