A CEPAL estava certa: big data, redes complexas scale-free e padrões centro-periferia no comércio mundial

A regressão acima mostra que há uma correlação importante entre o número total de arestas de cada país no comercio mundial e renda per capita; quanto mais próximo do centro da rede global de comércio esta o pais, maior a renda per capita. Tanto número total de links quanto renda per capita aumentam de forma não linear entre países. Usamos aqui a ideia de número total de arestas como medida de centralidade na rede seguindo a literatura sobre o tema (ver degree centrality em Newman 2010). Regressões usando uma transformação do número de links de produtos não ponderados para ponderados segundo a classificação PCI dos produtos SITC chegam a resultados semelhantes. Ou seja, os países do centro da rede de comercio munidal são hubs tanto em termos da gama total de produtos do comércio mundial como em termos da gama qualificada dos produtos mais complexos.
O banco de dados que resultou nessa rede comercial tem 101 países e 762 produtos (SITC revisão 2 com 4 dígitos) que geraram 1.756.224 arestas em 2013. Um nó da rede representa um país e cada aresta representa um produto que sai de um nó (país de origem) e chega a outro nó (país de destino). Quanto mais arestas tiver um país em determinado mercado, maior será sua relevância. A ideia econômica aqui é que muitas conexões ou arestas de um pais num determinado produto mostram que esse país tem vantagens comparativas reveladas importantes. Existem n fatores capazes de explicar essas vantagens comparativas dos países em vários mercados: i) vantagens locacionais em termos de baixo custo de transporte, ii) abundância relativa de recursos naturais, iii) mão de obra barata ou especializada na produção de determinados bens, iv) domínio tecnológico e assim por diante. O número total de arestas tambem se correlaciona fortemente com a complexidade do pais conforme se observa no gráfico abaixo. Mais uma indicação de que países que se sofisticaram e conquistaram muitos mercados foram capazes de desenvolver capacidades produtivas em inúmeros produtos. Isso vale tanto para países de população grande quanto pequena.

grafico_complexidade_links_j

Esses dados indicam que os países com a maior quantidade de links, tanto em termos de produtos não qualificados como em termos de produtos qualificados por PCI, são países ricos, são hubs do comércio mundial. Os simples nós são países pobres. China e Índia se destacam muito na rede mundial de 2013 mostrada acima. Apesar de terem renda per capita relativamente baixa ainda por conta da enorme população, conseguiram acumular uma enorme quantidade de links nos últimos 10 anos. Em termos de arestas complexas deixam um pouco a desejar, especialmente a Índia. EUA, Alemanha, Japão e Coreia do Sul aparecem no centro da rede, são os “usual suspects”; tem milhares de arestas de alta complexidade. Esses resultados apontam exatamente na direção do que diziam os autores cepalinos: países de renda per capita elevada se concentram na produção e exportação de bens manufaturados e complexos no centro da rede de comércio mundial, países de renda per capita baixa se concentram na produção e exportação de commodities não complexas na periferia da rede. Países ricos da Europa, América do Norte e Ásia estão no centro da rede de comércio mundial. Países pobres da África, América Latina e Ásia estão na periferia da rede. O algoritmo para detecção de power laws e hubs que rodamos encontrou resultado positivo para um terço dos mercados SITC e para a rede como um todo.

tabela

Big data, redes complexas scale-free, power laws e hubs

O tema da complexidade ganhou destaque em economia com os trabalhos de Brian Arthur na liderança do Instituto Santa Fé no Novo México no final dos anos 80 (Arthur (2015) e Foster (2005)). Com aplicações em várias frentes, a perspectiva de sistemas dinâmicos complexos tem sido aplicada em diversos campos de pesquisa em economia e outras ciências. Estas aplicações são usadas, por exemplo, em teoria dos jogos, ciência política, biologia, física, entre outros. Em economia as aplicações originais foram em modelagem de funcionamento de mercados financeiros, regras de tomada de decisão de agentes individuais em variados contextos e estudos sobre path dependence ou dinâmicas tecnológicas que dependem de sua trajetória inicial graças a presença de retornos crescentes. O Altas da Complexidade Econômica de 2011 apresentado na seção anterior combina avanços dessa discussão de complexidade com a tecnologia de Big Data para criar talvez um dos mais modernos e relevantes banco de dados da atualidade para analise do comércio mundial. O termo Big Data vem sendo utilizado atualmente em diversos contextos para descrever a crescente explosão de dados disponíveis no universo digital; na sua raiz, o termo se refere a análise de um grande volume e variedade de dados com grande velocidade.

Em uma compilação de suas contribuições para a ciência das redes complexas scale-free Barabasi (2002) explica de forma detalhada suas novas contribuições para a ciência das redes no contexto de Big Data para diversos campos do saber; alguns exemplos práticos principais são a própria internet, a rede de atores e filmes de Hollywood, redes biológicas e a malha aérea americana, entre tantas outras. O caso da malha aérea americana abaixo apresentado por Barabasi (2002) demonstra o conceito de rede complexa scale-free com hubs que usaremos em nossa analise empírica de forma bastante intuitiva. A rede do sistema rodoviário americano com muitos nós de conexão (cada cidade é um nó) e sem hubs relevantes é uma rede randômica. A rede da malha aérea é o exemplo oposto: uma rede complexa com hubs (ou nós grandes com muitas conexões) e, portanto, não randômica ou scale-free. Existem alguns poucos hubs que concentram a maioria das conexões (Chicago, Nova Iorque, Houston, LA, etc). Nesse tipo de rede complexa e não randômica, alguns poucos hubs tem a maioria dos links ou conexões e os outros tantos nós tem pouquíssimas ou nenhuma conexão. Uma nova cidade que tente competir em termos de receber e enviar voos terá grande dificuldade ao tentar competir com os hubs. Sua posição de “nó comum” na rede dificulta demais a entrada nesse mercado. A rede é considerada scale-free pois o número de links dos nós não segue um padrão bem comportado, segue uma distribuição do tipo power law.

Mapa_barabasi

Fonte: Barabasi (2002)

Numa rede randômica os nós têm uma quantidade aleatória de links. Numa rede complexa scale-free e com hubs, alguns nós têm a maioria dos links e a grande maioria dos outros nós tem pouquíssimos links. Uma distribuição gaussiana caracteriza o primeiro tipo de rede enquanto que uma distribuição do tipo power law caracteriza o segundo tipo de rede. Em redes não randômicas existe uma hierarquia onde os hubs mandam pois tem muito mais acesso aos outros links do que os nós “comuns”, reina uma “topocracia” (ver Borondo et al 2014). Existe uma competição desigual no sentido de que ao longo do tempo um determinado nó coletou muitas arestas e virou um hub, com mais acesso a outras arestas. Um nó comum tem muita dificuldade de competir com um hub pois parte de uma situação inicial pobre em termos de estoque de links acumulados. Barabasi e sua equipe criaram um modelo simplificado que reproduz com incrível precisão esse tipo de dinâmica de redes encontradas na vida real. Trata-se de um modelo simples com três regras: i)uma rede que cresce com novos nós sendo incorporados por links a outros nós a cada momento do tempo; ii)uma regra de conexão preferencial onde cada novo nó prefere se conectar a um nó já existente com muitas conexões (preferencial attachment) e iii) fitness: alguns nós tem competência maior do que outros para acumular links, o que pode em tese ajudar um nó novo a superar a dificuldade de não ter links quando entra na rede.

Com essas três regras Barabasi e sua equipe reproduzem em termos formais as características desse tipo de rede encontrada no mundo real; inclusive em termos de surgimento de distribuições do tipo power laws conforme destacamos acima no caso da malha aérea americana. O mecanismo de preferential attachment de Barabasi nada mais é do que a conhecida dinâmica de retornos crescentes ilustrado com a urna por Polya e depois generalizado para várias urnas por Yules. H. Simon mostrou que power laws surgem como consequência possível de processos do tipo Yules (Newman 2010). Para estudos em economia essas descobertas são de grande importância pois formalizam e trazem um ganho analítico enorme para insights e regularidades empíricas importantes já conhecidas. Esse tipo de análise traz muitas novas conclusões, especialmente para as discussões da nova geografia econômica e comércio internacional (que A. Marshall, Krugman et al (1999) entre outros já haviam destacado). Esse tipo de dinâmica das redes de Barabasi ilustra bem os processos de retornos crescentes e “path dependent” analisados por Arthur (2015) em seus trabalhos sobre complexidade.

Complexidade econômica e padrões de comércio internacional

Hausmann et al (2011) usam técnicas de computação, redes e complexidade para criar um método capaz de medir a sofisticação produtiva ou “complexidade econômica” de países com extraordinária simplicidade. A partir da análise da pauta exportadora de um determinado país, são capazes de medir de forma indireta a sofisticação tecnológica de seu tecido produtivo. A metodologia criada para a construção dos índices de complexidade econômica culminou num Atlas (http://atlas.media.mit.edu) que reúne extenso material sobre uma infinidade de produtos e países desde 1963. Os dois conceitos básicos para se medir se um país é complexo economicamente são a ubiquidade e diversidade de produtos encontrados na sua pauta exportadora. Se uma determinada economia é capaz de produzir bens não ubíquos, raros e complexos, há indicação de que tem um sofisticado tecido produtivo.Claro que há um problema aqui de escassez relativa, especialmente de produtos naturais como diamantes e urânio, por exemplo.

Os bens não ubíquos devem ser divididos entre aqueles que têm alto conteúdo tecnológico e, portanto, são de difícil produção (aviões, por exemplo) e aqueles que são altamente escassos na natureza, por exemplo, diamantes, e, portanto, tem uma não ubiquidade natural. Para controlar esse problema dos recursos naturais escassos na medição de complexidade, os autores do Atlas usam uma técnica engenhosa: comparam a ubiquidade do produto feito num determinado país com a diversidade de exportação de países que também exportam esse produto. Por exemplo: Botsuana e Serra Leoa produzem e exportam algo raro e, portanto, não ubíquo: diamantes brutos. Por outro lado têm uma pauta exportadora extremamente limitada e não diversificada. Temos aqui então casos de não ubiquidade sem complexidade. Por outro lado, poderíamos citar equipamentos médicos de processamento de imagem (raio-X), algo que praticamente só Japão, Alemanha e Estados Unidos conseguem fabricar, certamente um produto não ubíquo. Só que nesse caso a pauta exportadora de Japão, EUA e Alemanha são extremamente diversificadas, indicando que esses países são altamente capazes de fazer várias coisas. Ou seja, não ubiquidade com diversidade significa “complexidade econômica”. Um país que tenha uma pauta muito diversificada mas em bens ubíquos (peixes, tecidos, carnes, minérios, etc…) não apresenta grande complexidade econômica; faz o que todos fazem. Dessa forma, diversidade sem não ubiquidade significa falta de complexidade econômica.

Uma das grandes virtudes desses indicadores de complexidade econômica (ECI) e de produtos (PCI) é que não há considerações sobre questões qualitativas relevantes para a produção e exportação desses bens. Ou seja, não há juízo de valor em relação ao que se considera complexo ou não complexo. Nessa linha de raciocínio os autores seguem classificando diversos países e chegam a correlações robustas entre níveis de renda per capita, desigualdade econômica e complexidade econômica (Hausmann et al 2011 e Hartman et al 2015). Japão, Alemanha, Estados Unidos, Reino Unido e Suécia estão sempre entres os 10 primeiros países nos rankings de complexidade dos últimos 10 anos. O desenvolvimento econômico pode ser tratado como o domínio de técnicas de produção mais sofisticadas que em geral levam a produção de maior valor adicionado por trabalhador, como defendiam os clássicos. É isso que o indicador de complexidade econômica acaba capturando de forma bastante engenhosa a partir de medidas de ubiquidade e diversidade da pauta exportadora dos diversos países. Os resultados do Atlas também apontam na direção sugerida pelos clássicos do desenvolvimento econômico para padrões de especialização no comércio mundial: países ricos se especializam em mercados de manufaturas e países pobres em mercados de commodities, algo que exploraremos abaixo com mais profundidade.

Nesse sentido o Atlas da Complexidade Econômica também traz uma contribuição empírica importante; ao calcular a probabilidade de produtos serem co-exportados por diversos países, o Atlas cria uma medida interessante sobre conhecimento produtivo contido nos produtos e capacidades locais necessárias para produzi-los: o “espaço produtivo” (Hidalgo et al 2007). Quanto maior a probabilidade de dois produtos serem co-exportados maior a indicação de que contem características similares e de que portanto demandam capacidades produtivas similares para serem produzidos, são produtos “irmãos” ou “primos”. O indicador de co-exportação acaba funcionando como uma medida de encadeamento de conhecimento produtivo entre produtos, ou seja, ele indica as conexões produtivas existentes entre vários bens graças aos pré-requisitos comuns necessários para produzi-los. Os bens que tem muita conectividade estão, portanto, carregados de potencial de conhecimento e tecnológico o que os torna hubs de conhecimento; enquanto que bens com baixa conectividade requerem capacidades produtivas simples e que tem baixo potencial multiplicativo de conhecimento.

Por exemplo: países que produzem motores de combustão avançados provavelmente têm engenheiros e conhecimentos que permitem produzir uma série de coisas similares e sofisticadas. Países que produzem só bananas ou frutas tem conhecimentos limitados e provavelmente serão incapazes de fazer bens mais complexos. É importante frisar aqui que toda dificuldade para se observar isso decorre da incapacidade de se medir e capturar diretamente essas competências produtivas locais. O que se observa no comércio internacional são os produtos e não as habilidades que os países têm em produzi-los. Do ponto de vista empírico, fica claro no Atlas que manufaturas se caracterizam em geral como bens mais complexos e commodities aparecem como bens não complexos. Das 34 principais comunidades de produtos calculadas a partir de uma algoritmo de compressão do Atlas (Rosvall and Bergstrom 2007), é possível observar que maquinário, produtos químicos, aviões, navios e eletrônicos se destacam como bens mais complexos e conectados entre si (ou seja, hubs de conhecimento). Por outro lado, pedras preciosas, petróleo, minerais, peixes e crustáceos, frutas, flores e agricultura tropical apresentam baixíssima complexidade e conectividade. Cereais, têxteis, equipamentos para construção e alimentos processados situam-se numa posição intermediaria entre os bens mais complexos e menos complexos.

A Cepal e os clássicos do desenvolvimento econômico

Os antigos economistas do desenvolvimento, também conhecidos como estruturalistas, dividiam-se em duas principais correntes: uma anglo-saxã e outra latino-americana. Ambas as vertentes baseavam suas análises sobre desenvolvimento econômico em conceitos de linkages ou ligações produtivas, complementaridades, armadilhas de pobreza, padrões centro-periferia e dualismos. A visão estruturalista define o desenvolvimento econômico como uma transformação radical na estrutura produtiva das economias no sentido de sofisticação do tecido produtivo. Com base na hipótese de que a estrutura produtiva industrial de um país afeta tanto o ritmo quanto a direção do desenvolvimento econômico, a literatura estruturalista destaca a importância da industrialização no processo de crescimento. Para os economistas estruturalistas, sem um processo de industrialização robusto não é possível aumentar o emprego, a produtividade e a renda per capita de um país e, consequentemente, reduzir a sua pobreza. Para esses autores o processo de desenvolvimento envolve uma realocação da produção de setores de baixa produtividade para setores de alta produtividade, onde retornos crescentes de escala prevalecem.

Paul Rosenstein-Rodan, Ragnar Nurkse, Arthur Lewis, H. Singer, Albert Hirschman, Gunnar Myrdal e Hollis Chenery pertencem ao grupo de pensadores econômicos associados com o estruturalismo original ou clássicos do desenvolvimento. Suas contribuições seminais desafiaram a visão neoclássica acerca da eficiência do mercado para promover a mudança estrutural necessária para o processo de desenvolvimento econômico. Outra linha de contribuições vem do chamado estruturalismo latino-americano, que está relacionado principalmente à Comissão Econômica para a América Latina (CEPAL) cujas obras se integraram em uma escola de pensamento coerente no final dos anos 1950. À luz das experiências históricas, os principais pensamentos apresentados nesta versão latino-americana estão encapsulados nas obras de Raul Prebisch e Celso Furtado (Bianchi and Salviano 1999), com foco sobre os desafios enfrentados pelos países em desenvolvimento para crescer em uma economia mundial dividida em dois pólos: o centro e a periferia, com suas distintas estruturas produtivas.

Para todos esses autores clássicos do desenvolvimento econômico as atividades produtivas são diferentes em termos de suas habilidades para gerar crescimento e desenvolvimento. Atividades com altos retornos crescentes de escala, alta incidência de inovações tecnológicas e altas sinergias decorrentes de divisão do trabalho dentro das empresas e entre empresas são fortemente indutoras de desenvolvimento econômico (Reinert 2009). São atividades onde em geral predominam competição imperfeita e todas as características desse tipo de estrutura de mercado (importantes curvas de aprendizagem, rápido progresso técnico, alto conteúdo de R&D, grandes possibilidades de economias de escala e escopo, alta concentração industrial, grandes barreiras à entrada, diferenciação por marcas, etc…). Esse grupo de atividades de alto valor agregado se contrapõe às atividades de baixo valor agregado, em geral praticadas em países pobres ou de renda média com típica estrutura de competição perfeita (baixo conteúdo de R&D, baixa inovação tecnológica, informação perfeita, ausência de curvas de aprendizado e possibilidades de divisão do trabalho) (Reinert and Katel 2010).

Para esses economistas o aumento de produtividade de uma economia viria justamente da subida da escada tecnológica, migrando de atividades de baixa qualidade para as atividades de alta qualidade, rumo à sofisticação tecnológica do tecido produtivo (Bresser-Pereira 2016). Migrar de atividades de baixa qualidade para as atividades de alta qualidade é tarefa de enorme dificuldade. Desse salto depende o processo de desenvolvimento econômico. Graças as suas características as atividades de alta qualidade aparecem em mercados com estruturas de oligopólio e concorrência monopolística o que já dificulta sobremaneira a entrada de novos players de países emergentes. Barreiras à entrada, grandes economias de escala e diferenciação por marcas são algumas das características desses mercados que dificultam muito o acesso de novas empresas do mundo emergente. Para se desenvolver um país precisa ser capaz de constituir empresas nesses setores já muito bem ocupados onde os potenciais de economias de escala e lucros são enormes: aí está a produtividade. Tarefa nada fácil para um país emergente; sem entrar nesses mercados e ocupar espaços relevantes não há ganhos de produtividade significativos e não há desenvolvimento econômico; não há sofisticação do tecido produtivo nem aumento da complexidade da produção.

Referências

Abbate, A., Benedicts, L., Fagiolo, G., Tajoli, L., (2013)  “The International Trade Network in Space and Time, SSRN Electronic Journal, April

Arthur, W., B. (2015), Complexity and the Economy, Oxford University press, New York.

Barabasi, A.L. (2002) Linked: How Everything Is Connected to Everything Else and What It Means for Business, Science, and Everyday Life, Basic Books ed. NY

Barabasi A.L., (2016) Network Science, http://barabasi.com/networksciencebook/

Barigozzi, M., Fagiolo, G., Garlaschelli, D., (2010) “Multinetwork of international trade: A commodity-specific analysis, Physical Review E, April

Bianchi, A.,M., and Salviano, C. Jr (1999) “Raul Prebisch and the beginnings of the Latin American School of Economics: a rhetorical perspective”, Journal of Economic Methodology, Volume 6Issue 3, 1999 pages 423-438 DOI: 10.1080/13501789900000026

Bresser-Pereira, L.C., (2014), A construção política do Brasil, editora 34, São Paulo, Brazil

Bresser-Pereira, L.C., (2016), “Reflecting on new developmentalism and classical developmentalism”, Revista de Economia Política, vol. 36, nº 2 (143), pp. 237-265, abril-junho/2016

J. BorondoF. BorondoC. Rodriguez-SickertC. A. Hidalgo (2014), “To Each According to its Degree: The Meritocracy and Topocracy of Embedded Markets”, Scientific Reports 4, Article number: 3784 doi:10.1038/srep03784

Chang, H.,J., (2003), Rethinking Development Economics, Ha-Joon Chang (ed.), Anthem Press, London

Cristelli M, Gabrielli A, Tacchella A, Caldarelli G, Pietronero L (2013) “Measuring the Intangibles: A Metrics for the Economic Complexity of Countries and Products”, PLoS ONE 8(8): e70726. doi:10.1371/journal.pone.0070726

Deguchi, T., Takahashi, K., Takayasu, H., Takayasu M. (2014) “Hubs and Authorities in the World Trade Network Using a Weighted HITS Algorithm”, PLOS ONE 9(7): e100338. doi:10.1371/journal.pone.0100338

Felipe, J., Kumar, U., Abdon, A., Bacate, M. (2012), “Product complexity and Economic Development”, in Structural Change and Economic Dynamics, June

Fagiolo. G., Reyes,J., Schiavo. S., (2008) “The Evolution of the World Trade Web. A Weighted-Network Analysis”, Journal of Evolutionary Economics August, Volume 20, Issue 4, pp 479-514

Foster, J., (2005) “From simplistic to complex systems in economics”, Cambridge Journal of Economics 29, 873–892, doi:10.1093/cje/bei083

Hausmann, R.; Hidalgo, C.A.; Bustos, S.; Coscia, M.; Chung, S.; Jimenez, J.; Simões, A.; Yildirim, M. A. (2011) The Atlas of Economics Complexity – Mapping Paths to prosperity. Puritan Press

Hidalgo, C. (2015) Why information grows: the evolution of order, from Atoms to Economies, ed. Basic Books, NY

Hartmann, D., Guevara, M.R., Jara-Figueroa, C., Aristarán, M. Hidalgo, C.(2015), “Linking economic complexity, institutions and income inequality”, arXiv:1505.07907 [q-fin.EC]

Hidalgo, C; Hausmann, R. (2011) “The network structure of economic output”, Journal of Economic Growth, 16(4), pp. 309-42

Hidalgo, C. A., Klinger, B, Barabasi, A., L., and Hausmann, R., (2007) “The product space conditions the development of nations”, Science 27 july: 317 (5837), 482-487. Doi:10.1126/science.1144581

Johnson, N., F., (2007), Simply Complexity, a clear guide to complexity theory, Oneworld publications, Oxford

Kaldor, N., (1966) “Causes of the slow rate of economic growth of the United Kingdom”, in: Further Essays On Economic Theory, New York, Holmes & Meier Publisher.

Kattel, R. and Reinert, E., (2009) “The relevance of Ragnar Nurkse and classical development economics,” The other canon foundation and Tallinn university of technology working papers in technology governance and economic dynamics n21

Kattel, R. and Reinert, E., (2010) “Modernizing Russia: round iii. Russia and the other bric countries: forging ahead, catching up or falling behind?”, The Other Canon foundation and Tallinn university of technology working papers in technology governance and economic dynamics n32

Krugman, p., Fujita, and Venables (1999) The Spatial Economy, cities regions and international trade, Mit Press

Lall, S, Weiss, J., and Zhang, ., (2005) “The ‘sophistication’ of exports: a new measure of product characteristics”, ADB Institute Discussion Paper No. 23

Newman, M.E.J., (2010) Networks, an introduction, Santa Fe Institute, Oxford University Press

Oladi, R., and Gilbert, J. (2012) “Buyer and Seller Concentration in Global Commodity Markets”, DOI: 10.1111/j.1467-9361.2012.00667.x, Review of Development Economics, Volume 16, Issue 2, pages 359–367, May 2012

Palma, G., (2010) “Why has productivity growth stagnated in most Latin American countries since the neo-liberal reforms?” May, Cambridge Working Papers in Economics n1030

Reinert, E. (2008) How rich countries got rich and why poor countries stay poor, Ed. Public Affairs

Reinert, E., (2010) “Developmentalism,” The other canon foundation and Tallinn University of technology working papers in technology governance and economic dynamics n34

Reinert, S. (2011), Translating Empire, Emulation and the Origins of political economy, Harvard University Press

Rocha, I., L. (2015), “Essays on Economic Growth and Industrial Development: A comparative analysis between Brazil and South Korea”, PhD Thesis, University of Cambridge.

Rosvall, M. and Bergstrom, C. (2008) “Maps of random walks on complex networks reveal community structure,” Proceedings of the National Academy of Sciences 105, 1118

Schteingart, D. (2014) “Estructura productivo-tecnológica, inserción internacional y desarrollo”, Tesis de Maestría en sociología económica, Idaes-Unsam, Buenos Aires

Serrano, A. and Boguñá, M. (2003) “Topology of the world trade web”, Physical Review E 68, 015101(R), July

Sinha, S., Chatterjee, A., Chakraborti, A., Bikas K. (2010) Econophysics: An Introduction, 1st Edition, Wiley-VCH

Thirlwall, A. P. (1979) “The balance of payments constraint as an explanation of international growth rates differences”, Banca Nazionale del Lavoro Quarterly Review, v. 128

6 thoughts on “A CEPAL estava certa: big data, redes complexas scale-free e padrões centro-periferia no comércio mundial”

  1. Sério que vocês estão descobrindo agora que os vencedores do capitalismo são EUA, Alemanha e Japão??
    Sério que vocês ainda não tentaram entender o que seriam mais-valia relativa e mais-valia absoluta??

    Por favor, né…

  2. Uma dúvida: pauta de exportações seria mesmo o melhor indicador da complexidade da produção de um país ? Considerando-se a produção para o mercado interno, os indicadores de complexidade não poderiam ser alterados ? Por exemplo, dois países com idêntico indicador de complexidade produtiva com base nas exportações podem ter complexidades da produção para o mercado interno bem diferentes.

    1. Sim, é uma das fraquezas da metodologia. Por outro lado essas bases de comércio tem dados de 1963 até 2014 para 130 países e 750 produtos. São dados padronizados e comparáveis que não se encontram nas contas nacionais de cada país para esse período.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *