O Brasil é o maior produtor mundial de café. É também o segundo maior consumidor, com uma demanda de 19,7 milhões de sacas em 2011, atrás apenas dos Estados Unidos. No País, cerca de 2,0 milhões de hectares de área são plantados com 5,6 bilhões de covas de café. Esse é considerado o maior complexo cafeeiro do mundo. Considerando que as reduzidas margens (receitas menos custos de produção) se apresentam como limitação ao desenvolvimento da cafeicultura, pesquisas que busquem compreender a formação dessa margem, assim como as diferenças entre os recursos utilizados pelas propriedades, se tornam importantes objetos de pesquisa. As propriedades cafeeiras podem, então, apresentar diferentes características e diferenças em seu desempenho. Este trabalho pretendeu compreender que recursos podem explicar a variação do desempenho na atividade cafeeira. Buscou-se identificar quais são os recursos que explicam a variação do desempenho de propriedades cafeeiras no Sul e Sudoeste de Minas Gerais. Para representar o desempenho foram consideradas quatro variáveis: eficiência econômica (método paramétrico), eficiência econômica (método não paramétrico), lucratividade e rentabilidade do investimento. O método para agrupar as propriedades com maior e menor desempenho foi a análise de cluster. Para identificar os recursos que explicam as variações no desempenho, foi utilizada a regressão logística. Das 54 variáveis coletadas e propostas no modelo de regressão logística, cinco contribuem para o maior desempenho das propriedades. Pode-se dizer que, quanto maiores a produtividade, o preço de venda do café, o grau de mecanização e a altitude da propriedade, maiores as chances de a propriedade se enquadrar no grupo de maior desempenho. Além dessas variáveis mencionadas, o modelo indica que produtores que estimam e controlam a produtividade da mão de obra utilizada na produção de café têm maiores chances de serem classificados com “maior desempenho”. Considerando que este trabalho corrobora a importância dos recursos para explicar diferenças de desempenho das firmas, ele contribui para o desenvolvimento da teoria baseada em recursos.
Brazil is the world’s largest coffee producer. It’s also the second largest consumer with a demand of 19,7 million bags in 2011, second only to the United States. In Brazil, 2,0 million hectares of land are cultivated with a total of 5,6 billion coffee shrubs. These coffee clusters are considered the largest in the world. Considering that the low profit margins (revenue minus cost of production) reveal the developmental limitations of coffee growing , some research that tries to understand the basis of this margin, as well as the resources used by the plantation owners, have become important research objectives. Therefore, coffee plantation owners might show different characteristics and differences in their performances. This study aimed to understand that resources may explain the differences in performance in coffee growing. This study aimed at identifying the resources that explain the variations in the performance of Southern and Southeastern coffee plantation of Minas Gerais. Performance was measured according to four variables: economic efficiency (parametric method), economic efficiency (non-parametric method), profitability and return on investment. Cluster analysis was used to group together the coffee plantations with the greatest and least performances. Logistic regression analysis was used in order to identify the resources that might explain performance variation. Of the 54 collected variables and proposal in the logistic regression analysis, 5 contributed to the greatest performance of the coffee plantations. It can be concluded that the greater the productivity of the plantation, the selling price, the degree of mechanization and the altitude of the farms, the greater the chances are that the coffee plantations will be a part of the highly productive group of coffee plantations. Besides these mentioned variables, the model indicates that producers who estimate and control labor productivity have greater chances of being classified as “highly productive”. Considering that this study validates the importance of performance differences between firms, it has contributed to the development of resource theory.
