📈 economia

A Spatial Paradox in U.S. Metropolitan Growth: Spatially Clustered Growth Rates, Spatially Independent Levels

Embora haja um forte agrupamento espacial nas taxas de crescimento anual do PIB metropolitano em 376 áreas dos EUA de 2001 a 2023, os níveis acumulados do PIB não exibem autocorrelação espacial porque choques de crescimento pequenos e de reversão à média fazem com que os agrupamentos espaciais mudem de localização ao longo do tempo em vez de persistirem nos mesmos lugares.

Autores originais: Michael L. Chohaney, Oleg A. Smirnov

Publicado 2026-09-30

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Michael L. Chohaney, Oleg A. Smirnov

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A geografia económica opera frequentemente com uma intuição simples: se um lugar cresce mais depressa que os seus vizinhos, deverá eventualmente tornar-se mais rico do que eles, e se uma região inteira cresce em conjunto, essa região deverá destacar-se como um bloco distinto, rico ou pobre no mapa. Esta expectativa baseia-se na ideia de que o crescimento é uma força constante e acumuladora. Quando uma cidade adiciona uma camada de atividade económica todos os anos, essas camadas devem acumular-se para criar uma forma permanente, tal como o sedimento que constrói um cânion ao longo de milénios. Durante décadas, investigadores estudaram como as cidades se agrupam, procurando padrões onde áreas prósperas atraem mais prosperidade e áreas em dificuldades ficam ainda mais para trás. A visão padrão sugere que estes padrões espaciais nas taxas de crescimento deveriam eventualmente deixar uma marca permanente na riqueza total de uma região.

No entanto, uma nova análise dos Estados Unidos revela um desfasamento surpreendente entre como as cidades crescem e como se tornam ricas. Os investigadores examinaram o desempenho económico de 376 áreas metropolitanas em todo o país ao longo de um período de vinte e dois anos, abrangendo de 2001 a 2023. Este intervalo de tempo incluiu duas das mais significativas disrupções económicas da história moderna: a crise financeira de 2008 e o choque induzido pela pandemia de 2020. Ao rastrear as taxas de crescimento anual do produto interno bruto real de cada cidade e comparar o crescimento com a riqueza total acumulada dessas mesmas cidades, a equipa descobriu um paradoxo. Embora a velocidade com que as cidades cresciam fosse altamente agrupada — significando que cidades de crescimento rápido tendiam a situar-se ao lado de outras cidades de crescimento rápido, e cidades de crescimento lento ao lado de outras de crescimento lento — a riqueza total destas cidades não mostrava tal padrão. O mapa do crescimento estava repleto de pontos quentes e pontos frios, mas o mapa da riqueza acumulada parecia completamente aleatório.

Os investigadores procuraram explicar por que razão este desfasamento existe. Descobriram que a resposta reside em dois comportamentos específicos do próprio processo de crescimento: o tamanho das variações anuais e a natureza fugaz dos agrupamentos. Primeiro, as taxas de crescimento anual, mesmo quando agrupadas, são muito pequenas em comparação com a enorme quantidade de atividade económica já acumulada numa cidade. Imagine uma cidade com uma economia existente enorme; um ano de forte crescimento adiciona apenas uma camada fina sobre essa vasta fundação. Como esta nova camada é tão fina em relação ao todo, leva um tempo incrível para o padrão dessa camada alterar a forma geral da riqueza da cidade. De facto, os investigadores utilizaram simulações computacionais para mostrar que, às taxas observadas na economia real, levaria séculos para que os padrões espaciais de crescimento se tornassem visíveis nos níveis de riqueza total.

O segundo fator, talvez mais crítico, é que estes agrupamentos de crescimento não permanecem num só lugar. O estudo acompanhou onde as áreas de alto e baixo crescimento apareciam ano após ano e descobriu que estavam em constante movimento. Um grupo de cidades em expansão no Médio Oeste num ano pode dissolver-se e reformar-se no Texas ou nas Grandes Planícies no ano seguinte. Os investigadores utilizaram um método estatístico para mostrar que o estado de crescimento de uma cidade é altamente instável; uma cidade que experimenta um boom tem probabilidade de regressar a uma taxa de crescimento normal em cerca de dois anos, e o mesmo acontece com as cidades em recessão. Como os agrupamentos mudam de localização tão rapidamente e os períodos de crescimento extremo são tão curtos, as "camadas" de crescimento nunca se acumulam no mesmo local tempo suficiente para criar um padrão permanente. As áreas de alto crescimento de 2005 não são as mesmas de 2010, pelo que o "sedimento" económico nunca se deposita numa forma reconhecível.

Para confirmar isto, a equipa realizou simulações onde manteve o tamanho dos choques de crescimento constante, mas forçou os agrupamentos a permanecerem exatamente nas mesmas localizações todos os anos. Nesse cenário, a riqueza acumulada acabou por mostrar um padrão espacial claro, provando que a aleatoriedade dos dados do mundo real não se devia à falta de ligação entre vizinhos, mas sim ao facto de as ligações estarem em constante movimento. O estudo também excluiu a ideia de que este fenómeno fosse simplesmente um resultado das grandes crises económicas durante o período. Embora o agrupamento de crescimento fosse de facto mais forte durante a crise financeira e a pandemia, o desfasamento entre os padrões de crescimento e os níveis de riqueza persistiu mesmo nos anos entre estes choques. O padrão de crescimento itinerante é uma característica estrutural da economia dos EUA, não apenas uma falha temporária causada por tempos difíceis.

Em última análise, a investigação sugere que a geografia do crescimento económico é fundamentalmente diferente da geografia da riqueza económica. Os agrupamentos de crescimento são itinerantes, formando-se, dissolvendo-se e reformando-se em localizações variáveis, deixando nenhuma marca espacial duradoura nos níveis totais de atividade económica. Esta descoberta desafia a suposição padrão de que os padrões espaciais nas taxas de crescimento se traduzirão naturalmente em padrões espaciais na riqueza. Implica que, para as economias regionais, a história de onde o crescimento acontece é uma história de movimento constante e mudança rápida, onde o ímpeto do passado é demasiado pesado para ser rapidamente remodelado pelas ondas fugazes do presente. O mapa de quem está a crescer rapidamente hoje não é um preditor fiável de quem será rico daqui a uma década, porque o próprio crescimento recusa-se a ficar parado.

Resumo Técnico: Um Paradoxo Espacial no Crescimento Metropolitano dos EUA

Enunciado do Problema
O artigo aborda um paradoxo fundamental na dinâmica espacial das economias metropolitanas dos EUA. Embora as taxas de crescimento anuais do PIB metropolitano (PIB M) real exibam um forte agrupamento espacial (autocorrelação espacial positiva), os níveis acumulados do PIB M não apresentam autocorrelação espacial detectável. Intuitivamente, se as taxas de crescimento são persistentemente agrupadas no espaço, a soma acumulada dessas taxas (os níveis) deveria eventualmente imprimir o mesmo padrão espacial. No entanto, dados empíricos de 2001 a 2023 revelam uma dissociação: as taxas de crescimento são espacialmente dependentes em todos os anos, mas os níveis econômicos resultantes são espacialmente independentes. O artigo busca explicar por que essa estrutura espacial no crescimento falha em se acumular em uma estrutura espacial duradoura nos níveis.

Metodologia
O estudo utiliza um painel balanceado de 376 Áreas Estatísticas Metropolitanas (MSAs) dos EUA de 2001 a 2023, extraídos do Bureau of Economic Analysis. As relações espaciais são definidas usando uma tesselação de polígonos de Thiessen (Voronoi) baseada nas delimitações do OMB de 2018, empregando um critério de contiguidade de rainha para gerar uma matriz de pesos espaciais simétrica e padronizada por linha ( $W$ ).

Os autores utilizam uma abordagem analítica de três frentes:

Estatística Espacial Descritiva: Cálculo do Índice de Moran ( $I$ ) para taxas de crescimento e níveis anualmente, juntamente com Indicadores Locais de Associação Espacial (LISA) para rastrear a estabilidade dos agrupamentos.
Simulação de Acumulação Autoregressiva Espacial: Um processo gerador de dados onde as taxas de crescimento ( $g_t$ ) são modeladas como um processo autorregressivo espacial (SAR) impulsionado por choques ( $\epsilon_t$ ). Essas taxas são acumuladas ao longo do tempo para simular níveis ( $y_t$ ). Os autores calibram este modelo usando momentos empíricos (média e desvio padrão do crescimento observado) e parâmetros de dependência espacial ( $\rho$ ) para testar sob quais condições a dependência espacial se transfere do crescimento para os níveis. Eles comparam cenários com diferentes escalas de choque e persistência (padrões itinerantes vs. fixos).
Análise de Cadeia de Markov Espacial: Os autores classificam as MSAs em estados de crescimento (baixo, neutro, alto) com base nos quartis da distribuição de crescimento anual. Eles estimam matrizes de transição para analisar a reversão à média e os tempos de mistura. Além disso, utilizam cadeias de Markov espaciais para condicionar as probabilidades de transição ao contexto de crescimento das MSAs vizinhas (usando o lag espacial do crescimento dos vizinhos).

Principais Resultados

O Paradoxo Confirmado: As taxas de crescimento são positiva e significativamente autocorrelacionadas em todos os 22 anos do painel (média de Moran's $I \approx 0,17$ ), particularmente durante recessões econômicas (2008–2009, 2020–2021). Por outro lado, os níveis de PIB M não mostram autocorrelação espacial significativa em nenhum ano (média de Moran's $I \approx 0,00$ ).
Agrupamentos Itinerantes: Agrupamentos espaciais de crescimento são altamente transitórios. Agrupamentos locais de alto-alto e baixo-baixo raramente persistem na mesma localização de um ano para o outro; apenas cerca de 20% das metrópoles em um agrupamento de alto crescimento permanecem em um agrupamento no ano seguinte.
Mecanismo 1: Pequena Escala de Choque: Os resultados da simulação indicam que, como os choques de crescimento do mundo real são pequenos em relação ao estoque acumulado de atividade econômica, cada ano adiciona apenas uma camada espacialmente estruturada "fina". Teoricamente, a dependência espacial nos níveis eventualmente emergiria, mas a taxa de convergência é extremamente lenta (levando séculos), dado o nível empírico dos choques.
Mecanismo 2: Reversão à Média e Transitoriedade: A análise de Markov espacial revela que os estados de crescimento são fortemente reversos à média. Períodos de alto crescimento e baixo crescimento são curtos (aproximadamente 1,6–1,7 anos), e a distribuição transversal dos estados se reequilibra dentro de dois anos. Crucialmente, os agrupamentos se deslocam em vez de recorrerem nos mesmos lugares.
A Interação entre Escala e Transitoriedade: A simulação demonstra que, embora pequenos choques retardem a acumulação, o deslocamento dos agrupamentos é o principal fator que impede a dependência espacial nos níveis. Se o mesmo padrão espacial fosse mantido fixo (não itinerante) na escala de choque empírica, uma dependência espacial significativa surgiria nos níveis dentro do painel de 22 anos. No entanto, como os agrupamentos mudam anualmente, a variância estruturada não se acumula em locais específicos, mantendo os níveis espacialmente independentes.
Condicionamento Espacial: As probabilidades de transição entre estados de crescimento são significativamente condicionadas pelos estados de crescimento dos vizinhos. Metrópoles de alto crescimento têm maior probabilidade de permanecer em alto se os vizinhos forem altos, e metrópoles de baixo crescimento têm maior probabilidade de permanecer em baixo se os vizinhos forem baixos. Este condicionamento espacial é robusto através de diferentes definições de pesos, categorizações de estados e períodos de tempo (incluindo anos sem crises).

Contribuições
O artigo fornece uma resolução descritiva para o paradoxo dos ritmos de crescimento agrupados versus níveis independentes. Demonstra que a estrutura espacial do crescimento é "itinerante" — formando-se, dissolvendo-se e reformando-se em localizações variáveis — não deixando uma marca espacial duradoura nos níveis acumulados.
Metodologicamente, os autores argumentam que a transitoriedade do agrupamento é uma característica do processo gerador de dados (reversão à média e mistura rápida), e não um artefato da matriz de pesos espaciais. Consequentemente, eles sugerem que matrizes de pesos variantes no tempo ( $W_t$ ) não são a solução apropriada para este fenômeno específico, pois as conexões subjacentes são estáveis; em vez disso, a não-estacionariedade reside na mudança de localização do próprio agrupamento.

Significância e Alegações
Os autores posicionam este trabalho como uma caracterização descritiva da estrutura espaço-temporal do crescimento metropolitano dos EUA, evitando explicitamente a identificação de mecanismos econômicos específicos (ex: transbordamentos vs. choques comuns) que impulsionam a covariância.

Regularidade Empírica: O artigo documenta uma regularidade onde a geografia do crescimento e a geografia da atividade acumulada estão desconectadas devido à natureza transitória e de reversão à média dos choques de crescimento.
Cautela Metodológica: Destaca um erro comum em modelos espaciais de painel: assumir que a dependência espacial nos níveis é o objeto principal de estudo quando a dependência existe apenas nas variações (taxas de crescimento) e é transitória. Os autores alertam que modelos espaciais padrão com pesos fixos podem falhar em capturar isso se o próprio agrupamento for o objeto de estudo.
Generalização: Embora focado no PIB M, os autores observam que a identidade aritmética entre níveis e diferenças primeiras implica que esta dissociação pode se aplicar a outras relações estoque-fluxo (ex: população/migração, emprego/fluxos de empregos), sugerindo que a dependência espacial nos fluxos não implica necessariamente dependência espacial nos estoques.

O artigo conclui que compreender o crescimento regional requer investigar a dinâmica de onde os agrupamentos aparecem e quanto tempo eles persistem, não apenas ajustar modelos espaciais para níveis estáticos. A dissociação observada é o resultado esperado da acumulação de choques pequenos, espacialmente dependentes, porém transitórios e de reversão à média.

Mais como este