PKK Açısından Koruculuk

Os trabalhos que utilizaram a Função de Produção de Conhecimento para o Brasil são os de Montenegro e Betarelli Júnior (2009), Gonçalves e Almeida (2009), Gonçalves e Fajardo (2011), Montenegro, Gonçalves e Almeida (2011) e Mascarini (2012).

105

Um dos primeiros trabalhos a utilizar a FPC para o caso brasileiro foi o de Montenegro e Betarelli Júnior (2009). Os autores abordaram a inovação dos municípios paulistas utilizando dados de patentes e avaliando como o papel da pesquisa universitária, a estrutura produtiva local e algumas características urbanas afetavam a inovação. Os resultados do modelo apontaram que as regiões com maior estrutura de pesquisa universitária e com maior nível de aglomeração urbana tendem a inovar mais. Além disso, do ponto de vista espacial, indicaram que a inovação local se relaciona diretamente com as atividades inovativas dos municípios vizinhos. Isto levou os autores a indicar que os transbordamentos de conhecimento tecnológico são importantes determinantes da atividade inovativa.

O trabalho de Montenegro, Gonçalves e Almeida (2011) estimou a Função de Produção de Conhecimento por um painel, com efeitos fixos, aplicado às microrregiões paulistas. Foi utilizado como indicador da inovação o número de patentes per capita. Esse trabalho apresentou a vantagem de realizar uma análise para diversos anos. Do ponto de vista dos resultados, o modelo estimado indicou a importância de alguns elementos nos processos inovativos como a qualificação dos trabalhadores e as vantagens da especialização e da diversificação da estrutura produtiva. No entanto, apesar da análise descritiva apontar clusters de alta performance inovativa no estado, os autores não encontraram evidências de que os níveis de P&D locais teriam influência no nível de patentes das regiões no Estado de São Paulo.

Esse resultado é diferente do obtido por Mascarini (2012), que também avaliou a inovação no Estado de São Paulo estimando uma versão da Função de Produção de Conhecimento inspirada na utilizada por Crescenzi, Rodríguez-Pose e Storper (2007). A autora estimou modelos com diferentes medidas para inovações e, entre seus resultados, apontou que os níveis locais de P&D e os de seus vizinhos apresentaram efeito positivo sobre a inovação para grande parte das regressões realizadas. Além disso, indicou que as regiões mais diversificadas e aglomeradas tendem a apresentar maior número de inovações. Outro resultado importante é que as interações entre empresas e universidade afetavam positivamente a inovação regional, indicando a importância da pesquisa universitária para as atividades inovativas das empresas.

Já o trabalho de Gonçalves e Almeida (2009) envolveu todas as 558 microrregiões brasileiras, avaliando o número de patentes per capita das regiões. Os autores utilizaram uma versão da Função de Produção de Conhecimento (FPC) em um modelo espacial

106

autorregressivo (SAR). Entre os resultados deste trabalho, é possível destacar a importância da estrutura industrial e a pesquisa acadêmica local para o nível de inovação local. Em concreto, os autores indicaram que a aglomeração urbana, o grau de industrialização das regiões e a capacidade de pesquisa acadêmica estão associados positivamente com o número de patentes por habitante nas microrregiões brasileiras. Além disso, os resultados apontaram diferenças expressivas entre as porções sul e norte do país. Do ponto de vista espacial, seu resultado mais importante é que o componente autorregressivo do modelo apresenta coeficiente positivo e significante, indicando que a proximidade de microrregiões com melhor desempenho inovativo exerce um efeito positivo no número de patentes locais.

Por fim, o trabalho de Gonçalves e Fajardo (2011) avaliou a inovação nas mesorregiões brasileiras. Os autores também apontaram que o nível de aglomeração (nesse caso medido pela densidade do emprego), a capacidade de pesquisa universitária e a P&D industrial possuem efeitos positivos na inovação. Os autores também chegaram aos mesmos resultados espaciais de Gonçalves e Almeida (2009): diferenças entre norte e sul do Brasil e efeitos de proximidade geográfica para o processo inovativo. Além disso, apontaram efeitos positivos da similaridade tecnológica entre regiões, para os níveis de inovação medidos por patentes.

Para finalizar, parece interessante apontar alguns elementos comuns dos trabalhos que adotaram como referência a FPC aplicados ao caso brasileiro. Em primeiro lugar, nota- se que, de modo geral, esses trabalhos apontam para efeitos positivos tanto dos esforços de P&D das empresas, como da pesquisa universitária. Também indicam que a inovação está associada a regiões mais adensadas e industrializadas.

Três destes trabalhos avaliaram os efeitos de especialização ou diversificação regional na inovação. O modelo de Gonçalves e Almeida (2009) não permitiu inferir nenhuma relação, o de Mascarini (2012) apontou para benefícios da diversificação, e o de Montenegro, Gonçalves e Almeida (2011) indicou que tanto a especialização como a diversificação possuíam efeitos positivos sobre a inovação. Portanto, os resultados dos estudos que aplicaram a FPC ao Brasil apresentam evidências favoráveis tanto às vantagens marshallianas, como às vantagens jacobianas. Outro elemento importante é que esses trabalhos encontraram efeitos espaciais positivos em que as localidades se beneficiam da inovação realizada em seus vizinhos por meio de transbordamentos de conhecimento.

107

Uma vez que a Função de Produção de Conhecimento foi apresentada e os principais trabalhos que a utilizam revisados, inclusive os casos aplicados ao Brasil, a versão da FPC utilizada neste trabalho pode ser apresentada. No próximo capítulo, são descritas a FPC utilizada no trabalho, os detalhes das variáveis e proxies adotadas, juntamente com as opções metodológicas.

108

6 Modelo estimado e questões metodológicas

Uma vez descritos os métodos de análise espacial e definida a adoção da Função de Produção de Conhecimento, é preciso especificar as opções realizadas para o modelo empírico. O presente capítulo busca detalhar o modelo adotado indicando as variáveis escolhidas. Em concreto, apresenta-se a motivação na literatura para a inclusão de cada variável e como estas refletem as especificidades do caso brasileiro. Também são descritas as variáveis e os controles adotados.

A Função de Produção de Conhecimento (FPC), apresentada no capítulo precedente, caracteriza-se por estimar a relação entre uma variável de resultado inovativo e alguns insumos de conhecimento. No caso das aplicações regionais dessa função costumam-se incluir como fatores explicativos elementos da estrutura produtiva local e alguns controles.

Nesse trabalho, adotou-se a seguinte versão da Função de Produção de Conhecimento: