Está en la página 1de 16

APLICAO DO MTODO BOOTSTRAP NA ESTIMAO DE FRONTEIRAS

NO-PARAMTRICAS: O CASO DOS FRUTICULTORES DO VALE DO SO


FRANCISCO
embarros2002@yahoo.fr
APRESENTACAO ORAL-Evoluo e estrutura da agropecuria no Brasil
EMANOEL DE SOUZA BARROS1; ALCIDES JERNIMO DE ALMEIDA TENRIO
JNIOR2; SRGIO ANDR DE OLIVEIRA3; LUIZ HONORATO DA SILVA JNIOR4.
1,3,4.UFPE, CARUARU - PE - BRASIL; 2.FAFICA, CARUARU - PE - BRASIL.

Aplicao do Mtodo Bootstrap na Estimao de Fronteiras Noparamtricas:


O Caso dos Fruticultores do Vale do So Francisco

Grupo de Pesquisa: Evoluo e Estrutura da Agropecuria no Brasil


Resumo
A agricultura irrigada a grande responsvel pelo marcante desenvolvimento ocorrido no
Vale do So Francisco. Ela possibilitou a captao de novas tecnologias, criando um plo
de produo diversificada de frutas destinadas ao mercado europeu e norte-americano.
Tudo isto se deve aos investimentos do Governo Federal nos anos setenta, o qual criou
toda a infra-estrutura da irrigao, possibilitando a conjuntura atual da regio. Assim,
supondo a atual tecnologia utilizada na irrigao, combinada com a aplicao de insumos
modernos, pode-se esperar um nvel de produo prximo ou sobre a fronteira de
produo. Para isto, este artigo visa analisar a eficincia dos produtores do plo
Petrolina/Juazeiro atravs do mtodo DEA-V e submeter tais resultados abordagem
bootstrap proposta por Silverman [1986], o smoothed bootstrap, a fim de encontrar
intervalos de confiana para testar a confiabilidade dos estimadores DEA-V e, em seguida,
testar a convexidade do conjunto de produo. A anlise dos resultados mostra que os
fatores Capital e Mo-de-obra so os grandes responsveis pela ineficincia dos
produtores. Todavia, a simulao bootstrap mostrou que o mtodo convencional tende a
superestimar os nveis de eficincia. A hiptese de convexidade violada, abrindo margem
a mltiplos equilbrios.
Palavras-chaves: Eficincia, Produtividade, Renda, DEA-V, Bootstrap.
Abstract
Irrigated agriculture is largely responsible for the expressive development occurred in the
Valley of the So Francisco. New technologies were introducted, creating a pole of
diversified production of fruit destined to the European and North American market. This
is occurred because of investments of the Federal Government in the seventies, which
created all the infrastructure of the irrigation, allowing the current conjuncture of the
1

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

region. Thus, assuming the current technology used in irrigation, combined with de
aplication of modern inputs, it can expect a level of production on or near the frontier of
production. For this, this paper aims to analyse the efficiency of farmers from pole
Petrolina / Juazeiro with the DEA-V method and submitting such results to the approach
bootstrap proposed by Silverman [1986], smoothed bootstrap, in order to find intervals of
confidence to test the trustworthiness of estimators DEA-V and the convexity of the set of
production. Results show that Capital and Labor factors are the responsible for inefficiency
of farmers. However, the bootstrap simulation showed that the conventional method tends
to overestimate the efficiency levels. The hypothesis of convexity is violated, opening
room for multiple balances.
Key Words: : Efficiency, productivity, rentability, DEA-V, bootstrap.

1. Introduo
A anlise de fronteiras de produo tem como marco inicial o trabalho de Farrel
[1957] quando utilizou tcnicas de programao linear para encontrar a eficincia
econmica. Seu trabalho era simples e se baseava na medida de uma isoquanta eficaz de
modo a estabelecer uma combinao de insumos e tecnologia capaz de gerar uma fronteira
mxima de produo. Nenhuma forma funcional foi utilizada.
Os modelos no paramtricos foram desenvolvidos diretamente a partir da anlise de
Farrell [1957]. Alguns anos depois, Fre e Lovell [1985] mostraram que a regra de Farrell
equivalente ao clculo das funes distncia-insumo de Sherpard [1970]. Charnes et al.
[1978] desenvolveram a tcnica de Anlise Envoltria de Dados (DEA), onde possvel
construir fronteiras de produo cujas limitaes impostas so de uma tecnologia convexa
(perfeita divisibilidade) e livre disponibilidade de insumos e produtos.
A principal motivao para se utilizar o mtodo DEA est no fato de que, para avaliar
a eficincia das firmas, no necessrio supor uma forma funcional para a tecnologia.
Alm do mais, este mtodo bastante til quando se pretende analisar mltiplos insumos e
mltiplos produtos, e a varivel preo no pode ser quantificada, como nos servios
prestados por universidades, hospitais, dentre outros.
Entretanto, todas essas aproximaes geram fronteiras de produo supondo
distribuies conhecidas somente assintoticamente. A partir dos anos noventa, a
Econometria tomou conscincia que o custo de uma m especificao de um modelo est
intimamente ligado ao risco crescente de concluses errneas. O desenvolvimento de
tcnicas de estimao menos restritivas e a procura da boa especificao de um modelo
fizeram com que ela se dedicasse descoberta de um melhor teste. A preocupao
principal, percebida nas estimativas das dcadas precedentes, voltou-se para a inferncia
estatstica.
Foi neste contexto que diversos mtodos de simulao, como Monte Carlo e
Bootstrap, vieram tona. O objetivo desses mtodos encontrar uma resposta
necessidade de testar a confiabilidade das estatsticas largamente utilizadas e estimar testes
de hipteses e intervalos de confiana mais prximos da verdadeira distribuio estatstica,
que desconhecida.
2

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Beran [1986] e Hall & Titterington [1989] foram os primeiros a propor uma
simulao baseada no Bootstrap. Derivado do mtodo de Monte Carlo, ele se diferencia
deste primeiro pelo fato do termo de erro ser desenhado de amostras construdas por
simulao a partir de uma amostra original. Eles so tiragens aleatrias da amostra
original, e no existe um modelo (a priori) que suponha um formato para a distribuio. O
Bootstrap tem diversos tipos de aplicao, especialmente nas situaes onde os modelos
tradicionais tm certas dificuldades em obter resultados satisfatrios. Ele pode estabelecer,
sob certas condies, testes de hipteses e intervalos de confiana mais confiveis do que
os dos modelos tradicionais (Mnimos Quadrados Ordinrios, Mxima de
Verossimilhana, Mnimos Quadrados Ponderados, etc.).
Diante desse contexto, o objetivo deste trabalho testar a confiabilidade dos
estimadores do mtodo DEA, com retornos variveis de escala, atravs do mtodo de
simulao Bootstrap proposto por Silverman [1986]. Espera-se uma aproximao da
verdadeira lei estatstica de modo a verificar se a distribuio assinttica uma boa
imagem de sua verdadeira distribuio. Neste caso, poder-se-ia melhorar a qualidade dos
resultados estatsticos caso a distribuio assinttica no funcione perfeitamente.
Para efetuar tais testes, ser utilizada a base de dados referente aos produtores
inseridos no Vale do So Francisco, mais precisamente aqueles inseridos nos cinco
principais projetos de irrigao do plo Petrolina(PE)/Juazeiro(BA)1, por ser uma
referncia nacional em termos de agricultura irrigada com alta tecnologia, combinada com
o uso de insumos modernos. Isso possibilita, em hiptese, um nvel de produo prximo
ou sobre a fronteira (de produo), tendo-se ento uma base de dados adequada para
aplicao dos mtodos de simulao.
1. Metodologia
Do ponto de vista metodolgico, o enfoque se concentra na forma como o Bootstrap
pode ser utilizado para testar a confiabilidade dos estimadores do modelo DEA. Para tanto,
interessante expor o mtodo DEA e em seguida traar as hipteses dos testes Bootstrap.
1.1. O Mtodo DEA
A suposio fundamental do modelo DEA est no fato que possvel construir uma
fronteira com segmentos lineares, uma fronteira de melhor prtica, utilizando as firmas
reais nos seus pontos extremos e firmas virtuais ou compostas, criadas a partir de
combinaes convexas das firmas reais. As firmas eficientes situam-se sobre fronteira
enquanto que as no eficientes em baixo dela.
O objetivo encontrar o melhor produto virtual com relao a cada produto real. Se o
produto virtual melhor que o produto real, utilizando a mesma quantidade de insumos
que a firma real, esta firma (real) considerada ineficiente. As firmas reais e virtuais so
chamadas Decision Making Units (DMU). Elas recebem este nome porque, de forma geral,
o mtodo DEA no leva em conta os preos dos insumos e produtos.
1

Bebedouro, Manioba, Cura, Touro e Nilo Coelho.


3

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

O modelo DEA com rendimento varivel de escala (DEA-V) foi introduzido por
Barnker et al. [1984] como uma extenso do modelo DEA-C, de Charnes et al. [1978]. A
principal novidade foi a incorporao da hiptese de rendimento varivel de escala
anlise. Para isto, eles introduziram a idia de que a soma dos pesos de cada produtor no
processo de produo, j , igual unidade, representada pela notao matricial
n

e
j =1

T
j

j = 1 , onde eTj representa o vetor transposto dos nveis de eficincia do j-simo

produtor.
Supondo que exista n DMUs representadas por j J = { j | j = 1, 2, K , n} , dado um
vetor

de

insumos

X j = ( x1 j , x 2 j ,K , xmj ) > 0 e

um

vetor

de

produtos

Yj = ( y 1 j , y 2 j ,K , ysj ) > 0 . Sob a hiptese de rendimento varivel de escala, existem

diferenas no tocante ao tipo de distncia a ser usada para estimar os nveis de eficincia:
distncia produto ou distncia insumo. No caso deste artigo, adotaremos a distncia
produto. Assim, o problema de maximizao dado por:
Max

(1)

s. a. X X 0
Y0 Y 0

livre

e
j =1

T
j

j =1

A eficincia de cada observao, e j , ser dada pela inversa da soluo do problema


de maximizao, 1 j .

1.2. O Mtodo Bootstrap


Para aplicao no mtodo DEA-V, as fronteiras bootstrap so construdas a partir de
um DGP (Processo Gerador de Dados), considerado piv assinttico de um DGP
desconhecido compatvel com todas as definies, hipteses e propriedades dos conjuntos
de produo. Isto nos permite estabelecer uma fronteira de produo compatvel com a
teoria da produo, mesmo na ausncia de uma forma funcional. Jensen [2000], Simar
[1992], Horrace e Richards [2004], Hall et al. [1995], Simar & Wilson [2000a, 2000b]
estimaram fronteiras de produo baseadas nesses pressupostos.
Simar & Wilson [1998] propuseram uma estratgia bootstrap para analisar a
sensibilidade das medidas de eficincia ao longo das variaes nas amostras bootstrap.
4

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Eles tambm estimaram intervalos de confiana de modo a corrigir o vis inerente ao


procedimento DEA. Todavia, o mtodo utilizado condicionado regra de
homogeneidade restrita das distribuies de eficincia entre os produtores. Outros
mtodos, como o free disposal hull (FDH), so discutidos por estes mesmos autores, em
um trabalho publicado em 2000 (Simar & Wilson [2000b]), como alternativas menos
restritivas para esse impasse. O mtodo FDH derivado do mtodo DEA e se baseia na
ausncia de regras que imponham a convexidade da fronteira de produo2. Eles definiram
cinco hipteses para caracterizar o DGP do modelo DEA. Estas hipteses servem de
complementos quelas propostas por Sherpards [1970] e do consistncia ao formato do
conjunto de produo sob simulao. Paralelamente, estas hipteses do consistncia
formulao de uma densidade gaussiana de Kernel, a partir da qual sero estimados os
intervalos de confiana bootstrap.
De modo geral, o mtodo bootstrap utilizado por Simar e Wilson [1998] tem como
objetivo construir amostras bootstrap ( xi* , y i* ) de insumos e produtos, respectivamente, a
partir de uma funo de densidade f ( x, y ) sujeita a um certo nvel de tecnologia. A
funo f ( x, y ) representa o estimador consistente da densidade sub-jacente f ( x, y ) do
conjunto de produo dos pontos disponveis desta tecnologia. Isto equivale a estimar a
densidade f ( y, , ) e construir as amostras bootstrap ( y i* , i* , i* ) , atravs de coordenadas
polares propostas por Kneip et al. [1998], onde i* representa o nmero de observaes de
cada amostra bootstrap e i* o nvel de eficincia estimado, por simulao, para cada
unidade de produo.
estimadores de f ( y, , ) a partir de um
conjunto ( y i , i , i ), i = 1,K, n no qual i um estimador DEA consistente de i . Atravs
de alguns clculos, eles encontraram o estimador da densidade gaussiana de Kernel, dado
por:
Silverman

[1986]

utiliza

~
f h ( z) =

os

1
2nh ( p + q )

z zi
z z Ri
+ K2
h
h

K
i =1

(2)

Onde z = ( y, , ) , K l uma funo densidade de mdia zero para l = 1,2 , n o


nmero de observaes e h o parmetro de amortizao. Os termos p e q representam a
quantidade de insumos e produtos, respectivamente.
~
A partir deste estimador, pode-se calcular o estimador consistente f h de f , contido
em A e descrito pela equao ( y i , i , i ) A = R+q [0, 2] [1, )

Ver Deprins et al. [1984] e Kneip et al. [1998] para maiores detalhes.
5

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

~
2 f h ( z )
si z A
~

f h ( z) =
0
outros casos

(3)

~
A consistncia de f h ( z ) requer que h 0 a medida que n , mas no to rpido.
Assim, tem-se necessidade de um h que tenha a propriedade seguinte : h = f (n 1 ( p + q + 4) ) .
Uma vez obtido os valores b* ( x, y ), b = 1,K, B , pode-se estimar o vis bootstrap em
relao ao estimador original ( x, y ) atravs de:

Vis est ( x, y ) = B 1 b* ( x, y ) ( x, y )

(4)

b =1

O estimador corrigido deste vis ser ento:


B

( x, y ) = ( x, y ) Vis B [ ( x, y )] = 2 ( x, y ) B 1 b* ( x, y )

(5)

b =1

A varincia dos valores bootstrap b* ( x, y ) nos d o estimador da varincia de ( x, y )

ou ( 2 ). Ento, a mdia estimada dos erros quadrticos de ( x, y ) ser 4 2 se B , e


2 + (Vis [( x, y )]) 2 para ( x, y ) . Neste caso, a varincia 2 ser:

est

1
3

2 < (Vis B [( x, y )]) 2

(6)

Os valores bootstrap b* ( x, y ) podem ser utilizados para construir os intervalos de


confiana com relao aos verdadeiros valores de ( x, y ) . Todavia, a distribuio de
( x, y ) ( x, y ) no conhecida. Neste caso, os intervalos de confiana so calculados a

partir das amostras bootstrap. Portanto, tem-se um intervalo de confiana com alta
probabilidade de que seja verdadeiro:

Pr ob ba* * ( x, y ) ( x, y ) a a* = 1

(7)

Mecanicamente, isto equivale a organizar os valores * ( x, y ) ( x, y ) , b = 1, K , B


em ordem crescente por valores algbricos, excluindo ( 2 100) percent dos ltimos
elementos desta srie. Os valores ba* e a a* sero iguais aos ltimos pontos do conjunto
preservado aps a excluso dos elementos citados acima.
6

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

2. Estudo de Caso
Como teste para o mtodo proposto, analisado o caso do plo Petrolina/Juazeiro,
situado no Vale do So Francisco por ser considerado um diferencial na produo de
fruticultura irrigada no semi-rido nordestino.
Os dados mais recentes relativos conjuntura dos produtores no Vale do So
Francisco foram obtidos atravs do questionrio Investimento Publico e Privado em
Agricultura Irrigada e seus Determinantes sobre o Emprego e a Renda, realizado entre
maro e setembro de 1998, sob demanda da Companhia de Desenvolvimento dos Vales do
So Francisco e do Parnaba (CODEVASF) e da Universidade Federal de Pernambuco
(UFPE). Ele descreve dados, em cortes transversais, para o ano agrcola de 1997 para o
quadro de pequenos produtores, empresas agrcolas e empresas agro-industriais de todo o
Vale do So Francisco.
Todavia, diante da complexidade desta base de dados e para extrair somente os dados
que sero analisados neste artigo, selecionou-se apenas os dados referentes aos produtores
de fruticultura irrigada. So eles quem possuem maior valor agregado em termos de
produo e que foram submetidos diretamente tecnologia da irrigao.
A estimao das fronteiras de produo efetuada com a agregao de todos os
produtos, contemplando um total de 149 produtores especializados na produo de uva,
manga, goiaba, acerola, banana e coco. A varivel dependente ser o Valor da Produo
[VP = (AI, IN, K, MO)], considerada uma proxy da quantidade produzida.
As variveis explicativas so:
rea irrigada (AI), em hectare, que descreve o espao em que foi cultivada a
produo;
Despesas com Insumos (IN), em dlar (US$), que descreve o total das despesas
com sementes, mudas, adubos, herbicidas, combustveis, gua e energia;
O Capital (K), em dlar (US$), que descreve o inventrio dos prdios e
equipamentos presentes na propriedade rural;
A mo-de-obra (MO), em horas/ano, que corresponde mo-de-obra familiar
ou contratada por cada produtor nos processos de produo, comercializao e
transporte das culturas irrigadas.
3. Resultados
4.1. Anlise Descritiva dos Dados
7

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

A estatstica descritiva dos dados (Tabela 1) mostra que, embora haja disparidade
entre os valores mnimos e mximos, a maior parte dos produtores utiliza, em mdia,
fatores de produo dentro da margem esperada pela CODEVASF e EMBRAPA. As
variveis VP, AI, IN, K e MO possuem ndices mdios de US$ 10.030,43; 4,43 ha; US$
2.579,61; e US$ 8.812,55, respectivamente. Todavia, seus desvios-padro, e
conseqentemente varincias, so relativamente grandes. Isso pode ser explicado pela
agregao dos seis tipos de culturas citadas acima3.
Tabela 1: Estatstica descritiva dos dados
Variveis

Unidade
medida

Valor da produo

Dlar (US$)

rea irrigada

de Mdia

Desviopadro

Mnimo

Mximo

10.030,43

16.596,48

150,00

120.000,00

Hectare

4,43

2,32

0,50

16,00

Insumos

Dlar (US$)

2.579,61

2.274,69

238,00

12.955,00

Capital

Dlar (US$)

8.812,55

10.506,28

400,00

76.600,00

Mo-de-obra

Horas/ano

295,00

209,66

12,00

1.210,00

Fonte : CODEVASF.
necessrio salientar aqui que alguns produtores so especialistas na produo de
dois ou trs tipos de culturas, enquanto que outros se concentram na produo de uma
nica cultura, como por exemplo a uva, uma cultura de alto valor agregado. Isto pode gerar
diferenas entre produtores no tocante ao nvel de despesas com insumos, capital e mode-obra, que so proporcionais s quantidades de culturas que eles produzem.
AI tem uma mdia de 4,43 ha por produtor. Este ndice mostra a eficincia do plano
da CODEVASF ao distribuir, em mdia, lotes de 5,00 ha por proprietrio, por cultura.
Assim, teoricamente, cada produtor dispe de um espao razovel para produzir cada uma
de suas culturas utilizando a tecnologia disponvel.
A varivel mo-de-obra apresenta grande disparidade entre seus valores mnimo e
mximo. Isto se deve basicamente ao tipo de cultura produzida. Culturas como acerola e
banana so caracterizadas por produes em grande escala e com vrias colheitas ao longo
do ano, e assim, a mo-de-obra se concentra basicamente na colheita. Os controles
fitossanitrios so menos freqentes do que os exigidos para outras culturas como uva e
manga. No caso da uva, por exemplo, exige-se a contratao de mo-de-obra especializada,

No h como analisar cada cultura separadamente porque a quantidade de observaes por cultura, em
alguns casos, chega a ser inferior ao mnimo necessrio para se obter resultados significantes. Alm do mais,
alguns produtores produzem mais de uma dessas culturas e esse estudo de caso pretende analisar o quadro do
produtor em particular e no da cultura em si.
8

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

e sua permanncia no espao cultivado pode chegar ao triplo do nmero de horas exigidas
para os produtores de banana e acerola.
Detectou-se tambm a presena de heterocedasticidade causada pela varivel
despesas com insumos. Para detect-la, utilizou-se o mtodo grfico e os testes de Park,
Glejser e White. Todavia, como esta varivel indispensvel estimao dos ndices de
eficincia DEA, ela foi mantida no modelo. Vale lembrar que no existe um mtodo
satisfatrio para amortizar o efeito da heterocedasticidade quando se utiliza uma
abordagem no paramtrica.
4.2. Resultados das Estimaes DEA-V
A anlise dos cinco primeiros nveis de eficincia (Tabela 2) mostra que os fatores
que causam a ineficincia tcnica so o capital e a mo-de-obra.
Os produtores possuem capital superior ao necessrio para produzir as culturas
irrigadas. No caso particular do quarto produtor, a diferena entre o valor do capital
utilizado e o valor ideal (entre parntese) chega ao patamar de US$12.000,00. Desse modo,
este fator, ligado utilizao de mo-de-obra em quantidade de horas excessivas, so os
responsveis por sua quarta colocao.
O nmero de horas de trabalho por ano o segundo fator responsvel pela reduo da
eficincia. H duas explicaes possveis para esse empasse: ou os produtores trabalharam
mais que deveriam, ou utilizaram um excedente de mo-de-obra que os levaram a despesas
excedentes. Em alguns casos, este nvel est correlacionado ao processo de transporte e
comercializao do produto, que representa, na maior parte dos casos, despesas extras para
os produtores, incluindo a contratao de novos empregados.
O primeiro produtor da Tabela 2 o mais eficiente num sentido relativo. Embora ele
deva reduzir um pouco de cada fator de produo, estas redues no so de grandes
magnitudes. Os nveis de eficincia prximos de zero esto diretamente ligados grandes
diferenas entre os valores/quantidades utilizados e os ideais estimados pelo modelo.
Esses resultados tambm mostram que os produtores devem gerenciar bem a
aquisio de novas mquinas e equipamentos, bem como o nmero de horas por
trabalhador, se quiserem aumentar seus nveis de eficincia. O primeiro e o quinto
colocados da Tabela 2 apresentam rendimento decrescente de escala, enquanto os demais
so caracterizados por rendimentos crescentes de escala. Vale lembrar que esto ainda em
processo de expanso de suas capacidades produtivas.
Tabela 2: Os cinco primeiros nveis de eficincia do modelo DEA-V e seus
valores/quantidades utilizadas e ideais (entre parntese)
VP
AI
IN
K
MO
Rendimento
Rank Nvel
(US$)
(ha)
(US$)
(US$)
(horas/ano) de escala
75.000,00
6,00
7.274,00
7.956,00
936
Decrescente
1
0,9791
(76.593,66) (4,10) (7.274,00) (7.235,48) (611)
9

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

45.000,00
2

3,00

16.624,00

1148
Crescente

0,9291
(56.285,94) (3,00)
19.160,00
14,00

6.865,00

(6.865,00) (13.339,42) (948)


7.730,00
3.000,00
624

0,8238

Crescente
(20.264,00) (6,90)
22.670,00
6,00

(5.709,26) (3.000,00)
1.707,00
16.270,00

(610)
1.160

(27.388,29) (6,00)
50.900,00
9,00

(1.707,00) (4.752,44)
13.272,00 5.170,00

(914)
1.184

0,7716

Crescente

Decrescente

0,7058

(72.108,57) (4,02)
Fonte : CODEVASF.

(6.198,05) (5.170,00)

(319)

Segundo a estimao do modelo DEA-V, 52,35% dos produtores esto situados na


parte da fronteira onde se observa rendimento crescente de escala, enquanto que 28,19%
esto na regio de rendimento decrescente, e somente 19,46% apresentam rendimento
constante. Tais produtores possuem nveis de eficincia situados no intervalo 0,2 a 0,6. Isto
mostra que, no conjunto das estimaes DEA-V, a maior parte deles est em fase de
expanso de suas capacidades produtivas.
4.3. Resultados do Mtodo de Simulao Bootstrap
Para estimar os intervalos de confiana bootstrap, utilizou-se todas as observaes de
produtores, com exceo das que obtiveram nvel de eficincia igual unidade, a fim de
evitar problemas com outliers. Em seguida, gerou-se 2.000 replicaes bootstrap a partir
da amostra original (149 produtores). Estes resultados se encontram na Tabela 3.
A primeira coluna mostra a distncia produto ( x, y ) estimada (ou nvel de
eficincia); a segunda, o nvel de eficincia estimado * ( x, y ) pela simulao bootstrap; a

terceira o vis estimado Visest ( x, y ) pela equao (4); a quarta coluna descreve o
desvio-padro estimado pela raiz da equao (6); a quinta e a sexta apresentam os valores
mnimo e mximo do intervalo de confiana dado por (7) ao nvel de significncia de 5%.
Aps as 2.000 replicaes bootstrap, os nveis de eficincia so aproximados aos
estimados pelo mtodo DEA-V clssico. A surpresa vem do fato de que os nveis de
eficincia simulados so inferiores aos ndices estimados pelo mtodo convencional, visto
que somente o segundo produtor teve seu ndice de eficincia aumentado. Isso pode estar
indicando, nesse caso, uma superestimao dos nveis de eficincia pelo mtodo DEA-V
tradicional. Os vises so positivos com exceo do segundo produtor, pois seu nvel de
eficincia simulado foi superior ao estimado pelo modelo clssico.
Os desvios-padro so relativamente pequenos, sinnimo de varincias centradas na
mdia. Todavia, as varincias dos cinco produtores so 0,0012; 0,000013; 0,00015;
0,0051; e, 0,000072, respectivamente. Os quatro primeiros produtores apresentados na
Tabela 3 possuem nveis de eficincia fora do intervalo de confiana, ou seja, violam a
10

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

hiptese nula de que o nvel de eficincia convencional se igualaria ao nvel de eficincia


simulado pelo bootstrap.
Vale tambm ressaltar que os dados so heterocdasticos e este pequeno detalhe
pode influenciar a construo da fronteira de produo e, por conseqncia, os nveis de
eficincia e os intervalos de confiana bootstrap (que so mais largos neste caso).
Tabela 3: Os cinco primeiros nveis de eficincia do modelo DEA-V e seus resultados
com relao aos nveis de eficincia bootstrap, o vis estimado, o desvio-padro e o
intervalo de confiana (para um nvel de significncia de 5% e 2.000 replicaes)
Rank
DesvioValor
Valor
( x, y ) * ( x, y )
Visest ( x, y )
padro
mnimo
Mximo
1
0,9791 0,9248
0,0543
0,0314
0,9026
0,9666
2
0,9291 0,9351
-0,0060
0,0035
0,9194
0,9471
3
0,8238 0,8031
0,0207
0,0120
0,7833
0,8216
4
0,7716 0,6521
0,1191
0,0688
0,6501
0,6917
5
0,7058 0,6918
0,0140
0,0081
0,6914
0,7142
Fonte : CODEVASF.

Os nveis de eficincia bootstrap e seus respectivos intervalos de confiana so teis


quando se est interessado em investigar as distncias produto corretas que permitam
estabelecer uma fronteira de produo mais prxima do que seria sua verdadeira
representao. Todavia, existe uma condio que pode inverter toda a balana de um lado
ou de outro. Trata-se da hiptese de convexidade do conjunto de produo.
De fato, um conjunto de produo convexo implica diretamente numa funo de
produo cncava. Se esta hiptese no pode ser verificada, sua funo de produo
correspondente no ser mais cncava. Diante de uma funo de produo no-cncava,
ter-se-ia mltiplos equilbrios e a balana tenderia a um valor de produo no-linear.
Como a simulao bootstrap feita a partir do modelo DEA, poder-se-ia propor uma
outra abordagem, baseada sobre a validade da hiptese de convexidade do conjunto de
produo. Todavia, como esta simulao efetuada no contexto de uma abordagem no
paramtrica, no possvel calcular a elasticidade de produo sobre esta fronteira.
Contudo, ter-se-ia um meio de verificar a validade da hiptese de convexidade e, assim, a
existncia de mltiplos equilbrios ou no.
Para isto, utilizar-se- um estimador de fronteira tecnolgica no repousando sobre a
hiptese de convexidade do conjunto de produo. Trata-se do estimador proposto por
Deprins et al. [1984], o FDH (Free Disposal Hull). Desta forma, pode-se testar uma
especificao convexa contra uma especificao no convexa do conjunto de produo.
Park, Simar e Weiner [2000] mostraram que, sob algumas condies, o estimador
FDH converge em direo verdadeira fronteira. Esta velocidade geralmente inferior
do estimador DEA, pois se impe um nmero menor de estruturas ao modelo (ausncia da
hiptese de convexidade). Eles derivaram tambm uma distribuio assinttica da distncia
FDH em relao fronteira. O estimador, corretamente normalizado pelo tamanho da
amostra, tende a uma distribuio Weibull e depende de parmetros aleatrios
inobservados. Isto permite construir intervalos de confiana assintticos para os produtores
11

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

e testar se um determinado produtor realmente eficiente. Segundo Adjemian [2002], os


parmetros no observados no so to fceis de estimar, e a aproximao assinttica pode
se revelar insuficiente. Portanto, neste artigo, iremos utilizar o estimador FDH somente
para estabelecer um teste de hiptese sobre a convexidade do conjunto de produo.
Por construo, o conjunto de produo FDH est contido no conjunto de produo
DEA-NIRS (rendimento de escala no crescente), que por sua vez pertence ao conjunto de
produo DEA-V; assim, a taxa iDEAV iFDH ser necessariamente inferior ou igual a 1
para todo i = 1, K N .
Os nveis de eficincia mdia dos modelos DEA-V e FDH so 0,4350 e 0,6534,
respectivamente. Por construo, as distncias em relao fronteira FDH so mais
importantes que as estimadas pela fronteira DEA-V. Assim, observam-se 25 produtores
eficientes no modelo DEA-V contra 56 do modelo FDH. Para estimar estas densidades,
supe-se um parmetro de amortizao timo dado por h = 1,06 std ( ( x, y )) N 1 5 , onde
std ( ( x, y )) representa o desvio-padro da varincia (6) e N o nmero de observaes de
produtores com exceo dos que obtiveram nvel de eficincia igual a 1. Este procedimento
o de cross-validation (ver Silverman [1986, pginas 51-52]). Os valores estimados deste
parmetro so hDEAV = 0,1384 e hFDH = 0,1511 .
Agora, pode-se estabelecer um teste para a convexidade do conjunto de produo.
Para isto, ser utilizada a taxa iDEAV iFDH para todo i = 1, K N , que no caso da
estimao deste estudo, possui o valor mdio de 0,3335. Para verificar a natureza da
convexidade ou no do conjunto de produo, deve-se testar se a taxa mdia
significativamente diferente da unidade. Neste intuito, ser considerada a estatstica
seguinte para testar a convexidade :

iDEAV
FDH
i =1 i
N

R = N 1

(8)

necessrio somente simular a distribuio desta estatstica sob a hiptese nula de


convexidade ( R = 1 ) contra a de no convexidade ( R < 1 ) e situar a estatstica estimada
R = 0,3335 com relao a esta distribuio.
Para isto, utiliza-se o procedimento proposto por Simar et Wilson [1998] e Silverman
[1986, pginas 142-147]. Trata-se de estimar a densidade da eficincia com ajuda do
estimador proposto por Silverman [1986] e formar amostras bootstrap sob a hiptese nula
estimando a eficincia a partir desta distribuio.
A Figura 1 mostra a densidade de kernel para a taxa iDEAV iFDH . Aps a excluso
das observaes com nvel de eficincia igual a 1, observa-se a que a densidade se torna
montona decrescente. Ou seja, a massa de probabilidade se concentra esquerda,
diminuindo medida que o nvel de eficincia aumenta.

12

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Figura 1 : Densidade estimada da taxa de eficincia DEA-V/FDH

Fonte: CODEVASF

Este procedimento foi aplicado com 2.000 replicaes bootstrap. A Figura 2 d a


estimao da distribuio da estatstica de teste sob hiptese nula de convexidade.
Normalmente, o estimador FDH mais viesado que o estimador DEA sob a hiptese nula
de uma fronteira DEA-V com distncia finita. Isto se deve ao fato que o estimador FDH
no explora informaes sobre a convexidade do conjunto de produo. O estimador DEA
converge mais rpido em direo fronteira que o estimador FDH. Segundo Kneip et al.
[1998], o estimador DEA converge em direo verdadeira fronteira uma velocidade

2
q + p +1

1
q+ p

dada por N
para q produtos e p insumos. O estimador FDH converge N
.
DEAV
FDH
Assim, a taxa i
i
convergir em direo fronteira uma taxa dada por

q + p 1
( q + p )( q + p +1)

N
. Desta forma, a varincia da distribuio desta taxa sob hiptese nula tender
zero medida que a dimenso da amostra tende ao infinito, para todo (q, p ) (1,1)) . No
2

~
caso em particular deste artigo, para q = 1 e p = 4 , tem-se a velocidade R ~ N 15 .

13

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Figura 2 : Teste da convexidade do conjunto de produo

Fonte: CODEVASF

Como se pode observar na Figura 2, a distribuio relativamente concentrada


devido aos fatores de convergncia citados acima. O estimador deste artigo ( R = 0,3335 )
no pertence a esta distribuio e se situa sua direita. A hiptese de uma fronteira
cncava rejeitada no importa quais ndices de eficincia sejam utilizados na simulao.
Se fosse efetuado o mesmo teste supondo um modelo DEA-C, os resultados tenderiam a
ser idnticos aos encontrados pelo mtodo DEA-V para as combinaes convexas dos
fatores de produo observados. Vale lembrar, no entanto, que a convexidade que est
sendo rejeitada, no a hiptese de rendimento de escala.
Pode-se observar tambm que os nveis de eficincia, aps as 2.000 replicaes, se
concentram no intervalo de eficincia [0-0,3]. Ou seja, eles so reduzidos sob simulao.
Normalmente, espera-se melhorar tais resultados com a ajuda do bootstrap. Todavia, como
o conjunto de produo no convexo, possvel que existam mltiplos equilbrios, o que
pode ocasionar alguns problemas quando os dados so submetidos a uma tcnica de
simulao como o bootstrap. Alm do mais, os dados so heterocdasticos e utiliza-se
mltiplos produtos, o que pode explicar esse resultado contraditrio.

14

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

4. Concluses
Diante dos resultados encontrados pelo mtodo DEA-V e pelas simulaes com o
bootstrap, pode-se afirmar que o bootstrap apontou problemas ligados a
heterocedasticidade e que geraram a no convexidade do conjunto de produo. Este
trabalho sugere que, neste caso especfico, os resultados encontrados pelos mtodos DEAV estariam viesados e superestimados quando comparados quela que seria gerado pela
verdadeira fronteira de produo. Tais problemas foram acentuados e vistos no seu
verdadeiro ngulo quando os dados foram submetidos simulao. Isto mostra a
contribuio dos mtodos de simulao ao se comparar os mtodos de estimao de
fronteiras de produo DEA convencionais com os resultados encontrados pelo bootstrap.
Portanto, o mtodo bootstrap vem dar o suporte necessrio identificao de tais
problemas e, em alguns casos, normalizar as estimaes dos modelos de fronteiras de
produo no-paramtrico DEA.
No tocante aos pequenos produtores do plo Petrolina/Juazeiro, pode-se observar que
os mesmos conseguiram assimilar a tecnologia da irrigao, embora tenham apresentado
certa dificuldade em gerenciar suas despesas com capital e mo-de-obra. O plo
Petrolina/Juazeiro continua, sem dvidas, a ser uma referncia em termo de
desenvolvimento para a regio do semi-rido nordestino. A disponibilidade de avanados
sistemas de irrigao ligados utilizao de insumos modernos pode conduzir o conjunto
destes produtores a produes eficientes.
Todavia, mesmo que ele esteja bem posicionado em termos de competio
internacional, os resultados sugerem que ainda possvel melhorar a capacidade de
gerao de renda e ampliar sua capacidade de concorrncia ao nvel internacional. Ganhos
so possveis atravs da implementao de toda a infra-estrutura necessria fruticultura
irrigada, de modo a antecipar a evoluo da demanda e adaptar as tcnicas utilizadas
regulamentao, melhorando a formao de capital humano.
Referncias Bibliogrficas
Adjemian, S. (2002) Divergence des nations et progrs technique . Thse de doctorat
lUniversit dEvry-Val-dEssonne.
Barros, E. S., E. Costa et Y. Sampaio (2004a) Analise de eficincia atravs da estimao
de fronteiras paramtricas Cobb-Douglas et Translog : o caso das empresas agricolas
do polo Petrolina/Juazeiro. Revista Econmica do Nordeste, 35, 1, 7-19.
Barros, E. S., E. Costa et Y. Sampaio (2004b) Analise da eficincia das empresas
agricolas do polo Petrolina/Juazeiro utilizando a fronteira paramtrica Translog.
Revista de Economia e Sociologia Rural, Rio de Janeiro, 42, 04, 597-614.
Beran, R. (1986) Discussion of Jackkinife bootstrap and others resampling methods in
regression analysis by C. F. J. Wu. Annals of Statistics, 14, 1295-1298.
Charnes, A. W. W. Cooper, et E. Rhodes. (1978) Measuring Efficiency of Decision
Making Units. European Journal of Operational Research, 2, 429-444.
Deprins, D., Simar, L. & Tulkens, H. (1984) Measuring labor inefficiency in post offices.
In: M.
15

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Fre, R., Grosskpof, S. and Lovell, C. K. (1985) The Measurement of Efficiency of


Production. Boston: Kluwer-Nijhoff Publishing.
Farrell, M. J. (1957) The Measurement of Economic Efficiency. Journal of the Royal
Statistical Society, 120, Series A Pt. III, 252-281.
Hall, P. et D. M. Titterington. (1989) The effect of simulation order on level of accuracy
and power of Monte Carlo tests. J. R. Statistic Society B, 51, 459-467.
Hall, P. Hardle et L. Simar (1995) Iterated bootstrap with applications to frontier models.
Journal of productivity analysis, 6, 63-76.
Horrace, W. C. et S. O. Richards (2004) Bootstrapping efficiency probabilities in
parametric stochastic frontier models. Syracuse University, NY, (in press).
Jensen, U. (2000) Is it efficiency to analysis efficiency ranking? Empirical Economics,
25, 189-208.
Kneip, A., Park, B. & Simar, L. (1998) A note on the convergence of nonparametric DEA
efficiency measures, Econometric Theory, 14, pp. 783 793.
Park, B. L. Simar et C. Weiner (2000) The FDH estimator for productivity efficiency
scores : asymptotic properties. Econometric Theory, 16, 855-877.
Sherpard, R. W. (1970) Theory of Cost and Production Functions. Princeton: Princeton
University Press.
Silverman, B. W. (1986) Density Estimation for Statistics and Data Analysis (London,
Chapman and Hall).
Simar, L. (1992) Estimating efficiencies from frontier models with panel data: a
comparison of parametric, non-parametric and semi-parametric methods with
bootstrapping. Journal of productivity analysis, 6, 63-76.
Simar, L. & Wilson, P. (1998) Sensitivity analysis of efficiency scores: How to bootstrap
in nonparametric frontier models, Management Science, 44, pp. 49 61.
Simar, L. & Wilson, P. (1999) Estimating and bootstrapping Malmquist indices, European
Journal of Operational Research, 115, pp. 459 471.
Simar, L.; Wilson, P.W. (2000a) A general Methodology for Bootstrapping in
Nonparametric Frontier Models. J. Appl. Statist., 27, 779802.
Simar, L.; Wilson, P.W. (2000b) Statistical Inference in Nonparametric Frontier Models:
The State of the Art. J. Productivity Anal, 13, 4978.

16

Campo Grande, 25 a 28 de julho de 2010,


Sociedade Brasileira de Economia, Administrao e Sociologia Rural