02 de outubro de 2026
Relações Espaciais entre Repasses da Cota-Parte do ICMS e a Atividade Econômica Municipal em Goiás
Relações Espaciais entre Repasses da Cota-parte do Icms e a Atividade Econômica Municipal em Goiás
Érika Martins Lima Cherubino; João Ítalo Bolqui Dutra
DOI: 10.22167/2675-6528-202602880
Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.
Resumo
Uma pesquisa quantitativa aplicada à administração tributária estadual foi realizada com o objetivo de analisar espacialmente os valores per capita da cota-parte municipal do Imposto sobre Circulação de Mercadorias e Serviços (ICMS) e verificar sua relação com o Produto Interno Bruto (PIB) per capita dos municípios goianos no período de 2014 a 2023. Para tanto, empregaram-se técnicas de Análise Exploratória de Dados Espaciais, incluindo mapas coropléticos, Índice de Moran Global e Local (LISA), estatística Getis-Ord Gi* e clusters espaciais SKATER. Os resultados demonstraram que o território goiano se organizou de forma heterogênea e não aleatória, caracterizado por desigualdades regionais persistentes que se reproduziram no tempo e mantiveram uma configuração territorial relativamente estável. Observou-se que a geografia fiscal do estado foi influenciada pela geografia econômica no período analisado, mas essa relação não se mostrou sempre linear no espaço, sendo marcada por especificidades territoriais, fiscais e regionais. Concluiu-se que o estudo fornece elementos relevantes para a compreensão da dinâmica regional da arrecadação e para a atuação estratégica da administração tributária estadual, especialmente no aprimoramento de políticas regionais de arrecadação, incentivos e fiscalização.
Palavras-chave: Análise Espacial; Arrecadação Tributária; Estado de Goiás; Produto Interno Bruto.
1. Introdução
Os impostos representam o núcleo da arrecadação dos entes federativos no Brasil. No âmbito dos estados, o Imposto sobre Circulação de Mercadorias e Serviços (ICMS) é o tributo de competência estadual que incide sobre a circulação de mercadorias e a prestação de serviços de transporte interestadual, intermunicipal e de comunicação. Uma parcela da arrecadação do ICMS é repartida com os municípios, constituindo uma de suas principais fontes de receita, conforme destacado por Gremaud et al. (2024).
Do ponto de vista econômico, o ICMS é classificado como um imposto do tipo valor adicionado, cuja alíquota incide sobre o valor agregado ao bem em cada etapa da cadeia produtiva. Isso significa que o valor a ser arrecadado depende diretamente da base de cálculo sobre a qual incide. Nesse contexto, a volumetria da arrecadação tributária é influenciada pelo nível de atividade e renda da economia, com o crescimento econômico impulsionando o aumento da arrecadação e o desaquecimento resultando no efeito inverso (Gremaud et al., 2024).
A análise espacial emerge como uma ferramenta fundamental para compreender fenômenos complexos, dada a inter-relação entre elementos geograficamente próximos, conforme a primeira lei da Geografia formalizada por Tobler (1970). Essa abordagem permite associar dados coletados a variáveis geográficas, contribuindo para a organização e o entendimento de diversos aspectos socioespaciais (Cardoso et al., 2020). Estudos anteriores já aplicaram a autocorrelação espacial a repasses fiscais e ao desempenho econômico municipal, como o ICMS Ecológico em Minas Gerais (Sgarbi et al., 2018) e o desempenho econômico de municípios catarinenses (Begnini et al., 2024).
Contudo, não foram identificados estudos que relacionem espacialmente a cota-parte do ICMS e o Produto Interno Bruto (PIB) per capita nos municípios goianos, conferindo caráter inédito a esta pesquisa nesse recorte territorial. A compreensão da dinâmica regional da arrecadação e a atuação estratégica da administração tributária estadual são cruciais para o aprimoramento de políticas regionais de arrecadação, incentivos e fiscalização, justificando a relevância deste estudo.
Ante o exposto, o presente estudo tem como objetivo analisar espacialmente os valores per capita da cota-parte municipal do ICMS e verificar sua relação com o Produto Interno Bruto (PIB) per capita dos municípios goianos no período de 2014 a 2023. A motivação para a realização desse estudo é fornecer elementos relevantes para a compreensão da dinâmica regional da arrecadação e para a atuação estratégica da administração tributária estadual, especialmente no aprimoramento de políticas regionais de arrecadação, incentivos e fiscalização.
2. Material e Métodos
O presente estudo caracterizou-se como uma pesquisa quantitativa, aplicada à administração tributária estadual, com abordagem exploratória e analítica. O objetivo foi analisar espacialmente os valores per capita da cota-parte municipal do Imposto sobre Circulação de Mercadorias e Serviços (ICMS) e verificar sua relação com o Produto Interno Bruto (PIB) per capita dos municípios goianos. A investigação abrangeu o período de 2014 a 2023, focando na identificação de padrões e relações espaciais.
A unidade de análise compreendeu os 246 municípios do estado de Goiás, localizado na região Centro-Oeste do Brasil. Os dados referentes aos repasses da cota-parte municipal do ICMS foram extraídos do Portal de Dados Abertos de Goiás. Adicionalmente, os dados do Produto Interno Bruto (PIB) dos municípios, para o mesmo período, foram obtidos junto ao Instituto Brasileiro de Geografia e Estatística (IBGE, 2024).
A janela temporal de análise foi definida de 2014 a 2023. Após a coleta, os dados passaram por etapas de limpeza, padronização e organização, incluindo tratamento de valores inválidos ou ausentes, normalização de nomes e consolidação tabular anual. Para as análises espaciais, foram obtidos dados de georreferenciamento dos perímetros municipais de Goiás no formato GeoJSON.
Para mitigar efeitos de escala e permitir análises comparativas, realizou-se a normalização dos dados por população, convertendo os valores brutos de ICMS e PIB para valores per capita. A população residente de cada município foi utilizada para ambos os cálculos (Vianna e Costa, 2025). Uma etapa adicional envolveu a aplicação de logaritmo natural aos valores per capita do ICMS e do PIB, devido às assimetrias observadas em suas distribuições (Wooldridge, 2007).
A análise dos dados iniciou-se com técnicas de Análise Exploratória de Dados (AED), aplicando medidas-resumo como média, mediana e moda para descrever as dispersões e formas de distribuição dos valores (Fávero e Belfiore, 2024). Em seguida, para investigar padrões e relações espaciais, empregou-se a Análise Exploratória de Dados Espaciais (AEDE), que integra informações de localização como parte constitutiva do fenômeno (Anselin, 2023), visando identificar padrões de associações e agrupamentos de valores semelhantes (Hao, 2019).
Um conceito fundamental na AEDE é a autocorrelação espacial, que mede a associação entre a similaridade de atributos e a similaridade geográfica, caracterizada por um relacionamento de vizinhança (Druck et al., 2004). Para quantificar essa autocorrelação global, utilizou-se a Estatística I de Moran. Este índice baseia-se no cálculo do produto dos desvios dos valores em relação à média global, considerando uma matriz de pesos espaciais. A significância estatística foi determinada por testes de pseudo-significância, utilizando permutações.
Para identificar agrupamentos espaciais em diferentes localizações, aplicou-se o Índice de Moran Local (LISA), que permite a visualização de padrões de autocorrelação em nível municipal. Adicionalmente, para mensurar a intensidade local de concentração de valores altos (hotspots) e baixos (coldspots), empregou-se a estatística Getis-Ord Gi* (Anselin, 2023). Essa técnica calculou escores z para cada conjunto de dados, possibilitando a identificação de aglomerações de elementos.
A regionalização espacial dos municípios, agrupando-os por similaridade e contiguidade, foi realizada por meio do algoritmo “Spatial ‘K’luster Analysis by Tree Edge Removal” (SKATER). Essa técnica é adequada para formar clusters espacialmente contíguos e internamente homogêneos (Assunção et al., 2006). O processo envolveu a obtenção de uma Árvore Geradora Mínima (AGM) e a avaliação de pontos de poda por meio do cálculo da Soma dos Desvios Quadráticos (SSD) para as subárvores (Anselin, 2023).
As análises foram implementadas em linguagem Python, utilizando bibliotecas como Pandas para manipulação de dados, PySAL e ESDA para análise espacial, GeoPandas para dados espaciais e Folium para geração de mapas interativos.
3. Resultados e Discussão
A análise inicial da dinâmica das variáveis de estudo revelou características importantes na distribuição dos valores per capita dos repasses de Imposto sobre Circulação de Mercadorias e Serviços (ICMS) e do Produto Interno Bruto (PIB) nos municípios goianos. Observou-se uma heterogeneidade distributiva marcante, com arranjos que indicaram assimetrias positivas. Isso significa que a maioria dos municípios se concentrou em faixas intermediárias de valores, enquanto poucos apresentaram valores relativamente elevados. A assimetria foi mais pronunciada para o PIB per capita, sugerindo uma influência mais significativa de municípios com alta atividade econômica sobre a média geral do estado.
Apesar da aplicação da transformação logarítmica para mitigar os efeitos de escala, a assimetria na distribuição dos valores monetários permaneceu visível ao longo de todo o período de 2014 a 2023. Esse padrão persistente, mesmo com o crescimento nominal dos valores per capita de arrecadação e PIB, indica que a heterogeneidade entre os municípios não se dissolveu, mas se reproduziu ao longo da década. Tal constatação aponta para a existência de disparidades fiscais e econômicas que são persistentes e estruturais no território goiano, refletindo uma organização espacial não aleatória.
Ao examinar os municípios com maiores e menores valores de ICMS per capita e PIB per capita em 2023, verificou-se que Perolândia, Davinópolis, Chapadão do Céu, Paraúna, Barro Alto e Turvelândia figuraram entre os seis maiores em ambas as variáveis. Esses municípios são caracterizados por economias fortemente baseadas na agropecuária e na indústria, conforme apontado por Vianna e Costa (2025). Uma distinção notável foi o município de Alto Horizonte, que, apesar de não estar entre os dez maiores em PIB per capita, registrou o maior valor de repasse de ICMS per capita em Goiás, indicando especificidades na relação entre atividade econômica e arrecadação tributária em certos contextos locais.
Os coeficientes de Gini calculados para as variáveis de estudo, no período de 2014 a 2023, indicaram desigualdades moderadas em suas distribuições. Em termos comparativos, a desigualdade na distribuição do ICMS per capita mostrou-se mais elevada e persistente do que a observada para o PIB per capita. Enquanto o coeficiente de Gini para o ICMS per capita manteve-se predominantemente na faixa de 0,35 a 0,37, o PIB per capita apresentou maior oscilação, variando entre 0,29 e 0,33 ao longo da série temporal. Essa diferença sugere que, embora ambas as variáveis demonstrem desigualdade, a distribuição da cota-parte do ICMS é mais rigidamente estruturada em termos de disparidade.
A transição para a análise exploratória de dados espaciais permitiu a visualização dos padrões territoriais. Por meio de mapas coropléticos, observou-se que tanto os repasses de ICMS per capita quanto o PIB per capita apresentaram áreas de maior intensidade relativa nas regiões sul, sudoeste e em partes do sudeste do estado. Adicionalmente, foram identificadas manchas escuras pontuais no norte e centro-norte. Em contraste, as regiões central e centro-leste, especialmente no entorno do Distrito Federal, exibiram menor intensidade para ambas as variáveis, delineando uma geografia fiscal e econômica heterogênea.
Uma comparação visual dos mapas revelou uma convergência parcial nos padrões observados para as duas variáveis, sugerindo uma coincidência territorial entre níveis mais elevados de atividade econômica e maiores repasses de ICMS per capita. Contudo, o PIB per capita demonstrou uma configuração espacial menos fragmentada, apresentando maior continuidade e coesão regional em comparação com o ICMS per capita. As disparidades territoriais foram recorrentes ao longo do período, reforçando a hipótese de que os diferenciais de repasses de ICMS e PIB per capita são persistentes e estruturais, não meramente conjunturais.
A existência de autocorrelação espacial positiva e estatisticamente significativa foi confirmada pelos resultados do Índice de Moran Global para ambas as variáveis em todos os anos analisados. Para os repasses de ICMS per capita, os valores do Moran Global variaram de 0,299683 em 2014 a 0,361403 em 2018, enquanto para o PIB per capita, os valores oscilaram entre 0,361337 em 2020 e 0,412044 em 2023. Em todos os casos, o p-valor foi de 0,001, rejeitando fortemente a hipótese nula de aleatoriedade espacial. Isso indica que municípios com altos valores de ICMS per capita tendem a estar próximos de outros com altos valores, e o mesmo se aplica a municípios com baixos valores, evidenciando uma organização espacial não aleatória.
A análise do Índice de Moran Global também revelou que o PIB per capita apresentou valores sistematicamente mais elevados e estáveis ao longo da série histórica em comparação com o ICMS per capita. Essa constatação sugere que a autocorrelação espacial do PIB é mais intensa e robusta, indicando uma maior estabilidade nos padrões de agrupamento econômico em relação aos padrões de arrecadação tributária. A persistência desses padrões ao longo do tempo reforça a ideia de que as estruturas econômicas regionais são mais consolidadas e menos suscetíveis a flutuações de curto prazo do que as fiscais.
Os mapas Moran Local/LISA detalharam a geografia da autocorrelação espacial, identificando núcleos territoriais locais bem definidos e recorrentes. Para os repasses de ICMS per capita, observaram-se dois agrupamentos “alto-alto” persistentes: um mais extenso na região sudoeste e outro de menores proporções na região sudeste do estado. Os agrupamentos “baixo-baixo” recorrentes localizaram-se na porção centro-leste, com forte associação ao entorno do Distrito Federal. Esses padrões indicam a formação de clusters de alta e baixa arrecadação que se mantiveram estáveis ao longo do período analisado.
Para o PIB per capita, os mapas Moran Local/LISA exibiram uma configuração mais contínua, extensa e estável, especialmente nos grandes agrupamentos “alto-alto” das regiões sul e sudoeste, e nos agrupamentos “baixo-baixo” da região nordeste. Essa maior estabilidade e extensão dos clusters de PIB per capita são coerentes com os valores mais elevados do Moran Global observados para essa variável. A presença de tais agrupamentos sugere que a atividade econômica se organiza em blocos territoriais mais coesos e menos fragmentados do que a arrecadação de ICMS.
A aplicação da estatística Getis-Ord Gi* para identificar “hotspots” (altas concentrações) e “coldspots” (baixas concentrações) complementou a análise. Para os repasses de ICMS per capita, o principal “hotspot” localizou-se na porção sudoeste-sul do estado, mantendo-se visível em todos os anos. Um “hotspot” menor, mas persistente, foi observado no sudeste. Os “coldspots” se organizaram principalmente na região centro-leste, com forte associação visual ao entorno do Distrito Federal, e em manchas menores em partes do norte, nordeste e áreas centrais, cuja visibilidade variou entre os anos.
Os mapas Getis-Ord Gi* do PIB per capita revelaram um “hotspot” mais extenso e estável na porção sudoeste-sul do estado, visível em todos os anos da análise, e outro “hotspot” igualmente persistente no sudeste. Os “coldspots” se concentraram principalmente nas regiões norte e nordeste do estado, exibindo forte continuidade espacial ao longo de quase toda a série. Além desses, foram observadas manchas frias em áreas centrais em vários anos. Em termos comparativos, o PIB per capita apresentou regiões de “hotspots” e “coldspots” mais extensas, contínuas e espacialmente robustas do que as do ICMS per capita, reforçando a ideia de uma maior coesão econômica.
O contexto econômico regional corrobora os padrões espaciais observados. O sudoeste goiano, com municípios como Jataí e Rio Verde, destacou-se como uma região de extensos agrupamentos “alto-alto” e “hotspots” para ICMS e PIB. Romanatto et al. (2011) e a Secretaria de Estado de Gestão e Planejamento de Goiás (2012) ressaltam que Rio Verde, um dos maiores produtores de grãos, desenvolveu um “agricluster” com expansão industrial e crescimento do setor de serviços, impactando positivamente a arrecadação de ICMS e o PIB. Jataí, por sua vez, é um expoente da agropecuária nacional com grandes indústrias processadoras.
A região sudeste do estado, com destaque para Catalão, também apresentou agrupamentos de valores altos e “hotspots”, impulsionada por indicadores de crescimento industrial significativos nas últimas décadas. A atração de empresas de grande porte nas áreas de mineração e montagem de veículos e máquinas agrícolas foi influenciada pela localização estratégica e pelas riquezas minerais do município (Romanatto et al., 2011). Esses fatores econômicos explicam a formação e persistência dos clusters de alta arrecadação e atividade econômica nessas regiões.
Em contrapartida, os “coldspots” e agrupamentos “baixo-baixo” localizaram-se predominantemente nas regiões central, centro-leste, norte e nordeste do estado. Essas áreas são caracterizadas por um menor dinamismo econômico e menor densidade industrial, com um destaque negativo para o entorno do Distrito Federal, onde as cidades apresentam baixo desenvolvimento das atividades industrial e agrícola (Romanatto et al., 2011). A persistência desses padrões espaciais ao longo do tempo sugere que os aglomerados observados são fortemente influenciados por processos econômicos e territoriais estruturais.
A clusterização dos municípios utilizando a técnica SKATER adicionou uma dimensão complementar à análise, regionalizando o estado de Goiás em conjuntos contíguos de municípios com características internamente mais homogêneas de ICMS e PIB. Para os repasses de ICMS per capita em 2023, a regionalização espacial foi marcada por agrupamentos relativamente amplos no sudoeste, nordeste e noroeste, além do entorno do Distrito Federal e de partes do sul e sudeste. A presença de regiões menores e mais fragmentadas na área central do estado sugere que, nessa porção do território, os valores do ICMS per capita variaram de forma mais abrupta entre municípios vizinhos, dificultando a formação de grandes blocos homogêneos.
Para o PIB per capita, os mapas SKATER de 2014 e 2023 revelaram uma configuração espacial mais contínua e regionalmente consolidada, com grandes blocos contíguos bem definidos nas regiões norte, sudeste e sudoeste do estado. O comportamento dos “clusters” SKATER ao longo do período de análise sugere uma persistência espacial e maior robustez territorial do PIB per capita, com macrorregiões relativamente homogêneas e menos fragmentação do que a observada no ICMS per capita. Essa diferença na robustez dos clusters reforça a ideia de que a geografia econômica possui uma estrutura mais estável e coesa do que a geografia fiscal.
Em síntese, os resultados da pesquisa demonstraram que o território goiano se organizou de forma heterogênea e não aleatória, caracterizado por desigualdades regionais persistentes que se reproduziram no tempo e mantiveram uma configuração territorial relativamente estável. A geografia fiscal do estado foi influenciada pela geografia econômica no período analisado, mas essa relação não se mostrou sempre linear no espaço, sendo marcada por especificidades territoriais, fiscais e regionais. O ICMS per capita apresentou maior fragmentação e menor estabilidade em seus padrões espaciais, enquanto o PIB per capita exibiu um padrão mais contínuo, robusto e estável, com agrupamentos territoriais mais extensos e maior intensidade nas autocorrelações global e local.
4. Conclusão
O presente estudo buscou analisar espacialmente os valores per capita da cota-parte municipal do Imposto sobre Circulação de Mercadorias e Serviços (ICMS) e verificar sua relação com o Produto Interno Bruto (PIB) per capita dos municípios goianos entre 2014 e 2023. Verificou-se que o território goiano se organizou de forma heterogênea e não aleatória, caracterizado por desigualdades regionais persistentes que se reproduziram no tempo, mantendo uma configuração territorial relativamente estável. Observou-se que a geografia fiscal do estado foi influenciada pela geografia econômica no período analisado, embora essa relação não se mostrasse sempre linear no espaço, sendo marcada por especificidades territoriais e fiscais. Identificou-se que o ICMS per capita apresentou maior fragmentação e menor estabilidade em seus padrões espaciais, enquanto o PIB per capita exibiu um padrão mais contínuo, robusto e estável, com agrupamentos territoriais mais extensos e maior intensidade nas autocorrelações global e local, com “hotspots” no sudoeste-sul e sudeste, e “coldspots” nas regiões central, centro-leste, norte e nordeste.
A principal contribuição deste estudo reside em fornecer elementos relevantes para a compreensão da dinâmica regional da arrecadação e para a atuação estratégica da administração tributária estadual. Os achados indicam a necessidade de aprimorar políticas regionais de arrecadação, incentivos e fiscalização, considerando a lógica regionalizada da distribuição tributária e as evidências espaciais das desigualdades. A persistência de regiões com perfis fiscais distintos sugere que a arrecadação e sua distribuição territorial devem ser compreendidas à luz de uma abordagem que valorize as especificidades locais, permitindo intervenções mais aderentes à realidade dos municípios goianos.
Referências Bibliográficas
Anselin, L. 2023. An Introduction to Spatial Data Science with GeoDa – Volume 1: Exploring Spatial Data. Center for Spatial Data Science – University of Chicago, Illinois, Estados Unidos. Disponível em: <https://lanselin.github.io/introbook_vol1>. Acesso em: 15 jan. 2026.
Assunção, R. M.; Neves, M.C.; Câmara, G.; Freitas, C. da C. 2006. Efficient regionalization techniques for socio-economic geographical units using minimum spanning trees. International Journal of Geographical Information Science, 20(7): 797–811. Disponível em: < http://www.dpi.inpe.br/gilberto/papers/assuncao_neves_camara_ijgis.pdf>. Acessado em 10 jan. 2026.
Begnini, S.; Carvalho, C.E.; Rossetto, C.R. 2024. Autocorrelação espacial: desempenho econômico dos municípios catarinenses entre 2012-2020. Interações 25(3): e2533910.
Cardoso, P.V.; Silva, V.; Bastos, I.B.; Costa, E.C.P. 2020. A importância da análise espacial para tomada de decisão: um olhar sobre a pandemia de COVID-19. Revista Tamoios, 16(1): 125-137. Disponível em: <https://www.e-publicacoes.uerj.br/tamoios/article/view/50440>. Acesso em: 30 set. 2025.
Druck, S.; Carvalho, M.S.; Câmara, G.; Monteiro, A.V.M. 2004. Análise Espacial de Dados Geográficos. Empresa Brasileira de Pesquisa Agropecuária [EMBRAPA], Brasília, DF, Brasil. Disponível em: <http://www.dpi.inpe.br/gilberto/livro/analise/>. Acesso em: 30 set. 2025.
Fávero, L.P.; Belfiore, P. 2024. Manual de Análise de Dados. 2ed. LTC, Rio de Janeiro, RJ, Brasil.
Gremaud, A.P.; Vasconcellos, M.A.S.; Jr., R.T.; Naruhikos, S. 2024. Economia Brasileira Contemporânea. 9ed., Atlas, Rio de Janeiro, RJ, Brasil. Disponível em: <https://app.minhabiblioteca.com.br/reader/books/9786559776450/>. Acesso em: 06 out. 2025.
Hao, P. 2019. Spatial analysis. In: Orum, A. (ed.). Wiley Blackwell Encyclopedia of Urban and Regional Studies. Wiley-Blackwell, Hong Kong. Disponível em: <https://www.researchgate.net/publication/332425310_Spatial_Analysis>. Acesso em: 13 out. 2025.
Instituto Brasileiro de Geografia e Estatística [IBGE]. 2024. Nota técnica 02/2024 – PIB dos municípios. Disponível em: < https://biblioteca.ibge.gov.br/visualizacao/livros/liv102094.pdf>. Acesso em: 17 out. 2025.
Romanatto, E.; Arriel, M.F.; Silva, G.J.C.D. 2011. Aglomeração, caracterização e dinâmica econômica setorial dos municípios do Estado de Goiás em 2008: Avaliação empírica e proposição de política. Goiânia, Goiás, Brasil. Disponível em: <https://www.ipea.gov.br/code2011/chamada2011/pdf/area7/area7-artigo46.pdf>. Acesso em: 15 fev. 2026.
Secretaria de Estado de Gestão e Planejamento de Goiás. 2012. Perfil e potencialidades dos municípios goianos. Disponível em: <https://goias.gov.br/imb/wp-content/uploads/sites/29/2024/02/repositorio_2012_017_outras_publicacoes_perfil_e_potencialidades_dos_municipios_goianos.pdf>. Acesso em: 15 fev. 2026.
Sgarbi, L.A.; Gonçalves, R.M.L.; Abrantes, L.A.; Brunozi Jr., A.C. 2018. Análise espacial do ICMS Ecológico e suas relações com o desenvolvimento socioeconômico dos municípios mineiros. Reuna 23(4): 15-41.
Tobler, W.R. 1970. A computer movie simulating urban growth in the Detroit region. Economic Geography, 46(2): 234-240. Disponível em: <https://www.jstor.org/stable/143141>. Acesso em: 13 out. 2025.
Vianna, P.J.B.; Costa, R. C. 2025. Produto interno bruto dos municípios goianos – 2023. Disponível em: <https://goias.gov.br/imb/wp-content/uploads/sites/29/2025/11/boletim_046_2025_PIB_regional_consolidado_2023.pdf>. Acesso em: 21 jan. 2026.
Wooldridge, Jeffrey M., 2007. Introdução à Econometria: Uma Abordagem Moderna. 4ed. Thomson Learning. São Paulo, SP, Brasil.
Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq
Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

