ANPEC - Associação Nacional dos Centros de Pós-graduação ...



?rea 1 – Economia RegionalModelagem de impactos econ?micos da pandemia Covid-19 para o estado da BahiaGervásio F. SantosProfessor Associado do Departamento de Economia da Universidade Federal da Bahia (UFBA); Grupo de Pesquisa em Economia Espacial/UFBA e Grupo de Economia Aplicada. E-mail: gervasios@ufba.br.Luiz Carlos S. RibeiroProfessor Adjunto do Departamento de Economia da Universidade Federal de Sergipe, Coordenador do Laboratório de Economia Aplicada e Desenvolvimento Regional e Pesquisador de Produtividade em Pesquisa do CNPq. E-mail: ribeiro.luiz84@.Rodrigo B. Cerqueira Mestre em Economia pela UFBA e Pesquisador da Superintendência de Estudos Econ?micos e Sociais da Bahia/SEI-BA. E-mail: rbcerqueira@.Resumo: O objetivo do artigo é apresentar a modelagem de cenários de impactos econ?micos das políticas de isolamento referente à Pandemia Covid-19 no estado da Bahia. Ao mesmo tempo, busca-se ampliar o debate sobre as consequências econ?micas da pandemia a partir da rela??o entre os fundamentos de curvas epidêmicas e de curvas de recess?o na economia. O modelo é baseado na metodologia de insumo-produto, com extra??o hipotética parcial para simular cenários de isolamento social e paralisa??o de atividades econ?micas em economias nacionais e regionais. Além disso, também s?o incorporados avan?os na modelagem de resiliência de setores econ?micos para diminuir endogenamente a paraliza??o de atividades a fim de manter setores essenciais como saúde em opera??o plena. O cenário de política ser testado será a retirada dos trabalhadores informais do mercado, com e sem política compensatória. Os resultados mostram que, ocorreria redu??o significativa da atividade econ?mica, com destaque para os setores relacionados ao refino de petróleo, comércio, servi?os domésticos, dentre outros. Por outro lado, o setor de administra??o pública teria a capacidade de restringir parte do processo recessivo. A magnitude dos impactos aumenta consideravelmente ao se considerar curvas de recess?o referentes à retomada mais lenta das atividades econ?micas em fun??o do prolongamento do isolamento social ou elementos endógenos da economia. Por fim, os impactos negativos podem ser reduzidos em até 1/3 ao se considerar 100% de política compensatória, devido à manuten??o das atividades em setores como produ??o de alimentos e comércio. Palavras-Chave: Pandemia Covid-19; Impactos Econ?micos; Bahia. Abstract: The paper presents scenarios of economic impacts of the isolation policies related to Pandemic Covid-19 in Bahia’s state. At the same time, it seeks to broaden the debate on the economic consequences of the pandemic based on the relationship between the fundamentals of epidemic and recession curves in the economy. The model is based on the input-output methodology, with partial hypothetical extraction to simulate lockdown scenarios in national and regional economies. However, we have moved forward in shaping the resilience effort of all economic sectors to endogenously reduce the lockdown to keep essential sectors like health in full operation. The policy scenario to be tested will be the withdrawal of informal workers from the market, with and without compensatory policy. The results shown that there would be a significant reduction in economic activity, with emphasis on sectors of oil refining, trade, services, among others. On the other hand, the public administration sector has the capacity to restrict part of the recessionary process. Finally, the magnitude of the impacts increases considerably when considering curves of recession regarding the slower resumption of economic activities due to the extension of social isolation or endogenous elements of the economy. Finally, the negative impacts can be reduced by up to 1/3 when considering 100% compensatory policy, due to the maintenance of activities in sectors such as food production and trade.Keywords: Covid-19 pandemic; Economic Impacts; Bahia.A pandemia Covid-19: elementos para análise econ?micaA Covid-19 é o nome definido, pela Organiza??o Mundial de Saúde (OMS), dado para a doen?a causada pelo novo coronavírus. SARS-CoV-2 é a defini??o técnica do novo vírus, dado pelo Comitê Internacional de Taxonomia de Vírus, devido às semelhan?as deste com o coronavírus (CoV) causador da Síndrome Respiratória Aguda Grave (SARS-CoV) (GORBALENYA et al., 2020). A rápida transmiss?o sustentada nos continentes fez com que a OMS declarasse oficialmente, em 11 de mar?o de 2020, o SARS-CoV-2 como Pandemia (WHO, 2020). As características implícitas do novo coronavírus, tais como período de incuba??o, capacidade de contágio, canais de transmiss?o de infectados sintomáticos e assintomáticos fazem com que a doen?a se espalhe rapidamente, em um contexto agravado pela inexistência de tratamento convencional (vacina, por exemplo). Além disso, a alta prevalência esperada, podendo infectar até 70% da popula??o mundial, em um curto período de tempo, poderá colocar a Covid-19 no posto de uma das maiores pandemias de todos os tempos. Para fins de análise econ?mica, existe uma considerável literatura sobre os potenciais efeitos econ?micos de pandemias, bem como das estratégias de enfrentamento do problema. Baldwin e Di Mauro (2020a; b) organizam uma parcela considerável do debate recente. A semelhan?a entre a Pandemia Covid-19 com outras pandemias como a da Influenza de 1918 também tem sido um destaque nas pesquisas. Os trabalhos de Garrett (2007; 2008) ajudam a extrair elementos para o atual contexto. Barro et al. (2020) apontam as consequências para o crescimento das economias, ao passo que Gourinchas (2020) apresenta os fundamentos econ?micos subjacentes às estratégias de redu??o da recess?o econ?mica em compasso à desacelera??o das curvas (epidêmicas) de contágio do novo coronavírus. Correia et al. (2020), por sua vez, apresentam evidências empíricas sobre as consequências da ado??o de medidas n?o farmacológicas sobre os processos recessivos das economias regionais e locais nos Estados Unidos. Para o Brasil, Guimbeau et al. (2019) combinam técnicas econométricas com dados e documenta??o histórica para avaliar os efeitos da Pandemia Influenza 2018 sobre demografia, forma??o de capital humano e indicadores de produtividade no estado da S?o Paulo. Além de apontar a import?ncia da documenta??o histórica, os autores mostram a ocorrência de efeitos persistentes sobre saúde, desempenho educacional e produtividade por até 20 anos depois do período da pandemia. O trabalho aponta caminhos para a potencial magnitude do ponto de inflex?o na economia a partir dos desdobramentos da Pandemia Covid-19 no Brasil.No presente artigo, considera-se que o nível de formaliza??o do mercado de trabalho é um importante determinante dos impactos econ?micos da Pandemia Covid-19. Do lado da demanda, quanto maior for a participa??o dos trabalhadores informais, maior poderá ser a queda na renda familiar e nos níveis de consumo, devido à política de isolamento social. Ao mesmo tempo, os trabalhadores informais também mantêm a opera??o aut?noma de um amplo conjunto de atividades econ?micas do lado da oferta, principalmente as atividades de comércio e servi?os. Em geral, essas atividades ficam completamente paralisadas durante a política de isolamento social e os fluxos intermediários de bens e servi?os também s?o interrompidos. Ao contrário dos trabalhadores formais, aqueles no mercado de trabalho informal n?o possuem cobertura de seguro-desemprego ou renda parcial durante a interrup??o das atividades. Assim, além de evitar transtornos sociais, as políticas sociais de compensa??o de renda têm um duplo papel; manter as necessidades humanas e a atividade econ?mica que dependem de seu consumo.A literatura aplicada sobre os impactos setoriais, regionais e internacionais da Pandemia Covid-19 aumentou no período recente. Os efeitos da propaga??o nas empresas, cadeia de suprimentos e empregos foram investigados por Guan et al. (2020), Juergensen et al. (2020), Mandel e Veetil (2020), Del Rio-Chanona et al. (2020), Fana et al. (2020) e Gerschel et al. (2020). A modelagem de insumo-produto foi usada por Richiardi et al. (2020). Para o Brasil, Haddad et al. (2020) apresenta um modelo de insumo-produto baseado na extra??o hipotética parcial para simular os impactos nacionais e regionais da pandemia. Porsse et al. (2020) simulou os impactos econ?micos da pandemia para o Brasil usando um modelo de Equilíbrio Geral Computável (CGE). Na América Latina, um estudo semelhante foi realizado por Bonet-Morón et al. (2020) para a Col?mbia.Em geral, para enfrentar os desafios da pandemia Covid-19, as economias precisam encontrar solu??es para o seguinte conjunto de desafios: aumentar a oferta de servi?os de saúde; implementar políticas de isolamento social e/ou bloqueio (lockdown) parcial das atividades econ?micas; definir a melhor forma de retorno às atividades para salvar vidas e ao mesmo tempo evitar danos irreversíveis aos setores econ?micos; gastar grandes quantias de recursos públicos para ajudar famílias, empresas, preservar empregos e apoiar os governos locais. Assim, a simula??o de impactos precisa considerar choques simult?neos de oferta e demanda. Os modelos de equilíbrio geral ou de insumo-produto podem ser usados ??para modelar essas quest?es. Nesse sentido, devido à paralisa??o total ou parcial de muitos setores econ?micos do lado da oferta, o método de insumo-produto de extra??o hipotética é o mais viável de ser utilizado.O método de extra??o hipotético aplicado aos modelos de insumo-produto foi proposto por Dietzenbacher et al. (1993). As melhorias foram realizadas por Dietzenbacher e Linden (1997), Dietzenbacher e Lahr (2013) e Dietzenbacher et al. (2019). As ramifica??es e propriedades gerais do método foram definidas por Miller e Lahr (2001). A literatura aplicada evoluiu, tendo como Temurshoev (2010), Zhao et al. (2015), Ali (2015), Wang et al. (2013), Zhang et al. (2018) e Xia et al. (2019). Com base nessa literatura, Haddad et al. (2020) apresentam um modelo geral projetado para medir os impactos econ?micos da Covid-19.A evolu??o da Pandemia Covid-19 é heterogênea no território brasileiro (CANDIDO et al., 2020). Essa evolu??o depende de um conjunto de fatores como localiza??o, políticas locais de saúde pública e estrutura socioecon?mica dos estados e municípios. No entanto, devido a indefini??es de coordena??o em nível nacional, os governos regionais e prefeitos têm sido foco de a??es e aten??o (LANCET, 2020; PONCE, 2020). Por esse motivo, nós julgamos relevante a escolha da economia de uma unidade da federa??o do Brasil para medir a import?ncia do mercado de trabalho informal e das atividades informais para a economia local. Nesse contexto, o estado da Bahia apresenta características importantes para simular o impacto local de uma paralisa??o de atividades econ?micas devido às políticas de isolamento social. Sua popula??o estimada é de 14,8 milh?es de habitantes. ? a maior economia da regi?o Nordeste do Brasil. Em 2017 (último dado oficial) o PIB do estado era de R$ 268,7 bilh?es, representando 4% do PIB do Brasil, e colocando o estado como a sétima economia do país (SEI, 2019).Figura 1: % do PIB nacional e participa??o dos trabalhadores informais no mercado de trabalho, por unidades de federa??o em 2017. Fonte: Elabora??o com base em dados dos do IBGE.A Figura 1 mostra a participa??o dos trabalhadores informais no mercado de trabalho local dos estados brasileiros e a participa??o da economia de cada unidade da federa??o no PIB nacional. Como pode ser visto, em muitos estados os trabalhadores informais respondem por mais de 50% do mercado de trabalho. Na Bahia, os trabalhadores informais respondem por 66% da for?a de trabalho total. No nível setorial, o grau de informalidade é de 91% na agricultura; 18% na indústria extrativa; 46% na indústria; e 61% em servi?os. Assim, o isolamento social e as políticas de bloqueio nas economias locais podem resultar em desdobramentos importantes a serem investigados no que diz respeito ao mercado de trabalho. A distribui??o estadual do PIB na Figura 1 também mostra a alta concentra??o econ?mica nas regi?es Sul e Sudeste. O estado da Bahia está localizado na regi?o Nordeste que, juntamente com a regi?o Norte, possuiem as economias menos desenvolvidas do Brasil. A participa??o da Bahia no PIB nacional é de cerca de 4,0%. No nível regional, o estado responde por 29,0% do PIB do Nordeste. Com base na distribui??o de renda setorial, o setor de servi?os (incluindo o setor público) representou 69,1% do valor adicionado, seguido pela indústria com 23,7%, e pela agropecuária com 7,2%. A evolu??o dessas participa??es é analisada em Santos et al., 2019. Apesar do alto nível de informalidade, o estado apresenta cadeias produtivas importantes. Isso permite a realiza??o ode importantes análises setoriais endógenas a partir das simula??es, como pode ser verificado em Leite e Pereira (2010), Ribeiro et al. (2010), Ribeiro e Britto (2013), Couto e Ribeiro (2017) e Santos et al. (2019). Essas especificidades precisam ser contabilizadas pelo sistema regional de insumo-produto utilizado.No ?mbito das medidas de atenua??o dos efeitos econ?micos e sociais da Pandemia Covid-19, o governo federal do Brasil implementou um programa de auxílio emergencial à renda (Programa de Auxílio Emergencial - PAE) em abril de 2020. O programa foi inicialmente projetado para fornecer parcelas de R$ 600,00 de 3 meses para usuários elegíveis (para mulheres chefes de família a parcela do mês era de R $ 1.200,00). A elegibilidade era para pessoas sem emprego ou em situa??o de vulnerabilidade. O programa foi estendido por mais dois meses e as discuss?es atuais s?o d?o no sentido da continuidade dos benefícios a partir da respectiva inclus?o em programas sociais federais.A alta dependência de trabalhadores informais no estado da Bahia e de suas respectivas atividades econ?micas levanta duas quest?es importantes. Primeiramente, compreender a dependência da economia local em rela??o aos trabalhadores informais considerando as rela??es intersetoriais. Em segundo lugar, é medir o papel das políticas compensatórias (auxílio emergencial) para mitigar os efeitos negativos da paralisa??o nas atividades econ?micas. O programa de assistência emergencial à renda extrapola seus objetivos, uma vez que também é importante para a manuten??o de atividades econ?micas que dependem do consumo das famílias. Como a economia opera em bloqueio parcial durante o isolamento social, o cenário de política a ser testado é a retirada dos trabalhadores informais de acordo com o índice de distanciamento social e também da queda observada do emprego formal. Esse cenário é testado sem e com política compensatória. As simula??es podem fornecer elementos sobre a import?ncia dos setores informais na economia local, bem como a import?ncia do programa de assistência emergencial à renda para a manuten??o das famílias e também para a “sobrevivência” do setor econ?mico.Independente do conjunto de problemas econ?micos em que os economistas possam ajudar, é pouco questionável a necessidade de atender às recomenda??es das políticas de saúde pública relacionadas às medidas n?o farmacológicas, devido à gravidade da pandemia e a inexistência de vacina para a Covid-19 (NEIL et al., 2020). A principais medidas est?o relacionadas à implementa??o de quarentenas e de distanciamento social. Isso implica no chamado lockdown (“confinamento”) total ou parcial. Em linhas gerais, busca-se evitar o colapso do sistema de saúde, em fun??o do crescimento exponencial e fora de controle do número de novos casos (e de óbitos), e ao mesmo tempo realizar a amplia??o do respectivo sistema de saúde. No entanto, as press?es econ?micas, sociais e políticas relacionadas à “mortalidade de empresas e de postos de trabalho” e a fragiliza??o das finan?as dos governos, tendem a gerar conflitos no segundo momento quanto à necessidade de retomada das atividades econ?micas em um contexto já experimentado de gravidade da pandemia. Diante deste contexto, o presente artigo tem como objetivo contribuir com o debate sobre os impactos econ?micos da Pandemia Covid-19, com a aplica??o de uma metodologia baseada em fundamentos de equilíbrio geral utilizando técnicas de insumo-produto combinadas com extra??o hipotética parcial, para simular cenários de impactos econ?micos da Pandemia no estado da Bahia. Além desta se??o introdutória, o artigo é composto de mais 6 se??es. A se??o 2 apresenta os fundamentos do processo recessivo e implica??es pós pandemia. Na se??o 3 é apresentada uma análise sobre os desafios de modelagem para cenários econ?micos regionais e setoriais. A se??o 4 apresenta a metodologia a ser utilizada. O banco de dados e o detalhamento da constru??o dos cenários a serem simulados ser?o apresentados na se??o 5. Os resultados s?o apresentados na se??o 6 e as considera??es finais na se??o 7.Fundamentos do processo recessivo e implica??es pós pandemiaA compreens?o da din?mica exponencial da curva epidêmica é importante para fins de modelagem e gera??o de cenários econ?micos a serem testados, uma vez que, em geral os modelos econ?micos pressup?em a defini??o de fundamentos comportamentais dos agentes no contexto analisado. Nos estágios iniciais de pandemias, os pesquisadores (epidemiologistas, por exemplo) utilizam modelos matemáticos para simular cenários epidemiológicos que ajudem a interpretar a gravidade do problema para a popula??o e o sistema de saúde, ao passo que centros de pesquisa buscam canalizar esfor?os para desenvolver tratamentos e vacinas eficazes o mais rápido possível. Dentre as modelagens utilizadas para produzir cenários, a mais difundida é a que considera que as epidemias seguem um padr?o multiplicativo do número de casos ao longo do tempo, o qual pode ser modelado por meio de uma fun??o matemática exponencial. Essa modelagem foi difundida a partir da teoria desenvolvida por Kermack–McKendric (1927), e popularizada através do chamado modelo comportamental SIR e suas várias deriva??es. Na especifica??o mais simples, o modelo é parametrizado para registrar três estados da popula??o hospedeira: (S): os suscetíveis n?o infectados, mas que podem ser infectados; (I): os infectados; e (R): os resistentes à doen?a que já adquiriram alguma imunidade. A parametriza??o desses estágios permite estima??o das curvas epidêmicas (exponenciais). Os modelos baseados nesses fundamentos permitem a cria??o de cenários sobre a quantidade e a velocidade do surgimento exponencial de novos casos, como sendo uma fase de um ciclo composto por três etapas, que juntas formam a curva epidêmica exponencial. Estas etapas s?o: (i) Crescimento exponencial: aumento (agudo/suave) do número de novos casos da doen?a; (ii) Satura??o: pico (“plat?”) do número de novos casos; (iii) Decaimento exponencial: etapa em que o número de novos casos é menor do que a quantidade pessoas que se recuperam da doen?a. Estas etapas s?o ilustradas e popularizadas atualmente pelos meios de comunica??o, em conjunto com pesquisadores, para fins de conscientiza??o e compreens?o das estratégias de saúde pública, ver por exemplo Modelli e Pinheiro (2020).O comportamento dos agentes econ?micos é guiado por informa??es e expectativas, aderentes ou n?o ao período e ao nível das curvas epidêmicas simuladas por tais modelos. Os abalos produzidos durante o período de confinamento podem induzir a comportamentos econ?micos imprevisíveis. No entanto, além da import?ncia para o planejamento de a??es no campo da saúde pública, as curvas epidêmicas simuladas também auxiliam no dimensionamento do potencial problema econ?mico e das respectivas solu??es que precisar?o ser tomadas. As curvas reais (estatísticas) apontam, dentre outros, para o sucesso ou n?o das estratégias adotadas. A Figura 1 apresenta as curvas epidêmicas e econ?micas hipotéticas, baseadas em Gourinchas (2020), Baldwin e Di Mauro (2020) e Einchenbaum et al. (2020).Figura 1: Curvas epidêmicas e econ?micas em cenários econ?micos com pandemia Fonte: Elabora??o com base em Gourinchas (2020) e Baldwin e di Mauro (2020) e Eichenbaum et al. (2020).No Cenário A da Figura 1 (vermelho), haveria uma acelera??o da curva exponencial, sem política de conten??o, de maneira que o pico de contágio seria “rapidamente” atingido, com o consequente número de pessoas curadas ou imunizadas superando o número de novos casos. Aderente a este cenário, o lockdown de atividades econ?micas ocorreria em menor intensidade e tempo, o que supostamente resultaria no menor aprofundamento da recess?o econ?mica. Porém, o número de casos aumentaria para níveis acima da capacidade do sistema de saúde, resultando num aumento da quantidade de óbitos, levando a exaust?o também do sistema funerário. No Cenário B (azul) da Figura 1, as políticas de isolamento social s?o adotadas para retardar a acelera??o da curva epidêmica (“achatar a curva”) e impedir que o surgimento de novos casos extrapole a capacidade do sistema de saúde. A consequência esperada deste cenário é a minimiza??o do número de óbitos. Esta política implica um lockdown de maior intensidade e prazo, resultando no maior aprofundamento da recess?o econ?mica. O sucesso do Cenário B é limitado pela restri??o or?amentária dos governos, em particular, suas capacidades de endividamento. O problema decorrente destes dois cenários hipotéticos é que as decis?es econ?micas de modo geral resultam de um conjunto de expectativas, que sofrem influência de fatores econ?micos, sociais, políticos e psicológicos. Numa pandemia, caso a curva epidêmica ultrapasse o limite suportável pelo sistema de saúde, todos esses fatores s?o fortemente abalados na sociedade, de maneira que consequências imprevisíveis possam surgir. O Cenário C na Figura 1, apresenta uma possível consequência deste fen?meno. Os abalos socioecon?micos, políticos e psicológicos podem afetar fortemente as decis?es dos agentes econ?micos e consequente agravamento da recess?o. Do mesmo modo, no Cenário D, é possível que mesmo em um cenário suportável pelo sistema de saúde, a recess?o se prolongue devido à maior dificuldade do sistema produtivo em se adaptar ao novo cenário pós pandemia. Além disso, as mudan?as nas decis?es de consumo ou de trabalho ter?o influências no contexto macroecon?mico (EICHENBAUM et al., 2020). Nesse sentido, a simula??o de cenários alternativos de política econ?mica se constitui num importante elemento para o debate.Em rela??o aos potenciais efeitos das políticas de supress?o é de particular interesse o trabalho de Correia et al. (2020), que analisa os processos recessivos da pandemia de 1918 em cidades/regi?es americanas. De modo geral, o autor concluiu que a recess?o foi inevitável durante a pandemia de 1918-1920, independente da regi?o. No entanto, as cidades/regi?es que promoveram lockdown mais rápido e intenso, a partir de políticas de interven??o n?o-farmacêuticas, apresentaram menores taxas de mortalidade e também conseguiram mitigar melhor as consequências econ?micas adversas, apresentando taxas de crescimento mais elevadas após a pandemia. Os cenários a serem definidos precisam ainda considerar as mudan?as prementes que poder?o ocorrer no período pós pandemia. Estas mudan?as s?o estruturais, para além dos processos recessivos e de endividamento do governo. Em pandemias as institui??es (famílias, empresas, governos etc) operam em condi??es extremas para garantir sua respectiva “sobrevivência”. Isso faz com que ocorra todo um processo de experimenta??o e adapta??o na sociedade, tais como: mudan?a de hábitos, uso de novas tecnologias, constru??o de novas rela??es sociais, reconvers?es produtivas, maior/menor especializa??o produtiva, produ??o conjunta etc. Isso pode promover um ponto de inflex?o permanente na economia, em particular, resultando em processos de reestrutura??o produtiva com produ??o mais intensiva em capital, economias mais fechadas, maior infla??o na tentativa de reduzir a dependência externa de alguns produtos etc. Os modelos econ?micos podem ajudar a compreender e prever estes efeitos. MetodologiaA metodologia de simula??o toma como base o modelo apresentado por Haddad et al. (2020), cuja perspectiva é fortalecer o debate entre os pesquisadores sobre os efeitos de políticas de lockdown a partir da simula??o de cenários socioecon?micos ex-ante nacionais e regionais. Trata-se da aplica??o da abordagem de extra??o hipotética parcial para sistemas de insumo-produto, fundamentada nos trabalhos de Dietzenbacher et al. (1993) e Miller e Lahr (2001). Neste trabalho foram incluídas duas inova??es metodológicas em rela??o ao modelo de Haddad et al (2020), a saber, a redefini??o do vetor de produ??o por meio da obten??o de coeficientes de aloca??o, bem como a modelagem da resiliência setorial decorrente da manuten??o da oferta de produtos e servi?os essenciais durante a pandemia. A seguir, s?o apresentadas apenas as mudan?as metodológicas em rela??o ao trabalho original. Tomando x como um vetor de produ??o, Z uma matriz de fluxos intermediários de produ??o, y um vetor de componentes da demanda final, v um vetor de pagamentos pelos servi?os de fatores de produ??o como capital e trabalho, um sistema de insumo-produto se constitui na especifica??o inicial do seguinte sistema de oferta e demanda:x=Zi+y (oferta)x'=i'Z+v' (demanda)Em que: i é um vetor soma; e v' é o vetor transposto de pagamentos pelos servi?os de fatores. Uma matriz de coeficientes técnicos de produ??o, A=Zx-1, n?o negativa, garante o equilíbrio entre os dois sistemas acima, bem como a constru??o de um modelo de avalia??o de impactos diretos e indiretos de varia??es exógenas no vetor de demanda final a partir da estima??o da matriz Inversa Leontief, L=(I-A)-1, ou seja:x=LyEm que x é o vetor diagonalizado do valor bruto da produ??o. Na metodologia apresentada por Haddad et al. (2000), os autores consideram a possibilidade de introduzir desequilíbrios nesse sistema a partir da internaliza??o de políticas de conten??o da Covid-19 que restringem a oferta do fator de produ??o trabalho, pelo lado da oferta, e o consequente restri??o de pagamento (total ou parcial) pelos servi?os desses fatores. Do mesmo modo, os autores também internalizam a possibilidade de redefini??o do vetor de demanda final para diferentes cenários de consumo das famílias, gastos do governo, investimentos e exporta??es no ?mbito das varia??es na renda decorrentes da restri??o na oferta de fatores de produ??o, políticas compensatórias, redefini??o dos planos de investimentos ou altera??es no cenário externo. Essas mudan?as pelo lado da oferta e pelo lado da demanda, simultaneamente, conduzem à necessidade de redefini??o de uma nova matriz de coeficientes técnicos e de equilíbrio do sistema. A flexibilidade da metodologia possibilita a simula??o de uma multiplicidade de cenários factíveis com a realidade dos efeitos de políticas de supress?o durante a Pandemia Covid-19 e o consequente lockdown de economias nacionais e regionais em diferentes intensidades. Na redefini??o do novo vetor de produ??o de equilíbrio decorrente de mudan?as na oferta do fator de produ??o trabalho, é possível definir uma matriz n?o negativa de coeficientes de aloca??o B=x-1Z, conforme Miller e Blair (2009) e a respectiva inversa G=(I-B)-1, também conhecida como matriz de Ghosh, ver Ghosh (1958). Desse modo, a partir do novo vetor de pagamentos (restrito) pelos servi?os de fatores v' é possível redefinir o novo vetor de produ??o x'= v'G .Na modelagem dos cenários de lockdown é preciso considerar ainda que, além das rela??es de interdependência setorial da economia, já contempladas pela metodologia de insumo-produto, é possível que independente da determina??o institucional de n?o interrup??o da oferta de produtos e servi?os por setores essenciais/prioritários como saúde, produ??o de alimentos, servi?os industriais de utilidade pública (saneamento, água, energia, gás, limpeza pública) e transportes, por exemplo, outros setores n?o definidos como prioritários poder?o apresentar resiliência pela manuten??o da oferta intermediária, caso os setores prioritários sejam fortemente demandantes destes setores. Logo, na defini??o do vetor restrito de pagamentos pelos servi?os de fatores, o presente trabalho assume que a redu??o na oferta setorial do fator de produ??o trabalho, decorrente da política de conten??o, estaria condicionada à necessidade de manuten??o da oferta de servi?os pelo setor de saúde. A estratégia aqui adota se baseou na modelagem de um fator de resiliência da restri??o de oferta de trabalho dos setores endogenamente ao funcionamento do setor de saúde. Para uma análise da literatura sobre modelagem de resiliência, ver Rose (2004).Tomando a matriz de fluxos de produ??o intermediária inicial Z, em que cada elemento é um fluxo de oferta intermediária zij, define-se um vetor de propor??es p=zisxi, em que xi é a oferta total do setor i. O vetor p define o grau da dependência da oferta setorial em rela??o à demanda intermediária do setor de saúde, s. ? possível obter um vetor q a partir da normaliza??o do vetor p em rela??o ao setor de saúde. Desse modo, a restri??o quanto ao uso setorial do fator trabalho setorial L em um cenário de conten??o e isolamento social, por exemplo, pode ser atenuada por um fator de resiliência r=(i-q) da seguinte forma:L=L rComo q está normalizado em rela??o ao setor de saúde, a oferta de servi?os do setor de saúde n?o sofre restri??o no lockdown. Quanto maior a dependência dos demais setores em rela??o ao setor de saúde, menor será a restri??o de oferta por estes setores. Como essa estratégia, nós avan?amos na modelagem do esfor?o de resiliência de todos os setores econ?micos para diminuir endogenamente o lockdown e manter setores essenciais como saúde em opera??o plena para salvar e manter vidas humanas. As demais etapas de modelagem seguem estritamente a metodologia apresentada por Haddad et al. (2020). Bases de dados e constru??o dos cenários5.1 Base de dadosAs fontes de dados utilizadas incluem a Superintendência de Estudos Econ?micos e Sociais da Bahia (SEI), o Sistema de Contas Regionais (SCR) do Instituto Brasileiro de Geografia e Estatística (IBGE) e a Rela??o Anual de Informa??es Sociais (RAIS), do Ministério da Economia. A SEI elabora e publica as Tabelas de Recursos e Usos (TRU) e as matrizes de insumo-produto para o estado da Bahia. As TRU da Bahia para o ano de 2012 foram construídas seguindo metodologia consonante com o Sistema de Contas Nacionais (SCN) e o Sistema de Contas Regionais (SCR) do Brasil, ano de referência 2010, e orientado pelo Manual de Contas Nacionais 2008 (System of National Accounts - SNA). Na vers?o utilizada neste trabalho, este sistema apresenta um total de 41 setores, em agrega??o compatível com a Classifica??o Nacional de Atividades Econ?micas 2.0 (CNAE 2.0). A descri??o dos setores é apresentada no Apêndice 1. Os dados das Tabelas de Recursos e Usos (TRU) e da matriz de insumo-produto da Bahia para o ano de 2012, correspondentes ao Valor Adicionado Bruto (VAB) dos setores, foram atualizados até o ano de 2019, utilizando-se os índices de volume e de pre?os setoriais do SCR do IBGE até o ano de 2018 e a estimativa da taxa anual de crescimento do PIB estadual em 2019, a partir dos dados do PIB trimestral divulgados pela SEI. Deste modo, os valores aqui apresentados referem-se a valores projetados do PIB estadual para 2019. Por fim, os dados de emprego e massa salarial foram obtidos junto ao SCR, para os empregos totais, e à RAIS, para os empregos formais. 4.2 Modelagem de CenárioCom uma popula??o estimada em 14,8 milh?es habitantes, o estado da Bahia é a maior economia da regi?o Nordeste do país (IBGE, 2019). Dados do PIB trimestral, divulgado pela SEI, indicam que, no acumulado de janeiro a dezembro de 2019, o PIB estadual foi de R$ 304,8 bilh?es (SEI, 2020). As proje??es da SEI para 2020, antes da Pandemia Covid-19, previam um crescimento de 0,9%. No nível da economia local, e em conson?ncia com diversos outros estados, o governo da Bahia implementou uma série de medidas no ?mbito do isolamento social parcial (BAHIA, 2020). No presente trabalho optou-se pela constru??o de cenários aderentes à realidade da economia do estado. Devido à indefini??o da dura??o das políticas de isolamento social, os impactos foram medidos para períodos diários, mensais e trimestrais. Os resultados diários consideram 252 dias úteis no Brasil em 2020. Devido à indefini??o da dura??o das políticas de isolamento social, os impactos foram medidos para períodos diários, mensais e trimestrais. Os resultados diários consideram 252 dias úteis no Brasil em 2020.O objetivo deste cenário é simular a retirada da economia baiana todos os trabalhadores informais de acordo com as respectivas aloca??es setoriais e a análise dos impactos com e sem política compensatória. A concep??o destes cenários baseia-se no fato de que o isolamento social afeta de forma mais severa e imediata os trabalhadores informais, que, em muitos casos, deixaram de receber rendimentos dos seus trabalhos. A partir deste cenário ser?o testados três cenários: A1: retirada de 100% dos trabalhadores do mercado; A2: introdu??o do auxílio emergencial implementado pelo governo federal, considerando que que 70% dos trabalhadores estariam recebendo o auxílio emergencial; A3: considerar que 100% estariam recebendo o auxílio. Devido à dificuldade de se obter dados consolidados sobre os valores dos auxílios, uma vez que muitas solicita??es ainda se encontram sob análise, optou-se por trabalhar com estes cenários considerando os valores do auxílio emergencial e a quantidade de trabalhadores informais no estado da Bahia. Desse modo, tomando o valor de auxílio de R$ 600,00/mês, estes valores foram multiplicados pela quantidade de trabalhadores e os valores foram levados ao ano de 2012, que é o ano da matriz insumo-produto utilizada. Isso resultou na inclus?o de R$ 2,4 bilh?es/mês. A distribui??o desses valores no vetor de consumo foi efetuada utilizando a cesta de consumo padr?o de famílias com rendimento familiar até 3 salários mínimos, com base na Pesquisa de Or?amento Familiar (POF) do IBGE. Para a completa defini??o do cenário, s?o definidos ainda os seguintes pressupostos:Pelo lado da oferta: as atividades associadas à agropecuária (S1 a S9), Alimentos e bebidas (S14), Servi?os Industriais de Utilidade Pública (S30), Saúde (S39) e Servi?os Públicos (S41) s?o consideradas essenciais e, portanto, continuariam operando normalmente. O indicador de resiliência considera que os demais setores sustentam o setor de saúde para que este opere a plena capacidade. Pelo lado da demanda: i) redu??o do consumo das famílias proporcional à redu??o da renda de salários por setor de atividade; ii) manuten??o do consumo governo proporcional à arrecada??o; iii) redu??o homogênea de 25% das exporta??es do estado da Bahia (cenário OCDE); e iv) manuten??o dos investimentos, uma vez que como a crise é de curto prazo e, portanto, permite assumir que as decis?es de investimentos n?o seriam alteradas. Resultados e discuss?oAntes dos resultados referentes aos cenários simulados, cabe destacar os resultados sobre a perda de capacidade da economia de gerar efeitos econ?micos diretos e indiretos derivados da retirada de trabalhadores informais e sua respectiva gera??o de produ??o e consumo. Isto é realizado após considerar o novo balanceamento do sistema de insumo-produto e recálculo da matriz inversa de Leontief. A perda de capacidade é tomada com a diferen?a entre as duas matrizes inversas de Leontief (cenário baseline e cenário Covid-19 com afastamento de trabalhadores informais). Os resultados s?o apresentados na Figura 2.Figura 2: Diferen?a entre os elementos da matriz inversa Leontief nos cenários baseline e Covid-19. Fonte: resultados da pesquisa. A perda da capacidade é mais intensa nos setores de servi?os. A descri??o dos setores econ?micos está no Anexo 1. Os setores S17 e S18 pertencem à cadeia petroquímica do estado da Bahia. Embora esses setores apresentem menos trabalhadores informais, parte considerável dos efeitos negativos diretos e indiretos s?o derivados do desligamento ocasionado pelo afastamento dos trabalhadores informais e sua respectiva produ??o e consumo. Esses setores possuem elos importantes ao longo de sua estrutura produtiva, conforme apontado por Ribeiro et al. (2010), Ribeiro e Brito (2013) e Ribeiro et al. (2018). Assim, parte importante dos impactos negativos pode ser derivada de quest?es estruturais da economia local.Cenário A1: retirada de trabalhadores informais sem política compensatóriaA Tabela 1 apresenta os resultados macroecon?micos do Cenário A1 em termos de redu??o do PIB do estado da Bahia decorrentes da retirada dos trabalhadores informais. Este grupo representou 63% do total de trabalhadores da economia baiana. Tabela 1: Custo em termos de PIB para a economiaCusto Econ?micoDiárioMensalTrimestralPerda em 2020237,25.001,415.004,1% do PIB0,07%1,38%4,13% Fonte: Elabora??o própria com base nas simula??es.Para o cenário simulado, estima-se um custo econ?mico diário de aproximadamente R$ 237,2 milh?es, o que representaria 0,07% do PIB anual do estado. A extrapola??o linear desse efeito, para fins de ilustra??o, mostra que o isolamento social dos trabalhadores informais durante três meses poderia gerar uma perda econ?mica de R$ 15 bilh?es, o que representaria quase 4,13% do PIB do estado da Bahia. Ainda que existam outros fatores que possam aprofundar ou atenuar esses efeitos, tais como o efeito de políticas compensatórias, essa estimativa do impacto isolado somente para o respectivo cenário 1 mostra a import?ncia dos trabalhadores informais na economia. A Figura 3 apresenta as perdas setoriais em decorrência do cenário simulado, comparado ao cenário base da economia.Figura 3: Perdas em termos de PIB setorial para a economia, cenário A1, em R$ milh?es de 2019 Fonte: Elabora??o própria com base nas simula??es.A defini??o setorial de S1 à S41 é apresentada na Tabela 3 do Apêndice 1. Com exce??o dos setores S17 (Refino de petróleo e coque) e S18 (Produtos químicos), percebe-se que, de forma geral, os setores que sofreriam as maiores perdas s?o ligados às atividades de servi?os. Os setores S17 e S18 fazem parte da cadeia petroquímica industrial da Bahia e possuí fortes encadeamentos setoriais por toda a estrutura produtiva baiana, como já discutido por Ribeiro et al. (2010), Ribeiro e Brito (2013) e Ribeiro et al. (2018). Ainda que os setores essenciais continuem operando normalmente, os mesmos também seriam impactados por causa das rela??es indiretas de comércio. O setor S14 (Alimentos e bebidas), por exemplo, teria uma perda de -26% quando comparado ao cenário base. As maiores perdas seriam registradas pelos setores S40 (Servi?os prestados às famílias) de -63%, S32 (Comércio) de -46% e S37 (Servi?os de Alojamento e alimenta??o) de -42,1%. O único setor que aumentaria o valor adicionado em rela??o ao cenário base seria o S41 (Servi?os públicos), com aumento de 1,2%. Isso mostra que a elevada dependência da economia em rela??o ao setor público pode atenuar os efeitos da recess?o se este setor mantiver suas atividades, bem como o respectivo nível de gastos. Cenários Alternativos A2e A3Uma vez apresentado o detalhamento dos impactos da retirada dos trabalhadores informais da economia. Nesta se??o ser?o apresentados de forma comparativa os resultados dos cenários A2, e A3, com 70% e 100%, respectivamente, dos trabalhadores informais recebendo o auxílio emergencial.Tabela 2: Custo em termos de PIB para a economia, cenário A2 (70% de auxílio emergencial)Custo Econ?micoDiárioMensalTrimestralCenário A2: 70% compensa??o???Perda em 2020151,03.183,109.549,20% do PIB0,04%0,88%2,63%Cenário A1: 100% compensa??o???Perda em 2020114,02.403,807.211,40% do PIB0,03%0,66%1,98% Fonte: Elabora??o própria com base nas simula??es.Os resultados globais apresentados nas tabelas 2 e 3 apresentam a import?ncia do auxílio emergencial para a economia do estado da Bahia. A queda no PIB que era de 4,13% em 3 meses é reduzida para 2,63% no cenário A2 e 1,98% no cenário A3. Desse modo, ao compararmos os cenários A1 e A3, os impactos negativos poderiam ser reduzidos em até 1/3, com 100% do trabalhadores recebendo o auxílio emergencial, devido à manuten??o das atividades em setores como produ??o de alimentos e comércio. A figura 5 apresenta os resultados setoriais comparados entre os cenários A1 e A3. ? possível observar que os setores que mais apresentariam melhora da atividade econ?mica no cenário A1 em rela??o ao cenário A1, seriam os setores de Produtos Alimentícios e Bebidas, Produtos de Refino de Petróleo, SIUP, Servi?os de Alojamento e Alimenta??o, Servi?os Domésticos e Comércio. A maioria destes setores está diretamente e indiretamente relacionada ao padr?o de consumo das famílias de baixa renda.Figura 5: Compara??o das perdas em termos de PIB setorial para a economia, cenário A1 vs A3, em R$ milh?es de 2019 Fonte: Elabora??o própria com base nas simula??es.Um resultado importante a ser destacado diz respeito ao papel do setor da Administra??o Pública (S42). A participa??o do setor público no PIB da Bahia é de aproximadamente 20,8%. O alto grau de import?ncia do setor público para a manuten??o da gera??o de renda é semelhante para outros estados das regi?es Norte e Nordeste do Brasil. Quando o cenário A1 é comparado ao cenário A3 da Figura 6, se 100% dos trabalhadores informais recebessem assistência por 1 trimestre, o efeito negativo de sua saída da economia seria neutralizado para o setor de Administra??o Pública.Considera??es finaisA análise dos impactos econ?micos locais da pandemia no estado da Bahia trouxe resultados importantes para esta agenda de pesquisas. Devido às dificuldades de prever a dura??o do isolamento social, os métodos de extra??o hipotética parcial de insumo-produto usados para as simula??es esclareceram elementos endógenos importantes para o funcionamento da economia e nos ajudaram a estimar os custos econ?micos da pandemia em curto prazo.Muitos efeitos da pandemia podem ser duradouros na sociedade. Para os setores econ?micos, o afastamento dos trabalhadores informais gera efeitos tecnológicos de curto prazo que se propagam para setores com alto nível de formaliza??o em seu mercado de trabalho devido aos efeitos indiretos dos vínculos intersetoriais de insumo-produto. Esse exercício simples levanta quest?es críticas sobre o qu?o permanente essa mudan?a será na estrutura produtiva e qu?o sérias ser?o as implica??es para a gera??o de renda e valor agregado no longo prazo. Quanto maior a dura??o das políticas de isolamento e lockdown, maior será a permanência dessas mudan?as na estrutura produtiva, mesmo para setores ligados à indústria petroquímica, que tem baixa participa??o de trabalhadores informais no processo produtivo. Esta análise pode ser usada para avaliar uma variedade de cenários hipotéticos e reais para derivar as consequências para o período pós-pandemia.Em rela??o à simula??o, foi possível verificar a import?ncia das políticas de compensa??o de renda para as economias locais, uma vez que 100% do atendimento aos trabalhadores informais durante 1 trimestre poderia reduzir os efeitos negativos pela metade. Além de evitar problemas de convuls?o social, essa política tem efeitos importantes devido ao apoio ao consumo do lado da demanda, que mantém a produ??o de bens básicos para as famílias no lado da oferta. O efeito geral é a manuten??o da estrutura econ?mica da economia local, principalmente para aquelas altamente dependentes de atividades informais. A nível setorial, exceto pelos efeitos negativos em atividades de produ??o de alimentos e bebidas e refino de petróleo, derivados da queda do consumo das famílias, os impactos negativos de curto prazo foram mais expressivos nos setores de servi?os. Os setores de servi?os s?o mercados pela grande participa??o dos informais no Brasil e no estado da Bahia de um modo geral. As políticas de auxílio emergencial n?o s?o capazes de alterar a oferta das atividades informais e aut?nomas, por se tratarem principalmente de atividades presenciais. No entanto, essas políticas podem sustentar muitos setores econ?micos devido a efeitos diretos e indiretos que pode gerar na economia.A compara??o de cenários também demonstrou a import?ncia do setor da Administra??o Pública. A retirada dos trabalhadores informais seria neutralizada se 100% desses trabalhadores recebessem auxílio financeiro do governo federal brasileiro. Este resultado é muito importante para economias regionais pobres e até mesmo para países em desenvolvimento. Em cenários econ?micos recessivos, como a pandemia Covid-19, as economias mais dependentes do setor público para a gera??o de renda podem preservar mais vínculos setoriais. Logo, a qualidade dos gastos públicos é mais importante. O setor público pode ser direcionado tanto para preservar as necessidades básicas da popula??o, quanto para preservar a estrutura produtiva baseada em efeitos multiplicadores. A análise destas quest?es diante da capacidade de financiamento ou endividamento do setor público poderá ser constituir numa agenda de pesquisa importe para as economias regionais.Referências ALI, Y. (2015). Measuring CO2 Emission Linkages with the Hypothetical Extraction Method (HEM). Ecological Indicators, 54, 171-183.BAHIA. Decreto n? 19.529, de 17 de mar?o de 2020. Disponível em: . Acesso em 29 abr. 2020.BALDWIN, Richard E. et al.?Mitigating the COVID economic crisis. Centre for Economic Policy Research, 2020.BALDWIN, Richard; DI MAURO, B. Weder. Economics in the Time of COVID-19. A VoxEU. org Book, Centre for Economic Policy Research, London. Accessed, v. 26, 2020.BARRO, Robert J.; URS?A, José F.; WENG, Joanna. The coronavirus and the great influenza pandemic: Lessons from the “spanish flu” for the coronavirus’s potential effects on mortality and economic activity. National Bureau of Economic Research, 2020.BASTOS, Saulo B.; CAJUEIRO, Daniel O. Modeling and forecasting the Covid-19 pandemic in Brazil. arXiv preprint arXiv:2003.14288, 2020.BONET-MOR?N, J. A., RICCIULLI-MAR?N, D., P?REZ-VALBUENA, G. J., GALVIS-APONTE, L. A., HADDAD, E. A., ARA?JO-JUNIOR, I. F., ... & GALVIS-APONTE, L. A. (2020). Impacto económico regional del Covid-19 en Colombia: un análisis insumo-producto. Documento de Trabajo sobre Economía Regional y Urbana; No. 288.BRASIL. Ministério da Economia. Bases Estatísticas da RAIS: dados de 2012. Brasília, 2020.BRASIL. Ministério da Saúde. Boletim COE COVID-19. – Número 13 – 20 de abril de 2020. Disponível em: < >.CANDIDO, D. S., CLARO, I. M., DE JESUS, J. G., SOUZA, W. M., MOREIRA, F. R., DELLICOUR, S., ... & MANULI, E. R. (2020). Evolution and epidemic spread of SARS-CoV-2 in Brazil. Science.CORREIA, Sergio; LUCK, Stephan; VERNER, Emil. Pandemics depress the economy, public health interventions do not: evidence from the 1918 Flu. Public Health Interventions Do Not: Evidence from the, 1918.CORREIA, Sergio; LUCK, Stephan; VERNER, Emil. Pandemics depress the economy, public health interventions do not: evidence from the 1918 Flu. Public Health Interventions Do Not: Evidence from the, 1918.DEL RIO-CHANONA, R. M., MEALY, P., PICHLER, A., LAFOND, F. & FARMER, D. (2020). Supply and demand shocks in the COVID-19 pandemic: An industry and occupation perspective. arXiv preprint arXiv:2004.06759.DIETZENBACHER, E. & LAHR, M. L. (2013). Expanding extractions. Economic Systems Research, 25(3): 341-360.DIETZENBACHER, E. & VAN DER LINDEN, J. A. (1997). Sectoral and spatial linkages in the EC production structure. Journal of regional Science, 37(2): 235-257.DIETZENBACHER, E., LINDEN, J. A. V. D. & STEENGE, A. E. (1993). The regional extraction method: EC input–output comparisons. Economic Systems Research, 5(2): 185-206.DIETZENBACHER, E., VAN BURKEN, B. & KONDO, Y. (2019). Hypothetical extractions from a global perspective. Economic Systems Research, 31(4): 505-519.DIETZENBACHER, Erik; LINDEN, Jan A. van der; STEENGE, Alben E. The regional extraction method: EC input–output comparisons. Economic Systems Research, v. 5, n. 2, p. 185-206, 1993.EICHENBAUM, Martin S.; REBELO, Sergio; TRABANDT, Mathias. The macroeconomics of epidemics. National Bureau of Economic Research, 2020.Fana, M., Pérez, S. T. & Fernández-Macías, E. (2020). Employment impact of Covid-19 crisis: from short term effects to long terms prospects. Journal of Industrial and Business Economics, 1-20.FERGUSON, Neil M. et al. Impact of non-pharmaceutical interventions (NPIs) to reduce COVID-19 mortality and healthcare demand. 2020. DOI, v. 10, p. 77482, 2020. GARRETT, Thomas A. Pandemic economics: The 1918 influenza and its modern-day implications. Federal Reserve Bank of St. Louis Review, v. 90, n. March/April 2008, 2008.Gerschel, E., A. Martine & I. Mejen (2020, 3). Propagation of shocks in global value chains: the coronavirus case. IPP Policy brief (53).GHOSH, Ambica. 1958. “Input-Output Approach to an Allocation System,” Economica, 25, 58–64.GORBALENYA, A.E., BAKER, S.C., BARIC, R.S. et al. The species Severe acute respiratory syndrome-related coronavirus: classifying 2019-nCoV and naming it SARS-CoV-2. Nat Microbiol 5, p. 536–544, 2020.GOULART, C. Ada. Revisiting the Spanish flu: the 1918 influenza pandemic in Rio de Janeiro. Historia, ciencias, saude--Manguinhos, v. 12, n. 1, p. 101-142, 2005.GOULART, C. Ada. Revisiting the Spanish flu: the 1918 influenza pandemic in Rio de Janeiro. História, ciencias, saude--Manguinhos, v. 12, n. 1, p. 101-142, 2005.GOURINCHAS, Pierre-Olivier. Flattening the pandemic and recession curves. Mitigating the COVID Economic Crisis: Act Fast and Do Whatever, p. 31, 2020.Guan, D., Wang, D., Hallegatte, S., Davis, S. J., Huo, J., Li, S., ... & Cheng, D. (2020). Global supply-chain effects of COVID-19 control measures. Nature Human Behaviour, 1-11.GUIMBEAU, Amanda; MENON, Nidhiya; MUSACCHIO, Aldo. The brazilian bombshell? the long-term impact of the 1918 influenza pandemic the south american way. National Bureau of Economic Research, 2020.HADDAD, Eduardo A.; PEROBELLI, Fernando S.; ARA?JO, Inácio F. Input-Output Analysis of COVID-19: Methodology for Assessing the Impacts of Lockdown Measures1.IBGE – INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTAT?STICA. Sistema de Contas Regionais: Bahia: 2012-2018. Rio de Janeiro: IBGE, 2019. Juergensen, J., Guimón, J. & Narula, R. (2020). European SMEs amidst the COVID-19 crisis: assessing impact and policy responses. Journal of Industrial and Business Economics, 1-12. KEELING, Matt J.; ROHANI, Pejman. Modeling infectious diseases in humans and animals. Princeton University Press, 2011.KERMACK, William Ogilvy; MCKENDRICK, Anderson G. A contribution to the mathematical theory of epidemics. Proceedings of the royal society of london. Series A, Containing papers of a mathematical and physical character, v. 115, n. 772, p. 700-721, 1927.LANCET, T. (2020). COVID-19 in Brazil: “So what?”. Lancet (London, England), 395(10235), 1461.MANDEL, A. & VEETIL, V. (2020). The Economic Cost of COVID Lockdowns: An Out-of-Equilibrium Analysis. Economics of Disasters and Climate Change, 1–21. Advance online publication. , Maia. An introduction to mathematical epidemiology. New York: Springer, 2015.MILLER, Ronald E.; BLAIR, Peter D. Input-output analysis: foundations and extensions. Cambridge university press, 2009.MILLER, Ronald E.; LAHR, Michael L. A taxonomy of extractions. Contributions to Economic Analysis, v. 249, p. 407-441, 2001.MODELLI, Lais; PINHEIRO, Lara. Crescimento exponencial e curva epidêmica: entenda os principais conceitos matemáticos que explicam a pandemia de coronavírus. Portal G1. Disponível em < > 31/03/2020. PONCE, D. (2020). The impact of coronavirus in Brazil: politics and the pandemic. Nature Reviews Nephrology, 1-1.PORSSE, A. A., SOUZA, K. B., CARVALHO, T. S. & VALE, V. A. (2020). Impactos Econ?micos do COVID-19 no Brasil. Nota Técnica NEDUR-UFPR No 01-2020.Ribeiro, L. C. S., Abreu, T., Ribeiro, G. & Pereira, R.M. (2010). Economia baiana em 2005 sob a ótica das rela??es intersetoriais: uma abordagem insumo-produto. Revista Desenbahia, Salvador, 12: 41-66.RIBEIRO, L. C. S.; BRITTO, G. Interdependência produtiva e estratégias de desenvolvimento para o estado da Bahia. Economia Ensaios, v. 27, n. 2, p. 67-83, 2013.RIBEIRO, L. C. S.; DOMINGUES, E. P.; PEROBELLI, F. S.; HEWINGS, G. J. D. Structuring investment and regional inequalities in the Brazilian Northeast. Regional Studies, 52(5), 727–739, 2018.RICHIARDI, M., BRONKA, P. & COLLADO, D. The Economic Consequences of COVID-19 lock-down in the UK. An Input-Output Analysis Using Consensus Scenarios. Available at:<, A. Measuring economic resilience to disasters: An overview. An edited collection of authored pieces comparing, contrasting, and integrating risk and resilience with an emphasis on ways to measure resilience, p. 197, 2016.SEI – SUPERINTED?NCIA DE ESTUDOS ECON?MICOS E SOCIAIS DA BAHIA. Tabelas de Recursos e Usos: Bahia: 2012. Salvador: Coordena??o de Contas Regionais e Finan?as Públicas, SEI, 2014a.SEI. Matriz de insumo-produto: Bahia: 2012. Salvador: Coordena??o de Contas Regionais e Finan?as Públicas, SEI, 2014b.SEI. PIB Estadual Anual: 2017. Salvador: Coordena??o de Contas Regionais e Finan?as Públicas, SEI, 2019.SEI. PIB Estadual Trimestral: 4? Trimestre de 2019. Salvador: Coordena??o de Contas Regionais e Finan?as Públicas, SEI, 2020.SPIEGEL, Henry William. The growth of economic thought. Duke University Press, 1991.TEMURSHOEV, U. (2010). Identifying Optimal Sector Groupings with the Hypothetical Extraction Method. Journal of Regional Science, 50(4): 872-890.WANG, Y., WANG, W., MAO, G., CAI, H., ZUO, J., WANG, L. & ZHAO, P. (2013). Industrial CO2 emissions in China based on the hypothetical extraction method: Linkage analysis. Energy policy, 62: 1238-1244.WORLD HEALTH ORGANIZATION (WHO). Virtual press conference on COVID-19 – 11 March 2020. < , Y., Guan, D., Steenge, A. E., Dietzenbacher, E., Meng, J. & Mendoza Tinoco, D. (2019). Assessing the economic impacts of IT service shutdown during the York flood of 2015 in the UK. Proceedings of the Royal Society A, 475(2224): 20180871.ZHANG, Y. J., BIAN, X. J. & TAN, W. (2018). The Linkages of Sectoral Carbon Dioxide Emission Caused by Household Consumption in China: Evidence from the Hypothetical Extraction Method. Empirical Economics, 54(4): 1743-1775.ZHAO, Y., ZHANG, Z., WANG, S., ZHANG, Y. & LIU, Y. (2015). Linkage Analysis of Sectoral CO2 Emissions Based on the Hypothetical Extraction Method in South Africa. Journal of Cleaner Production, 103: 916-924.Apêndice 1Tabela 3: Setores econ?micosIDSetores Econ?micosS1Cereais em gr?osS2Cana-de-a?úcarS3Soja em gr?oS4Algod?o herbáceoS5Outros produtos e servi?os da lavoura temporáriaS6LaranjaS7Outros produtos e servi?os da lavoura permanenteS8Café em gr?oS9Produtos da explora??o florestal e da silviculturaS10Pecuária, leite de vaca, ovos de galinha e outras aves, pesca e aquiculturaS11Petróleo e gás naturalS12Outros da extrativaS13Cimento e Outros Produtos de Minerais n?o-metálicosS14Produtos alimentícios, bebidas e fumoS15Produtos têxteis, vestuário, couro e cal?adosS16Celulose, produtos de papel, produtos de madeira-exclusive móveisS17Produtos do refino de petróleo e coqueS18Produtos químicosS19?lcool e biocombustíveisS20Produtos farmacêuticosS21Perfumaria, sab?es e artigos de limpezaS22Artigos de borracha e plásticoS23Metalurgia, Produtos de metal e n?o ferrosos - exclusive máquinas e equipamento S24Máquinas e equipamentos, inclusive manuten??o e reparosS25Eletrodomésticos, Máquinas, aparelhos e materiais elétricosS26Máquinas para escritório e equipamentos de informática, eletr?nico e comunica??es, instrumentos médico-hospitalar, medida e ópticoS27Fabrica??o de automóveis, camionetas, utilitários, caminh?es e ?nibus, pe?as e acessóriosS28Outros equipamentos de transporteS29Móveis e produtos das indústrias diversasS30Produ??o e distribui??o de eletricidade, gás, água, esgoto e limpeza urbanaS31Constru??o civilS32Comércio e servi?os de manuten??o e repara??oS33Transportes, armazenagem e correioS34Servi?os de informa??oS35Intermedia??o financeira, seguros e previdência complementar e servi?os relacionadosS36Atividades imobiliárias e aluguéisS37Servi?os de alojamento e alimenta??oS38Servi?os prestados às empresasS39Saúde e educa??o mercantisS40Servi?os prestados às famílias e associativas e servi?os domésticosS41Servi?o púbico e seguridade social, saúde e educa??o públicasFonte: elabora??o própria, a partir da MIP Bahia 2012. ................
................

In order to avoid copyright disputes, this page is only a partial summary.

Google Online Preview   Download