Autores
-
João Victor Fortunato Teixeira Mundim
FGV Management
-
Patrícia Aparecida Abreu Moreira
FGV Management
-
Natália Lorena Bertussi
FGV Management
-
Adriano de Faria Silvestre
FGV Management
-
Eduardo Trindade Fanelli
FGV Management
-
Jorge Antônio Ferreira de Jesus
FGV Management
-
Eduardo de Rezende Francisco
FGV EAESP
Resumo
O presente artigo tem como objetivo analisar a relação entre o surgimento de startups e a rede de instituições de ensino de apoio local a essas startups, através do estudo da distribuição espacial desses fenômenos. Variáveis socioeconômico-demográficas dos municípios e áreas agregadas foram utilizadas. Para testar as hipóteses levantadas, foram utilizadas bases de startups do Serviço Brasileiro de Apoio às Micro e Pequenas Empresas (Sebrae), além de bases públicas de incubadoras e aceleradoras da Associação Nacional de Entidades Promotoras de Empreendimentos Inovadores (Anprotec), de instituições de ensino do Ministério da Educação (MEC), da Receita Federal do Brasil (RFB) e do Instituto Brasileiro de Geografia e Estatística (IBGE). Foram utilizadas técnicas de análise descritiva e regressão linear múltipla, com destaque para o modelo espacial auto-regressivo (Spatial Auto-Regressive model). Os resultados permitem explicar 93,18% (índice de determinação, R2) da distribuição de startups, a partir da disponibilidade de instituições de ensino públicas e privadas na região, da Renda Domiciliar Mensal Média, do Produto Interno Bruto e da Arrecadação de Impostos Per Capita. A explicação da existência de startups não é alterada significativamente considerando a influência regional por meio de regressão espacial – SAR. Isso se deve ao fato de que as variáveis independentes selecionadas para o modelo, de natureza econômica, já capturam o componente geográfico, devido a sua significativa auto-correlação espacial. Tais achados permitem endereçar melhor gestão e incentivos para a sustentação e aumento da oferta de startups em todo o território nacional.
Trilha Acadêmica: Big Data and Applied Retail Analytics
Biografia do Autor
João Victor Fortunato Teixeira Mundim, FGV Management
MBA em Business Analytics e Big Data pela FGV Brasília.
Patrícia Aparecida Abreu Moreira, FGV Management
MBA em Business Analytics e Big Data pela FGV Brasília.
Natália Lorena Bertussi, FGV Management
MBA em Business Analytics e Big Data pela FGV Brasília.
Adriano de Faria Silvestre, FGV Management
MBA em Business Analytics e Big Data pela FGV Brasília.
Eduardo Trindade Fanelli, FGV Management
MBA em Business Analytics e Big Data pela FGV Brasília.
Jorge Antônio Ferreira de Jesus, FGV Management
MBA em Business Analytics e Big Data pela FGV Brasília.
Eduardo de Rezende Francisco, FGV EAESP
Doutor (2010) e Mestre (2006) em Administração de Empresas pela Fundação Getulio Vargas - EAESP e possui graduação em Bacharelado em Ciência da Computação pelo Instituto de Matemática e Estatística da Universidade de São Paulo (1999). É Professor do Departamento de Tecnologia e Ciência de Dados da FGV-EAESP desde 2011. Foi pesquisador visitante do Departamento de Information Science da University of Otago, na Nova Zelândia. Atualmente é colunista da Revista InfoGEO (coluna GEOInsights) e Portal de Geoinformação Mundogeo, e Consultor em Geotecnologias, Estatística Aplicada e Modelos Preditivos para Renda e Microcrédito. É coordenador de Business Intelligence do GVcepe - Centro de Estudos em Private Equity e Venture Capital da FGV. Tem experiência na área de modelos preditivos para Microcrédito, Marketing, Estatística Aplicada, Geoestatística, Demografia e Geotecnologias de maneira geral, com ênfase em Data Mining, atuando principalmente nos seguintes temas: Microcrédito, Geomarketing, Business Intelligence, Satisfação de Clientes e Integração de Tecnologias de Informação.
