Resumo: Nesse trabalho foi realizada uma decomposição espacial do crescimento da Produtividade Total dos Fatores (PTF) do setor agropecuário brasileiro, incluindo componentes diretos (próprios) e indiretos (spillover), no contexto de uma análise de fronteira de produção espacial autorregressiva (SAR) para dados em painel, utilizando os dados censitários de 1995/96, 2006 e 2017 a partir de unidades produtivas referentes a 510 Regiões Geográficas Imediatas (RGI). Os resultados obtidos mostram que o crescimento da PTF foi de 3,87% a.a. na média do período completo, considerando-se apenas os efeitos diretos, e de 6,96% a.a., considerando-se os efeitos totais. Constatou-se também um maior crescimento da PTF no período mais recente e isso está relacionado à expansão da fronteira agrícola para as regiões com baixa produtividade anteriormente. Variáveis como financiamento da agricultura e pecuária, aptidão agrícola, malha rodoviária, plantio direto, correção de solo, escolaridade superior e assistência técnica, mostraram-se estatisticamente significativas na determinação da PTF. Os resultados sugerem que o crescimento da PTF é correlacionado espacialmente e temporalmente, e que spillovers espaciais e seus efeitos locais e globais impactaram a PTF nos três períodos censitários analisados.

Abstract: The main objective of this research was to implement a spatial decomposition of Brazilian agriculture Total Factor Productivity (TFP), which includes direct (own) and indirect (spillover) components, in the context of an autoregressive spatial production (SAR) frontier analysis for a panel data for the censuses years 1995/96, 2006 and 2017, published by the Brazilian Institute of Geography and Statistics (IBGE). The SAR boundary is estimated using maximum likelihood methods considering the endogenous spatial lag term. An empirical analysis was conducted using data referent to 510 immediate geographic regions (IGR) as references for the production units. The results demonstrate that the TFP growth was 3.87% per year on average, considering the entire period. The variables rural credit, agricultural suitability, highway road, no-till, soil correction, higher education and technical assistance, were statistically significant to determine the TFP growth. The results suggest that the TFP growth is spatially and temporally correlated, and the inclusion of spatial spillover and its local and global effects influenced TFP in the censuses periods analyzed.

The objective of this research was to analyze the spatial and temporal evolution of agricultural production, and the net productivity of labor and land in Brazilian agriculture for the 1995/1996, 2006 and 2017 census periods. The results demonstrate that the value of agricultural production raised 3.65% a.a. throughout the censuses period, while land and labor productivities increased 2.55% and 3.42% a.a. respectively. The total effects observed was divided into direct and indirect, in other words, it was verified the presence of feedback effects. Therefore, in addition to the inputs that explain the growth on production and productivity, the effects of spatial dependence among the Immediate Geographic Regions are also relevant. The conclusion is the productivity growth in Brazilian agriculture in the RGI mantains a spatial dependence with its neighborhoods in the short and long term.

O objetivo deste trabalho é analisar a evolução espacial e temporal da produção agropecuária e das produtividades líquidas do trabalho e da terra na agropecuária brasileira para os períodos censitários de 1995/1996, 2006 e 2017. Os resultados mostram que o valor da produção agropecuária cresceu 3,65% a.a. entre 1995/1996-2017, e esse aumento acompanhou o crescimento da produtividade da terra e do trabalho, que variaram entre 2,55% e 3,42% a.a. respectivamente, ainda que regionalmente de forma desigual. Quanto aos resultados dos impactos das variáveis explicativas sobre a produção, a magnitude dos efeitos totais observados dividiu-se em diretos e indiretos, com a presença de efeitos de realimentação (feedback). Portanto, além de os insumos explicarem o crescimento, os efeitos de dependência espacial entre as Regiões Geográficas Imediatas (RGIs) também apresentaram impactos significativos. Conclui-se, portanto, que o crescimento da produtividade na agropecuária brasileira nas RGIs guardou estreita relação com suas vizinhanças no curto e no longo prazo.

Abstract The objective of this research was to analyze the spatial and temporal evolution of agricultural production, and the net productivity of labor and land in Brazilian agriculture for the 1995/1996, 2006 and 2017 census periods. The results demonstrate that the value of agricultural production raised 3.65% a.a. throughout the censuses period, while land and labor productivities increased 2.55% and 3.42% a.a. respectively. The total effects observed was divided into direct and indirect, in other words, it was verified the presence of feedback effects. Therefore, in addition to the inputs that explain the growth on production and productivity, the effects of spatial dependence among the Immediate Geographic Regions are also relevant. The conclusion is the productivity growth in Brazilian agriculture in the RGI mantains a spatial dependence with its neighborhoods in the short and long term.

Resumo O objetivo deste trabalho é analisar a evolução espacial e temporal da produção agropecuária e das produtividades líquidas do trabalho e da terra na agropecuária brasileira para os períodos censitários de 1995/1996, 2006 e 2017. Os resultados mostram que o valor da produção agropecuária cresceu 3,65% a.a. entre 1995/1996-2017, e esse aumento acompanhou o crescimento da produtividade da terra e do trabalho, que variaram entre 2,55% e 3,42% a.a. respectivamente, ainda que regionalmente de forma desigual. Quanto aos resultados dos impactos das variáveis explicativas sobre a produção, a magnitude dos efeitos totais observados dividiu-se em diretos e indiretos, com a presença de efeitos de realimentação (feedback). Portanto, além de os insumos explicarem o crescimento, os efeitos de dependência espacial entre as Regiões Geográficas Imediatas (RGIs) também apresentaram impactos significativos. Conclui-se, portanto, que o crescimento da produtividade na agropecuária brasileira nas RGIs guardou estreita relação com suas vizinhanças no curto e no longo prazo.

Resumo: A pecuária de corte no Brasil tem se tornado cada vez mais competitiva, levando o país a ser o segundo maior produtor e o maior exportador mundial de carne bovina. Dessa forma, é relevante analisar o comportamento do preço da arroba do boi gordo, assim como dos fatores que o influenciam, pois tal compreensão auxilia no planejamento estratégico e nas tomadas de decisões dos stakeholders desse setor. O presente estudo aborda o comportamento do preço da arroba do boi gordo no estado de São Paulo no período de janeiro de 2005 a janeiro de 2020, com o objetivo de estimar a projeção da tendência desse preço por meio dos modelos lineares dinâmicos (MLD). Além disso, selecionaram-se previamente, com base na literatura existente, variáveis de mercado para a análise da correlação delas com o valor da arroba do boi gordo. Verificou-se uma forte correlação positiva com o preço do bezerro, a relação de troca boi gordo/boi magro, o abate de bovinos e a importação de carne brasileira pela China. Houve também uma correlação positiva moderada quanto ao volume de exportação de carne bovina pelos Estados Unidos e uma correlação negativa moderada do preço da arroba em reais com a taxa de câmbio do dólar americano.

Abstract: Beef cattle in Brazil has become increasingly competitive, as the country is the second-largest producer and the largest exporter of beef in the world. It is relevant to analyze the behavior of the price of the cattle arroba in this sector, as well as the factors that influence it, considering that such knowledge helps in the strategic planning and decision-making of the parties involved. This study addresses the verification of the behavior of arroba prices in the state of São Paulo from January 2005 to January 2020 to estimate the projection of the trend of this indicator inquiring the use of the Dynamic Linear Models (DLM). In addition, market variables were previously selected based on the existing literature for the analysis of their correlation with the value of the arroba. There was a strong positive correlation with the price of the calf, the exchange ratio of fat cattle/lean cattle, the slaughter of cattle, and the importation of Brazilian meat by China. There was also a moderate positive correlation regarding the volume of beef exports by the United States and a moderate negative correlation between the arroba price in Brazilian reais and the US dollar exchange rate.

Este estudo teve por objetivo medir a produtividade líquida do trabalho e da terra no Brasil, em seus estados e municípios, e identificar os fatores que exercem influência sobre estas produtividades, com base nos dados do Censo Agropecuário de 2006, do IBGE. Tais produtividades podem ser não uniformes na agropecuária brasileira, dado que apresentam comportamentos diferentes à estrutura produtiva e às características intrínsecas a cada região. Utilizaram-se modelos de regressão linear múltipla para identificar a influência de fatores de produção no desempenho da agropecuária do País. Como resultado, observou-se que os melhores índices quanto à produtividade do trabalho e da terra estão localizados principalmente nas regiões Sul e Sudeste, havendo concentração dos mais altos valores em apenas alguns municípios do País. Por fim, a análise geral das estimativas demonstrou que as variáveis "insumos agropecuários" e "mecanização" apresentaram participação positiva na agropecuária da maioria dos estados brasileiros.

This study aims to measure the labor and land net productivity in Brazil, major regions and federation units. It also identifies the factor that affects productiveness based on data provided by theCensus of Agriculture 2006, from the Brazilian Institute of Geography and Statistics (IBGE). Thus, the productiveness may not be uniform in Brazilian agriculture due to the diversity in each region and differences related to the structure of productivity. The multiple linear regression models were used to identify factors that affect agriculture production and performance in Brazil. As a result, the best production index, which is related to labor and land productivity, is located in the South and Southeast Brazil. Some of the highest values are mainly concentrated only in some regions. Afterwards, an overall analysis of the figures indicated that the agricultural input and mechanization have presented a positive agricultural participation in most Brazilian states.