Fernanda Cigainski Lisbinski
Research Subjects
Fernanda Cigainski Lisbinski has a total of 35 co-authors. Here are the top co-authors by number of shared publications:
- Daniel Arruda Coronel
Universidade Federal de Santa Maria (UFSM)
10 shared publications Heloisa Lee Burnquist
5 shared publications- Felipe André Oliveira Freitas
University of São Paulo
4 shared publications - Paulo Ricardo Feistel
Universidade Federal de Santa Maria
4 shared publications - Ronaldo Torres
Universidade de São Paulo
4 shared publications Felipe André Oliveira Freitas
3 shared publications
Latest Publications
- Open Access
- 13 November 2026
- Published by Elsevier in Energy Reports
- Vol. 16
Predictive models for sugar and hydrous ethanol prices using supply, demand, and inventory indicators with machine learning techniques
- 13 November 2026
- Published by Elsevier in Energy Reports
- Vol. 16
Open AccessPredictive models for sugar and hydrous ethanol prices using supply, demand, and inventory indicators with machine learning techniques
- Open Access
- 6 May 2026
- Published by Springer Nature in Scientific Reports
- Vol. 16 (1)
Using deep learning models and exogenous production variables to forecast prices in the Brazilian sugarcane sector
This study developed price forecasting models for the CEPEA/ESALQ White Crystal Sugar and Hydrous Ethanol Fuel indicators, incorporating variables related to sugarcane supply and climatic conditions. Machine learning models such as Long Short-Term Memory (LSTM), Transformer, and Multilayer Perceptron (MLP) were used, along with the statistical Autoregressive Integrated Moving Average (ARIMA) model, all incorporating exogenous variables. Among these variables are estimates from the Modular Agronomic Simulator for Sugarcane (SAMUCA), data from the National Supply Company (Conab), actual production figures, and a climate indicator constructed from temperature, precipitation, and solar radiation data provided by NASA POWER. Results indicate that models using SAMUCA production estimate exhibited accuracy comparable to those based on historical production data (used as a benchmark), with minor variations in error metrics. The MLP model achieved the best performance for sugar (MAPE of 3.84%), while LSTM was most effective for ethanol (MAPE of 1.87%). Machine learning techniques outperformed traditional methods in capturing seasonal, climatic, and nonlinear patterns. The proposed approach enables price forecasting in advance of the harvest and allows for monthly updates, offering a strategic tool for market stakeholders. The model is also adaptable to other crops and regions with limited production data availability.
- 6 May 2026
- Published by Springer Nature in Scientific Reports
- Vol. 16 (1)
Open AccessUsing deep learning models and exogenous production variables to forecast prices in the Brazilian sugarcane sector
This study developed price forecasting models for the CEPEA/ESALQ White Crystal Sugar and Hydrous Ethanol Fuel indicators, incorporating variables related to sugarcane supply and climatic conditions. Machine learning models such as Long Short-Term Memory (LSTM), Transformer, and Multilayer Perceptron (MLP) were used, along with the statistical Autoregressive Integrated Moving Average (ARIMA) model, all incorporating exogenous variables. Among these variables are estimates from the Modular Agronomic Simulator for Sugarcane (SAMUCA), data from the National Supply Company (Conab), actual production figures, and a climate indicator constructed from temperature, precipitation, and solar radiation data provided by NASA POWER. Results indicate that models using SAMUCA production estimate exhibited accuracy comparable to those based on historical production data (used as a benchmark), with minor variations in error metrics. The MLP model achieved the best performance for sugar (MAPE of 3.84%), while LSTM was most effective for ethanol (MAPE of 1.87%). Machine learning techniques outperformed traditional methods in capturing seasonal, climatic, and nonlinear patterns. The proposed approach enables price forecasting in advance of the harvest and allows for monthly updates, offering a strategic tool for market stakeholders. The model is also adaptable to other crops and regions with limited production data availability.
- 26 March 2026
- Published by Emerald Publishing in Journal of Management Development
- p. 1-24
Measuring women's economic inclusion in the global South: development and validation of the WEPI
Purpose: The present study aims to develop and validate a Women's Economic Participation Index (WEPI), constructed from the weighted aggregation of factors extracted through exploratory factor analysis. Using this index, the study empirically assesses its explanatory power with respect to external outcomes associated with female entrepreneurship, employing women's total early-stage entrepreneurial activity (TEA) as the dependent variable. Design/methodology/approach: The WEPI was constructed using principal component analysis (PCA), applied to 16 variables grouped into four dimensions: wealth and income, labor market participation, leadership and wage disparities, and domestic violence. Data was obtained from the World Bank and the Fraser Institute. The index was computed for 99 countries in the Global South, and its statistical adequacy was confirmed through Bartlett's test and the Kaiser–Meyer–Olkin (KMO) measure. To empirically validate the WEPI as an indicator of women's economic participation, two cross-sectional regression models were estimated using female TEA – from the Global Entrepreneurship Monitor (GEM) – as the dependent variable. Model 1 employs the WEPI as the main explanatory variable, whereas Model 2 decomposes the index into its four constituent factors. This strategy allows for assessing both the explanatory power of the aggregate index and the specific contribution of each dimension to variations in early-stage female entrepreneurship, thereby functioning as a test of the indicator's external validity. Findings: The results show that countries such as Georgia, Mauritius and Peru achieved the highest WEPI scores, reflecting strong institutional commitments to gender equality. In contrast, countries such as Sudan, Guinea-Bissau and Niger recorded the lowest scores due to structural and legal barriers, limited access to education, and high levels of gender-based violence. The regression models confirmed the external validity of the WEPI as a measure of women's economic participation. In the first model, the aggregate index displayed a positive association with early-stage female entrepreneurship, indicating that more inclusive environments foster women's engagement in new business creation. In the second model, which decomposes the WEPI into its four dimensions, income, leadership, and wage disparities were positively associated with TEA, whereas domestic violence exhibited a negative effect. Together, these findings indicate that both the composite index and its individual dimensions capture relevant institutional factors that help explain female entrepreneurial engagement across the countries analyzed. Originality/value: The originality of this study lies in the development of the WEPI, an indicator designed to measure the multiple dimensions that shape women's economic participation in the Global South. The WEPI combines institutional, labor market, leadership, and safety-related factors into a single instrument, enabling the identification of specific barriers that constrain women's entrepreneurship and economic autonomy. Beyond deepening the diagnosis of gender-based economic inequalities in low-income contexts, the index provides a comparative analytical tool capable of guiding more targeted policy interventions, revealing which dimensions – and in which types of countries – progress may yield the greatest impact on women's economic empowerment.
- 26 March 2026
- Published by Emerald Publishing in Journal of Management Development
- p. 1-24
Measuring women's economic inclusion in the global South: development and validation of the WEPI
Purpose: The present study aims to develop and validate a Women's Economic Participation Index (WEPI), constructed from the weighted aggregation of factors extracted through exploratory factor analysis. Using this index, the study empirically assesses its explanatory power with respect to external outcomes associated with female entrepreneurship, employing women's total early-stage entrepreneurial activity (TEA) as the dependent variable. Design/methodology/approach: The WEPI was constructed using principal component analysis (PCA), applied to 16 variables grouped into four dimensions: wealth and income, labor market participation, leadership and wage disparities, and domestic violence. Data was obtained from the World Bank and the Fraser Institute. The index was computed for 99 countries in the Global South, and its statistical adequacy was confirmed through Bartlett's test and the Kaiser–Meyer–Olkin (KMO) measure. To empirically validate the WEPI as an indicator of women's economic participation, two cross-sectional regression models were estimated using female TEA – from the Global Entrepreneurship Monitor (GEM) – as the dependent variable. Model 1 employs the WEPI as the main explanatory variable, whereas Model 2 decomposes the index into its four constituent factors. This strategy allows for assessing both the explanatory power of the aggregate index and the specific contribution of each dimension to variations in early-stage female entrepreneurship, thereby functioning as a test of the indicator's external validity. Findings: The results show that countries such as Georgia, Mauritius and Peru achieved the highest WEPI scores, reflecting strong institutional commitments to gender equality. In contrast, countries such as Sudan, Guinea-Bissau and Niger recorded the lowest scores due to structural and legal barriers, limited access to education, and high levels of gender-based violence. The regression models confirmed the external validity of the WEPI as a measure of women's economic participation. In the first model, the aggregate index displayed a positive association with early-stage female entrepreneurship, indicating that more inclusive environments foster women's engagement in new business creation. In the second model, which decomposes the WEPI into its four dimensions, income, leadership, and wage disparities were positively associated with TEA, whereas domestic violence exhibited a negative effect. Together, these findings indicate that both the composite index and its individual dimensions capture relevant institutional factors that help explain female entrepreneurial engagement across the countries analyzed. Originality/value: The originality of this study lies in the development of the WEPI, an indicator designed to measure the multiple dimensions that shape women's economic participation in the Global South. The WEPI combines institutional, labor market, leadership, and safety-related factors into a single instrument, enabling the identification of specific barriers that constrain women's entrepreneurship and economic autonomy. Beyond deepening the diagnosis of gender-based economic inequalities in low-income contexts, the index provides a comparative analytical tool capable of guiding more targeted policy interventions, revealing which dimensions – and in which types of countries – progress may yield the greatest impact on women's economic empowerment.
- 16 September 2025
- Published by Elsevier in Energy Policy
- Vol. 208
The fuel of the future law and the Brazilian sugarcane energy sector
- 16 September 2025
- Published by Elsevier in Energy Policy
- Vol. 208
The fuel of the future law and the Brazilian sugarcane energy sector
- Open Access
- 2 January 2025
- Published by Editora Unijui in Desenvolvimento em Questão
- Vol. 23 (62) , e16865
Dinâmica e perspectivas de produtos emergentes do complexo soja
O objetivo deste trabalho é realizar uma análise exploratória da dinâmica recente para o biodiesel e o glicerol – denotados como produtos emergentes do complexo soja –, explorando sobretudo o panorama mundial para esses produtos e traçando perspectivas. Entre os principais resultados, pode-se destacar: i) há tendência de crescimento da comercialização do biodiesel, amparada pela crescente preocupação com impactos ambientais; ii) o glicerol tem acompanhado esse crescimento, visto ser subproduto da produção, colocando em questão as oportunidades potencialmente auferidas nos sentidos econômico e ambiental a partir do aproveitamento de tal resíduo, em contraponto às dificuldades relacionadas a seus graus de purificação, os quais limitam seus usos – se estabelecendo um cenário complexo; iii) no cenário mundial do biodiesel, os países europeus se destacam tanto como exportadores quanto como importadores, e fortaleceram esse protagonismo no período; iv) no cenário mundial do glicerol, os principais exportadores estão bem distribuídos na Ásia, Europa e América, ao passo que a China se destaca como principal país importador.
- 2 January 2025
- Published by Editora Unijui in Desenvolvimento em Questão
- Vol. 23 (62) , e16865
Open AccessDinâmica e perspectivas de produtos emergentes do complexo soja
O objetivo deste trabalho é realizar uma análise exploratória da dinâmica recente para o biodiesel e o glicerol – denotados como produtos emergentes do complexo soja –, explorando sobretudo o panorama mundial para esses produtos e traçando perspectivas. Entre os principais resultados, pode-se destacar: i) há tendência de crescimento da comercialização do biodiesel, amparada pela crescente preocupação com impactos ambientais; ii) o glicerol tem acompanhado esse crescimento, visto ser subproduto da produção, colocando em questão as oportunidades potencialmente auferidas nos sentidos econômico e ambiental a partir do aproveitamento de tal resíduo, em contraponto às dificuldades relacionadas a seus graus de purificação, os quais limitam seus usos – se estabelecendo um cenário complexo; iii) no cenário mundial do biodiesel, os países europeus se destacam tanto como exportadores quanto como importadores, e fortaleceram esse protagonismo no período; iv) no cenário mundial do glicerol, os principais exportadores estão bem distribuídos na Ásia, Europa e América, ao passo que a China se destaca como principal país importador.
- Open Access
- 1 January 2025
- Published by Even3
- Vol. 1, 1
AVALIAÇÃO DE MÉTODOS DE PREVISÃO DE PREÇOS PARA COMMODITIES AGRÍCOLAS: EVIDÊNCIAS PARA SOJA E MILHO
Este estudo teve como objetivo desenvolver modelos de previsão para os Indicadores do milho ESALQ/BM&FBOVESPA e da soja CEPEA/ESALQ – Paranaguá que possam ser utilizados no processo de tomada de decisão para compra e venda dessas commodities. Foram adotadas abordagens tradicionais, como ARIMA, e técnicas de Neural Networks, como o LSTM para realizar previsões de preço de ambos os indicadores. A pesquisa avaliou o desempenho de diferentes modelos univariados, baseados apenas em séries temporais de preços, e multivariados, que incorporaram uma variável criada para captar a influência da oferta de soja e milho. Os resultados mostraram que o LSTM foi o modelo com melhor desempenho, superando o ARIMA em termos de acurácia, com menores erros de previsão, com MAE de 3,59, MAPE de 2,26 e RMSE de 3,89 para a soja e MAE de 0,48, MAPE de 0,82 e RMSE de 0,64 para o milho. Os modelos multivariados também se destacaram por capturar melhor as dinâmicas de mercado, entre eles o LSTM foi o que apresentou o melhor desempenho, com MAE de 0,65, MAPE de 0,46 e RMSE de 0,83 para a soja e MAE de 0,96, MAPE de 0,16 e RMSE de 0,13 para o milho. Concluiu-se que as Neural Networks, especialmente o LSTM, fornecem previsões mais precisas e robustas para previsão de preço mensal da soja e do milho.
- 1 January 2025
- Published by Even3
- Vol. 1, 1
Open AccessAVALIAÇÃO DE MÉTODOS DE PREVISÃO DE PREÇOS PARA COMMODITIES AGRÍCOLAS: EVIDÊNCIAS PARA SOJA E MILHO
Este estudo teve como objetivo desenvolver modelos de previsão para os Indicadores do milho ESALQ/BM&FBOVESPA e da soja CEPEA/ESALQ – Paranaguá que possam ser utilizados no processo de tomada de decisão para compra e venda dessas commodities. Foram adotadas abordagens tradicionais, como ARIMA, e técnicas de Neural Networks, como o LSTM para realizar previsões de preço de ambos os indicadores. A pesquisa avaliou o desempenho de diferentes modelos univariados, baseados apenas em séries temporais de preços, e multivariados, que incorporaram uma variável criada para captar a influência da oferta de soja e milho. Os resultados mostraram que o LSTM foi o modelo com melhor desempenho, superando o ARIMA em termos de acurácia, com menores erros de previsão, com MAE de 3,59, MAPE de 2,26 e RMSE de 3,89 para a soja e MAE de 0,48, MAPE de 0,82 e RMSE de 0,64 para o milho. Os modelos multivariados também se destacaram por capturar melhor as dinâmicas de mercado, entre eles o LSTM foi o que apresentou o melhor desempenho, com MAE de 0,65, MAPE de 0,46 e RMSE de 0,83 para a soja e MAE de 0,96, MAPE de 0,16 e RMSE de 0,13 para o milho. Concluiu-se que as Neural Networks, especialmente o LSTM, fornecem previsões mais precisas e robustas para previsão de preço mensal da soja e do milho.
- Open Access
- 1 January 2025
- Published by Even3
- Vol. 1, 1
ANÁLISE DO MERCADO DE TRABALHO DA CADEIA PRODUTIVA DA SOJA E DO BIODIESEL NO BRASIL
Este estudo analisou o mercado de trabalho da cadeia produtiva da soja e do biodiesel no Brasil, utilizando uma metodologia adaptada dos estudos de Barros et al. (2019) e Castro et al. (2020). Os dados principais foram extraídos da PNAD-Contínua do IBGE, considerando trabalhadores remunerados e não remunerados. A análise incluiu a caracterização dos trabalhadores por posição na ocupação, escolaridade, gênero e rendimentos. Os resultados indicaram que o número de pessoas ocupadas na cadeia produtiva da soja e do biodiesel aumentou de 1,14 milhão em 2012 para 2,32 milhões em 2023, refletindo a importância crescente desses setores para a economia brasileira. O segmento de agrosserviços foi o que mais cresceu, passando de aproximadamente 793 mil pessoas ocupadas em 2012 para mais de 1,6 milhão em 2023. No segmento primário, o emprego aumentou de 214 mil para 479 mil no mesmo período. Os rendimentos no segmento primário subiram de R$ 2.730 em 2012 para R$ 3.651 em 2023, um aumento de 33,74%. Verificou-se uma formalização crescente do emprego, com a proporção de trabalhadores com ensino médio completo aumentando de 39,72% em 2012 para 46,58% em 2023. A participação de trabalhadores com ensino superior também cresceu de 17,37% para 26,26% no mesmo período. Concluiu-se que a cadeia produtiva da soja e do biodiesel contribui para a geração de emprego e renda, proporcionando o desenvolvimento socioeconômico das regiões produtoras, principalmente Centro-oeste e Sul do Brasil. Além disso, observou-se que a modernização agrícola e a adoção de novas tecnologias elevaram os rendimentos dos trabalhadores qualificados, enquanto políticas econômicas, como a obrigatoriedade da mistura de biodiesel e incentivos governamentais, foram fundamentais para sustentar o crescimento e a estabilidade do emprego no setor.
- 1 January 2025
- Published by Even3
- Vol. 1, 1
Open AccessANÁLISE DO MERCADO DE TRABALHO DA CADEIA PRODUTIVA DA SOJA E DO BIODIESEL NO BRASIL
Este estudo analisou o mercado de trabalho da cadeia produtiva da soja e do biodiesel no Brasil, utilizando uma metodologia adaptada dos estudos de Barros et al. (2019) e Castro et al. (2020). Os dados principais foram extraídos da PNAD-Contínua do IBGE, considerando trabalhadores remunerados e não remunerados. A análise incluiu a caracterização dos trabalhadores por posição na ocupação, escolaridade, gênero e rendimentos. Os resultados indicaram que o número de pessoas ocupadas na cadeia produtiva da soja e do biodiesel aumentou de 1,14 milhão em 2012 para 2,32 milhões em 2023, refletindo a importância crescente desses setores para a economia brasileira. O segmento de agrosserviços foi o que mais cresceu, passando de aproximadamente 793 mil pessoas ocupadas em 2012 para mais de 1,6 milhão em 2023. No segmento primário, o emprego aumentou de 214 mil para 479 mil no mesmo período. Os rendimentos no segmento primário subiram de R$ 2.730 em 2012 para R$ 3.651 em 2023, um aumento de 33,74%. Verificou-se uma formalização crescente do emprego, com a proporção de trabalhadores com ensino médio completo aumentando de 39,72% em 2012 para 46,58% em 2023. A participação de trabalhadores com ensino superior também cresceu de 17,37% para 26,26% no mesmo período. Concluiu-se que a cadeia produtiva da soja e do biodiesel contribui para a geração de emprego e renda, proporcionando o desenvolvimento socioeconômico das regiões produtoras, principalmente Centro-oeste e Sul do Brasil. Além disso, observou-se que a modernização agrícola e a adoção de novas tecnologias elevaram os rendimentos dos trabalhadores qualificados, enquanto políticas econômicas, como a obrigatoriedade da mistura de biodiesel e incentivos governamentais, foram fundamentais para sustentar o crescimento e a estabilidade do emprego no setor.
- Open Access
- 1 January 2025
- Published by Even3
- Vol. 1, 1
MODELOS PREDITIVOS PARA PREÇOS DE AÇÚCAR E ETANOL: COMPARAÇÃO ENTRE ABORDAGENS TRADICIONAIS E TÉCNICAS DE APRENDIZADO DE MÁQUINA
Os modelos de previsão de preços de commodities são uma ferramenta capaz proporcionar cenários que oferecem maior segurança a investidores, produtores agrícolas entre outros, que são relacionados a cadeia de produção do açúcar e de biocombustíveis. Contudo, a dinâmica comercial bem como os fatores que influenciam a formação do preço de commodities estão em constante evolução, o que requer atualizações constantes das modelagens preditivas à medida que novas informações relevantes se tornam disponíveis, bem como a própria evolução de metodologias de previsão caminham. Nesse sentido, este estudo teve como objetivo desenvolver modelos de previsão de preços de açúcar e etanol dos estados de São Paulo e Alagoas. Foram utilizados os indicadores do Açúcar Cristal Branco e do Etanol Hidratado Combustível CEPEA/ESALQ do estado de São Paulo e de Alagoas Mercado Interno. Utilizou-se os modelos ARIMA e VAR como base para comparação com modelos de aprendizado de máquina e redes neurais, incluindo o MLP, LSTM e Transformer, avaliando seus respectivos indicadores de acurácia como RMSE e MAPE. Os resultados mostraram que as técnicas de aprendizado de máquina, especialmente LSTM e Transformer, foram mais acurados na previsão de séries temporais com comportamento não linear, como para os preços do açúcar em São Paulo e os preços do etanol em ambos os mercados. Enquanto o modelo MLP e o ARIMA apresentaram melhor acurácia para séries temporais com comportamento linear, como para o açúcar de Alagoas. . Em geral, os modelos de aprendizado de máquina foram precisos, proporcionando uma ferramenta de suporte à decisão estratégica no mercado sucroenergético.
- 1 January 2025
- Published by Even3
- Vol. 1, 1
Open AccessMODELOS PREDITIVOS PARA PREÇOS DE AÇÚCAR E ETANOL: COMPARAÇÃO ENTRE ABORDAGENS TRADICIONAIS E TÉCNICAS DE APRENDIZADO DE MÁQUINA
Os modelos de previsão de preços de commodities são uma ferramenta capaz proporcionar cenários que oferecem maior segurança a investidores, produtores agrícolas entre outros, que são relacionados a cadeia de produção do açúcar e de biocombustíveis. Contudo, a dinâmica comercial bem como os fatores que influenciam a formação do preço de commodities estão em constante evolução, o que requer atualizações constantes das modelagens preditivas à medida que novas informações relevantes se tornam disponíveis, bem como a própria evolução de metodologias de previsão caminham. Nesse sentido, este estudo teve como objetivo desenvolver modelos de previsão de preços de açúcar e etanol dos estados de São Paulo e Alagoas. Foram utilizados os indicadores do Açúcar Cristal Branco e do Etanol Hidratado Combustível CEPEA/ESALQ do estado de São Paulo e de Alagoas Mercado Interno. Utilizou-se os modelos ARIMA e VAR como base para comparação com modelos de aprendizado de máquina e redes neurais, incluindo o MLP, LSTM e Transformer, avaliando seus respectivos indicadores de acurácia como RMSE e MAPE. Os resultados mostraram que as técnicas de aprendizado de máquina, especialmente LSTM e Transformer, foram mais acurados na previsão de séries temporais com comportamento não linear, como para os preços do açúcar em São Paulo e os preços do etanol em ambos os mercados. Enquanto o modelo MLP e o ARIMA apresentaram melhor acurácia para séries temporais com comportamento linear, como para o açúcar de Alagoas. . Em geral, os modelos de aprendizado de máquina foram precisos, proporcionando uma ferramenta de suporte à decisão estratégica no mercado sucroenergético.
- Open Access
- 6 May 2024
- Published by Emerald Publishing in EconomiA
- Vol. 25 (2) , 347-376
Institutions and financial development: Comparative analysis of developed and developing economies
Purpose: This article aims to investigate how institutional characteristics affect the level of financial development of economies collectively and compare between developed and undeveloped economies.Design/methodology/approach: A dynamic panel with 131 countries, including developed and developing ones, was utilized; the estimators of the generalized method of moments system (GMM system) model were selected because they have econometric characteristics more suitable for analysis, providing superior statistical precision compared to traditional linear estimation methods.Findings: The results from the full panel suggest that concrete and well-defined institutions are important for financial development, confirming previous research, with a more limited scope than the present work.Research limitations/implications: Limitations of this research include the availability of data for all countries worldwide, which would make the research broader and more complete.Originality/value: A panel of countries was used, divided into developed and developing countries, to analyze the impact of institutional variables on the financial development of these countries, which is one of the differentiators of this work. Another differentiator of this research is the presentation of estimates in six different configurations, with emphasis on the GMM system model in one and two steps, allowing for comparison between results.
- 6 May 2024
- Published by Emerald Publishing in EconomiA
- Vol. 25 (2) , 347-376
Open AccessInstitutions and financial development: Comparative analysis of developed and developing economies
Purpose: This article aims to investigate how institutional characteristics affect the level of financial development of economies collectively and compare between developed and undeveloped economies.Design/methodology/approach: A dynamic panel with 131 countries, including developed and developing ones, was utilized; the estimators of the generalized method of moments system (GMM system) model were selected because they have econometric characteristics more suitable for analysis, providing superior statistical precision compared to traditional linear estimation methods.Findings: The results from the full panel suggest that concrete and well-defined institutions are important for financial development, confirming previous research, with a more limited scope than the present work.Research limitations/implications: Limitations of this research include the availability of data for all countries worldwide, which would make the research broader and more complete.Originality/value: A panel of countries was used, divided into developed and developing countries, to analyze the impact of institutional variables on the financial development of these countries, which is one of the differentiators of this work. Another differentiator of this research is the presentation of estimates in six different configurations, with emphasis on the GMM system model in one and two steps, allowing for comparison between results.
- Open Access
- 5 January 2024
- Published by EdiUNS - Editorial de la Universidad Nacional del Sur in Estudios económicos
- Vol. 41 (82) , 95-124
O impacto de prácticas orgânicas no valor agregado da agricultura
Este estudo busca analisar como a agricultura orgânica afeta o valor agregado da agricultura. Para isso, estimou-se um modelo econométrico de dados em painel, utilizando os métodos de Efeitos Fixos, Efeito Fixo Corrigido e GLS (Generalized Least Square), com dados de 1995 a 2018. Os resultados demonstraram que práticas associadas à agricultura orgânica causam impactos positivos e significativos no valor agregado dos produtos agrícolas, enquanto práticas relacionadas ao uso de ações não sustentáveis e degradantes impactam negativamente e significativamente no valor agregado dos produtos. Verificou-se ainda que, práticas da agricultura convencional, como uso de fertilizantes e pesticidas, apesar de apresentar um impacto positivo no valor agregado do produto agrícola, este foi significativamente inferior ao uso de práticas orgânicas.
- 5 January 2024
- Published by EdiUNS - Editorial de la Universidad Nacional del Sur in Estudios económicos
- Vol. 41 (82) , 95-124
Open AccessO impacto de prácticas orgânicas no valor agregado da agricultura
Este estudo busca analisar como a agricultura orgânica afeta o valor agregado da agricultura. Para isso, estimou-se um modelo econométrico de dados em painel, utilizando os métodos de Efeitos Fixos, Efeito Fixo Corrigido e GLS (Generalized Least Square), com dados de 1995 a 2018. Os resultados demonstraram que práticas associadas à agricultura orgânica causam impactos positivos e significativos no valor agregado dos produtos agrícolas, enquanto práticas relacionadas ao uso de ações não sustentáveis e degradantes impactam negativamente e significativamente no valor agregado dos produtos. Verificou-se ainda que, práticas da agricultura convencional, como uso de fertilizantes e pesticidas, apesar de apresentar um impacto positivo no valor agregado do produto agrícola, este foi significativamente inferior ao uso de práticas orgânicas.