Abstract:
Embora o papel das tecnologias melhoradas na agricultura seja amplamente reconhecido, o
sector agrário em Moçambique continua a ser caracterizado pelo uso predominante de
tecnologias rudimentares. No entanto há vários factores que estão por detrás das baixas taxas
de adopção dentre eles destacam-se factores sociais, económicos e institucionais. Este trabalho
tem como objectivo identificar os principais factores determinantes da adopção de tecnologias
agrarias melhoradas usando os modelos de regressão espacial. A escolha desta classe de
modelos está aliada ao facto de que a adopção de tecnologias agrarias melhoradas constituir
um fenómeno espacialmente autocorrelacionado e os tradicionais modelos probit e logit
amplamente usados em estudos de adopção de tecnologias agrícolas não preconizam a estrutura
de autocorrelação existente na variável resposta. Foram usados dados do Inquérito Agrário
Integrado de 2020 e como variável resposta foi considerada a proporção de produtores que
usaram sementes de variedades melhoradas, fertilizantes, pesticidas, mecanização e irrigação
em cada distrito do País. Adicionalmente, um conjunto de nove variáveis classificadas em
factores sociais, económicos, institucionais foram consideradas como covariáveis. A
dependência espacial entre as observações das tecnologias agrarias melhoradas foram avaliadas
através das estatísticas global e local de Moran. Somente a adopção de irrigação foi
significativa ao ajuste dos modelos espaciais SAR (modelo espacial autorregressivo) e CAR
(modelo de erro espacial). Os resultados mostraram que o nível de literacia, idade do chefe de
agregado familiar, a pertença a um grupo ou associação de agricultores e acesso ao credito
agrícola, são as covariáveis que exercem influência sobre os modelos, e que o parâmetro rho
(ρ) e lambda (λ) que medem a dependência espacial nos modelos SAR e CAR foi positivo e
significativamente diferente de zero, isto é, os níveis de adopção da irrigação em distritos
vizinhos tendem a ser similares entre si. Pelo critério de informação de Akaike (AIC), o modelo
SAR foi considerado o melhor modelo para o ajuste