Análise de colaborações entre governo e ONGs e da densidade de ONGs no Brasil

Análisis de colaboraciones entre gobierno y ONGs y de la densidad de ONGs en Brasil

Resumos

Esta pesquisa analisa os efeitos da densidade de organizações sem fins lucrativos (ONGs) e da colaboração entre governo e ONGs no desenvolvimento humano e na desigualdade de renda no Brasil. Estudos de governança afirmam que a colaboração do governo com ONGs leva a melhores resultados sociais. Esta pesquisa testa essa hipótese em 5.562 municípios brasileiros usando modelos lineares e espaciais. Análises espaciais permitem a identificação de efeitos específicos ocorrendo em diferentes regiões. A taxa de convênios entre o governo federal e ONGs em cada município brasileiro está associada a uma diminuição da desigualdade de renda, porém está também associada a uma significativa queda do nível de desenvolvimento humano. A densidade de ONGs de diferentes áreas de atividade apresenta diversas relações com desenvolvimento humano e desigualdade. Esses resultados permitem uma análise mais realista de arranjos de governança, considerando seus impactos nas comunidades e as realidades locais.

Palavras-chave:
governança; colaboração; ONGs; impactos; governo.

Esta investigación analiza los efectos de la densidad de organizaciones sin fines de lucro (ONGs) y de la colaboración entre gobierno y ONGs en el desarrollo humano y desigualdad de renta en Brasil. Estudios de gobernanza afirman que la colaboración del gobierno con ONGs resulta en mejores resultados sociales. La investigación prueba esa hipótesis en 5.562 municipios brasileños utilizando modelos de regresión lineales y espaciales. Los análisis espaciales permiten la identificación de efectos específicos en distintas regiones. La tasa de acuerdos entre el gobierno federal y las ONGs en cada ciudad brasileña se asocia con la disminución de la desigualdad de ingresos, pero también se asocia significativamente con un menor nivel de desarrollo humano. La densidad de ONG de diferentes campos de actividad tiene diferentes relaciones con el desarrollo humano y la desigualdad. Esos resultados permiten un análisis más realista de acuerdos de gobernanza, considerando sus impactos en las comunidades y las realidades locales.

Palabras clave:
gobernanza; colaboración; ONG; impacto; gobierno.

This research analyzes the effects of the density of nonprofit organizations and government-nonprofit collaboration on human development and income inequality in Brazil. Governance studies assume that government-nonprofit collaboration leads to improved societal outcomes. This research tests this hypothesis in 5,562 Brazilian municipalities using ordinary least squares regressions and spatial models. Spatial analysis enables the identification of specific effects occurring across different regions. The rate of contracts between the federal government and nonprofits in each Brazilian municipality is associated with the decrease of income inequality, but it is also significantly associated with a lower level of human development. The density of nonprofits from different fields of activity presents diverse relations with human development and inequality. These results enable a more realistic analysis of governance arrangements, considering their impact over communities and the local realities.

Keywords:
governance; collaboration; nonprofits; impact; government.

1. Introdução

Esta pesquisa analisa a influência das parcerias entre governos e organizações sem fins lucrativos (ONGs) e da densidade de ONGs em grandes indicadores sociais no Brasil. Desde os anos 1980, colaborações entre governos e organizações privadas cresceram e têm sido promovidas ao redor do mundo como uma maneira de atingir melhores resultados para a sociedade (Milward e Provan, 2000; Salamon, 2002). O crescimento das colaborações entre os setores público e privado é motivado pela frustração com a ineficiência do governo em resolver relevantes problemas sociais, e também pelo reconhecimento do potencial de ONGs e empresas na identificação de demandas da sociedade (Saidel, 1991; Milward e Provan, 2000; Salamon, 2002; Rhodes, 2012).

Há questionamentos, no entanto, sobre o impacto das parcerias entre governo e ONGs, pois esses arranjos podem gerar problemas de accountability e desvios de missão das ONGs, que se afastam dos seus objetivos iniciais e perdem contato com as prioridades das comunidades (AbouAssi, 2013; Banks, Hulme e Edwards, 2015). A fim de analisar os potenciais benefícios para a sociedade, resultantes de diferentes arranjos de governança, este artigo investiga se há evidências de que colaborações entre governos e ONGs melhoram o desenvolvimento humano e reduzem a desigualdade de renda.

Esta análise, portanto, mensura os benefícios para a sociedade em termos da variação em desenvolvimento humano e de desigualdade. Desenvolvimento humano se relaciona com indicadores de saúde, educação e geração de renda, enquanto a desigualdade de renda revela padrões estruturais da sociedade. Isto é, essas métricas capturam tanto o efeito das ONGs na prestação de serviços quanto os resultados da defesa de direitos e ações visando mudanças estruturais.

Este estudo está focado em ONGs, mas o mesmo traz argumentos que também podem ser úteis a administradores públicos, pesquisadores e outros atores privados, pois arranjos intersetoriais são frequentemente sugeridos por e para tais atores. Enquanto há muitas análises de governança nos Estados Unidos e Europa (Börzel, 2012; Cornforth, Hayes e Vangen, 2015), sabe-se menos sobre governança no Sul global, e em países com uma capacidade estatal reduzida (Risse, 2013). Esta pesquisa procura preencher essas lacunas por meio da análise de arranjos de governança e seus resultados sociais em todos os 5.562 municípios brasileiros.¹

A metodologia deste trabalho inclui testes de autocorrelação espacial, regressões de mínimos quadrados e modelos espaciais (Anselin e Rey, 2014). Os resultados indicam que municípios com uma taxa mais elevada de colaborações entre governo e ONGs no Brasil são associados a uma redução na desigualdade de renda de 2000 a 2010, mas esses casos também são associados a um maior desenvolvimento humano no mesmo período. Isto é, parcerias entre o governo federal e ONGs parecem contribuir para uma sociedade mais igualitária, mas esses arranjos são prejudiciais ao desenvolvimento humano. Não é claro o que causa essa relação, mas isso pode significar que a prestação de serviços sociais por meio de colaborações entre governos e ONGs contribui para a redistribuição de renda, mas é menos eficiente do que a alternativa de prover serviços sociais por outros meios, como na prestação de serviços direta pelo governo. Além disso, os resultados da densidade de ONGs variam de acordo com diferentes campos de atividade. ONGs de diversos campos de atividade estão associadas a uma piora no desenvolvimento humano, mas grupos de advocacy e associações profissionais têm uma associação positiva com esse indicador. Associações profissionais são também o único campo de atividade associado a uma redução da desigualdade de renda. Testes revelam efeitos espaciais no desenvolvimento humano e desigualdade. Métodos espaciais mostram que o desenvolvimento humano se espalha de um município para os municípios vizinhos, e que efeitos regionais podem estar influenciando a desigualdade em diferentes partes do país. Esses resultados não devem ser considerados relações causais conclusivas. Há variáveis complexas que afetam o desenvolvimento humano e a desigualdade. As associações estatísticas significantes, no entanto, contrariam o argumento de que colaboração é sempre uma política desejável. Estudos qualitativos são necessários para explicar as relações encontradas aqui.

Este artigo está organizado em cinco seções. Primeiro, há uma revisão de literatura sobre colaborações entre governos e ONGs e governança, enfatizando pesquisa relacionada com os resultados esperados desses arranjos. Em seguida, há uma apresentação dos dados e métodos utilizados neste estudo. A terceira seção descreve elementos importantes do terceiro setor no Brasil, além de apresentar resultados da análise exploratória. A quarta seção apresenta os resultados da análise espacial, relacionando esses indicadores com os diferentes campos de atividade das ONGs e os arranjos colaborativos. A seção final discute as implicações deste estudo, levanta questões para análise posterior e enfatiza as limitações desta pesquisa.

2. Revisão de literatura e hipóteses

Desde os anos 1980, várias áreas têm adotado o termo governança, nem sempre com o mesmo significado (Levi-Faur 2012). Em geral, o conceito está associado a mudanças nos processos e estruturas por meio dos quais a sociedade é gerida, envolvendo a redefinição de limites entre governos e organizações privadas com ou sem fins lucrativos (Rhodes, 2012). Governança conecta “uma rede de atores que opera em vários domínios de políticas públicas”² (Milward e Provan, 2000:360). Entre esses atores, este artigo está particularmente interessado em arranjos de governança entre governos e ONGs. O conceito de ONGs aqui se refere a organizações que são privadas, autogovernadas, voluntárias e que não distribuem lucro (Salamon and Anheier, 1999). No Brasil, essas organizações são parte de um universo também identificado como fundações privadas e associações sem fins lucrativos (Fasfil) pela agência governamental (IBGE, 2010). Apesar de um debate relevante sobre a nomenclatura adequada, aqui o conceito de ONGs refere-se a todas essas organizações, ressaltando a heterogeneidade do campo. A diversidade dessas organizações é observada, por exemplo, nas suas múltiplas formas organizacionais e áreas de atividade (Boris, 2006; Anheier, 2014).

Salamon (2002) afirma que governança muda o foco da análise política das agências governamentais para programas ou instrumentos de governança. Colaboração é frequentemente uma condição para os instrumentos de governança, levando a uma crescente literatura que discute governança colaborativa. Há diferentes definições de colaboração, e esses arranjos podem ser mais ou menos frequentes e intensos. Com o objetivo de analisar os resultados gerais desses arranjos de governança no Brasil, aqui os termos colaboração e parcerias aparecem indistintamente, e esses relacionamentos são entendidos como “arranjos formais, de trabalho conjunto, entre organizações que permanecem legalmente autônomas enquanto se engajam em um esforço coletivo duradouro para atingir resultados que não poderiam ser atingidos por nenhuma delas isoladamente”³ (Cornforth, Hayes e Vangen, 2015:3). O instrumento de governança analisado aqui são os convênios, um mecanismo intensamente adotado para transferências financeiras do governo para ONGs no período entre 2000 e 2009 (Plataforma OSC, 2010).

A literatura de governança frequentemente assume que a colaboração entre diferentes setores leva a melhores resultados para a sociedade do que quando as organizações trabalham isoladas umas das outras (Milward e Provan, 2000; Salamon, 2002; Salamon e Toepler, 2015). A escolha por arranjos colaborativos, no entanto, envolve quem participa e como eles influenciam as políticas que serão levadas adiante (Salamon, 2002). Cada forma de colaboração entre governos e ONGs muda o sistema de accountability, afeta a legitimidade e cria novos desafios de gestão para os diferentes atores envolvidos (Salamon, 2002; Banks, Hulme e Edwards, 2015). É importante saber, portanto, se um determinado arranjo de governança resulta no benefício desejado para a sociedade, justificando eventuais ineficiências ao longo do processo.

Apesar do argumento de que colaborações entre governos e ONGs apresentam melhores resultados para a sociedade (Milward e Provan, 2000), uma grande parte da literatura enfatiza consequências organizacionais negativas para as ONGs trabalhando nesses arranjos (Frumkin, 2002). Diversos autores discutem, por exemplo, como a colaboração com o governo leva à burocratização (Frumkin, 2002) e restringe a atuação política das ONGs (Nicholson-Crotty, 2007; Schmid, Bar e Nirel, 2008; Guo e Saxton, 2010; Verschuere e De Corte, 2015). É menos comum encontrar debates sobre as mais amplas consequências desses arranjos para a sociedade. Isto é, mesmo que ONGs enfrentem problemas organizacionais quando colaboram com o governo, como a sociedade é afetada por esses arranjos colaborativos?

A primeira e principal hipótese deste trabalho avalia os resultados para a sociedade de colaborações entre governos e ONGs. Ao discutir colaborações focando mecanismos contratuais com transferência de recursos, testa-se o argumento de que ONGs recebendo financiamento do governo mudam suas prioridades para continuar recebendo tais recursos, ao invés de focar objetivos de políticas públicas (Mosley, 2012). O Índice de Desenvolvimento Humano (IDH) é um primeiro resultado social analisado aqui, por ser uma medida que captura benefícios da prestação de serviços nas áreas de educação, saúde e geração de renda (Anand e Sen, 1994; UNDP, 2015). Atack (1999) argumenta que ONGs têm características únicas, tais como seu acesso às comunidades, que permitem a elas contribuir para a melhoria desses indicadores. Ranis, Stewart e Ramirez (2000) afirmam que ONGs são tipicamente orientadas para objetivos de desenvolvimento humano. Há, no entanto, críticas ao IDH por não incorporar questões distributivas (Grimm et al., 2008; Permanyer, 2013). A fim de complementar a análise de impactos sociais, portanto, esta pesquisa também analisa os efeitos da colaboração entre governo e ONGs no coeficiente de Gini, que mede desigualdade de renda. O Brasil é um dos países mais desiguais do mundo, apesar de uma redução da desigualdade de renda ao longo dos anos 2000, que pesquisas prévias atribuem a programas governamentais de transferência de renda, que tornaram menos abundante a mão de obra com pouca qualificação (Lustig, Lopez-Calva e Ortiz-Juarez, 2013). Estudos prévios também adotam o coeficiente de Gini como uma medida da necessidade de atividade de ONGs em comunidades (Koch et al., 2009; Sokolowski, 2013).

Os argumentos previamente apresentados geram a expectativa de que a colaboração entre governo e ONGs financiadas pelo governo gere benefícios em termos de IDH, por meio da expansão da prestação de serviços sociais, mas esses arranjos deslocariam ONGs de atividades que promovem direitos para os cidadãos, limitando seu impacto na redução de desigualdades (Neal, 2008; Banks et al., 2015).

H1: Colaboração envolvendo transferências financeiras do governo para ONGs leva a melhoria no desenvolvimento humano, mas não contribui para reduzir a desigualdade de renda em nível municipal.

Além da hipótese principal, duas análises complementam este estudo. Em primeiro lugar, é importante entender a contribuição das ONGs independentemente da sua colaboração com o governo. A colaboração total com o governo e a completa autonomia das ONGs podem ser dois extremos de um contínuo que inclui diferentes graus de colaboração e autonomia. Portanto, além de discutir se a colaboração é benéfica ou não, também é necessário identificar os resultados das ONGs em geral. Considerando a complexidade e heterogeneidade do setor sem fins lucrativos (Boris, 2006), espero encontrar diferentes resultados de ONGs de diferentes campos de atividade. ONGs podem ser de campos tipicamente focados na prestação de serviços, tais como habitação, serviços sociais, saúde e educação, ou podem ser de campos mais expressivos e relacionados com a formação comunitária, identidades e causas estruturais, como organizações culturais, de defesa de direitos e associações profissionais (Salamon et al., 2013). Considerando-se os resultados analisados aqui - desenvolvimento humano e desigualdade -, espera-se que prestadores de serviço melhorem o IDH e ONGs de campos expressivos contribuam para uma sociedade mais igualitária.

H2: A densidade de ONGs de campos de atividade mais próximos à prestação de serviços melhora o desenvolvimento humano, enquanto a densidade de ONGs de campos expressivos reduz a desigualdade em cada município.

A hipótese final deste artigo verifica se há variação geográfica nos resultados sociais de colaborações entre governos e ONGs e da densidade de ONGs. Os poucos estudos que analisam os resultados sociais de ONGs e sua colaboração com o governo normalmente discutem um campo de atividade e local de atuação específico (Kearns, Park e Yankoski, 2005; Scott et al., 2006; Suda, 2006). Quais seriam os resultados considerando o país todo em nível municipal? Há efeitos espaciais que influenciam os resultados encontrados? Considerando-se a diversidade do terceiro setor e a grande variação de características regionais nos municípios brasileiros, espera-se encontrar significativos efeitos espaciais na forma como ONGs e sua colaboração com o governo afetam o desenvolvimento humano e a desigualdade.

H3: Há efeitos espaciais significativos influenciando os resultados para a sociedade da densidade de ONGs e de colaborações entre governo e ONGs em nível municipal.

Após uma descrição do referencial teórico que sustenta este artigo, a próxima seção apresenta os métodos adotados para testar essas hipóteses.

3. Métodos

Este artigo adota métodos quantitativos, incluindo regressões usando o método de mínimos quadrados e modelos espaciais. A análise especial proporciona ferramentas para testar, entre outras coisas, se um fenômeno é condicionado pelo que está acontecendo em unidades vizinhas, ou por características das distintas regiões (Dale e Fortin, 2014). Municípios são a unidade de análise deste trabalho.

As variáveis dependentes deste estudo são:⁴ a) diferença no IDH⁵ municipal entre 2010 e 2000 e b) diferença na desigualdade de renda entre 2010 e 2000, medida pelo coeficiente de Gini municipal.⁶ Dados sobre o IDH e Gini vêm de censos brasileiros de 2010 e 2000, compilados pelo Programa das Nações Unidas para o Desenvolvimento.⁷ As variáveis independentes que indicam colaboração entre ONGs e governos são: c) o número de convênios entre ONGs e governo por 100 mil habitantes em cada município, de 2000 a 2009. Também testei o efeito da soma de recursos transferida para convênios per capita, mas como essa medida é altamente correlacionada com o número de convênios per capita, e porque esses resultados não são significativamente diferentes dos aqui apresentados, utilizei apenas a taxa de convênios per capita. Esses dados foram obtidos por meio de um pedido de acesso à informação para o governo federal brasileiro.⁸ Outras variáveis independentes são: d) a taxa de ONGs criada entre 2000 e 2009⁹ por 100 mil habitantes, segmentada pelos 10 campos de atividades oficiais dessas organizações, e) os investimentos per capita do governo municipal, feitos entre 2000 e 2009,¹⁰ como uma medida da capacidade estatal, f) variações na população total do município entre 2000 e 2010, g) variações na população rural no município entre 2000 e 2010 e h) a variável depen­dente omissa - isto é, IDH quando a variável dependente for Gini, e Gini quando a variável dependente for IDH. Não foi possível adicionar outros controles, pois o IDH é composto de várias variáveis que poderiam causar problemas de multicolinearidade. Dados dos campos de atividade das ONGs em cada município vêm de um segundo pedido de acesso à informação ao governo federal.¹¹ A tabela 1apresenta estatísticas descritivas dessas variáveis.

Tabela 1
Estatísticas descritivas

• Fonte: Criada pelo autor utilizando dados descritos nesta seção.

A seção 3 apresenta um resumo da evolução histórica de ONGs no Brasil, além de regressões pelo método de mínimos quadrados e diagnósticos de autocorrelação espacial. Simultaneamente às regressões de mínimos quadrados, esses diagnósticos¹² indicam que tipos de processos espaciais ocorrem em cada caso. O teste I de Moran é o principal diagnóstico de autocorrelação especial, e a confirmação de efeitos espaciais leva a testes de multiplicadores Lagrange,¹³ que indicam o modelo espacial mais apropriado para cada especificação (Anselin e Rey, 2014). Depois de implementar os modelos espaciais, é possível comparar os Critérios de Informação Akaike (AIC) para determinar que modelo proporciona o melhor ajuste aos dados (Anselin e Rey, 2014).

Os modelos espaciais testados aqui são os de erro espacial (spatial error) e atraso espacial (spatial lag) (Anselin, 2005; Anselin e Rey, 2014). O modelo de erro espacial indica se há variáveis omissas afetando unidades vizinhas em determinada região, o que causa correlação entre os termos de erro, ao passo que o atraso espacial verifica se eventos em uma unidade aumentam a probabilidade de ocorrência desse evento em unidades vizinhas (Baller et al., 2001). Formalmente, o modelo de erro espacial (Anselin e Rey, 2014) é dado por:

A variável dependente na unidade i é dada pelo coeficiente β para a variável independente X naquela mesma unidade, mais um termo de erro que é espacialmente dependente (Wμ). Nesse caso, λ é um coeficiente especial autorregressivo e ? é o termo de erro remanescente, que não é espacialmente dependente. Ou seja, há fatores regionais afetando unidades vizinhas e fazendo com que seus termos de erro sejam correlacionados.

O modelo de atraso espacial (Anselin e Rey, 2014) é dado pela seguinte equação:

Isso indica que, se _^yi é a variável dependente na unidade i, α é o coeficiente autorregressivo espacial; _^Wi,j é o peso espacial que especifica a relação entre as unidades i e j; _^yj é a variável dependente na unidade j; β é o coeficiente para a variável independente; _^Xi é a variável independente na unidade i; e μ_i é o termo de erro na mesma unidade; isso significa que o valor da variável dependente na unidade i é dado pelo valor da mesma variável em unidades vizinhas, mais o efeito das variáveis independentes e termos de erro na unidade em questão.

Os softwares R (R Core Team, 2015) e Geoda (Anselin, Syabri e Kho, 2006) foram utilizados para todos os testes e modelos. Após essa explicação dos métodos utilizados, a próxima seção apresenta dados descritivos e uma análise preliminar do terceiro setor no Brasil.

4. Dados preliminares

Há mais de 290 mil ONGs no Brasil, empregando mais de 2,1 milhões de pessoas (IBGE, 2010). Apesar de consideráveis números agregados e de uma história de atuação no Brasil que começou com organizações católicas mais de um século atrás (Landim et al., 1999), o terceiro setor brasileiro ainda é incipiente se comparado a países como os Estados Unidos. Em 2010 ainda havia 63 municípios sem nenhuma ONG registrada e um quarto dos municípios brasileiros tem até sete dessas organizações (IBGE, 2010). Além disso, enquanto nos Estados Unidos áreas como educação, saúde e serviços sociais concentram o maior número de ONGs (Boris, 2006), no Brasil essas áreas são menos dominantes. Organizações religiosas, associações profissionais, grupos de advocacy e organizações culturais compõem mais de 70% das ONGs brasileiras. Há, no entanto, uma significativa variação regional nessa composição.

Dados dos campos de atividade das ONGs¹⁴ e de sua idade, capturada pelas décadas de fundação, adicionam informações sobre esse perfil. O gráfico 1apresenta a evolução do número de ONGs de acordo com diferentes regiões do país e décadas de fundação. O gráfico 2 apresenta o número de ONGs em diferentes campos de atividade, segundo sua década de fundação.

Gráfico 1
Número de ONGs segundo as regiões do país e década de fundação

Gráfico 2
ONGs de diferentes campos de atividade, segundo sua década de fundação

Esses gráficos mostram um crescimento contínuo do terceiro setor no Brasil em todas as regiões, especialmente desde os anos 1980, quando o regime militar caiu no Brasil (ver também Landim et al., 1999). ONGs continuaram a crescer durante as décadas de 1990 e 2000, quando o governo aprovou legislações que promovem parcerias com essas organizações (Appe e Marchesini da Costa, 2016).

O Sudeste - região mais rica, industrializada e populosa - também tem o maior número de ONGs no Brasil. Nessa região, 37% das ONGs são de base religiosa, o que constitui o maior percentual para essa categoria no país. O gráfico 2, no entanto, mostra que organizações religiosas são consistentemente o maior grupo no Brasil. Esse grupo de organizações teve um acelerado crescimento nos anos 1970, durante o regime militar. Vários estudos discutem o papel das organizações religiosas na luta contra a repressão naquele momento de restrição da atividade política no país (Krischke, 1991; Azevedo, 2004). O papel de organizações religiosas nos anos mais recentes, no entanto, é mais diverso, tendo contribuído para a difusão de agendas conservadoras no Brasil (Coutinho e Golgher, 2014).

O Nordeste é a segunda região mais populosa do Brasil, mas somente ultrapassou o Sul em termos de número de ONGs nos anos 2000. Isso aconteceu em parte devido ao significativo aumento no número de organizações de advocacy e associações profissionais no Nordeste, especialmente entre os anos 1980 e 1990. Enquanto os anos 1980 foram caracterizados pela redemocratização e pela entrada no país de recursos de cooperação internacional apoiando o terceiro setor brasileiro, os anos 1990 foram o início da expansão de contratações entre governos e ONGs (Appe e Marchesini da Costa, 2016). Apesar de algumas áreas industriais e desenvolvidas, o Nordeste ainda reúne alguns dos municípios mais pobres do Brasil.

Apesar de ter apenas 52% da população do Nordeste, até os anos 1990 o Sul tinha o segundo maior número de ONGs do Brasil. Organizações culturais e religiosas são os campos de atividade mais comuns nessa região, que é a mais próspera do Brasil e é caracterizada pela maior presença de imigrantes europeus. Organizações de assistência social também aparecem nessa região relativamente mais do que em outras regiões do país.

A região Centro-Oeste, caracterizada por uma forte atividade agrícola, e o Norte, que é a maior região, e onde a floresta amazônica está localizada, são áreas menos povoadas e com um menor número de ONGs. Organizações religiosas são o maior grupo nas duas regiões, mas no Norte as associações profissionais são também um campo dominante no terceiro setor.

A fim de identificar resultados gerais e também para permitir diagnósticos de autocorrelação espacial, que sugeririam a necessidade de modelos de regressão espacial, a tabela 2 apresenta os resultados de regressões de mínimos quadrados.

A interpretação dos resultados do modelo de mínimos quadrados faria sentido se os diagnósticos de dependência espacial não fossem significativos. Dado que o I de Moran e os testes de multiplicadores Lagrange apresentam resultados significativos para os dois modelos, confirmando a existência de efeitos espaciais, há evidências de que regressões espaciais podem explicar melhor as relações aqui analisadas do que os modelos de mínimos quadrados. Esses testes também indicam qual modelo espacial é o recomendado em cada caso. Seguindo a orientação de Anselin e Rey (2014), se as versões normais dos multiplicadores Lagrange de atraso e erro espacial são significativos, deve-se analisar as versões robustas dos mesmos testes, e optar pelo modelo cujo teste for significativo e de maior valor. Isso sugere o uso do modelo de atraso espacial para o IDH e de erro espacial para o Gini. Também se deve apontar que o valor significativo da versão Sarma do multiplicador Lagrange sugere um misto de efeitos espaciais - de variáveis omissas regionais e de resultados de uma unidade afetando unidades vizinhas. Esse efeito poderia ser explorado por meio de regressões ponderadas geograficamente (Brunsdon, Fotheringham e Charlton, 1996), mas esses modelos não serão discutidos aqui para que se mantenha o foco nos resultados significativos para o país como um todo. Na próxima seção apresentam-se os resultados dos modelos espaciais.

Tabela 2
Modelos de mínimos quadrados

• Fonte: Criada pelo autor usando dados descritos na seção 2. **p ≤ 0.05; * p ≤ 0.10 (testes de cauda dupla); t-estatística em parênteses.

5. Modelos espaciais

Esta seção explora os efeitos espaciais identificados anteriormente por meio da modelagem dessas relações espaciais. A tabela 3apresenta resultados para os modelos de atraso espacial e erro espacial, seguindo a indicação dos multiplicadores Lagrange obtidos na regressão de mínimos quadrados (Anselin e Rey, 2014). Os modelos espaciais aqui apresentados resultam em aumento do R quadrado e decréscimo dos AICs quando comparados aos modelos de mínimos quadrados, indicando que as regressões espaciais se adequam melhor aos dados. Uma segunda observação geral é que os testes multiplicadores Lagrange continuam significantes, indicando a persistência de efeitos espaciais não resolvidos por esses modelos. Apesar disso, os modelos espaciais aqui apresentados possibilitam análises preliminares dos resultados no país como um todo. Finalmente, os resultados do R quadrado sugerem que os modelos aqui apresentados explicam mais sobre influências no desenvolvimento humano do que na desigualdade.

Municípios com maiores taxas de colaboração entre governo e ONGs são associados a menos desigualdade, mas também são associados a menores melhorias no desenvolvimento humano no período entre 2000 e 2010, quando comparados aos demais municípios. Ou seja, se lembrarmos que as estatísticas descritivas indicam que a variação do IDH foi positiva para todos os municípios brasileiros entre 2000 e 2010, os resultados deste estudo indicam que municípios com mais colaboração entre governo federal e ONGs melhoram menos do que os demais, em termos de IDH. Por outro lado, esses municípios com maior colaboração entre governo e ONGs têm uma maior redução da desigualdade deste período.

A densidade de ONGs parece ter maior impacto no desenvolvimento humano do que na desigualdade. No entanto, esse efeito é negativo para a maioria dos campos de atividade das ONGs. As únicas exceções são grupos de advocacy, associações profissionais e, com 90% de nível de confiança, ONGs classificadas como “outros” campos de atividade. Esses últimos dois tipos de ONGs também têm um efeito significativo na desigualdade, mas, enquanto associações profissionais estão associadas a uma menor desigualdade, o grupo de “outras” ONGs está associado a uma maior desigualdade.

Os resultados também indicam que a difusão espacial do desenvolvimento humano tem efeito significativo e positivo, enquanto para desigualdade o erro espacial também tem efeito significativo e positivo. Portanto, o IDH de um município afeta os municípios vizinhos, e efeitos regionais não incluídos neste modelo afetam a desigualdade em diferentes regiões do país. Além disso, variações de desenvolvimento humano e desigualdade se afetam mutuamente e variações demográficas importam, mas neste caso com uma magnitude muito pequena. A capacidade estatal apresenta também efeito significativo em desenvolvimento humano.

Testes de autocorrelação espacial continuam a ser significantes nos modelos de atraso espacial e erro espacial apresentados aqui. Como explicado previamente, isso sugere efeitos espaciais mistos que podem ser tratados por meio de regressões ponderadas geograficamente ou também por modelos espaciais Durbin (Brunsdon, Fotheringham e Charlton, 2002; Charlton, Fotheringham e Brunsdon, 2009; Anselin e Rey, 2014). Devido às limitações de espaço e também para garantir uma discussão dos resultados alcançados até aqui, este artigo não expande a análise além dos modelos de erro e atraso espacial. Porém, para uma análise mais detalhada do efeito de colaborações e densidade de ONGs em uma determinada região do país, os modelos espaciais mistos ofereceriam uma análise mais detalhada.

Tabela 3
Modelos espaciais

• Fonte: Criada pelo autor usando dados descritos na seção 2. **p ≤ 0.05; * p ≤ 0.10 (testes de duas caudas); z-estatística em parênteses.

6. Discussão e conclusão

Voltando às questões de pesquisa que orientam este estudo, os resultados das regressões de mínimos quadrados e os modelos espaciais utilizando dados em nível municipal indicam que colaborações entre governos e ONGs podem contribuir para a redução da desigualdade, mas esses arranjos também podem ser negativos para indicadores de desenvolvimento humano. A densidade de ONGs de diferentes campos de atividade afeta diferentemente o desenvolvimento humano e a desigualdade. No entanto, a maioria dos campos de atividade de ONGs tem uma associação negativa com a evolução do desenvolvimento humano de 2000 a 2010, enquanto sua associação com a desigualdade é, na maioria dos casos, não significante. Apesar da necessidade de análises mais profundas sobre os mecanismos causais dos resultados obtidos aqui, esses resultados sugerem que pressupostos centrais adotados por parte da academia e por executivos de organizações públicas e privadas - de que colaborações entre diferentes setores e a densidade de ONGs melhoram a sociedade - não são sempre verdade. Esta seção discute as limitações, explicações alternativas e implicações deste estudo.

Uma primeira limitação deste estudo é que ele considera como colaboração apenas os convênios entre o governo federal e ONGs, e analisa apenas o impacto na sociedade em termos do desenvolvimento humano e da desigualdade. Líderes de ONGs notaram as limitações do mecanismo de convênios e defenderam mudanças nesses arranjos que levaram a novos instrumentos de colaboração com o governo (Plataforma OSC, 2010). O novo marco regulatório para ONGs no Brasil, aprovado em 2014, incorpora parte dessas recomendações, mas ainda não há dados disponíveis do resultado desses novos instrumentos de colaboração. Uma segunda limitação é que resultados sociais não podem ser atribuídos exclusivamente a um arranjo de governança (Fukuyama, 2013). Os IDH e Gini são utilizados aqui, no entanto, como indicadores dos resultados que realmente importam em termos de governança (Rotberg, 2014). O objetivo deste estudo, no entanto, não é o de afirmar a existência de relações causais. As associações identificadas nesta pesquisa não explicam os mecanismos causais que relacionam ONGs a desenvolvimento humano e desigualdade. Estudos qualitativos devem complementar esta análise investigando como ONGs e suas colaborações como o governo podem influenciar esses grandes resultados para a sociedade. Além disso, ONGs brasileiras de diferentes campos de atividade e áreas do país têm especificidades que não foram plenamente consideradas neste estudo. Isso leva à limitação final deste artigo: mesmo com os dados em nível municipal e por campo de atividade, provavelmente há variações em como organizações em cada um desses grupos se relacionam com o governo. Em resumo, este trabalho não discute o que efetivamente faz um convênio entre governo e uma ONG ser positivo ou negativo para a sociedade. Apesar disso, os resultados proporcionam elementos que contribuem para um debate sobre governança.

Há uma forte explicação alternativa para os resultados obtidos nesta pesquisa, relacionada com o problema da endogeneidade. Isto é, a relação explicada aqui pode ser reversa: ONGs e sua colaboração com o governo podem ocorrer mais em municípios com um baixo desenvolvimento humano e maior desigualdade, com o objetivo de reverter esses indicadores e melhorar essas comunidades. Estudos prévios, no entanto, indicam que as necessidades da comunidade e a disponibilidade de recursos exercem menos influência na localização das ONGs do que a densidade prévia de ONGs em um município (Marchesini da Costa, 2016). Apesar disso, complementos qualitativos a esta pesquisa devem verificar que critérios as ONGs e governos adotam ao selecionar um município para uma colaboração intersetorial.

As implicações deste estudo devem considerar, em primeiro lugar, a discussão sobre a terceira hipótese deste artigo. Não há evidências para rejeitar a existência de uma significativa variação especial nos efeitos de ONGs e suas colaborações com o governo no desenvolvimento humano e na desigualdade em nível municipal. Os significantes I de Moran, multiplicadores Lagrange e os melhores AICs obtidos nos modelos espaciais para o desenvolvimento humano e a desigualdade indicam autocorrelação espacial nesses casos. Esses resultados sugerem que ONGs interessadas em desenvolvimento humano e redução da desigualdade de renda devem desenvolver suas atividades com um foco mais regional, dado que o desenvolvimento humano se espalha por diferentes unidades e a desigualdade é influenciada por fatores regionais. Parcerias entre ONGs e o governo federal devem também explorar esse aspecto regional. Além disso, pesquisas futuras devem analisar se esses resultados são afetados por outros arranjos de governança não incluídos neste artigo, tais como arranjos entre ONGs e governos estaduais ou com consórcios intermunicipais.

A primeira hipótese deste artigo propunha que a colaboração envolvendo transferências financeiras do governo para ONGs levaria a uma melhoria em desenvolvimento humano e não seria relacionada com a desigualdade de renda em nível municipal. Modelos testados aqui indicam um resultado muito diferente: as colaborações entre ONGs e governos estão associadas negativamente tanto ao desenvolvimento humano quanto à desigualdade. Há evidências, portanto, para rejeitar essa hipótese. Esses resultados contradizem o argumento de que ONGs são prestadores de serviço em potencial, que devem ser incluídas em arranjos de governança (Salamon e Toepler, 2015), mas também contradizem a ideia de que, ao colaborar com o governo, as ONGs deixam de ter um impacto estrutural positivo na sociedade (Banks, Hulme e Edwards, 2015). Estudos futuros devem explorar os mecanismos causais que explicam esses resultados. A situação no período analisado, de 2000 a 2010, sugere que colaborações apresentam piores resultados para o desenvolvimento humano do que outros arranjos de governança, mas que parcerias entre governos e ONGs ativam canais para a distribuição de renda nos municípios.

Finalmente, a hipótese sobre os campos de atividade das ONGs afirmava que organizações de áreas tipicamente prestadoras de serviços melhorariam o desenvolvimento humano, enquanto ONGs de campos expressivos reduziriam a desigualdade em nível municipal. Os resultados contrariam em sua maioria essa hipótese, pois nenhum campo de prestação de serviços está positivamente associado à melhoria do desenvolvimento humano. Essa associação positiva ocorre apenas para dois dos campos expressivos: grupos de advocacy e associações profissionais. Além disso, a densidade de ONGs da maioria dos campos de atuação não está relacionada com a desigualdade. A exceção que parece reduzir a desigualdade vem de campos expressivos (associações profissionais), como esperado. Estudos adicionais devem analisar em maiores detalhes o que diferencia a ação dessas associações profissionais, fazendo com que a densidade dessas organizações tenha efeito positivo para a sociedade.

Este estudo apresenta mais questões do que respostas. Há diversas possíveis sequências para esta pesquisa. O foco aqui foi em uma análise geral da colaboração, e não em estudos regionais detalhados. Os resultados, ainda assim, indicam que efeitos espaciais relacionam a densidade de ONGs e as colaborações entre ONGs e governo com os resultados para a sociedade. É preciso também analisar o que diferencia os resultados da colaboração entre o governo e ONGs de diferentes campos de atividades. O mesmo vale para diferentes regiões do país. O impacto é o mesmo das colaborações na Bahia ou no Rio Grande do Sul? Que fatores influenciam o impacto social das ONGs que trabalham autonomamente ou em parceria com o governo? Essas são perguntas que podem contribuir para a melhoria das práticas de governança. Finalmente, esses impactos devem incluir outras dimensões além do desenvolvimento humano e desigualdade, tais como o impacto na violência ou na cultura política.

Referências

• ABOUASSI, Khaldoun. Hands in the pockets of mercurial donors NGO response to shifting funding priorities. Nonprofit and Voluntary Sector Quarterly, v. 42, n. 3, p. 584-602, 2013.
• ALMOG-BAR, Michal; SCHMID, Hillel. Advocacy activities of nonprofit human service organizations: a critical review. Nonprofit and Voluntary Sector Quarterly, v. 43, n. 1, p. 11-35, 2013.
• ANAND, Sudhir; SEN, Amartya. Human development index: methodology and measurement. Human Development Report Office (HDRO), United Nations Development Programme (UNDP), 1994.
• ANHEIER, Helmut K. Nonprofit organizations: theory, management, policy. Nova York: Routledge, 2014.
• ANSELIN, Luc. Spatial regression analysis in R-A workbook Urbana. 2005. Disponível em: <Disponível em: http://www.csiss.org/gispopsci/workshops/2011/PSU/readings/W15_Anselin2007.pdf >. Acesso em: 30 jan.2017.
  » http://www.csiss.org/gispopsci/workshops/2011/PSU/readings/W15_Anselin2007.pdf
• ANSELIN, Luc; REY, Sergio J. Modern spatial econometrics in practice: a guide to GeoDa, GeoDaSpace and PySAL. Chicago: GeoDa Press LLC, 2014.
• ANSELIN, Luc; SYABRI, Ibnu; KHO, Youngihn. GeoDa: an introduction to spatial data analysis. Geographical Analysis, v. 38, n. 1, p. 5-22, 2006.
• APPE, Susan; COSTA, Marcelo Marchesini da. Waves of nonprofit regulation and self-regulation in Latin America: evidence and trends from Brazil and Ecuador. In: BREEN, Oonagh; DUNN, Alison; SIDEL, Mark (Ed.). Regulatory waves comparative perspectives on state regulation and self-regulation policies in the nonprofit sector Cambridge, UK: Cambridge University Press, 2016. p. 154-175.
• ATACK, Iain. Four criteria of development NGO legitimacy. World Development, v. 27, n. 5, p. 855-864, 1999.
• AZEVEDO, Dermi. A Igreja Católica e seu papel político no Brasil. Estudos Avançados, São Paulo, v. 18, n. 52, p. 109-120, 2004.
• BALLER, Robert D. et al. Structural covariates of Us county homicide rates: incorporating spatial effects. Criminology, v. 39, n. 3, p. 561-588, 2001.
• BANKS, Nicola; HULME, David; EDWARDS, Michael. NGOs, states, and donors revisited: still too close for comfort? World Development¸ v. 66, p. 707-718, 2015.
• BORIS, Elizabeth T. Nonprofit organizations in a democracy: varied roles and responsibilities. Nonprofits & government: collaboration and conflict. 2. ed. Washington DC: Urban Institute, 2006. p. 1-36.
• BRUNSDON, Chris; FOTHERINGHAM, A. S.; CHARLTON, Martin E. Geographically weighted regression: a method for exploring spatial nonstationarity. Geographical Analysis, v. 28, n. 4, p. 281-298, 1996.
• BRUNSDON, Chris; FOTHERINGHAM, A. S.; CHARLTON, Martin E. Geographically weighted summary statistics—a framework for localised exploratory data analysis. Computers, Environment and Urban Systems, v. 26, n. 6, p. 501-524, 2002.
• CHARLTON, Martin; FOTHERINGHAM, Stewart; BRUNSDON, Chris. Geographically weighted regression. White Paper. National Centre for Geocomputation National University of Ireland Maynooth, 2009.
• CORNFORTH, Chris; HAYES, John Paul; VANGEN, Siv. Nonprofit-public collaborations understanding governance dynamics. Nonprofit and Voluntary Sector Quarterly, v. 44, n. 4, p. 775-795, 2014.
• COUTINHO, Raquel Z.; GOLGHER, André B. The changing landscape of religious affiliation in Brazil between 1980 and 2010: age, period, and cohort perspectives. Revista Brasileira de Estudos de População, v. 31, n. 1, p. 73-98, 2014.
• DALE, Mark R. T.; FORTIN, Marie-Josée. Spatial analysis: a guide for ecologists. Cambridge, UK: Cambridge University Press , 2014.
• FRUMKIN, Peter. On being nonprofit: a conceptual and policy primer. Cambridge, MA: Harvard University Press, 2002.
• FUKUYAMA, Francis. What is governance? Governance, v. 26, n. 3, p. 347-368, 2013.
• GRIMM, Michael et al. A human development index by income groups. World Development, v. 36, n. 12, p. 2527-2546, 2008.
• GUO, Chao; SAXTON, Gregory D. Voice-in, voice-out: constituent participation and nonprofit advocacy. Nonprofit Policy Forum, v. 1, n. 1, p. 1-27, 2010.
• IBGE. As fundações privadas e associações sem fins lucrativos no Brasil — 2010. 2010. Disponível em: <Disponível em: ftp://ftp.ibge.gov.br/Fundacoes_Privadas_e_Associacoes/2010/fasfil.pdf >. Acesso em: 11 jan. 2017.
  » ftp://ftp.ibge.gov.br/Fundacoes_Privadas_e_Associacoes/2010/fasfil.pdf
• KEARNS, Kevin; PARK, Chisung; YANKOSKI, Linda. Comparing faith-based and secular community service corporations in Pittsburgh and Allegheny County, Pennsylvania. Nonprofit and Voluntary Sector Quarterly, v. 34, n. 2, p. 206-231, 2005.
• KOCH, Dirk-Jan et al. Keeping a low profile: what determines the allocation of aid by non-governmental organizations? World Development, v. 37, n. 5, p. 902-918, 2009.
• KRISCHKE, Paulo J. Church base communities and democratic change in Brazilian society. Comparative Political Studies, v. 24, n. 2, p. 186-210, 1991.
• LANDIM, Leilah et al. Brazil. In: SALAMON, Lester et al. Global civil society: dimensions of the nonprofit sector. Baltimore: The Johns Hopkins Comparative Nonprofit Sector Project, 1999.
• LEVI-FAUR, David. From “big government” to “big governance”? In: LEVI-FAUR, David (Ed.). The Oxford handbook of governance Oxford, UK: Oxford University Press, 2012. p. 3-18.
• LUSTIG, Nora; LOPEZ-CALVA, Luis F.; ORTIZ-JUAREZ, Eduardo. Declining inequality in Latin America in the 2000s: the cases of Argentina, Brazil, and Mexico. World Development, v. 44, p. 129-141, 2013.
• MARCHESINI DA COSTA, Marcelo. What influences the location of nonprofit organizations? A spatial analysis in Brazil. Voluntas: International Journal of Voluntary and Nonprofit Organizations, v. 27, n. 3, p. 1064-1090, 2016.
• MILWARD, H. Brinton; PROVAN, Keith G. Governing the hollow state. Journal of Public Administration Research and Theory, v. 10, n. 2, p. 359-380, 2000.
• MOSLEY, Jennifer E. Keeping the lights on: how government funding concerns drive the advocacy agendas of nonprofit homeless service providers. Journal of Public Administration Research and Theory, v. 22, n. 4, p. 841-866, 2012.
• NEAL, Rachael. The importance of the state: political dimensions of a nonprofit network in Oaxaca, Mexico. Nonprofit and Voluntary Sector Quarterly, v. 37, n. 3, p. 492-511, 2007.
• NICHOLSON-CROTTY, Jill. Politics, policy, and the motivations for advocacy in nonprofit reproductive health and family planning providers. Nonprofit and Voluntary Sector Quarterly, v. 36, n. 1, p. 5-21, 2007.
• PERMANYER, Iñaki. Using census data to explore the spatial distribution of human development. World Development, v. 46, p. 1-13, 2013.
• PLATAFORMA OSC. Plataforma por um novo marco regulatório para as organizações da sociedade civil 2010. Disponível em: <Disponível em: http://www.plataformaosc.org.br/wp-content/uploads/2011/10/Plataforma-principal.pdf >. Acesso em: 11 jan. 2017.
  » http://www.plataformaosc.org.br/wp-content/uploads/2011/10/Plataforma-principal.pdf
• R CORE TEAM. R: a language and environment for statistical computing, issued 2015. 2015. Disponível em: <Disponível em: http://www.R-project.org/ >. Acesso em: 11 jan. 2017.
  » http://www.R-project.org/
• RANIS, Gustav; STEWART, Frances; RAMIREZ, Alejandro. Economic growth and human development. World Development, v. 28, n. 2, p. 197-219, 2000.
• RHODES, Roderick Arthur. Waves of governance. In: LEVI-FAUR, David (Ed.). Oxford handbook of governance Oxford, UK: Oxford University Press , 2012.
• RISSE, Thomas. Governance without a state?: policies and politics in areas of limited statehood. Nova York, NY: Columbia University Press, 2013.
• ROTBERG, Robert I. Good governance meansperformance and results. Governance, v. 27, n. 3, p.511-518, 2014.
• SAIDEL, Judith R. Resource interdependence: therelationship between state agencies and nonproftorganizations. Public Administration Review, v. 51,n. 6, p. 543-553, 1991.
• SALAMON, Lester M. Te new governance andthe tools of public action: an introduction. In: SALAMON, Lester M. (Ed.). Te tools of government: aguide to the new governance. Oxford, UK: OxfordUniversity Press, 2002.
• SALAMON, Lester M.; ANHEIER, Helmut K. Civilsociety in comparative perspective. In: SALAMON,Lester M. et al. Global civil society: dimensions of thenonproft sector. Baltimore: Johns Hopkins Centerfor Civil Society Studies, 1999. p. 3-39.
• SALAMON, Lester M.; TOEPLER, Stefan. Government-nonproft cooperation: anomaly or necessity? Voluntas: International Journal of Voluntary andNonproft Organizations, v. 26, n. 6, p. 2155-2177,2015.
• SALAMON, Lester M. et al. Te state of global civilsociety and volunteering: latest fndings from the implementation of the UN nonproft handbook. Centerfor Civil Society Studies Working Paper, n. 49, 2013
• SCHMID, Hillel; BAR, Michal; NIREL, Ronit. Advocacy activities in nonprofit human serviceorganizations implications for policy. Nonproft andVoluntary Sector Quarterly, v. 37, n. 4, p. 581-602,2008.
• SCOTT, W. Richard et al. Advocacy organizationsand the feld of youth services: ongoing efforts torestructure a feld. Nonproft and Voluntary Sectoruarterly, v. 35, n. 4, p. 691-714, 2006.
• SOKOLOWSKI, S. Wojciech. Effects of governmentsupport of nonproft institutions on aggregate privatephilanthropy: evidence from 40 countries. Voluntas:International Journal of Voluntary and NonproftOrganizations, v. 24, n. 2, p. 359-381, 2013
• SUDA, Yuko. Devolution and privatization proceedand centralized system maintained: a twisted realityfaced by Japanese nonproft organizations. Nonproftand Voluntary Sector Quarterly, v. 35, n. 3, p. 430-452, 2006.
• UNDP. Human Development Index (HDI). 2015.Disponível em: <http://www.hdr.undp.org/en/content/human-development-index-hdi>. Acesso em: 11jan. 2017.
  » http://www.hdr.undp.org/en/content/human-development-index-hdi
• VERSCHUERE, Bram; DE CORTE, Joris. Nonproftadvocacy under a third-party government regime:cooperation or conflict? Voluntas: InternationalJournal of Voluntary and Nonproft Organizations,v. 26, n. 1, p. 222-241, 2012.

• 1
  O Brasil tinha 5.570 municípios em 2015. Este artigo não inclui os seis municípios criados desde 2010, além de Fernando de Noronha e Ilhabela. Essas ilhas não são relevantes em termos de população e não podem ser facilmente incluídas na análise espacial (Anselin e Rey, 2014).

• 2
  No original: “a network of actors who operate in various domains of public policy”. Tradução minha.

• 3
  No original: “formalized, join-working arrangements between organizations that remain legally autonomous while engaging in ongoing, coordinated collective action to achieve outcomes that none of them could achieve on their own”. Tradução minha.

• 4
  Previamente foram testadas diferentes variáveis dependentes, tais como IDH e Gini em 2010. Os resultados neste caso não foram positivos para colaboração e variaram para a densidade de ONGs. Agradeço aos comentários de um revisor anônimo que enfatizou a importância de utilizar diferenças nas variáveis entre 2000 e 2010 para se capturar apropriadamente o efeito das variáveis independentes.

• 5
  O IDH varia de zero a um, com valores maiores indicando um maior desenvolvimento humano.

• 6
  O coeficiente de Gini varia de zero a um, com valores maiores indicando uma maior desigualdade.

• 7
  Atlas Brasil. Disponível em: <www.atlasbrasil.org.br/2013/>. Acesso em: 14 fev. 2015.

• 8
  Número do protocolo 16853.000393/2015-45.

• 9
  Há também um efeito esperado das ONGs criadas antes de 2000. No entanto, considerando-se que nos anos 2000 houve um crescimento maior do terceiro setor do que em décadas anteriores e que a taxa dessas organizações existente em um município é um forte indicador da criação de novas ONGs (Marchesini da Costa, 2016), a medida de ONGs criadas entre 2000 e 2009 serve como proxy para a densidade dessas organizações.

• 10
  Disponível em: <www.ipeadata.gov.br/>. Acesso em: 21 set. 2015.

• 11
  Número do protocolo 03950.001988/2014-97. O governo brasileiro disponibiliza dados agregados do terceiro setor por meio da pesquisa Fasfil, mas o requerimento foi necessário para dados em nível municipal dessas organizações.

• 12
  “All spatial analysis is sensitive to the manner in which spatial weights are specified. This research uses a threshold distance contiguity matrix to capture connectedness among units.”

• 13
  “The Lagrange Multiplier uses residuals from OLS to test for spatial autocorrelation” (Baller et al., 2001).

• 14
  Os campos de atividade aqui considerados seguem o registro oficial de ONGs para propósitos fiscais no Brasil. Vários autores apontam, no entanto, que ONGs desenvolvem atividades em vários campos simultaneamente (Almog-Bar e Schmid, 2014).

Datas de Publicação

• Publicação nesta coleção
  May-Jun 2017

Histórico

• Recebido
  30 Set 2015
• Aceito
  28 Dez 2016