From Scalar Rankings to Territorial Structures: A Topological Data Analysis Framework for Regional Competitiveness

Durante décadas, economistas e formuladores de políticas tentaram medir o quão bem diferentes lugares estão se saindo. Eles observam regiões, cidades e estados, perguntando quais estão prosperando e quais estão enfrentando dificuldades. Para responder a isso, eles tradicionalmente confiaram em uma ferramenta simples: um único número. Imagine tirar um retrato complexo de uma pessoa — sua saúde, seu emprego, sua educação, sua vida social — e esmagar toda essa informação em uma única pontuação em um teste. É essencialmente o que os métodos atuais fazem para regiões inteiras. Eles pegam dezenas de fatores diferentes, como quantas pessoas têm empregos, quanto dinheiro é investido e quão bem as pessoas podem acessar a internet, e combinam-nos em uma classificação única. Isso torna fácil dizer que uma região é a "número cinco" e outra é a "número cinquenta". Mas, ao fazer isso, essa abordagem achata a paisagem. Ela esconde o fato de que duas regiões podem ter a mesma pontuação, mas alcançá-la de maneiras completamente diferentes, ou que algumas regiões situam-se num meio confuso que não se encaixa perfeitamente numa linha.

Este é o problema que uma equipa de investigadores da Universidade de Plovdiv, na Bulgária, se propôs a resolver. Eles argumentaram que a competitividade regional não é uma linha reta onde todos podem ser classificados do melhor para o pior. Em vez disso, propuseram que é um espaço complexo e multicamadas, onde as regiões se conectam umas às outras através de padrões intrincados. Para ver estes padrões, recorreram a um campo da matemática chamado análise de dados topológicos. Em termos simples, esta é uma forma de estudar a forma dos dados. Em vez de apenas contar pontos ou tirar médias de números, este método observa como os pontos estão organizados no espaço. Pergunta se os dados formam uma nuvem suave, um conjunto de ilhas distintas ou uma teia de laços e lacunas. Ao utilizar esta abordagem, os investigadores queriam ver se o mapa do sucesso regional europeu parecia uma escada simples ou algo muito mais complicado.

Os investigadores concentrar-se-am na União Europeia, analisando 117 regiões específicas conhecidas como áreas NUTS 2. Estas são as unidades padrão utilizadas para a política regional em toda a Europa. Eles recolheram dados de 2015 a 2024, mas para garantir que o seu mapa fosse preciso, focaram-se no ano de 2021, o único ano em que tinham informação completa para todas as 117 regiões em sete áreas fundamentais. Estas áreas incluíam o nível de emprego das pessoas, o nível de desenvolvimento económico, a capacidade de investir em novos projetos, o acesso à internet, a vulnerabilidade social, o tempo que os agregados familiares passavam a trabalhar e o nível de educação e competências da população. Em vez de misturar estes sete fatores numa única pontuação, mantiveram-nos separados, tratando cada região como um ponto único a flutuar num espaço de sete dimensões.

Para visualizar este espaço, a equipa utilizou uma técnica chamada algoritmo Mapper. Pense neste processo como o ato de pegar numa nuvem de dados de alta dimensão e projetá-la numa superfície plana para ver a sua estrutura. O algoritmo agrupa regiões próximas em agrupamentos, ou "nós", e desenha linhas entre estes nós se eles partilharem características comuns. O resultado é um mapa de rede que mostra como as regiões se relacionam entre si. Quando os investigadores aplicaram isto aos dados de 2021, o mapa não parecia uma única colina suave onde se poderia caminhar do fundo para o topo. Em vez disso, revelou uma paisagem com uma espinha dorsal central, vários caminhos ramificados e grupos distintos.

O mapa mostrou que a competitividade regional da União Europeia está organizada em segmentos. Havia um grande grupo central contendo regiões da Áustria, Dinamarca, Espanha, Finlândia e Países Baixos. Estas regiões partilhavam um perfil muito semelhante em todos os sete indicadores, formando um núcleo coerente. Próximo, mas distinto, estava outro grupo composto por regiões da República Checa, Hungria e Eslováquia, mostrando uma estrutura interna diferente, mas igualmente forte. Outros nós conectavam regiões da Áustria, Dinamarca, Suécia, Países Baixos e Espanha, enquanto nós menores e mais isolados detinham regiões da Bulgária, Roménia e Croácia. Crucialmente, o mapa mostrou que estes grupos não eram apenas coleções aleatórias de vizinhos. Regiões de diferentes países acabavam frequentemente no mesmo grupo porque as suas forças e fraquezas internas coincidiam, enquanto regiões dentro do mesmo país podiam acabar em partes muito diferentes do mapa.

Os investigadores também verificaram se este padrão era apenas uma coincidência do ano de 2021. Realizaram a mesma análise aos dados de 2018, 2019, 2020 e 2022. Em todos os anos, o mapa produziu uma forma semelhante: uma rede estruturada com uma espinha dorsal central e ramificações, em vez de uma única linha suave. Isto sugeriu que a forma como estas regiões estão organizadas é uma característica estável da economia europeia, e não uma coincidência temporária. A análise também utilizou um método para testar os "buracos" e "laços" nos dados. Encontrou que o espaço não era um bloco sólido e contínuo. Em vez disso, tinha lacunas e componentes distintos, confirmando que as regiões não são apenas diferentes em grau, mas diferentes em espécie.

As conclusões desafiam a antiga forma de pensar sobre o sucesso regional. O estudo sugere que olhar para uma classificação única é insuficiente porque esconde a verdadeira estrutura da economia. Duas regiões podem ter a mesma pontuação geral, mas uma pode ser forte em empregos mas fraca no acesso digital, enquanto a outra é o oposto. Uma classificação simples trataria ambas como iguais, mas o mapa topológico mostraria que ocupam posições muito diferentes. Os investigadores descobriram que algumas regiões se situam no meio, atuando como pontes entre diferentes grupos, enquanto outras estão nas margens, desconectadas das estruturas principais. Isto é importante para os decisores políticos porque significa que uma solução que funciona para uma região num grupo pode não funcionar para uma região noutro, mesmo que tenham a mesma classificação.

Em última análise, esta investigação oferece uma nova forma de ver o panorama económico. Não descarta as classificações antigas, mas acrescenta uma camada de profundidade a elas. Ao tratar a competitividade regional como uma forma complexa em vez de um único número, o estudo revela que a União Europeia é composta por padrões de desenvolvimento sobrepostos e recorrentes. Estes padrões atravessam as fronteiras nacionais, ligando regiões que partilham um ADN económico semelhante, independentemente do país a que pertencem. O trabalho mostra que, para compreender verdadeiramente como as regiões competem e crescem, devemos olhar para a forma das suas relações, e não apenas para a altura das suas pontuações.