Niterói tiene 2,9 veces las unidades de redes de franquicias esperadas, en un modelo que explica 86 % de la variación entre los municipios

El número de unidades de redes de franquicias en un municipio depende en gran parte de cuántos habitantes tiene, de su producción por habitante, del estado en que se encuentra y de su posición respecto de la región metropolitana. El indicador estima, para cada uno de los 682 municipios de 50 mil habitantes o más, cuántas unidades serían esperables con base en esos cuatro elementos, y compara el resultado con los CNPJ (registro brasileño de empresas) activos de las 503 redes medidas. El resultado mide la presencia de redes respecto del patrón nacional y no indica oportunidad de negocio, demanda ni saturación.

Fuera de la muestra, el modelo explica 86 % de la variación en escala logarítmica, con un error relativo mediano de 28,2 %. Solo con la población, la proporción explicada es de 66 % y el error llega a 45,1 %. En números absolutos, las mayores diferencias hacia arriba están en Río de Janeiro (RJ), con 3.220 unidades frente a 2.638 esperadas; Brasilia (DF), con 1.843 unidades frente a 1.293 esperadas, y Goiânia (GO), con 1.077 unidades frente a 655 esperadas, y las mayores hacia abajo, en São Paulo (SP), con 4.712 unidades frente a 5.312 esperadas; Manaus (AM), con 571 unidades frente a 873 esperadas, y Porto Alegre (RS), con 555 unidades frente a 839 esperadas. Río de Janeiro, Brasilia, São Paulo, Manaus y Porto Alegre quedan dentro del intervalo de predicción del 90 %, sin distinción estadística, y Goiânia queda por encima del intervalo de predicción del 90 %. Las grandes ciudades concentran las mayores diferencias en unidades y tienen un intervalo de predicción proporcionalmente amplio, de modo que la lectura se hace dentro de cada rango de población.

En términos relativos, entre los municipios de 100 mil habitantes o más con al menos 20 unidades esperadas, Niterói (RJ) tiene la mayor razón, de 2,93 veces lo esperado, y Sabará (MG) la menor, de 0,21. Manteniendo constantes la población, el PIB per cápita y la posición metropolitana, el nivel de presencia fuera de las capitales es más alto en Mato Grosso (1,69), Santa Catarina (1,52) y Goiás (1,50) y más bajo en Sergipe (0,58), Pará (0,57) y Amazonas (0,16), respecto de la media nacional, entre los estados con al menos 10 municipios de 20 mil habitantes o más fuera de la capital. Acre, Amapá, Roraima y Tocantins tienen una base menor y constan solo en la tabla, con el número de municipios al lado. La desviación es persistente, con una correlación de 0,85 entre las desviaciones de 2023 y las de 2026, y no depende de redes específicas, con una correlación de 0,67 entre dos mitades sorteadas de las redes. En total, 43 municipios quedan por encima y 25 por debajo del intervalo de predicción del 90 %, proporción cercana al 10 % que quedaría fuera del intervalo incluso con el modelo correcto, y por eso el recuento de municipios fuera del intervalo no constituye, por sí solo, un hallazgo.

Cómo calculamos

La variable observada es el número de establecimientos activos atribuidos a las 503 redes medidas en cada municipio, en la base de datos abiertos del CNPJ de la Receita Federal (autoridad tributaria federal), mes de referencia octubre de 2026, tratado como unidades de las redes. El modelo es una regresión binomial negativa con enlace logarítmico, ajustada por separado para los 1.752 municipios de 20 mil habitantes o más y para los menores. Las variables son la población estimada de 2025 (tabla 6579 del IBGE, instituto nacional de estadística) y el PIB per cápita de 2023 (IBGE, tabla 5938, limitado a los percentiles 1 y 99), ambos en escala logarítmica y con splines cúbicos restringidos, la posición del municipio (capital, otro municipio del área metropolitana de la capital, municipio de otra área metropolitana o fuera de área metropolitana, según la composición de 2025 del IBGE), la gran región y el estado. Fuera de las capitales, el efecto del estado tiene penalización de cresta. En las capitales, el estado se sustituye por una pendiente propia en la población y un efecto de región con penalización de cresta, porque el interior de un estado no describe a su capital.

El valor esperado se calcula siempre fuera de la muestra, en 10 grupos sorteados, de modo que ningún municipio influye en su propia predicción. El intervalo del 90 % proviene de los cuantiles 5 % y 95 % de la binomial negativa, con la dispersión estimada por rango de población. La elección de la binomial negativa se debe a la sobredispersión de la Poisson, con una razón de Pearson de 3,72 frente a 1,11. Fuera de la muestra, la suma observada queda entre 0,93 y 1,01 veces la esperada en cada rango de 50 mil habitantes o más, y el intervalo del 90 % cubre entre 86,7 % y 90,7 % de los municipios. El índice de Moran de la desviación, con los 5 municipios más cercanos, es de 0,10, lo que indica una dependencia espacial débil.

Por segmento, el esperado y el observado solo se calculan cuando el valor esperado es de al menos 5 unidades y la probabilidad de que el intervalo distinga el doble de lo esperado es de al menos 50 %. El criterio mantiene 790 combinaciones de municipio y segmento y deja sin combinaciones suficientes a gimnasios y deporte, alimentación y turismo y hotelería, segmentos en que la dispersión entre municipios es alta o los recuentos son bajos. Ese recorte no consta en esta página.

Calculado el 8 de noviembre de 2026. Versión del método 1.0. Muestra: 682 municipios de 50 mil habitantes o más, 503 redes, 51.091 unidades activas.

Informar un error en esta página (en portugués)