Dados do agrário amazônico classificados por trajetória tecnológica: região de Carajás, 2017

O arquivo traz 3392 variáveis referentes a dados sociais, econômicos e agronômicos dos 32 municípios da região amazônica de Carajás (Monteiro e Silva, 2021) organizados em uma matriz com 672 casos (V1) classificados em seis trajetórias tecnoprodutivas (V5): camponesa com ênfase na pecuária bovina (TCPB), camponesa com destaque de culturas temporárias (TCCT); camponesa com destaque em culturas permanentes (TCCP), patronal com ênfase na pecuária bovina (TPPB); patronal voltada para culturas temporárias (TPCT) e patronal voltada para culturas permanentes (TPCP). Foram os cruzamentos dessa variável (V5) com outras do presente banco de dados que foram usadas para a análise da economia agrária da região de Carajás apresentadas em Monteiro (2022). O banco de dados permite a realização de diversos cruzamentos e análises acerca do agrário regional, levando em conta a classificação dos casos em trajetórias tecnológicas e suas especificidades em 2017, mas também permite a efetivação de análises de sua evolução em termos temporais e espaciais. O banco de dados foi construído a partir do Censo Agropecuário de 2017 e o delineamento das trajetórias foi realizado a partir da diferenciação entre produção agropecuária baseada em relações de trabalho familiar e patronal (V4). Com base nela foram organizados dados censitários em casos (V1) obtidos mediante a desagregação em duas formas de produção (V4), 32 municípios (V2) e 19 estratos de áreas (V3). Os valores das variáveis inibidos pelo IBGE com a finalidade de desidentificação da informação foram igualados a “zero” e os casos cujas variáveis E1 e YB possuíam somatória igual a zero foram excluídos. Uma vez organizados os dados nestes termos, foi possível manejá-los e processá-los em conformidade à metodologia desenvolvida por Costa (2009, 2020, 2021). Trata-se de estratégia que, inicialmente, recorre a técnicas de regressão linear, análise fatorial e de componentes principais. As regressões foram utilizadas para qualificar os produtos e grupos de produtos cujos valores da produção regional são expressos por variáveis selecionadas (<em>x</em>1 ... <em>x</em>17) utilizadas na elaboração de seis equações de regressão múltipla pela origem, três funções para cada uma das formas de produção. A primeira delas é uma “função de produto” (1) que reflete o resultado social total da forma de produção; a segunda é uma “função de desempenho” (2) que salienta de que modo os resultados da estruturação produtiva influencia na variação da rentabilidade líquida dos estabelecimentos de dada forma de produção, ou seja, como dado grupo de produtos interferem na remuneração dos agentes patronais ou camponeses; a terceira é uma “função investimento-fonte” (3) que infere a participação dos grupos de produtos nas oscilações de investimentos em ambas as forma de produção (Costa, 2009, 2020, 2021). Os valores dos coeficientes padronizados derivados das regressões 1, 2 e 3 em suas variantes atinentes à forma de produção patronal e à camponesa são tomados para designar os atributos de produtos ou grupo de produtos. Em seguida recorreu-se a técnicas de análise fatorial para inferir em que medida essas qualidades expressas pelos grupos de produto comportam relações que caracterizam interdependência ou competição entre eles e que podem ser a expressão de trajetórias. Sendo extraídos cinco fatores em cada análise fatorial para cada forma de produção. Além das cargas fatoriais computou-se, os escores fatoriais das variáveis no fator e a partir dos pesos atribuídos a cada um dos casos foram criadas variáveis da forma de produção patronal (<em>PFP</em>1 ... <em>PFP</em>5) e da camponesa (<em>PFC</em>1 ... <em>PFC</em>5). O de maior valor foi tomado para qualificar o caso, gerando desta maneira uma nova variável discreta (<em>V</em><em>6</em>) cujos elementos caracterizam o fator nele dominante indicando a qual das combinações de grupos de produtos cada um dos casos pertence, bem como o seu envolvimento em uma trajetória (<em>V</em><em>5</em>). Assim, uma vez qualificados os casos (<em>V1</em>) por tipos de trajetória produtiva (<em>V5</em>) é possível realizar <em>n</em> cruzamentos para se inferir apreender particularidades das mudanças no processo de produção no agrário da região de Carajás. Antes da manipulação dos arquivos recomenda-se a leitura do arquivo “Leia-me.pdf”.

本数据集包含3392项变量，涉及卡拉雅斯（Carajás）亚马逊区域32个市镇的社会、经济与农业数据（Monteiro e Silva, 2021），这些数据被整理为包含672个样本（V1）的矩阵，样本被划分为6类技术生产轨迹（V5）：以肉牛养殖为核心的农户型生产轨迹（TCPB）、以临时作物种植为特色的农户型生产轨迹（TCCT）、以永久作物种植为特色的农户型生产轨迹（TCCP）、以肉牛养殖为核心的雇主型生产轨迹（TPPB）、面向临时作物种植的雇主型生产轨迹（TPCT）以及面向永久作物种植的雇主型生产轨迹（TPCP）。本数据集将该变量（V5）与其他字段进行交叉组合，相关分析方法已用于卡拉雅斯区域农业经济研究，相关成果见Monteiro (2022)。本数据集不仅可基于2017年样本的技术生产轨迹分类及其特征，开展区域农业领域的各类交叉分析与研究，还可实现该区域农业系统在时间与空间维度上的演化分析。本数据集基于2017年巴西农业普查（Censo Agropecuário de 2017）构建，生产轨迹的划分则通过区分基于家庭雇佣关系的农业生产与雇主雇佣关系的农业生产（V4）完成。基于上述划分标准，普查数据被整理为样本形式（V1），样本通过以下维度拆分得到：两类生产模式（V4）、32个市镇（V2）以及19个面积层级（V3）。为保护数据匿名性而被巴西地理与统计研究所（IBGE）屏蔽的变量值均被赋值为“0”，同时剔除了变量E1与YB的总和为0的样本。按上述规则完成数据整理后，即可基于Costa (2009, 2020, 2021)提出的研究方法开展数据处理与分析工作。该分析方法首先采用线性回归、因子分析与主成分分析三类技术手段。线性回归用于对区域生产值由选定变量（x₁ … x₁₇）表征的产品及产品组进行属性赋值，基于此针对两类生产模式各构建3个回归函数，总计6个起源导向的多元回归方程。第一类为“产品函数（1）”，用于反映对应生产模式的社会总产出；第二类为“绩效函数（2）”，用于阐明生产结构的构建结果如何影响该生产模式下经营主体的净收益率波动，即某类产品组如何作用于雇主或农户的要素报酬；第三类为“投资来源函数（3）”，用于推断两类生产模式中各产品组对投资波动的贡献度（Costa, 2009, 2020, 2021）。针对雇主型与农户型生产模式的回归方程1、2、3的标准化系数，被用于表征对应产品或产品组的属性特征。随后采用因子分析技术，推断由产品组表征的上述属性间存在何种关系——包括相互依存或竞争关系，此类关系可作为生产轨迹的表征依据。针对两类生产模式分别开展因子分析，各提取5个公共因子。除因子载荷外，研究同时计算了变量在各因子上的因子得分，并基于每个样本的权重，分别构建了雇主型生产模式的变量（PFP₁ … PFP₅）与农户型生产模式的变量（PFC₁ … PFC₅）。选取每个样本得分最高的因子对其进行属性赋值，由此生成新的离散变量（V6），该变量的取值表征样本占比最高的主导因子，以此明确每个样本所属的产品组组合类型，以及其对应的生产轨迹类别（V5）。由此，在基于生产轨迹类型（V5）完成样本（V1）的属性赋值后，即可开展任意次数的交叉分析，以深入解析卡拉雅斯区域农业生产过程的变革特征。在开展数据处理前，建议先阅读“Leia-me.pdf”说明文档。