ads:
UNIVERSIDADE FEDERAL DO CEARÁ
CENTRO DE CIÊNCIAS AGRÁRIAS
PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO
MESTRADO EM ECONOMIA RURAL
CO-INTEGRAÇÃO E CAUSALIDADE NA POLÍTICA DE
GARANTIA DE PREÇOS MÍNIMOS E PREÇOS AGRÍCOLAS:
O CASO DO MILHO NO BRASIL
OTACÍLIO DE ALENCAR ARAÚJO FILHO
FORTALEZA–CE
2005
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
OTACÍLIO DE ALENCAR ARAÚJO FILHO
CO-INTEGRAÇÃO E CAUSALIDADE NA POLÍTICA DE
GARANTIA DE PREÇOS MÍNIMOS E PREÇOS AGRÍCOLAS:
O CASO DO MILHO NO BRASIL
Dissertação submetida à Coordenação do Curso de
Mestrado em Economia Rural do Centro de Ciências
Agrárias da UFC, como requisito parcial para a obtenção do
título de Mestre, sob a orientação da Prof.
ª Dr.ª
Patrícia
Verônica Pinheiro Sales Lima
FORTALEZA
Estado do Ceará - Brasil
Junho – 2005
ads:
Dados Internacionais de Catalogação na Publicação (CIP)
DIVISÃO DE BIBLIOTECA E DOCUMENTAÇÃO - DEA/UFC
A689C Araújo Filho, Otacílio de Alencar
Co-Integração e Causalidade na Política de Garantia
de Preços Mínimos e Preços Agrícolas: o caso do milho
no Brasil / Otacílio de Alencar Araújo Filho. – Fortaleza,
2005.
168 p.
Dissertação (mestrado) – Universidade Federal do
Ceará, Departamento de Economia Agrícola.
1. Economia Agrícola-Brasil. 2. Co-Integração e
Causalidade na Política de Preços Mínimos e Preços
Agrícolas. O Caso do Milho no Brasil. I. Título
CDD 338.52
OTACÍLIO DE ALENCAR ARAÚJO FILHO
CO-INTEGRAÇÃO E CAUSALIDADE NA POLÍTICA DE GARANTIA DE PREÇOS
MÍNIMOS E PREÇOS AGRÍCOLAS: O CASO DO MILHO NO BRASIL
Dissertação submetida à Coordenação do Curso de
Mestrado em Economia Rural do Centro de Ciências
Agrárias da UFC, como requisito parcial para a obtenção do
título de Mestre, sob a orientação da Prof.
ª Dr.ª
Patrícia
Verônica Pinheiro Sales Lima.
Aprovada em __/__/2005
BANCA EXAMINADORA
______________________________________________________
Prof.ª Dr.ª Patrícia Verônica Pinheiro Sales Lima (Orientadora)
Universidade Federal do Ceará – UFC
_____________________________________________________
Prof. PhD. Ahmad Saeed Khan
Universidade Federal do Ceará – UFC
_____________________________________________________
Prof. Dr. Espedito Cesário Martins
Pesquisador da EMBRAPA
Dedico a Deus, pela suprema dádiva da
vida. Aos meus pais Otacílio Alencar Araújo e
Maria Zeuta Queiroz Marinho, que sempre de
forma irrestrita me incentivaram. Aos meus filhos
Victor, Lara, Hannah e Arietha, por tornarem
minha vida cheia de alegria, e a minha esposa
Érica Luciene Santos, por seu companheirismo,
tendo renunciado muito do seu precioso tempo
para me acompanhar nesta empreitada.
AGRADECIMENTOS
Esta dissertação complementa os requisitos necessários à obtenção do mestrado em economia
Rural pela Universidade Federal do Ceará.
Devo à orientadora professora doutora Patrícia Verônica Pinheiro Sales Lima, uma ajuda
incalculável, sem à qual dificilmente teria concluído este estudo. Quando, nas primeiras
dificuldades, pensava em desistir da metodologia, me fez crer que os pequenos avanços
conseguidos eram certeza da continuidade. Seu otimismo e persistência traduziram-se em
incentivo permanente, muitas vezes, acreditando mais do que eu no meu próprio trabalho.
Agradeço também ao professor Ahmad Saeed Khan, pela orientação dada. Reconheço
particularmente as oportunidades que tive, nesse período, de constatar a preocupação com o
rigor metodológico, honestidade intelectual e, sobretudo, sua sensibilidade de pesquisador. Ao
doutor Espedito Cesário Martins, pela sugestão bibliográfica referente à formação de preços
agrícolas, e sugestão da inclusão da evolução dos instrumentos de política agrícola no âmbito
da PGPM. A estes três professores que formaram banca examinadora, sou eternamente grato.
A sugestão de realizar estudo sobre avaliação da política de preços agrícolas, com ênfase nos
impactos da Política de Garantia de Preços Mínimos (PGPM) sobre os preços de mercado,
devo a Mauro de Rezende Lopes, que me fez ver a importância do tema e muito me estimulou
seu estudo. Dele me beneficiei das discussões que pude participar na então Companhia de
Financiamento da Produção (CFP).
Também estendo meus agradecimentos aos professores doutores Maurício, do Departamento
de Estatística Aplicada, e Ivan Castelar, do CAEN, ambos da Universidade Federal do Ceará.
Daquele recebi inestimável ajuda no tratamento teórico dos dados, principalmente do método
Box-Jenkins para análise da estacionariedade; deste, muito me beneficiei das orientações
sobre material bibliográfico referente à parte teórica e, principalmente, sobre os testes de co-
integração, causalidade e modelos VAR.
Aos professores doutores Rubem Dário Mayorga e Irles de Oliveira Mayorga. Aquele pela
sua forma aberta, humanista e, sobretudo generosa, quase sempre abrindo mão de seus
compromissos pessoais para ajudar-nos em momentos difíceis, a esta pela sua dedicação, e
sobretudo ao seu permanente incentivo ao corpo discente do Departamento de Economia
Aplicada (DEA).
Na etapa de elaboração do trabalho, foram também de grande valia as sugestões apresentadas
por diversas pessoas, das quais destaco o colega doutorando em economia aplicada da UFV,
Ricardo Candéa Sá Barreto, Anastácio Antônio de Vasconcelos e Francisco Olavo Batista de
Souza, da Companhia Nacional de Abastecimento (CONAB). Devo àquele uma ajuda
preciosa na elaboração e comentários das políticas agrícolas, e deste no levantamento dos
dados.
Agradeço, finalmente, aos funcionários do Departamento de Economia Agrícola, que sempre
estiveram me auxiliando, e ao apoio financeiro da Fundação Cearense de Apoio e
Desenvolvimento Científico e Tecnológico (FUNCAP).
Acima de tudo, sou grato aos meus familiares por sua tolerância durante este projeto. Escrever
essa dissertação consumiu um tempo enorme –para eles parecia infindável. Eles, mais do que
ninguém, suportaram o ônus deste compromisso, e sou profundamente grato por sua ajuda e
seu apoio.
SUMÁRIO
Pág.
LISTA DE FIGURAS...........................................................................................................
LISTA DE TABELAS..........................................................................................................
LISTA DE QUADROS.........................................................................................................
SUMÁRIO............................................................................................................................
1 INTRODUÇÃO................................................................................................................ 1
1.1 Objetivo........................................................................................................................... 4
1.1.1 Objetivo geral............................................................................................................... 4
1.1.2 Objetivos específicos.................................................................................................... 4
1.2 Estrutura do trabalho........................................................................................................ 5
2 POLÍTICAS AGRÍCOLAS E DESEMPENHO ECONÔMICO DO MILHO.................. 6
2.1 Fixação de preços mínimos.............................................................................................. 6
2.1.1 Fixação de preços mínimos e preços agrícolas- Evidências empíricas........................ 7
2.2 Intervenção governamental e papel dos estoques públicos............................................. 11
2.3 Desempenho econômico do milho................................................................................... 16
2.3.1 Produção e consumo de milho no Brasil...................................................................... 16
2.3.2 Evolução da área, produção e rendimento: regiões e estados...................................... 18
2.3.3
Dinâmica regional......................................................................................................... 19
2.3.4
Distribuição espacial da produção e consumo.............................................................. 25
2.4 Trabalhos voltados à análise do comportamento de preços e comercialização do
milho................................................................................................................................
29
3 REFERÊNCIAL TEÓRICO.............................................................................................. 36
3.1
Principais instrumentos de política agrícola adotados nas décadas de 1980 e 1990 ...... 36
3.1.1 Instrumentos de comercialização agrícola: Aquisições e empréstimos do governo
federal (EGF e AGF)....................................................................................................
39
3.1.2 Novos instrumentos de comercialização agrícola: prêmio de escoamento da
produção (PEP)............................................................................................................
41
3.1.3 Abertura comercial e preços domésticos: preços de liberação dos estoques (PLE)..... 43
3.2
Principais hipóteses de longo prazo sobre a política de garantia de preços mínimos..... 45
3.2.1 Fixação de preços mínimos e preços agrícolas............................................................. 45
3.2.2 Fixação dos preços mínimos e integração dos mercados............................................. 49
3.2.3 Preços agrícolas e estoques governamentais................................................................ 53
3.3 Métodos econométricos................................................................................................... 56
3.3.1 Métodos de identificação de estacionariedade.............................................................. 57
3.3.1.1 Método Box e Jenkins -Autocorrelação simples, parcial e
correlograma..................
58
3.3.1.2 Testes baseados nas funções de autocorrelação......................................................... 62
3.3.1.3 Testes da raiz unitária................................................................................................ 64
3.3.1.4 Teste de raiz unitária Dickey-Fuller (DF) e Dickey-Fuller aumentado (ADF)......... 65
3.3.1.5 Teste baseado na razão de máxima verossimilhança.............................................. 70
3.3.2 Métodos de co-integração............................................................................................. 72
3.3.2.1 Teste aumentado Dickey-Fuller e Engle-Granger (ADF-EG)................................... 73
Pág.
3.3.2.2 Teste Durbin-Watson para regressão co-integrante (DWRC)................................... 74
3.3.2.3 Teste de Johansen: método de máxima verossimilhança.......................................... 75
3.4 Testes ADF de convergência........................................................................................... 77
3.5. Métodos de representação do modelo............................................................................. 78
3.5.1 Mecanismos de Correção de Erros (MCE)................................................................... 78
3.5.2 Modelo auto-regressivo vetorial (VAR)...................................................................... 80
3.5.2.1 Estimação e análise das funções impulso-resposta.................................................... 81
3.6 Teste de causalidade Granger.......................................................................................... 83
3.6.1 Causalidade Granger e mecanismo de correção de erros (MCE)................................. 84
4 METODOLOGIA ........................................................................................................... 90
4.1 Fonte e utilização de dados.............................................................................................. 90
4.2 Procedimentos econométricos......................................................................................... 92
5 RESULTADOS E DISCUSSÃO..................................................................................... 100
5.1 Testes baseados nas funções de autocorrelação e correlogramas................................... 100
5.2 Testes de significância dos coeficientes de autocorelação.............................................. 105
5.2.1 Teste de Box-Pierce Q(m) e de Ljung-Box L(m)......................................................... 105
5.3 Testes de raiz unitária -Dickey-Fuller (DF) e Dickey-Fuller aumentado (ADF)............ 106
5.3.1 Testes ADF com base na razão de máxima verossimilhança....................................... 110
5.4 Testes de co-integração................................................................................................. 111
5.4.1 Co-integração: Análise gráfica..................................................................................... 112
5.4.1.1 Preços mínimos e preços agrícolas na safra............................................................... 112
5.4.1.2 Preços recebidos pelos produtores e atacado para diferentes mercados................... 114
5.4.1.3 Preços internacionais e preços atacado São Paulo e Paraná...................................... 116
5.4.2 Co-integração: ADF-EG e Johansen............................................................................. 116
5.4.2.1 Resultados da co-integração entre preços mínimos e preços agrícolas na safra:
1982-2003................................................................................................................. 116
5.4.2.2 Resultados da co-integração entre preços recebidos pelos produtores e atacado
para diferentes mercados...........................................................................................
119
5.4.2.3 Resultados da co-integração entre preços internacionais e preços atacado São
Paulo e Paraná............................................................................................................
122
5.5 Causalidade Granger e modelos VAR............................................................................ 124
5.5.1 Resultados da causalidade entre preços mínimos e preços recebidos pelos
produtores....................................................................................................................
125
5.5.2 Resultados da causalidade das variações dos estoques governamentais e variações
dos preços
recebidos pelos produtores e atacado........................................................
127
5.5.2.1 Resultados da análise impulso-resposta entre variações de
estoques e preços
recebidos pelos produtores........................................................................................
129
5.6 Integração dos mercados domésticos............................................................................... 132
5.6.1 Resultados dos testes de convergência baseados em raízes unitárias........................... 132
Pág.
5.6.2 Resultados da análise impulsional baseada no VAR restrito...................................... 133
5.6 3 Resultados da causalidade entre preços atacado São Paulo e Paraná e preços
internacionais...............................................................................................................
135
6 CONCLUSÕES................................................................................................................ 137
BIBLIOGRAFIA................................................................................................................. 141
APÊNDICE........................................................................................................................... 151
LISTA DE FIGURAS
Pág.
1 Evolução dos preços mínimos do milho: 1982-2003........................................ 8
2 Sazonalidade dos estoques de milho do governo: 1987-2003........................... 12
3 Sazonalidade dos preços reais recebidos pelos produtores e atacado milho,
São Paulo, Paraná, Goiás e Mato Grosso:1982-2003.......................................
13
4 EGF e AGF como percentagens das quantidades produzidas Brasil, Centro
Oeste, São Paulo, Paraná, Minas Gerais e Santa Catarina:1979-1988.............
15
5 Produção e consumo do milho, Brasil:1960-2003............................................. 16
6 Produção, área e rendimento físico do milho Brasil: 1960-2003...................... 18
7 Área e produção de milho, segundo regiões Sudeste, Sul e Centro-Oeste:
1973-2003.........................................................................................................
21
8 Diferenças percentuais de rendimentos físicos.das regiões Sudeste e Sul em
relação ao Centro-Oeste:1973-2003................................................................
24
9 Custo de aquisição dos estoques pelo governo: sistemas AGF e EGF.............. 40
10 Custo de aquisição dos estoques pelo governo no sistema prêmio de
escoamento da produção (PEP).........................................................................
42
11 Comercialização doméstica e externa pelo sistema do preço de liberação dos
estoques (PLE)..................................................................................................
44
12
Propagação dos choques de um desvio-padrão sobre as variáveis
e Y
num período de 10 meses..................................................................................
t
X
t
83
13 Coeficientes de autocorrelação simples (FAS) e parciais (FAP) do logaritmo
naturas dos dados mensais séries EMG, PAMPR, PRPMPR,PMBC e suas
primeiras diferenças com 25 defasagens...........................................................
103
14 Coeficientes de autocorrelação simples (FAS) e parciais (FAP) do logaritmo
natural dos dados mensais das séries, PAMSP, PRPMSP, PRPMGO, PMM
e suas primeiras diferenças com 25 defasagens.................................................
104
Pág.
15 Preços recebidos pelos produtores de milho São Paulo, Paraná e Goiás, Mato
Grosso e preços mínimos safra-1982-2003.......................................................
113
16 Resíduos da equação de co-integração dos preços recebidos pelos produtores
São Paulo, Paraná, Goiás, Mato Grosso e preços mínimos: 1982-
2003...................................................................................................................
113
17 Preços recebidos pelos os produtores de milho São Paulo-Goiás, São Paulo-
Mato Grosso, São Paulo-Paraná; Paraná-Goiás, Paraná-Mato Grosso; preços
atacado São Paulo-Paraná..................................................................................
114
18 Resíduos da equação de co-integração dos preços recebidos pelos produtores
São Paulo, Goiás, Mato Grosso; Paraná, Goiás, Mato Grosso; atacado São
Paulo e Paraná: 1982-2003................................................................................
115
19 Preços no atacado São Paulo e Paraná e preços na bolsa de Chicago.
Resíduos da equação de co-integração entre preços atacado São Paulo e
Chicago, Paraná e Chicago: 1982-2003............................................................
117
20 Variação percentual dos preços recebidos pelos produtores, atacado e
estoques de milho do governo...........................................................................
127
21 Propagação dos choques de um desvio-padrão sobre as variáveis, preços
recebidos pelos produtores de milho Goiás e do estoque de milho do governo
num período de 15 meses..................................................................................
130
22 Propagação dos choques de um desvio-padrão sobre as variáveis, preços
recebidos pelos produtores
de milho Paraná e do estoque de milho do
governo num período de 15 meses...................................................................
130
23 Propagação dos choques de um desvio-padrão sobre as variáveis, preços
recebidos pelos produtores
de milho São Paulo e do estoque de milho do
governo num período de 15 meses....................................................................
131
24 Propagação dos choques de um desvio-padrão sobre as variáveis, preços
atacado Paraná e dos estoques de milho do governo num período de 15
meses.................................................................................................................
131
25 Propagação dos choques de um desvio-padrão sobre as variáveis, preços
atacado milho São Paulo e dos estoques de milho do governo num período
de 15 meses.......................................................................................................
131
Pág.
26 Propagação dos choques de um desvio-padrão dos preços recebidos pelos
produtores de milho São Paulo sobre os preços recebidos pelos produtores de
Goiás num período de 30 meses........................................................................
133
27 Propagação dos choques de um desvio-padrão das variáveis, preços
recebidos pelos produtores de milho São Paulo sobre os preços recebidos
pelos produtores Paraná num período de 30 meses...........................................
134
28 Propagação dos choques de um desvio-padrão dos preços recebidos pelos
produtores de milho Paraná sobre os preços recebidos pelos produtores de
milho Goiás num período de 30 meses..............................................................
134
29 Propagação dos choques de um desvio-padrão dos preços recebidos pelos
produtores de milho Paraná sobre os preços recebidos pelos produtores de
milho Mato Grosso num período de 30 meses..................................................
135
LISTA DE TABELAS
Pág.
1 Razão dos preços reais recebidos e preços mínimos milho nos Estados de São
Paulo, Paraná, Goiás e Mato Grosso-Safras: 1980-2003....................................
10
2 Produção, área e rendimento de milho segundo regiões: 1980-2003................. 20
3 Participação percentual das regiões na área e produção brasileira de milho:
1980-2003...........................................................................................................
23
4 Participação percentual dos principais estados na produção brasileira de
milho: 1980-2003................................................................................................
26
5 Consumo de milho por segmento segundo regiões do Brasil –1996.................. 27
6
Resumo dos testes (τ e ) de Dickey-Fuller e Dickey-Fuller aumentado.... F
71
7 Variáveis utilizadas na presente pesquisa e sua fonte........................................ 91
8
Coeficientes de autocorrelação amostral simples
do logaritmo natural dos
dados mensais.....................................................................................................
)(
k
r
101
9
Coeficientes de autocorrelação parcial
do logaritmo natural dos dados
mensais...............................................................................................................
)(
k
φ
101
10
Coeficientes de autocorrelação amostral simples (
da primeira diferença
do logaritmo natural dos dados mensais.............................................................
)
k
r
102
11
Coeficientes de autocorrelação parcial(
da primeira diferença do logaritmo
natural dos dados mensais..................................................................................
)
k
φ
102
12 Resultados da raiz unitária Dickey-Fuller (DF), para variáveis em nível......... 108
13 Resultados do teste de raiz unitária Dickey-Fuller aumentado ADF, e
estatística do critério de informação de Akaike para seleção do número de
defasagens...........................................................................................................
109
14 Resultados dos testes de raiz unitária, Dickey-Fuller aumentado ADF, e
estatística do critério de informação
de Akaike para seleção do número de
defasagens, para variáveis na sua primeira diferença.........................................
110
15
Resultados dos testes τ e da raiz unitária Dickey-Fuller aumentada
(ADF), para variáveis em nível..........................................................................
F
111
Pág.
16 Resultados de co-integração ADF-EG, dos preços recebidos pelos produtores
de São Paulo, Paraná, Goiás, Mato Grosso e preços mínimos: 1982-
2003...................................................................................................................
118
17 Resultado de co-integração ADF-EG, dos preços recebidos pelos produtores
nos diferentes mercados 1982-2003..................................................................
120
18 Resultados de co-integração ADF-EG dos Preços atacado milho e preços
Bolsa de Chicago: 1982-2003...........................................................................
123
19 Resultados dos testes de co-integração Johansen, Preços recebidos pelos
produtores e preços mínimos: 1982-2003..........................................................
124
20 Estatística para o teste de causalidade Granger para os modelos VAR
com preços mínimos..........................................................................................
F
126
21
Resultados dos testes de causalidade de Granger para as séries de preços de
recebidos pelos produtores de milho e estoques governamentais: 1982-2003..
129
22 Teste de convergência baseado na raiz unitária do logaritmo da diferença
dos preços recebidos pelos produtores de milho, 1982-2003............................
132
23 Resultados dos testes de causalidade Granger para as séries preço de milho
na Bolsa de Chicago (PMBC) e preços no atacado milho São Paulo
(PAMSP) e Paraná (PAMPR) tomadas em nível..............................................
136
LISTA DE QUADROS
Pág.
1 Principais mudanças nos instrumentos de política agrícola........................... 38
2 Determinação de causalidade Granger e autoregressão vetorial VAR........... 95
LISTA DE TABELAS DO APÊNDICE
Pág.
A.1
Valores críticos da distribuição de qui-quadrado ......................................
2
χ
152
A.2 Valores críticos da distribuição para nível de significância de 5%............ F 153
A.3 Valores críticos da distribuição para nível de significância de 1%............. F 154
A.4
Valores Críticos da estatística t para o teste de raiz unitária de Dickey-
Fuller (DF)........................................................................................................
155
A.5
Valores críticos da estatísticas
φ
e para testes de raiz unitária
baseados em razão de verossimilhança............................................................
21
,
φ
3
φ
156
A.6 Valores críticos de Durbin-Watson (5%) para testes de co-integração........... 157
A.7 Estimativa mensal de comercialização do milho............................................. 157
A.8 Evolução da área, produção e rendimento de milho, Brasil:1960-2003.......... 158
LISTA DE QUADROS DO APÊNDICE
A.1 Estimativa de causalidade VEC. Preços mínimos e preços recebidos pelos
produtores de milho São Paulo.........................................................................
159
A.2 Estimativa de causalidade VEC. Preços mínimos e preços recebidos pelos
produtores de milho Paraná..............................................................................
161
A.3 Estimativa de causalidade VEC. Preços mínimos e preços recebidos pelos
produtores de milho Goiás...............................................................................
163
A.3 Estimativa de causalidade VEC. Preços mínimos e preços recebidos pelos
produtores de milho Mato Grosso....................................................................
165
A.4 Estimativa de causalidade VEC. Preços mínimos e preço atacado de milho
São Paulo..........................................................................................................
167
A.5 Estimativa de causalidade VEC. Preços mínimos e preço atacado de milho
Paraná..............................................................................................................
169
RESUMO
Buscou-se analisar a existência de relação de longo prazo e causalidade entre os preços
mínimos e preços agrícolas, variações dos estoques governamentais e variações nos preços
agrícolas. Analisou-se também se existe integração dos mercados agrícolas domésticos e sua
vinculação com os preços externos.
A análise compreendeu o período de janeiro de 1982 até junho de 2003. Os modelos
propostos foram implementados utilizando-se os testes de estacionariedade, de Box-Jenkins, e
de raiz unitária, de Dickey-Fuller (DF) e Dickey-Fuller aumentado (ADF), os testes de co-
integração de dois estágios ADF Engle–Granger e de máxima verossimilhança, de Johansen.
Os métodos de causalidade foram obtidos pelos modelos Granger e de auto-regressão vetorial
VAR restrito e irrestrito.
Alguns destes recaíram sobre o VAR irrestrito, que equivale ao Granger - padrão e outros
VAR restrito, incorporando-se o mecanismo de correção de erro (MCE), que equivale ao
VEC.
Os resultados apontaram para a existência de causalidade unidirecional, no sentido de que os
preços recebidos pelos produtores “causa Granger” preços mínimos exceto para o Estados de
Mato Grosso, que apresentou bicausalidade. As variações de estoques sobre variações dos
preços recebidos pelos produtores e atacado indicaram existência de causalidade unidirecional
no sentido de que preços recebidos pelos produtores “causa Granger” estoques
governamentais. Apenas o Estado de São Paulo e Mato Grosso, apresentaram bicausalidade.
Na análise impulso-resposta, observa-se que em todos os mercados os efeitos provocados por
choques externos se propagam ao longo dos meses, anulando-se em torno do sétimo mês. Os
efeitos dos choques externos dos preços sobre os níveis de estoques, mostram uma relação
inversa entre preços e estoques e duram em torno de oito meses, quando é restabelecido o
equilíbrio.
Estes resultados caracterizam os dois principais instrumentos da Política de Garantia de
Preços Mínimos (PGPM) – fixação de preços mínimos e compras e vendas de estoques -
como sendo passivas.
Com relação à integração dos mercados, o teste de convergência mostrou forte integração dos
mercados aos níveis de preços recebidos pelos produtores e atacado. Os mercados de São
Paulo, com relação a Goiás, Mato Grosso e Paraná, bem como o mercado do Paraná, com
relação a Goiás e Mato Grosso, indicaram transmissão de preços e principalmente os
diferenciais de preços para os mesmos níveis de mercado tende a desaparecer.
Adotou-se, a partir do modelo VAR restrito, a análise impulso-resposta para os mesmos
níveis de mercado, donde concluiu-se que os preços de São Paulo reagem mais lentamente a
choques exógenos transmitidos por outros mercados, mas as variações ocorrem de forma
permanente, enquanto que as outras praças (Goiás e Paraná) reagem mais rapidamente, mas
de forma transitória, assimilando como definitiva apenas uma pequena parte do aumento dos
preços.
Com respeito à vinculação dos preços domésticos aos preços externos, os testes apresentaram
causalidade unidirecional, no sentido de que os preços internacionais “causam Granger”
preços domésticos tanto para os preços atacado São Paulo quanto para os preços atacado
Paraná.
AGRADECIMENTOS
Esta dissertação complementa os requisitos necessários à obtenção do mestrado em
economia Rural pela Universidade Federal do Ceará.
Devo a orientadora professora Patrícia Verônica Pinheiro Sales Lima, uma ajuda
incalculável, sem à qual dificilmente teria concluído este estudo. Quando nas primeiras
dificuldades pensava em desistir da metodologia, me fez crer que os pequenos avanços
conseguidos eram certeza da continuidade. Seu otimismo e persistência traduziram-se em
incentivo permanente, muitas vezes, acreditando mais do que eu no meu próprio trabalho.
Agradeço também ao professor Ahmad Saeed Khan pela orientação dada, reconheço
particularmente as oportunidades que tive, nesse período, de constatar a preocupação com o
rigor metodológico, honestidade intelectual e, sobretudo sua sensibilidade de pesquisador. A
Expedito Cesário Martins, pela sugestão bibliográfica referente à formação de preços
agrícolas, e sugestão da inclusão da evolução dos instrumentos de política agrícola no âmbito
da PGPM. A estes três professores que formaram à banca examinadora, sou eternamente
grato.
A sugestão de realizar estudo sobre avaliação da política de preços agrícolas, com
ênfase nos impactos da Política de Garantia de Preços Mínimos (PGPM) sobre os preços de
mercado, devo a Mauro de Rezende Lopes, quem me fez ver a importância do tema e muito
me estimulou seu estudo. Dele me beneficiei das discussões que pude participar na então
Companhia de Financiamento da Produção (CFP).
Também estendo meus agradecimentos aos professores Maurício do Departamento de
Estatística Aplicada e Ivan Castelar do CAEN, ambos da Universidade Federal do Ceará.
Daquele recebi inestimável ajuda no tratamento teórico dos dados, principalmente do método
Box e Jenkins para análise da estacionariedade, deste muito me beneficiei das orientações
v
sobre material bibliográfico referente a parte teórica, e principalmente, sobre os testes de co-
integração, causalidade e modelos VAR.
Aos professores Rubem Dário Mayorga e Irles de Oliveira Mayorga. Aquele pela sua
forma aberta, humanista e, sobretudo generosa, quase sempre abrindo mão de seus
compromissos pessoais para ajudar-nos em momentos difíceis, a esta pela sua dedicação, e
sobretudo ao seu permanente incentivo ao corpo discente do Departamento de Economia
Aplicada (DEA).
Na etapa de elaboração do trabalho foram também de grande valia as sugestões
apresentadas por diversas pessoas, das quais destaco o colega doutorando em economia
aplicada da UFV, Ricardo Candéa Sá Barreto, Anastácio Antônio de Vasconcelos e Francisco
Olavo Batista de Souza, da Companhia Nacional de Abastecimento (CONAB). Devo aquele
uma ajuda preciosa na elaboração e comentários das políticas agrícolas, e deste no
levantamento dos dados.
Agradeço finalmente, aos funcionários do Departamento de Economia Agrícola que
sempre estiveram me auxiliando e ao apoio financeiro da Fundação Cearense de Apoio e
Desenvolvimento Científico e Tecnológico (FUNCAP).
Acima de tudo, sou grato aos meus familiares por sua tolerância durante este projeto.
Escrever essa dissertação consumiu um tempo enorme –para elas parecia infindável. Elas
mais do que ninguém suportaram o ônus deste compromisso, e sou profundamente grato por
sua ajuda e seu apoio.
1 INTRODUÇÃO
A Política de Garantia de Preços Mínimos (PGPM) acumulou nas quatro últimas
décadas vasta experiência na execução dos principais instrumentos de política -as Aquisições
do Governo Federal (AGFs) e os Empréstimos do Governo Federal (EGFs).
Na década de 1990, deu-se início a uma nova fase de desenvolvimento e
aperfeiçoamento destes instrumentos, caracterizados principalmente por um maior grau de
eficiência.
As modificações a criação de instrumentos como o Programa de Escoamento da
produção (PEP) impuseram um novo perfil caracterizado por menor gasto do governo com a
PGPM e, ao mesmo tempo, tornou a comercialização mais privada, menos estatizada, sem que
esta perdesse, entretanto, seus objetivos de curto prazo.
Tais fatos podem ser evidenciados pela redução das compras de produtos por parte do
governo na década de 1990, quando comparada aos anos 1980 (REZENDE, 2000;
DELGADO, 1995; CONCEIÇÃO, 2003) e a forte redução nos gastos com a PGPM
(GASQUES, 2001).
A concepção da Política de Garantia de Preços Mínimos (PGPM), no Brasil, sempre
foi de uma política de longo prazo. Desde 1962, quando implementado
1
, tinha como
principal propósito “[...]a redução da incerteza e dos riscos, juntamente com o amortecimento
das flutuações da oferta para os consumidores.” (SMITH, 1979, p.70). No entanto, a sua
execução desde então tem sido motivada por prioridades de curto prazo. “A história dos
preços mínimos é um bom exemplo da ênfase de curto prazo da política agrícola brasileira,
visando solucionar crises” (SMITH, op.cit. p.
115
).
1
Do ponto de vista legal, o programa de preços mínimos teve início em 1951 com a Lei Nº 1.506, que reformou
a Companhia de Financiamento da Produção – CFP - atribuindo-lhe a função de fixação de preços mínimos e
regulamentação das operações do programa, tendo no Banco do Brasil praticamente o seu único agente
operacional, entretanto, só foi implementado em 1962.
2
Ao longo deste período, vários estudos analisaram o desempenho dos instrumentos da
PGPM, enfatizando exclusivamente fatores de curto prazo (LOPES, 1986, 1988; DELGADO,
2002; REZENDE, 1984, 1988, 2000, 2002). Raros são aqueles dedicados à avaliação da
eficácia destes instrumentos em uma perspectiva de longo prazo.
As primeiras análises que tentaram avaliar os efeitos destes instrumentos ocorreram
da década de 1950 até meados da década de 1960, quando, a exemplo de outros países da
América Latina, buscava-se estabelecer uma relação entre resposta da produção a incentivos
de preços de mercado
2
. Este debate em torno da resposta da produção aos incentivos de
preços agrícolas buscava evidência empírica entre preços mínimos, preços de mercado e suas
relações com a oferta agrícola.
O estudo de Smith (1979) introduziu os preços mínimos na especificação do modelo.
Para o caso do milho, os preços em nível de produtor e os preços mínimos divulgados antes
da safra não explicam o comportamento do produtor. Em sua maior parte, estes estudos de
caso realizados a partir de 1962, para avaliar a influência dos preços mínimos divulgados
antes do plantio sobre a produção, indicaram que estes não afetam significativamente as
decisões de produção.
Modelos posteriores, entretanto, incluíram nas suas especificações a expectativa de
preços, que era tomada como a fixação dos preços mínimos em relação aos preços esperados
de mercado e obtiveram que a oferta agrícola responde aos incentivos de preços (PASTORE,
1973; BARBOSA e WAIZBORT, 1979; BARBOSA e SANTIAGO, 1988).
A partir da década de 1980, os estudos realizados sobre os instrumentos da PGPM
assumem novos contornos. Estes levantam hipóteses de curto prazo, com ênfase em
2
Na verdade, esta discussão tomou elevada importância na década de 1950, porque fazia parte das hipóteses
estruturalistas sobre o processo inflacionário. Para estes, a produção não respondia a preços em razão da forte
concentração fundiária. E m decorrência o maior crescimento industrial ficava comprometido, resultando em
pressões inflacionárias.
3
diferentes aspectos da política, sendo, entretanto, raros estudos numa perspectiva de longo
prazo.
Lopes (1983) estabelece que os estoques do governo são determinantes dos preços
ao produtor, definindo implicitamente uma relação de “causação” no sentido de estoques
determinando preços, o que equivale à existência de uma política exógena e ativa de estoques.
A comprovação empírica desta proposição se reveste de fundamental importância por
abrir a possibilidade de se redirecionar a política, assumindo maior relevância a discussão em
torno do nível de estoques ótimos.
Neste contexto, assume-se também, a idéia de que a política de fixação de preços
mínimos não regionalizados adotada no Brasil determinou a separação dos mercados,
implicando fortes distorções alocativas (HELFAND e REZENDE, 1999; REZENDE, 1999,
2002).
Implícita a hipótese de não-integração dos mercados, está outro pressuposto, de que a
política de fixação de preços mínimos determina em algum grau os preços ao produtor. É
estabelecida com efeito, uma relação entre preços mínimos e preços ao produtor no sentido
de uma “causação”, configurando também uma política ativa de preços mínimos.
Ainda relacionada à integração de mercado, existe a proposição de que a não-
regionalização teria eliminado a transmissão de preços entre os mercados.
Por último, a forte política protecionista dos anos 1980 teria eliminado quaisquer
sinais de preços do mercado internacional aos preços domésticos.
Diante dos argumentos listados, utilizar uma metodologia que permita entender e
avaliar as mudanças dos instrumentos da PGPM numa óptica de longo prazo parece constituir
uma contribuição num certo sentido inovadora e também relevante à economia agrícola no
Brasil.
4
1.1 Objetivo
1.1.1 Objetivo Geral
O objetivo principal desta pesquisa é analisar numa perspectiva de longo prazo se a
Política de Garantia de Preços Mínimos (PGPM) constitui-se numa política ativa e, se
atingem seus dois principais objetivos: - estabilização de preços agrícolas e redução de riscos,
através da fixação de preços mínimos e suas articulações com seus dois principais
instrumentos, -Empréstimo do Governo Federal (EGF) e Aquisições do Governo Federal
(AGF).
1.1.2 Objetivos Específicos
Para avaliar os efeitos de longo prazo da PGPM sobre preços de mercado agrícola,
serão analisados quatro aspectos referentes à comercialização no mercado doméstico e um
relativo ao mercado internacional, que são:
a) avaliar se o conjunto de políticas adotadas no âmbito da PGPM cumpre sua meta
de estabilização de preços e redução de risco da atividade agrícola, e se constitui
uma estratégia viável de longo prazo;
b) avaliar se as políticas de preços mínimos não regionalizados para as regiões Sul,
Centro-Oeste e Sudeste, adotadas no âmbito da PGPM, determinaram separação
dos mercados, principalmente entre as regiões produtoras excedentárias e
deficitárias (consumidoras líquidas);
c) verificar se há causalidade entre preços mínimos e preços de mercado;
5
d) avaliar a função estabilizadora de preços de longo prazo da formação e
desmobilização dos estoques reguladores do governo sobre preços de mercado;
e) verificar se existe integração (aderência de preços) entre preços internacionais e
preços no atacado para o mercado doméstico.
1.2 Estrutura do trabalho
Este trabalho é constituído por seis capítulos sendo o primeiro, esta introdução. O
segundo trata dos principais aspectos da evolução do setor produtor de milho e as principais
políticas de comercialização adotadas para este produto. São aí levantadas as principais
hipóteses da literatura de formação de preços agrícolas com ênfase na descrição das políticas
implementadas pelo Governo. O capítulo terceiro é dedicado ao referencial teórico, onde se
apresentam as proposições teóricas bem como a definição das estimações a serem realizadas.
O capítulo quarto é dedicado à fonte dos dados e a discussão da metodologia e procedimentos
econométricos adotados. O quinto capítulo precede à discussão dos resultados obtidos e, por
último, o capítulo sexto apresenta as conclusões e sugestões mais relevantes.
2 POLÍTICAS AGRÍCOLAS E DESEMPENHO ECONÔMICO DO
MILHO
2.1 Fixação de preços mínimos
Durante a década de 1980 houve uma mudança no critério de fixação dos preços
mínimos, que condicionou o comportamento da PGPM, tornando-a distinta da década de
1970. No ano agrícola de 1981/82, o governo estabeleceu preço mínimo, adotando o preço-
base, que era fixado em julho de um determinado ano e era corrigido até o início da colheita
3
do ano seguinte. Esta política foi adotada com o propósito de estimular os produtores
agrícolas frente a um ambiente fortemente inflacionário.
A década de 1990 foi marcada por mudanças significativas nos critério de fixação de
preços mínimos. Em função da alta nos preços agrícolas de 1991 e a perspectiva de alta
inflacionária, o governo adotou mudanças para a safra de 1992. Expandiu o crédito,
aumentou os preços mínimos e eliminou a regionalização adotada na safra 1990/91. Adotou a
correção dos preços mínimos pela TR, critério também utilizado na correção do custeio, e fez
prevalecer à conversão automática do custeio em EGF-COV. Essas condições foram válidas
para a safra 1992/93.
A partir do plano safra 1995/96, dá-se inicio, ainda em 1995, à reforma da política
agrícola. Inicialmente o governo substitui o critério de correção do custeio, antes realizado
pela TR, pela fixação de juros nominais fixos (16% aa). Foi também extinto o sistema de
equivalência-produto. Os preços mínimos passaram a ser fixados em valores fixos nominais
e não eram objeto de qualquer reajuste, em razão das baixas taxas de inflação para safra
3
Como o período da colheita é distinto para alguns produtos, o preço-base era fixado em julho e agosto e
corrigido para as culturas de verão até fevereiro, e novembro para o feijão das águas.
7
1995/96. Esses foram determinados no mesmo nível de 1994/95, que já não tinham sido
corrigidos pela TR, resultando em queda significativa dos preços mínimos em termos reais.
Dando continuidade às reformas da PGPM, a securitização
4
talvez constitua a mais
importante medida adotada em 1995. Foi realizada através da Lei nº 9.138, de 30/11/1995, e
promoveu o alongamento da dívida dos produtores, ficando ao produtor a opção de pagar em
produto o refinanciamento do débito.
Em 1996, a política de preços mínimos adota um novo instrumento. O prêmio de
escoamento da produção (PEP), que consiste no pagamento, por parte do governo, da
diferença entre preços de mercado e o preço mínimo a quem comprar o produto do agricultor
ao preço mínimo. Essa diferença (entre preço de mercado e preço mínimo) constitui um
subsídio, denominado de prêmio ou bônus, determinado em leilão público.
No plano safra 1996/97, ocorreram novas mudanças. Extingue-se o EGF-COV, sendo
criado em seu lugar o contrato de opção de venda, que determinou a opção de comprar o
produto numa data futura, a um determinado preço, chamado de preço de exercício. Uma das
vantagens deste sistema é que reduz a necessidade de recursos de imediato por parte do
governo para implementar a política.
2.1.1 Fixação de preços mínimos e preços agrícolas - Evidências empíricas
A Figura 1 mostra o impacto desta medida sobre os preços mínimos. Com a entrada da
safra, os preços mínimos deixavam de ser corrigidos, enquanto a inflação elevada reduzia os
preços mínimos em termos reais dentro da safra.
4
A securitização foi a repactuação das condições de pagamentos das dívidas dos produtores rurais junto ao
Sistema Nacional de Crédito Rural. O custo da securitização para o Tesouro Nacional, segundo estudos do
Ministério da Fazenda e da Agricultura, fica em torno de R$ 2,5 bilhões em 10 anos, prazo máximo de
refinanciamento.
8
Essa ausência de correção
5
dentro da safra é evidenciada pela quebra abrupta que as
curvas de preços mínimos dão neste período, principalmente em 1983, 1985 e 1989.
0
10
20
30
40
50
82 84 86 88 90 92 94 96 98 00 02
P reços M ínim os M ilh o
Anos
Fonte:CONAB
Preços em R$/60 K g
Figura 1 - Evolução dos preços mínimos do milho 1982-2003
Para os anos de 1993/94, em virtude da inflação elevada e da suspensão da correção
dos preços mínimos, foi imposta uma redução, em termos reais, bastante elevada.
Um traço marcante da política de preços mínimos no início dos anos 1980 até 1988 foi
a proximidade destes com os preços recebidos pelos produtores, em termos reais, no período
de safra. Isso pode ser notado na Tabela 1 para os estados de São Paulo, Paraná, Goiás e Mato
Grosso. Em média, os preços mínimos estiveram em torno de 12% para mais ou para menos
dos preços recebidos pelos produtores, exceto agosto de 1983 e o ano de 1984. Em agosto de
1983, deu-se o aumento do preço-base provavelmente em virtude da maxidesvalorização e da
severa restrição de crédito ocorrida durante este ano , aliada à quebra de safra, e como
decorrência, o ano de 1984 teve uma comercialização atípica, com preços mínimos bem acima
dos recebidos pelos produtores.
5
A ausência de correção atingiu de forma distinta os produtos na medida que tiveram prazos diferentes de
correção. No caso do milho, a forte quebra do preço mínimo entre 1984/85 está associada ao maior período da
correção.
9
Em 1985 e 1986, estiveram os preços mínimos próximos aos preços recebidos pelos
produtores. Os meses de agosto tiveram preços elevados porque era o período de fixação dos
preços-base, após período de elevada inflação.
A Tabela 1 mostra também que, em geral, a forte tendência de aproximação dos preços
mínimos e recebidos ocorreu com diferenças acentuadas no plano estadual. Para os estados do
Sudeste e Sul - São Paulo e Paraná -os preços mínimos estiveram abaixo ou guardando a
mesma paridade (razão aproximadamente igual a 1), nos anos de 1982, 1985, 1986 e 1988.
Para os estados do Centro-Oeste (Goiás), esta relação ocorre nos anos de 1982, 1983, 1985 a
1988.
Quanto ao Mato Grosso, o padrão é similar ao de Goiás, exceto durante os anos de
1989 e 1990. Além disso, cabe destacar que para estes dois estados, as razões ficam bem
abaixo dos níveis de SP e PR. Fatores no curto prazo, que determinam esta diferença, preços
recebidos e preços mínimos nas diferentes regiões, são as condições de mercado que
determinam os preços recebidos, frente aos preços mínimos, não regionalizados. Os mercados
importadores líquidos, como São Paulo, têm preços recebidos mais elevados do que os
mercados “excedentários” como Goiás e Mato Grosso, resultando numa relação mais baixa
para estes e mais elevada para aqueles. Rezende (1988, p.342) atribui causas distintas ao
comportamento desta relação, enquanto no início dos anos 1980 até 1983, foi determinada
pelos baixos preços recebidos, já no período de 1985/86, decorreu dos elevados preços
mínimos
6
. Este argumento, entretanto, parece inadequado. A consistência da política de
preços mínimos não pode ser de curto prazo. No longo prazo, detecta-se um padrão de
comportamento dos preços mínimos como se existisse um mecanismo do tipo expectativas
racionais. Quando os preços mínimos são baixos no período
justifica-se pelo erro de
previsão dos agentes do governo entre preços mínimos e preços esperados de mercado.
0
t
6
A relação de análise circular do autor mostra a incapacidade de explicar a tendência de longo prazo por falta de
instrumental teórico adequado.
10
Tabela 1 Razão dos preços reais recebidos e preços mínimos milho nos Estados de São Paulo, Paraná, Goiás e Mato Grosso, Safras-1982/03
(Base:Junho/2003)
1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
São Paulo
Mar 0,972 0,954 1,339 0,981 1,105 0,814 0,950 1,216 1,448 1,073 1,048 1,152 1,154 0,970 1,133 0,925 1,178 1,281 1,845 1,095 1,524 2,209
ná
ás
Abr 0,969 1,023 1,303 1,003 1,018 0,822 0,915 1,165 0,990 1,223 0,983 1,263 1,142 0,972 1,187 0,915 1,213 1,264 1,746 1,179 1,542 2,100
Mai 0,948 1,111 1,429 0,986 0,991 0,967 1,060 1,191 1,399 1,436 0,948 1,255 1,096 0,946 1,323 0,909 1,269 1,284 1,808 1,148 1,665 1,699
Jun 0,987 1,449 1,448 0,980 0,967 0,927 1,164 1,505 1,457 1,459 0,920 1,255 1,113 0,945 1,207 0,899 1,236 1,337 1,745 1,158 1,734 1,660
Jul 1,053 1,710 1,679 1,092 1,033 0,965 1,055 1,235 1,662 1,332 0,980 1,423 1,112 1,025 1,265 0,954 1,218 1,373 1,783 1,188 1,767 1,624
Ago 1,091
2,219
2,024
1,227
1,097
1,100
1,428
1,026
2,087
1,557
1,175
1,987
1,079
0,976
1,290
0,976
1,194
1,373
1,917
1,363
1,996
Para
Mar 0,939 0,927 1,266 0,923 1,021 0,679 0,965 1,165 1,229 1,099 0,889 0,996 0,983 0,799 1,100 0,876 1,060 1,212 1,537 0,968 1,499 1,859
Abr 0,900 0,975 1,319 0,961 1,019 0,729 0,935 1,206 1,004 1,369 0,825 1,090 1,021 0,897 1,242 0,925 1,076 1,218 1,541 0,990 1,542 1,821
Mai 0,894 1,121 1,350 0,983 1,008 0,847 1,080 1,217 1,347 1,537 0,866 1,112 1,010 0,900 1,398 0,957 1,107 1,236 1,599 1,008 1,682 1,634
Jun 0,922 1,464 1,343 0,951 0,997 0,878 1,113 1,538 1,474 1,531 0,917 1,158 1,017 0,918 1,342 0,925 1,087 1,248 1,539 1,085 1,717 1,567
Jul 0,946 1,780 1,523 0,996 1,013 0,919 1,092 1,221 1,480 1,368 0,950 1,249 1,009 1,040 1,340 0,922 1,093 1,248 1,563 1,196 1,770 1,484
Ago 0,986
2,161
1,718
1,081
1,040
1,054
1,205
0,973
1,948
1,495
1,004
1,775
0,983
0,964
1,378
0,942
1,090
1,219
1,685
1,305
1,902
Goi
Mar 0,790 0,992 1,228 0,902 1,000 0,703 0,999 0,969 1,170 0,891 0,880 0,965 0,972 0,741 0,950 0,884 1,007 1,054 1,507 0,979 1,420 2,026
Abr 0,924 0,963 1,264 1,057 1,019 0,681 1,002 1,009 0,852 1,117 0,817 1,035 0,973 0,764 1,037 0,891 1,028 1,033 1,477 1,016 1,404 1,963
Mai 0,863 1,039 1,345 0,978 0,965 0,761 1,014 1,043 1,149 1,267 0,805 1,022 0,893 0,742 1,105 0,855 1,060 1,052 1,577 1,016 1,522 1,658
Jun 0,861 1,180 1,341 0,951 0,942 0,866 1,037 1,224 1,186 1,208 0,799 1,072 0,924 0,759 1,050 0,872 1,000 1,081 1,549 1,060 1,638 1,516
Jul 0,898 1,415 1,444 1,005 0,939 0,922 1,050 1,015 1,248 1,083 0,876 1,176 0,954 0,867 1,060 0,875 0,964 1,130 1,570 1,124 1,688 1,481
Ago 0,956
o
1,793
1,607
1,058
0,979
1,005
1,256
0,880
1,626
1,242
1,006
1,693
0,926
0,839
1,085
0,869
0,952
1,122
1,675
1,216
1,750
M.Gross
Mar 0,918 1,033 1,427 0,831 1,144 0,906 0,923 1,224 0,779 1,063 0,793 0,822 0,942 1,044 1,200 0,896 1,075 1,164 1,521 1,236 1,292 2,274
Abr 0,935 1,094 1,379 0,868 1,098 0,902 0,985 1,224 0,737 1,125 0,730 0,825 0,798 0,949 1,200 0,896 0,985 1,075 1,437 1,154 1,373 2,337
Mai 0,929 1,064 1,340 0,964 1,053 0,877 0,940 1,130 0,964 1,172 0,690 0,817 0,774 0,949 1,200 0,896 0,985 0,985 1,521 1,236 1,373 2,337
Jun 1,004 1,185 1,311 1,000 1,023 0,839 0,880 1,032 1,067 1,245 0,714 0,867 0,734 0,854 1,100 0,896 1,075 0,985 1,352 0,989 1,373 2,09
Jul 1,024 1,277 1,291 1,024 1,030 0,902 0,864 0,955 1,171 1,050 0,765 0,908 0,759 0,949 1,100 0,896 1,075 1,075 1,352 1,071 1,534 2,016
Ago 1,034 1,520 1,359 1,071 1,023 0,941 1,073 0,773 1,280 1,055 0,763 1,283 0,854 0,949 1,100 0,806 1,075 1,075 1,352 1,154 1,615
Fonte: CONAB. Corrigidos pelo IGP-DI-FGV.
11
No momento subseqüente, o governo refaz suas expectativas no sentido de corrigir a
previsão passada, dependendo dos preços esperados no período , podendo determinar
preços mínimos elevados. Este mecanismo será repetido de forma que no longo prazo os
gestores de política do governo estão sempre tentando prever aquilo que seria o preço mínimo
adequado, que será algum valor em torno da tendência dos preços recebidos pelos produtores.
1
t
A década de 1990 foi marcada por preços mínimos relativamente baixos quando
comparados aos preços recebidos pelos produtores, refletindo as mudanças na PGPM em
função da maior abertura comercial e um certo esvaziamento desta no final da década de 1980
e retornando-a com a crise de oferta de 1991. Assim os anos de 1990 e 1991 foram de
relativos preços elevados, ocorrendo tal fato também os anos de 1996, 1998 a 2000, 2002 e
2003.
2.2 Intervenção governamental e o papel dos estoques públicos
Com a extinção da conta movimento em 1986, as contas agrícolas são excluídas do
Orçamento Monetário e ocorre sua inclusão no Orçamento Geral da União (OGU).
A partir deste momento é adotada uma nova sistemática de avaliação dos gastos
públicos com a PGPM e com estoques
7
.
O gasto público anual passa a ser programado no OGU e seus recursos liberados pela
Secretária do Tesouro ao Banco do Brasil. Este, por sua vez, libera à Companhia de
Financiamento da Produção empréstimos para a compra de estoques, que passam a constituir-
se na garantia do financiamento.
7
Esta nova sistemática foi criada com a Portaria Interministerial Nº 444/87.
12
Cria-se também o critério de custos de remição dos estoques
8
, conceito contábil que
quantifica no tempo o valor dos recursos repassados para os gastos na formação de estoques e
o valor desses estoques avaliados aos preços de vendas que constituem a garantia desse gasto.
Assim, em um dado período de tempo , denomina-se preço de remição
0
t
9
aquele que
equaliza o saldo devedor dos empréstimos com recursos da conta suprimento e as receitas das
vendas dos estoques realizadas até o período t . Este conceito pode ser aplicado de forma
agregada para todos os produtos, ou pode ser obtido para cada produto individual.
0
Do ponto de vista empírico, estas mudanças condicionaram o comportamento de
preços e estoques durante o período em análise. Isto pode ser observado na Figura 2 que
mostra a sazonalidade
10
dos estoques de milho do governo e dos preços recebidos pelos
produtores de milho nas diferentes praças de São Paulo, Paraná, Goiás, Mato Grosso, no
período de 1982/03. Observa-se que o governo compra milho no período de safra (de março
até agosto) aumentando seus estoques e vende na entressafra (de setembro até fevereiro),
reduzindo o nível de estoques.
0
2
4
6
8
Jan
Fev Mar
Abr
Mai
Jun
Jul
Ago
Set Out Nov Dez
(Em milhões Ton.)
Fonte:CONAB
Médias Mensais
EMG
Brasil
Figura 2 - Sazonalidade dos estoques de milho do governo: 1987-2003
8
Além da Portaria Nº 444, a Portaria do MF Nº 363/88, também regulamenta este sistema.
9
Em 1992, cria-se pela Portaria Interdepartamental Nº 555, o preço de valoração do estoques, que passa a
determinar a licença do penhor mercantil, com base no preço mínimo mais 5%.
10
A comercialização do milho corresponde aos meses de março, abril, maio, junho e agosto quando ocorre mais
de 90,00% das vendas do produto. Ver Preços Mínimos: Estudos Técnicos 1987/88, Brasília , 1988, p.78,
(Tabela A. 8 do Apêndice)
13
A Figura 3 mostra a sazonalidade de preços recebidos pelos produtores de milho de São
Paulo, Goiás e Mato Grosso, e atacado de São Paulo e Paraná. Percebe-se que os períodos de
preços baixos quando ocorrem durante o período de safra que vai de março prolongando-se
até agosto onde ocorre para a maioria dos estados a reversão dos preços, passando a subir
lentamente, refletindo a entrada da entressafra, estendendo-se até fevereiro, quando os preços
já dão sinal de queda em virtude da proximidade da colheita. Convém salientar que, para o
Mato Grosso, o período de baixa em média se prolonga até setembro, por ser mais dependente
das aquisições do Governo.
0
20
40
60
80
100
PRPMSP Média mes es
Jan Fev
Mar
Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: CONAB.
0
20
40
60
80
100
PRPMPR Média Meses
Jan
Fev
Mar Abr Mai
Jun Jul Ago Set Out Nov
Dez
Fonte: CONAB
0
20
40
60
80
PRPMGO Médias Meses
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: CONAB.
0
20
40
60
80
PRPMMT Média Meses
Jan
Fev Mar Abr Mai Jun
Jul Ago Set Out Nov Dez
Fonte: CONAB
0
20
40
60
80
100
PAMPR Média Meses
Jan Fev
Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: FGV
0
20
40
60
80
100
PAMSP Média Meses
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Fonte: FGV
Figura 3 - Sazonalidade de preços recebidos pelos produtores e atacado de milho, São Paulo,
Paraná, Goiás e Mato Grosso: 1982-2003
14
Se se comparar às flutuações de preços e estoques nas Figuras 2 e 3, percebe-se que
há certa sincronia das variações de preços e estoques ao longo do ano. Quando os estoques
iniciam uma variação positiva, a partir de abril até julho, quando o governo realiza suas
aquisições dentro da safra, os preços são baixos e prolongam-se até julho, quando se inicia o
período de entressafra. Para o Estado de São Paulo, os preços dão sinais de elevação já a
partir de julho; para Paraná e Goiás, a partir de agosto; e em Mato Grosso, esta elevação se dá
apenas em setembro. De forma análoga, os estoques iniciam uma variação negativa,
tendência decrescente, a partir da entrada da entressafra em setembro até fevereiro, período
em que o governo desmobiliza seus estoques. Paralelamente, os preços nesse período passam
a refletir a escassez do mercado, iniciando um processo de alta correspondente a agosto e se
prolonga até fevereiro.
Esta análise permite-nos levantar alguns aspectos importantes: a) os preços recebidos
pelos produtores na safra/entressafra permanecem em baixa/alta. Mesmo o governo exercendo
suas atividades de compra/venda não muda a tendência da sazonalidade. Isto quer dizer que,
no curto prazo, os efeito líquido das intervenções do governo cumprem sua função
estabilizadora. No Brasil, os mercados de produtos são mais importantes do que os de
estoques na formação de preços; b) a relação entre variações no nível de estoques e variações
no nível de preços sugere a precedência de preços na explicação da variação de estoques, isto
é, não existe contemporaneidade entre preços e estoques. Os preços na safra no ano t é que
determinam a redução dos estoques na entressafra no mesmo ano t , ou ainda, são os
aumentos dos preços na entressafra no ano t , que determinam o aumento de estoques na
safra do ano que se segue
t
.
1
+
A Figura 4 mostra a evolução dos AGF e EGF como participação da produção para
Brasil, Centro-Oeste e os Estados de São Paulo, Paraná, Minas Gerais e Santa Catarina.
Constata-se forte atuação da PGPM durante a década de 1980, tendo sido, entretanto,
15
reduzida drasticamente na década de 1990. Observa-se, também, que a atuação da PGPM é
relativamente dispersa, refletindo também a dispersão da produção, embora possa ser
observada uma presença maior da política na região Centro-Oeste. De 1985-1987, houve um
predomínio do AGF, sendo que entre 1988-1989, houve aumento da importância do EGF, no
Centro-Oeste.
0
5
10
15
20
25
30
80 82 84 86 88 90 92 94 96 98 00
AGF EGF
Brasil
Fonte:IBGE,C ON AB
Anos
Participação
Percentual (% )
0
10
20
30
40
50
60
70
80 82 84 86 88 90 92 94 96 98
AGF EGF
Anos
Fonte:IBGE,CO NAB Centro-Oeste
Participação
Percentual (%)
0
4
8
12
16
20
24
80 82 84 86 88 90 92 94 96 98
AGF EGF
Anos
Fonte:IBGE,CONAB São Paulo
P articip a çã o
Percentual (%)
0
4
8
12
16
20
24
28
32
36
80 82 84 86 88 90 92 94 96 98
AGF EGF
Anos
Parana
Paticipação
Percentual(%)
Fonte:IBGE,CO NAB
0
2
4
6
8
10
12
14
80 82 84 86 88 90 92 94 96 98
AGF EGF
Anos
P articip a çã o
Percentual(%)
Fonte:IBGE,CONAB.
Minas Gerais
0
4
8
12
16
20
80 82 84 86 88 90 92 94 96 98
AGF EGF
Anos
Fonte:IBG E,CONAB.
Paticipação
Percentual(%)
Santa Catarina
Figura 4 - EGF e AGF como percentagens das quantidades produzidas Brasil, Centro-Oeste,
São Paulo, Paraná, Minas Gerais, Santa Catarina: 1979-1988
16
2.3 Desempenho econômico do milho
2.3.1 Produção e consumo de milho no Brasil
A produção de milho tem assumido crescente importância para a agricultura brasileira,
principalmente a partir da década de 1970, em virtude da geração de emprego para uma
parcela significativa da população envolvida com a produção e comercialização do cereal
11
.
A política adotada para o setor de grãos e, em especial para o milho permitiu a rápida
expansão da avicultura e suinocultura e da agroindústria a ele associada.
Conforme visualizado, na Figura 5, a produção e consumo, apresentaram tendência
crescente desde 1960, com a produção maior que o consumo até 1977, o que caracterizou
um longo período de auto-suficiência
12
, apresentando anualmente um certo excedente
exportável. A partir daí, houve perda desta auto-suficiência, estreitando a diferença entre
produção e consumo, dando início a um período de alternância de excesso e escassez de
oferta.
0
10
20
30
40
50
1960 1965 1970 1975 1980 1985 1990 1995 2000
Produção Consumo
(Em milhões de toneladas)
Anos
Fonte:IBG E,CONAB.
Figura 5 - Produção e consumo de milho, Brasil: 1960-2003
11
O milho é cultivado em todo Território nacional, ocupando, dentre as culturas inclusas na PGPM, a maior área
plantada.
12
A partir de 1978, com quebra de safra, a produção foi inferior ao consumo doméstico, passando de
exportador líquido a importador.
17
Durante a década de 1960 a produção cresceu 46,36% contra um crescimento do
consumo no mesmo período de 38,59%, ampliando o excedente da produção sobre o consumo
de 12,82% em 1960, para 26,53% em 1969.
Durante a década de 1970 a produção cresceu 14,70% e o consumo teve um
crescimento recorde de 57,55%, reduzindo o excedente de produção sobre o consumo para
9,11% em 1977. Os reajustes dos preços mínimos de 67,00% no período de 1974/77, bem
acima da inflação de 27,00%, explicam em parte o bom desempenho da produção de milho
que permitiu o atendimento ao consumo. Neste período, houve também expansão da cultura
na Região Centro-Oeste, especialmente no Estado de Goiás, principal produtor. Nesse Estado,
o milho ocupou, no período 1973/75, a área tomada com algodão, e no final da década de
1970, iniciou-se um sistema de rotação com a soja, característica que passou a ser definitiva
na região, em função da elevada produtividade alcançada nas áreas onde já havia por três anos
seguidos plantios da soja.
Com isso, a produção viabilizou a forte expansão da indústria de rações e do setor
pecuário de pequenos animais, suinocultura e, notadamente, avicultura. O setor produtor ainda
foi capaz de gerar exportações, obtendo divisas da ordem de US$ 589,71 milhões
13
e
possibilitou a formação de estoques em níveis de relativa segurança para execução da política.
A década de 1980, entretanto, resultou num crescimento maior da produção de
30,44%, contra um crescimento modesto do consumo de 17,79% .
A década de 1990 foi marcada por uma mudança radical na performance do setor. A
produção, apesar de crescer 50,02%, não foi capaz de evitar o crescimento também rápido do
consumo da ordem de 41,13% , tornando o setor dependente de importações.
13
Neste período, segundo dados da CACEX, a receita cambial com as exportações de milho foi em (US$ 1.000)
FOB, de US$ 138.991 em 1974; US$ 150.380 em 1975; US$ 164.678 1976 e US$ 135.688 em 1977.
18
2.3.2 Evolução da área, produção e rendimento: regiões e estados
De 1960 até 2003, a área colhida com milho no Brasil cresceu a uma taxa de 1,17% ao
ano
14
, o que praticamente menos do que dobrou (1,76 vezes) em quatro décadas. Após o
período de expansão da década de 1960, até inicio dos anos 1980, esta inicia uma reversão no
crescimento, acentuando-se na década de 1990 até 2003, tempo é marcado praticamente pela
estagnação da área, como pode ser observado na Figura 6. A área colhida deste cereal
aumentou 3,75% ao ano, durante a década de 1960, seguida de uma desaceleração na década
de 1970 e 1980, com 1,39% e 1,22% ao ano, respectivamente. Os anos de 1990 até 2003,
foram marcados por uma estagnação da área com crescimento praticamente nulo de 0.81% e
0,91% ao ano respectivamente. Por outro lado, de 1960 até 2003, a produção total de milho
cresceu a uma taxa média de 3,4% ao ano, ou seja, mais do que quintuplicou. Neste período o
rendimento físico deste cereal cresceu 2,23% ao ano, o que apenas duplicou (2,37 vezes).
0
10
20
30
40
50
1960 1965 1970 1975 1980 1985 1990 1995 2000
Produção Área
Fonte:IBGE
Brasil
Anos
(Em milhões ha e ton)
1000
1500
2000
2500
3000
3500
4000
1960 1965 1970 1975 1980 1985 1990 1995 2000
Rendimento Físico
Fonte:IBGE
Brasil Anos
(Em kg/ha)
Figura 6 - Produção, área e rendimento físico do milho Brasil: 1960-2003
As décadas de 1960 e 1970 foram marcadas por uma quantidade total produzida que
praticamente acompanhou o crescimento da área. A partir da década de 1980, contrastando
com a área colhida, a quantidade total produzida tem crescido sistematicamente, resultando
14
A taxa de crescimento para produção e área foram obtidas, respectivamente, a partir dos dados do IBGE, no
Apêndice Tabela A.9, através do modelo log linear, como se segue:
t
, e
t
tY 034,00232,16ln
+=
)3613,9 ,0)(0000,0(
=
p
)5653,518(
=
)0000
6760,0
2
=R
)4346,28(
)0000,0)(0000,0(
=
p 9506,0
=
R tX 0117,09384,15ln
+=
)98,492(
=
(
19
em um aumento significativo do rendimento físico durante todo este período. Esses ganhos de
produtividade a partir dos anos 1980 decorrem, por um lado da modernização tecnológica e
do deslocamento da produção para terras de melhor qualidade, principalmente na região
Centro-Oeste, notadamente Goiás, Mato Grosso e Mato Grosso do Sul..
2.3.3 Dinâmica regional
O crescimento modesto do rendimento do milho no Brasil decorre do fraco
desempenho da cultura nas regiões Norte e Nordeste, que têm sua dinâmica explicada
exclusivamente por fatores climáticos. Assim, os rendimentos físicos nestas regiões, como
pode ser visto na Tabela 2, estão bem abaixo da média das regiões Sul, Sudeste e Centro-
Oeste onde se cultiva o cereal com melhor tecnologia.
20
Tabela 2 - Produção, área e rendimento de milho segundo regiões: 1980-2003
(Em mil ha e ton)
Norte Nordeste Sudeste Sul Centro-Oeste
Anos Área Prod Rend. Àrea Prod Rend. Área Prod Rend. Área Prod. Rend. Área Prod Rend.
1980 65 61 947 2.199 1.512 687 3.107 4.918 1.583 3.944 6.744 1.710 608 951 1.564
1981 107 115 1.079 2.392 1.529 639 2.840 5.256 1.851 4.571 8.007 1.752 762 1.366 1.792
1982 108 116 1.072 2.498 1.614 646 2.964 4.683 1.580 4.397 8.307 1.890 888 1.613 1.817
1983 111 122 1.096 2.145 1.014 473 3.172 5.265 1.660 4.770 9.719 2.037 920 1.630 1.773
1984 117 117 996 2.486 1.645 662 3.191 5.565 1.744 4.890 9.985 2.042 1.113 1.941 1.745
1985 127 137 1.073 2.539 1.511 595 2.907 4.423 1.522 4.535 6.176 1.362 1.017 1.323 1.301
1986 133 150 1.128 2.443 1.256 514 2.851 5.131 1.799 4.876 7.732 1.586 1.016 2.038 2.006
1987 175 222 1.268 2.193 830 379 2.941 5.596 1.903 5.145
11.63
2.262 997 2.085 2.091
1988 198 242 1.219 2.032 506 249 3.055 5.942 1.945 5.131
12.33
2.404 1.105 2.093 1.894
1989 229 313 1.363 2.777 1.133 408 3.179 6.719 2.114 5.237
11.20
2.140 1.197 2.472 2.065
1990 160 189 1.185 1.435 501 349 2.792 6.295 2.254 5.203 9.881 1.899 1.115 2.279 2.043
1991 290 368 1.271 2.400 1.471 613 2.948 5.706 1.936 5.268
11.31
2.147 1.113 2.305 2.072
1992 248 319 1.285 2.592 1.538 593 2.824 6.205 2.197 5.010
11.52
2.300 1.124 2.436 2.167
1993 293 403 1.375 3.039 1.907 627 3.021 6.669 2.207 4.744 8.221 1.733 1.369 3.332 2.434
1994 324 435 1.340 2.497 622 249 3.144 7.374 2.346 5.817
13.95
2.399 1.721 4.389 2.550
1995 432 602 1.396 3.186 2.053 644 2.973 7.233 2.433 4.879
10.46
2.146 1.699 4.389 2.583
1996 513 757 1.474 3.081 1.743 566 2.984 7.399 2.479 4.704
11.54
2.454 1.648 5.131 3.112
1997 397 540 1.358 2.139 649 303 2.704 5.285 1.954 4.737
11.79
2.489 1.416 3.108 2.194
1998 425 610 1.435 2.867 1.885 657 3.152 8.154 2.587 5.117 8.399 1.641 1.505 4.578 3.043
1999 449 645 1.439 2.569 1.140 444 3.244 8.163 2.516 5.646
16.07
2.847 1.456 4.483 3.080
2000 507 756 1.491 1.448 949 655 2.977 7.842 2.635 5.499
16.01
2.912 1.438 4.492 3.123
2001 554 837 1.512 3.206 2.722 849 2.939 7.165 2.438 5.270
16.24
3.082 1.780 5.518 3.101
2002 471 784 1.665 2.347 2.205 939 2.333 8.913 3.820 4.682
16.79
3.588 1.918 7.232 3.771
2003 523 964 1.843 2.552 2.946 1.154 2.436
10.21
4.193 5.118
24.12
4.714 2.337
10.07
4.312
Médias
1980-89 137 159 1.124 2.370 1.255 525 3.021 5.350 1.770 4.750 9.185 1.918 962 1.751 1.805
1990-99 353 487 1.356 2.581 1.351 505 2.979 6.848 2.291 5.113
11.31
2.206 1.417 3.643 2.528
2000-03 514 835 1.628 2.388 2.205 900 2.671 8.533 3.271 5.142
18.29
3.574 1.868 6.830 3.577
Fonte: FIBGE: Anuário Estatístico do Brasil- 1983/84; 1991, 1993; Produção Agrícola Municipal -1973/82;
85/90;92; 94/03.
Com respeito à evolução da área e produção do milho deixando de lado o Norte e o
Nordeste, por sua reduzida expressão quantitativa, observa-se, através da Figura 7 que no caso
do Sudeste existe queda da área colhida nas décadas de 1980, 1990 e 2000. A quantidade total
produzida, neste mesmo período, por outro lado, cresceu 28,00% (1989/80), 24,60%
(2003/89) e 59.50% respectivamente o acumulado das duas décadas. Com a área colhida se
reduzindo e a quantidade total produzida crescendo, o resultado foi ganhos de produtividade
nessa região nas décadas de 1980, 1990 até 2003.
21
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
1975 1980 1985 1990 1995 2000
Produção Área
Fonte:IBGE
Anos
(Em 1 mil ton e ha)
Sudeste
0
4000
8000
12000
16000
20000
24000
28000
1975 1980 1985 1990 1995 2000
Área Produção
Fonte:IBGE
Anos
(Em 1 mil ton.e ha)
Região Sul
0
2000
4000
6000
8000
10000
12000
1975 1980 1985 1990 1995 2000
Área Produção
Fonte:IBG E
Centro-Oeste
Anos
(Em 1 mil ton e ha)
Figura 7 - Área e produção de milho, segundo regiões Sudeste, Sul e Centro-Oeste: 1973-2003
A Região Sul é relativamente similar ao Sudeste, exceto que essa região não tem
redução da área. Esta cresceu 7,64% (1989/80), 0,58% (2003/1990) e o acumulado das duas
décadas ficou em 8,27%, praticamente estagnada quando comparada à média dos anos 1990.
Em conseqüência, houve ganho significativo de produtividade.
Em contraste com outras regiões, a área colhida no Centro-Oeste praticamente
duplicou
15
. A produção também cresceu neste período praticamente três vezes, um
crescimento mais elevado do que o verificado nas outras regiões. A produção de milho
cresceu 290,00% nos períodos 1980/89 a 2003, acima do Sul e Sudeste – com 99,2% e 59,5%
respectivamente. Como resultado do grande aumento na produção de milho do Centro-Oeste,
a produtividade tem crescido durante todo o período, atingindo níveis sem precedentes
durante a década de 1990.
Como já mencionado, a produção de milho no Centro-Oeste foi fortemente
influenciada pelo tamanho da propriedade, como também pela existência de terras planas, o
que possibilitou elevado grau de absorção tecnológica, beneficiando-se das economias de
escala, o que não ocorreu em outras regiões. Além disso, o sistema de rotação com a soja
15
A expansão da área plantada de milho na região Centro-Oeste acompanha a tendência verificada para a soja
nesta região. De um modo geral, essa tendência aumentou as participações relativas destas culturas no setor de
grãos.
22
resultou em elevado nível de produtividade. Em algumas localidades, a produtividade chega a
superar 7.000 kg/ha.
Como mencionado, o corredor tradicional do milho no País, onde se planta com melhor
padrão tecnológico, ocorre nas regiões Sul e Sudeste em direção ao Centro-Oeste. Entre essas
regiões, porém, têm sido detectadas mudanças estruturais nas duas últimas décadas.
Como mostra a Tabela 3, enquanto o Sul deteve aproximadamente 41,00% da área e
50,00% da produção nacional, nas duas últimas décadas, o Sudeste reduziu sua área para
19,50% e produção para 22,00%, o que representou uma queda de 14,11%. O Centro-Oeste
aumentou sua participação para 16,50% da área e 20,00% da produção.
Já o Nordeste teve sua área e produção estagnada durante as duas décadas . O Norte, a
partir da década de 1990, também teve sua área e produção estagnada. Estas regiões totalizam
23,70% da área e colhem menos de 9,00% da produção.
23
Tabela 3 Participação percentual das regiões na área e produção brasileira de milho: 1980-2003
Norte Nordeste Sudeste Sul Centro Oeste
Anos Área Produção Área Produção Área Produção Área Produção Área Produção
1980 1,53 1,09 19,15 4,08 25,68 27,47 44,93 57,13 8,71 10,24
1981 1,72 1,14 17,63 2,39 26,52 28,14 44,54 58,41 9,59 9,91
1982 1,82 1,43 22,01 5,19 25,19 30,76 41,50 51,30 9,49 11,32
1983 1,49 1,01 13,41 2,68 26,08 33,61 48,60 52,75 10,42 12,16
1984 2,41 1,74 19,97 6,95 24,53 26,96 43,83 53,45 9,26 10,89
1985 2,10 1,45 21,97 6,98 23,94 28,18 42,46 52,33 9,53 11,06
1986 2,35 1,96 24,37 9,29 24,24 32,48 38,06 40,04 10,98 16,23
1987 2,40 1,62 18,49 2,32 23,28 27,51 43,08 52,07 12,75 16,38
1988 3,28 2,43 24,20 8,30 22,58 29,23 37,05 42,30 12,90 17,74
1989 3,97 2,85 23,83 6,56 23,08 27,85 36,38 43,44 12,75 19,31
1990 3,49 2,53 18,77 3,04 23,73 24,75 41,58 55,24 12,43 14,56
1991 3,25 2,58 21,95 7,98 24,13 34,52 39,17 35,55 11,52 19,38
1992 3,36 2,12 19,23 3,74 24,27 26,76 42,25 52,69 10,89 14,70
1993 4,27 2,52 12,20 3,16 25,08 26,09 46,33 53,29 12,12 14,95
1994 4,03 2,58 23,32 8,38 21,38 22,05 38,33 50,00 12,94 16,99
1995 4,38 2,62 21,89 6,72 20,29 22,25 40,43 51,22 13,00 17,19
1996 4,65 2,56 20,27 6,91 21,21 23,83 38,31 44,71 15,56 21,95
1997 4,41 2,50 19,70 6,49 20,88 24,34 38,19 44,33 16,82 22,34
1998 5,48 2,88 14,32 3,54 23,02 25,43 42,20 50,25 14,98 17,90
1999 5,54 3,16 17,03 6,25 22,14 24,45 39,77 45,54 15,51 20,61
2000 5,40 2,92 21,16 9,12 20,07 23,01 38,20 45,46 15,17 19,48
2001 4,28 2,03 16,35 4,32 19,38 19,92 43,68 54,16 16,30 19,56
2002 4,00 2,18 19,97 6,13 19,85 24,80 39,84 46,75 16,32 20,12
2003 4,00 1,99 19,68 6,09 18,78 21,13 39,47 49,92 18,02 20,85
Médias
1980-89 2,31 1,67 20,50 5,47 24,51 29,22 42,04 50,32 10,64 13,52
1990-99 4,29 2,60 18,87 5,62 22,61 25,45 40,66 48,28 13,58 18,06
2000-03 4,42 2,28 19,29 6,42 19,52 22,22 40,30 49,08 16,45 20,00
Fonte: IBGE. PAM e LSPA.
O Centro-Oeste está dando sinais de um crescimento mais rápido dos rendimentos de
milho, como mostra a Figura 8. Os rendimentos para o milho no Centro-Oeste ultrapassaram
os do Sudeste e Sul por volta de 1985, sendo que para o Sul, em 1989, a produtividade é
superior a do Centro-Oeste. Observa-se também maior grau de instabilidade de rendimentos
na região Sul, comparada à região Sudeste.
24
-60
-40
-20
0
20
40
74
76
78
80
82
84
86
88
90
92
94
96
98
00
Sudeste
Sul
Anos
Fonte:IBGE
Figura 8 - Diferenças percentuais de rendimentos físicos das regiões
Sudeste e Sul em relação ao Centro-Oeste: 1973-2003
Para Helfand e Rezende (2000), esses ganhos de produtividade estão associados aos
seguintes fatos:
[...] à mudança na composição da produção de grãos e, por outro, à modernização
tecnológica e à retirada de produção das terras marginais que foram cultivadas no
final da década de 1980. É provável que abertura da economia e redução do papel
do Estado, por meio das políticas de preços mínimos e crédito rurais, tenham
levado a uma reorganização da geografia da produção mais consistente com as
vantagens comparativas regionais ( p.2).
De grande importância para compreensão da maior absorção tecnológica no Centro-
Oeste é o tamanho médio da propriedade em que ocorre a produção e, por outro, o benefício
do plantio do milho em rotação com a soja. Nas regiões Sudeste e Sul, a cultura do milho está
nitidamente associada aos estabelecimentos com área inferior a 50 ha
16
. Na região Sudeste,
por volta de 40,00% do milho produzido são provenientes de propriedades de até 50 ha. Na
região Sul, a relação entre produção e tamanho da propriedade é ainda mais forte. Perto de
31,00% da produção é gerada em estabelecimentos de até 10 ha, enquanto no estrato de 10 a
50 ha se concentram mais de 50,00% da produção regional. Se tomarmos o tamanho da
propriedade até 50 ha, estas respondem aproximadamente por 86,00% do milho produzido.
16
Dados referentes ao Censo Agropecuário de 1970, IBGE. Tomou-se esse período como referência, porque
corresponde à expansão da cultura, principalmente na região Centro-Oeste. Para uma análise atualizada,
necessário seria tomar os dados do Censo Agropecuário de 1995/96.
25
Esse caráter atomizado da produção do milho contrasta com a região Centro-Oeste.
Nesta ocorreu forte predomínio da grande propriedade
17
, o que confere traço distinto no
cultivo do cereal.
Estes fatores fazem com que uma parcela ponderável da produção, principalmente na
região Sul seja pouco sensível aos critérios de produtividade e competitividade, portanto,
situando-se quase sempre fora da comercialização entre estados.
2.3.4 Distribuição espacial da produção e consumo
O milho é um cereal cultivado indistintamente em todas as regiões do País. Essa
dispersão da produção lhe confere alto grau de auto-suficiência regional, o que pode ser visto
na Tabela 4, que apresenta a distribuição da produção dos Estados como percentagem da
produção nacional.
17
A expansão da cultura do milho a partir de dos anos 1970, quando a área plantada quase duplicou, teve
maior participação das grandes propriedades. Este fato, associado à existência de terras planas e ao benefício da
tecnologia adotada no cultivo da soja, explica parte da elevação da produtividade nos anos 1980 e 1990.
26
Tabela 4 - Participação percentual dos principais estados na produção brasileira de milho:
1980-2003.
Anos PR RS SC MG SP GO MT Demais
1980 26
,
8 15
,
5 14
,
8 14
,
8 11
,
5 8
,
6 1
,
6 6
,
4
1981 25
,
4 18
,
0 15
,
0 13
,
8 13
,
0 7
,
9 2
,
0 4
,
9
1982 24
,
9 14
,
4 12
,
0 13
,
9 15
,
5 8
,
8 2
,
5 8
,
0
1983 26
,
8 16
,
9 9
,
0 14
,
3 16
,
9 9
,
2 3
,
0 3
,
9
1984 25
,
5 16
,
9 11
,
1 12
,
1 13
,
6 8
,
1 2
,
7 10
,
0
1985 26
,
4 16
,
2 9
,
8 13
,
7 13
,
1 7
,
7 3
,
4 9
,
8
1986 21
,
1 9
,
4 9
,
5 15
,
9 15
,
1 12
,
0 4
,
1 12
,
9
1987 28
,
5 7
,
3 9
,
1 12
,
4 13
,
9 11
,
3 5
,
0 12
,
4
1988 22
,
5 10
,
3 9
,
6 13
,
2 14
,
9 12
,
1 5
,
4 12
,
1
1989 19
,
9 13
,
5 10
,
0 12
,
5 14
,
1 13
,
4 5
,
7 10
,
8
1990 24
,
2 18
,
5 12
,
5 10
,
6 13
,
0 8
,
7 5
,
7 6
,
8
1991 20
,
4 8
,
7 6
,
4 15
,
7 17
,
2 12
,
2 6
,
8 12
,
5
1993 27
,
2 15
,
3 10
,
8 12
,
6 12
,
3 8
,
6 6
,
1 7
,
1
1994 25
,
1 14
,
6 10
,
3 11
,
3 9
,
8 9
,
8 6
,
9 12
,
1
1995 24
,
8 16
,
4 10
,
1 10
,
3 11
,
5 9
,
6 7
,
3 10
,
0
1996 26
,
8 10
,
0 7
,
9 11
,
3 12
,
0 11
,
5 10
,
1 10
,
5
1997 23
,
5 12
,
4 8
,
4 11
,
9 11
,
9 11
,
5 10
,
5 10
,
0
1998 26
,
8 14
,
7 8
,
7 12
,
5 12
,
4 8
,
6 8
,
9 7
,
3
1999 27
,
2 10
,
0 8
,
3 12
,
1 11
,
8 10
,
8 9
,
4 10
,
3
2000 22
,
8 12
,
3 10
,
5 13
,
1 9
,
5 11
,
3 4
,
4 16
,
1
2001 30
,
1 14
,
6 9
,
4 9
,
6 10
,
0 9
,
9 4
,
2 12
,
2
2002 27
,
3 10
,
9 8
,
6 13
,
4 11
,
0 9
,
4 10
,
3 9
,
2
2003 29
,
8 11
,
2 8
,
9 11
,
0 9
,
8 7
,
5 13
,
0 8
,
8
Fonte: FIBGE.
A estrutura de consumo do milho no Brasil está diretamente associada à implantação
e desenvolvimento da avicultura e suinocultura, que teve início nos anos 1970, na região Sul,
notadamente Rio Grande do Sul , depois Paraná e Santa Catarina. Como mostra a Tabela 5,
em 1996, a região Sul consumiu aproximadamente 50,00% da produção nacional de milho,
sendo que a quase totalidade deste consumo se destina a avicultura e suinocultura, com
38,55%, e ao consumo humano e industrial (8,92%). Seguindo a região Sul, o Sudeste é o
segundo maior consumo, 33,33% da produção nacional, com este percentual praticamente
distribuído entre avicultura e suinocultura com 19,20%, e o consumo humano e industrial
com 8,92%.
27
Tabela 5 - Consumo de milho por segmento segundo regiões do Brasil-1996
E
m percentual(%)
Regiões
Setor
Sul Sudeste C. Oeste Nordeste Norte Brasil
Avicultura 47,56 34,97 5,38 10,44 1,65 100,00
Suinocultura 61,79 16,20 4,60 11,20 6,21 100,00
Pecuária de Corte 16,73 44,30 32,43 4,03 2,51 100,00
Pecuária de Leite 26,48 68,62 3,44 - 1,45 100,00
Sementes 30,05 43,10 26,72 0,12 - 100,00
Humano e Industrial 46,51 45,22 8,27 - - 100,00
Participação Região 49,67 33,33 6,42 7,83 2,76 100,00
Fonte: ESALQ
Na região Sul, o Rio Grande do Sul sempre foi um Estado crítico porque, possuidor
de sólida estrutura de produção de aves e suínos sempre constituiu um grande centro
deficitário, consumidor líquido. Ao longo das duas últimas décadas, o Estado foi abastecido
com estoques do governo localizados no Centro-Oeste, principalmente Goiás, sempre com
determinado subsídio.
Na Região Sudeste, de forma análoga, São Paulo sempre foi um grande centro
consumidor, tendo o Governo levado milho de Goiás e Mato Grosso, assumindo também
algum nível de subsídio implícito nestas operações.
Adicionalmente, grande parte dos estoques de milho nas regiões Sul e Sudeste
ocorrem nos estabelecimentos, uma vez que grande parte destes é destinadas à alimentação
animal no interior do próprio estabelecimento.
De forma contrária, no Centro-Oeste, não ocorre estocagem do produto dentro da
propriedade agrícola, não se prestando, portanto, para autoconsumo regional.
Nas regiões Norte e Nordeste, o milho está fortemente associado ao consumo da
avicultura e suinocultura que, juntas, respondem por praticamente a totalidade do consumo -
94,56% e 98,66% respectivamente - tendo, na década de 1980, sido abastecida por milho de
Goiás em operações casadas com estoques governamentais ou em algumas situações o
28
governo autorizava importação do milho da Argentina. Já durante a década de 1990, estas
operações foram realizadas mediante programa de Prêmio de Escoamento da Produção (PEP).
Esta dinâmica de comercialização caracterizada pela transferência do milho do Centro-
Oeste para as regiões tradicionalmente deficitárias, quase sempre por meio do Governo, teria
segundo alguns, discriminado o Centro-Oeste, pelo fato da política de fixação de preços
mínimos, não contemplar os diferenciais de preços correspondente ao custo de carregamento
do produto. Rezende por exemplo, é adepto deste ponto de vista,
[...] essa política de não-regionalização dos preços mínimos tenha prejudicado o
desenvolvimento do Centro-Oeste no longo prazo: trata-se do fato de que a
elevação artificial dos preços dos grãos desestimulou a “migração”, para o
Centro-Oeste, da agroindústria de produção animal e de processamento de
matérias-prima agrícolas (REZENDE, 2002, p.2)
Ocorre contudo, que estas transferências não cumpriam nenhuma racionalidade
econômica, mas atendiam, sobretudo a pressões de grupos de interesses ligados ao setor
18
.
Desta forma, a análise teórica neoclássica,
19
de que as distorções dos preços relativos não
sinalizaram uma alocação eficiente de recursos, tanto na produção quanto no consumo, é
aplicada de forma incorreta, pois que não leva em conta o fato de que a própria intervenção do
Governo gera distorções nos preços relativos, além do que, as transferências eram realizadas
pelo Governo sempre com alguma margem de subsídios.
Portanto, há um equívoco lógico nesta argumentação. Não são os baixos diferenciais
de preços vis-à-vis, o custo do frete por exemplo, que inibem o comércio interestadual, mas os
diferenciais de preços refletem a interferência do governo, causando distorção no sistema de
preços relativos.
18
As pressões destes setores eram tão fortes junto ao governo, durante, principalmente, a década de 1980, antes
da criação da Lei Agrícola, que se falava na existência dos “Ministérios Gaúcho e Goiano”, o primeiro vinculado
principalmente à avicultura e suinocultura e o segundo aos produtores de grãos de Goiás.
19
Para defesa deste ponto de vista, ver Rezende, 2002, op.cit., p.29.
29
Do ponto de vista da produção, a alocação de recursos por parte do setor produtor de
aves e suínos na região produtora de milho também não ocorreu muito provavelmente, pela
mesma razão. Assim, o não-deslocamento da produção do setor de aves e suínos determina
perda de competitividade por transportar o milho e não o frango. Durante a década de 1980, a
política de preços mínimos assumiu o ônus desta distorção, mas a criação do PEP já traduz o
abandono desta política e o conseqüente processo de ajustamento do setor.
2.4 Trabalhos voltados à análise do comportamento de preços e comercialização do milho
Não há muitos trabalhos dedicados especificamente ao comportamento de preços e
comercialização do milho no Brasil. Ainda mais raros são estudos de análises de preços de
longo prazo, tomando-se em conta os impactos da política de garantia de preços mínimos
(PGPM) sobre os preços de mercado.
Um dos primeiros trabalhos que estuda o mercado de milho no Brasil veio de
Thompson e Schuh (1978), que analisam, mediante um modelo de equilíbrio parcial, os
efeitos de políticas comerciais restritivas combinadas com câmbio sobrevalorizado sobre a
produção de milho. Os autores utilizam um modelo econométrico de quatro equações
representativas do mercado de milho. Duas delas representam o mercado interno - uma
equação de oferta e outra de demanda interna
20
; uma identidade que define o excedente
exportável, como sendo o excesso da produção sobre o consumo, e por último uma equação
de intervenção
21
. Na equação de intervenção, busca-se avaliar o grau com que as políticas
domésticas adotadas pelo governo: -setoriais, como barreiras tarifárias (impostos) e não
20
Teixeira estimou para o período 1953/63 a seguinte composição do consumo doméstico de milho: 64,5%
destinados para consumo animal, 28,3% para consumo humano, e o restante, 7,2%, para sementes, exportação,
estocagem, uso industrial e perdas. Ver D.A Teixeira, “Importância Econômica do Milho”, trabalho apresentado
na V Reunião Anual da Sociedade Brasileira de Economia Rural,RJ, maio 1967.
21
Em trabalho anterior, um dos autores já havia definido a equação de comportamento da intervenção do
governo nos mercados de grãos. Ver R.G.Lattimore e G. E. Schuh, “Um Modelo de Política para la Industria
Basileña de Ganado Vacuno”, in Cuadernos de Economia, nº 13 (1976), pp.51-75.
30
tarifárias (quotas, restrições quantitativas); e macroeconômica de sobrevalorização cambial,
isolam os preços domésticos e conseqüentemente impedem os reflexos dos preços externos
sobre o produto. Estas equações estão assim definidas: para país pequeno, onde a curva de
demanda é dada no mercado internacional e portanto perfeitamente elástica; i) a oferta
doméstica é função das expectativas de preços dos produtores para a cultura do milho, que por
sua vez, estão associadas ao preço esperado para as culturas alternativas que, competem pelos
mesmos fatores de produção; ii) a demanda foi composta considerando que o consumo interno
é função do preço do milho, do preço dos bens substitutos na alimentação humana (preço do
trigo), preços de produtos para os quais o milho é utilizado como insumo (preço do porco), da
renda per capita e determinado sistema de preferências (variável de tendência); iii) a equação
de intervenção do Governo estabelece a ligação entre mercado doméstico e externo. O nível
de intervenção foi medido como a diferença entre o preço doméstico do milho e o preço
internacional, corrigido por uma taxa de câmbio de equilíbrio. O nível de intervenção é uma
função crescente do nível de inflação e do preço do milho no mercado mundial e como função
decrescente da posição global do balanço de pagamentos. Acresceu-se também uma variável
dummy como representativa de políticas comerciais. As conclusões do estudo são de que o
fraco desempenho do setor exportador de milho é em grande parte determinado pelas políticas
comerciais restritivas impostas pelo próprio País
22
. Conclui ainda pela ineficiência do uso da
política comercial como mecanismo de transferência de excedentes agrícolas para outros
setores, em razão, principalmente, dos efeitos negativos sobre a produção e renda do setor
exportador. A adoção desta política impõe perdas de divisas, o que, de forma contrária,
poderia tornar o país menos dependente de divisas externas para financiar seu crescimento
doméstico. Reduzir o custo dos alimentos para o consumidor é o argumento utilizado com
maior freqüência em defesa desta política, porém, segundo autores, insustentável, póis esta
22
O autor salienta o papel da tecnologia como principal determinante da competitividade.
31
redução poderia ser obtida mediante aplicação dos ganhos de divisas em pesquisa que
melhorem a produtividade do milho. Concluem que o Brasil tem discriminado o seu setor
agrícola por meio de sua política comercial.
[...] Esta política tem transferido renda de produtores rurais (e, provavelmente, de
trabalhadores) para os consumidores urbanos, ao manter os preços dos produtos
agrícolas no mercado interno abaixo de seu custo de oportunidade internacional.
As exportações são bem aquém das possibilidades, e a sociedade como um todo
arca com os custos sociais decorrentes das perdas econômicas (THOMPSON E
SCHUH, op.cit.p.663).
Partindo de método analítico distinto, para o período de 1950 até 1974, chega-se a
conclusões análogas:
A agricultura brasileira desempenhou um importante papel na formação do
capital urbano durante esse quarto de século, como resultado de transferências
implícitas de recursos, que estavam associadas às divergências entre os termos de
troca intersetoriais e seus valores-sombra. [...] com a intensificação do processo
de industrialização, a partir de meados dos anos 50, essas divergências no
mercado de produtos agrícolas aumentaram de tal modo que se verificou uma
grande transferência de recursos da agricultura através desse mecanismo
(OLIVEIRA, 1984, p.399).
Outra hipótese levantada é a de que os preços agrícolas são determinados pela política
de compra e vendas dos estoques públicos e não pela fixação dos preços mínimos.
Diga-se de passagem, que nos mercados agrícolas o que forma os preços e a
renda do produtor é a oferta e demanda por estoque e não a oferta e demanda
tradicional, uma vez que o consumo de 12 meses é colhido de uma só vez. Na
safra, o que ocorrer no mercado dos estoques determina a renda agrícola. Por
conseguinte, a intervenção do governo no mercado de estoques é uma
intervenção nos preços ao produtor (LOPES, 1986, p.22).
Estudo sobre análise da variação estacional de preços conclui que,
[...] o EGF é um instrumento de estrito apoio à política de preços mínimos, sem
objetivar, realmente, a estabilização dos preços dentro do ano. [...] segundo, ele
padece de um problema de eficácia, pois à expansão da estocagem sob EGF
associa-se uma redução, mesmo que não equivalente, da estocagem com fundos
privados. [...] ao contrário do que se pensa, o EGF não deve ser visto como
instrumento de estabilização de preços dentro do ano.
[...] A evidência empírica aqui analisada sugere que os preços agrícolas ao nível
de produtor são afetados positivamente pela ação do EGF, indicando que aquela
transmissão se dá efetivamente, tenha a indústria uma participação pequena
(arroz) ou grande (algodão). Nos casos da soja e do milho, contudo, os preços do
produtor não são afetados; mas, como se apontou antes, é necessária uma análise
empírica adicional para a soja, e tem sido pequena a influência do EGF sobre a
estocagem do milho (REZENDE, 1984, p.95).
32
Barros e Lima (1996), em estudo sobre a eficácia da política de preços mínimos no
Brasil durante as décadas de 1980 e 1990 para o caso do milho, procuram avaliar se os preços
de mercado do milho devem-se à política de fixação dos preços mínimos e à interferência do
governo no mercado por meio dos EGFs e AGFs. Utilizando análise baseada na teoria de
armazenagem sob condições de expectativas racionais, concluíram que a forte presença do
governo no mercado de estoques
[...] tornou o preço de garantia pouco eficiente no tocante a efetivamente
sustentar os preços de mercado acima do nível de preços mínimos, dado que em
pelo menos três dos anos analisados os preços de mercado na safra
permaneceram abaixo dos preços mínimos divulgados. [...] preços recebidos
pelos produtores na safra (abril e junho) ficaram aquém dos preços mínimos em
pelo menos três dos seis anos analisados, revelando que a eficácia da política de
preços mínimos esteve comprometida no tocante aos objetivos de sustentação e
estabilização de preços (BARROS e LIMA, 1996, p.161).
Os impactos das políticas governamentais de preços mínimos sobre a formação de
preços agrícolas foram também analisados sob enfoque diferenciado com ênfase no papel dos
grupos de interesses na tomada de decisão (MULLER, 1988; BELIK, 1989; LOPES, 1988;
ALVES, 1988).
Muller (1988) rejeita a tese de Smith (1979), ao sugerir que estas políticas são falhas e
contraditórias no Brasil em razão de um déficit de capital humano dos grupos formadores de
política do governo. Diferentemente, Muller adota, na sua refutação a Smith, a hipótese de
grupos de interesses quase sempre contraditórios dentro da esfera governamental. Em outras
palavras, Muller adota implicitamente a teoria do “public choice” como pode ser evidenciado:
Com efeito, a política agrícola não é formada em um vácuo social.
Freqüentemente, seus formuladores não estão livres para escolher o conjunto de
ações que maximizam uma função-objetivo. Eles interagem com grupos de
pressão e com outros segmentos dentro do governo, que tem objetivos distintos e
poder para influir nos rumos da política; ademais, às vezes precisam tomar em
conta recomendações ou injunções de órgãos externos (por exemplo, o FMI)
(MULLER, 1988, p.687)
De forma análoga, Belik (1989) atribui a formação de preços da agricultura, a um
processo mais amplo de formação de políticas públicas condicionadas à presença do Estado
33
no setor agrícola. Para o autor, as formas de intervenção podem ser caracterizadas por etapas
bastante distintas: a) as reformas que vão de 1964 até final de 1970, em que predominaram
forte intervenção do governo com a utilização dos instrumentos da PGPM (crédito, seguro,
preços mínimos, estoques reguladores); b) no período seguinte, durante a década de 1980, há
um certo esvaziamento da PGPM, com eliminação do crédito subsidiado, mudanças nos
instrumentos de financiamento da produção, com o propósito de transferir para o setor
privado parte das funções antes exercidas pelo governo; c) Por fim, a crise fiscal,
acompanhada da onda liberalizante, a partir dos anos 1990, impôs esvaziamento das políticas
tradicionais e, em decorrência, a perda do poder político das instituições responsáveis pela
execução das políticas agrícolas.
Neste período, de particular importância é o aspecto de ordem institucional, em que as
decisões de política agrícola eram tomadas no âmbito da administração do governo, o que
tornou mais fácil o jogo dos grupos de interesses. Lopes (1988) e Alves (1988) chamam
atenção para este fato:
[...] Este processo foi um pacto político entre grupos de interesse e o governo,
que era excludente em relação a uma grande parcela dos que viviam no meio
rural, tanto como proprietários quanto como trabalhadores rurais. Facilitou este
pacto político o fato de o poder decisório estar concentrado e fora do Congresso,
dentro de um processo administrativo e fechado, não legislativo e aberto.
(LOPES, 1988, p.148)
[...] O papel de árbitro do Governo nas disputas entre agricultores e
agroindustriais localiza-se em departamentos ou instituições nas quais o poder de
barganha dos produtores é muito pequeno. [...] Mas é necessário mudar o
processo, obrigando as principais decisões a culminarem no Congresso Nacional.
Substituir, assim, os procedimentos administrativos pelos legislativos. (ALVES,
1988, p. 5).
Outros trabalhos existem, cujo objetivo é analisar o comportamento dos preços de
produtos agrícolas, com ênfase no mercado doméstico e externo, sob diferentes abordagens.
Os mecanismos de transmissão de preços foram estudados em Barros e Martines (1987),
Burnquist (1986), Aguiar e Barros (1989; 1991).
34
Com relação às políticas comerciais, vários estudos quantificaram os efeitos destas
sobre os preços domésticos, utilizando quase sempre metodologia do tipo proteção nominal e
efetiva
23
(LOPES, 1977; VASCONCELOS, 1985; PORTO, 1985; SANTANA, 1987;
BANCO MUNDIAL,1990; BURNQUIST, 1997). Os resultados desses trabalhos apontam
para elevados níveis de proteção à indústria e forte tributação sobre a agricultura
24
inclusive
para produtos cobertos pela PGPM.
Outro método de avaliar os efeitos das políticas comerciais é estudos econométricos
do tipo integração de mercados. Estes demonstram que, para os produtos de exportação, os
estoques mundiais são o principal fator que afeta as cotações nas principais bolsas
internacionais, como Chicago e Liverpool, por exemplo, que, por sua vez, afetam os preços
nos mercados domésticos (BARBOSA, 1987). Esta constatação sugere forte integração nos
mercados domésticos e externos. Alguns autores chamam a atenção para existência de
poucos estudos desta natureza. Alves (1988) acentua que: “[...] Embora, sejam raros os
estudos, como realizado para a soja; o mesmo fenômeno ocorre em outros produtos de
exportação como carnes, café, cacau, algodão etc.”
Entre poucos estudos utilizando modelos de séries temporais, temos Costa e Ferreira
Filho (2000), que analisam as relações de longo prazo entre séries de preços dos principais
mercados exportadores para algodão, arroz e milho para o Brasil. Os resultados foram
distintos para os três produtos em análise. Para algodão, não se obteve relação de integração;
para o milho obteve-se integração nos mercados Argentina/Roterdã. Para o arroz, observou-se
integração nos mercados Bankok/Uruguai e Uruguai/Brasil.
23
Para definição e aplicação dos conceitos de proteção nominal e efetiva na agricultura ver John Strak,
op.cit.
p.17-44.
24
No início da década de 1990, o Banco Mundial realizou estudo abrangendo 21 países em desenvolvimento,
inclusive o Brasil, para medir a taxa de tributação sobre a agricultura. Um projeto destinado a medir proteção
efetiva da agricultura obteve os seguintes resultados: - o primeiro deles é que a maior parte destes países
apresentou taxa de proteção negativa, isto é, há forte tributação sobre a agricultura, inclusive o Brasil, segundo,
as culturas de exportação sofreram mais tributação do que os produtos importados.
35
As limitações destes estudos sobre formação de preços, estão em que a expressiva
maioria é de trabalhos analíticos e, portanto, assumem algumas hipóteses sem testes prévios.
Os outros são modelos do tipo equilíbrio parcial e são fundamentalmente estáticos e de curto
prazo. Outra restrição é que, sendo análise de curto prazo, centra suas argumentações apenas
em fatores climáticos, compras e vendas de estoques que ocorrem dentro do ano. Portanto,
fatores de longo prazo não podem ser avaliados.
A presente pesquisa surge como um diferencial em relação aos trabalhos citados, por
considerar as relações de longo prazo entre preços mínimos e preços de mercado e estoques
do governo, e a integração dos mercados.
No próximo capítulo, é apresentado o referencial teórico que auxiliará na compreensão
do estudo desenvolvido.
3 REFERENCIAL TEÓRICO
Os tópicos abordados nesse capítulo estão diretamente relacionados ao tema principal
do trabalho. Inicialmente serão expostos os instrumentos de política agrícola no curto prazo.
Depois serão abordadas as principais hipóteses de longo prazo. Por fim, define-se os
procedimentos econométricos para testar estas hipóteses.
3.1 Principais instrumentos de política agrícola na década de 1980 e 1990
A Política de Garantia de Preços Mínimos (PGPM)
25
na década de 1980 apresentava
as seguintes características: a) caráter universal, abrangência de todos os produtos e
produtores. O governo federal anunciava o preço mínimo e o garantia, em todo o Território
nacional, para quase totalidade dos produtores; b) automática e direta, o que implicava que o
produtor, de posse de um certificado de classificação do produto, em que especificava a
localização e suas condições – a classificação para o milho era tipo A, B, C e também devia
constar o teor de umidade dentre outras informações - vendia diretamente ao Banco do Brasil,
sem nenhum tipo de garantia. Neste caso, os estoques eram comprados pelo agente financeiro
(Banco do Brasil) e não pela Companhia de Financiamento da Produção (CFP), embora esta
fosse a proprietária legal dos estoques. Este procedimento provocou várias críticas porque
determinou na prática distorção na gestão da política. Como o agente financeiro não tinha
risco, dado que neste período estes financiamentos eram cobertos pelo Tesouro Nacional
através da conta movimento
26
, pouca atividade fiscalizatória ocorria no ato da compra, o que
impunha elevado risco de preço na transação só dimensionada na desmobilização do estoque
25
A descrição dos velhos e novos instrumentos de comercialização no âmbito da PGPM decorre em grande
parte das discussões com Anastácio Antonio de Vasconcelos, da CONAB, e também de sua palestra:
Instrumentos de Política Agrícola operacionalizado pela CONAB, Fortaleza, CE. 03/10/2003.
26
A conta movimento foi extinta em 1986. Neste mesmo ano, houve a retirada das contas do setor agrícola do
Orçamento Monetário e a inclusão no Orçamento Geral da União (OGU).
37
pela CFP. Em geral, não eram realizadas inspeções técnicas que avaliassem as quantidades e
condições do produto. Daí muitas das compras eram pagas bem acima do valor de mercado.
Assim, além de fatores de mercado, a atividade de carregar estoques pelo governo resultou
deficitária para a quase-totalidade dos produtos, exceto para o algodão, exatamente porque a
qualidade era uniforme e não se deteriorava com o tempo de armazenagem. Além do mais,
como resultado desta sistemática, as quebras em geral eram bem acima daquela especificada
tecnicamente, e eram freqüentes os desvios de produtos; c) esta política, como já mencionado
era de compra direta, havendo desembolso por parte do governo, viabilizado pelo Tesouro
Nacional através da conta movimento. O resultado foi à formação de estoques acima do
requerido para a execução da política, resultando em custo econômico elevado.
A partir da década de 1990, com a maior abertura da economia, os aumentos das
importações e exportações do setor agrícola produziram outro padrão de comportamento dos
preços domésticos, passando alguns produtos a ter forte influência do mercado internacional.
Adicionalmente, a forte tendência de aumentar a participação da iniciativa privada na
comercialização resultou em transformações dos instrumentos de política até então adotados:
a) o programa perdeu o caráter universalista e passou a ser seletivo, cobrindo alguns produtos
previamente definidos; b) as aquisições do governo passaram a ser programadas através dos
AGF seletivos como contratos de opção, Compra Direta da Agricultura Familiar (CDAF),
Compra Antecipada da Agricultura Familiar (CAAF), Contrato de Garantia de Compra da
Agricultura Familiar (CGCAF), Compra Direta Local da Agricultura Familiar (CDLAF),
Prêmio/Valor de Escoamento do Produto (PEP/VEP). Estes programas sinalizam maior
participação do setor privado na comercialização e principalmente priorizam a agricultura
familiar; c) os instrumentos tendem para uma formação de estoques inferior ao sistema
prevalecente na década de 1980; d) o programa gera menor custo econômico.
38
De um modo geral, os novos instrumentos sinalizam para uma agricultura com menos
intervenção do governo e mais iniciativa privada envolvida com a comercialização; redução
dos recursos oficiais para aquisições e financiamentos; redução nos níveis de estoques pelo
Governo; suporte ao setor de forma seletiva, programada, ativa e não passiva, de acordo com
as disponibilidades de recursos. No passado, a conta de recursos era aberta para se efetivar a
garantia dada por lei ao setor. Com o novo modelo, primeiro examinam-se as disponibilidades
de recursos para então verificar a garantia possível a ser dada. O Quadro 1 sintetiza o modelo
de política agrícola nas duas últimas décadas. As setas indicadas por (1) representam as
políticas adotadas durante a década de 1980, enquanto (2) indicam as políticas que tiveram
início na década de 1990.
Quadro 1 Principais mudanças nos instrumentos de política agrícola
M
M
O
O
D
D
E
E
L
L
O
O
D
D
E
E
P
P
O
O
L
L
Í
Í
T
T
I
I
C
C
A
A
A
A
G
G
R
R
Í
Í
C
C
O
O
L
L
A
A
(1) (2) (1) (2) (1) (2)
VBC
PRÉ-EGF
Financiamento da Produção e da Comercialização
Custeio
Comercializa
ç
ão
Li
q
uida
ç
ão
AGF
AGF SELETIVO:
REALIZAÇÃO DA OPÇÃO
RECOMPRA DA OPÇÃO
REPASSE DA OPÇÃO, PEP
CDAF, CAAF, CGCAF, CDLAF
EGF/COV
EGF/SOV
AGF
EGF/SOV
CONTRATO
DE OPÇÃO
DIRETO NO BANCO
CPR (Conab/ Banco Brasil)
VENDA NA FOLHA
CAAF
Fonte: CONAB Notas: (1) Instrumentos utilizados até finais da década de 1980. (2) Novos instrumentos
adotados a partir do início da década de 1990.
39
3.1.1 Instrumentos de comercialização agrícola - Aquisições e empréstimos do governo
federal (AGF e EGF)
O esquema de comercialização agrícola durante a década de 1980, como já explicitado
no Quadro 1, era realizado com base nos (EGF/COV), que consistia na compra do produto por
parte do Governo depois de vencido e não pago, ou o nos Empréstimos do Governo Federal
EGF/SOV sem garantia de compra e a AGF direta ou indireta. Seja qual a modalidade de
compra do produto, pode-se avaliá-la mediante os instrumentos de estática comparativa,
como segue na Figura 9. Os preços mínimos eram anunciados com certo tempo de
antecedência em geral situavam-se abaixo do preço de mercado. Assim, o preço de equilíbrio
no momento que era anunciado era
e a quantidade transacionada e o preço mínimo
. Quando ocorre a entrada da safra, a curva de oferta
0
P
0
Q
mín
P
27
se desloca para a direita , e,
dado que não há alteração da demanda, os preços de mercado caem para e a quantidade
transacionada . Note-se que os preços no período de safra ficaram abaixo dos preços
mínimos. Então, o governo implementa a política comprando ao preço mínimo às
quantidades excedentes
0
S
1
S
mín
1
P
1
Q
P
(
)
1
QQ
mín
.
27
Supomos, na exposição, curva de oferta perfeitamente inelástica. O relaxamento desta hipótese não altera as
conclusões aqui obtidas. A suposição de curvas de oferta elástica apenas aumenta o tamanho do excedente
aumentando por conseguinte o custo com a política.
40
P
0
S
1
S
0
P
min
P
A B
1
P
D
o
Q
Q
0
Q
mín
Q
1
t/
Figura 9 - Custo de aquisição dos estoques pelo governo: Sistemas AGF e EGF
onde,
e oferta nos períodos 0 e 1; D é a demanda de mercado; , e são
respectivamente os preços de mercado no períodos 0 e 1 e os preços mínimos. , e
são as quantidades de equilíbrio de mercado no períodos 0 e 1 e aos preços mínimos.
0
S
1
S
0
P
1
P
Q
min
P
1
Q
0 mín
Q
O custo imediato desta política será
x
mín
P
(
)
1
QQ
mín
ou a área sombreada . De
forma alternativa, o custo pode ser dado por:
mín
QABQ
1
dQPdQQhC
Q
Qm
Q
Q
∫∫
==
1
1
min
min
)(
()
min1min
QQPC
−=
onde, é a função de demanda e C o custo de aquisição do produto. )(QhP =
O custo efetivo, entretanto, será dado pela confrontação da receita advinda da venda
do produto (deduzidos a perda de estoque por deterioração, umidade, qualidade, remoção,
sinistros, avarias e descartes) menos o valor do saldo devedor dos empréstimos levantados
para sua aquisição, que se constitui o custo de remição. Se a receita obtida, a partir do preço
de venda do produto vezes a quantidade física, for igual ao valor do saldo devedor do
empréstimo utilizado na sua aquisição, fala-se que o custo é nulo, não havendo ônus para o
41
governo. Este preço que equaliza a conta gráfica é denominado de preço de remição,
entretanto, isso efetivamente não ocorria para a maioria dos produtos.
3.1.2 Novos instrumentos de comercialização agrícola - prêmio de escoamento da produção
(PEP)
De forma análoga pode-se fazer análise para os anos 1990, introduzindo as principais
transformações ocorridas nos instrumentos da PGPM, sendo estes o prêmio de escoamento da
produção (PEP) e os contratos de opção. A figura 10 mostra o esquema de funcionamento do
PEP. Suponha inicialmente que o mercado está em equilíbrio vendendo
a um preço e
o Governo anuncia os preços antes do início da comercialização em
, abaixo do preço
prevalecente no mercado. Com a entrada do período de colheita, a curva de oferta se desloca
para
dada a curva de demanda fixa, determina-se o novo preço de mercado abaixo do
preço mínimo . A esse nível de preços gera-se um excedente de produto de
0
Q
0
P
P
mín
P
0
1
S
1
P
mín
P
(
)
1.
,Q
mín
Q ou
HG . Os produtores querem vender este excesso de produto para o governo que, em vez de
comprar, monta um programa de escoamento do produto para as regiões consumidoras. O
preço mínimo na origem é
, e o governo mantém uma política de regular o preço na praça
de destino pelo valor da paridade de importação
.
mín
P
CIF
P
Então se as despesas até o centro consumidor são , o preço no destino será dado por
. Logo, o Governo promove um leilão estipulando um bônus inicial de
do produto para quem comprar os lotes ofertados; quem pedir menos, compra o lote. Quando
os leilões são realizados com vendas de estoques de AGF, denomina-se bônus VEP.
d
)(
.
dP
mín
− unidaded /
42
P
0
S
1
S
0
P
min
P
E F
1
P
G
H
D
o
Q
Q
0
Q
mín
Q
1
t/
Figura 10 - Custo de aquisição dos estoques pelo governo no sistema prêmio de escoamento
da produção (PEP)
O custo da política para o Governo seria dado pelo bônus ( ) vezes o tamanho do
excedente. A um dado excedente o prêmio é
b
GF×α , onde α é uma proporção de GF ; GF
é a diferença do preços de referência (mínimo ou de exercício) e o preço de mercado. Se
o custo com a política será máximo e se α , será mínimo. Portanto, o custo
máximo para o Governo será a área sombreada
1=α 0=
EFGH ou ainda:
∫∫
−=
1
min
1
min
)()(
Q
Q
Q
Q
dQQfdQQhC
=
()(
min11min1min
QQPQQP
−−−
)
A inovação deste instrumento (PEP) é a ausência de desembolso imediato com a
política de preços mínimos quando comparado à sistemática de AGF e EGF/COV. Além
disso, o Governo garante a política de preços mínimos, permite o escoamento da produção,
viabiliza o abastecimento interno ao preço de paridade externa ou doméstica, e reduz a
formação de estoques.
O mais forte argumento em defesa do PEP, é o de que ele representa um custo menor
para o governo do que o AGF. Não parece, a este autor, em princípio, um argumento
43
definitivo. Primeiro porque não existem estudos avaliando os dois métodos para diferentes
produtos. Deve-se salientar que o gasto inicial com o PEP é menor, apenas o bônus, que
depende do prêmio pago nos leilões em bolsa, mas é um custo irreversível. Comparando com
o AGF, para produtos que possam ser armazenados por um tempo mais prolongado e não
resulte em perda de qualidade, como por exemplo, o algodão, a aquisição via AGF talvez se
constitua num custo menor do que o PEP.
Neste sentido, a importância do PEP é exatamente o de reduzir o nível de estoques e
com isso tornar o mercado mais dependente das ações dos agentes privados do que do
governo.
3.1.3 Abertura comercial e preços domésticos - preços de liberação dos estoques (PLE)
No final da década de 1980, as medidas de política econômica foram implementadas
no sentido da liberalização comercial.
De 1988 até 1993, foram eliminadas as principais barreiras não tarifarias – até 1988,
21% das importações brasileiras estavam submetidas a um regime de licenças prévias
(EDWARDS, 1993). Foram reduzidos também o nível e o grau de proteção da indústria
doméstica por meio de um programa de redução das tarifas de importação concluído em 1993.
Segundo Kume (1996) e Moreira e Correa (1997), houve uma redução substancial das tarifas
nominais médias passando, de 38,5% em 1988 para 13,9% em 1995.
Para fazer frente a este novo contexto, o governo teve que adaptar as políticas de
preços domésticas de formação e desmobilização de estoques, o que deu origem ao preço de
liberação dos estoques (PLE), definido segundo Portaria Nº 182/94 como sendo:
A média móvel dos preços reais de uma série mínima de 48 (quarenta e oito)
meses consecutivos considerados até o penúltimo mês anterior ao de cálculo do
PLE, admitindo-se a exclusão simétrica dos cinco maiores e menores preços da
série. A essa média móvel acrescenta-se 15% de margem para contemplar o custo
de estocagem até a entressafra.
44
A criação do PLE, inicialmente denominado preço de intervenção, tinha como
propósito disciplinar a intervenção do governo no mercado de estoques, e com isso reduzir o
risco da atividade de estocagem. Por outro lado, num contexto de maior abertura
comercial,compatibilizá-lo com os preços externos.
A Figura 11 mostra a análise do funcionamento do sistema PLE. Supondo-se
inicialmente que o mercado doméstico seja dado pela oferta
e demanda no período de
safra, e encontra-se em equilíbrio transacionando a quantidade
Q ao preço . Ao terminar o
período de safra, inicia-se uma retração na oferta, deslocando-a para , com isso os preços
no atacado elevar-se-ão tendo como limite o PLE; a partir daí, era sinalizada a entrada do
governo no mercado, que passava a vender seus estoques. Por outro lado, o mercado mundial
dados pela suas oferta e demanda,
S e , que em equilíbrio transaciona a quantidade
ao preço
. Se acrescermos aos preços internacionais os custos de internalização do produto
chega-se ao preço CIF. Quando comparado com o nível de preço doméstico, este se situa
abaixo do PLE.
0
S
0
D
a
P
a
1
S
m m
D
m
Q
m
P
Mercado internacional Mercado doméstico
1
m
S
P
m
S
1
S
0
S
CIF
P
CIF
P
PLE
m
P
a
P
g
P
0
D
0 0 Q
m
Q
tQ
/
1 a
Q
tQ
/
Figura 11 Comercialização doméstica e externa pelo sistema do preço de liberação dos
estoques (PLE)
45
Num contexto de economia aberta, representada pelo mercado internacional, com as
cotações baixas, em razão, principalmente, dos elevados níveis de estoques dos EUA, os
preços internacionais incluindo todas despesas de internalização resultaram em um preço CIF,
abaixo do PLE, criando uma inconsistência na política e tornando-a inócua. Antes que os
preços domésticos atingissem os preços de liberação de estoques, o demandante doméstico
viabilizava suas importações no mercado internacional ao preço CIF menor do que o PLE. O
resultado foi à transferência da demanda doméstica para as importações, tornando a política
doméstica sem efeito.
O mercado doméstico pode ser representado através da Figura 11, que mostra a oferta
e demanda. Com o término da safra e entrada da entressafra a curva de oferta se desloca para
a esquerda de
para . Dado que são inelásticas, a trajetória do aumento de preços
depende da demanda, como indicado pelas setas sobre essa curva. Quando da elevação dos
preços esse se iguala ao preço CIF, que está abaixo do preço de liberação de estoques, o que
determina a importação do produto e o governo não vende seus estoques.
0
S
1
S
3.2 Principais hipóteses de longo prazo sobre a política de garantia de preços mínimos
3.2.1 Fixação de preços mínimos e preços agrícolas
Os programas de sustentação de preços agrícolas por meio de aquisições e vendas de
estoques por parte do governo podem reduzir efetivamente as flutuações da oferta e dos
preços. O risco e a incerteza são inerentes à atividade agrícola, em razão, principalmente de
instabilidade nos fatores que afetam a produção frente a uma curva de demanda fortemente
inelástica. Na medida que risco e incerteza são reduzidos, ocorre estimulo à produção e
constitui incentivo à adoção de novas tecnologias.
46
Durante a década de 1950, os preços mínimos foram fixados em geral bem abaixo dos
níveis de preços de equilíbrio de mercado. Em princípio, a produção agrícola não constituía
nenhum problema e, também, a baixa infra-estrutura de apoio ao programa, deixava o
governo receoso de fixar preços mais próximos do mercado, provocando compras elevadas.
Com a crise da oferta agrícola de 1962, o governo trata de reformular o programa,
estabelecendo no Plano Trienal de 1963, a sua reativação com a expansão do crédito e
elevação dos preços mínimos. Pela primeira vez, muda o critério de fixação de preços
mínimos, passando a serem divulgados antes do plantio, com o propósito de estimular a
produção. Neste aspecto, fica mais ou menos definido o critério que passa a nortear os
incentivos de preços mínimos. Estes foram aumentados de forma a estimular a produção
depois de quebras de safras e reduzidos após safras abundantes (SMITH, op.cit.117).
Outro aspecto importante que definiu o perfil da política de fixação de preços mínimos
foi o seu sistema de correção. Em geral, ao serem fixados antes do plantio, não eram
corrigidos e, até a colheita, passavam a acumular perdas, vis-à-vis os elevados índices
inflacionários, de forma que a proteção quase sempre era menor do que a esperada pelo
agricultor.
Em 1964, os preços mínimos foram alvo de novas mudanças, passando a ser fixados
por dois anos, com reajustes anuais antes de cada safra, mediante índices de correção
monetária. Em 1966, foram registrados preços mais baixos, com modesto aumento em 1967.
No período da década de 1950 até meados da década de 1960, estabeleceu-se um
debate em torno da resposta da produção aos incentivos de preços agrícolas (DURAN, 1979;
SMITH, 1979; CONTADOR, 1979; BARBOSA e WAIZBORT, 1979; BARBOSA e
SANTIAGO, 1988). Esta foi a primeira busca de evidência empírica de instrumento da
47
PGPM, preços mínimos, e sua relação com outra variável de mercado, área plantada
(produção).
No Brasil, as primeiras pesquisas que investigaram esta questão apontaram evidência
empírica em favor da hipótese de que o agricultor é sensível aos preços na sua decisão de
plantar. Nestes modelos, os preços adotados são os recebidos pelos produtores, embora haja,
um relativo consenso de que tanto os preços mínimos como o crédito pode afetar também a
decisão do agricultor.
O estudo de Smith (1969) introduziu os preços mínimos na especificação do modelo.
Para o caso do milho, os preços ao produtor e os preços mínimos divulgados antes da safra
não explicam o comportamento do produtor. Em sua maior parte esses estudos de caso
realizados a partir de 1962, para avaliar a influência dos preços mínimos divulgados antes do
plantio sobre a produção, indicaram que estes não afetam significativamente as decisões de
produção.
Com a crise de abastecimento de 1979/80, esta política foi novamente acionada,
fixando preços mais próximos dos preços de equilíbrio de mercado.
Durante a década de 1980, houve uma mudança neste critério de fixação dos preços
mínimos que condicionou o comportamento da PGPM, tornando-a distinta das décadas de
1960 e 1970. No ano agrícola de 1981/82, o governo estabeleceu preço mínimo, adotando o
preço base, que era fixado em julho de um determinado ano e era corrigido até o início da
colheita
28
do ano seguinte. Esta política foi adotada com o propósito de estimular os
produtores agrícolas frente a um ambiente fortemente inflacionário. Com a entrada da safra,
28
Como o período da colheita é distinto para alguns produtos, o preço-base era fixado em julho e agosto e
corrigido para as culturas de verão até fevereiro, e novembro para o feijão das águas.
48
os preços mínimos deixavam de ser corrigidos, enquanto isto, a inflação elevada reduzia os
preços em termos reais dentro da safra
29
.
A busca de identificação do caráter ativo ou não da fixação de preços mínimos assume
novos contornos a partir da década de 1980.
Neste período, se estabelecem novos questionamentos da política de garantia de
preços mínimos, levantando-se os aspectos alocativos de sua fixação. A mais freqüente
objeção ao uso deste instrumento advém da política, adotada pelo governo, de regionalização
dos preços mínimos
30
como geradores de distorções alocativas na comercialização.
Como foi levantado inicialmente por Smith (op.cit.), quando explicita a necessidade
de se fixar o critério de custo de transferência com base nos fluxos de comércio como
sinalizador de uma política de preços mínimos discriminatória, não regionalizada,
Se não houver distorções introduzidas no programa na parte de armazenamento e
embarque, então os preços mínimos devem diferir geograficamente de modo
vagamente semelhante ao do equilíbrio espacial. As mercadorias tem um fluxo,
no caso de cada produto, e os custos de transferência entre as principais regiões
deve ser determinado, bem como devem ser fixadas as diferenças de preços
espaciais de acordo com a direção dos fluxos e com custo de transferência. [...]
Assim, as diferenças regionais nos preços mínimos, devem ser fixadas com base
nos fluxos normais do produto e nos custos de transporte, e não, como
recentemente, baseadas nas definições de centros de consumo (SMITH, 1978,
p.83).
Existem duas qualificações implícitas nesta afirmação: (a) a capacidade dos preços
mínimos de influenciar os preços de mercado, o que caracteriza a política de fixação de
preços mínimos como ativa; e (b) a fixação de preços mínimos regionalizados determinaria
com base em uma equação de logística sincrônica com os preços relativos, maior fluxo de
comércio entre as regiões produtoras “excedentárias” e as consumidoras líquidas. A
29
A ausência de correção atingiu de forma distinta os produtos, na medida que tiveram prazos diferentes de
correção. No caso do milho, a forte quebra do preço mínimo entre 1984/85 está associada ao maior período da
correção.
30
No caso do milho, o preço mínimo era o mesmo até 1991. O plano safra 1990-1991 mudou esta sistemática,
tornando os preços mínimos não regionalizados, entretanto, no final de 1991, a política volta a ser regionalizada.
49
proposição (b) será mais bem discutida na secção seguinte. Quanto a proposição (a), além de
falta de evidência empírica, teoricamente também parece insustentável.
O preço mínimo regionalizado não significa que o mercado pratique estes diferenciais
de preços. Do ponto de vista teórico, os agentes econômicos executam o papel de “leiloeiro”;
o aumento da demanda nos mercados de preços menores elevam os preços neste mercado e o
aumento da oferta no mercado de preços mais elevados tende a reduzi-los. Este movimento
deverá persistir até o ponto em que os diferenciais de preços nos dois mercados forem maiores
do que o custo com a transferência.
No curto prazo, os diferenciais de preços serão apropriados pelos setores mais
organizados do mercado, principalmente aqueles com maior capacidade de armazenagem,
sendo que no longo prazo estes ganhos serão reduzidos. Neste caso, a regionalização acabaria
transferindo os recursos do setor produtor que planta com maior produtividade para a
comercialização.
3.2.2 Fixação dos preços mínimos e integração dos mercados
A política de garantia de preços mínimos (PGPM) tem sido analisada sob diferentes
aspectos, inclusive suas implicações espaciais. Esses estudos levantam os aspectos alocativos
e principalmente a não integração dos mercados domésticos, em decorrência da não-
regionalização dos preços mínimos que incluam de forma adequada os custos de transferência
dos centros “excedentários” para os principais centros atacadistas (GRAMACHO, 1978;
BARROS e MARTINES, 1990; DELGADO, 1995; HELFAND e REZENDE, 1999;
SOARES e CAIXETA, 2001; CASTRO e REZENDE, 2001; GONZALEZ e HELFAND,
2001; REZENDE, 2001,2002). Estimativas de comércio interestadual foram realizadas por
Helfand e Rezende (1999), que atribuem o baixo grau de comercialização entre mercados para
o milho, ao isolamento propiciado, dentre outros fatores, pela uniformização dos preços
50
mínimos nas diferentes regiões (não-regionalização). Rezende (2002), situa a fixação de
preços mínimos como sendo ...inconsistente espacialmente..., pois não toma em conta os
custos de transportes entre as regiões produtoras superavitárias e deficitárias:
[...] dessa maneira teria inviabilizado o comércio privado de grãos entre o Centro-
Oeste e as regiões importadoras, impedindo, assim, a integração dos respectivos
mercados e forçando o governo a se tornar o principal agente de comercialização
do produto dessa região ou, então, a subsidiar o comércio privado
31
.
Embora não representasse o ponto de vista oficial do governo, este argumento foi
amplamente utilizado como critério para proposta de fixação de preços mínimos como pode
ser visto em Arantes (1987)
[...] Mas, no curto prazo, GO continuará sendo o grande supridor da Região
Sudeste, mesmo se for necessário um subsídio governamental para se dar maior
tranqüilidade no mercado. Em busca da conciliação dos pontos anteriores citados
é que se propôs o preço mínimo diferenciado de Cz$ 84,60/60 kg, para a Região
Sul e SP e de Cz$ 79,20/60 kg, para os demais estados, premiando-se com um
estímulo de preço a produção nas regiões de maior consumo, reduzindo-se o
provável subsídio governamental nas regiões de menor consumo, além de tentar-
se atrair o consumidor para o Centro-Oeste com insumo mais barato (ARANTES,
1986, p.142).
A argumentação de Rezende (op.cit.) centra-se no fato de que a política de preços
mínimos deveria contemplar os diferenciais de transportes entre as regiões produtoras e
superavitárias, região produtora líquida ou “excedentária”, isto é, e as regiões
produtoras deficitárias, consumidoras líquida, . Assim se A e B, são duas regiões
superavitárias e C deficitária, o comércio então deveria realizar-se na direção de A para C e de
B para C. Supondo ausência ou tributação idêntica entre os estados, a equalização dos preços
entre os mercados seria dada pela expressão:
0>− CQ
0
<−
CQ
e
aac
cPP =−
bbc
cPP =−
onde,
são respectivamente o preço mínimo fixado para as regiões “excedentárias”
A e B e consumidora C;
c e são os custos de transportes da região. Como ,
ba
PP , e
c
P
a b
c 0, >
ba
cc
31
Ibidem, p.1
51
tem-se que o critério de reajuste dos preços mínimos deveria ser constante e igual a θ , isto é,
.
ac
PP
&&
θ=
A argumentação de Rezende não contempla alguns aspectos teóricos importantes, e
também depende de evidência empírica em relação à integração dos mercados. Ao se analisar
a questão do ponto de vista da eficiência alocativa na produção, tomando-se como referência
o critério de custos, a região de maior produtividade do milho é o Centro-Oeste, portanto, ao
utilizar um pacote tecnológico que implica maior custo, deveriam ser adotados preços
mínimos mais elevados do que em outras regiões de menores custos. Então, quando o
governo aplica recursos garantindo preços mínimos regionalizados, está aumentando a
eficiência dos gastos públicos.
Do ponto de vista da comercialização, seu argumento depende de forte pressuposto
implícito, da PGPM como sinalizadora de preços, e não como política de estabilização de
preços. A defesa da regionalização parte desta hipótese que até o presente não encontra
evidência empírica. Se não houver causalidade entre preços mínimos e preços de mercado,
toda a discussão torna-se inócua.
Na defesa da regionalização, a partir dos preços mínimos como formadores de preços
de mercado, como uma política ativa, é fundamental na sua análise, dela dependem suas
conclusões:
Note-se entretanto, que o caso do Centro-Oeste é diferente do caso do Paraná ou
São Paulo, já que esses dois estados consomem uma parcela muito maior de suas
respectivas produções, enquanto o autoconsumo de milho no Centro-Oeste
sempre foi, proporcionalmente, muito menor, como será visto depois. A não-
viabilidade do comércio na safra entre o Centro-Oeste e as regiões deficitárias, no
período analisado, refletia muito mais a intervenção do Governo através da
PGPM, impedindo que o preço no Centro-Oeste caísse de maneira a viabilizar o
comércio. Se o mercado fosse livre, esse preço certamente cairia ao nível
necessário ao comércio, refletindo o vulto da produção no Centro-Oeste vis-`a -
vis
a demanda local, especialmente considerando muito improvável a alternativa
de estocagem privada da safra no Centro-Oeste e comercialização para fora da
região apenas na entressafra (REZENDE, 2002, p.6).
52
[...] É necessário notar que uma não-regionalização dos preços mínimos, embora
seja condição necessária, não é, contudo, condição suficiente para que os fluxos
privados de comércio sejam inviabilizados como conseqüência da política. É
necessário considerar a
intensidade
de atuação da política ou seja, o grau em que
os preços de mercado passarem efetivamente a ser determinados pelos preços
mínimos [...] (REZENDE, 2002, p.13)
A não-percepção de que a discriminação de preços é praticada pelos agentes que
formam a demanda pelo produto faz com que, em condições de livre mercado, essa
discriminação dependa de plena informação tanto de preços como de quantidades, dos custos
de transportes que não podem ser proibitivos, e por último, dos perfis de demanda do produto
nos diferentes mercados, isto é, suas elasticidade-preço da demanda. Se pelo menos uma
dessas suposições não ocorre, como é o caso, fica estabelecido que pode existir transmissão
de preços e conseqüente integração dos mercados.
Como há plena informação, os agentes têm amplo conhecimento do que ocorre nos
mercados, como preços nas diferentes praças, preços no mercado internacional e preços no
mercado de futuros, estoques privado e público do produto, de modo que não há como não
ocorrer integração dos mercados. A ação dos agentes econômicos como “leiloeiro” faria a
equalização dos preços. O fato de não existir um comércio físico significativo do produto
entre os mercados não quer dizer que os sinais de preços não sejam transmitidos. O que ocorre
é que os diferenciais de preços dependem das elasticidades preços da demanda ao nível de
produtor e no atacado, respectivamente, entre os centros “excedentários” e consumidores. Se
os diferenciais de preços forem pequenos, podem ser menores do que o custo de transporte,
reduzindo ou até mesmo tornando proibitivo o comércio.
Um instrumento apropriado para detectar o tamanho do diferencial de preços é a análise
da margem de comercialização e transmissão de preços nos principais mercados
consumidores; no caso do milho, preço ao produtor e atacado ou análise de convergência
entre os preços no mesmo nível de mercado, em diferentes mercados.
53
O que parece relevante nesta discussão não é a regionalização ou não-regionalização,
mas sobretudo, a infra-estrutura de armazenagem da região. Em primeiro lugar, no Centro-
Oeste, o milho concorre com a demanda por estocagem com a soja que, por ser uma cultura
de maior rentabilidade, tem preferência. Segundo, a falta de capacidade de armazenagem,
principalmente dentro da propriedade, reduz de forma decisiva a especulação nos mercados de
estoques e constitui forte desestímulo à atividade por parte da iniciativa privada.
3.2.3 Preços agrícolas e estoques governamentais
Durante a década de 1980, os instrumentos clássicos da PGPM, baseados nos estoques
reguladores funcionaram com relativa consistência, sobretudo porque, numa economia
fechada, os preços agrícolas domésticos eram determinados internamente, embora estes, para
o caso do milho, recebessem uma relativa influência dos preços internacionais. Como já
expresso neste ensaio, no contexto, as importações funcionavam como complementares à
política de estoques do governo, isto é, os estoques totais eram formados pelos estoques
privados mais estoques governamentais e eventuais importações. Então o ajustamento do
mercado agrícola dava-se via quantidade, principalmente porque a expressiva maioria das
importações era realizada pelo próprio governo, e por isso não havia interferência direta no
mecanismo de preços. Na verdade, num ambiente fortemente protecionista, as importações
eram complementares aos estoques do governo no sentido do aumento da eficiência do
carryover
32
. Lopes (1986), ressalta este fato:
Como o governo se dispôs a subsidiar, o setor privado consumidor não
participava das importações. As importações de milho foram estatizadas, com
todas as conseqüências que uma decisão desta natureza pode acarretar. O governo
importava produto para abastecer os setores de ração, moagem, de processamento
industrial, onde existem grandes empresas com condições delas mesmas
importarem o produto (LOPES, 1986, p.22).
32
Neste período, os estoques de passagens quase sempre eram complementados pelas importações, dando
consistência à política de estoques do governo, o que não ocorreu após a abertura da economia a partir de 1994.
54
Este fato também é percebido por Bressan Filho (1999), ao assinalar que as políticas
de formação de estoques e de importação eram controladas pelo governo, e só por isso
ganhavam consistência. A importação ocorria somente quando não havia estoques suficientes.
A formação e liberação dos estoques governamentais a partir do final dos anos 1980 e
início da década de 1990, passaram por fortes mudanças e têm sido analisadas sob dois
principais aspectos: O enfoque dos custos da política diante da crescente escassez de recursos
públicos fiscais e financeiros e maior pressão por maior racionalidade na utilização dos
recursos públicos (GASQUES, 2001). Com isso, os dois principais instrumentos de política
agrícola –crédito rural e preços mínimos –foram drasticamente penalizados. Segundo, a
ênfase nos impactos sobre a PGPM da abertura comercial que passou a existir a partir da
reforma comercial e aduaneira brasileira, que teve inicio em 1989 até 1994. Seguiram-se os
acordos realizados no âmbito do GATT e, paralelamente a este processo, também ocorriam às
reformas comerciais como decorrência dos acordos do MERCOSUL. A abertura comercial
criou algumas inconsistências entre os velhos instrumentos da política agrícola constantes da
PGPM.
A abordagem centrada nos custos de carregamento dos estoques pelo governo como
política de estabilização de preços é analisada por diferentes autores para países em
desenvolvimento e para o Brasil. Depois de estudar a experiência de vários países em
desenvolvimento, Knudsen e Nash (1990) chegam à conclusão de que estabilização de preços
para commodities por intermédio de agências reguladoras do governo implica custos
extremamente elevados. Esse tipo de política resulta na determinação de níveis de estoques e
gasto fiscal elevado, sendo que este método de estabilização de preços torna-se insustentável
no longo prazo (REDDY e SELVARAJU, 1992; AHLUWALIA, 1993; SHINKHA JHAH,
1999).
55
Estudos para o caso da Índia demonstram que os custos por unidade das operações de
estoques públicos são substancialmente mais elevados do que os incorridos pelas empresas
privadas, e que o nível de estoques acima do nível ótimo impõe gastos fiscais que, se
investidos em programas de melhoria de produtividade, seriam mais eficientes (RAY, 1994).
No Brasil, esta abordagem, centrada nos custos da política, é adotada por Lopes (1983,
1986, 1987, 1988), Villa Verde (2001, p.331), Gasques (2001, p.175), entre outros. A
argumentação de Lopes é a de que a ação dos especuladores no mercado privado de estoques
reduziria os gastos do governo com estoques, sem comprometer a estabilização de preços.
Este enfoque não contempla a formação de estoques como atividade estratégica de
abastecimento doméstico, dado que o ajustamento da atividade especulativa dá-se via preços.
Além do mais, atribui aos estoques papel ativo na formação de preços,
Diga-se de passagem, que nos mercados agrícolas o que forma os preços e a
renda do produtor é a oferta e demanda por estoque e não a oferta e demanda
tradicionais, uma vez que o consumo de 12 meses é colhido de uma só vez. Na
safra, o que ocorrer no mercado dos estoques determina a renda agrícola. Por
conseguinte, a intervenção do governo no mercado de estoques é uma intervenção
nos preços ao produtor (LOPES, 1983, p.22
).
A fixação dos preços mínimos do governo é uma política ex-ante, implicitamente
associada aos preços futuros que efetivamente serão praticados pelo mercado. Embora a
CONAB tenha informações de mercado dos diversos produtos que compõem a pauta de
preços mínimos, pode apenas reduzir o risco de preços ao fixá-los. Por outro lado, a política
de estoques parece ocorrer de forma ex-post, como sugerido no capítulo 2, póis a função de
reduzir o diferencial de preços entre safra e entressafra é realizada por uma política passiva de
estoques, o que está em harmonia com a PGPM. Isto é, a equação de intervenção no mercado
de estoques está associada aos desvios dos preços mínimos fixados e os preços esperados de
mercado; quanto mais correta for a expectativa do governo e do mercado, menor será o grau
de intervenção, caso contrário maior será o grau de intervenção, em ambas as situações, os
estoques serão determinados como resultado da política.
56
Alguns autores, entretanto, não têm claro este fato, estabelecendo uma relação de
“causação” entre estoques e preços de mercado, e também assumindo uma relação
contemporânea entre as variáveis:
A conseqüência mais visível deste processo tem sido a pressão baixista que os
estoques em mãos do governo passaram a exercer sobre o mercado, a despeito de
uma oferta normal e até mesmo deficitária de alguns produtos. Isto porque a
política de preços mínimos tradicionalmente evitou aquisição de produtos e nunca
chegou a definir regras para que os estoques, uma vez adquiridos pudessem ser
vendidos sem pressionar excessivamente o mercado. A rigor, as aquisições se
dariam em safras abundantes, sendo as vendas acionadas em anos de escassez,
quando os preços de mercado se elevassem de um dado limite. Mas este fato
nunca foi claramente entendido pelo o Governo (LOPES, 1988, p.366).
Alguns deles, como Villa Verde (2001) e Conceição (2002), têm a percepção empírica desta
inconsistência, admitindo de forma implícita a existência da passividade na política de
estoques, quando assinalam que:
No entanto, essa política de redução de custos nem sempre pode ser seguida uma
vez que nos anos de crescimento de safra, e que ocasiona queda no preço de
mercado, os agricultores pressionam o governo para que se destinem mais
recursos para a PGPM. Isso explica os grandes estoques de milho e arroz em
1995, quando chegaram a representar respectivamente 25,18% e 33,70% do
consumo nacional. Isso mostra que não existe hoje uma política de estoques ativa,
pois essa passou a ser uma decorrência do funcionamento da política de garantia
de preços mínimos. (VILLA VERDE, 2001, p. 329).
Especialmente no caso do milho, deve ser enfatizado que há a necessidade de se
reter estoques suficientes, de tal forma que seja possível regularizar a oferta
doméstica em anos de redução da produção, garantindo a sustentação dos preços
internos e diminuindo a sua volatilidade (CONCEIÇÃO, 2002, p.17).
3.3 Métodos econométricos
Esta seção apresenta-se dividida em seis tópicos. O primeiro consiste em uma
discussão sobre análise de séries temporais, com especial atenção à identificação da
estacionariedade por meio de dois métodos distintos: a) Box e Jenkins, com os conceitos
relacionados à função de autocorrelação (FAS), função de autocorelação parcial (FAP) e o
correlograma; e b) o teste de raiz unitária Dickey-Fuller (DF) e Dickey-Fuller aumentado.
57
O segundo tópico traz o procedimento para definição dos números de defasagens. Os
critérios de autocorrelação residual, Akaike Information Criterion (AIC) e Schwarz Baynesian
Criterion (SIC)
33
.
No tópico seguinte, descreve-se o procedimento para detectar a raiz unitária através
aos testes baseados na razão de verossimilhança, de Dickey e Fuller
34
.
No quarto tópico, é abordada a metodologia de co-integração para testar se as
variáveis apresentam tendência de longo prazo, isto é, se duas ou mais séries possuem uma
tendência estocástica comum.
No quinto tópico, são discutidos os procedimentos para testar relações de causalidade:
por intermédio do modelo VAR restrito, - causalidade Granger, padrão.
Por fim, no último tópico, são abordados os procedimentos para testar convergência
com base nos testes de raízes unitárias, pelo método de Bernard e Durlauf (1995,1996) e
Durlauf e Johson (1995).
3.3.1 Métodos de identificação de estacionariedade
No tratamento econométrico, as propriedades usuais de um estimador de mínimos
quadrados de uma regressão que usa dados de séries temporais dependem do pressuposto de
estacionariedade. Estacionariedade é uma das suposições mais freqüentes feitas a respeito de
uma série temporal, ou seja, assume-se a idéia de que ela evolui ao longo do tempo ao redor
de uma média constante, apresentando variância constante, função de autocorrelação também
constante, refletindo alguma forma de estabilidade, alguma regularidade. A violação deste
pressuposto, determina um modelo com erros de especificação ocasionando autocorrelação
33
A maioria dos programas econométricos já traz, os ajustamentos das defasagens. Neste estudo os resultados
foram obtidos a partir do Econometrics Views (Eviews) versão 4.1.
34
Os testes propostos por Dickey e Fuller, requerem que a série testada não contenha autocorrelação serial,
heterocedasticidade e mudança estrutural ou sazonalidade. Para situações como esta é mais adequado utilizar-se
o teste de raiz unitária Phillips e Perron (1988).
58
dos erros a partir da equação de regressão. Os erros autocorrelacionados produzem
estimativas de coeficientes não eficientes (viesados); as previsões baseadas na regressão são
subestimadas (teste F); e os testes usuais de significância são inválidos (GRANGER e
NEWBOLD, 1974, p.111).
É comum quando se operam regressões a partir de dados de séries temporais obter-se
resultados significantes, são na maioria das vezes, porém, regressões espúrias, porquanto a
prática empírica demonstra que série econômica em geral tem os dois primeiros momentos
não estacionários. Nelson e Plosser (1982) modelaram séries macroeconômicas como não
estacionárias, com tendências estocásticas, isto é, processos integrados.
3.3.1.1 Método Box e Jenkins - autocorrelação simples, parcial e correlograma
Um dos testes mais simples para detectar estacionariedade é baseado na função de
autocorrelação amostral simples (FAS) e na função de autocorrelação parcial (FAP), definida
originalmente por Box e Jenkins (1976). As variáveis
Y representando valores
futuros de uma série temporal, têm algum tipo de dependência em relação às variáveis
que geraram os valores Y . Logo, uma maneira de medir dependência
entre valores de uma série temporal, ou ainda, de medir a intensidade com que os pares de
valores “se acompanham” é por meio da função de autocovariância, definida como a
covariância entre Y e Y , sendo o número de intervalos defasados no tempo, dada por:
K,,
21 ++ tt
Y
t
YYYY K,,,
321
K,,
21 ++ tt
Y
t kt
+
k
ou γ−,
∀
, (3.1)
()
kttt
YYCov
+
= ,γ
()(
[
µµ−=
+kttt
YYE
)
]
Rtk ∈,
A autocovariância entre dois pontos quaisquer no tempo é o valor esperado do produto
do desvio de cada ponto com relação à média do processo.
59
Se o processo for estacionário, são válidas as seguintes propriedades para a
autocovariância: i)γ ii)γ iii) ;0
0
> ;
kk −
=γ
0
γγ≤
k
; iv)γ é positiva definida, no sentido que
para quaisquer valores reais
a e ∈ .
k
a ,,
2
(
11
−
∑∑
==
ljl
n
j
n
l
j
kkaa
γ
)
,0
≥
n
aK
1 n
kkk ,,,
21
K R
Interpretar covariância não é algo muito fácil uma vez que sua magnitude é
dimensional. Logo, vamos medir dependência dos dados ou estacionariedade mediante
função de autocorrelação (FAS), que independe das medidas em que estão expressos os dados
da série, o que permite comparação entre diferentes séries. Esta é obtida pela relação entre a
autocovariância, na defasagem (lag) e a autocovariância, de defasagem (lag) zero, e é
definida como sendo:
k
k
ρ
()
()
t
ktt
YVar
YYCov
+
=
,
=
()( )
[]
()
[]
()
[]
22
µµ
µµ
−−
−−
+
+
ktt
ktt
YEYE
YYE
=
()(
[]
)
2
y
ktt
YYE
σ
µµ−−
+
(3.2)
Se o processo é estacionário, a autocovariância de defasagem zero , é constante e
igual a
σ
. Então a autocorrelação na defasagem é dada por:
0
γ
2
y
k
,
0
γ
γ
ρ
k
k
= (3.3)
onde
é o coeficiente de autocorrelação, γ é a covariância na defasagem , e γ a
variância.
k
ρ
k
k
0
Quando se estuda uma série temporal, sabe-se que esta é apenas uma realização do
processo estocástico que a gerou. Então, é necessário estimar a função de autocorrelação
amostral . Em geral não é conhecida a verdadeira função de autocovariância, sendo
necessário estimá-la. Daí obtém-se a função de autocovariância amostral, que é dada por:
(
k
γ
)
)
()(
YYYYTc
kt
kT
t
tkk
−−==
+
−
=
−
∑
1
1
ˆ
γ
)
(3.4)
10 −≤≤ Tk
60
(
2
1
0
1
ˆ
∑
=
−=
T
t
k
YY
T
)
γ (3.5)
onde, é o tamanho da amostra e T Y é a média da amostra. Então, com base nas equações
(3.4) e (3.5), a função de autocorrelação amostral (FAS) é estimada por:
0
ˆ
ˆ
ˆ
γ
γ
ρ
k
k
= ou
0
c
c
r
k
kk
==ρ
)
(3.6) 10 −≤≤ tk
sendo que γ e γ são respectivamente a covariância e variância amostral na defasagem .
Analisando a FAS,
é um estimador de e podemos observar as mesmas propriedades da
autocovariância
.
A função de autocorrelação amostral associa cada valor de “ ” com o seu
respectivo coeficiente de autocorrelação. A representação gráfica da função de autocorrelação é
chamada de correlograma amostral.
k
ˆ
0
ˆ
k
k
ρ
ˆ
k
ρ
k
ρ
ˆ
k
O correlograma apresenta determinadas características da série. A seqüência,
é utilizada para medir o número de defasagens e a intensidade da memória do
processo, isto é, indica o grau de intensidade da correlação entre as observações da série.
,,3,2,1 K=k
Vimos que para qualquer processo auto-regressivo, a função de autocorrelação simples
entre dois lags quaisquer leva em conta, de forma indireta, todos os efeitos das observações
compreendidas entre os extremos de lag, isto é, a FAS entre
Y e , inclui as informações
.
t kt
Y
−
ktttt
YYYY
−−−
,,,,
21
L
A função de autocorrelação é importante por permitir verificar se a série é estacionária
(se tem ou não raiz unitária). Se o correlograma mostrar os coeficientes de autocorrelação não
apresentando decaimento rápido para zero à medida que cresce, então, está indicada a não
estacionariedade da série. Expresso de outra forma, se a FAS inicia-se próximo da unidade e
declina lenta e gradualmente à medida que aumenta a distância (número de lags) entre dois
conjuntos de observações a que se referem, há indicação da existência de raiz unitária. Então
se conclui que a série é não-estacionária e segue um passeio aleatório. De forma contrária, se
k
61
o coeficiente de autocorrelação simples (FAS) apresentar decaimento rápido, abrupto, está-se
muito provavelmente na presença de uma série com características de estacionariedade.
Através do correlograma, pode-se também identificar a presença de componente
sazonal. As séries sazonais apresentam certa regularidade, com grau de correlação num
determinado período. O correlograma mostra a sazonalidade da série pelos picos regulares.
Em geral as séries originais não revelam estes picos.
A estacionariedade pode também ser avaliada pela função de autocorrelação parcial
(FAP), que, diferentemente da FAS, não computa os efeitos dos valores intermediários. Assim
nas correlações entre
Y e Y ; e Y ; Y e Y , os efeitos dos valores intermediários
são mantidos constantes. De um modo geral, no cálculo da FAP, os efeitos entre
Y e Y
eliminam os efeitos dos valores compreendidos entre
Y e Y .
t 1−t t
Y
2−t t 3−t
t
t kt
−
1− 1+−kt
Para cálculo desses coeficientes, existe também o algoritmo de Box e Jenkins (1976).
µ−=
tt
YY
~
tttt
YYY εφφ+=
−− 222121
~~~
+
,
1
,
1
1
,1
1
1
1
∑
∑
−
=
−
−
−
=
−
−
−
=
k
j
jjk
jkj
k
j
kk
hh
ρφ
ρφρ
φ
(3.7)
K
,5,4,3=k
onde,
é a estimativada autocorrelação no lag k e φ
k
ρ
,3, K
,,1,1 jkkkkjkkj −−−
−=φφφ
.1,2,1 −= kj
Para os valores de , o cálculo da função de autocorrelação parcial (FAP), pode ser
realizado através da definição:
1>k
()
2
1
2
2
−+
=
rnt
t
k
ϕ (3.8)
62
onde, é a estatística t do parâmetro φ na função linear, é o número de regressores
incluídos na função, inclusive a constante.
t
k
r
tktkktkttt
vYYYYY ++++++=
−−−−−−
φββββ
)1(122110
K (3.9)
3.3.1.2 Testes baseados em funções de autocorrelação
A análise da autocorrelação residual representada pelo correlograma deve se
assemelhar a um ruído branco
35
. As autocorrelações são calculadas por:
k
r
ˆ
∑
∑
=
+=
−
=
n
t
t
n
kt
ktt
k
e
ee
r
1
2
1
ˆ
ˆˆ
ˆ
(3.10)
o desvio padrão de pode ser menor que
k
r
ˆ
T1 , para pequenos valores de . Durbin (1970)
demonstrou que para o modelo AR(1),
k
Tr
2
1
)
ˆ
(
φ=
Var
pode ser bem menor que 1/T. Box e
Jenkins (1970), demonstraram que para o modelo AR(1), têm-se que:
()
()
()
[]
212
11
1
ˆ
φφ−−=
−
k
k
T
rVar
()
()
()
[]
22
1
1
ˆ
,
ˆ
φφδ−−=
−+ ji
ij
j
i
T
rrCov
onde,
δ é o delta de Kronecker. Temos que para grande ou moderado, a variância de é,
aproximadamente,
ij
k
k
r
ˆ
T1 e as autocorrelações não são correlacionadas. Então, a comparação de
com os limites de r
T2±
t
e
fornece uma indicação geral de possível quebra do
comportamento ruído branco em
. Se os valores de autocorrelação estiverem contidos neste
]
35
Uma série
[
com , é dita ruído branco se: i) para qualquer
t
; ii)
Var
;
iii)
Cov
, o que equivale a , não correlacionados no tempo.
t
X
,
t
X
+
t
0
ε T ,0)( =
t
XE ,0)( =
t
X
)(
kt
X =
t
X
63
intervalo, não serão significativamente diferentes ao zero em nível de 5%. Para uma
estimativa mais precisa, podemos usar os cálculos Box-Pierce e Ljung-Box, que testam se há
qualquer autocorrelação significante entre os resíduos.
Existem dois testes formais que podem ser utilizados para verificar a hipótese conjunta
de que os coeficientes de autocorrelação simples ( ) são iguais a zero. O teste de Box e
Pierce (1970) e posteriormente uma proposta melhorada de Ljung e Box (1978), que são
definidos respectivamente como sendo:
k
r
()
∑
−
=
m
k
k
rTmQ
1
2
(3.11)
() ( )
()
∑
=
−
+=
m
k
k
kT
r
TTmL
1
2 ~ (3.12)
2
~m
χ
onde, tanto Q quanto são definidos com base nos valores da função de
autocorrelação simples (FAS), T é o tamanho da amostra; m duração da defasagem. A
estatística , tem distribuição aproximadamente qui-quadrado ( ) com m graus de
liberdade, e vem mostrando melhores resultados quando aplicada a grandes amostras. O teste
tem distribuição qui-quadrado e é apropriado para testes com pequenas amostras
(GUJARATI, 1995, p.719). Para ambos os métodos, o teste deve decidir com base nos
valores da estatística calculada e seu valor crítico da distribuição do qui-quadrado, entre as
duas hipóteses conjuntas a serem testadas.
, para ausência de raiz
unitária e portanto série estacionária, contra
: para pelo menos um
≠ 0, há presença de raiz unitária, portanto, não estacionária. Se ou calculadas
excederem o valor crítico da distribuição qui-quadrado (Apêndice Tabelas A.1 e A.2) para um
dado nível de significância, podemos rejeitar a hipótese nula de que todos os são iguais a
zero, o que significa a rejeição da estacionariedade em favor da não estacionariedade.
)(m
)(m
)(mL
Q
2
χ
)(mL
0...
210
=====
k
rrrH
a
H 0
21
≠≠≠≠
k
rrr K
(mQ
1
r
) )(mL
k
r
3.3.1.3 Teste da raiz unitária
O primeiro passo para realização dos testes de raízes unitárias consiste na escolha da
ordem do processo auto-regressivo das séries analisadas na pesquisa; inicialmente, a ordem
dos modelos autoregressivos para obtenção das raízes unitárias e posteriormente a análise da
relação de causalidade. De um modo geral, não há um método consensual sobre sua escolha.
Maddala (1992) sugere um certo grau de arbitrariedade na determinação do tamanho das
defasagens, em virtude fundamentalmente da existência de vários critérios alternativos para
se determinar a escolha do número de defasagens. Davidson MacKinnon (op.cit) argumenta
que a escolha deverá iniciar com um número elevado de defasagens e observar os resultados
estimados na medida em que se reduz o seu tamanho. Adicionalmente, a escolha de poucas
defasagens pode ocasionar viés nos parâmetros estimados em conseqüência de omissão de
variáveis relevantes. Neste caso, os estimadores de mínimos quadrados das variáveis do
modelo são inconsistentes e as variâncias e erros-padrão desses coeficientes serão calculados
incorretamente. Por outro lado, a escolha de mais defasagens do que o necessário pode levar
ao viés de inclusão de variáveis irrelevantes, que é menos sério do que no caso anterior, dados
que são estimados consistentemente pelo , embora suas variâncias possam ser menos
eficientes. Este método corresponde à modelagem proposta por David Hendry (1996) e
sugere que a escolha do melhor modelo deve ser feita gradativamente, partindo-se de um
modelo geral e, a partir de vários testes estreita-se o alcance do modelo (general to specif
modelling).
MQO
Existem várias formas de se determinar o número de defasagens adequado. Como não
há superioridade de um método sobre o outro, adotam-se neste estudo os dois métodos
tradicionalmente utilizados. Estes testes são o de autocorrelação residual,
Schwarz(1978) Bayesian Criterion e Akaike (1974) Information Criterion .
)(SBC
)(
AIC
37
Para Enders (1995), no caso de um modelo auto-regressivo o procedimento de adotar
um número grande de defasagens, observando-se a significância estatística da última
defasagem fornece um critério satisfatório para a escolha das defasagens. A escolha do
tamanho ótimo das defasagens pelo critério de Schwarz consiste em minimizar a função:
() (
TnRSQRnTSBC ll
+=
)
(3.13)
onde, é a soma dos quadrados dos resíduos, é o número de parâmetros estimados, e
é o número de observações. Inicia-se de um modelo de regressão com várias defasagens e
vai-se gradativamente reduzindo o número de defasagens até que se encontre aquele valor
que minimize a função . O critério de é dado por:
SQR R
)
T
)(SBC (AIC
()
RSQRnTAIC 2
+=
l
(3.14)
Quando criamos defasagens da variável, algumas observações são perdidas. Para
comparar adequadamente as opções de modelos, T deve ser fixo. Os melhores valores de
e devem ser os menores possíveis, convindo observar que ambos os valores podem
ser negativos.
SBC AIC
Quando se procede à escolha entre dois modelos, opta-se pelo melhor ajustado que
deve ser aquele que apresentar menores valores pelos dois critérios.
3.3.1.4 Teste de raiz unitária Dickey-Fuller e Dickey-Fuller aumentado (ADF)
Para determinar a estacionariedade, isto é, testar a presença ou não da raiz unitária na
série e a ordem de integração, podem-se empregar os seguintes testes: As estatísticas
denominadas Dickey-Fuller-DF (1979) e Dickey-Fuller aumentado-ADF (1981). O teste DF
verifica a existência de raiz unitária na série
{
a partir de um processo autoregressivo de
ordem um , quando o processo gerador da série é expresso por uma das equações
abaixo:
}
t
Y
()
1AR
38
(3.15)
ttt
YtY
ερβα
+++=
−1
(3.16)
ttt
YY
ερα
++=
−1
ttt
YY
ερ
+=
−1
(3.17)
onde, é a variável dependente,
, e são parâmetros e é por hipótese considerado
ruído branco. As três regressões acima consistem
Y
α β ρ
t
ε
36
: i) num modelo com intercepto ou
constante e tendência
(
, equação (3.15); ii) num modelo com apenas intercepto ou
constante , equação (3.16); e iii) o modelo sem constante e sem tendência ,
random walk equação (3.17).
)
)
)
βα
,
()
α
()
0
==
βα
Na equação (3.16),
{
é uma série estacionária se . Se , é
uma série não estacionária , isto é, passeio aleatório com as constante. Se o valor absoluto de
for maior que um , a série é explosiva. Portanto, a hipótese de estacionariedade da
série pode ser verificada testando se o valor absoluto de é menor que um. O teste DF
para raiz unitária assume como hipótese nula contra a hipótese alternativa
Na ausência de constante, α = 0 a equação (3.16) assume a representação (3.17).
Se na equação (3.16), esta se reduz a uma série passeio aleatório (random walks) não
estacionário, Y . Esta expressão indica que o valor de Y no período t é igual
ao valor de Y no período t
mais uma perturbação ; este é o termo de erro
estocástico ou ruído branco. A expressão traduz, por conseguinte, o fato de que um passeio
aleatório não mostra qualquer tendência e vagarosamente se orienta para uma e outra direção.
Se subtrairmosY em ambos os membros das equações (3.15), (3.16) e (3.17), temos,
respectivamente.
}
Y
)
1
−
11
<<−
ρ
ρ
,1
t
ε
1
=
ρ
(
t
Y
{}
Y
ρ
a
H
(
>
ρ
t
ε
+
1
: =
ρ
o
H
.1: <
ρ
,1
=
ρ
tt
Y=
−
1−t
1
(
1−t
Y
36
Quando se realiza o teste ADF para identificar a presença de raiz unitária, especial atenção deve ser dedicada
à escolha dos regressores (i), (ii) e (iii), que, quando realizada de forma inadequada, reduz o poder do teste,
levando-se possivelmente à conclusão que há raiz unitária, quando de fato não existe. J.Hamilton (1994, p.501)
sugere como princípio geral escolher uma especificação que é uma descrição plausível dos dados sob ambas as
hipóteses nula e alternativa.
39
(3.18)
ttt
YtY
εδβα
+++=∆
−1
(3.19)
ttt
YY
εδα
++=∆
−1
(3.20)
ttt
YY
εδ
+=∆
−1
onde, denota o operador de diferença com defasagens,
; é o parâmetro a
ser estimado e
. Logo, testar em (3.15), (3.16) e (3.17) corresponde
testar
em (3.18), (3.19) e (3.20). Então, as hipóteses nula e alternativa
são dadas por:
, a série
{
exibe raiz unitária, portanto é um processo não
estacionário, contra
,
∆
H
1−
−=∆
ttt
YYY
H
δ
(
1−=
ρδ
0
0:
0
=
δ
H
:
a
H
)
1:
0
=
ρ
H
}
{}
t
Y
:
0
=
δ
0 a
H
t
Y
0<
δ
a série não exibe raiz unitária é um processo
estacionário.
O procedimento para o teste DF é então baseado nas equações de regressão (3.15),
(3.16) e (3.17). Na equação (3.16) se testa se a série
é um passeio aleatório na presença
de constante. Na equação modelo completo (3.15), inclui-se uma tendência não estocástica,
muito comum às séries econômicas, a tendência temporal.
{}
Y
Nos testes DF sobre a hipótese nula
ou , a estatística t calculada de modo
convencional é conhecida como estatística
(tau), cujos valores críticos foram tabulados por
Dickey e Fuller (op.cit.) e depois foram ampliadas por MacKinnon (op.cit.) com base em
simulações de Monte Carlo
1
=
ρ
τ
0=
δ
37
. Se o valor absoluto calculado da estatística (tau) for maior do
que os valores críticos absolutos de DF ou MacKinnon - DF, então rejeitamos a hipótese nula
de que a série possui raiz unitária e não rejeitamos a estacionariedade da série. Se, de forma
contrária, for menor que o valor crítico, não rejeitamos a hipótese nula, e a série exibe raiz
unitária, sendo, portanto não estacionária.
τ
37
Econometrics Views 4.1, dentre outros programas econometricos, dão os valores críticos de MacKinnon da
estatística DF.
40
Em síntese, podemos concluir que o teste DF consiste em testar nas
equações (3.15), (3.16) e (3.17) que é equivalente a testar
em (3.18), (3.19) e
(3.20). As hipóteses sobre a significância dos parâmetros a serem estimados, a constante ,
o coeficiente da tendência linear
e do coeficiente da variável defasada em (3.18),
(3.19) e (3.20) podem ser testadas por meio de estatísticas individuais (H
o
: α = 0, H
o
: β = 0 e
H
o :
δ = 0) e também mediante os testes de estatística conjunta. As estatísticas individuais ,
,
representadas por Dickey-Fuller (op.cit.), correspondem ao teste t para a estimativa
e são especificadas para o modelo (3.15), que inclui uma constante e uma tendência (τ
τ
);
o modelo (3.16) incluindo apenas uma constante (
τ
µ
) e o modelo (3.17) sem constante e sem
tendência (
τ).
1:
0
=
ρ
H
()
δ
0:
0
=
δ
H
()
α
τ
τ
(
β
)
µ
τ
1−t
Y
τ
Os testes de raiz unitária (DF) acima só são válidos se a série for um processo .
Se a série apresentar correlação para defasagens de ordem elevada (a partir de duas
defasagens), a hipótese de ruído branco é violada. Assim, o teste Dickey-Fuller aumentado
ou ampliado (ADF) realiza uma correção paramétrica para as correlações de ordem elevada,
assumindo queY é um processo autoregressivo de ordem
e ajusta a metodologia do
teste. Um importante resultado obtido por Fuller (op.cit.) é que a distribuição assintótica da
estatística de
é
independente do número de defasagens incluídas nos termos de primeira
diferença da regressão.
()
1AR
,p
()
pAR
t
δ
Assim, a abordagem ADF controla as correlações nas defasagens, adicionando os
termos de diferença com vários níveis de defasagens da variável dependente Y do lado direito
da regressão como se segue:
tptptttt
YYYYtY
εγγγδβα
+∆++∆+∆+++=∆
−−−−
K
22111
(3.21)
41
Este procedimento do ADF para levar em conta a possibilidade de não ser ruído
branco, pode ser reescrito como:
t
ε
tit
n
i
itt
YYtY
εγδβα
+∆+++=∆
−
=
−
∑
1
1
(3.22)
onde, é o número de defasagens incluídas para tornar ruído branco. Novamente, valores
negativos e significativamente diferentes de zero para
indicam que Y é . A hipótese a
ser testada é:
não é integrada de ordem zero, ; contra a hipótese
integrada de ordem zero,
. Se não for rejeitada, vários testes são repetidos a partir da
primeira diferença. Neste caso a hipótese a ser testada torna-se:
não é integrada de
ordem zero,
contra é integrada de ordem zero, . Assim determina
a ordem de integração.
n
t
ε
δ
t
∆:
()
0I
:
0
H
)
t
Y
()
0I
ta
YH : é
()
0I
a
H
0
H
t
Y
t
YH
0
)0(I
(
0I ∆:
a
H
Evidências empíricas têm mostrado que a variável na sua primeira diferença tem sido
suficiente para determinar estacionariedade. Se uma série temporal for diferenciada uma vez e
a série diferenciada for estacionária, diz-se que a série original (com caminho aleatório) é
integrada de ordem 1, indicada por
. De forma análoga, se a série original tiver de ser
diferenciada duas vezes antes de se tornar estacionária, a série original (em nível) é integrada
de ordem 2, ou I(2). Em geral, se uma série temporal tiver de ser diferenciada d vezes, ela é
integrada de ordem , ou
. Assim, sempre que tivermos uma série temporal integrada
de ordem 1,
, temos uma série temporal não estacionária. Se d = 0, o processo
resultante representa uma série temporal estacionária.
()
1I
d
()
dI
()
1I
()
0I
42
3.3.1.5 Teste baseado na razão de verossimilhança
O modelo (3.22) será reescrito com três hipóteses alternativas com o propósito de
testar as hipóteses conjuntas de combinações do termo constante(
, dos coeficientes de
tendência( e de Y raiz unitária.
)
α
)
β
1−t
)(
δ
tit
p
i
itt
YYtY
εγδβα
+∆+++=∆
−
−
=
−
∑
1
1
1
(3.23)
(3.24)
tit
p
i
itt
YYY
εγδα
+∆++=∆
−
−
=
−
∑
1
1
1
tit
p
i
itt
YYY
εγδ
+∆+=∆
−
−
=
−
∑
1
1
1
(3.25)
Dickey-Fuller (1981) estabelece a estatística denominada de
para testar as
hipóteses conjuntas. A hipótese conjunta
, testada a partir de , a hipótese
conjunta
, testada a partir de , e a hipótese conjunta ,
testada usando a estatística
. O teste consiste em estimar o modelo irrestrito (3.23) e suas
versões restritas para obter as respectivas somas de quadrados dos resíduos (SQR) e, a partir
daí, calcular uma estatística apropriada com base na razão de máxima verossimilhança. As
estatísticas são construídas de forma análoga ao teste F. Assim temos:
F
α
2
321
,,
φφφ
H
0:
0
==
δ
H
φ
1
φ
:
0
0:
0
===
βαδ
H
φ
321
,,
φφφ
0==
βδ
3
()
()
kTSQR
rSQRSQR
I
IR
i
−
−
=
/
/
φ
(3.26)
onde,
e são a soma dos quadrados dos resíduos restrito e irrestrito,
respectivamente; é o número de restrições, T o número de observações; k o número de
parâmetros estimados no modelo irrestrito e T é o grau de liberdade no modelo irrestrito.
Apesar de definição idêntica, as estatísticas
não seguem a distribuição tradicional.
Dickey e Fuller elaboraram tabelas especiais para a realização do teste nesse contexto de raiz
R
SQR
I
SQR
r
k−
i
φ
F
43
unitária. Os valores críticos das três hipóteses consideradas são encontrados no Apêndice
Tabela A.4. A utilização dos valores críticos da estatística pode implicar diferenças
importantes (CINCA, 1993, p. 484).
F
A Tabela 6 mostra o resumo dos testes τ e F. Comparando o valor calculado de com
os valores apropriados de Dickey-Fuller a um determinado nível de significância, rejeitamos
ou não a hipótese nula. A hipótese nula é a de que os dados são gerados pelo modelo restrito
contra a hipótese alternativa de que os dados são gerados pelo modelo irrestrito. Assim, se o
valor calculado de é menor que o reportado por Dickey-Fuller, podemos aceitar a hipótese
do modelo restrito. Caso contrário, se o valor calculado de
for maior do que os valores de
Dickey-Fuller, pode-se rejeitar a hipótese nula e concluir pela restrição a que está associada.
i
φ
i
φ
i
φ
Tabela 6 - Resumo dos testes (τ e F) de Dickey-Fuller e Dickey-Fuller Aumentado
Modelo
Estimado
Hipótese Nula
0
H
Testes Estatísticos
Critério de Decisão sobre
0
H
Modelo
(3.18) ou (3.23)
0=
δ
τ
τ
= estatística t de
δ
ˆ
τ
τ
> valor crítico ⇒ não é rejeitada
0
H
()(
0,0,0,,
=
δβα
)
() (
()( )
)
kTrSQR
SQRSQR
−
−
=
/23.3
23.325.3
2
φ
< valor crítico não é rejeitada
2
φ
0
H⇒
()(
0,0,,,
αδβα
=
)
()( )
kTrSQR
SQRSQR
−
−
=
/23.3
)23.3()24.3(
3
φ
< valor crítico não é rejeitada
3
φ
0
H⇒
Modelo
(3.19) ou (3.24)
= estatística t de > valor crítico ⇒ não é rejeitada 0=
δ
µ
τ δ
ˆ
µ
τ
0
H
()(
0,0,
=
βα
)
()
()( )
kTrSQR
SQRSQR
−
−
=
/25.3
)25.3(24.3
1
φ
< valor crítico ⇒ não é rejeitada
1
φ
0
H
Modelo
(3.20) ou (3.25)
= estatística de > valor crítico ⇒ não é rejeitada 0=
δ τ
t
δ
ˆ
τ
0
H
Fonte: Elaborada pelo o autor com base em ENDERS (op.cit. p.322-323). Notas: Os cálculos do teste
são baseadas na expressão (3.26). A tabela A.5 no Apêndice, apresenta os valores críticos dos
testes ( , , ) e .
(
321
,,
φφφ
F
τ
τ
µ
τ
)
τ
321
,,
φφφ
44
3.3.2 Métodos de co-integração
Os estudos da regularidade das séries são realizados por meio de três métodos
38
a)
método proposto por Durbin-Watson; b) método proposto por Dickey-Fuller e Engle-Granger
(ADF-EG) (1987), baseado na estatística ; c) método proposto por Johansen (1988); e
Johansen e Juselius (1990).
τ
Estes métodos estudam as séries temporais para identificar a presença de raiz unitária,
e, em decorrência, se são ou não estacionárias. No caso de não serem estacionárias
individualmente, uma combinação linear entre elas pode ser estacionária, ou integrada de
ordem zero
. Neste caso, tem-se a identificação da co-integração entre as variáveis, de
forma a obter-se uma relação estável de longo prazo. Portanto, testes para a verificação de não
estacionariedade (testes de raiz unitária) para as séries individuais envolvidas em cada modelo
devem ser anteriores ao teste de co-integração. Adotar-se-á também o método de Johansen
(op.cit) para co-integração. Com base em um sistema multivariado integrado de ordem
com representação VAR e erros normais, realiza-se o teste para o posto de co-integração e
uma forma de estimar uma base para o subespaço gerado pelos vetores de co-integração.
Utiliza-se o método de máxima verossimilhança sob hipótese de normalidade. Como as
variáveis que compõem o sistema VAR são
, o teste do posto tem distribuição assintótica
não-padrão. Esta é uma função de integrais de movimentos brownianos. As variáveis
integradas I(1) convergem para uma distribuição deste tipo.
()
0I
()
1I
()
1I
38
Apesar destes métodos serem mais utilizados, as classes particulares de vetores de processos raiz unitária
denominados de processos co-integrados já haviam sido desenvolvidas nos modelos de correção de erro
defendidos por Davidson, Hendry, Srba and Yeo (1978).
45
3.3.2.1 Teste aumentado de Dickey-Fuller e Engle-Granger (ADF-EG)
Conforme Engle e Granger (op.cit.), a definição de co-integração é dada por: a) é
um vetor
(
, os componentes de são ditos co-integrados de ordem denotados por
, se: 1) todos os componentes de são integrados de mesma ordem ; 2)
existe um vetor tal que . O vetor é chamado de co-
integração.
t
X
)
d
) )
1nx
()
bd,
t
X
Z
t
=
(
bd,
CIX
t
~
t
X
dI
(
,0
=
α
()
,~ bX
t
−
α
0>b
Assim, a definição de co-integração requer, em primeiro lugar, que todas as variáveis
do modelo sejam integradas de mesma ordem. A segunda condição é que a combinação linear
das variáveis do modelo resulte em uma série cuja ordem de integração é menor do que as das
séries originais (HENDRY e JUSELIUS, 1999). Para garantir o equilíbrio de longo prazo
entre as funções, é necessário que as duas mantenham ao longo do tempo uma distância
aproximadamente constante. Elas devem mover-se de forma sincronizada, devem ter uma
tendência estocástica comum, e, para que isto ocorra, o resíduo
tem que ser integrado de
ordem
. Assim, se , os resíduos da regressão serão estacionários. O primeiro
passo, portanto, para estudo da co-integração é identificar a estacionariedade. O segundo
passo é verificar se os resíduos são de ordem zero , isto é, se as variáveis se co-integram
segundo o método Engle-Granger.
t
z
()
0I
()
0~ Iz
t
()
0I
Os resíduos são obtidos com base no modelo estático estimado por mínimos quadrados
ordinários.
ttot
zXY ++=
1
ββ
(3.27)
A hipótese nula da segunda etapa do teste de co-integração é:
as séries são co-
integradas contra
as séries não são co-integradas. Se as variáveis em estudo são todas
:
0
H
:
a
H
46
integradas de ordem um, , para o teste de co-integração regredimos uma variável sobre a
outra e então testamos se os resíduos estimados são . Em outras palavras, o modelo
estático é estimado, e então, testa-se a estacionariedade de , utilizando o procedimento há
instantes mencionado. Formalmente,
o erro é integrado de ordem 1, contra o
erro
é integrado de ordem 0, .
()
1I
t
z
2
∆
θ
()
0I
z
t
:
0
H
t
ˆ
2
+
−
t
z
pt
z
−
()
1I :
a
H
()
1
t
z
z
()
0I
z
1
∆+
O procedimento então é aplicar inicialmente os testes Dickey-Fuller, aos resíduos da
regressão, como sugerido por Engle e Granjer (op.cit.), de acordo com o modelo , na
equação (3.27) sem constante.
AR
ttt
vzz
ˆ
ˆˆ
1
+=∆
−
θ
(3.28)
onde,
são os resíduos da regressão (3.27), esse teste é ampliado, com intercepto, mas sem
tendência, denominado Dickey-Fuller aumentado e Engle-Granger (ADF-EG).
t
ttt
vzz
ˆ
...
ˆ
110
+∆+++=∆
−−
θθ
(3.29)
Se as séries são co-integradas, é válido concluir que há uma relação de equilíbrio de
longo prazo entre elas, sendo que no curto prazo, pode haver desequilíbrio. Portanto, pode-se
tratar o termo do erro correspondente às séries testadas como co-integrados, como um “erro
de equilíbrio”. Pode-se usar esse erro para ligar o comportamento da série no curto prazo, com
seu valor no longo prazo como um mecanismo de correção de erros, que será utilizado nos
modelos de causalidade Granger.
3.3.2.2 Teste Durbin-Watson para regressão co-integrante (DWRC)
O outro método alternativo para verificar se as variáveis são co-integradas é o teste de
DWRC, para os resíduos da equação (3.27). Esse método consiste em verificar se os resíduos
são ou não estacionários. Se a estatística de DW afasta-se de zero, os resíduos são
47
estacionários, aceitando-se a hipótese de co-integração. Se os resíduos são não estacionários a
estatística de DW aproxima-se de zero, rejeitando-se a co-integração (SARGHAN e
BARGHAVA, 1983). Os valores críticos que possibilitam o teste da hipótese nula
dependem de fatores como o processo gerador dos dados e números de variáveis
independentes inclusas na equação. Sargan e Bhargava (op.cit.), por simulações, obtiveram,
para uma amostra de 100 observações, em nível de significância de
1
%
10
, os
valores críticos de 0,511; 0,386 e 0,322 respectivamente. Se
calculado for menor do que
os valores críticos aos respectivos níveis de significância, rejeita-se a hipótese de co-
integração. A Tabela A.7, no apêndice fornece os valores críticos para este teste.
0
=
d
%
%,
5 e
d
3.3.2.3 Teste de Johansen: método de máxima verossimilhança
O procedimento Johansen (1988 e 1991) aplica estimativas de máxima verossimilhança
39
para processos VARs, admitindo que os resíduos são gaussianos, ε
t
~ N (0, ∑ ).
Considera-se um vetor nx1, composto pelas séries envolvidas na relação
(
)
nttttt
YYYYY
,321
,,
K
=
, pressupõe-se que todas são I (1), não estacionárias. O vetor pode ser
expresso por:
tptpttt
YYYY
εα
+Π++Π+Π+=
−−−
...
2211
t (3.30) n
K
,3,2,1=
O valor assume um processo auto-regressivo VAR de ordem , reescrito como
modelo de correção de erros expresso em forma matricial.
p
tttptptptt
DYYYY
εµϕ
+++Π+∆Γ++∆Γ=∆
−+−−− 1111
K (3.31)
39
Existem outros modelos de co-integração que utilizam esta e outras metodologias, como Stock e Watson
(1988), Ahn e Reinsel (1990), Phillips e Ouliaris (1990), Park, Ouliari, e Choi (1988), Stock (1990), e Hansen
(1990). Para uma exposição de alguns destes modelos, ver Hamilton (op.cit.p-601).
48
onde
(
)
pii
Π++Π−=Γ
+
K
1
para i = 1,2,..., p-1 e
(
)
p
I Π++Π+Π−=Π ...
21
com
(
)
∑
,0D
()
=
st
E
εε
'
αβ
=Π
α
r
Π~
t
ε
e para qualquer t diferente de ; , são variáveis dummies
que levam em conta choques de curto prazo e dummies sazonais; Y é um vetor com
variáveis; , sendo e matrizes , onde é o número de variáveis incluídas
no modelo e o posto da matriz ,
representa o termo constante e
é um vetor px1 de
erros aleatórios.
0 s
t
D
t
t
ε
n
β
Π
nxr n
t
µ
Esta formulação contém informações sobre os ajustamentos de curto e longo prazos
para mudanças em Y , via estimativas de e Π , respectivamente. A matriz é da ordem
e contém informações sobre as relações de longo prazo entre as variáveis. A matriz Π é
dada por
, sendo a velocidade de ajustamento a um dado desequilíbrio
,
é uma
matriz de coeficientes de longo prazo ou matriz de co-integração. As matrizes e têm,
dimensões , onde r é o número de relações de co-integração.
t
Γ Π
pxp
'
αβ
pxr
α
β
α
β
Se as combinações lineares expressas por
são estacionárias, o rank de Π é dado
por , onde determina o número de vetores de co-integração distintos que podem
existir entre as variáveis incluídas no sistema. O teste traço é aplicado para verificar a
existência do número máximo de vetores co-integrados, e o teste de máximo autovalor
testa a existência de exatamente vetores de co-integração contra a alternativa de existência
de vetores. Ambos são definidos por:
t
y
'
β
pr ≤
1+
r
p
)(
r
r
r
(
∑
+=
−−=
p
ri
itrace
nT
1
ˆ
1
λλ
l
)
, (3.32) .1,2,,2,1,0 −−= ppr
K
onde, é o valor estimado dos autovalores obtidos da matriz ; T o número de observações.
A primeira estatística testa a hipótese nula de que o número de vetores diferentes de co-
integração é menor ou igual a , contra uma hipótese geral.
i
λ
ˆ
β
r
49
0:
0
=
i
H
λ
i pr ,,1
K+=
A não-rejeição de
indica a presença de no máximo r vetores de co-integração. Se
for rejeitada, devemos repetir o teste para e determinar se existem r vetores de
co-integração.
0
H
0
H 1+r 1+
O outro teste desenvolvido por Johansen e Juselius (1990) é o do máximo autovalor,
que testa a existência de exatamente vetores de co-integração contra a alternativa de
existência de vetores. É definido como:
r
1+r
()
(
)
1
ˆ
11,
+
−−=+
rMax
nTrr
λλ
l (3.33)
com hipótese nula dada por:
. A não rejeição de indica a presença de
exatamente vetores de co-integração.
0:
10
=
+r
H
λ
0
H
r
3.4 Testes ADF de convergência
Os testes das hipóteses de convergência foram inicialmente
40
propostos com base na
metodologia econométrica tradicional. Ocorre, contudo, que avanços recentes atribuídos
principalmente a Bernard e Durlauf (1995, 1996) e Durlauf e Johnson (1995) estenderam este
método para incluir dados de séries temporais. Aqueles usam dados de séries temporais
41
para testar a convergência de uma série temporal obtida pela diferença de duas outras séries.
Em particular, considere-se o seguinte: define-se Y como o log da série numa determinado
local , e
Y para um determinado local . Define-se a diferença entre os locais como sendo
. Define-se por o conjunto de informações no período . Bernard e Durlauf (1996)
definem:
i
i
j
j
j
i
YY −
t
I t
40
Para exposição das aplicações da hipótese de convergência, ver Barros e Sala i Martin (1955).
41
Os testes com uso de séries temporais foram utilizados por esses autores para testar convergência do Produto
Nacional Bruto em diferentes países.
50
[...] convergência como a equalização da previsão de longo prazo para um
determinado período t. Países i e j convergem se as previsões de longo prazo do
(log) do produto nacional bruto per capta para ambos os países são iguais para um
determinado período de tempo t. (BERNARD e DURLAUF, 1966, p.165,
tradução do autor
)
Expresso outra forma, duas variáveis convergem num determinado período, quando o
valor esperado da diferença destas, quando tende ao infinito, é zero: k
(
)
0
,,
lim
=−
++
∞→
tktjkti
k
IYYE
(3.34)
Como
e Y são os logaritmos de e , denota-se por W a diferença
i
Y
j
i
y
j
y
[
]
ti
Iy /log()log( −
j
y ) , assim podemos reescrever a equação (3.34) como sendo
(
)
0
,
lim
=
+
∞→
tktl
k
IWE
(3.35)
Em particular, Bernard e Durlauf (1996, p.170) demonstram que se
Y contiver
qualquer um dos dois, raiz unitária ou média diferente de zero, então a definição de
convergência é violada. Assim, para efeito de implementação empírica, é a diferença W que
será testada.
ji
Y−
3.5 Métodos de representação do modelo
3.5.1 Mecanismos de correção de erros (MCE)
Observada a relação de co-integração entre as variáveis, o próximo passo consiste na
estimação do modelo de correção de erro. Segundo o Teorema da Representação, de Granger
(1986), qualquer vetor auto-regressivo (VAR) em níveis contendo variáveis I(1) pode ser
representado como um Modelo de Correção de Erros (MCE) dado por:
(
νββθθ
+−−Π−∆+=∆
−− 110110 tttt
xYXY
)
(3.36)
Esta equação representa a dinâmica de curto prazo enquanto a equação (3.27), a
dinâmica de longo prazo.
A utilização dos métodos de regressão envolvendo séries temporais não estacionárias
pode conduzir aos problemas que se convencionou chamar de regressão espúria, isto é,
51
quando há um alto R² sem uma relação significativa entre as variáveis (HARRIS, 1950).
Como salienta, Granjer e Newbold (1974),
É muito comum vermos na literatura de econometria aplicada regressões de
equações de séries temporais com aparentemente, alto grau de ajustamento,
medido pelo o coeficiente de correlação múltipla R² ou pelo coeficiente corrigido
2
R
, mas com um valor extremamente baixo da estatística de Durbin-Watson.
Nós achamos isto muito curioso, porque enquanto muitos livros textos sobre
métodos econométricos contêm explicitamente advertência sobre os perigos dos
erros de autocorrelação, este fato surge com freqüência em bem conceituados
trabalhos aplicados (GRANGER e NEWBOLD, 1974, p.111, tradução do autor).
Isto ocorre pelo o fato de que a presença de uma tendência, decrescente ou crescente,
em ambas as séries pode conduzir a um elevado
, sem, entretanto, necessariamente refletir
uma relação verdadeira entre as variáveis.
2
R
Neste contexto, a importância da análise de co-integração surge de seu uso para
aquelas séries econômicas não estacionárias. Basicamente, a presença de raiz unitária na série
temporal conduz aos resultados viesados, invalidando os pressupostos da clássica estatística
de que a média e a variância são constantes ao longo do tempo, e, com isto, mascarando o
relacionamento entre duas ou mais variáveis. Detectada a presença de raiz unitária, então, se
deve trabalhar com as séries temporais diferenciadas e não em nível, ou seja, a tendência
precisa ser removida.
A interpretação econômica da co-integração é de que se as duas (ou mais) variáveis
possuem uma relação de equilíbrio de longo prazo, então, mesmo que as séries possam conter
tendências estocásticas (isto é, ser não estacionárias), elas se moverão juntas no tempo e a
diferença entre elas será estável (isto é, estacionária). Em síntese, o conceito de co-integração
indica a existência de um equilíbrio de longo prazo, para o qual o sistema econômico
converge no tempo (HARRIS, op.cit). O resíduo deste modelo, por sua vez, também deve ser
ruído branco.
52
3.3.4 Modelo auto-regressivo vetorial (VAR) estrutural
Os modelos de vetores auto-regressivos, VAR foram introduzidos em Economia por
Christopher Sims (1980) e, desde então tiveram elevada aceitação pelo fato de que permitem
ordenar os efeitos entre variáveis, estudar dinamicamente a resposta dos sistemas ao longo do
tempo, e, como modelos de previsões, têm se comprovado, para alguns tipos de problemas,
serem mais eficientes do que os sistemas multiequacionais.
O modelo VAR é um conjunto de k regressões de séries temporais em que os
regressores são valores defasados de todas as séries. Quando o número de defasagens em
cada uma das equações é o mesmo e igual a , o sistema de equações é chamado de
VAR .
Para o caso de duas variáveis de séries temporais, Y e , o VAR , consiste em duas
equações:
k
p
()
p
t t
X
()
p
tptptptptt
uXXYYY
11111111110
... +++++++=
−−−−
γγβββ
K
(3.37)
tptptptptt
uXXYYX
22121212120
... +++++++=
−−−−
γγβββ
K
onde,
e são coeficientes desconhecidos, e u são termos do erro. Com relação à
inferência nos modelos VAR, os coeficientes são estimados normalmente para cada equação
pelo MQO. Os coeficientes são consistentes e têm uma distribuição conjunta normal em
amostras grandes. Um aspecto novo com relação aos testes de hipóteses nestes modelos surge
pelo fato de que um VAR com variáveis é uma reunião, ou sistema, de equações. Assim,
é possível testar hipótese conjunta que envolve restrições entre múltiplas equações. No
modelo
, com duas variáveis nas equações (3.35), a hipótese nula de que os
coeficientes Y e são iguais a zero é
s
β
s
γ
(
p
t
t
u
1 t2
k k
)
VAR
p
−
pt
X
−
0:
10
=
p
H
β
, ; , 0
2
=
p
β
0
1
=
p
γ
0
2
=
p
γ
53
A hipótese alternativa é de que pelo menos um desses quatro coeficientes é diferente de
zero. Portanto, a hipótese nula envolve coeficientes de ambas as equações, dois de cada uma.
Como os coeficientes estimados têm uma distribuição conjunta normal em amostras grandes,
é possível testar restrições relacionadas a esses coeficientes ao calcular a estatística F.
Duas questões importantes devem ser observadas no modelo VAR - quantas variáveis
devem ser incluídas e o tamanho da defasagem. O número de coeficientes em cada equação
é proporcional ao número de variáveis. Então, para melhorar principalmente a precisão
da previsão, deve-se adotar um número pequeno de variáveis, e assegurar que estes sejam
relacionadas entre si, de modo que sejam úteis para prever umas às outras. Já os tamanhos das
defasagens em um VAR podem ser determinados utilizando-se os testes ou critérios de
informação AIC e BIC nas equações 3.22 e 3.23 adaptadas ao modelo VAR.
VAR
F
()
()
[]
()
T
kpkupAIC
2
1detln ++=
∑
(3.38)
()
()
[]
()
T
T
kpkupBIC
ln
1detln ++=
∑
(3.39)
Embora a ênfase até agora tenha sido sobre a capacidade de previsão dos modelos
VAR, estes podem ser utilizados para analisar relações causais entre variáveis de séries
temporais econômicas. A utilização dos VARs para inferência causal é conhecida como
modelagem VAR estrutural. A diferença conceitual maior entre utilizar VAR para previsões
e para modelos estruturais, consiste no fato de que a modelagem estrutural requer hipóteses
muito específicas derivadas da Teoria Econômica e do conhecimento institucional, sobre o
que é ou não exógeno.
3.5.2.1 Estimação e análise das funções impulso-resposta
A resposta impulsional dá a resposta dinâmica de cada variável a inovações desta
variável, tanto quanto de outras variáveis inclusas no sistema VAR. Em outras palavras, a
54
resposta impulso descreve se um choque de uma variável tem um efeito persistente ou
transitório sobre outras variáveis tanto quanto para ela própria. A resposta impulsional é a
trajetória de uma variável após um choque unitário na outra variável em um instante de tempo
qualquer. Do ponto de vista gráfico, a abscissa mede o tempo após a ocorrência do choque. A
ordenada indica a própria resposta impulsional. Algumas apresentações gráficas para padrões
de resposta impulsional são explicitadas: i) quando as séries são não estacionárias
(apresentam raiz unitária), as trajetórias tendem para uma constante não nula. A convergência
indica que um novo equilíbrio foi atingido; ii) valores acima (ou abaixo) da constante de
equilíbrio indicam que a variável que recebe o choque está crescendo mais (ou menos) do que
no longo-prazo; iii) valores oscilatórios indicam um efeito cíclico do choque, indicando que a
magnitude da tendência de crescimento da variável que sofre o choque oscilará em torno da
tendência de equilíbrio, mas convergirá para este valor; iv) valores negativos para a resposta
impulsional indicam que a resposta da variável alvo do choque possui sinal contrário ao da
variável que causou o choque. Como pode ser visualizado na Figura 9, o efeito provocado por
choques externos se propagam ao longo do tempo, tendendo para uma constante não nula,
indicando tratar-se de séries não estacionárias. Os efeitos dos choques externos, transmitidos
pela variável sobre a variável Y são estatisticamente pouco expressivos, pois esses efeitos
se aproximam de zero, conforme (gráfico b). De forma contrária, nos impactos de Y sobre X,
os efeitos estão ao longo do tempo afastados de zero, indicando significância estatística.
Podemos dizer também que X está crescendo mais do que no longo prazo. Nos impactos de
choques externos sobre os valores passados da própria variável, a observação geral é de que
há nos dois casos regularidade histórica significativa. Tal regularidade indica um declínio dos
impactos sobre a variável a partir do segundo período, sem, contudo, anula-se até pelo
menos, o décimo período (gráfico a). No caso da variável Y , o padrão de regularidade
virtualmente não se altera no 10 período (gráfico d).
X
X
55
-6
-4
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
a) Resposta de X sobre X
-6
-4
-2
0
2
4
6
8
1 2 3 4 5 6 7 8 9 10
b) Resposta de X sobre Y
-0 .5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
1 2 3 4 5 6 7 8 9 10
c) Resposta de Y sobre X
-0 .5
0.0
0.5
1.0
1.5
2.0
2.5
3.0
1 2 3 4 5 6 7 8 9 10
d) Resposta de Y sobre Y
Figura 12 – Propagação dos choques de um desvio-padrão sobre as variáveis e Y num período de 10 meses.
t
X
t
3.6 Teste de causalidade Granger
Como já salientado, segundo o teorema da representação de Granger, um sistema de
variáveis co-integráveis pode ser representado em três formas principais: i) na de um vetor
auto-regressivo (VAR); ii) na de um mecanismo de correção dos erros (MCE), e iii) na de
médias-móveis
42
.
Engle e Granger (1987) demostraram que, se duas séries são integradas de ordem um
I(1), então deve existir causalidade Granger em pelo menos uma direção para as variáveis em
níveis I(0). No caso em que duas variáveis são co-integradas de ordem I(1), o modelo VAR
pode ser construído para os dados em níveis, ou em termos de sua primeira diferença com
42
Este teorema mostra que estas representações são isomórficas duas a duas. Para demonstração deste teorema
veja Banerjee (1993).
56
adição de um mecanismo de correção de erros, para resgatar a dinâmica de longo prazo e
reduzir a possibilidade de identificação de causalidade espúria. O procedimento do teste de
causalidade envolve três etapas, todas constantes neste capítulo. O primeiro passo é testar a
ordem de integração para as variáveis em níveis. O segundo passo é testar a co-integração,
utilizando os métodos ADF-EG, e de máxima verossimilhança de Johansen. Se existe co-
integração, então também deve existir causalidade Granger unidirecional ou bidirecional, pelo
menos nas variáveis em níveis. O terceiro passo é realizar o teste padrão de causalidade
Granger com a inclusão do termo do mecanismo de correção de erros
43
, obtido a partir da
relação de co-integração de longo prazo. Para que os testes de inferência sejam válidos, estes
devem ser aplicados às variáveis em níveis I(0).
3.6.1 Causalidade Granger e mecanismo de correção de erros (MCE)
O método de causalidade Granger é adequado para testes nos quais há um pressuposto
teórico bem fundamentado. Assim, a maioria das aplicações da causalidade Granger, ocorre
onde existe a hipótese teórica a priori, conforme pode visto na seqüência. Relação entre
exportações e crescimento econômico (MICHAELY, 1967; MAIZELS, 1968; HELLER e
PORTER, 1978; JUNG e MARSHALL, 1985; HSIAO, 1987; AHMED e KWAN, 1991;
KWAN e COTSOMOTIS, 1991; THORNTON, 1996); comércio externo e crescimento
econômico (FAJANA, 1979); relação entre gastos do governo e crescimento da renda
nacional (AHSAN e KWAN, 1989; AHSAN., KWAN e SAHNI, 1992); despesas e receitas
do governo (ANDERSON., WALLACE e WARNER, 1986); déficit do governo e variações
43
Uma das críticas freqüentes aos testes de causalidade tradicionais dizia respeito ao seu enfoque apenas na
relação de curto prazo, negligenciando assim, qualquer informação proveniente da tendência de longo prazo das
séries temporais em questão. Como as séries em níveis em geral têm de ser transformadas para tornarem-se
estacionárias, através de uma transformação não-linear, do tipo diferença,
=
− 1t
t
t
X
X
ogX l
∆
, a informação
de longo prazo é perdida. O MCE modifica o teste padrão de causalidade de Granger na medida em que
incorpora o efeito de longo prazo numa análise de curto prazo.
57
nas receitas (BAFFES e SHA,1990); relação entre crescimento das exportações e
desempenho industrial (CHOW, 1987); exportações, movimentos de capitais e crescimento
econômico (VOIVODAS, 1973; WILLIANSON, 1978); neutralidade da moeda (KING e
WATSON, 1992; OLEKALNS, 1996).
No caso de estudos do tipo série temporais, o teste avalia a direção de causalidade.
Granger (1969) argumentou que a capacidade da variável prever a variável Y é uma
correta interpretação da proposição de que causa
Y
. Desde que nenhuma outra estatística
significativa na distinção da direção da causalidade é avaliada presentemente, este estudo
centra-se sobre a precedência temporal como uma indicação de causação em testar a hipótese
de preços agrícolas, estoques governamentais e preços mínimos.
X
X
De acordo com Granger (1969), a variável é dita causando outra variável Y , com
respeito a um conjunto de dados que inclui e Y se valores correntes de Y podem ser mais
bem explicados usando valores passados de do que não incluí-los, dado que são usadas
todas as outras informações passadas sobre o conjunto de informações. Formalmente, temos
,é um dado conjunto de informações. inclui pelo menos
de um processo bivariado. Se
X
X
X
,A
t
,2,1,0,1,
KK −=
t
,A
t
()
t
Y,,
t
X
{
tsAA
s
<=
}
. Define-se de forma análoga
t
X e
t
Y . Então X
causa Y se:
(
)
(
)
,
22
ttttt
XAYAY
−<
σσ
(3.40)
onde
(
ZY
2
σ
Z
)
denota a variância do preditor de variância mínima de Y dada as informações
do conjunto .
De forma análoga é feita a hipótese convencional que
. e são
presumidos de como sendo um par linear de covariância estacionária de uma série temporal.
Assim e pode ser escrito como :
(){
YXA ,=
}
X Y
X Y
58
tji
n
j
jit
m
i
it
UYbXaX
++=
−
=
−
=
∑∑
11
tjt
s
j
jit
r
i
it
VXdYcY
++=
−
=
−
=
∑∑
11
(3.41)
Onde
são vetores aleatórios e serialmente independentes com média zero e matriz de
covariância finita. O teste de causalidade pode ser determinado de forma simples
(
′
tt
VU ,
)
()
aX causa Y se ,se pode ser rejeitado. 0:
0
=
i
dH sj ,,1
K
=
()
b Y causa se , se pode ser rejeitado. X 0:
0
=
j
bH nj ,,1 K=
Quando ambos a) e b) ocorrem, existe bicausalidade. Este teste de causalidade tem
certas vantagens sobre outros métodos baseados em correlações contemporâneas, comumente
utilizados para verificar relações de causalidade (exogeneidade). Como já indicado, o uso de
informações sobre precedência temporal possibilita dizer alguma coisa sobre a direção da
causalidade. Além do mais, as variáveis podem ser correlacionadas e ainda assim não
apresentar relação de causalidade porque podem estar associadas a outros fatores.
Ao incluir valores defasados na variável dependente e atender às propriedades dos
resíduos de séries temporais, o teste de Granger exclui várias formas de correlação espúria.
Ao tentar identificar a relação de causalidade pode-se adotar outra abordagem. Pode-se
identificar e especificar um modelo estrutural completo que contenha todas as relações para
obter-se estimativas de vários efeitos. No presente estudo, não é fácil identificar equações
estruturais para tais modelos. Assim, limita-se a testar as restrições a partir de dados sugeridos
pela teoria. O uso da abordagem de Granger na forma reduzida parece apropriado neste
contexto não apenas pela dificuldade na identificação do modelo estrutural, mas também
porque os lags entre causa e efeito são relativamente grandes. A interpretação dos testes de
causalidade deve certamente ser feita com bastante cautela.
A definição de causalidade de Granger não é equivalente à noção convencional de
causação. Portanto, o teste de se causa Y recairá em detectar o efeito sobre Y de X
59
inovações contemporâneas em . Finalmente, a exclusão de outras variáveis a partir de um
conjunto de informações pode resultar em erros de especificação. Portanto, deve-se tentar
corrigir este fato, incluindo outra variável Z; quando testamos se causa Y , a interpretação
de um resultado negativo torna-se mais confusa porque deve influenciar Y de forma
indireta através de . Assim a solução do problema da exclusão da variável não é tão óbvia
como parece. A despeito deste problema, o teste, ao rejeitar a hipótese que causa , cria
um pressuposto bastante forte contra a hipótese causal.
X
i
Y
1
∆
i
2
∆
γ
δ
X
t1
X
Z
1
∆
β
2
β
,
2
µ
X Y
()
1
n
t
X
I
A causalidade não deve ser vista somente como um assunto importante em si. O
significado do efeito é mais relevante. Por exemplo, se um estudo aponta que o crescimento
das exportações poderá cair com o crescimento econômico, dificilmente pode ser justificado.
Para análise da direção de causalidade Granger, em que as séries são
, como é o
caso, estas são diferenciadas uma vez para induzir estacionariedade, sendo o teste de
causalidade, da equação (3.41), reescrito para ser estimado pela relação
44
tit
n
i
i
n
i
ittt
uXXY
1
1
1
1
1
+∆+++=∆
−
==
−
∑∑
δγµ
tit
n
i
i
n
i
ittt
uYXYX
2
1
2
1
2
+∆++∆+=∆
−
==
−
∑∑
δµ
(3.42)
onde,
e denotam os parâmetros a serem estimados e o número
de lags, não necessariamente, idênticos para todas as variáveis.
e u são assumidos como
mutuamente não correlacionados, processo ruído branco.
,,,,,,
221111 iii
γβδγβµ
i2
u
t2
Se as séries acima forem co-integradas, existe causalidade Granger em pelo menos uma
direção. Adicionalmente, o sistema bivariado, como definido por Y e pode ser
t
44
Para uma aplicação desta abordagem de causalidade Granger para receitas e despesas para os países Argentina,
Brasil e México, veja Jonh Baffes e Anwar Shah (1993), p.315-316.
60
representado por um mecanismo de correção de erros (MCE)
45
. A importância desta
representação é que pode ser construído um vetor auto-regressivo (VAR) representado pelo
sistema (3.41) no sentido de Sims (1980), incorporando a relação de longo prazo entre Y e X,
da seguinte forma
tit
n
i
i
n
i
it
i
tt
uXYzY
1
0
1
1
1111
+∆+∆++=∆
−
==
−−
∑∑
δγβµ
tit
n
i
i
n
i
ititt
uYXzX
2
1
2
1
2122
+∆+∆++=∆
−
==
−−
∑∑
δγβµ
(3.43)
1−t
z é o lag do resíduo obtido para as variáveis em níveis como definido pela equação (3.27 ).
As outras variáveis e parâmetros são os definidos em (3.42). Observe-se que, ao
incluir o resíduo na regressão de causalidade (3.46), obtém-se a representação da equação
(3.43); portanto integra a co-integração no sentido do MCE e o modelo padrão de
causalidade
t
z
46
. Esta abordagem é muitas vezes chamada de representação VAR irrestrito
(unrestricted), onde a restrição é o resíduo (observadas as defasagens) obtidas a partir da
equação de co-integração. A vantagem do mecanismo de correção de erros (MCE) quando
comparado com o VAR irrestrito, é que na inclusão do resíduo ambas as variáveis em níveis
são preservadas e as propriedades de estacionariedade das variáveis envolvidas no sistema são
mantidas. Portanto, a função impulso-resposta e a decomposição de variância podem ser
calculadas a partir do sistema de MCE como significando o efeito da causalidade
47
.
Um dos aspectos de maior relevância na análise de causalidade no sentido de Granger,
e que constitui a maior restrição ao seu uso, é o método de escolha do número de defasagens e
45
Do ponto de vista teórico, as vantagens de se utilizar o MCE estão associadas às suas propriedades descritas
por Kennedy (1998) como sendo: (a) sua estrutura permite incluir informações provenientes da teoria
econômica acerca das forças que conduzem ao equilíbrio de longo prazo, uma vez que os modelos
econométricos tradicionais são, em sua maioria, essencialmente estáticos; e (b) ele permite a adoção muito
flexível de defasagens (lags), permitindo que os dados desempenhem um papel fundamental na especificação da
estrutura dinâmica dos modelos. Uma excelente exposição do modelo de correção de erros com diferentes
restrições e hipótese testáveis é encontrada em Hendry et.al (1984).
46
Uma excelente discussão dos testes de causalidade usando o método do mecanismo de correção de erros
(MCE) e os testes convencionais Granger é obtida em Miller e Ressek (1990).
47
Quando se testa a variável na sua primeira diferença o modelo passa a ser denominado VEC. Para uma
discussão dos modelos VAR e VEC, veja Davidson e Makinnon, (1993, op.cit pp.715-730) e Hamilton (1994,
op.cit. pp.571-629).
61
a sensibilidade dos resultados ao tamanho das defasagens. Maddala (1992) reconhece que,
qualquer que seja o método utilizado, sempre se incorre em algum grau de arbitrariedade.
Gujarati (2000) adverte para o fato de que o teste de causalidade Granger é bastante sensível
ao número de defasagens utilizadas na análise, e em conseqüência a direção da causalidade
pode depender criticamente do número de termos defasados incluídos. O teste de causalidade
Granger será então mais robusto, ter-se-á mais confiança nas conclusões, quanto menos
sensível for ao tamanho das defasagens (DAVIDSON e MACKINNON, 1993).
4 METODOLOGIA
Este capítulo encontra-se dividido em duas partes. No módulo inicial, são definidas a
fonte e utilização dos dados e as variáveis empregadas. No outro segmento, são apresentados
os procedimentos econométricos adotados.
4.1 Fonte e utilização dos dados
No presente estudo foram utilizadas as seguintes séries mensais: a) preços de milho:
em nível de produtor (São Paulo, Paraná, Goiás e Mato Grosso) e atacado (São Paulo e
Paraná); preços mínimos de milho; preços do milho cotação Bolsa de Chicago, todos
referentes ao período janeiro 1982 a junho de 2003. Esses, estão expressos em reais por saca
de 60/kg, e foram corrigidos pelo o IGP:DI – FGV, base junho/2003; b) estoques de
milho do governo, também de freqüência mensal, de janeiro de 1987 a junho de 2003. Foram
escolhidos os principais mercados de comercialização do milho, que são Paraná, São Paulo,
Goiás e Mato Grosso. Pelo fato das séries citadas apresentarem tendência, que determina um
aumento na variância na medida que o tempo passa, os dados originais foram transformados
48
pelo logaritmo natural, com o propósito de reduzir esta variação.
A origem dos dados encontra-se sumarizada na Tabela 7. Os preços no atacado,
utilizados neste estudo foram obtidos da Fundação Getúlio Vargas (FGV), enquanto os preços
em nível de produtor, preços mínimos e de estoques do governo, junto à Companhia Nacional
de Abastecimento (CONAB). O preço internacional do milho se refere à cotação do milho
48
São plenamente aceitáveis tais transformações para o propósito deste estudo. Contudo devemos ressaltar que
em se tratando de modelos de previsão, as transformações não melhoram a qualidade das previsões (Nelson,
1976). Os mesmos resultados foram confirmados por Makridak & Hibon (1979). Adicionalmente devemos
ressaltar que os dados transformados são estimadores viciados e que deveriam ser corrigidos como demostrado
por Granjer e Newbold (1976)
91
amarelo tipo 2, primeira entrega, na bolsa de Chicago, para comparação com os preços no
mercado doméstico. Dados de produção, área e rendimento físico, foram coletados junto ao
Instituto Brasileiro de Geografia e Estatística (IBGE), conforme
Tabela 7 - Variáveis utilizadas na presente pesquisa e sua fonte
Variável Fonte Definição
PRPMSP CONAB Logaritmo dos Preços recebidos pelos produtores de milho, São
Paulo
PAMSP FGV Logaritmo dos Preços Atacado Milho, São Paulo
PRPMPR CONAB Logaritmo dos Preços Recebidos pelos Produtores de Milho,
Paraná
PAMPR FGV Logaritmo dos Preços Atacado Milho, Paraná
PRPMGO CONAB Logaritmo dos Preços Recebidos pelos Produtores de Milho,
Goiás
PRPMMT CONAB Logaritmo dos Preços Recebidos pelos Produtores de Milho,
Mato Grosso
PMM CONAB Logaritmo dos Preços Mínimos Milho
EMG CONAB Logaritmo dos Estoques de Milho do Governo
PROD IBGE Produção de Milho
CONS CFP/CONAB Consumo de Milho
PMBC REUTERS Logaritmo dos Preços Milho Cotação Bolsa de Chicago- 1ª
Entrega
Fonte: Elaborada pelo autor.
Para o teste de aderência entre preços internacionais e preços domésticos, fez-se uma
transformação pela taxa de câmbio comercial (média mensal), para venda, pois é a que melhor
reflete os fluxos da balança comercial do País com o resto do mundo. Adotou-se o nível de
atacado no lugar de preços recebidos pelos produtores.
As transformações, correção de todas as séries de preços pelo IGP:DI-FGV e correção
dos preços no atacado pela taxa de câmbio pelo dólar comercial, podem mudar a natureza da
série. Este procedimento justifica-se no caso dos preços reais, pelas grandes variações nos
preços nominais, em virtude das reformas monetárias adotadas no País neste período.
Sabe-se, no entanto, que esta correção modifica a natureza da série, principalmente
pelo fato de que a neutralidade monetária implícita em tal correção é uma hipótese muito forte
em se tratando de preços agrícolas.
92
Para o caso da taxa de câmbio, como o Brasil manteve longos períodos de taxa de
câmbio sobrevalorizada, implica a introdução de um certo viés nos preços domésticos
49
.
4.2 Procedimentos econométricos
Para determinar a ordem de integração das séries de preço e estoques, foram
empregados, dois procedimentos distintos: (a) método Box-Jenkins (BJ), (b) Dickey-Fuller
(DF), e Dickey-Fuller aumentado (ADF).
Para execução do procedimento BJ, foram estimados os coeficientes de autocorrelação
e obtidos os correlagramas para variáveis em estudo. Se os apresentarem decaimento
lento, há forte indicação da presença de raiz unitária. Caso contrário, uma queda abrupta há
forte indicação de estacionariedade. Para testar a hipótese conjunta de que todos os
coeficientes de autocorrelação , são simultaneamente iguais a zero, utilizam-se os testes de
Box-Pierce e Ljung-Box mencionados no capítulo 3. As defasagens são calculadas através
do intervalo de confiança para cada série. Para , , , o intervalo utilizado foi
o qual definiu, o valor de ; para
, ; para ,
; e para os estoques governamentais Y o intervalo de confiança foi de
, e definiu . Para os preços mínimos , o intervalo de
confiança aplicado foi ( , determinando k . Com base nesses
valores, se as estatísticas e calculadas excederem seus valores críticos da tabela
de qui-quadrado pelo nível de significância escolhido (Tabelas do Apêndice A.1 e A.2),
rejeita-se a hipótese nula de que todos os valores de são iguais a zero.
k
r
ˆ
−
k
−
k
r
ˆ
4
P
k
r
ˆ
1719
)
k
2
73=
k
1
P
1
P
k
r
ˆ
3
P
1220,01220,0 +≤≤ P
66=
(
1392,01392,0
+≤≤ Y
5
P
12
72=k
7
P
6
P
)
37=k
,0+≤
)m
)1719,0 ≤− P
(mQ (L
0
H
=
49
O ideal seria utilizar uma série mensal de taxas de câmbio de equilíbrio. Como não se dispõe destas
informações optou-se simplesmente pela correção através do dólar comercial. Para estimativa de câmbio de
equilíbrio utilizando diferentes métodos, existem vários estudos, entre eles Zini Júnior, A.A e Cati, R.C. (1993).
93
Para o teste DF foi estimada a seguinte regressão:
1111111 −−
++=∆
ttt
PP
εδµ
(4.1)
onde,
é o preço recebido pelo produtor de milho São Paulo no período na sua primeira
diferença,
e são parâmetros a serem estimados, é o erro que deve ser ruído branco.
Para efeito de especificação dos modelos, substitui-se a nomenclatura
t
P
1
∆ t
µ
1
δ
1
P
t
ε
50
anteriormente
definida para: , , , , , , , e que são: P
2 3
P
4
P
5
P
6
P
7
P
8
P
1
Y
1
P
= PRPMSP= preços recebidos pelos produtores de milho São Paulo;
2
P
= PAMSP = preços atacado milho São Paulo;
3
P = PRPMPR= preços recebidos pelos produtores de milho Paraná;
4
P = PAMPR= preços atacado milho Paraná;
5
P = PRPMGO= preços recebidos pelos produtores de milho Goiás;
6
P = PRPMMT= preços recebidos pelos produtores de milho Mato Grosso;
7
P = PMM = preços mínimos milho;
=
8
P PMBC= preços milho na Bolsa de Chicago;
1
Y = EMG = estoques de milho do governo;
A equação 4.1 não possui termos defasados na diferença da variável (defasagem zero),
podendo apresentar baixa estatística de Durbin-Watson, o que constitui indicação de
autocorrelação nos resíduos. Neste caso, faz-se necessário estimá-las pelo método ADF, onde
se realiza a parametrização com base na escolha de defasagens pelo critério AIC, para levar
em conta a possibilidade de
não ser ruído branco. Assim foram estimadas as seguintes
equações:
t
ε
50
Exceto nesse capítulo, todos os demais se utiliza à nomenclatura das variáveis explicitadas na Tabela 7.
94
∆ (4.2)
111111112211111111 −−−−−
+∆++∆+∆++=
ttatttt
PPPPP
εγγγδµ
K
7171272222122112222 −−−−−
+∆++∆+∆++=∆
tttttt
PPPPP
εγγγδµ
K
12311233122332133113333 −−−−−
+∆++∆+∆++=∆
tttttt
PPPPP
εγγγδµ
K
1111144112442144114444 −−−−−
+∆++∆+∆++=∆
tttttt
PPPPP
εγγγδµ
K
4145542552155115555 −−−−−
+∆++∆+∆++=∆
tttttt
PPPPP
εγγγδµ
K
212662156116666 −−−−
+∆+∆++=∆
ttttt
PPPP
εγγδµ
16167117777 −−−
+∆++=∆
tttt
PPP
εγδµ
212112111111111 −−−−
+∆+∆++=∆
ttttt
YYYY
εγγδµ
onde,
é a parametrização com defasagens para as
diferenças das variáveis pelo critério AIC.
ptip
t
iiiti
PPP
−
−
−
∆++∆+∆
1
2
211
γγγ
K p
Tanto na especificação 4.1 (DF) como em 4.2 (ADF), um valor negativo e
significativamente diferente de zero de
indica que ,Y são . A hipótese a ser testada
é
não é contra . Se não for rejeitada, o teste será repetido
tomando-se sua primeira diferença.
δ
: éI
i
P
0
H
i
()
0I
t
YH :
0
()
0I
ta
YH
()
0
A partir da identificação da integração das variáveis nos modelos bivariados de
causalidade Granger ou auto-regressão vetorial VAR, foi determinada à especificação a ser
adotada. Os procedimentos para escolha do modelo de estimação da causalidade são
mostrados de forma sintética no Quadro 2. Se as variáveis forem integradas de ordem zero
I(0), faz-se o teste de causalidade Granger padrão ou VAR irrestrito, o que corresponde o
lado esquerdo do Quadro 2, com a equação já explicitada e discutida no capítulo 3. Se,
entretanto, as séries forem integradas de ordem um I(1), realizam-se os testes de co-
integração, sendo que duas possibilidades podem a princípio ocorrer. Primeiro, não serem co-
integradas, não podendo ser analisada a questão da causalidade. Segundo, serem co-
integradas e então se estima o modelo VAR restrito ou Vetor de Correção de Erros (VEC), e
95
pode-se também calcular a função de resposta impulsional e a decomposição de variância. No
caso do VAR restrito no sentido de Sims (op.cit.) a restrição é o resíduo das variáveis em
níveis, sendo incorporado por meio do mecanismo de correção de erros (MCE).
Quadro 2 - Determinação da causalidade Granger e auto-regressão vetorial –VAR
tt
XY , são Integradas
de ordem 0
,
I
(
0
)
tt
XY , são Integradas
de ordem um
,
I
(
1
)
Causalidade
Granger Padrão ou
VAR Irrestrito
t
t
XY , não co-inte
g
radas
Não Fazer
c
a
us
ali
d
a
de
t
t
XY
,
são co-inte
g
radas
VAR Restrito (Sims)
Função Resposta
Impulsional
Decomposição
de Variância
Séries Y ,
t t
X
Fonte: Elaborado pelo autor.
Neste estudo, foram realizados os procedimentos acima expressos da seguinte forma:
(a) para o teste de hipótese de causalidade entre variações de preços agrícolas e variações de
estoques do governo, as variáveis são integradas de ordem zero I(0), sendo usado o
procedimento Granger-padrão, que equivale ao VAR irrestrito; (b) para a hipótese de preços
mínimos e preços de mercado, além de integradas de ordem um I(1), são co-integradas, então
se utilizou o VAR restrito; (c) para a hipótese de integração de mercados, as séries são tanto
integradas de ordem um I(1), quanto co-integradas, de modo que adotou-se também o VAR
restrito, e a função de impulso resposta; (d) Para testar o grau de aderência dos preços
domésticos aos externos, sendo as variáveis integradas de ordem zero I(0), adotou-se a
96
causalidade-Granger padrão ou modelo VAR restrito. As estimativas destas hipóteses foram
realizadas da forma que se segue.
a) Preços de mercado e estoques do governo
As variáveis foram definidas em termos de taxas percentuais ,Y e são integradas de
ordem zero I(0), utilizou-se o método de causalidade Granger padrão sendo assim
especificados:
P
ˆ ˆ
++++++=
−−−− 1515411431132112111111
PPPPPP
ttttt
αααααµ
(4.3)
ttttt
uYYYYY
115154114311321121111
+++++
−−−−
βββββ
5115411431132112111121 −−−−−
+++++=
tttttt
YYYYYY
γγγγγµ
tttttt
uPPPPP
251154114311321121111
+++++
−−−−−
δδδδδ
+
onde, e denotam os parâmetros a serem estimados e o
número de lags, não necessariamente, idênticos para todas as variáveis. Os erros e u são
assumidos como mutuamente não correlacionados, processo ruído branco. Então se
, falha em causar , enquanto que , falha em
causar . O Padrão de causalidade é detectado pelo teste convencional. Esta equação foi
estimada para as variáveis
, , , , contra Y , respectivamente com os seguintes
lags 5, 5, 5, 5 e 2.
,,,,,,
22111 pppp
γµδγαµ
()
5,4,3,2,
t
Y
t
Y
P
p2
δ
3
P
5=p
t2
1
=
p
β
)
t
u
1
t
P
0
1=p
t
P
4
P
0
1
=
p
δ
F
1
(
5,4,3,2,1=p
2 5
P
6
P
b) Preços mínimos e preços de mercado
As variáveis consideradas (P , , , , , ) e que são os preços de
mercado e preços mínimos, respectivamente, são co-integradas, então existe causalidade
Granger em pelo menos uma direção. Adicionalmente, um sistema bivariado, como definido
nesta hipótese, pode ser representado por um mecanismo de correção de erros (MCE).
i
P
1 2
P
3
P
4
P
5
P
6
P
7
P
97
A importância de tal representação é que, a partir do sistema (4.4), pode-se construir
um vetor autorregressivo (VAR restrito). Para implementação empírica foram estimadas
equações de co-integração como se seguem:
Equação de longo Prazo Teste DF Teste ADF
t
zPP ++=
7101
ββ
∆ (4.4)
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
t
zPP ++=
7103
ββ
∆
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
t
zPP ++=
7105
ββ
∆ ∆
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
tttt
vzzz
ˆ
ˆˆˆ
11110
+∆++=
−−
ϑθθ
t
zPP ++=
7106
ββ
∆
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
E o teste de causalidade VAR restrito foi implementado com a seguinte especificação:
++++++=
−−−− 67762717217711117 ttttt
DPDPDPzDP
αααφµ
K
tttt
uDPDPDP
1611621121111
++++
−−−
βββ
K
(4.5)
616211211111111 −−−−
+++++=
ttttt
DPDPDPzDP
γγγφµ
K
tttt
uDPDPDP
26716271121711
++++
−−−
δδδ
K
+
1−t
z
4
P
é o lag do resíduo obtido para as variáveis em níveis como definido pela equação (4.1). É
interessante notar que ao incluirmos a variável
na regressão (4.3), chega-se à
representação (4.5); portanto a co-integração unifica, desta forma, o MCE ao modelo da
causalidade convencional. A representação (4.5) é freqüentemente chamada de representação
VAR restrita, onde a restrição é o resíduo obtido a partir da regressão de co-integração. A
vantagem do MCE ao contrário do VAR irrestrito é que, ao incluir os resíduos, ambas as
informações das variáveis em níveis da equação (4.3) são recuperadas e as propriedades de
estacionariedade das variáveis envolvidas no sistema são levadas em consideração. Em
decorrência, a função impulso-resposta e a decomposição da variância são calculadas a partir
da estimativa pelo sistema de mecanismo de correção de erro (MCE), significando a
quantificação dos efeitos da causalidade. Esta equação foi estimada para às variáveis
, ,
, , contra , com os seguintes lags 6, 6, 6, 3 e 6, respectivamente.
1−t
z
2
P
3
P
5
P
6
P
7
P
98
c) Integração dos mercados: co-integração e convergência nos diferentes mercados
Para testar a consistência da PGPM, foram testadas as hipóteses de integração dos
mercados, a partir do seguinte procedimento: Convergência por meio do método de raízes
unitárias de Dickey-Fuller aumentado (ADF). A análise de convergência consistiu em aplicar
os testes ADF à diferença dos logaritmos das duas variáveis. Neste método, não é relevante a
estacionariedade individual das séries, porém, se a diferença for I(0), há convergência.
Foram estimadas as equações de longo prazo e o teste de ADF-EG, com teste de
convergência assim especificadas:
Equação de longo Prazo Teste DF Teste ADF
t
zPP ++=
5101
ββ
∆ ∆ (4.6)
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
ttttt
vzzzz
ˆ
ˆˆˆˆ
2211110
+∆+∆++=
−−−
ϑϑθθ
t
zPP ++=
6101
ββ
∆
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
t
zPP ++=
3101
ββ
∆
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
t
zPP ++=
5103
ββ
∆
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
t
zPP ++=
6103
ββ
∆ ;
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
tttttt
vzzzzz
ˆ
ˆˆˆˆˆ
332211110
+∆+∆+∆++=∆
−−−−
ϑϑϑθθ
t
zPP ++=
4102
ββ
∆ ;
ttt
vzz
ˆ
ˆˆ
1
+=
−
θ
tttttt
vzzzzz
ˆ
ˆˆˆˆˆ
15152211110
+∆++∆+∆++=∆
−−−−
ϑϑϑθθ
K
Como mostradas no capítulo 3, nas equações 3.34 e 3.35 a convergência é dada de forma
generalizada por:
()
(
)
[
]
jiji
yyW loglog
,
−=
onde,
é logaritmo da variável Y no local ;
()
i
ylog
i
i
(
)
j
ylog é o logaritmo da variável Y no
local ;
é a série obtida a partir da diferença do logaritmo de e . Para o teste de
convergência se estimam as seguintes equações:
j
j
ji
W
, i
y
j
y
Equações de convergência Testes ADF
() ()
[]
515,1
loglog ppW −= ∆ (4.7)
ttttt
vWWWW +∆+∆+=
−−− 221111
φφθ
() ( )
[]
616,1
loglog ppW −= ∆
tttttt
vWWWWW +∆+∆+∆+=
−−−− 33221111
φφφθ
() ()
[]
313,1
loglog ppW −= ∆
ttt
vWW +=
−11
θ
() ()
[]
535,3
loglog ppW −= ∆
ttt
vWW +=
−11
θ
99
() ()
[]
636,3
loglog ppW −= ∆
ttttt
vWWWW +∆+∆+=
−−− 221111
φφθ
d) Preços externos e preços domésticos
Às variáveis de preço no atacado milho São Paulo e Paraná corrigidos pela taxa de
câmbio e preço na Bolsa de Chicago são integradas de ordem zero I(0), então, utilizou-se o
método de causalidade Granger-padrão sendo assim especificados:
+++++=
−−−− 4214321322112121112 ttttt
PPPPP
ααααµ
(4.8)
t
tt
t
t
uPPPP
1
41
814
3
8132812
1
811
++++
−−
−
−
ββββ
+++++=
−−−−
481438132812181128 ttttt
PPPPP
γγγγµ
tt
t
tt
uPPPP
24214
3
21322121211
++++
−
−
−−
δδδδ
Este teste foi realizado também para os preços atacado milho Paraná com defasagem de 4.
5 RESULTADOS E DISCUSSÃO
Nesse capítulo, são apresentados os resultados obtidos na realização dos testes de
estacionariedade pelo método Box-Jenkins; os testes de raiz unitária DF e ADF pelo critério
de Akaiake, AIC e SBC Schwartz; co-integração e mecanismos de correção de erros;
causalidade Granger, VAR e convergência.
5.1 Testes baseados nas funções de autocorrelação e correlogramas
O cálculo dos coeficientes de autocorrelação amostral simples FAS
e parcial
FAP (
foram realizados usando as definições (3.6) e (3.7), respectivamente
)(
k
r
)
k
φ
51
. A
visualização do conjunto de valores destes coeficientes com o aumento das defasagens
representam o correlograma. Como observa-se nas Tabelas 8 e 9, os coeficientes FAS,
iniciam com valores em torno de 0,970 para a primeira defasagem e decaem lentamente com
o aumento do número das defasagens, . Também as observações são positivamente
correlacionadas, isto é, valores elevados tendem a ser seguidos por outros valores também
elevados. Este fato caracteriza forte dependência dos dados, e a informação no período t é
fortemente relacionada com a informação do período
t
, o que caracteriza um modelo do
tipo autoregressivo, indicando também a existência de raiz unitária, isto é, séries não
estacionárias, e seguem portanto, passeio aleatório. As séries de PMM, PMBC, EMG, CONS
e PROD, embora tenham um decaimento um pouco mais rápido, não mudam o padrão de
comportamento.
k
1−
51
Calculados com base no algorítmo de Box e Jenkins (op.cit.), utilizado pelo Eviews 4.1
101
Tabela 8 - Coeficientes de autocorrelação amostral simples
do logarítmo natural
dos dados mensais.
(
k
r
)
Autocorrelação Amostral Simples
Séries Período
T
1
r
2
r
3
r
4
r
5
r
6
r
7
r
8
r
9
r
10
r
PAMSP 1982-2003 258 0,971 0,931 0,898 0,861 0,824 0,800 0,786 0,781 0,777 0,773
PRPMSP 1982-2003 258 0,973 0,935 0,900 0,862 0,827 0,804 0,790 0,785 0,782 0,780
PAMPR 1982-2003 258 0,973 0,938 0,909 0,876 0,847 0,826 0,807 0,792 0,783 0,777
PRPMPR 1982-2003 258 0,970 0,934 0,905 0,877 0,848 0,828 0,812 0,799 0,788 0,780
PRPMGO 1982-2003 258 0,974 0,939 0,908 0,874 0,847 0,826 0,809 0,800 0,792 0,781
PRPMMT 1982-2003 258 0.976 0.944 0,905 0,867 0,833 0,805 0,785 0,771 0,763 0,756
PMM 1982-2003 130 0,878 0,795 0,719 0,666 0,642 0,628 0,568 0,494 0,445 0,410
PMBC 1982-2003 258 0,956 0,885 0,808 0,738 0,675 0,618 0,564 0,514 0,468 0,423
EMG 1987-2003 130 0,954 0,886 0,717 0,625 0,625 0,531 0,440 0,363 0,296 0,240
PROD 1960-2003 44 0,863 0,798 0,708 0,656 0,599 0,556 0,495 0,449 0,366 0,304
CONS 1960-2003 44 0,935 0,875 0,810 0,747 0,677 0,616 0,546 0,482 0,405 0,339
Fonte: Elaborada pelo autor.
Tabela 9 - Coeficientes de autocorrelação parcial
do logaritmo natural dos dados
mensais.
(
k
φ
)
Autocorrelação Parcial
Séries Período
T
1
φ
2
φ
3
φ
4
φ
5
φ
6
φ
7
φ
8
φ
9
φ
10
φ
PAMSP 1982-2003 258 0,971 -0,200 0,149 -0,167 0,080 0,138 0,128 0,137 -0,042 0,043
PRPMSP 1982-2003 258 0,973 -0,231 0,088 -0,133 0,115 0,148 0,115 0,138 -0,064 0,093
PAMPR 1982-2003 258 0,973 -0,173 0,117 -0,129 0,125 0,065 0,014 0,085 0,081 0,050
PRPMPR 1982-2003 258 0,970 -0,127 0,121 -0,025 -0,015 0,129 0,029 0,075 0,026 0,044
PRPMGO 1982-2003 258 0,974 -0,188 0,099 -0,120 0,153 0,046 0,090 0,097 -0,019 -0,010
PRPMMT 1982-2003 258 0.976 -0,174 -0,147 -0,047 0,080 0,064 0,114 0,053 0,060 0,025
PMM 1982-2003 130 0,878 0,109 0,005 0,072 0,130 0,085 -0,168 -0,128 0,065 0,047
PMBC 1982-2003 258 0,956 -0,337 -0,013 0,055 0,006 -0,022 -0,001 -0,013 0,017 -0,059
EMG 1978-2003 198 0,954 -0,267 -0,142 -0,074 -0,058 -0,062 -0,019 0,095 0,001 0,010
PROD 1960-2003 44 0,863 0,211 -0,073 0,075 0,010 0,018 -0,062 -0,004 -0,148 -0,046
CONS 1960-2003 44 0,935 0,001 -0,061 -0,032 -0,088 0,035 -0,111 -0,006 -0,133 0,015
Fonte: Elaborada pelo autor.
No caso das primeiras diferenças, como mostram as Tabelas 10 e 11, observa-se padrão
distinto. Os coeficientes de autocorrelação simples (FAS) oscilam em torno de zero, o que
sugere ausência de dependência dos valores correntes em relação aos anteriores, indicando
ausência de raiz unitária e, portanto, que as séries são estacionárias.
102
Tabela 10 - Coeficientes de autocorrelação amostral simples
da primeira diferença do
logarítimo natural dos dados mensais.
(
k
r
)
Autocorrelação Amostral Simples
Séries Período
T
1
r
2
r
3
r
4
r
5
r r
6
7
r r
8
9
r
10
r
∆
PRPMSP
1982
-
2003
258
0,258
-
0,014
-
0,109
-
0,062
-
0,239
-
0,197
-
0,197
-
0,194
0,197
0,194
∆
PAMSP
1982-2003 258 0,212 -0,109 0,131 0,004 -0,204 -0,203 -0,153 -0,058 -0,043 -0,068
∆
PRPMPR
1982-2003 258 0,125 -0,125 -0,003 0,056 -0,152 -0,068 -0,046 -0,071 -0,082 -0,117
∆
PAMPR
1982-2003 258 0,211 -0,105 0,095 -0,077 -0,144 -0,013 -0,075 -0,181 -0,101 -0,092
∆
PRPMGO
1982-2003 258 0,226 -0,065 0,055 -0,104 -0,134 -0,073 -0,154 -0,059 0,010 -0,089
∆
PRPMMT
1982-2003 258 0,172 0,178 -0,018 -0,083 -0,133 -0,188 -0,126 -0,131 -0,055 -0,082
∆
PMM
1982-2003 130 -0,206 -0,107 -0,113 -0,119 -0,042 0,190 0,106 -0,127 -0,041 -0,097
∆
PMBC
1982-2003 258 0,314 0,070 -0,082 -0,088 -0,059 -0,043 -0,020 -0,049 0,004 -0,005
∆
EMG
1978-2003 198 0,550 0,357 0,209 0,091 0,073 -0,008 -0,046 -0,115 -0,119 -0,083
∆
PROD
1960-2003 44 -0,467 0,087 -0,095 -0,107 0,135 -0,058 0,033 0,091 -0,162 0,084
∆
CONS
1960-2003 44 -0,314 0,196 -0,145 -0,109 0,118 -0,082 -0,058 0,075 -0,302 0,301
Fonte: Elaborada pelo autor.
Tabela 11 - Coeficientes de autocorrelação parcial
(
da primeira diferença do logarítmo
natural dos dados mensais.
)
k
φ
Autocorrelação Parcial
Séries Período
T
1
φ
2
φ
3
φ
4
φ
5
φ
6
φ
7
φ
8
φ
9
φ
10
φ
∆
PRPMSP
1982-2003 258 0,258 -0,087 0,147 -0,148 -0,184 -0,124 -0,141 0,041 -0,096 -0,033
∆
PAMSP
1982-2003 258 0,212 -0,161 0,206 -0,111 -0,142 -0,172 -0,124 0,007 -0,034 -0,063
∆
PRPMPR
1982-2003 258 0,125 -0,143 0,034 0,035 0,168 -0,009 -0,082 -0,071 -0,065 -0,150
∆
PAMPR
1982-2003 258 0,211 -0,157 0,165 -0,175 -0,045 -0,017 -0,083 -0,141 -0,076 -0,111
∆
PRPMGO
1982-2003 258 0,226 -0,122 0,106 -0,165 -0,054 -0,065 -0,136 0,004 -0,030 -0,101
∆
PRPMMT
1982-2003 258 0,172 0,153 -0,075 -0,103 -0,096 -0,134 -0,054 -0,075 -0,031 -0,089
∆
PMM
1982-2003 258 -0,206 -0,062 -0,136 -0,186 -0,139 0,122 0,151 -0,098 -0,071 -0,065
∆
PMBC
1987-2003 258 0,314 -0,32 -0,105 -0,032 -0,015 -0,029 -0,008 -0,053 0,030 -0,019
∆
EMG
1987-2003 130 0,550 0,078 -0,021 -0,052 0,049 -0,078 -0,033 -0,092 -0,004 0,024
∆
PROD
1960-2003 44 -0,467 -0,168 -0,168 -0,293 -0,106 -0,095 -0,093 0,080 -0,074 -0,043
∆
CONS
1960-2003 44 0,314 0,107 -0,063 -0,210 0,071 0,005 -0,176 0,040 -0,264 0,106
Fonte: Elaborada pelo autor.
Estes resultados podem ser visualizados através das Figuras 13 e 14, que mostram os
correlogramas dos coeficientes de autocorrelação simples para as séries em nível e na suas
primeiras diferenças. Todas as séries em níveis apresentam decaimento lento com o aumento
da defasagem mostrando forte dependência dos valores passados, o que caracteriza
presença de raiz unitária.
k
103
Para o caso das séries nas suas primeiras diferenças, os correlogramas apresentam
padrão bastante distinto das variáveis em níveis. Todas as séries apresentam coeficientes de
autocorrelação simples, oscilando em torno de zero, o que sugere ausência de dependência
dos valores correntes em relação aos valores passados, o que é uma forte indicação de não-
existência de raiz unitária e, portanto, de séries estacionárias.
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Valores Originais de EPM
-0.2
0.0
0.2
0.4
0.6
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Primeira Diferença de EPM
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Valores Originais dos PAMPR
-0.2
-0.1
0.0
0.1
0.2
0.3
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Primeira Diferença PAMPR
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Variável Original de PRPMPR
-0.2
-0.1
0.0
0.1
0.2
0.3
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Primeira Diferença dos PRPMPR
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
PM BC
-.2
-.1
.0
.1
.2
.3
.4
2 4 6 8 10 12 14 16 18 20 22 24
A u toco rrelação S im p les A utocorrelação Parcial
PM BC
Figura 13 - Coeficientes de autocorrelação simples (FAS) e parciais (FAP) do logaritmo natural dos dados
mensais EMG, PAMPR, PRPMPR, PMBC e suas primeiras diferenças com 25 defasagens.
104
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Valores Originais dos PAMSP
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Primeira Diferença dos PAMSP
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Valores Originais dos PRPMSP
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Primeira Difetrença dos PRPMSP
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Valores Originais dos PRPMGO
-0.2
-0.1
0.0
0.1
0.2
0.3
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorrelação Parcial
Primeira Diferença dos PRPGO
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
2 4 6 8 10 12 14 16 18 20 22 24
Autocorrelação Simples Autocorelação Parcial
-.2
-.1
.0
.1
.2
2 4 6 8 10 12 14 16 18 20 22 24
Au to correlação Simples A utocorelação Parcial
Figura 14 - Coeficientes de autocorrelação simples e parciais do logaritmo natural dos dados
mensais PAMSP, PRPMSP, PRPMGO e PRPMMT e suas primeiras diferenças com
25 defasagens.
105
5.2 Testes de significância dos coeficientes de autocorrelação
O intervalo de confiança dos coeficientes de autocorrelação simples pode ser
calculado, já que estes seguem uma distribuição aproximadamente normal e seu erro-padrão é
definido como sendo
T1 . Assim, para um nível de significância de 5% e distribuição
normal reduzida, tem-se que , e o intervalo de confiança é dado por
96,1=z
.96,1 T± Nas
séries em estudo no cálculo dos coeficientes de autocorrelação simples foram utilizadas
amostras de 258, 198 e 130 observações, respectivamente, para as séries de preços, estoques
do governo e preços mínimos safra. Isto resulta num erro-padrão de 0,0622 para as séries de
preços, 0,0710 para os estoques e 0,0877 para os preços mínimos. São os intervalos de
confiança de , e ± 0,1719 respectivamente. Estes coeficientes são
estatisticamente iguais a zero se estão situados neste intervalo. Assim, os coeficientes de
autocorrelação simples para os valores em níveis das nove séries são estatisticamente
significativos, para a probabilidade de erro de 5%, somente até =73, 72, 66, 12 e 37. Para
as séries em primeira diferença, T = 257, 197 e 129, respectivamente, os desvios-padrão
calculados são 0,0623, 0,0712 e 0,0885, respectivamente. Os intervalos de confiança
correspondentes são , e . Neste caso, os valores calculados das
estatísticas
Q e são inferiores aos respectivos valores críticos (Tabela A.1 do
Apêndice), portanto, rejeita-se a hipótese de raiz unitária para nível de significância de 5%.
1220,0
±
0±
)
(
mL
1392,0
13,0±
±
1222
)
k
, 96 1725,0±
(
m
5.2.1 Testes de Box-Pierce Q(m) e de Ljung-Box L(m)
Com a utilização dos coeficientes de autocorrelação simples calculados e com base nas
definições (3.11) e (3.12), utilizando-se as defasagens para os PRPMSP, PAMSP, 73=k
106
PRPMPR, PAMPR; PRPMGO; para PRPMMT, para EMG;
para PMM, por englobar todos os coeficientes de autocorrelação simples estatisticamente
significativos, referentes aos valores em níveis das séries, obtêm-se
e .
72=k 66=k
()
mL
12=k
(
mQ
37=k
cal
)
()
mL
Os valores críticos da distribuição qui-quadradro ( ) para 73, 72, 66, 37 e 12 graus de
liberdade a nível de significância de 5% são 90,53; 55,76; 21,03 (Tabela A.1do Apêndice).
Como as estatísticas calculadas
Q e para as séries de preços, estoques do governo e
preços mínimos são maiores do que esse valor crítico, rejeita-se a hipótese nula na qual todos
os coeficientes de autocorrelação são iguais a zero, portanto, aceita-se a hipótese de existência
de raiz unitária. Para as variáveis em suas primeiras diferenças, os valores calculados das
estatísticas são inferiores aos respectivos valores críticos para o nível de significância de 5%,
portanto, rejeita-se a hipótese da presença de raiz unitária e aceita-se a estacionariedade.
Conclui-se, portanto, que os testes indicam a existência de raiz unitária para as séries em
níveis e de estacionariedade para a primeira diferença, portanto, as séries são integradas de
ordem 1, I(1).
2
χ
()
m
5.3 Testes de raiz unitária - Dickey-Fuller (DF) e Dickey-Fuller aumentado (ADF)
Para realizar os testes de raiz unitária Dickey-Fuller (DF), adotou-se a condição de
processo estacionário de ordem um AR(1), para todas as séries, e constatou-se, como mostra a
Tabela 12, que em termos de valores absolutos as mesmas apresentaram as estatísticas
τ
calculadas, inferiores aos seus respectivos valores críticos τ , para os níveis de significância
de 1%, 5% e 10% (Tabela A.4 do Apêndice) donde não se rejeita a hipótese nula da presença
de raiz unitária, e conclui-se que tanto para o modelo sem constante como para com
constante, as séries apresentam raiz unitária, sendo portanto, não estacionárias. O modelo
107
com constante e tendência, porém, apresentou resultados distintos. Como pode ser observado,
rejeita-se a hipótese nula da presença de raiz unitária para as seguintes séries: PAMSP,
PAMPR e PRPMPR ao nível de significância de 10%; PMBC significância de 5%; PMM e
PROD significância de 1%, o que se conclui em uma primeira análise pela estacionariedade
destas séries. Estes resultados, entretanto, decorrem da escolha inadequada dos regressores
apesar de as séries apresentarem nítida tendência, essa pode não ser determinista.
Tabela 12 - Resultados da Raiz unitária Dickey-Fuller (DF), para variáveis em
nível.
Modelo
sem constante
Modelo
com constante
Modelo com constante
e tendência
Séries
δ
1−t
Y
DW
1−t
Yδ
DW
1−t
Yδ
DW
PAMSP -0,8281 1,5762 -1,8021 1,5573 -3,3068* 1,5154
PAMSP( e )
-0,5249 1,7208 -4,0736***
1,6239
-4,1009*** 1,6233
PRPMSP -0,871 1,4833 -1,37339 1,4676 -3,1164 1,4315
PAMPR -0,8878 1,5274 -1,6097 1,5131 -3,1400* 1,4737
PAMPR( ) e
-0,5269 1,6969 3,8279***
1,6114
-3,8903** 1,6098
PRPMPR -0,8664 1,4683 -1,6596 1,4541 -3,1325* 1,4163
PRPMGO -0,8250 1,5432 -1,7663 1,5227 -3,0187 1,4913
PRPMMT 0,6769 1,6500 -1,9000 1,6339 -2,4285 1,6014
PMM -1,2770 2,4107 -1,6399 2,3691 -4,6366*** 2,1014
PMBC -0,4049 1,4240 -2,4241 1,3944 -2,4335** 1,3934
EMG -0,9779 0,8901 0,2112 0,8940 -1,0495 0,8982
PROD 1,8360 2,8547 -0,8385 2,7865 -6,1688*** 1,9440
CONS 3,5473 2,6089 -1,0931 2,6448 -2,5158 2,2081
Fonte: Elaborada pelo o autor. Nota: (
e
) são os preços no atacado corrigidos pelo câmbio
.
*** indica que a hipótese nula é rejeitada a nível de significância de 1%.
** indica que a hipótese nula é rejeitada a nível de significância de 5%.
* indica que a hipótese nula é rejeitada a nível de significância de 10%.
Assim, ao se aceitar estes resultados, corre-se o risco como salientado em Hamilton
(1994, op.cit.) e discutido no capítulo 3, de se rejeitar a hipótese nula da presença de raiz
unitária quando de fato ela é verdadeira. A estatística de Durbin-Watson (DW), para todas as
séries, nas três especificações, sugerem a presença de forte correlação para as defasagens
superiores a um, o que implica a violação da hipótese ruído branco. Assim, fez-se a correção
108
paramétrica para correlações mais elevadas através do critério de Akaike (AIC), o que
equivale ao teste ADF. Ocorre contudo que às séries PAMSP( ) e PAMPR( ),
apresentaram, para todos os níveis de significância, e PMBC para 5% e 10%, valores das
estatísticas
τ calculadas superiores aos seus respectivos valores críticosτ , donde se rejeita a
hipótese nula e aceita-se a estacionariedade das séries, sendo portanto integradas de ordem
zero, I(0).
e e
cal
Para o teste Dickey-Fuller aumentado (ADF), procedeu-se à escolha do número de
defasagens com base no critério de informação de Akaike (AIC)
52
dado pela definição (3.14).
Como pode ser observado na Tabela 13, as séries em nível
PAMSP,
PRPMSP, PAMPR,
PRPMPR, PRPMGO, PRPMMT, PMM, EMG, PROD e CONS
em termos de valores absolutos
apresentaram as estatísticas τ calculadas, inferiores aos seus respectivos valores críticos τ ,
para os níveis de significância de 1%, 5% e 10% (Tabela A.4 do Apêndice), donde não se
rejeita a hipótese nula da presença de raiz unitária, e conclui-se que as séries são não
estacionárias. Os resultados para o modelo com constante e tendência continuam como no
teste DF, rejeitando a hipótese nula de raiz unitária para as séries
PRPMSP, PAMPR, PRPMPR
à nível de 5% e para
PRPMMT, PMM,
PROD
ao nível de 1%. As séries de preços no atacado
São Paulo e Paraná, corrigidas pelo o câmbio PAMSP
e PAMPR
(
, são ao contrário
estacionárias à significância de 5%, como já detectado pelo teste DF.
()
e
)
e
52
O programa econométrico Eviews 4.1, traz um mecanismo automático da escolha das defasagens. O critério
do AIC tende a escolher maior número de defasagens, do que o critério de SIC, o que é preferível para testes
ADF, Stock,J. H. e Watson, M.W. op.cit. p.315.
109
Tabela 13 - Resultados do teste de raiz unitária Dickey-Fuller aumentado ADF, e estatística do
critério de informação de Akaike
para seleção do número de defasagens
Séries
Em Nível
Modelo sem
constante
Critério de
informação
Modelo com
constante
Critério de
Informação
Modelo com Critério de
constante tendência Informação
δ
1−t
Y
DW lags AIC
1−t
Yδ
DW lags AIC
1−t
Yδ
DW lags AIC
PAMSP -0,7007 1,9939 (7) -2,0858 -1,3801 1,9926 (7) -2,0849 -3,4070* 2,0025 (11) -2,1024
PAMSP( )
e
-0,1912 1,9628 (10) -1,7722 -3,2551** 1,9943 (11) -1,9943 -3,3284* 1,9940 (11) -1,8010
PRPMSP -0,6935 2,0108 (11) -2,0848 -1,3903 2,0141 (11) -2,0840 -3,4365** 1,9946 (12) -2,1164
PAMPR -0,7670 2,0119 (11) -2,1308 -1,4251 2,0234 (11) -2,1304 -3,8427** 2,0017 (12) -2,1668
PAMPR(
e
)
-0,3302 2,0064 (11) -1,8930 -2,9301** 2,0224 (11) -1,9206 -3,0498 2,0237 (11) -1,7164
PRPMPR -0,8301 2,0220 (11) -2,0807 -1,4374 1,9836 (12) -1,8405 -3,8424** 1,9951 (12) -1,8857
PRPMGO -0,7294 1,9837 (11) -2,0141 -1,8210 2,0148 (4) -2,0387 -3,5920** 2,0068 (4) -2,0686
PRPMMT -0,6163 2,0096 (6) -2,0312 -2,5267 1,9749 (2) -2,0489 -4,0594*** 1,9983 (2) -2,0807
PMM -1,4130 2,0206 (1) -1,3755 -1,3353 2,0194 (1) –1,3702 -4,6116*** 2,1010 (0) -1,4758
PMBC -0,1443 2,0092 (3) -2,9068 -3,2281** 1,9982 (1) -2,9530 -3,4052* 2,0068 (1) -2,9643
EMG -0,9721 2,1446 (2) -1,1798 -2,2606 2,1548 (2) -1,1947 -3,6814** 1,9937 (2) -2,9667
PROD 4,2466 1,9518 (7) -1,2889 -1,0970 1,9477 (7) -1,2938 -4,6407*** 1,9097 (3) -1,5977
CONS 3,5881 2,6166 (0) -2,5807 -1,0931 2,6448 (0) -2,5688 -2,5156 2,2081 (0) -2,6539
Fonte: Elaborada pelo autor.
*** indica que a hipótese nula é rejeitada a nível de significância de 1%.
** indica que a hipótese nula é rejeitada a nível de significância de 5%.
* indica que a hipótese nula é rejeitada a nível de significância de 10%.
Como todas às séries apresentaram raiz unitária, novamente foram realizados os testes ADF,
utilizando-se suas primeiras diferenças ( ).
t
Y∆
Conforme pode ser visto, a Tabela 14 apresenta especificações diferentes para a
defasagem, e todos os valores da estatística τ calculados excedem em termos absolutos os
respectivos valores críticos τ , para os níveis de significância de 1%, 5% e 10%. Assim,
rejeita-se a hipótese nula de raiz unitária, aceitando-se, em conseqüência, a estacionariedade
para todos os níveis de significância
53
.
53
Rejeitar a hipótese nula na presença de uma raiz unitária utilizando o teste ADF, a rigor não significa que a
série efetivamente possui uma raiz unitária. O teste ADF tem pouca potência para distinguir valores muito
próximos de 1.
110
Desta forma, conclui-se, então, como se esperava, os resultados dos testes Dickey-
Fuller DF e ADF, foram idênticos àqueles obtidos por meio dos correlogramas e dos testes de
Box-Pierce e de Ljung-Box. As séries em níveis não são estacionárias, enquanto estas nas
suas primeiras diferenças são estacionárias e todas integradas de ordem um,
.
()
1I
Tabela 14 - Resultados do teste de raiz unitária Dickey-Fuller Aumentado ADF, e estatística do
critério de informação de Akaike para seleção do número de defasagens para
variáveis na sua primeira diferença
Séries
Primeira
Diferença
Modelo sem
constante
Critério de
informação
Modelo com
constante
Critério de
Informação
Modelo com
Constante e Critério de
tendência Informação
δ
1−t
Y
DW lags AIC
1−t
Yδ
DW lags AIC
1−t
Yδ
DW lags AIC
∆
PAMSP
-8,3940 1,9938 (6) -2,0918 -8,3987 1,9939 (6) -2,0850 -8,3767 1,9941 (6) -2,0771
∆
PRPMSP
-5,2971 2,0115 (10) -2,0909 -5,3144 2,0108 (10) -2,0302 -5,3027 2,0109 (10) -2,0239
∆
PAMPR
-5,2359 2,0202 (10) -2,0208 -5,2615 2,0198 (10) -2,1298 -5,2497 2,0197 (10) -2,1218
∆
PRPMPR
-5,6052 2,0220 (10) -1,8500 -5,2928 2,0265 (15) -1,8294 -5,2897 2,0269 (15) -1,8215
∆
PRPMGO
-5,2228 1,9834 (11) -2,0200 -5,2407 1,9836 (10) -2,0131 -5,2328 1,9836 (10) -2,0052
∆
PRPMMT
-8,0116 2,0091 (5) -2,0376 -8,0063 2,0095 (5) -2,0302 -8,0195 2,0094 (5) -2,0239
∆
PMM
-13,7622 2,0208 (0) -1,3754 -13,8432 2,0263 (0) -1,3716 -13,7883 2,0263 (0) -1,3560
∆
EMG
-6,3499 2,1391 (1) -1,1851 -6,3914 2,1437 (1) -1,1786 -6,3662 2,1401 (1) -1,1694
∆
PROD
-9,2823 1,9071 (0) -1,1363 -4,6542 1,9546 (6) -1,3058 -4,6269 1,9497 (6) -1,2821
∆
CONS
-3,0445 2,1122 (1) -2,3997 -8,7536 1,9244 (0) -2,6188 -8,8135 1,9377 (0) -2,5970
Fonte: Elaborada pelo o autor.
5.3.1 Testes ADF com base na razão da verossimilhança
Como mencionado no capítulo 3, os testes DF e ADF podem ser obtidos mediante o
método de máxima verossimilhança. Assim, estimam-se os testes individuais por meio das
estatísticas
,τ e τ para os modelos, respectivamente, com constante e tendência; com
constante; e sem constante e sem tendência, e os testes conjuntos através das estatísticas
φ
,
e
φ . Apesar das três possibilidades, testou-se aqui somente a hipótese de que os
coeficientes associados à tendência são nulos. Foram procedidas às estimativas de
φ
adotando-se o método ADF, e obteve-se utilizando os critérios de informação de AIC a
τ
τ
µ
1
2
2
φ
3
111
escolha da defasagem que elimine a autocorrelação. Como mostra a Tabela 15, os valores
críticos a nível de significância de 5% são menores do que o valor da estatística
φ , então não
rejeita-se a hipótese nula de que os parâmetros de tendência são estatisticamente nulos. O que
significa aceitar a existência de raiz unitária os valores não significativos das estatísticas
τ ,
na Tabela 15, indicam que, para as séries, os elementos deterministas tendência e
constante não devem ser incluídos para testar a presença de raiz unitária.
2
τ
2
φ
Tabela 15 – Resultados dos testes τ e de raiz unitária Dickey-Fuller aumentado (ADF),
para variáveis em nível
F
T
Estatísticas ADF
Séries
Período
τ
τ
µ
τ
τ
2
φ
PRPMSP 1982-2003 258 -3,4365** -1,3903 -0,6935 6,2895
PAMSP 1982-2003 258 -3,4070* -1,3801 -0,7007 9,0884
PRPMPR 1982-2003 258 -3,8424** -1,4374 -0,0830 1,0907
PAMPR 1982-2003 258 -3,8427** -1,4251 -0,7670 6,8391
PRPMGO 1982-2003 258 -3,5920** -1,8210 -0,7294 4,7370
7PRPMMT 1982-2003 258 -4,0594*** -2,5267 -0,6163 4,6897
PMM 1982-2003 258 -4,6116*** -1,3353 -1,4130 0,0032
PMBC 1982-2003 258 -3,4052* -3,2281** -0,1443 0,1577
EMG 1987-2003 198 -3,6814** -2,2606 -0,9721 2,0971
PROD 1960-2003 43 -4,6407*** -1,0970 4,2466 0,0215
CONS 1960-2003 43 -2,5156 -1,0931 3,5881 5,6300
Fonte: Elaborada pelo autor.
*** indica que a hipótese nula é rejeitada a nível de significância de 1%.
** indica que a hipótese nula é rejeitada a nível de significância de 5%.
* indica que a hipótese nula é rejeitada a nível de significância de 10%.
5.4 Testes de co-integração
Como já analisadas sob diferentes métodos, as séries de preços, preços mínimos,
estoques, produção e consumo apresentaram raízes unitárias, isto é, são não estacionárias. Os
testes também revelaram que todas são integradas de ordem um, I(1). A partir desta
constatação, deve-se analisar a relação de co-integração entre elas. Embora as séries sejam
não estacionárias, as suas trajetórias ao longo do tempo parecem indicar que existe uma
112
relação de co-integração. Observa-se, também, que a diferença entre estes valores pode ser
considerada como sendo constante ao longo do período. Para confirmação estatística desta
evidência, foram realizados os testes aumentado de Dickey-Fuller e Engle-Granger (ADF-
EG), e, para tornar robustos os resultados, faz-se o teste pelo método de Johansen.
Utilizou-se, inicialmente, o método de duas etapas de ADF-EG, que se constituiu
primeiro na estimativa pelo MQO do coeficiente de co-integração, seguido do teste t de
Dickey-Fuller, sem intercepto e sem tendência, depois o teste ADF com um intercepto, mas
sem tendência temporal, sobre os resíduos
para testar a presença de raiz unitária.
t
z
ˆ
5.4.1 Co-integração: análise gráfica
5.4.1.1 Preços mínimos e preços agrícolas, safra.
Embora os critérios de fixação dos preços mínimos tenham mudado sistematicamente
durante a década de 1980 até meados de 1990, parece, como mostra a Figura 15, existir uma
relação de longo prazo, entre estes e os preços recebidos pelos produtores, no período de
safra. A partir de 1995, a relação de longo prazo passa a ser mais tênue em virtude das
mudanças ocorridas na PGPM e da forte abertura comercial.
113
10
20
30
40
10
20
30
40
50
SPM M SPR PM SP
82
86 90 98
94 02
Fonte:CONAB
Anos
0
10
20
30
40
50
0
10
20
30
40
50
SPM M SPRPM PR
Fonte:CONAB
Anos
8 2 8 6 9 0 9 4 9 8 0 2
0
10
20
30
40
50
0
10
20
30
40
50
60
SPM M SPRPM GO
86
82
90
94 98
02
Fonte:CO NAB
Anos
0
10
20
30
40
50
0
10
20
30
40
50
SPM M SPRPM M T
Fonte:CO NAB
Anos
82
86
90
94
98 02
Figura 15 - Preços recebidos pelos produtores de milho São Paulo, Paraná, Goiás, Mato
Grosso e preços mínimos Safras: 1982-2003
Esta relação é confirmada pela observação dos resíduos da equação de longo prazo
mostrados na Figura 16, sugerindo co-integração das séries.
-.8
-.4
.0
.4
.8
2.4
2.8
3.2
3.6
4.0
25 50 75 100 125
Residual Actual Fitted
PRPM SP PM M
-.8
-.4
.0
.4
.8
2.0
2.4
2.8
3.2
3.6
4.0
25 50 75 100 125
Residual Actual Fitted
PRPMPR PMM
-.6
-.4
-.2
.0
.2
.4
.6
2.0
2.4
2.8
3.2
3.6
4.0
25 50 75 100 125
Residual Actual Fitted
PRPM GO PM M
-.4
-.2
.0
.2
.4
.6
.8
2.0
2.4
2.8
3.2
3.6
4.0
25 50 75 100 125
Residual Actual Fitted
PRPM M T PM M
Figura 16 - Resíduos da equação de co-integração dos preços recebidos pelos produtores São
Paulo, Paraná, Goiás, Mato Grosso e preços mínimos, safras: 1982-2003.
114
5.4.1.2 Preços recebidos pelos produtores e atacado para diferentes mercados
Ao se observar a Figura 17, constata-se que todos os mercados apresentam forte
aderência de preços, mostrando trajetória de preços similar, o que sugere que o tratamento
dado pela política de garantia de preços mínimos pode ter reduzido o comércio físico entre os
estados, mas não impediu a transmissão de preços de um mercado para outro. Ao contrário, as
séries possuem uma tendência estocástica e se movem juntas com bastante proximidade no
longo prazo, sugerindo o mesmo componente de tendência, isto é, parecem ter uma tendência
estocástica comum, sendo, portanto, co-integradas.
0
20
40
60
80
100
0
20
40
60
80
82 84 86 88 90 92 94 96 98 00 02
PRPMSP PRPMGO
Evolução dos PRPMSP e PRPMGO:1982-03
0
20
40
60
80
100
0
20
40
60
80
82 84 86 88 90 92 94 96 98 00 02
PRPMSP PRPMMT
Evolução dos PRPMSP e PRPMMT:1982-03
0
20
40
60
80
100
0
20
40
60
80
100
82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03
PRPMSP PRPMPR
Evolução dos PRPMSP e PRPMPR:1982-03
0
20
40
60
80
100
0
20
40
60
80
82 84 86 88 90 92 94 96 98 00 02
PRPMPR PRPMGO
Evolução dos PRPMPR e PRPMGO:1982-03
0
20
40
60
80
100
0
20
40
60
80
82 84 86 88 90 92 94 96 98 00 02
PRPMPR PRPMMT
Evolução dos PRPMPR e PRPMMT:1982-03
0
20
40
60
80
100
0
20
40
60
80
100
82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03
PAMSP PAMPR
Evolução dos PAMSP e PAMPR:1982-03
Figura 17 - Preços recebidos pelos produtores de milho São Paulo-Goiás, São Paulo-Mato
Grosso, São Paulo-Paraná; Paraná-Goiás, Paraná-Mato Grosso; preços atacado
São Paulo-Paraná: 1982-2003
115
Na Figura 18, são mostrados os resíduos das equações de longo prazo que apresenta
média zero e variância constante, sugerindo que estes são estacionários e, portanto, as séries
são co-integradas. Estes resultados já eram esperados, principalmente pela completa
informação dos agentes econômicos que participam do mercado. Também o surgimento,
embora que de forma incipiente, do mercado de futuros tem contribuído de forma decisiva
para transmissão dos preços em diferentes mercados. Verificar-se-á, entretanto, a co-
integração mediante os testes de ADF-EG e Johansen.
-12
-8
-4
0
4
8
12
0
20
40
60
80
100
82 84 86 88 90 92 94 96 98 00 02
Residual Actual Fitted
Resíduos da equação de co-integração PR PM SP e PR PM GO
-20
0
20
40
60
0
20
40
60
80
100
82 84 86 88 90 92 94 96 98 00 02
Residual Actual Fitted
Resíduos da equação de co-integração PR PM SP e PR PM M T .
-1 0
0
10
20
30
40
0
20
40
60
80
100
82 84 86 88 90 92 94 96 98 00 02
Residual Actual Fitted
Resíduos da equação de co-integração dos PR PM SP e PR PM PR
-3 0
-2 0
-1 0
0
10
20
0
20
40
60
80
100
82 84 86 88 90 92 94 96 98 00 02
R esidual Actual Fitted
Resíduos da equação de co-integração dos PR PM PR e PR PM G O .
-4 0
-2 0
0
20
40
60
0
20
40
60
80
100
82 84 86 88 90 92 94 96 98 00 02
Residual Actual Fitted
Resíduos da equação de co-integração dos PR PM PR e PR PM M T
-3 0
-2 0
-1 0
0
10
20
0
50
100
150
200
250
82 84 86 88 90 92 94 96 98 00 02
Residual Actual Fitted
Resíduos da equação de co-integração dos PA M SP e PAM PR
Figura 18 - Resíduos da equação de co-integração dos preços recebidos pelos produtores São
Paulo, Goiás, Mato Grosso; Paraná, Goiás, Mato Grosso; atacado São Paulo e
Paraná: 1982-2003
116
5.4.1.3 Preços internacionais e preços no atacado São Paulo e Paraná.
Como salientado no capítulo 2, a política comercial para o milho na década de 1980
foi totalmente estatizada, de forma que o ajustamento do mercado interno dava-se via
quantidade e não via preços, o que significou uma curva de oferta mais elástica. Desta forma,
os preços não se elevavam para refletir a escassez do produto, o que, é claro, impunha ao
governo um subsídio quando das vendas do produto importado no mercado doméstico.
Havendo forte proteção tarifária e não tarifária, os preços domésticos situavam-se
quase sempre abaixo do mercado internacional. Ocorre, contudo, que o fato de os preços
situarem-se em níveis distintos não implicou isolamento dos mercados, sendo que se pode
detectar flutuações similares de preços entre os dois mercados.
A Figura 19 mostra os preços no atacado de São Paulo e Paraná e a cotação na Bolsa
de Chicago, expressos em dólar para sacas de 60/kg. Constata-se que os dois mercados
apresentam uma certa aderência de preços, mostrando trajetória de preços similar o que
sugere que o tratamento dado pela política comercial, pode ter praticamente eliminado o
comércio, mas não eliminou os sinais de preços de um mercado para outro. Ao contrário, as
séries possuem uma tendência estocástica e se movem com moderada proximidade no longo
prazo, sugerindo o mesmo componente de tendência, isto é, parecem ter uma tendência
estocástica comum, sendo, portanto, co-integradas.
5.4.2 Co-integração: ADF-EG e Johansen
5.4.2.1 Resultados da co-integração entre preços mínimos e preços agrícolas, safra: 1982-
2003
Os resultados da Tabela 16 mostram a relação de longo prazo entre os preços
recebidos pelos produtores de São Paulo e preços mínimos no período de safra. Os
coeficientes apresentam-se teoricamente consistentes, e os resultados obtidos são excelentes
117
para as estatísticas
, e t . O baixo valor da estatística de DW com elevado pode
estar indicando autocorrelação serial, o que foi corrigida pelo teste ADF sobre os resíduos
com duas defasagens, e a estatística τ calculada –4,9334 é superior em módulo aos valores
críticos a nível de 1%, 5% e 10%, donde conclui-se pela estacionariedade dos resíduos, e
pela co-integração das séries. O teste sobre os resíduos, a estatística τ calculada, são para os
PRPMPR e PRPMGO,
superiores aos valores críticos a 5%, enquanto que para os
PRPMMT
são significativos a 1%, 5% e 10%, donde se conclui pela estacionariedade dos resíduos e co-
integração das séries.
2
R
,F
2
R
2
4
6
8
10
12
14
82 84 86 88 90 92 94 96 98 00 02
PBC PAMPRO
Evolução dos preços doméstico e preços
internacional, milho:1982-03
2
4
6
8
10
12
2
4
6
8
10
12
14
82 84 86 88 90 92 94 96 98 00 02
PBC PAMPR
Evolução dos preços domésticos e do preço
internacional, 1982-03.
2
4
6
8
10
12
14
82 84 86 88 90 92 94 96 98 00 02
PBC PAMSP
Evolução dos preços domésticos e internacional,
milho:1982-03
2
4
6
8
10
12
4
6
8
10
12
14
82 84 86 88 90 92 94 96 98 00 02
PBC PAMSP
Evolução dos preços domésticos e
internacional, milho:1982-03.
-4
-2
0
2
4
6
2
4
6
8
10
12
14
82 84 86 88 90 92 94 96 98 00 02
Residual Actual Fitted
Resíduos da equação de co-integração:PAMPRe PBC
-4
-2
0
2
4
6
4
6
8
10
12
14
82 84 86 88 90 92 94 96 98 00 02
Residual Actual Fitted
Resíduos da equação de co-integração:PAMSP e PBC
Figura 19 - Preços no atacado São Paulo e Paraná e preços na Bolsa de Chicago. Resíduos da
equação de co-integração entre preços atacado São Paulo e Chicago; Paraná e
Chicago, 1982-2003
118
Tabela 16 - Resultados de co-integração ADF-EG, dos preços recebidos pelos produtores e
preços mínimos: 1982-2003
1 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMSP e PMM
6,3807 0,8840 0,7460 378,88 0,6341
Teste
t
19,4650
Equação co-integração (DF)
1
θ
2
r
d
-0,3183 0,1597 2,0779
Teste
t
e valores críticos de
τ
(-4,9526) -2,5828 -1,9853 -1,6150
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,0252 -0,3183 0,1597 24,34 2,0780 0
Teste
t
e valores críticos de
τ
0,0779 -4,9334 -3,4812 -2,8837 -2,8837
2 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMPR e PMM
5,5606 0,8631 0,7449 376,68 0,5337
teste
t
(5,5023) (0,0444)
Equação co-integração (DF)
1
θ
2
r
d
-0,2679 0,1344 2,0460
Teste
t
e valores críticos de
τ
(-4,4768) -2,5828 -1,9433 -1,6150
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,0212 -0,2679 0,1344 19,88 2,0462 0
Teste
t
e valores críticos de
τ
0,0718 (-4,4595) -3,4812 -2,8837 -2,5786
3 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMGO e PMM
3,7781 0,8708 0,8001 516,44 0,5447
teste
t
(5,5023) (22,7255)
Equação co-integração (DF)
1
θ
2
r
d
-0,2825 0,1459 2,2688
Teste
t
e valores críticos de
τ
(-4,7020) -2,5828 -1,9433 -1,6150
Equaçãoco-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,0522 -0,2175 0,1735 13,23 2,0013 1
teste e valores críticos de
τ
t
(0,2079) (-3,3922) -3,4816 -2,8839 -2,5787
4 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMMT e PMM
2,8101 0,9138 0,8078 542,39 0,2907
teste
t
(3,1516) (23,2893)
Equação co-integração (DF)
1
θ
2
r
d
-0,1383 0,0631 1,7435
Teste
t
e valores críticos
τ
(-2,9762) -2,5828 -1,9433 -1,6150
Equaçãoco-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,0705 -0,1380 0,0641 8,77 1,7435 0
teste e valores críticos
τ
t
(0,3530) (-2,9610) -3,4812 -2,8137 -2,5786
Fonte: Elaborada pelo autor.Os valores críticos são respectivamente a 1%, 5% e 10%. As defasagens foram
obtidas, respectivamente pelo critério SIC (5,5085); SIC(5,3240); AIC e SIC (4,9576 e 5,0241);
SIC(4,5431).
119
5.4.2.2 Resultados da co-integração entre preços recebidos pelos produtores e atacado para
diferentes mercados
A Tabela 17 estima a relação de longo prazo entre os preços recebidos pelos
produtores de São Paulo e Goiás, Mato Grosso e Paraná; entre Paraná, Goiás e Mato Grosso;
entre os preços no atacado São Paulo e Paraná.
Todas as equações de longo prazo, estimadas para variáveis em níveis, apresentaram
os coeficientes teoricamente consistentes, e os resultados obtidos são excelentes para as
estatísticas ,, e . O baixo valor da estatística
de Durbin-Watson, com elevado ,
indica autocorrelação serial, o que foi corrigida mediante teste ADF sobre os resíduos.
2
R F t
d
2
R
Para eliminar a autocorrelação, foram usados tanto o critério de AIC quanto de SIC na
determinação do número de defasagens. Para todas as equações, a estatística tau, τ calculada
foi bem superior em módulo aos valores críticos a 1%, 5% e 10%, donde se conclui pela
estacionariedade dos resíduos e pela co-integração das variáveis.
Tabela 17 - Teste de co-integração ADF-EG, dos preços recebidos pelos produtores nos
diferentes mercados: 1982-2003
1 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMSP e PRPGO
0,5364 1,1419 0,9663 7.352,96 0,6333
teste t
(1,5808) (85,7494)
Equação co-integração (DF)
1
θ
2
r
d
-0,3169 0,1584 1,6806
Teste
t e valores críticos de
τ
(-6,9412) -2,5739 -1,9420 -1,6158
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
-0,0122 -0,04380 0,2163 23,0928 1,9976 2
Teste t e valores críticos de
τ
(-0,1185) (-8,0647) -3,4558 -2,8726 -2,5727
2 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMSP e PRPMMT
3,2731 1,0486 0,8317 165,68 0,5642
teste t
(4,4379) (35,5764)
Equação co-integração (DF)
1
θ
2
r
d
-0,2799 0,1374 1,8792
Teste t e valores críticos de
τ
(-6,3890) -2,5739 -1,9420 -1,6158
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
-0,01213 -0,2799 0,1375 40,65 1,8793 0
Teste t e valores críticos de
τ
(-0,0937) (-6,3759) -3,4556 -2,8725 -2,5727
3 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMSP e PRPMPR
0,4452 1,0599 0,9767 10.763,81 0,7695
teste t
(1,5813) (103,7400)
Equação co-integração (DF)
1
θ
2
r
d
-0,3853 0,1928 1,9220
Teste t e valores críticos de
τ
(-7,8222) -2,5739 -1,9420 -1,6158
Equaçãoco-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
-0,0052 -0,3853 0,1929 60,95 1,9220 0
teste e valores críticos de t
τ
(-0,0549) (-7,8069) -3,4556 -2,8725 -2,5727
(continua)
101
(continuação)
4 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMPR e PRPMGO
0,3896 1,0641 0,9652 7.113,88 0,6474
teste t
(1,1211) (84,34)
Equação co-integração (DF)
1
θ
2
r
d
-0,3236 0,1616 1,8464
Teste t e valores críticos
τ
(-7,0269) -3,4556 -2,8745 -2,5727
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
-0,0028 -0,3236 0,1616 49,18 1,8464 0
Teste t e valores críticos
τ
-0,0284 -7,0138 -3,4556 -2,8725 -2,5727
5 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PRPMPR e PRPMMT
2,9470 0,3482 0,8298 1.248,40 0,5600
teste t
(4,2594) (35,33)
Equação co-integração (DF)
1
θ
2
r
d
-0,2774 0,1357 1,8615
Teste
t
e valores críticos
τ
(-6,3431) -2,5739 -1,9420 -1,61587
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,0087 -0,3739 0,1913 14,73 2,0066 3
Teste t e valores críticos
τ
(0,0418) (-6,9032) -3,4559 -2,8727 -2,5728
6 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PAMSP e PAMPR
3,7547 0,9358 0,8008 1.029,30 0,6777
teste t
(5,1440) (32,0828)
Equação co-integração (DF)
1
θ
2
r
d
-0,3437 0,1719 1,7928
Teste t e valores críticos
τ
(-7,2917) -2,5739 -1,9420 -1,6158
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,0102 0,4123 0,3405 7,26 1,9971 15
teste e valores críticos t
τ
(-0,0021) (-4,4875) -3,4557 -2,8726 -2,5731
Fonte: Elaborada pelo autor. Os valores críticos são respectivamente a 1%, 5% e 10 As defasagens foram obtidas
respectivamente pelo critério%. SIC; SIC; SIC (3,7290); AIC e SIC (3,8289 e 3,8565); AIC (5,2710); AIC
(3,3660).
102
5.4.2.3 Resultados da co-integração entre preços internacionais e preços atacado São Paulo e
Paraná
A Tabela 19 mostra os resultados referentes à integração do mercado internacional,
preço do milho na Bolsa de Chicago, primeira entrega, com os preços ao nível de atacado para
São Paulo e Paraná. Para o milho, o Brasil apresenta um considerável grau de vinculação dos
preços internos aos preços internacionais. A equação de longo prazo para o atacado de São
Paulo apresentou coeficiente de determinação baixo
=0,18, mas todos os coeficientes
apresentam-se teoricamente significativos. O baixo valor da estatística
de Durbin-Watson,
foi corrigida pelo teste ADF sobre os resíduos, com três defasagens obtidas pelo o critério de
SIC.
2
R
d
Para todas as equações, a estatística calculada de -6,5551 foi bem superior em
módulo aos valores críticos a 1%, 5% e 10%, donde se conclui pela estacionariedade dos
resíduos, e pela co-integração das variáveis. Resultados análogos foram obtidos para os
preços atacado Paraná, sendo que o grau de vinculação medido através do
= 0,23 foi
melhor. Estes resultados são compatíveis com o obtido por Abreu et alii (2003, p.30), que
obteve aderência de longo prazo = 0,27. Este resultado decorre principalmente, da
localização, nesse Estado, do principal porto de exportação graneleiro do País, o porto de
Paranaguá, refletindo de forma mais intensa as flutuações do mercado internacional.
τ
2
R
2
R
Com o propósito de obter maior robustez para os resultados do teste de co-integração
das séries, fez-se uso da metodologia de Johansen (1988) apresentada no capítulo 3. Os
resultados dos testes de co-integração das séries preços recebidos pelos produtores em São
Paulo, Paraná, Goiás e Mato Grosso, em relação aos preços mínimos, mostram nas Tabelas 28
a 30 que, tanto pela estatística traço quanto de máximo vetor, a existência de dois vetores co-
103
integrados à nível de 1% e 5%, confirmando os resultados já obtidos pelo teste ADF-EG, na
Tabela 18.
Tabela 18 - Teste de co-integração AEG, dos preços atacado milho e preços Bolsa Chicago:
1982/03
7 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PAMSP e PMBC
4,7771 0,4499 0,1805 41,84 0,3629
teste t
(11,3593) (6,4691)
Equação co-integração (DF)
1
θ
2
r
d
0,0896 1,6442
Teste t e valores críticos de
τ
(-5,0223) -2,5739 -1,9420 -1,6158
Equação co-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,005 0,2982 0,1874 14,36 2,0300 3
teste e valores críticos de
t
τ
(-0,1185) (-6,5551) -3,4559 -2,8727 -2,5728
8 Equação de Longo Prazo
0
β
1
β
2
R
F
d
PAMPR e PMBC
3,4487 0,5260 0,2289 76,02 0,4137
teste t
(9,4538) (8,7190)
Equação co-integração (DF)
1
θ
2
r
d
-0,2062 0,1025 1,7198
Teste
t
e valores críticos
τ
(-5,4103) -2,5739 -1,9420 -1,6158
Equaçãoco-integração (ADF)
0
θ
1
θ
2
r
F
d
lags
(com constante sem tendência)
0,0015 -0,2982 0,1806 13,72 1,9965 3
teste e valores críticos t
τ
(0,1185) (-6,7191) -3,4559 -2,8727 -2,5728
Fonte: Elaborada pelo autor. Os valores críticos são respectivamente a 1%, 5% e 10%. As defasagens foram
obtidas respectivamente pelo critério SIC (2,3842); AIC.
De forma análoga, os preços recebidos pelos produtores comparados em diferentes
mercados; preços no atacado para São Paulo e Paraná indicam, como na Tabela 19, tanto a
estatística traço quanto de máximo vetor apresentaram dois vetores co-integrados ao nível de
significância de 5% e um vetor ao nível de 1%.
104
Tabela 19 - Resultados dos testes de co-integração Johansen, dos preços recebidos pelos
produtores e preços mínimos:1982-2003
Hipótese
Estatísticas Valores Críticos
Séries
Ho Autovalor Traço Máx.Vetor 1% 5% 1% 5%
PRPMSP e PMM
0=r
0,7102 254,118 153,606 20,04 15,41 18,63 14,07
1≤r
0,5554 100,512 100,512 6,65 3,76 6,65 3,76
PRPMPR e PMM
0=r
0,7115 262,176 154,175 20,04 15,41 18,63 14,07
1
≤r
0,5814 108,000 108,000 6,65 3,76 6,65 3,76
PRPMGO e PMM
0=r
0,7318 279,540 163,229 20,04 15,41 18,63 14,07
1≤r
0,6085 116,310 116,310 6,65 3,76 6,65 3,76
PRPMMT e PMM
0=r
0,7632 290,607 178,604 20,04 15,41 18,63 14,07
1≤r
0,5947 112,003 112,003 6,65 3,76 6,65 3,76
PRPMSP e PRPMGO
0=r
0,1421 44,357 38,944 20,04 15,41 18,63 14,07
1≤r
0,0210 5,413 5,413 6,65 3,76 6,65 3,76
PRPMSP e PRPMMT
0=r
0,1271 39,938 34,818 20,04 15,41 18,63 14,07
1≤r
0,0198 5,119 5,119 6,65 3,76 6,65 3,76
PRPMSP e PRPMPR
0=r
0,1515 47,112 42,082 20,04 15,41 18,63 14,07
1
≤r
0,0194 5,030 5,030 6,65 3,76 6,65 3,76
PRPMPR e PRPMGO
0=r
0,0886 28,458 23,582 20,04 15,41 18,63 14,07
1≤r
0,0190 4,875 4,875 6,65 3,76 6,65 3,76
PRPMPR e PRPMMT
0=r
0,1197 36,953 32,644 20,04 15,41 18,63 14,07
1
≤
r
0,0167 7,308 4,308 6,65 3,76 6,65 3,76
PAMSP e PAMPR
0=r
0,1725 53,162 48,460 20,04 15,41 18,63 14,07
1≤r
0,0182 4,701 4,701 6,65 3,76 6,65 3,76
Fonte: Elaborada pelo autor.
5.5 Causalidade Granger e modelos VAR
Como exposto nos capítulos 3 e 4, se as variáveis são integradas de ordem um I(0),
realiza-se o teste de causalidade Granger padrão por meio das variáveis em níveis,
denominado de VAR irrestrito. Se, entretanto, além de integradas, forem co-integradas, o teste
causalidade Granger deverá ser realizado para as variáveis na sua primeira diferença com
incorporação do erro, VAR restrito. Assim foi utilizado o VAR irrestrito para a relação entre
variações de estoques e preços mínimos e o VAR restrito para a relação de causalidade entre
preços recebidos pelos produtores e preços mínimos, e preços no atacado São Paulo e Paraná
105
e preços na bolsa de Chicago. A restrição do modelo é o resíduo da equação de longo prazo
inclusa pelo do mecanismo de correção de erros, o que equivale ao modelo VAR com a
primeira diferença, que é denominado modelo VEC.
5.5.1 Resultados da causalidade entre preços mínimos e preços recebidos pelos produtores
Os resultados dos testes de causalidade de Granger estão na Tabela 21. Os testes foram
feitos para os seis modelos VAR, cada um deles tendo uma das seis especificações com
preços mínimos. A quantidade de lags foi escolhida com base nas versões bivariadas do
critério de AIC de Akaike e SBC de Schwartz. A primeira linha da tabela, por exemplo,
mostra que, quando a variável dependente do VAR é o preço mínimo (em primeiras
diferenças), então as defasagens do próprio preço mínimo, dos preços recebidos pelos
produtores de milho São Paulo, são informações que melhoram a previsão dos preços
mínimos. O mesmo não ocorre na direção contrária, exceto para o Estado do Mato Grosso,
onde existe bicausalidade. Na segunda linha, observa-se que se os preços recebidos pelos
produtores de milho São Paulo é a variável dependente, os lags dos preços mínimos não
possuem estatística que aponta para valores significantes. Rejeita-se a hipótese de que a
inclusão de valores defasados dos preços mínimos contribui para explicar os preços recebidos
pelos produtores. Portanto, nesse primeiro VAR, os preços mínimos não causam no sentido
de Granger os preços recebidos pelos produtores de milho São Paulo. Similarmente, os
preços mínimos não causam os preços recebidos pelos produtores Paraná, como mostra a
terceira linha da Tabela 20. O mesmo padrão se repete nos outros quatros VAR. A direção de
causalidade parece estar muito mais dos preços recebidos pelos produtores e atacado para os
preços mínimos do que ao contrário.
F
106
O teste de Granger não implica propriamente a exogeneidade das variáveis; todavia, ele é
a principal ferramenta para avaliar se as informações sobre o comportamento passado de uma
variável são úteis na previsão de uma outra variável. Os resultados da Tabela 20 mostram que
as informações passadas dos preços mínimos não melhoram as previsões dos preços de
mercado. Assim, opta-se por tratar os preços de mercado como variáveis independentes,
embora a causalidade de Granger seja uma condição mais fraca do que a condição para
exogeneidade estrita.
Tabela 20 – Estatística para o teste de causalidade de
Granger para os modelos VAR com preços mínimos
F
Variável dependente PMM PRPMSP R
Lags
D(PMM) 6,022*** 0,415
D(PRPMSP) 1,225 0,126 6
PMM PRPMPR R
Lags
D(PMM) 5,872*** 0,409
D(PRPMPR) 0,760 0,082 6
PMM PRPMGO R
Lags
D(PMM) 4,782*** 0,361
D(PRPMGO) 1,778 0,173 6
PMM PRPMMT R
Lags
D(PMM) 3,497*** 0,293
D(PRPMMT) 2,613** 0,236 6
PMM PAMSP R
Lags
D(PMM) 5,427*** 0,390
D(PAMSP) 1,160 0,120 3
PMM PAMPR R
Lags
D(PMM) 5,429*** 0,390
D(PAMPR) 1,028 0,108 6
*** e ** indicam significância a 1% e 5%, respectivamente. O termo D
( ) mostra que a série foi tratada em primeira diferença.
Os resultados apontam para a política de fixação de preços mínimos como sendo
passiva. A existência de bicausalidade no Estado do Mato Grosso é indicador da presença do
Governo como o maior agente de comercialização no Centro-Oeste.
107
5.5.2 Resultados da causalidade das variações de estoques governamentais e variações dos
preços recebidos pelos produtores e atacado
A Figura 20 mostra o comportamento da variação nos estoques de milho do governo e
dos preços recebidos pelos produtores e atacado em Goiás, Mato Grosso, Paraná e São Paulo.
As especificações das variáveis são a variação e não os valores absolutos de preços e
estoques. Assim, quando o governo compra o produto, a variação de estoques é positiva,
enquanto que quando o governo vende seus estoques, a variação é negativa, .
Os efeitos destas variações sobre as variações de preços é que são avaliadas. Percebe-se que
as flutuações tanto de estoques quanto de preços em todos os mercados oscilam em torno de
zero, indicando média e variância aproximadamente constantes ao longo da série, o que é um
indicador de estacionariedade.
0>∆Ε 0<∆Ε
-80
-60
-40
-20
0
20
40
60
80
87
88
89
90
91
92
93
94
95
96
97
98
99
00
01
02
03
PRPMG EM
Variação dos PRPM GO e EM G
-80
-60
-40
-20
0
20
40
60
80
87
88
89
90
91
92
93
94
95
96
97
98
99
00
01
02
03
PRPMM EM
Evolução da variação PRPM MTe EMG
-80
-60
-40
-20
0
20
40
60
80
87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03
PRPMPR EMG
Evolução da variação PRPMPR e EMG
-80
-60
-40
-20
0
20
40
60
80
87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03
PAMPR EMG
Evolução dos PAMPR e EMG
-80
-60
-40
-20
0
20
40
60
80
87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03
PRPMSP EMG
Evolução dos PRPMSP e EMG
-80
-60
-40
-20
0
20
40
60
80
87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03
PAMSP EMG
Evolução dos PAMSP e EMG
Figura 20 - Variação percentual dos preços recebidos pelos produtores, atacado e estoques de milho do governo.
Com o propósito de testar as hipóteses de Lopes e outros, de que os preços agrícolas
são formados pelos estoques, no sentido de que são as vendas e compras do produto pelo
108
governo que determinam os preços de mercado e não o contrário, de que são os preços que
determinam as variações dos estoques, foi realizado o teste de causalidade Granger,
utilizando as variáveis com especificação da variação percentual.
Quanto aos testes, observa-se, com base na Tabela 22, que os valores do teste
calculado para as equações onde o estoque de milho do governo aparece como valores
defasados, = 1,0705; 2,2575; 1,1819; 1,8933; são inferiores para níveis de significância de
1% e 5% aos valores críticos tabulados (Tabelas A.1 e A.2 do Apêndice). Assim, rejeita-se a
hipótese de que a inclusão de valores defasados da variação dos EMG contribui para explicar
a variação nos preços recebidos pelos produtores (PRPM) e preços no atacado de milho
(PAM). Portanto, rejeita-se a hipótese de que estoques do governo “causa Granger” efeito
sobre os níveis de preços. Por outro lado, os testes onde aparecem os preços defasados, os
valores calculados da estatística = 7,2039; 8,6951; 7,8329 6,5640; 7,6078; são maiores do
que os valores tabulados. Assim sendo, aceita-se a hipótese de que a inclusão de valores
defasados dos preços recebidos pelos produtores e preços atacado, explicam os níveis de
estoques governamentais. Portanto, aceita-se igualmente a hipótese de que o nível de preços
“causa Granger” o nível de estoques do governo. Ocorre contudo que, tanto o mercado
atacado São Paulo, quanto preços recebidos pelos produtores de Mato Grosso indicaram
bicausalidade para nível de significância de 5%. Esse resultado reflete o forte peso do
Governo na comercialização dos estados do Centro-Oeste, notadamente Mato Grosso e, os
leilões de vendas de milho do governo, concentra-se no Estado de São Paulo.
F
F
F
Estes resultados, entretanto, merecem algumas considerações. A primeira observação é
de que apesar do teste Granger, ser sensível a escolha do tamanho da defasagem, todos os
resultados se mantêm para diferentes níveis de defasagens, lags = 2,3,4,5 e 6, e não alteram o
sentido da causalidade. Isto torna robustos os resultados. Outro aspecto relevante é o de que,
sendo as variações percentuais de preços e estoques estacionárias, o teste Granger não precisa
109
incorporar os resíduos e a causalidade pode ser realizada pelo modelo padrão. Igualmente
importante é o fato de que a análise impulso-resposta pode ser realizada com as variáveis sem
incorporação do mecanismo de erro.
Do ponto de vista da política de preços mínimos, caracteriza-se a mobilização e
desmobilização de estoques como sendo passiva.
Tabela 21 - Resultados dos testes de causalidade Granger para as séries de preços de milho e
estoques do governo
Hipótese Nula (
)
0
H
T
lags
F-estatística Probabilidade
Rejeição de )(
0
H
PAMPR não causa Granger EMG 192
1,5
7,2039 3,6E-06
Sim
EMG não causa Grager PAMPR
1,0705 0,3782
Não
PAMSP não causa Granger EMG 192
1,5
8,6951 2,1E-07
Sim
EMG não causa Granger PAMSP
3,0515 0,0114
Sim
PRPMGO não causa Granger EMG 192
1,5
7,8329 1,1E-06
Sim
EMG não causa Granger PRPMGO
2,2575 0,0506
Não
PRPMMT não causa Granger EMG 195
1,2
3,3155 0,0453
Sim
EMG não causa Granger PRPMMT
3,1452 0.1772
Sim
PRPMPR não causa Granger EMG 192
1,5
6,5640 1,2E-05
Sim
EMG não causa Granger PRPMPR
1,1819 0,3197
Não
PRPMSP não causa Granger EMG 192
1,5
7,6078 1,6E-06
Sim
EMG não causa Granger PRPMSP
1,8933 0,0975
Não
Fonte: Elaborada pelo autor.
5.5.2.1 Resultados da análise impulso-resposta entre variações de estoques e preços recebidos
pelos produtores
Com duas variáveis e duas inovações, têm-se quatro funções de impulso-resposta. As
seqüências dessas funções são mostradas nas Figuras 21 a 25, para os preços recebidos pelos
produtores, atacado e estoques do governo. Observa-se em todas as figuras que os efeitos
provocados por choques externos se propagam ao longo dos meses, anulando-se em torno do
sétimo mês, indicando de forma inequívoca tratar-se de séries estacionárias. Verifica-se na
110
Figura 21 que os efeitos dos choques externos transmitidos pelos estoques (EMG) sobre os
preços recebidos pelos produtores Goiás (PRPGO) são estatisticamente pouco expressivos;
nota-se que os efeitos se aproximam de zero. Os efeitos dos choques externos dos preços
sobre os níveis de estoques são estatisticamente significativos, observando-se que até o oitavo
mês estão bem afastados de zero. Convém observar que as variações no estoque situam-se
abaixo da reta de convergência, sugerindo que até o equilíbrio seja restabelecido; por volta do
oitavo mês, existe uma relação inversa entre variações dos estoques e variações nos preços.
Em outras palavras, um aumento nos preços é acompanhado de uma redução no nível de
estoques, o que caracteriza este instrumento (mobilização e desmobilização de estoques)
como sendo estritamente de estabilização. Todas as outras praças seguem basicamente a
mesma tendência do mercado de Goiás analisado.
-4
-2
0
2
4
6
8
10
2 4 6 8 10 12 14
Response of PRPMGO to EMG
-8
-4
0
4
8
12
16
2 4 6 8 10 12 14
Response of EM G to PR PMG O
Response to Cholesky One S.D. Innovations ± 2 S.E.
Figura 21 - Propagação dos choques de um desvio-padrão sobre as vaiáveis preços
recebidos pelos produtores de milho Goiás e do estoque de milho do governo num
período de 15 meses.
111
-4
-2
0
2
4
6
8
10
2 4 6 8 10 12 14
Response of PRPMPR to EMG
-8
-4
0
4
8
12
16
2 4 6 8 10 12 14
Response of EMG to PRPMPR
Response to Cholesky One S.D. Innovations ± 2 S.E.
Figura 22 - Propagação dos choques de um desvio-padrão sobre as variáveis, preços
recebidos pelos produtores de milho Paraná e do estoque de milho do governo, num
período de15 meses
-2
0
2
4
6
8
10
2 4 6 8 10 12 14
Response of PRPMSP to EMG
-8
-4
0
4
8
12
16
2 4 6 8 10 12 14
Response of EMG to PRPMSP
Response to Cholesky One S.D. Innovations ± 2 S.E.
Figura 23 - Propagação dos choques de um desvio-padrão sobre as vaiáveis preços
recebidos pelos produtores de milho, São Paulo e do estoque de milho do governo
num período de 15 meses
-4
-2
0
2
4
6
8
10
2 4 6 8 10 12 14
Response of PAMPR to EM G
-8
-4
0
4
8
12
16
2 4 6 8 10 12 14
Response of EM G to PAMPR
Response to Cholesky One S.D. Innovations ± 2 S.E.
Figura 24 - Propagação dos choques de um desvio-padrão sobre as vaiáveis preços
atacado milho Paraná e do estoque de milho do governo num período de 15 meses.
112
-4
-2
0
2
4
6
8
10
2 4 6 8 10 12 14
Response of TPAMSPO to TEMG
-8
-4
0
4
8
12
16
2 4 6 8 10 12 14
Response of EMG to PAMSP
Response to Cholesky One S.D. Innovations ± 2 S.E.
Figura 25 - Propagação dos choques de um desvio-padrão sobre as vaiáveis preços
atacado milho São Paulo e do estoque de milho do governo num período de 15
meses.
5.6. Integração dos mercados domésticos
Para testar a hipótese de não-integração dos mercados sugerida em Rezende (2000) e
outros, faz-se uso da estimativa da equação de longo prazo, juntamente com a análise de co-
integração entre os diferentes mercados, já mencionados nas Tabelas. Todos os resultados
foram consistentes com forte integração dos mercados. Para tornar mais robustos o teste desta
hipótese, recorreu-se a dois outros métodos: -análise de convergência e causalidade Granger,
com variáveis na primeira diferença e inclusão do mecanismos de correção de erros que
equivale ao modelo VEC, resultando daí a análise impulsional.
5.6.1 Resultados dos testes de convergência baseado em raízes unitárias
Utiliza-se o teste de convergência conforme equação 3 no capítulo 4. Para todos os
casos em análise, preços recebidos pelos produtores de milho em São Paulo e Goiás; São
Paulo e Mato Grosso; São Paulo e Paraná; Paraná e Goiás; Paraná e Mato Grosso,
apresentaram convergência como mostra a Tabela 23.
113
Tabela 22 - Testes de convergência baseado na raiz unitária do logaritmo da diferença dos
preços recebidos pelos produtores de milho, 1982-2003.
Estados
k
ADF
p
valor sobre
p
valor sobre
intercepto tendência
São Paulo-Goiás 2 -6,8227 0,0000 0,7762
São Paulo-Mato Grosso 3 -8,0095 0,0000 0,5991
São Paulo-Paraná 0 -8,0095 0,0000 0,7030
Paraná-Goiás 0 -7,1873 0,0000 0,5185
Paraná-Mato Grosso 2 -5,9417 0,0000 0,5819
Fonte: Elaborada pelo autor.
Os testes rejeitam a hipótese nula a nível de significância de 1%, 5% e 10%. O nível de
defasagem , foi obtido pelo critério de AIC.
k
5.6.2 Resultados da análise impulsional baseada no VAR restrito
A Figura 26, mostra a propagação dos choques dos preços recebidos pelos produtores
de milho São Paulo com relação aos preços recebidos pelos produtores nos Estados do
Centro-Oeste (Goiás e Mato Grosso) e Sul (Paraná). Deve-se observar que todos os estados
absorvem rapidamente o choque, restabelecendo a condição de equilíbrio em no máximo oito
meses. Os impactos dos preços de Goiás, sobre os preços em São Paulo, são positivos
aumentando até o quinto mês, onde atinge o pico, voltando a estabilizar-se em torno do
décimo mês. Os impactos dos preços de São Paulo sobre os preços de Goiás são um aumento
mais lento, levando em torno de dez meses, e estabiliza-se também neste período.
114
.0 0
.0 2
.0 4
.0 6
.0 8
.1 0
.1 2
5 10 15 20 25 30
Response of PR PM SP to PR PM SP
.0 0
.0 2
.0 4
.0 6
.0 8
.1 0
.1 2
5 10 15 20 25 30
Response of PR PM SP to PR PM G O
.0 4
.0 5
.0 6
.0 7
.0 8
.0 9
.1 0
.1 1
5 10 15 20 25 30
Response of PR PM GO to PR PM SP
.0 4
.0 5
.0 6
.0 7
.0 8
.0 9
.1 0
.1 1
5 10 15 20 25 30
Response of PR PM GO to PR PM GO
Response to Cholesky O ne S .D . Innovations
Figura 26 - Propagação dos choques de um desvio-padrão dos preços recebidos pelos
produtores de milho São Paulo sobre os preços recebidos pelos produtores de Goiás num
período de 30 meses.
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PRPM SP to PR PM SP
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PRPM SP to PRPM PR
.04
.05
.06
.07
.08
.09
.10
5 10 15 20 25 30
Response of PR PM PR to PRPM SP
.04
.05
.06
.07
.08
.09
.10
5 10 15 20 25 30
Response of PRPM PR to PR PM PR
Response to Cholesky One S.D. Innovations
Figura 27 - Propagação dos choques de um desvio-padrão dos preços recebidos pelos
produtores de milho São Paulo sobre os preços recebidos pelos produtores de Paraná
num período de 30 meses.
115
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PRPM PR to PRPM PR
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PR PM PR to PRPM GO
.03
.04
.05
.06
.07
.08
.09
.10
.11
5 10 15 20 25 30
Response of PRPM GO to PRPM PR
.03
.04
.05
.06
.07
.08
.09
.10
.11
5 10 15 20 25 30
Response of LPRPM GO O to LPRP MGO O
Response to Cholesky One S.D. Innovations
Figura 28 - Propagação dos choques de um desvio-padrão dos preços recebidos pelos
produtores de milho Paraná sobre os preços recebidos pelos produtores de milho Goiás
num período de 30 meses.
-.02
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PRPM PR to PR PM PR
-.02
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PR PM PR to PRPM M T
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PR PM M T to PRPM PR
.00
.02
.04
.06
.08
.10
.12
5 10 15 20 25 30
Response of PRPM M T to PRPM M T
Response to Cholesky One S.D. Innovations
Figura 29 - Propagação dos choques de um desvio-padrão dos preços recebidos pelos
produtores de milho Paraná sobre os preços recebidos pelos produtores de milho Mato
Grosso num período de 30 meses.
116
5.6.3 Resultados da causalidade entre preços atacado São Paulo e Paraná e preços
internacionais
Com base na Tabela 23, pode-se concluir que a hipótese nula de que os preços do
milho atacado São Paulo não causa Granger os preços na Bolsa de Chicago não foi rejeitada,
enquanto que a hipótese nula de que preços na Bolsa de Chicago não causa Granger preços no
tacado São Paulo foi rejeitada. Este resultado já era esperado dado a inexpressiva
participação do Brasil no mercado internacional de milho, caracterizando-o como tomador de
preços apesar de ser um grande produtor mundial. A importância deste fato é destacar que
mesmo com um elevado grau de proteção ao comércio do milho, os preços internos são
vinculados ao mercado internacional.
Tabela 23 - Resultados dos testes de causalidade Granger para as séries preço milho Bolsa
de Chicago (PMBC) e preços no atacado milho São Paulo (PAMSP), tomados
em nível.
Hipótese Nula )(
0
H
lags T
F-estatistica Probabilidade
Rejeição de (
)
0
H
PAMSP não causa Granger PMBC 1,4 256 0,5624 0,0901 Não
PMBC não causa Granger PAMSP 1,4 256 2,7543 0,0245 Sim
PAMPR não causa Granger PMBC 1,4 256 0,6077 0,6543 Não
PMBC não causa Granger PAMPR 1,4 256 4,3209 0,0021 Sim
Fonte: Dados da Pesquisa.
6 CONCLUSÕES
A política de fixação de preços mínimos, como a de desmobilização de estoques
resultaram como sendo passivas. Há integração dos mercados, e o custo de transferência do
produto resultou neutro.
Os resultados da relação de longo prazo entre preços mínimos na safra e preços
recebidos pelos produtores mostraram que as variáveis são co-integradas, com forte relação
de longo prazo entre elas. A magnitude dos coeficientes mostra uma relação de longo prazo
mais forte nos Estados de Goiás e Mato Grosso do que nos Estados de São Paulo e Paraná.
Para os testes da política de mobilização e desmobilização dos estoques
governamentais sobre os preços recebidos pelos produtores, os testes mostraram inexistência
de co-integração entre as variáveis.
Existe causalidade unidirecional no sentido de que são os preços recebidos pelos
produtores e atacado que explicam os níveis de estoques. Preços recebidos pelos produtores e
atacado causam Granger estoques, e não o contrário. Esta constatação define a política de
compras e vendas de estoques como sendo passiva, e não ativa, como assume a maior parte
dos estudos para o Brasil. Como já salientado, este fato torna-se particularmente importante
no sentido de redirecionar as discussões para o tamanho ótimo dos estoques para cada
produto, dado que a política de estabilização passa a depender da existência dos estoques.
Os choques externos transmitidos pelos estoques sobre os preços não são
estatisticamente significativos enquanto que, de forma contrária, os choques externos
transmitidos pelos preços sobre os estoques são estatisticamente significativos, nos Estados de
São Paulo, Paraná, Goiás e Mato Grosso.
Existe relação inversa entre variações nos preços e variações nos estoques, o que
caracteriza o instrumento como redutor da variabilidade de preços dentro do ano, safra e
entressafra. Adicionalmente, o impacto dos preços recebido pelos produtores sobre os níveis
138
de estoques tem efeito transitório. Enquanto isso, os choques das variações externas dos
preços sobre os estoques são de queda no nível de estoques até o terceiro mês, sendo seguidos
de uma redução nas vendas até o oitavo mês, quando o sistema retorna para a situação pré-
choque.
Para os testes de integração do mercado, as variáveis mostraram-se co-integradas. Os
coeficientes das equações de longo prazo apresentaram forte relação entre São Paulo e outros
Estados (GO e PR) e também entre Paraná e Goiás. Este fato indica forte interdependência
dos preços nos centros consumidores líquidos e “excedentários”, caracterizando forte
transmissão de preços entre estes.
Tanto os mercados de São Paulo com relação a Goiás, Mato Grosso e Paraná, como o
mercado do Paraná com relação a Goiás e Mato Grosso convergem no tempo, significando
que não apenas existe transmissão de preços, como principalmente os diferenciais de preços
para os mesmos níveis de mercado tendem a desaparecer. Esta conclusão é particularmente
importante, porque determina que os custos de transferência do produto não são relevantes
apresentando comportamento neutro, no que se refere à integração dos mercados, ao contrário
do que estabelece a literatura.
Para a praça de São Paulo, observa-se que os choques externos transmitidos pelos
preços recebidos pelos produtores de Goiás sobre os preços de São Paulo, fazem com que
estes se elevem até o décimo mês, quando se estabiliza. Por outro lado, o choque exógeno
transmitido pelos preços de São Paulo sobre os preços de Goiás faz com que estes se elevem
até o quarto período, quando cai até o nono, atingindo uma certa estabilidade um pouco acima
do nível pré-choque. Conclui-se, então, que os preços em Goiás respondem mais rapidamente,
enquanto os de São Paulo são mais lentos. Também se ressalta o fato de que os aumentos de
preços de São Paulo tendem a ser permanentes, enquanto os de Goiás são transitórios,
assimilando como definitiva apenas uma pequena parte do aumento de preços.
139
Com relação o mercado do Paraná, os choques externos transmitidos pelos preços de
Goiás sobre os do Paraná fazem com que estes se elevem até o décimo quarto período,
estabilizando-se neste novo patamar. Por outro lado, o choque exógeno transmitido pelos
preços do Paraná sobre os preços de Goiás faz com que estes se elevem até o quarto período,
quando cai até o oitavo, atingindo uma certa estabilidade um pouco acima do nível pré-
choque.
De um modo geral, os preços de São Paulo reagem mais lentamente a choques
exógenos transmitidos por outros mercados, mas as variações ocorrem de forma permanente,
enquanto que as outras praças (Goiás e Paraná) reagem mais rapidamente, mas de forma
transitória, assimilando como definitiva apenas uma pequena parte do aumento de preços. O
mesmo comportamento ocorre na praça do Paraná com relação ao Mato Grosso.
Os resultados das relações de preços internacionais e preços domésticos mostram
existência de relação de longo prazo.
As relações entre preços na Bolsa de Chicago e no atacado São Paulo e Paraná
apresentaram causalidade unidirecional, no sentido de que são os preços internacionais que
explicam os preços domésticos, indicando certo grau de aderência dos preços domésticos aos
internacionais.
A maioria dos resultados aqui obtidos para o caso do milho, contrasta com grande
parte das hipóteses assumidas na literatura, sendo, portanto, oportuno em estudo posterior,
verificar se a utilização de modelos VAR, que contempla aspectos de longo prazo da política
agrícola, produz resultados análogos aos aqui obtidos para outros produtos da PGPM.
Assim, estudos posteriores deverão estimar os níveis ótimos de estoques para os vários
produtos que compõem a PGPM, principalmente dos alimentos, o que equivale assegurar a
eficácia da política. Com relação à integração dos mercados, constatou-se que os custos de
transferência são neutros no que se refere à transmissão de preços.
BIBLIOGRAFIA
ABREU, M. de Paiva., MEDEIROS, M.C., WERNECK, R.L (2003). Formação de Preços de
Commodities: Padrões de vinculação dos preços internos aos externos. Rio de Janeiro, PUC,
abril, (Texto para Discussão Nº 474)
AHLUWALIA, D.,(1993) Public distribution of food in India: Coverage, targeting and
leakages,
Food Policy
, February, pp. 33-54.
AHMED, J. and A C.C KWAN. (1991) Causality between exports and economic growth.
Economics Letters
, 37, pp. 243-248.
AHSAN, S.M., A C.C. KWAN and B.S. SAHNI (1992). Public expenditure and national
income causality: Further evidence on the role of omitted variables,
Southern Economics
Journal 5, pp. 623-634.
AHSAN, S.M., KWAN, A C.C. e SAHNI B.S.(1989). Causality between government
consumption expenditure and national income: OECD countries,
Public Finance
44, pp.204-
224.
AKAIKE, H. (1973). Information Theory and extends of the maximum likehood principles,
Second International Simposium on Information Theory (BN Petrov & F. Csaki, Eds.),
Budapest, Akademia Kaido, pp.267-281.
AKAIKE, H. (1974). A new look at the statistical model identification, IEEE Transactions
Automatic Control, vol.19, pp.716-723.
ALVES, Eliseu (1988). “Os dilemas da Política Agrícola Brasileira. Revista de Economia e
Sociologia Rural, Brasília, vol. 26, nº 1, pp. 1-22.
ALVES, Eliseu. (1991). “A Agricultura e o Plano de Estabilização”, Revista Brasileira de
Economia, Rio de Janeiro, vol.45, pp. 311-7.
ANDERSON, W., M.S. WALLACE and J.T.WARNER. (1986) Government spending and
taxation. What causes what?
Southern Economic Journal
52, pp. 630-639.
ARANTES, Pedro F. (1988). Proposta para fixação de preços mínimos safra 1987-1988,
pp.211-16. In: Preços mínimos:Estudos Técnicos, 1987/88, Brasília.
BAFFES, J. and SHAH, A.,(1990). Taxing choices in deficits reduction, Working paper
series, nº 556 (The world Bank, Washington, Dc) Dec.
BALASSA, Bela. (1978) Exports and economics growth. Further evidence, Journal of
Development Economics 5, nº 2, pp.181-189.
BANCO MUNDIAL (1990)- Brazil: trend policy. (Report, n.7765 –BR).
141
BANERJEE, A., and HENDRY, D.F. (1992). Testing integration and cointegration: An
overview. Oxford Bulletin of Economics and Statistics
, 54, pp. 225-255.
BARBOSA, F. de H., e WAIZBORT, E. (1979). Expectativa versus ajustamento no modelo
de Nerlove de produtos agrícolas: alguns resultados para o Brasil. Revista de Economia Rural
,
17, pp.163-81.
BARRO, R.J., e SALA-I-MARTIN, X., (1994). Convergence. Journal of Political Economy
,
100, pp. 223-251.
BARROS, G., GUIMARÃES, V. (1998) Análise da eficácia da política de preços para arroz e
milho por meio de um modelo econômico de expectativas racionais. Revista de Economia e
Sociologia Rural, vol. 36, nº 4, pp.113-133.
BARROS, G.S.C. e MARTINES FILHO, J.G. (1990). Transmissão de preços e margens de
comercialização de produtos agrícolas. In: DELGADO, G. et. alli (eds.), Agricultura e
políticas públicas. Brasília: IPEA, pp. 515-65.
BELIK, Walter (1989). Estado, grupos de interesse e formação de políticas para a
agropecuária brasileira. Revista de economia e sociologia rural
, vol. 36, nº 1, pp.9-36.
BERNARD, A., DURLAUF, S. (1996) Interpreting tests of the convergence hypothesis.
Journal Econometrics
, vol.71, pp.161-173.
BERNARD, A., DURLAUF, S. (1995). Convergence in international output. Journal of
Applied Econometrics , vol.10, pp.97-108.
BOX, George E.P., and JENKINS, Gwilym (1976). Time Series Analysis forecasting and
control. Holden-Day, Inc. Oakland, Califórnia.
BOX, G.E.P. and PEARCE, D.A (1970), Distribution of Residual Autocorrelations in
Autoregressive integrated moving avereage time series models, Journal of the American
Statistical Association, vol.65, pp.1509-1526.
BRESSAN, Filho (1999). A. A construção da Nova Política Agrícola. In: Anais do XXXVII
Congresso Brasileiro de Economia e Sociologia Rural, Brasília.
BURNQUIST, Heloísa Lee. (1997). “A proteção nominal da agricultura e o regime cambial
1972/94”, Pesquisa e Planejamento Econômico
, Rio de Janeiro, vol.27, nº 2, pp.434-457.
CANOVA, F. (1999). Vector autoregressive models. Specification, estimation, inference and
forecasating. M.H. Pesaran & M. Wickens. Handbook of Applied Econometrics. vol.1
macroeconomics. Blackwekll.
CASTRO, N., REZENDE, G.C. de (2001). A expansão agrícola nos cerrados e o papel das
políticas de preços mínimos, de crédito rural e transportes. Relatório de pesquisa Projeto
Nemesis/Phonex, pelo CNPq e pela Rede- Ipea, Rio de Janeiro, novembro.
CHOW, P.C.V., (1987). Causality between export growth and industrial performance:
Evidence from NICs, Journal of Development Economics
76, pp.55-63.
142
CINCA, Alfonso Novales. (1993). Econometria. 2.ed.Madri: McGraw-Hill.
Comissão de Financiamento da Produção (CFP) - Anuário Estatístico, MA, Brasília, vários
anos.
Comissão de Financiamento da Produção (CFP)-Preços Mínimos: estudos técnicos, MA,
Brasília, vários anos.
Companhia Nacional de Abastecimento (CONAB) – Informações básicas sobre estoques
públicos de alimentos. Brasília, 4 de junho de 1999.
CONCEIÇÃO, J.C.P.R da ( 2002 ). Contribuição dos novos instrumentos de comercialização
(Contratos de opção e PEP) para estabilização de preços e renda agrícolas. Brasília, IPEA,
dezembro. (Texto para Discussão, Nº 927).
CONCEIÇÃO, J.C.P.R (2003) Política de preços mínimos e a Questão do Abastecimento
Alimentar, IPEA, Brasília, (Texto para Discussão, Nº 993),
CONTADOR, Claúdio R. (1979) A política de preços mínimos no Brasil. In: LOPES, M.R.
A política de preços mínimos: estudos técnicos, 1949/1979, Brasília, CFP. (Coleção Análise e
Pesquisa, 11), pp.87-111.
COSTA, S.M.A Lima; FERREIRA FILHO, Joaquim B. de Souza. (2000). “Liberalização
Comercial no Brasil e Integração nos Mercados de Commodities Agrícolas: os Mercados de
Algodão, Milho e Arroz”, Revista de Economia e Sociologia Rural
, vol.38, nº 2, pp.
DAVIDSON, R. and MACKINNON, J.G.(1993). Estimation and Inference in Econometrics,
Oxford Economic Press, Nova York.
DELGADO, G.C.(2002). Estoques governamentais de alimentos e preços públicos. Brasília:
IPEA, dezembro, (Texto para Discussão, Nº 395).
DICKEY, D.A; FULLER W.A (1979). “Distribution of the estimators for autoregressive time
series with a unit root” , Journal of the American Statistical Association
. Nº 74, p. 427-431.
DICKEY, D.A; FULLER W.A (1991). Likelihood ratio statistics for autoregressive time
series with a unit root. Econometrica
, 49, p.1057-1072.
DURAN, Túlio A. (1979) A política de preços mínimos no Brasil. In: LOPES, M.R. A
política de preços mínimos: estudos técnicos, 1949/1979, Brasília, CFP. (Coleção Análise e
Pesquisa, 11), pp.141-157.
DURBIN, J. (1970) Testing for serial correlations in least square regression when some of the
regressors are lagged dependent variables, Econometrica
, 30, pp.410-421.
DURLAUF, S., JOHNSON, P.(1995). Multiple regimes and cross-country growth behaviour.
Journal of Applied Econometrics
, vol.10, pp.365-384.
143
EDWARDS, S. (1993). Openness, trade liberalization, and growth in developing countries.
Journal of Economic Literature
, Sep, vol. 31, nº 3.
ENDERS, W.(1995). Apllied econometric time series. John Willey & Sons, Inc.
ENGLE, D., GRANJER, C. W. J. (1987). Co-integration and error correction: representation
estimation and testing. Econometrica
, v.55, pp.251-276.
ENGLE, R.F., YOO, B.S. (1997). “Forecasting and testing in co-integrated systems.” Journal
of Econometrics, nº 35, p.143-159.
FAJANA, O (1979). Trade and growth: The Nigerian experience; World Development
V, nº
1, 78.
FARINA, E. M., NUNES, R. (2003) A Evolução do sistema agroalimentar no Brasil e a
redução de preços para o consumidor. Os efeitos da atuação dos grandes compradores.
Brasília, IPEA, agosto 2003, Texto para discussão, 970.
FEDER, G.(1983). On exports and economic growth. Journal of Development Economics
, 12.
nº. 1-2, pp.59-73.
Fundação Getúlio Vargas (FGV).
GASQUES, J. C., BASTOS, E.T., CONCEIÇÃO, J.C.P.R. da (2004) Condicionantes da
produtividade da agropecuária brasileira. Brasília, IPEA, abril 2004, Texto para Discussão,
1017.
GASQUES, J. C., VILA VERDE, C.M. (1995) Prioridades e orientação do gasto público em
agricultura. Brasília, IPEA, janeiro. (Texto para Discussão, Nº 365)
GASQUES, J. G.(2001). Gastos Públicos na Agricultura. In: GASQUES, J.G.:
CONCEIÇÃO, J.C.P.R. Transformação da Agricultura brasileira e políticas Públicas, Brasília:
Ipea.
GONZALEZ-RIVERA. G.; Helfand. S.M.(2001.a) The extent pattern, and degree of
integration: a multivariate approach for the brazilian rice market. American Journal of
Agricultural Economics ago., vol. 83. nº 3.
GRAMACHO, A.J. de A. (1978). Distribuição espacial dos preços mínimos. Brasília:
Coleção Análise de Pesquisa, nov., vol. 10, CFP.
GRANGER, C.W. J and NEWBOLD, J. P.(1974) “Spurius Regressions in Econometrics”,
Journal of Econometrics
, vol.2, pp.111-120.
GRANGER, C.W.J and NEWBOLD, J. P.(1976) Forescating transformed series, Journal of
the Royal Statistical Society, Series B, vol.38, pp.189-203.
GRANGER, C.W. (1969) “Investigating Causal Relationships by Econometric Models and
Cross – Spectral Methods,” Econometrica
, vol.37, pp.424-438.
144
GUJARATI, D.N.(2000). Econometria Básica. 3 ed. Makron Books, São Paulo.
HAKKIO, G. and M. RUSH, (1991). Is the budget deficit too large? Economic Inquiry
29,
pp. 429-445.
HAMILTON, J. (1994) Time Series Analysis, NJ: Princeton University Press.
HELFAND, S. M., REZENDE, G.C. de. (2000) Mudanças na distribuição espacial da
produção de grãos, aves e suínos no Brasil: O papel do Centro-Oeste. Planejamento e
Políticas Públicas, nº 19, pp.219-273, junho, (Texto para Discussão, 731).
HELLER, P. and R. PORTER (1978). Exports and growth. An emphirical reinvestigation.
Journal of Development Economic
5, nº 2, pp.191-193.
HENDRY, D.F & JUSELIUS, K (1999) Explaing cointegration analysis: Part I and Part II.
(http://www.econ.ku.dk/okokj/).
HENDRY, D.F., PAGAN, A.R. and SARGAN, J.D., 1984, Dynamics specification, in:Z.
Griliches and M.D. Intriligator, eds., Handbook of econometrics, vol II, Chap. 18 (North-
Holland, Amsterdam)
HSIAO, M.C.W.(1981). “Autoregression Modelling and Money – Income Causality
Detection.” Journal of Monetary Economics
, vol. 7, pp.85-106.
HSIAO, M.C.W.( 1987). Tests of causality and exogeneity between exports and economic
growth: The case of the Asian NICs, Journal of Economic Development
, vol.12, pp.143-159.
Instituto Brasileiro de Geografia e Estatística -IBGE
JOHANSEN, S. (1998).“Statistical analysis of co-integration vectors.” Journal of Economics
Dynamics and Control. vol.12, pp.231-254.
JOHANSEN, S. e JUSELIUS, K.(1991). “Maximum likehood estimation and inference on
cointegration with application to the demand for money” Oxford bulletin of economics and
statistics, vol.52, pp.169-209.
JOHNSON, David Gale.(1988). “A Liberação do Comércio Externo e as Políticas Agrícolas
Domésticas”, CFP - Carta Mensal da SUPEC
, ano 3, nº 9, Brasília, pp.1-11.
JUNG, Woo S. and MARSHALL, Peyton J. (1985). Exports, Growth and causality in
Developing Countries. Economics Letters
, vol. 18, pp.1-12.
KENDALL, M.G. e STUART, A (1961) The Advanced Theory of Statistics, Charles Griffim
Publishers, Nova York.
KING, R.G., e WATSON, M.W. (1992) Testing long run neutrality, Working Paper, Nº 4156,
National Bureau of Economic Research, Cambridge, M.A.
145
KNUDSEN, Odin e NASH, John. (1990). Domestic Price Stabilization Schemes in
Development Countries. Economic Development and Cultural Change
, pp.539-558.
KUME, H.(1996). A política de importação no Plano Real e a estrutura de proteção efetiva.
Rio de Janeiro: IPEA, maio, (Texto para Discussão, 423).
KWAN, A C.C and J. COTOMOTIS. (1991) Economic growth and the expending export
sector: China 1952-198, International Economic Review
, 5, pp.105-117.
LEFF, Nathaniel H (1977). Política Econômica e Desenvolvimento no Brasil 1947-1964.ed.
Perspectiva, São Paulo.
LEFF, Nathaniel H. (1968) “The ‘Exportable Surplus’ Approach to Foreign Trade in
Underveloped Countries”, Economic Development and Cultural Change
, vol. 17, nº 3,
pp.346-53.
LJUNG, G.M., and BOX, P.E. (1978). On a Measure of Lack of Fit in Time Series Models,
Biometrika
, vol.66, pp.66-72.
LOPES, Mauro de Rezende (1983). Formação e Estabilização dos preços agrícolas. A
especulação nos mercados agrícolas e a formação da renda do produtor. CFP - Coleção
Análise e Pesquisa, vol.28, Brasília.
LOPES, Mauro de Rezende (1987). “Política Agrícola: Fonte de Incerteza”, em Revista de
Economia Rural, 25(1), pp.1-30.
LOPES, Mauro de Rezende (1988). Comercialização Interna e Externa da Produção Agrícola:
Principais Problemas e Sugestões. In: BRANDÃO, A. S. P. (ed.) Os principais problemas da
Agricultura brasileira: Análise e Sugestões. Rio de Janeiro: PNPE/IPEA, (Série PNPE, 18).
LOPES, Mauro de Rezende (1986). A Intervenção do Governo nos Mercados Agrícolas no
Brasil. O Sistema de Regras de Interferência no Mecanismo de Preços, CFP - Coleção Análise
e Pesquisa, vol.33, Brasília.
MADDALA, G.S.(2003). Introdução à Econometria, 3ª ed., LTC, Rio de Janeiro.
MAIZELS, A. (1968). Exports and economic growth of developing countries (Cambridge
University Press Cambridge).
MICHAELY, M., (1977) Exports and Growth. An Empirical investigation. Journal of
Development Economics, vol. 4, nº 1, pp.49-63.
MILLER, S.M and RUSSEK, F.S (1990). “Co-integration and error correction: the temporal
causality between government taxes and spending,” Southern Economic Journal,
57, pp.221-
29.
MILLS, J.C (1995). The Econometrics Modelling of Financial Time Series, Cambridge
University Press.
146
MOREIRA, M. M., CORREA, P.G. (1997). Abertura Comercial e indústria: o que se pode
esperar e o que se vem obtendo. Revista de Economia Política
, abr./jun., vol.17, nº 2.
MULLER, Charles, C. (1988) “Conflitos intragovernamentais e a formação de políticas de
preços agrícolas no Brasil”, em Pesquisa e Planejamento Econômico
, Rio de Janeiro, vol.18,
nº 3, pp.685-708.
NELSON, C.R., and PLOSSER, C.I. (1982). Trends and random walks in macroeconomic
times series: Some Evidence and Implications, Journal of Monetary Economics, vol.10,
pp.139-162.
OLEKANS, Nilss.(1996). Some further evidence on the long-run neutrality of money.
Economics Letters, 50, pp.393-398.
OLIVEIRA, J.C. (1984). “Incidência da taxação implicita sobre os produtos agrícolas no
Brasil: 1950/74”.Pesquisa e Planejamento Econômico
, Rio de Janeiro, vol.14, nº 2, pp.139-59.
PASTORE, A. C.(1973). A resposta da produção a preços no Brasil. São Paulo, APEC.
PEREIRA, P.L.V. (1988) “Cointegração: Uma resenha com aplicações a séries brasileiras.”
Revista de Econometria
, v.8, nº2, p.
PERMAN, R. (1991) “Cointegração: an introduction to the literature.” Journal of Economic
Studies, nº 18, pp. 3-33.
PHILLIPS, Peter., PERRON, Pierre (1988). Testing for a unit root in time series regression.
Biometrica, June, vol.75, pp.335-346.
PORTO, Célio Brovino (1985). Avaliação do Comportamento dos Preços Domésticos em
relação aos Preços de Importação e de Exportações: Algodão, Arroz, Milho e Soja.
1979/1983. CFP- Coleção Análise e Pesquisa
vol.27, Brasília.
Quantitative Micro Software Eviews 4.1
RAY, S.K.(1999). Food management revisited. J. Ind. School Poli. Econ
. Vol.6, nº 2, pp.
313-337.
REDDY, K.N., SELVARAJU, V.(1992). Containment of food subsidy in the context of
revenue deficit, National Institute of Public Finance and Policy, New Delhi, January, working
paper nº 1.
REZENDE, Gervásio Castro. (1984) “Estocagem e variação estacional de preços: uma análise
da política de crédito de comercialização agrícola (EGF)”, Pesquisa e Planejamento
Econômico, Rio de Janeiro, vol. 14, nº 1, pp.95-136.
REZENDE, Gervásio Castro. (2000) Política de Preços mínimos na década de 90. Dos velhos
aos novos instrumentos, IPEA, julho. (Texto para Discussão Nº 740)
147
REZENDE, Gervásio Castro. (2001). Integração de Mercados, política de preços mínimos e
expansão agrícola da região Centro-Oeste. Trabalho apresentado no XXXIX, Congresso
Sober.
REZENDE, Gervásio Castro.(1985). Problemas de Política de Preços Mínimos no Brasil,
Conjuntura Econômica, 30 (10): pp.95-98.
REZENDE, Gervásio Castro.(1988) Inflação, Preços mínimos e comercialização agrícola: a
experiência dos anos oitenta. In: BRANDÃO, A. S. P. (ed.) Os principais problemas da
Agricultura brasileira: Análise e Sugestões. Rio de Janeiro: PNPE/IPEA, (Série PNPE, 18).
REZENDE, Gervásio Castro.(1988). “Ajuste externo e agricultura no Brasil, 1981-86”,
Revista Brasileira de Economia
, Rio de Janeiro, vol. 42, nº 2, pp.101-103.
REZENDE, Gervásio Castro.(2001). A Evolução da Política de Preços Mínimos na Década de
90. In: GASQUES, J.G. CONCEIÇÂO, J.C.P.R.; Transformação da Agricultura e políticas
públicas, Brasília: IPEA, pp.315-336.
REZENDE, Gervásio Castro. (2002). A Política de Preços mínimos e o desenvolvimento
agrícola do Centro-Oeste. IPEA, abril. (Texto para Discussão Nº 870)
SANTANA, C. A.M. (1987) Efeitos das Políticas Econômicas brasileiras sobre o setor
domésticos de Soja em Grão. Pesquisa e Planejamento Econômico
, Rio de Janeiro, vol.3, nº
17, pp.633-78
SARGAN, J.D e BHARGAVA, A S (1983). Testing Residual form Least Square Regression
for Being Generated by the Gaussian Random Walk, Econometrica
, vol.51,pp.153-174.
SCHUCH, G. Edward, (1977). “A Política Cambial e o Desenvolvimento da Agricultura no
Brasil,” Revista de Economia Rural
, Ano XV, Tomo III, p.3-24.
SCHUCH, G. Edward. (1989). Política agrícola numa economia internacional bem integrada:
o caso do Brasil, Revista de Economia e Sociologia Rural
, vol.27, nº 2, abr./jun., pp.107-124.
SHWARZ, G. (1978). Estimating the Dimension of a Model, The Annals of Statistical
, vol.5,
pp.461-464.
SHIKHA JHAH, P.V. S. Grain price stabilization in India: Evoluation of policy alternatives.
SIMS, Christopher.A (1972). Money, income and Causality, American Economic Review
62,
pp. 540-52.
SMITH, G.W (1979). A Política de Preços mínimos. In: LOPES, M.R. A política de preços
mínimos-estudos técnicos, 1949/1979, Brasília, CFP, (Coleção Análise e Pesquisa, 11),
pp.69-85.
SMITH, G.W (1979). O programa de preços mínimos para produtos agrícolas básicos. In:
LOPES, M.R. A política de preços mínimos: estudos técnicos, 1949/1979, Brasília, CFP,
(Coleção Análise e Pesquisa, 11), pp.113-126.
148
STOCK, J. H. e WATSON, M. W.(1988) Variables Trends in Economic Time Series, Journal
of Ecomic Perspectives, vol.2, n° 3, 1988, pp.147-174.
STOCK, J. H.; and WATSON, M. W.(2001). Vector Autoregression. Journal of Economic
Perspectives, vol.15 nº4, pp.101-115.
STRAK, John. (1982) Measurement of agricultural protection. London, MacMillan.
THOMPSON, Robert L.; SCHUH, G. Edward. (1978). “Política Comercial e Exportação: o
caso do milho no Brasil,” Pesquisa e Planejamento Econômico
, Rio de Janeiro, vol.8, nº 3,
dezembro, pp. 663-94.
THORTON, John. (1996). Cointegration, causality and export-led growth in Mexico: 1895-
1992. Economics Letters
, 50, pp.413-416.
VASCONCELOS, Anastácio Antonio. (1985). Análise das Distorções dos Preços Domésticos
em Relação aos preços de Fronteira. Um Estudo Preliminar, CFP - Coleção Análise e
Pesquisa, Vol. 30, Brasília.
VILLA VERDE, C. M. (2001) O crédito rural e a capacidade de pagamentos do setor
agrícola. In: GASQUES, J.G. CONCEIÇÃO, J.C.P.R.; Transformação da Agricultura e
políticas públicas, Brasília: IPEA, pp.192-212.
VILLA VERDE, C. M. (2001). Modificações recentes na Política de Garantia de preços
mínimos. In: GASQUES, J.G. CONCEIÇÃO, JCPR da (eds.), Transformação da Agricultura
e políticas públicas, Brasília: IPEA, pp.315-336.
VOIVODAS, C. (1973). Exports, foreigh capital inflow and economic growth, Journal of
International Economics , vol. 3, nº 4, pp.337-349.
WATSON, M. W.(1994). Vector Autorregressions and cointegration, in Robert Engle e
Daniel McFadden (eds.), Handbook of Econometrics, v. IV, Amesterdam:Elsevier.
WILLIANSON, R.,(1978). The Role of exports and foreign capital in Latin American.
Economic growth, Southern Economic Journal
, vol. 45, nº 2, pp. 410-420.
WORLD BANK. (1982). Brazil: a review of agricultural policies. Washington, (A World
Bank country study.)
ZINI Júnior, Álvaro Antonio; CATI, Regina Célia (1993). “Co-integração e taxa de câmbio:
testes sobre a PPP e os termos de troca no Brasil de 1985 a 1990”, Pesquisa e Planejamento
Econômico, Rio de Janeiro, vol.23, nº 2, pp.349-74.
A P Ê N D I C E S
150
Tabela A.1 - Valores críticos da distribuição do qui-quadrado
2
χ
Graus de Níveis de Significância
Liberdade
0,995 0,975 0,900 0,05 0,025 0,010 0,005
1
5
104
−
x
0,001 0,016 3,84 5,02 6,63 7,88
2
0,010 0,05 0,051 5,99 7,38 9,21 10,60
3
0,072 0,216 0,216 7,81 9,35 11,3 12,800
4
0,207 0,484 0,484 9,49 11,1 13,3 14,900
5
0,412 0,831 0,831 11,10 12,8 15,1 16,700
6
0,676 1,240 1,240 12,6 14,4 16,8 18,500
7
0,989 1,690 1,690 14,1 16,0 18,5 20,300
8
1,34 2,180 2,18 15,5 17,5 20,1 22,000
9
1,73 2,700 2,70 16,9 19,0 21,7 23,600
10
2,16 3,250 3,25 18,3 20,5 23,2 25,2
11
2,60 3,820 3,82 19,7 21,9 24,7 26,8
12
3,07 4,40 4,40 21,0 23,3 26,2 28,3
13
3,57 5,01 5,01 22,4 24,7 27,7 29,8
14
4,07 5,63 5,63 23,7 26,1 29,1 31,3
15
4,60 6,26 6,26 25,0 27,5 30,6 32,8
16
5,14 6,91 6,91 26,3 28,8 32,0 34,3
17
5,70 7,56 7,56 27,6 30,2 33,4 35,7
18
6,26 8,23 8,23 28,9 31,5 34,8 37,2
19
6,84 8,91 8,91 30,1 32,9 36,2 38,6
20
7,43 9,59 9,59 31,4 34,2 37,60 40,0
21
8,03 10,30 10,30 32,7 35,5 38,9 41,4
22
8,64 11,00 11,00 33,9 36,8 40,3 42,8
23
9,26 11,70 11,70 35,2 38,1 41,6 44,2
24
9,89 12,40 12,40 36,4 39,4 43,0 45,6
25
10,50 13,10 13,10 37,7 40,6 44,3 46,9
26
11,20 13,80 13,80 38,9 41,9 45,6 48,3
27
11,80 14,60 14,60 40,1 43,2 47,0 49,6
28
12,50 15,30 15,30 41,3 44,5 48,3 51,0
29
13,10 16,00 16,00 42,6 45,7 49,6 52,3
30
13,80 16,80 16,80 43,8 47,0 50,9 53,7
40
20,70 24,40 24,40 55,8 59,3 63,7 66,8
50
28,00 32,40 32,40 67,5 71,4 76,2 79,5
60
35,50 40,50 40,50 79,1 83,3 88,4 92,0
70
43,30 48,80 48,80 90,5 95,0 100,0 104,0
80
51,20 57,20 57,20 102,0 107,0 112,0 116,0
90
59,20 65,60 65,50 113,0 118,0 124,0 128,0
100
67,30 74,20 74,20 124,0 130,0 136,0 140,0
Fonte: Henri Theil, Principles of Econometrics (1971, pp.718-19), apud Hamilton (1994), op. .cit.
pp.753-754, com adaptações.
151
Tabela A.2 - Valores Críticos da Distribuição F para nível de Significância de 5%
Graus de Liberdade do Numerador
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20
1
161 200 216 225 230 234 237 239 241 242 243 244 245 246 248
G
2
18,51 19,00 19,16 19,25 19,30 19,33 19,36 19,37 19,38 19,39 19,40 19,41 19,42 19,43 19,44
r
3
10,13 9,55 9,28 9,12 9,01 8,29 8,88 8,84 8,81 8,78 8,76 8,74 8,71 8,69 8,66
a
4
7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,93 5,91 5,87 5,84 5,80
u
5
6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,78 4,74 4,70 4,68 4,64 4,60 4,56
s
6
5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,96 3,92 3,87
d
7
5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,63 3,60 3,57 3,52 3,49 3,44
e
8
5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,34 3,31 3,28 3,23 3,20 3,15
9
5,12 4,26 3,86 3,62 3,48 3,37 3,29 3,23 3,18 3,13 3,10 3,07 3,02 2,98 2,93
L
10
4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,97 2,94 2,91 2,86 2,82 2,77
i
b
11
4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,86 2,82 2,79 2,74 2,70 2,65
e
12
4,75 3,88 3,49 3,26 3,11 3,00 2,92 2,85 2,80 2,76 2,72 2,69 2,64 2,60 2,54
r
13
4,67 3,80 3,41 3,18 3,02 2,92 2,84 2,77 2,72 2,67 2,63 2,60 2,55 2,51 2,46
d
14
4,60 3,74 3,34 3,11 2,96 2,85 2,77 2,70 2,65 2,60 2,56 2,53 2,48 2,44 2,39
a
15
4,54 3,68 3,29 3,06 2,90 2,79 2,70 2,64 2,59 2,55 2,51 2,48 2,43 2,39 2,33
d
e
16
4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,45 2,42 2,37 2,33 2,28
17
4,45 3,59 3,20 2,96 2,81 2,70 2,62 2,55 2,50 2,45 2,41 2,38 2,33 2,29 2,23
d
18
4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,29 2,25 2,19
o
19
4,38 3,52 3,13 2,90 2,74 2,63 2,55 2,48 2,43 2,38 2,34 2,31 2,26 2,21 2,15
20
4,35 3,49 3,10 2,87 2,71 2,60 2,52 2,45 2,40 2,35 2,31 2,28 2,23 2,18 2,12
d
e
21
4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,28 2,25 2,20 2,15 2,09
n
22
4,30 3,44 3,05 2,82 2,66 2,55 2,47 2,40 2,35 2,30 2,26 2,23 2,18 2,13 2,07
o
23
4,28 3,42 3,03 2,80 2,64 2,53 2,45 2,38 2,32 2,28 2,24 2,20 2,14 2,10 2,04
m
24
4,26 3,40 3,01 2,78 2,62 2,51 2,43 2,36 2,30 2,26 2,22 2,18 2,13 2,09 2,02
i
25
4,24 3,38 2,99 2,76 2,60 2,49 2,41 2,34 2,28 2,24 2,20 2,16 2,11 2,06 2,00
n
a
26
4,22 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,18 2,15 2,10 2,05 1,99
d
27
4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,30 3,25 2,20 2,16 2,13 2,08 2,03 1,97
o
28
4,20 3,34 2,95 2,71 2,56 2,44 2,36 2,29 2,24 2,19 2,15 2,12 2,06 2,02 1,96
r
29
4,18 3,33 2,93 2,70 2,54 2,43 2,35 2,28 2,22 2,18 2,14 2,10 2,05 2,00 1,94
30
4,17 3,32 2,92 2,69 2,53 2,42 2,34 2,27 2,21 2,16 2,12 2,09 2,04 1,99 1,93
40
4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,07 2,04 2,00 1,95 1,90 1,84
60
4,00 3,15 2,76 2,52 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,86 1,81 1,75
80
3,96 3,11 2,72 2,48 2,33 2,21 2,12 2,05 1,99 1,95 1,91 1,88 1,82 1,77 1,70
100
3,94 3,09 2,70 2,46 2,30 2,19 2,10 2,03 1,97 1,92 1,88 1,85 1,79 1,75 1,68
125
3,92 3,07 2,68 2,44 2,29 2,17 2,08 2,01 1,95 1,90 1,86 1,83 1,77 1,72 1,65
150
3,91 3,06 2,67 2,43 2,27 2,16 2,07 2,00 1,94 1,89 1,85 1,82 1,76 1,71 1,64
200
3,89 3,04 2,65 2,41 2,26 2,14 2,05 1,98 1,92 1,87 1,83 1,80 1,74 1,69 1,62
400
3,86 3,02 2,62 2,39 2,23 2,12 2,03 1,96 1,90 1,85 1,81 1,78 1,72 1,67 1,60
1000
3,85 3,00 2,61 2,38 2,22 2,10 2,02 1,95 1,89 1,84 1,80 1,76 1,70 1,65 1,58
∞
3,84 2,99 2,60 2,37 2,21 2,09 2,01 1,94 1,88 1,83 1,79 1,75 1,69 1,64 1,57
Fonte: George W. Snedecor e William G. Cochran, Statistical Methods, 8ª ed. 1989, apud Hamilton (1994) op.cit.756-759, com
adaptações.
152
Tabela A.3 - Valores críticos da distribuição F para nível de significância de 1%
Graus de Liberdade do Numerador
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20
1
4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6082 6106 6142 6169 6203
G
2
98,49 99,00 99,17 99,25 99,30 99,33 99,34 99,36 99,38 99,40 99,41 99,42 99,44 99,45 99,46
r
3
34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,13 27,05 26,92 26,83 26,69
a
4
21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,54 14,45 14,37 14,24 14,15 14,02
u
5
16,26 13,27 12,06 11,39 10,97 10,67 10,45 10,27 10,15 10,05 9,96 9,89 9,77 9,68 9,55
s
6
13,74 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,60 7,52 7,39
d
7
12,25 9,55 8,45 7,85 7,46 7,19 7,00 6,84 6,71 6,62 6,54 6,47 6,35 6,27 6,15
e
8
11,26 8,65 7,59 7,01 6,63 6,37 6,19 6,03 5,91 5,82 5,74 5,67 5,56 5,48 5,36
9
10,56 8,02 6,99 6,42 6,06 5,80 5,62 5,47 5,35 5,26 5,18 5,11 5,00 4,92 4,80
L
10
10,04 7,56 6,55 5,99 5,64 5,39 5,21 5,06 4,95 4,85 4,78 4,71 4,60 4,52 4,33
i
b
11
9,65 7,20 6,22 5,67 5,32 5,07 4,88 4,74 4,63 4,54 4,46 4,40 4,29 4,21 4,10
e
12
9,33 6,93 5,95 5,41 5,06 4,82 4,65 4,50 4,39 4,30 4,22 4,16 4,05 3,93 3,86
r
13
9,07 6,70 5,74 5,20 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96 3,85 3,78 3,67
d
14
8,86 6,51 5,56 5,03 4,69 4,46 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,70 3,62
a
15
8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,73 3,67 3,56 3,48 3,36
d
e
16
8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,61 3,55 3,45 3,37 3,25
17
8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,45 3,35 3,27 3,16
d
18
8,28 6,01 5,09 4,58 4,25 4,01 3,85 3,71 3,60 3,51 3,44 3,37 3,27 3,19 3,07
o
19
8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,19 3,12 3,00
20
8,10 5,85 4,94 4,43 4,10 3,87 3,71 3,56 3,45 3,37 3,30 3,23 3,13 3,05 2,94
d
e
21
8,02 5,78 4,87 4,37 4,04 3,81 3,65 3,51 3,40 3,31 3,24 3,17 3,07 2,99 2,88
n
22
7,94 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,18 3,12 3,02 2,94 2,83
o
23
7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,14 3,07 2,97 2,89 2,78
m
24
7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,25 3,17 3,09 3,03 2,93 2,85 2,74
i
25
7,77 5,57 4,68 4,18 3,46 3,63 3,46 3,32 3,21 3,13 3,05 2,99 2,89 2,81 2,70
n
a
26
7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,17 3,09 3,02 2,96 2,86 2,77 2,66
d
27
7,68 5,49 4,60 4,11 3,79 3,56 3,39 3,26 3,14 3,06 2,98 2,93 2,83 2,74 2,63
o
28
7,64 5,45 4,57 4,07 3,76 3,53 3,36 3,23 3,11 3,03 2,95 2,90 2,80 2,71 2,60
r
29
7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,08 3,00 2,92 2,87 2,77 2,68 2,57
30
7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,08 3,00 2,92 2,87 2,77 2,68 2,57
40
7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,88 2,80 2,73 2,66 2,56 2,49 2,37
60
7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50 2,40 2,32 2,20
80
6,96 4,88 4,04 3,56 3,25 3,04 2,87 2,74 2,64 2,55 2,48 2,41 2,32 2,24 2,11
100
6,90 4,82 3,98 3,51 3,20 2,99 2,82 2,69 2,59 2,51 2,43 2,36 2,26 2,19 2,06
125
6,84 4,78 3,94 3,47 3,17 2,95 2,79 2,65 2,56 2,47 2,40 2,33 2,23 2,15 2,03
150
6,81 4,75 3,91 3,44 3,14 2,92 2,76 2,62 2,53 2,44 2,37 2,30 2,20 2,12 2,00
200
6,76 4,71 3,88 3,41 3,11 2,90 2,73 2,60 2,50 2,41 2,34 2,28 2,17 2,09 1,97
400
6,70 4,66 3,83 3,36 3,06 2,85 2,69 2,55 2,46 2,37 2,29 2,23 2,12 2,04 1,92
1000
6,66 4,62 3,80 3,34 3,04 2,82 2,66 2,53 2,43 2,34 2,26 2,20 2,09 2,01 1,89
∞
6,64 4,60 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,24 2,18 2,07 1,99 1,87
Fonte: George W. Snedecor e William G. Cochran, Statistical Methods, 8ª ed. 1989, apud Hamilton (1994) op.cit.756-759, com
adaptações.
153
Tabela A.4 - Valores críticos da estatística t para o teste de raiz unitária de
Dickey-Fuller (DF)
Tamanho da
Probabilidade da estatística t ser menor do que o valor
crítico
Amostra (T) 0,01 0,025 0,05 0,10 0,90 0,95 0,975 0,99
AR (1) Teste sem constante e sem tendência
25 -2,66 -2,26 -1,95 -1,60 0,92 1,33 1,70 2,16
50 -2,62 -2,25 -1,95 -1,61 0,91 1,31 1,66 2,08
100 -2,60 -2,24 -1,95 -1,61 0,9 1,29 1,64 2,03
250 -2,58 -2,23 -1,95 -1,62 0,89 1,29 1,63 2,01
500 -2,58 -2,23 -1,95 -1,62 0,89 1,28 1,62 2,00
∞
-2,58 -2,23 -1,95 -1,62 0,89 1,28 1,62 2,00
AR (1) Teste com constante e sem tendência
25 -3,75 -3,33 -3,00 -2,62 -0,37 0,00 0,34 0,72
50 -3,58 -3,22 -2,93 -2,60 -0,40 -0,03 0,29 0,66
100 -3,51 -3,17 -2,89 -2,58 -0,42 -0,05 0,26 0,63
250 -3,46 -3,14 -2,88 -2,57 -0,42 -0,06 0,24 0,62
500 -3,44 -3,13 -2,87 -2,57 -0,43 -0,07 0,24 0,61
∞
-3,43 -3,12 -2,86 -2,57 -0,44 -0,07 0,23 0,60
AR (1) Teste com constante e com tendência
25 -4,38 -3,95 -3,60 -3,24 -1,14 -0,80 -0,50 -0,15
50 -4,15 -3,80 -3,50 -3,18 -1,19 -0,87 -0,58 -0,24
100 -4,04 -3,73 -3,45 -3,15 -1,22 -0,90 -0,62 -0,28
250 -3,99 -3,69 -3,43 -3,13 -1,24 -0,93 -0,65 -0,32
500 -3,98 -3,68 -3,42 -3,13 -1,24 -0,93 -0,65 -0,32
∞
-3,96 -3,66 -3,41 -3,12 -1,25 -0,94 -0,66 -0,33
Fonte: W. A Fuller, op.cit. pg.373, apud Enders (1995) com adaptações.
154
Tabela A.5 - Valores críticos das estatísticas e para testes de e raiz
Tamanho da Probabilidade da Estatística t ser menor do que o Valor Crítico
0,01
0,025 0,05 0,90 0,95 0,975
25 0,38 0,49 0,65 5,18 6,30 7,88
50 0,29 0,5 0,66 3,94 5,8 7,06
100 0,29 0,39 0,67 3,86 4,71 6,70
0,30 0,39 0,51 3,81 4,63 5,45
500 0,39 0,51 0,67 4,61 5,41 6,47
0,30 0,51 0,67 3,78 5,38 6,43
Teste de Hipótese
=
25 0,61 0,75 1,10 4,67 5,68 8,21
0,62 0,77 0,91 4,31 5,13 5,94
100 0,77 0,92 1,12 4,88 5,59 6,50
250 0,63 0,92 1,13 4,07 5,4 6,22
21
,
φφ
3
φ
unitária baseados em razão de verossimilhança.
Amostra (T) 0,10 0,99
Teste de Hipótese
=
()
δβα
,,
()
0,,0
β
∞
()
δβα
,,
()
0,0,
α
500 0,63 0,77 0,92 1,13 4,05 4,71 5,35 6,15
∞
0,63 0,77 0,92 1,13 4,03 4,68 5,31 6,09
1,08
Teste de Hipótese
=
()
δβα
,,
()
0,0,0
25 0,74 0,9 1,33 5,91 7,24 8,65 10,61
50 0,76 0,93 1,11 1,37 5,61 6,73 7,81 9,31
100 0,76 0,94 1,12 1,38 5,47 6,49 7,44 8,73
250 0,76 0,94 1,13 1,39 5,39 6,34 7,25 8,43
500 0,76 0,94 1,13 1,39 5,36 6,30 7,20 8,34
∞
0,77 0,94 1,13 1,39 5,34 6,25 7,16 8,27
0,29 4,12
0,39 4,86
0,5 5,57
250 0,67 6,52
0,30 3,79
0,40 4,59
0,89 6,75
50 1,12 7,02
0,63 4,16
0,77 4,75
Fonte: Dickey-Fuller (1981), op.cit., apud Enders (1995), pg.421.
155
Tabela A.6 - Valores críticos de Durbin-Watson (5%) para testes de co-integração
n T CRDW DF ADF
2 50 0,78 -3,67 -3,29
100 0,39 -3,37 -3,17
200 0,20 -3,37 -3,25
3 50 0,99 -4,11 -3,75
100 0,55 -3,93 -3,62
200 0,39 -3,78 -3,78
4 50 1,10 -4,35 -3,98
100 0,65 -4,22 -4,02
200 0,48 -4,18 -4,13
5 50 1,28 -4,76 -4,15
100 0,76 -4,58 -4,36
200 0,57 -4,48 -4,43
Fonte: Engle, R.R.; e YOO, S. (1987). op.cit.
Tabela A.7 - Estimativa mensal de comercialização do milho.
UF Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Total
RS 0% 0% 10% 15% 15% 15% 35% 10% 0% 0% 0% 100%
SC 0% 0% 10% 15% 20% 25% 20% 7% 0% 0% 0% 100%
PR 0% 0% 5% 10% 15% 20% 15% 15% 10% 5% 5% 100%
SP 0% 0% 15% 15% 25% 20% 15% 5% 5% 0% 0% 100%
MG 0% 0% 5% 15% 20% 25% 15% 15% 5% 0% 0% 100%
GO 0% 0% 10% 40% 5% 25% 15% 5% 0% 0% 0% 100%
MS 0% 0% 25% 25% 15% 20% 5% 5% 0% 0% 0% 100%
MT 0% 0% 10% 15% 10% 10% 25% 20% 10% 0% 0% 100%
Fonte: CFP, técnico do produto, apud. op.cit.p.78
156
Tabela A.8 - Evolução da área, produção e rendimento de milho, Brasil:1960-2003
ANO Área Produção Rendimento
Colhida (1000t) (Kg/ha)
1960 6.681.185 8.671.952 1.298
1961 6.885.740 9.036.237 1.312
1962 7.342.795 9.587.285 1.306
1963 7.957.633 10.478.267 1.317
1964 8.105.894 9.408.043 1.161
1965 8.771.318 12.111.921 1.381
1966 8.703.169 11.371.455 1.307
1967 9.274.321 12.824.500 1.383
1968 9.584.386 12.813.638 1.337
1969 9.653.757 12.693.435 1.315
1970 9.858.108 14.216.009 1.442
1971 10.550.489 14.129.749 1.339
1972 10.538.943 14.891.444 1.413
1973 9.923.570 14.185.877 1.430
1974 10.672.450 16.273.227 1.525
1975 10.854.687 16.334.516 1.505
1976 11.117.570 17.751.077 1.597
1977 11.797.411 19.255.936 1.632
1978 11.124.827 13.569.401 1.220
1979 11.318.885 16.306.380 1.441
1980 11.451.297 20.372.072 1.779
1981 11.520.336 21.116.908 1.833
1982 12.619.531 21.842.477 1.731
1983 10.705.979 18.731.216 1.750
1984 12.018.446 21.164.138 1.761
1985 11.798.349 22.018.180 1.866
1986 12.465.836 20.530.960 1.647
1987 13.503.431 26.802.769 1.985
1988 13.169.003 24.748.036 1.879
1989 12.931.784 26.572.592 2.055
1990 11.394.307 21.347.774 1.874
1991 13.063.701 23.624.340 1.808
1992 13.363.609 30.506.127 2.283
1993 11.869.663 30.055.633 2.186
1994 13.748.813 32.487.625 2.329
1995 13.946.320 36.266.951 3.039
1996 11.933.811 29.589.791 2.479
1997 12.562.130 32.948.044 2.623
1998 10.585.498 29.601.753 2.796
1999 11.611.483 32.239.479 2.777
2000 11.890.376 32.321.000 2.718
2001 12.330.275 41.955.225 3.403
2002 11.791.251 35.500.363 3.011
2003 12.965.678 48.327.323 3.727
Fonte: FIBGE. Anuário Estatístico, 1960-72 e PAM, 1973-03.
157
Quadro A.1 - Estimativa de causalidade VEC: preços
mínimos e preços recebidos pelos produtores de milho
São Paulo
Vector Error Correction Estimates
Date: 07/12/05 Time: 17:19
Sample(adjusted): 8 131
Included observations: 124 after adjusting endpoints
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
SPMM(-1) 1.000000
SPRPMSP(-1) -0.917512
(0.06978)
[-13.1493]
C 2.185408
Error Correction: D(SPMM) D(SPRPMSP)
CointEq1 -0.341524 0.059857
(0.07440) (0.08206)
[-4.59046] [ 0.72944]
D(SPMM(-1)) 0.043624 -0.019837
(0.09489) (0.10466)
[ 0.45973] [-0.18953]
D(SPMM(-2)) 0.051191 -0.123866
(0.09140) (0.10081)
[ 0.56010] [-1.22875]
D(SPMM(-3)) -0.012027 -0.014296
(0.08807) (0.09714)
[-0.13656] [-0.14717]
D(SPMM(-4)) -0.019345 -0.044576
(0.08550) (0.09431)
[-0.22625] [-0.47267]
D(SPMM(-5)) -0.075513 0.096373
(0.08119) (0.08955)
[-0.93005] [ 1.07617]
D(SPMM(-6)) 0.263669 -0.071249
(0.07808) (0.08612)
[ 3.37686] [-0.82731]
D(SPRPMSP(-1)) -0.068698 0.042202
(0.10356) (0.11422)
[-0.66337] [ 0.36948]
D(SPRPMSP(-2)) -0.024968 -0.121105
(0.10174) (0.11222)
[-0.24541] [-1.07922]
D(SPRPMSP(-3)) -0.159201 0.173583
(0.09746) (0.10750)
[-1.63343] [ 1.61473]
158
D(SPRPMSP(-4)) -0.117993 -0.210459
(0.09923) (0.10945)
[-1.18907] [-1.92291]
D(SPRPMSP(-5)) -0.185185 0.045020
(0.09700) (0.10698)
[-1.90919] [ 0.42082]
D(SPRPMSP(-6)) -0.289216 -0.043305
(0.09497) (0.10475)
[-3.04531] [-0.41342]
C -0.283261 -0.206040
(0.23885) (0.26344)
[-1.18593] [-0.78210]
R-squared 0.415814 0.126491
Adj. R-squared 0.346774 0.023258
Sum sq. resids 732.4969 891.1007
S.E. equation 2.580516 2.846211
F-statistic 6.022790 1.225293
Log likelihood -286.0714 -298.2233
Akaike AIC 4.839861 5.035859
Schwarz SC 5.158280 5.354278
Mean dependent -0.218713 -0.157858
S.D. dependent 3.192823 2.879898
Determinant Residual Covariance 53.52759
Log Likelihood -583.8136
Log Likelihood (d.f. adjusted) -598.6690
Akaike Information Criteria 10.13982
Schwarz Criteria 10.82215
159
Quadro A.2 - Estimativa de causalidade VEC: preços
mínimos e preços recebidos pelos produtores de milho
Paraná
Vector Error Correction Estimates
Date: 07/12/05 Time: 17:48
Sample(adjusted): 8 131
Included observations: 124 after adjusting endpoints
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
SPMM(-1) 1.000000
SPRPMPR(-1) -0.947514
(0.07155)
[-13.2429]
C 1.780280
Error Correction: D(SPMM) D(SPRPMPR)
CointEq1 -0.333305 0.070515
(0.07170) (0.08065)
[-4.64832] [ 0.87438]
D(SPMM(-1)) 0.070668 -0.008956
(0.09348) (0.10514)
[ 0.75594] [-0.08518]
D(SPMM(-2)) 0.034061 -0.121677
(0.08921) (0.10033)
[ 0.38183] [-1.21278]
D(SPMM(-3)) -0.040595 -0.122813
(0.08628) (0.09704)
[-0.47050] [-1.26562]
D(SPMM(-4)) -0.029380 -0.050455
(0.08490) (0.09549)
[-0.34605] [-0.52839]
D(SPMM(-5)) -0.070166 -0.034874
(0.08189) (0.09210)
[-0.85687] [-0.37867]
D(SPMM(-6)) 0.345141 -0.012456
(0.07994) (0.08991)
[ 4.31743] [-0.13854]
D(SPRPMPR(-1)) -0.139798 0.015399
(0.10020) (0.11269)
[-1.39524] [ 0.13665]
D(SPRPMPR(-2)) -0.054969 0.030654
(0.09712) (0.10923)
[-0.56600] [ 0.28064]
D(SPRPMPR(-3)) -0.214071 0.022835
(0.09298) (0.10458)
[-2.30221] [ 0.21835]
160
D(SPRPMPR(-4)) -0.098396 -0.125564
(0.09311) (0.10472)
[-1.05673] [-1.19899]
D(SPRPMPR(-5)) -0.123172 -0.054302
(0.09245) (0.10398)
[-1.33233] [-0.52226]
D(SPRPMPR(-6)) -0.351156 -0.058732
(0.09035) (0.10162)
[-3.88664] [-0.57799]
C -0.279696 -0.252852
(0.23997) (0.26989)
[-1.16555] [-0.93687]
R-squared 0.409678 0.082436
Adj. R-squared 0.339913 -0.026003
Sum sq. resides 740.1904 936.2940
S.E. equation 2.594032 2.917493
F-statistic 5.872241 0.760208
Log likelihood -286.7192 -301.2905
Akaike AIC 4.850309 5.085331
Schwarz SC 5.168728 5.403750
Mean dependent -0.218713 -0.160442
S.D. dependent 3.192823 2.880285
Determinant Residual Covariance 55.41495
Log Likelihood -585.9621
Log Likelihood (d.f. adjusted) -600.8174
Akaike Information Criteria 10.17447
Schwarz Criteria 10.85680
161
Quadro A.3 - Estimativa de causalidade VEC: preços
mínimos e preços recebidos pelos produtores de milho
Goiás
Vector Error Correction Estimates
Date: 07/12/05 Time: 17:50
Sample(adjusted): 8 131
Included observations: 124 after adjusting endpoints
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
SPMM(-1) 1.000000
SPRPMGO(-1) -0.966146
(0.06923)
[-13.9566]
C 0.631361
Error Correction: D(SPMM) D(SPRPMGO)
CointEq1 -0.368889 -0.015567
(0.08713) (0.08333)
[-4.23358] [-0.18681]
D(SPMM(-1)) 0.033831 0.154840
(0.10345) (0.09893)
[ 0.32704] [ 1.56511]
D(SPMM(-2)) -0.038216 -0.205234
(0.10137) (0.09694)
[-0.37701] [-2.11704]
D(SPMM(-3)) -0.019777 -0.180567
(0.10229) (0.09783)
[-0.19334] [-1.84576]
D(SPMM(-4)) -0.039885 -0.089246
(0.10202) (0.09757)
[-0.39097] [-0.91473]
D(SPMM(-5)) -0.054199 -0.071745
(0.09854) (0.09425)
[-0.54999] [-0.76126]
D(SPMM(-6)) 0.365726 0.036854
(0.09286) (0.08881)
[ 3.93854] [ 0.41499]
D(SPRPMGO(-1)) -0.109912 -0.084694
(0.12216) (0.11683)
[-0.89972] [-0.72491]
D(SPRPMGO(-2)) -0.076577 -0.056657
(0.12199) (0.11667)
[-0.62771] [-0.48561]
D(SPRPMGO(-3)) -0.192695 0.024459
(0.11963) (0.11441)
[-1.61073] [ 0.21378]
162
D(SPRPMGO(-4)) -0.079378 -0.032784
(0.11980) (0.11458)
[-0.66257] [-0.28613]
D(SPRPMGO(-5)) -0.270123 0.046213
(0.11419) (0.10920)
[-2.36564] [ 0.42318]
D(SPRPMGO(-6)) -0.207146 -0.093003
(0.10534) (0.10075)
[-1.96639] [-0.92313]
C -0.265773 -0.272910
(0.24958) (0.23870)
[-1.06486] [-1.14334]
R-squared 0.361096 0.173661
Adj. R-squared 0.285590 0.076002
Sum sq. resids 801.1063 732.7241
S.E. equation 2.698663 2.580916
F-statistic 4.782305 1.778248
Log likelihood -291.6225 -286.0906
Akaike AIC 4.929395 4.840171
Schwarz SC 5.247814 5.158590
Mean dependent -0.218713 -0.179936
S.D. dependent 3.192823 2.684964
Determinant Residual Covariance 42.06646
Log Likelihood -568.8750
Log Likelihood (d.f. adjusted) -583.7303
Akaike Information Criteria 9.898876
Schwarz Criteria 10.58120
163
Quadro A.4 - Estimativa de causalidade VEC: preços
mínimos e preços recebidos pelos produtores de milho
Mato Grosso
Vector Error Correction Estimates
Date: 07/12/05 Time: 18:01
Sample(adjusted): 8 131
Included observations: 124 after adjusting endpoints
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
SPMM(-1) 1.000000
SPRPMMT(-1) -0.888420
(0.09714)
[-9.14569]
C -1.275664
Error Correction: D(SPMM) D(SPRPMMT)
CointEq1 -0.271472 -0.101225
(0.09448) (0.08896)
[-2.87331] [-1.13784]
D(SPMM(-1)) -0.024401 -0.111657
(0.12477) (0.11748)
[-0.19557] [-0.95044]
D(SPMM(-2)) 0.059505 0.005983
(0.12422) (0.11696)
[ 0.47904] [ 0.05115]
D(SPMM(-3)) 0.004433 0.054104
(0.12220) (0.11506)
[ 0.03628] [ 0.47021]
D(SPMM(-4)) 0.018286 0.020970
(0.11842) (0.11150)
[ 0.15442] [ 0.18807]
D(SPMM(-5)) -0.036575 0.002698
(0.11731) (0.11046)
[-0.31177] [ 0.02443]
D(SPMM(-6)) 0.235173 0.386564
(0.11632) (0.10952)
[ 2.02181] [ 3.52948]
D(SPRPMMT(-1)) -0.087761 0.111185
(0.13473) (0.12686)
[-0.65137] [ 0.87641]
D(SPRPMMT(-2)) -0.182612 -0.088613
(0.13704) (0.12904)
[-1.33255] [-0.68673]
D(SPRPMMT(-3)) -0.172112 -0.216283
(0.13446) (0.12661)
[-1.28002] [-1.70829]
164
D(SPRPMMT(-4)) -0.269371 -0.228303
(0.13155) (0.12386)
[-2.04770] [-1.84316]
D(SPRPMMT(-5)) -0.193609 -0.061857
(0.13462) (0.12676)
[-1.43816] [-0.48798]
D(SPRPMMT(-6)) 0.062512 -0.216523
(0.13662) (0.12864)
[ 0.45758] [-1.68321]
C -0.242362 -0.145853
(0.26282) (0.24746)
[-0.92218] [-0.58939]
R-squared 0.292439 0.236003
Adj. R-squared 0.208818 0.145712
Sum sq. resides 887.1942 786.5850
S.E. equation 2.839965 2.674093
F-statistic 3.497203 2.613814
Log likelihood -297.9509 -290.4884
Akaike AIC 5.031466 4.911103
Schwarz SC 5.349885 5.229522
Mean dependent -0.218713 -0.151388
S.D. dependent 3.192823 2.893173
Determinant Residual Covariance 35.72940
Log Likelihood -558.7518
Log Likelihood (d.f. adjusted) -573.6071
Akaike Information Criteria 9.735599
Schwarz Criteria 10.41793
165
Quadro A.5 - Estimativa de causalidade VEC: preços
mínimos e preços atacado milho São Paulo.
Vector Error Correction Estimates
Date: 07/17/05 Time: 19:19
Sample(adjusted): 8 131
Included observations: 124 after adjusting endpoints
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
PMMO(-1) 1.000000
SPAMSPO(-1) -0.831066
(0.06417)
[-12.9517]
C 2.909481
Error Correction: D(PMMO) D(SPAMSPO)
CointEq1 -0.340013 0.089170
(0.07250) (0.08696)
[-4.68956] [ 1.02543]
D(PMMO(-1)) 0.038911 0.020330
(0.09347) (0.11210)
[ 0.41630] [ 0.18135]
D(PMMO(-2)) 0.028337 -0.214994
(0.09043) (0.10846)
[ 0.31335] [-1.98223]
D(PMMO(-3)) -0.007074 -0.090655
(0.08918) (0.10696)
[-0.07932] [-0.84754]
D(PMMO(-4)) -0.020305 -0.011268
(0.08630) (0.10351)
[-0.23528] [-0.10886]
D(PMMO(-5)) -0.083805 0.032170
(0.08215) (0.09853)
[-1.02018] [ 0.32652]
D(PMMO(-6)) 0.272918 -0.093158
(0.08031) (0.09632)
[ 3.39852] [-0.96722]
D(SPAMSPO(-1)) -0.133109 -0.001379
(0.09435) (0.11316)
[-1.41081] [-0.01219]
D(SPAMSPO(-2)) -0.014470 -0.014946
(0.09074) (0.10883)
[-0.15946] [-0.13733]
D(SPAMSPO(-3)) -0.086977 0.133933
(0.08883) (0.10654)
[-0.97915] [ 1.25714]
D(SPAMSPO(-4)) -0.153557 -0.099933
(0.08980) (0.10770)
166
[-1.71000] [-0.92787]
D(SPAMSPO(-5)) -0.177541 -0.054676
(0.08856) (0.10621)
[-2.00484] [-0.51478]
D(SPAMSPO(-6)) -0.242421 0.033081
(0.08502) (0.10197)
[-2.85145] [ 0.32443]
C -0.290039 -0.241530
(0.24419) (0.29287)
[-1.18775] [-0.82469]
R-squared 0.390775 0.120577
Adj. R-squared 0.318775 0.016645
Sum sq. resids 763.8935 1098.846
S.E. equation 2.635239 3.160618
F-statistic 5.427473 1.160157
Log likelihood -288.6735 -311.2159
Akaike AIC 4.881830 5.245417
Schwarz SC 5.200249 5.563836
Mean dependent -0.218713 -0.170870
S.D. dependent 3.192823 3.187256
Determinant Residual Covariance 69.04305
Log Likelihood -599.5947
Log Likelihood (d.f. adjusted) -614.4500
Akaike Information Criteria 10.39436
Schwarz Criteria 11.07668
167
Quadro A.6 - Estimativa de causalidade VEC:
preços mínimos e preço atacado milho Paraná.
Vector Error Correction Estimates
Date: 07/13/05 Time: 10:44
Sample(adjusted): 8 131
Included observations: 124 after adjusting endpoints
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
PMMO(-1) 1.000000
SPAMPRO(-1) -0.910365
(0.07501)
[-12.1366]
C 2.499375
Error Correction: D(PMMO) D(SPAMPRO)
CointEq1 -0.307367 0.073395
(0.07069) (0.07635)
[-4.34795] [ 0.96134]
D(PMMO(-1)) 0.067019 -0.016077
(0.09465) (0.10222)
[ 0.70808] [-0.15729]
D(PMMO(-2)) 0.027050 -0.119733
(0.09037) (0.09760)
[ 0.29933] [-1.22682]
D(PMMO(-3)) -0.042892 -0.099859
(0.08724) (0.09421)
[-0.49168] [-1.05993]
D(PMMO(-4)) -0.028960 -0.018396
(0.08512) (0.09192)
[-0.34024] [-0.20012]
D(PMMO(-5)) -0.090500 -0.039141
(0.08160) (0.08813)
[-1.10908] [-0.44415]
D(PMMO(-6)) 0.324343 -0.074928
(0.08043) (0.08686)
[ 4.03276] [-0.86264]
D(SPAMPRO(-1)) -0.160264 0.040433
(0.10246) (0.11065)
[-1.56422] [ 0.36541]
D(SPAMPRO(-2)) -0.018277 0.067974
(0.09982) (0.10780)
[-0.18311] [ 0.63056]
D(SPAMPRO(-3)) -0.202216 -0.002075
(0.09470) (0.10227)
[-2.13543] [-0.02029]
D(SPAMPRO(-4)) -0.103200 -0.202865
(0.09439) (0.10194)
168
[-1.09333] [-1.99005]
D(SPAMPRO(-5)) -0.118278 -0.062362
(0.09505) (0.10266)
[-1.24431] [-0.60748]
D(SPAMPRO(-6)) -0.315108 0.029147
(0.09354) (0.10102)
[-3.36873] [ 0.28853]
C -0.284744 -0.257734
(0.24396) (0.26347)
[-1.16719] [-0.97824]
R-squared 0.390875 0.108406
Adj. R-squared 0.318888 0.003036
Sum sq. resids 763.7675 890.8221
S.E. equation 2.635022 2.845766
F-statistic 5.429766 1.028814
Log likelihood -288.6632 -298.2039
Akaike AIC 4.881665 5.035547
Schwarz SC 5.200084 5.353965
Mean dependent -0.218713 -0.167443
S.D. dependent 3.192823 2.850096
Determinant Residual Covariance 54.47483
Log Likelihood -584.9012
Log Likelihood (d.f. adjusted) -599.7566
Akaike Information Criteria 10.15736
Schwarz Criteria 10.83969
Quadro A.7 Teste de Causalidade Granger dos preços recebidos pelos
Produtores, atacado e estoques de milho do governo
Pairwise Granger Causality Tests
Date: 07/28/05 Time: 10:44
Sample: 1987:01 2003:06
Lags: 5
Null Hypothesis: Obs F-Statistic Probability
PRPMSP does not Granger Cause EMG 7.60781 1.6E-06
EMG does not Granger Cause PRPMSP 192 1.89335 0.09756
PAMSP does not Granger Cause EMG 192 8.69517 2.1E-07
EMG does not Granger Cause PAMSP 3.05152 0.01140
PRPMPR does not Granger Cause EMG 192 6.56400 1.2E-05
EMG does not Granger Cause PRPMPR 1.18199 0.31974
PAMPR does not Granger Cause EMG 192 7.20394 3.6E-06
EMG does not Granger Cause PAMPR 1.07053 0.37826
PRPMGO does not Granger Cause EMG 192 7.83293 1.1E-06
EMG does not Granger Cause PRPMGO 2.25751 0.05060
PRPMMT does not Granger Cause EMG 195 3.31551 0.03843
EMG does not Granger Cause PRPMMT 3.14526 0.04531
Nota: Para o teste PRPMMT e EMG foi utilizado lag 2.
170
Tabela A.6 - Valores Críticos da Distribuição Assintótica para os testes de Raiz
Unitária com mudança estrutural
∗
− Lambda
λ
Nível de Significância
(%)
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Mudança de Intercepto
1,0 -4,30 -4,39 -4,39 -4,34 -4,32 -4,45 -4,42 -4,33 -4,27
2,5 -3,93 -4,08 -4,03 -4,01 -4,01 -4,09 -4,07 -3,99 -3,97
5,0 -3,68 -3,77 -3,76 -3,72 -3,76 -3,76 -3,8 -3,75 -3,69
10,0 -3,40 -3,47 -3,46 -3,44 -3,46 -3,47 -3,51 -3,46 -3,38
90,0 -1,38 -1,45 -1,43 -1,26 -1,17 -1,28 -1,42 -1,46 -1,37
95,0 -1,09 -1,14 -1,13 -0,88 -0,79 -0,92 -1,10 -1,13 -1,04
97,5 -0,78 -0,90 -0,83 -0,55 -0,49 -0,60 -0,82 -0,89 -0,74
99,0 -0,46 -0,54 -0,51 -0,21 -0,15 -0,26 -0,50 -0,57 -0,47
Mudança da Declividade
1,0 -4,27 -4,41 -4,51 -4,55 -4,56 -4,57 -4,51 -4,38 -4,26
2,5 -3,94 -4,08 -4,17 -4,20 -4,26 -4,20 -4,13 -4,07 -3,96
5,0 -3,65 -3,8 -3,87 -3,94 -3,96 -3,95 -3,85 -3,82 -3,68
10,0 -3,36 -3,49 -3,58 -3,66 -3,68 -3,66 -3,57 -3,50 -3,35
90,0 -1,35 -1,48 -1,59 -1,69 -1,74 -1,71 -1,61 -1,49 -1,34
95,0 -1,04 -1,18 -1,27 -1,37 -1,40 -1,36 -1,28 -1,16 -1,04
97,5 -0,78 -0,87 -0,97 -1,11 -1,18 -1,11 -0,97 -0,87 -0,77
171
99,0 -0,40 -0,52 -0,69 -0,75 -0,82 -0,78 -0,67 -0,54 -0,43
Mudança de intercepto e de Declividade
1,0 -4,38 -4,65 -4,78 -4,81 -4,9 -4,88 -4,75 -4,70 -4,41
2,5 -4,01 -4,32 -4,46 -4,48 -4,53 -4,49 -4,44 -4,31 -4,10
5,0 -3,75 -3,99 -4,17 -4,22 -4,24 -4,24 -4,18 -4,04 -3,80
10,0 -3,45 -3,66 -3,87 -3,95 -3,96 -3,95 -3,86 -3,69 -3,46
90,0 -1,44 -1,60 -1,78 -1,91 -1,96 -1,93 -1,81 -1,63 -1,44
95,0 -1,11 -1,27 -1,46 -1,62 -1,69 -1,63 -1,47 -1,29 -1,12
97,5 -0,82 -0,98 -1,15 -1,35 -1,43 -1,37 -1,17 -1,04 -0,80
99,0 -0,45 -0,67 -0,81 -1,04 -1,07 -1,08 -0,79 -0,64 -0,5
Fonte: Perron, P.(1989), p.1376-1.377
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
