A atividade agrícola tem um importante papel para o crescimento econômico do Brasil, com destaque nacional e internacional para a produção de milho e soja, devido a ser oque mais ocupa áreas de lavoura. Nesse contexto, essas atividades são altamente dependentes das condições do clima, e para se protegerem das oscilações climáticas, os produtores podem contratar o seguro agrícola, para transferir os riscos para o mercado segurador. As seguradoras se baseiam no pressuposto de independência entre os eventos, contudo, um evento catastrófico atinge muitos produtores, de modo que a suposição de independência é violada, e os dados de produtividade média dos municípios se apresentam correlacionados espacialmente. Sendo assim, o objetivo principal desta tese é analisar o comportamento das influências espaciais da produtividade de milho e de soja nos municípios do Paraná, para comparar a intensidade da correlação espacial em anos com e sem intempéries climáticas, além de propor o uso de modelos STARMA como alternativa para controle da correlação espacial e espaço-temporal da produtividade de soja provocada pelo risco sistêmico. Para alcançar esse objetivo, utiliza-se a Análise Exploratória de Dados Espaciais (AEDE), correlogramas espaciais e econometria espacial aplicada às produtividades médias municipais de milho, soja e sinistralidade média. Mediante a aplicação da AEDE, os resultados revelaram a existência de influência espacial relativamente alta nas produtividades de milho e de soja, entretanto, apenas para soja existe indícios de que ao comparar espacialmente os anos atingidos por déficit hídrico os municípios possuem maiores similaridades espaciais. Na aplicação dos correlogramas espaciais, os resultados mostram que existem influências espaciais e espaço-temporais ao analisar a produtividade média e sinistros de milho e soja, com maiores distâncias de influência espacial ocorrendo em anos atingidos por efeitos climáticos. No ajuste de modelos STARMA, os modelos ajustados para os municípios do Brasil e para os municípios do Paraná não conseguiram captar os efeitos espaço-temporais, enquanto o modelo com 9 municípios que mais produzem soja no Paraná atendeu o diagnóstico dos resíduos e pode ser utilizado para a correta precificação do risco do seguro agrícola. Portanto, conclui-se que para o seguro agrícola é importante o conhecimento das similaridades espaciais da produtividade de milho e soja, em função dos riscos sistêmicos que possam ocorrer em anos com adversidades climáticas e a aplicação de modelos da classe STARMA para controle da correlação espacial em dados de produtividade.

Agricultural activity plays an important role for Brazil's economic growth, with national and international prominence for corn and soybean production due to being the one stumiest in crop areas with national and international prominence for corn and soybean production due to being the one stumiest in crop areas. In this context, these activities are highly dependent on climate conditions and to protect themselves from climate fluctuations, producers may take out agricultural insurance to transfer the risks to the insurance market. Insurers are based on the assumption of independence between events, however, a catastrophic event affects many producers, so that the assumption of independence is violated and the average productivity data of the municipalities are spatially correlated. Thus, the main objective of this thesis is to analyze the behavior of spatial influences of corn and soybean yield in the municipalities of Paraná to compare the intensity of spatial correlation in years with and without weather in addition to proposing the use of STARMA models as an alternative to control the spatial and space-time correlation of soybean yield caused by systemic risk. To achieve this goal, Exploratory Spatial Data Analysis (ESA) is used. Spatial correlograms and spatial econometrics applied to municipal average yields of corn, soybean and average loss. Through the application of the ESA, the results revealed the existence of a relatively high spatial influence on corn and soybean yields. However, only for soybeans there are indications that when spatially comparing the years affected by water deficit, the municipalities have higher spatial similarities. In the application of spatial correlograms, the results show that there are spatial and space-time influences when analyzing the average productivity and corn and soy claims, with greater distances of spatial influence occurring in years affected by climate effects. In the adjustment of STARMA models, the models adjusted for the municipalities of Brazil and for the municipalities of Paraná could not capture the space-time effects, while the model with 9 municipalities that produce soybean sums the most in Paraná met the diagnosis of waste and can be used for the correct pricing of agricultural insurance risk. Therefore, it is concluded that for agricultural insurance it is important to know the spatial similarities of corn and soybean yield, due to systemic risks that may occur in years with climatic adversities and the application of STARMA class models to control spatial correlation in productivity data.