Boletim do Economista – ISSN 3085-9670
Thiago Costa Holanda – Conselheiro do CORECON-CE e professor do IFCE
RESUMO
Este artigo mensura o Ganho de Oportunidade Regional (GO-R) do Ceará para dez atividades da transição energética. Formulado por Freitas et al. (2023) como adaptação subnacional do opportunity gain de Hausmann et al. (2014), o indicador quantifica o acréscimo de complexidade que uma região incorpora ao realizar dada atividade com vantagem comparativa. A abordagem é quantitativa e exploratória, apoiada na RAIS de 2021 pelas classes da CNAE 2.0. Hidrogênio verde (0,87), combustível de aviação (0,79) e eólica offshore (0,74) lideram. Argumenta-se que tais valores medem o benefício potencial da entrada e não a sua facilidade, de modo que a leitura de política exige combiná-los com a densidade.
Palavras-chave: Complexidade Econômica. Ganho de Oportunidade Regional. Diversificação Produtiva. Ceará. RAIS.
ABSTRACT
This paper measures the Regional Opportunity Gain (GO-R) of Ceará, Brazil, for ten energy transition activities. Formulated by Freitas et al. (2023) as a subnational adaptation of the opportunity gain of Hausmann et al. (2014), it quantifies the complexity a region incorporates once it performs an activity with comparative advantage. Using 2021 employment records classified by national industrial codes, green hydrogen (0.87), aviation fuel (0.79) and offshore wind (0.74) rank highest. We argue these measure the benefit of entry rather than its feasibility, so policy reading must combine GO-R with density.
Keywords: Economic Complexity. Regional Opportunity Gain. Productive Diversification. Ceará. RAIS.
1 INTRODUÇÃO
A complexidade econômica, consolidada por Hidalgo e Hausmann (2009) e Hausmann et al. (2014), sustenta que o crescimento de longo prazo depende das capacidades acumuladas no território. O Espaço do Produto mostrou que a probabilidade de desenvolver nova atividade cresce com a proximidade entre as competências já dominadas e as exigidas pela atividade almejada (Hidalgo et al., 2007).
A transposição para o nível subnacional esbarra em limitação conhecida. Os dados de exportação registram o município exportador e não o produtor, além de ignorarem o comércio entre unidades da federação. Para contornar isso, Freitas et al. (2023) recalcularam os indicadores a partir de registros de emprego, criando o Índice de Complexidade das Atividades (ICA-R), a densidade e o Ganho de Oportunidade Regional (GO-R).
O Ceará atravessa reorganização produtiva impulsionada pela geração renovável, pelo Complexo Industrial e Portuário do Pecém e por projetos de hidrogênio verde. Cabe perguntar quanto de complexidade o estado incorporaria caso desenvolvesse vantagem comparativa nessas atividades. Este artigo calcula o GO-R para dez atividades dos eixos declarados de política industrial estadual e delimita o que o indicador mede, corrigindo leitura recorrente que o confunde com facilidade de entrada.
2 REFERENCIAL TEÓRICO
2.1 Complexidade econômica e espaço de atividades2.1 Complexidade econômica e espaço de atividades
O Índice de Complexidade Econômica mensura a sofisticação produtiva combinando diversidade e ubiquidade pelo método dos reflexos (Hidalgo; Hausmann, 2009). Territórios complexos concentram capacidades tácitas na força de trabalho e tendem a maior renda e menor desigualdade (Hartmann et al., 2017).
No arranjo de Freitas et al. (2023), a vantagem comparativa revelada é medida pelo quociente locacional da massa salarial e a proximidade entre atividades passa a derivar da coocupação. Duas atividades são próximas quando empregam efetivamente as mesmas ocupações, o que aproxima o indicador da transferibilidade de competências entre indústrias (Farjoun, 1994). Aplicada às 670 classes da CNAE 2.0, ela origina o Espaço de Atividades, no qual as atividades mais complexas são centrais.
2.2 Do ganho de oportunidade ao GO-R
Hausmann e Klinger (2006) apontaram como desafio central do Espaço do Produto a medida de distância entre localidade e produto. Dessa preocupação nasceram dois indicadores distintos e frequentemente confundidos. A densidade responde a quão viável é a entrada, medindo a proximidade entre a estrutura vigente e a atividade de destino. O ganho de oportunidade responde a quanto vale a entrada, quantificando a contribuição do destino à complexidade futura. O GO-R adapta esta segunda medida ao recorte regional:
GO-Rrs = Σs’ [ ρss’ / Σs’ ρss’ ] × (1 − Mrs’) × ICA-Rs’
Nessa expressão, ρ é a proximidade por coocupação entre a atividade avaliada e cada destino, o denominador normaliza os pesos, o termo entre parênteses exclui os destinos já dominados pela região, e ICA-R é a complexidade do destino (Freitas et al., 2023).
Dois pontos merecem atenção. Primeiro, o somatório percorre os destinos, não a atividade avaliada. O filtro de novidade opera sobre a vizinhança e não sobre a própria atividade, de modo que o quociente locacional da região nela não integra a fórmula e não explica seu valor. Segundo, o GO-R cresce quanto mais a atividade se conecta a destinos complexos ainda não dominados pela região, por mais distante que ela esteja da base local.
2.3 Complementaridade entre GO-R e densidade
Da estrutura da equação decorre implicação negligenciada. Um GO-R elevado é compatível com densidade muito baixa. A atividade traria grande acréscimo de complexidade, mas a região não teria as capacidades para desenvolvê-la, e a recomendação derivada apenas do GO-R seria oposta à correta. Por isso Freitas et al. (2023) apresentam o indicador contra a distância, complemento da densidade, desenho também adotado por Balland et al. (2019) na especialização inteligente europeia.
3 METODOLOGIA
3.1 Base de dados e recortes
O estudo é quantitativo, descritivo e exploratório. A fonte é a Relação Anual de Informações Sociais de 2021, registro censitário do emprego formal. Seguindo Freitas et al. (2023), a variável de base é a massa salarial dos vínculos ativos em 31 de dezembro, e não a contagem de vínculos, pois pondera a qualificação da mão de obra. As atividades são as 670 classes da CNAE 2.0. A proximidade e o ICA-R são calculados sobre a matriz nacional de municípios por atividades, com as 5.570 unidades como referência. Já o quociente locacional do Ceará usa o recorte de unidades da federação.
3.2 Etapas de cálculo
O procedimento tem quatro etapas. Na primeira, constrói-se a matriz de ocupações efetivas, dada pela razão entre a participação de cada ocupação na massa salarial da atividade e sua participação na massa salarial nacional, com binarização quando a razão alcança a unidade.
Na segunda, a proximidade entre duas atividades é a menor das probabilidades condicionais de coocupação efetiva, escolha que evita que atividades com muitas ocupações pareçam próximas de todas as demais. Na terceira, calcula-se o quociente locacional do Ceará em cada atividade e aplica-se o método dos reflexos sobre a matriz de regiões e atividades para obter o ICA-R, pelo autovetor do segundo maior autovalor.
Na quarta, computa-se o GO-R. Os valores brutos são reescalonados por mínimo e máximo sobre a distribuição das 670 classes, de modo que o intervalo unitário reflita a posição relativa da atividade no conjunto nacional. Os cortes de 0,70, 0,50 e 0,35 são convenção de leitura, sem significado estatístico. O processamento usou Python 3.11 e R 4.3, com o pacote EconGeo na verificação das proximidades.
3.3 Correspondência entre atividades estratégicas e classes da CNAE
As dez atividades correspondem a eixos declarados de política industrial, mas nenhuma constitui classe própria na CNAE 2.0. O cálculo exige a correspondência do Quadro 1.
Quadro 1. Correspondência entre atividades estratégicas e classes da CNAE.
| Atividade estratégica | Classe da CNAE 2.0 de referência |
| Hidrogênio verde por eletrólise | 20.14-2 Gases industriais |
| Combustível sustentável de aviação | 19.22-5 Refino de petróleo e 19.31-4 Álcool |
| Eólica offshore | 35.11-5 Geração de energia elétrica |
| Siderurgia em rota de baixo carbono | 24.11-3 Produção de ferro-gusa |
| Dessalinização industrial | 36.00-6 Captação e tratamento de água |
| Petroquímica em rota de baixo carbono | 20.21-5 Produtos petroquímicos básicos |
| Semicondutores | 26.10-8 Componentes eletrônicos |
| Farmoquímica | 21.10-6 Produtos farmoquímicos |
| Têxtil técnico | 13.54-5 Tecidos especiais |
| Alimentos processados | 10.99-6 Outros produtos alimentícios |
Fonte: Elaboração própria a partir da CNAE 2.0.
Essa correspondência impõe limitação decisiva. A CNAE não distingue rotas tecnológicas dentro de uma classe. Hidrogênio por eletrólise e por reforma de gás natural estão na mesma classe de gases industriais, e o mesmo vale para as rotas de baixo carbono da siderurgia e da petroquímica. Os valores descrevem o perfil ocupacional das classes hospedeiras, e lê-los como aproximação das variantes verdes é hipótese de trabalho, não resultado.
4 RESULTADOS E DISCUSSÃO
A Figura 1 apresenta o GO-R normalizado das dez atividades examinadas.
Figura 1. GO-R normalizado do Ceará para atividades da transição energética.
Fonte: Elaboração própria, dados da RAIS (2021) e método de Freitas et al. (2023).
Hidrogênio verde (0,87), combustível de aviação (0,79) e eólica offshore (0,74) lideram o ordenamento. A leitura correta é que incorporá-los ao conjunto em que o Ceará detém vantagem comparativa produziria o maior acréscimo de complexidade entre as alternativas examinadas. Isso decorre da posição das classes hospedeiras no Espaço de Atividades. Gases industriais, refino e geração elétrica conectam-se, por coocupação, a engenharia, controle de processos e manutenção especializada, de ICA-R alto e sem especialização estadual.
Siderurgia e petroquímica em rotas de baixo carbono, com a dessalinização industrial, ocupam a faixa intermediária superior, entre 0,55 e 0,68. A cadeia metalúrgica da ZPE do Pecém sustenta a proximidade dessas classes, mas parte de sua vizinhança já é ocupada pelo estado, reduzindo o termo de novidade.
Semicondutores (0,41) e farmoquímica (0,38) ficam na faixa média, resultado que contraria a intuição. São atividades de ICA-R muito elevado e ainda assim seu GO-R é moderado. A explicação está na vizinhança. Essas classes conectam-se a poucas atividades igualmente especializadas, o que reduz o efeito de abertura para novas capacidades.
Têxtil técnico (0,33) e alimentos processados (0,21) fecham o ordenamento, e aqui cabe correção explícita de leitura. O valor baixo não decorre de o Ceará já ter vantagem comparativa nessas classes, pois o quociente locacional da atividade avaliada não integra a fórmula. Decorre de duas condições. As vizinhas têm ICA-R baixo, e parcela relevante delas já está na estrutura estadual, sendo excluída pelo filtro de novidade.
Os resultados dialogam com Romero e Silveira (2019), que documentaram complexidade inferior nos estados nordestinos, e sugerem que a base renovável cria vizinhança ocupacional favorável à sofisticação. Registre-se que a geração centralizada do Ceará somava cerca de 2,6 GW em eólicas e 1,6 GW em fotovoltaica ao final de 2023 (ANEEL, 2023). Os 10,7 GW citados no debate público são a meta de hidrogênio verde para 2032, não a capacidade elétrica corrente.
A implicação de política exige cautela. O GO-R identifica onde o retorno em complexidade seria maior, não onde a entrada seria viável. Uma atividade com GO-R alto e densidade baixa demanda construção de capacidades em horizonte longo, com formação técnica e atração de operações âncora, e não incentivo fiscal imediato. Com densidade intermediária, admite estratégia ofensiva. Definir qual caso se aplica depende da densidade, não calculada aqui.
Outras limitações merecem registro. A RAIS cobre apenas o emprego formal, subestimando segmentos informais. A análise é transversal. O indicador é relativo e anual, de forma que comparações entre anos exigem posições em ranking e não os valores padronizados (Freitas et al., 2023).
5 CONSIDERAÇÕES FINAIS
Este artigo mensurou o GO-R do Ceará para dez atividades da transição energética. As vinculadas ao hidrogênio registram os maiores acréscimos potenciais de complexidade, resultado da conexão ocupacional das classes hospedeiras com engenharia e controle de processos, sem especialização estadual.
A contribuição principal talvez não esteja no ordenamento, e sim na delimitação do que o indicador informa. O GO-R mede benefício e não viabilidade. Utilizá-lo isoladamente para priorizar incentivos inverte o sentido do instrumento e pode concentrar recursos em atividades cujo ganho é alto justamente porque estão distantes das capacidades locais.
Calcular a densidade das mesmas atividades permitiria posicioná-las no plano de viabilidade e retorno. Estender o exercício às 670 classes evitaria a seleção prévia e deixaria os dados indicarem candidatos não antecipados pela política declarada.
REFERÊNCIAS
ANEEL. Sistema de Informações de Geração da ANEEL (SIGA). Brasília: Agência Nacional de Energia Elétrica, 2023.
BALLAND, P. A.; BOSCHMA, R.; CRESPO, J.; RIGBY, D. L. Smart specialization policy in the European Union: relatedness, knowledge complexity and regional diversification. Regional Studies, v. 53, n. 9, p. 1252-1268, 2019.
BRASIL. Ministério do Trabalho e Previdência. Relação Anual de Informações Sociais: microdados 2021. Brasília: MTP, 2022.
FARJOUN, M. Beyond industry boundaries: human expertise, diversification and resource-related industry groups. Organization Science, v. 5, n. 2, p. 185-199, 1994.
FREITAS, E. E.; ROMERO, J. P.; BRITTO, G.; STEIN, A. Q.; TORRES, R. Dataviva: espaço de atividades e indicadores regionais de complexidade econômica. Belo Horizonte: Cedeplar/UFMG, 2023. (Texto para Discussão, n. 657).
HARTMANN, D.; GUEVARA, M. R.; JARA-FIGUEROA, C.; ARISTARÁN, M.; HIDALGO, C. A. Linking economic complexity, institutions, and income inequality. World Development, v. 93, p. 75-93, 2017.
HAUSMANN, R.; HIDALGO, C. A.; BUSTOS, S.; COSCIA, M.; SIMOES, A.; YILDIRIM, M. A. The atlas of economic complexity: mapping paths to prosperity. Cambridge: MIT Press, 2014.
HAUSMANN, R.; KLINGER, B. Structural transformation and patterns of comparative advantage in the product space. Cambridge: Center for International Development, Harvard University, 2006. (CID Working Paper, n. 128).
HIDALGO, C. A.; HAUSMANN, R. The building blocks of economic complexity. Proceedings of the National Academy of Sciences, v. 106, n. 26, p. 10570-10575, 2009.
HIDALGO, C. A.; KLINGER, B.; BARABÁSI, A. L.; HAUSMANN, R. The product space conditions the development of nations. Science, v. 317, n. 5837, p. 482-487, 2007.
ROMERO, J. P.; SILVEIRA, F. Mudança estrutural e complexidade econômica: identificando setores promissores para o desenvolvimento dos estados brasileiros. In: CHILLIATTO-LEITE, M. V. (org.). Alternativas para o desenvolvimento brasileiro: novos horizontes para a mudança estrutural com igualdade. Brasília: Cepal, 2019. p. 137-160.