Made available in DSpace on 2008-05-15T19:08:06Z (GMT). No. of bitstreams: 1 053202010_Dissertacao_versao_final_Orlando_Vilela_Sales.pdf: 298599 bytes, checksum: 38a48bc5cf814b54614c41d502ac7667 (MD5) Previous issue date: 2007-12-30 / Submitted by Carlos Oliveira (carlos.oliveira@fgv.br) on 2008-05-15T19:08:06Z No. of bitstreams: 1 053202010_Dissertacao_versao_final_Orlando_Vilela_Sales.pdf: 298599 bytes, checksum: 38a48bc5cf814b54614c41d502ac7667 (MD5) / Este estudo utiliza o modelo de fronteira estocástica paramétrica com dados em painel para estimação das funções de produção asso- ciadas aos grupos da indústria de transfomação brasileira no período de 1996-2005. Um ponto importante dessa técnica é a possibilidade de utilização de um conjunto de variáveis explicativas para o com- ponente de ine ciência. Com o objetivo de captar as dinâmicas da fronteira tecnológica e do nível de ine ciência foram introduzidos com- ponentes de tendência linear e quadrática. Veri cou-se para o período a ocorrência de aumento do nível de ine ciência técnica e de progresso tecnológico a taxas constantes. Observou-se ainda que o nível de ine - ciência relaciona-se negativamente com os salários médios do pessoal direta e indiretamente ligado à produção, com o percentual de tributos sobre a receita total ,com o grau de terceirização e com o percentual da receita total originário da atividade principal da indústria.

Made available in DSpace on 2008-05-13T13:16:03Z (GMT). No. of bitstreams: 1 1448.pdf: 477524 bytes, checksum: 297f61b24cbf4504023bdfa7d6629105 (MD5) Previous issue date: 2002-08-16 / The purpose of this dissertation is to understand the spatial evolution of the industrial sector in Brazil over the last three decades. At first, the goal is to verify how specialized and concentrated the Brazilian states are in industrial terms with the help of the Krugmam and Gini indices. The Brazilian states are then separated into four groups by the cluster-analysis method of K-means. Through a usual inner product within the vector of the distribution of industrial production by sectors in the states, and the vector of some industries characteristics (called the Industry Characteristic Bias, or ICB), the second part analyzes which type of industry the state’s industrial sectors are concentrating and/or specializing in. A principal components analysis is made in these ICB’s, and the components are used to verify which states are more alike. The goal then changes to investigate how geographically concentrated the industrial sectors are. The Gini Index is also used in this objective, but the Venables Index better captures how these industrial sectors are concentrated in a spatial view, where the distances between the states are not negligible. The industrial sectors are separated into three groups by a cluster analysis in which the variables are the principal components of the industries’ characteristics. Using the State Characteristic Bias (SCB), the industrial sectors are then analyzed from the perspective of which type of states these sectors choose. To see how these two viewpoints, or rather, the characteristics of the states and those of the industries influence the location of the industrial sectors within Brazil, an econometric model proposed by Midelfart-Knarvik et al. (2000) is estimated with the Brazilian data. In this model, it is possible to investigate how the interaction of industry and state characteristics can determine where different industries are. The principal results show that the higher investiments in infraestructure in the 70’s and the liberalization of the 90’s were importants in the location of the brazilian industry / O propósito dessa dissertação é avaliar, numa perspectiva geográfica, os setores industriais no Brasil nas últimas três décadas. Numa primeira instância, o objetivo é verificar o nível de especialização e concentração dos estados brasileiros em termos industriais, utilizando-se os índices de Krugman e Gini, respectivamente. Com os resultados desses dois índices, os estados brasileiros são separados em quatro grupos, segundo o método de grupamento de médias K. Através de um produto interno usual entre o vetor da distribuição da produção industrial dos setores nos estados e vetores de algumas características desses setores (chamado de Viés das Características da Indústria - VCI), verifica-se em que tipos de indústrias os estados estão se especializando e/ou concentrando. Uma análise multivariada de componentes principais é feita com os VCI’s, na qual esses componentes principais são usados para verificar a similaridade dos estados. Sob outra perspectiva, busca-se investigar o nível de concentração geográfico dos setores industriais brasileiros. Para tanto, utilizaram-se o índice Gini e o índice de Venables. Nesse último, a distância entre os estados não é negligenciada para mensuração da concentração. Os setores industriais são separados em três grupos pelo método de grupamento de médias K, no qual as variáveis utilizadas são os componentes principais das características das indústrias. Utilizando outro produto interno, o Viés da Característica dos Estados (VCE), observa-se em que tipo de estados os setores industriais estão se concentrando ou não. Para visualizar como essas duas perspectivas, ou seja, como as características dos estados e das indústrias influenciam a localização dos setores industriais no território brasileiro, um modelo econométrico de dados cruzados de Midelfart-Knarvik e outros (2000) é estabelecido para o caso brasileiro. Neste modelo econométrico, é possível investigar como a interação das características das indústrias e dos estados podem determinar onde a indústria se localiza. Os principais resultados mostram que os fortes investimentos em infraestrutura na década de 70 e a abertura comercial na década de 90 foram marcantes para localização da indústria brasileira.

Submitted by Thalita Cristine Landeira Portela Faro (thalita.faro@fgv.br) on 2011-07-13T19:07:40Z No. of bitstreams: 1 000039655.pdf: 3036878 bytes, checksum: 462af7769a177a15ac532ffcc864f4d2 (MD5) / Approved for entry into archive by Thalita Cristine Landeira Portela Faro (thalita.faro@fgv.br) on 2011-07-13T19:08:02Z (GMT) No. of bitstreams: 1 000039655.pdf: 3036878 bytes, checksum: 462af7769a177a15ac532ffcc864f4d2 (MD5) / Made available in DSpace on 2011-07-13T19:08:22Z (GMT). No. of bitstreams: 1 000039655.pdf: 3036878 bytes, checksum: 462af7769a177a15ac532ffcc864f4d2 (MD5) Previous issue date: 1975

Orientador: André Luiz Correa / Banca: Célio Hiratuka / Banca: Tatiana Massaroli Melo / Resumo: O Brasil passou por um processo de industrialização que visava substituir os produtos importados por mercadorias produzidas internamente. Esse fato, que ocorreu de forma deliberada pelo Estado ao longo de três décadas (de 1950 a 1970), recebeu o nome de Industrialização por Substituição de Importações (ISI). A industrialização se sucedeu de forma gradativa: primeiro a instalação do parque industrial dos bens de consumo leves, bens de consumo duráveis e, posteriormente, a instalação da indústria de bens de capital e intermediários. Sem a relativa estabilidade para construção de expectativas minimamente confiáveis quanto ao futuro, a década de 1980, conhecida como década perdida, é tida como um período de desaceleração da atividade econômica e queda dos investimentos. A sucessão de planos econômicos implantados a fim de conter a inflação só obteve sucesso com o plano Real, em 1994. Principalmente a partir desse ano as taxas de investimento no Brasil tem se mantido abaixo de 20% do PIB, um dos motivos apontados para o fraco crescimento da economia. O objetivo deste trabalho é construir um modelo que descreva o impacto de variáveis econômicas sobre a decisão de investir no período recente e estável da economia brasileira. Esta pesquisa faz parte de um pequeno, mas crescente grupo de estudos que se dedicam a compreender a indústria de transformação sob a ótica setorial, destacando-se as heterogeneidades criadas ao longo da industrialização. Um longo processo de conversão dos dados permitiu trabalhar com estatísticas da PIA (IBGE) de 1996 a 2012 minimizando o impacto da mudança de metodologia em 2007. A pesquisa está organizada em seções de caráter teórico, histórico e empírico. A primeira seção se encarrega de apresentar as principais teorias sobre os determinantes dos investimentos. A segunda seção apresentará o processo de industrialização do... / Abstract: Brazil experienced an industrialization process that aimed to replace imported products for goods produced domestically. This fact, which occurred deliberately by the state over three decades (1950-1970), named industrialization by import substitution (IIS). Industrialization ensued gradually: first the installation of the industrial park of consumer goods, durable consumer goods and subsequently the installation of capital and intermediate goods industry. No relative stability for the construction of minimally reliable expectations about the future, the 1980s, known as the "lost decade", is seen as a period of slowing economic activity and falling investment. The succession of economic plans implemented in order to curb inflation only succeeded with the plan Real, in 1994. Mainly from this year investment rates in Brazil has remained below 20% of gdp, one of the reasons given for the weak economic growth. The objective of this work is to build a model that describes the impact of economic variables on the decision to invest in new and stable period of the brazilian economy. This research is part of a small, but growing number of studies dedicated to understanding the manufacturing sector in the optical industry, highlighting the heterogeneity created throughout the history of industrialization process. Through a long process of conversion of data, it was possible to work with statistics PIA (IBGE) from 1996 to 2012 (last year released until the preparation of the work). The research is organized into sections theoretical character, historical and empirical. The first section is in charge of presenting the main theories about the determinants of investment. The second section will present Brazil's industrialization process and the evolution of economic variables and sector investment in the manufacturing industry. In the third and final section are estimated empirical models to examine the ... / Mestre

Submitted by Cristiane Oliveira (cristiane.oliveira@fgv.br) on 2013-07-12T19:33:10Z No. of bitstreams: 1 1198800415.pdf: 33665401 bytes, checksum: 293de9c61f0db1b025140e63155fd5c8 (MD5) / Approved for entry into archive by Suzinei Teles Garcia Garcia (suzinei.garcia@fgv.br) on 2013-07-12T19:37:01Z (GMT) No. of bitstreams: 1 1198800415.pdf: 33665401 bytes, checksum: 293de9c61f0db1b025140e63155fd5c8 (MD5) / Made available in DSpace on 2013-07-12T19:50:10Z (GMT). No. of bitstreams: 1 1198800415.pdf: 33665401 bytes, checksum: 293de9c61f0db1b025140e63155fd5c8 (MD5) Previous issue date: 1987 / Em função dos fenômenos ocorridos em âmbitos interno e externo da economia, verificaram-se alterações nos saldos comerciais brasileiros. O País passou a apresentar superávits comerciais já em fins dos anos 1970, vindo a se firmarem, esses resultados, na primeira metade da década de 1980. Essa reversão dos saldos deficitários comerciais no País acirrou discussões acerca de seus principais determinantes, que podem ser resumidos em duas vertentes básicas: uma que atribui a esses resultados condicionamento estrutural e outro que privilegia fatores de política econômica. Procura-se nesta monografia, abordar os condicionantes de estrutura e conjuntura dos superávits, no sentido de se extrair algumas conclusões acerca da sustentabilidade desses, resultados, sem comprometimento das metas sociais do País em momentos críticos da economia.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2018-11-08T12:18:44Z No. of bitstreams: 1 texto completo.pdf: 896661 bytes, checksum: b5213be2d5031a15054c7afbecf2e614 (MD5) / Made available in DSpace on 2018-11-08T12:18:44Z (GMT). No. of bitstreams: 1 texto completo.pdf: 896661 bytes, checksum: b5213be2d5031a15054c7afbecf2e614 (MD5) Previous issue date: 2018-02-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo principal deste artigo foi analisar, para a indústria de transformação brasileira, a inter-relação entre a inovação e seus determinantes no ano de 2014. A partir de dados disponibilizados pela Pesquisa de inovação - PINTEC (2014) e a Relação Anual de Informações Sociais – RAIS (2014) foi estimado um modelo logístico hierárquico, cujos resultados encontrados mostraram que capacitação tecnológica, pessoal ocupado, capital estrangeiro e diferenciação de produto foram os principais determinantes de inovação das empresas e dos setores da indústria de transformação. Em adição, constatou-se que o sinal encontrado para os coeficientes das regiões Nordeste e Centro-Oeste foram negativos e significativos, indicando que as empresas destas regiões necessitam de maior atenção e estímulo à inovação. Por fim, outro fato que merece destaque é que, na média, a competência para inovar da indústria de transformação brasileira está muito aquém ao desejado, mesmo diante do aumento do apoio governamental. Isto pode ser visto por meio do valor médio encontrado para a taxa de inovação (43%). / The main objective of this article was to analyze, for the Brazilian manufacturing industry, the interrelation between innovation and its determinants in 2014. Using data provided from innovation research - PINTEC (2014) and the Annual Social Information - RAIS (2014) we estimated a hierarchical logistic model. The results found showed that technological capacity, employed persons, foreign capital and product differentiation were the main determinants of innovation of firms and sectors in manufacturing industries. In addition, we also found that the signal for the coefficients of the Northeast and Center-West regions were negative and significant, indicating that firms of these regions need more attention and stimulation to innovation. Finally, another fact worth mentioning is that, on average, the competence to innovate in the Brazilian manufacturing industry is far below what is desired, even in the face of increased government support. This can be seen by means of the average value found for the innovation rate (43%).