Embed Size (px)
Citation preview
SABESP
COMPANHIA DE SANEAMENTO BÁSICO DO ESTADO DE SÃO PAULO
Estimação da Elasticidade-Preço da Demanda dos
Clientes Comerciais e Industriais da SABESP
SÃO PAULO
FEVEREIRO DE 2009
1
SUMÁRIO
Introdução .................................................................................................................................................................. 3
1 Base de Dados .................................................................................................................................................. 4
1.1 Organização da Base de Dados.......................................................................................................... 4
1.2 Outras Variáveis do Estudo ................................................................................................................. 7
2 Metodologia .......................................................................................................................................................... 10
2.1 Estudo da Demanda e Elasticidades ................................................................................................... 10
2.1.1 Resumo das principais especificações da equação de demanda usadas ............................ 12
2.1.2 Resumo de outros estudos de demanda industrial e comercial por água ......................... 14
2.2 Métodos de Estimação ............................................................................................................................. 16
2.2.1 Modelo de Heckman ............................................................................................................................. 17
2.2.2 Modelo de Efeitos Específicos .......................................................................................................... 19
2.2.2.1 Pooled OLS .......................................................................................................................................... 19
2.2.2.2 Efeitos Fixos (EF) .............................................................................................................................. 20
2.2.2.3 Primeiras Diferenças ......................................................................................................................... 21
2.2.2.4 Efeitos Aleatórios (EA) .................................................................................................................... 22
2.2.2.5 Teste para comparação entre os métodos EF e EA ............................................................... 23
2.3 Conclusões sobre os Métodos de Estimação ................................................................................... 23
3. Resultados das Estimações ............................................................................................................................ 25
3.1 Modelos estimados com dados em painel ........................................................................................ 25
3.1.1 Modelo log-lin Geral ............................................................................................................................ 25
3.1.2 Modelo log-lin por Ramos de Atividade ....................................................................................... 32
3.2 Modelos estimados com dados em cross-section .......................................................................... 36
3.3 Limitações dos Modelos estimados .................................................................................................... 40
4. Considerações Finais ....................................................................................................................................... 43
Referências bibliográficas ................................................................................................................................... 45
Anexo A - Rotinas em STATA ......................................................................................................................... 47
2
A.1 Juntando as bases de dados dos anos ............................................................................................ 47
A.2 Preparando a base de dados para estimação: Base Data ..................................................... 47
A.3 Reamostragem da Base de Dados .................................................................................................... 49
Anexo B – Descrição dos Ramos de Atividades e Códigos – Painel ................................................. 53
Anexo C – Resultados das Estimações com dados em painel ............................................................... 56
C.1 Método Efeitos Fixos para cada Grupo de Atividades .................................................................... 56
C.2 Método Efeitos Aleatórios para cada Grupo de Atividades .......................................................... 75
Anexo D – Ramos de Atividades Agregados e Descrição das Atividades ..................................... 103
Anexo E – Descrição dos Ramos de Atividades e Códigos – Cross-section ................................. 115
3
Estimação da Elasticidade-Preço da Demanda dos Clientes Comerciais e Industriais da SABESP
Denisard Cneio de Oliveira Alves1
Paula Carvalho Pereda2
Daniel Grimaldi3
Alexsandros Fraga 3
Introdução
Este trabalho objetiva estudar a relação entre a demanda por água da SABESP e a estrutura de
preços da mesma, ou seja, a sensibilidade dos grandes clientes da SABESP face a estrutura
tarifária da empresa, observada por seus clientes. Acredita-se que, apesar de a água ser um
bem essencial para as pessoas e para a produção de determinados bens, a concorrência
enfrentada pela SABESP leva seus clientes a serem bastante sensíveis aos preços praticados
pela concessionária.
Em estudo anterior realizado pela FIPE, testou-se se a atual estrutura tarifária da SABESP leva
os grandes clientes da empresa a buscarem fontes alternativas de fornecimento de água. Os
resultados dos modelos estimados pelo estudo corroboraram a hipótese inicial, fornecendo
evidências de que a probabilidade de evasão dos clientes SABESP aumenta conforme cresce o
nível de consumo médio dos mesmos. O estudo também encontrou que os níveis de consumo
mensal em que a probabilidade chega próxima ao seu máximo, variaram entre 500m³ e
1200m³.
Este trabalho busca captar a sensibilidade dos clientes da SABESP aos preços. Acredita-se
que, a partir dos resultados aqui encontrados, torna-se possível a simulação de alternativas de
1 Professor Titular do Departamento de Economia FEA-USP.
2 Doutoranda em Economia pela FEA-USP.
3 Mestrando em Economia pela FEA-USP.
4
políticas tarifárias que permitam à SABESP defender ou ampliar sua participação no mercado
de fornecimento de água do Estado de São Paulo.
A estimação da demanda por água da SABESP foi feita com base no arquivo de clientes da
empresa e outras informações coletadas externamente. Os resultados sugerem que a
elasticidade-preço média dos clientes aqui analisados é baixa (-0,40), estando de acordo com a
teoria econômica. A sensibilidade aos preços por ramos de atividade mostraram ser
ligeiramente diferentes entre os tipos de atividades, entretanto, a maioria dos resultados
concentrou-se no intervalo de -1 a 0, para as elasticidades-preço. Dois outros resultados
relevantes foram: a elasticidade-preço crescente ao longo do tempo, o que indica o aumento da
sensibilidade dos consumidores aos preços da água nos últimos anos; e o viés positivo nas
estimações, o que indica que os grandes clientes são ligeiramente mais sensíveis do que foi
possível captar neste trabalho.
1 Base de Dados
1.1 Organização da Base de Dados
O trabalho se apóia em dados, disponibilizados diretamente pela SABESP, a respeito de seus
clientes comerciais e industriais, que foram considerados grandes clientes4 no Relatório de
Estimativa do Limiar de Evasão de Clientes. Para cada um desses clientes, foram fornecidas as
seguintes informações: código de RGI associado5; quantidade de água, esgoto e consumo
efluente faturados para cada mês do período de referência; valor da fatura de água, esgoto e
4 Foram considerados “grandes” clientes aqueles cujo consumo semestral médio superou 50 m3 em algum
momento do tempo entre julho de 2003 e agosto de 2008.
5 O número do RGI (determinado pelo campo CD_RGI no arquivo original) serviu para definir unicamente
cada cliente, de tal forma que todas as outras informações estão a ele ligadas. Vale ressaltar que é possível
que um determinado cliente mude de endereço e, com isso, passe a consumir do sistema SABESP através
de outro RGI. No entanto, não é possível identificar esses casos, dentro dessa base de dados. Apesar das
limitações da metodologia, a suposição de que os clientes permaneceram no mesmo RGI durante o período
analisado foi a única opção viável.
5
consumo efluente para cada mês do período de referência; tipo de ligação; código de categoria
de uso; tipo de tarifa; e ramo de atividade6.
Além dessas informações foram utilizados também os seguintes dados: o código de unidade de
negócio associado a cada RGI – informação trazida do Relatório de Estimativa do Limiar de
Evasão de Clientes. O período total de referência da pesquisa englobou 61 meses entre julho
de 2003 e agosto de 2008.
Outras duas variáveis fundamentais foram quantidade de água faturada (denominada
QT_CONSUMO_AGUA_FATURADO no arquivo original) e valor cobrado pela fatura
(denominada VL_AGUA no arquivo original). A partir do valor cobrado na fatura e da
quantidade de água faturada foi possível encontrar, através de uma divisão simples, o preço
pago por cada rgi em cada momento do tempo (mês/ano).
Para a criação de uma variável capaz de controlar, nas estimações, possíveis efeitos de
localidade, optou-se por utilizar o código de unidade de negócio atribuído a cada rgi (definido
pelo campo un). As unidades de negócio da SABESP foram codificadas da seguinte maneira:
Código Regional
1 Baixada Santista
2 Vale do Ribeira
3 Vale do Paraíba
4 Baixo Tietê e Grande
5 Pardo e Grande
6 Médio Tietê
7 Baixo Paranapanema
8 Alto Paranapanema
9 Litoral Norte
10 Capivari e Jundiaí
11 Centro de São Paulo
12 Norte de São Paulo
13 Sul de São Paulo
14 Leste de São Paulo
15 Oeste de São Paulo
6 As variáveis de ramos de atividade utilizadas estão descritas no Anexo B.
6
Por sua vez, o campo denominado ramo, que indicava o código do setor de atividade da
ligação, foi utilizado para controlar efeitos específicos à atividade fim dos clientes, pois se
espera que algumas atividades industriais induzam maior (ou menor) consumo de água.
Todas essas informações, exceto as informações de localidade, estavam contidas em 6
arquivos (um para cada ano do período de referência) de formato txt denominados
FIPE_FATURAS_03, FIPE_FATURAS_04, FIPE_FATURAS_05, FIPE_FATURAS_06,
FIPE_FATURAS_07, FIPE_FATURAS_08. Cada linha (unidade de observação) desses
arquivos apresentava um RGI em um determinado momento do tempo (mês/ano). Sendo
assim, o número de observações é diferente em cada um dos arquivos basicamente por que o
número de RGIs ativos muda constantemente (alguns são desativados e outros ativados entre
um momento do tempo e outro). Deve-se ressaltar também que, para o ano de 2003 temos
apenas observações a partir de julho, e para 2008 temos apenas observações até agosto.
A montagem do banco de dados do trabalho começa, portanto, com a importação dos 6
arquivos em txt para um arquivo em Access denominado Faturas.mdb. Depois, esse arquivo é
convertido, fazendo uso do programa Statransfer, para banco de dados em STATA – dando
origem a outros 6 arquivos7. A rotina descrita no anexo A.1 foi usada para unir esses 6
arquivos em um único banco de dados denominado Todas.dta.
Unindo os arquivos unidadesdenegocio.dta8 e Todas.dta, através da rotina presente no anexo
A.2, foi montado o banco de dados Base Data.dta. Este banco de dados contém todas as
informações disponibilizadas para toda a amostra. Para fins de estimação, no entanto, foram
necessárias algumas alterações como exclusão de variáveis não utilizadas, a construção de
variáveis relevantes e extração de uma amostra aleatória9. A rotina disponível no anexo A.3
mostra as alterações feitas sobre o arquivo Base Data.dta que deram origem ao arquivo
Sample Base Data.dta. Este último arquivo serviu de base para todas as estimações do
trabalho.
7 Que são homônimos aos arquivos com extensão txt, mas com extensão dta.
8 Arquivo esse usado no Relatório Estimativa do Limiar de Evasão de Clientes.
9 Essas duas alterações são necessárias para tornar as estimações viáveis, dada capacidade de
processamento disponível.
7
Por fim, é importante destacar que a metodologia de cálculo de ex-clientes da SABESP
descrita no relatório anterior será utilizada neste trabalho.
1.2 Outras Variáveis do Estudo
As variáveis disponibilizadas pela SABESP, no entanto, não foram suficientes para a
especificação completa dos modelos que se pretendia estimar. Informações dos preços dos
concorrentes da SABESP – como os preços da água fornecida por empresas de caminhão-pipa
e por poços-artesianos e semi-artesianos perfurados – devem ser consideradas na estimação da
demanda. Além disso, medidas que controlem o tamanho dos clientes da SABESP, variável
esta importante para a decisão dos mesmos em consumir água, permitem também a
identificação correta dos parâmetros que se pretende estimar.
Para encontrar as informações do tamanho do cliente, optou-se pelo levantamento, junto a
Prefeitura do Município de São Paulo e com o apoio da SABESP, da metragem quadrada dos
estabelecimentos comerciais e industriais de São Paulo. Esta informação pode ser considerada
uma aproximação da variável tamanho (produção, ou faturamento) da empresa, uma vez que
se acredita que empresas de maior porte de produção exijam maiores plantas ou espaços.
Os preços dos concorrentes foram coletados a partir dos resultados de pesquisa de campo
realizada por empresa contratada pela SABESP. A pesquisa calculou os preços da água, por
metros cúbicos, para caminhões-pipa em seis regiões de atuação da SABESP, todas dentro da
Região Metropolitana de São Paulo. Os preços são relativos à Janeiro de 2009, data de
aplicação dos questionários. Para poços artesianos e semi-artesianos, não foi possível calcular
preços consistentes para as seis regiões de interesse devido à falta de variabilidade nas regiões
e ao baixo nível de resposta das empresas perfuradoras e de consistência na formação de
preços.
8
Para deflacionar os preços da água, por caminhão-pipa para os períodos anteriores, foram
utilizados os seguintes índices de preços: Indice de Preços ao Consumidor (IPC-Fipe); e preço
dos Óleos Combustíveis da Associação Nacional de Petróleo (ANP)10.
Algumas questões sobre o mercado concorrente são importantes de serem destacadas. Um
exemplo seria a questão do preço e medição do esgoto produzido pelas ligações de água. Na
maioria dos clientes da SABESP, a quantidade utilizada de esgoto é calculada como sendo
equivalente ao consumo de água do período.
Segundo informado por técnicos da SABESP, em alguns clientes – principalmente aqueles em
que a água é insumo importante na produção – este cálculo é feito com maior precisão, de
maneira a não trazer prejuízos aos consumidores. No entanto, esta questão torna-se mais
relevante quando se analisa o mercado concorrencial, uma vez que não é realizada a medição
da água adquirida por fontes alternativas, o que é visto com grande preocupação, pois a
SABESP perde receita do consumo de água, devido à concorrência, e da utilização do esgoto.
Além disso, a SABESP ainda tem prejuízo devido aos custos de tratamento do esgoto
decorrentes da água comprada na concorrência.
Analisando os dados da SABESP e as informações extraídas da pesquisa de campo contratada
pela SABESP, pode-se verificar se o processo de formação de preço dos fornecedores de água
de caminhão-pipa tem alguma relação com o preço da água da SABESP. Com o intuito de
responder tal questão, realizou-se o seguinte exercício: Comparou-se o preço marginal da água
da SABESP para clientes comerciais e industriais com consumo acima de 50m3 com a média e
a mediana do preço da água de caminhão-pipa para cada unidade de negócio da região
metropolitana de São Paulo11.
De acordo com as tabelas abaixo, o preço médio da água de caminhão-pipa é sempre maior
que o preço marginal praticado pela SABESP nas unidades de negócio da capital. Quando se
considera a mediana dos preços para os mesmos locais, as estatísticas geram os mesmos
resultados. Contudo, o preço marginal da água para os clientes comerciais e industriais
10 Ver http://www.anp.gov.br/petro/precos_de_produtores.asp. Consulta feita em 30/01/2009.
11 Preços de acordo com o Comunicado 01/08 que comunica a estrutura tarifária da SABESP a todos os municípios abastecidos.
9
SABESP é dobrado para grande parte dos consumidores, pois é considerado o volume de
esgoto recolhido, que se equipara ao volume de água faturado. Desta forma, o preço que os
consumidores exclusivos da Sabesp enfrentam é superior ao valor do m3 da água fornecida por
caminhão-pipa.
Preço Marginal da Água e Esgoto (SABESP) e Preço Médio do Caminhão-Pipa
Zona de SP Água Sabesp
preço (marginal)
Esgoto Sabesp preço
(marginal)
(Água + Esgoto) Sabesp preço
(marginal)
Água de caminhão-pipa preço (média)
Água de caminhão-pipa + Esgoto Sabesp
preço
Centro 10.18 10.18 20.36 14.42 24.60
Norte 10.18 10.18 20.36 20.32 30.50
Sul 10.18 10.18 20.36 18.22 28.40
Leste 10.18 10.18 20.36 15.62 25.80
Oeste 10.18 10.18 20.36 17.45 27.63
Preço Marginal da Água e Esgoto (SABESP) e Mediana do Preço do Caminhão-Pipa
Zona de SP Água Sabesp
preço (marginal)
Esgoto Sabesp preço
(marginal)
(Água + Esgoto) Sabesp preço
(mediana)
Água de caminhão-pipa
preço (mediana)
Água de caminhão-pipa + Esgoto Sabesp
preço (med + mg)
Centro 10.18 10.18 20.36 14.00 24.18
Norte 10.18 10.18 20.36 18.00 28.18
Sul 10.18 10.18 20.36 16.50 26.68
Leste 10.18 10.18 20.36 15.00 25.18
Oeste 10.18 10.18 20.36 17.50 27.68
Com base nestas observações, pode-se concluir que os clientes desta região enxergam
vantagens artificiais no fornecimento alternativo (caminhão-pipa), uma vez que eles deixam de
pagar o valor devido pelo esgoto coletado. Na comparação entre os valores apenas da
distribuição da água, a SABESP apresenta preços mais vantajosos em todas as zonas da cidade
de São Paulo.
10
2 Metodologia
A seção metodológica está subdivida em três seções principais. A primeira discorre sobre a
importância da estimação da demanda e das elasticidades-preço, apresentando a maneira de
interpretação de cada especificação do modelo. Ainda nesta seção há um resumo dos
resultados de estudos anteriores sobre a demanda empresarial por água. A segunda seção
abrange os métodos de estimação utilizados, comparando e indicando a relevância de cada
metodologia. A seção final apresenta uma conclusão das especificações e metodologias para a
estimação do modelo.
2.1 Estudo da Demanda e Elasticidades
Segundo Varian (1994) e Pindyck e Rubinfeld (1994), a demanda pode ser definida como a
decisão de um consumidor adquirir determinado bem, seja este uma mercadoria ou um
serviço. Em outras palavras, seria a quantidade de produto que o consumidor, ou um conjunto
de consumidores, deseja consumidor frente a uma estrutura de preços dada no mercado em que
o produto é oferecido. É importante destacar que a quantidade demandada é medida em termos
da unidade de tempo do momento da decisão.
A quantidade demandada, ou quantidade desejada pelo consumidor, depende de diversos
fatores que influenciam os consumidores no momento em que este deseja adquirir
determinado produto. Entre os principais fatores de influência na decisão dos consumidores
destacam-se: preço do produto; preço dos produtos concorrentes (substitutos diretos ou
indiretos); preço dos produtos complementares; a renda do consumidor; preferência pelo
produto ou marca; tempo; entre outras variáveis específicas para cada mercado.
A demanda também impacta na quantidade ofertada, ou produzida das firmas, ou seja, a partir
de tendências observadas na quantidade demandada, as empresas vêem a necessidade de
aumentar a produção (oferta) para atender aos desejos de comprar dos consumidores.
A lei da demanda, decorrente da teoria do consumidor, define que a quantidade demandada de
um bem se reduz conforme aumenta o seu preço, tudo o mais constante. Assim, tem-se que,
11
em geral, a demanda por um bem, ou uma função de demanda pelo mesmo, é negativamente
relacionada com o preço do bem.
A principal característica da água é o fato de ser um recurso essencial à vida. A essencialidade
deste bem advém de dois principais usos deste fator: sobrevivência, ou seja, o uso da água
para hidratação do organismo; produção, uma vez que a aguá é utilizada como insumo na
processo produtivo de diversas indústrias – indústria de bebidas, resfriamento de motores,
mineração, agricultura, geração de energia, entre outras.
Neste trabalho pretende-se analisar a demanda por água para clientes industriais e comerciais.
Desta forma, acredita-se que a água possa ser caracterizada como um bem normal e apresente
elasticidades-preço (sensibilidade da demanda aos preços) negativas, sendo maiores para
ramos de atividade com processo produtivo intensivo em água.
Como a teoria econômica sempre se interessou em medir o quão sensível é a demanda em
relação aos preços e a renda, sendo a inclinação da curva de demanda sua principal medida,
temos que podemos descrevê-la por:
O principal problema desse tipo de medida é que a inclinação da curva de demanda depende
das unidades nas quais medimos a quantidade e o preço. Esse tipo de medida não permite
comparar a sensibilidade do consumo entre produtos com escalas de medida diferentes. Esse
tipo de comparação depende da existência de uma medida de sensibilidade que independa das
unidades de medida de preço e quantidade.
A elasticidade-preço da demanda é a principal medida adimensional para a sensibilidade do
consumo em relação à variação no preço. Ela é definida como a razão entre a variação
percentual na quantidade consumida e a variação percentual no preço. O coeficiente de
elasticidade-preço pode ser interpretado da seguinte forma: “Um incremento de 1% no preço
do bem x provoca uma variação de ε% na quantidade demandada do bem y”.
12
O sinal da elasticidade-preço da demanda em geral é negativo, uma vez que a teoria
econômica prevê uma relação negativa entre preço e quantidade demandada. Se um bem tiver
uma elasticidade da demanda maior que um em valor absoluto, dizemos que ele tem uma
demanda elástica. Se a elasticidade for menor que um em valor absoluto, dizemos que o bem
tem uma demanda inelástica.
A elasticidade-preço cruzada da demanda é uma medida usada para captar a sensibilidade do
consumo de um bem em relação à variação no preço dos outros bens. Ela é definida como a
razão entre a variação percentual na quantidade consumida e a variação percentual no preço de
outro bem qualquer. O coeficiente de elasticidade-preço cruzada pode ser interpretado da
seguinte forma: “Um incremento de 1% no preço do bem y provoca uma variação de δ% na
quantidade demandada do bem x”.
O sinal da elasticidade-preço cruzada da demanda depende da estrutura de preferências do
consumidor. Se o sinal da elasticidade cruzada for negativo, dizemos que os bens x e y são
complementares (exemplo: pão e manteiga; ou café e açúcar). Se o sinal da elasticidade
cruzada for positivo, dizemos que os bens x e y são substitutos, como por exemplo margarina e
manteiga.
2.1.1 Resumo das principais especificações da equação de demanda usadas
O modelo linear simples pode ser expresso da seguinte forma:
x: quantidade demandada do bem x.
px: preço do bem x.
w: renda dos consumidores.
upwpx yx ++++= 3210 ββββ
13
py: preço do bem y (substituto ou complementar).
u: termo de erro.
O coeficiente β1 mede a inclinação da curva de demanda e possui a seguinte interpretação:
“Um incremento de uma unidade em px provoca uma variação de β1 unidades em x mantendo
tudo mais constante”. A elasticidade-preço é variável em um modelo de demanda linear e pode
ser calculada em cada ponto (ou na média das observações) através da seguinte fórmula:
O modelo log-log pode ser expresso da seguinte forma:
O coeficiente β1 mede a elasticidade-preço da demanda e possui a seguinte interpretação: “Um
incremento de 1% em px provoca uma variação de β1% em x mantendo tudo mais constante”.
O modelo log-log pressupõe que a elasticidade seja constante ao longo de toda curva de
demanda.
O modelo log-lin pode ser expresso da seguinte forma:
O coeficiente β1 possui a seguinte interpretação: “Um incremento de uma unidade em px
provoca uma variação de β1% em x mantendo tudo mais constante”. A elasticidade-preço é
variável em um modelo log-lin e pode ser calculada em cada ponto (ou na média das
observações) através da seguinte fórmula:
O modelo lin-log pode ser expresso da seguinte forma:
O coeficiente β1 possui a seguinte interpretação: “Um incremento de 1% em px provoca uma
variação de β1 unidades em x mantendo tudo mais constante”. A elasticidade-preço é variável
upwpx yx ++++= lnlnlnln 3210 ββββ
upwpx yx ++++= 3210ln ββββ
upwpx yx ++++= lnlnln 3210 ββββ
14
em um modelo log-lin e pode ser calculada em cada ponto (ou na média das observações)
através da seguinte fórmula:
2.1.2 Resumo de outros estudos de demanda industrial e comercial por água
Alguns trabalhos podem ser encontrados na literatura de demanda por água, sendo a maior
parte realizada para consumidores residenciais, devido à disponibilidade de dados. A questão
crítica para a análise da demanda industrial e comercial é, na verdade, a existência de dados
para estes consumidores.
Em trabalho realizado por Feres et al. (2008), os autores estimaram a demanda por água de
usuários industriais no entorno da bacia do Rio Paraíba do Sul. A partir de uma pesquisa de
campo com 488 estabelecimentos industriais da região, o objetivo do estudo foi avaliar os
impactos financeiros e ambientais decorrentes da introdução da cobrança pelo uso da água na
bacia, através da análise do comportamento da demanda de água dos usuários industriais e da
estimação dos custos de controle de poluição.
Os autores estimaram um modelo econométrico especificando a estrutura de custos das
empresas, onde a água é vista como um insumo produtivo. A partir dos parâmetros estimados,
foram computadas as elasticidades-preço da demanda de água. Em seguida, avaliou-se o
impacto de aumentos no preço da água sobre a demanda de água e dos demais fatores de
produção, bem como sobre o custo total das empresas, através de simulações.
Adotou-se para a função custo de curto prazo uma especificação translog. Assim, a função de
demanda estimada foi a proporção de despesas com água em função dos preços dos demais
insumos de produção, do estoque de capital fixo e da produção total (todas estas variáveis em
logaritmo). A elasticidade-preço da demanda de água encontrada foi -0,58, o que significa que
um aumento de 1% no preço da água acarreta uma diminuição de 0,58% em sua demanda
15
total. Os autores também estimaram as elasticidades de água por ramo de atividade, sendo os
valores encontrados os seguintes:
• Alimentos e bebidas: -0,82
• Têxtil: -0,04
• Vestuário, calçados e artigos de couro: -0,31
• Madeira, borracha e plástico: -0,40
• Papel e celulose: -0,76
• Química: -0,71
• Minerais não-metálicos: -0,22
• Metalurgia: -0,48
• Máquinas e equipamentos: -0,31
• Material de transporte: -0,51
• Outras: -0,33
Um estudo desenvolvido por Andrade et al. (1995) estimou a função demanda residencial
para consumidores da Empresa de Saneamento do Paraná (SANEPAR). Os dados também
foram coletados por meio de pesquisa de campo (feita em 1986) com 27 municípios e cerca de
cinco mil residências. Foram estimadas funções de demanda lineares para três classes de renda
(medidas em salários mínimos – SM), sendo variáveis independentes: o preço da água; a
diferença de preços entre o efetivamente pago e o devido; a renda familiar; e o número de
moradores. Os resultados mostram que a elasticidade-preço da demanda é menor que um para
todos os casos. A seguir estão listados os resultados encontrados pelos autores.
• Elasticidade-preço Geral: -0,24
• Elasticidade-preço para usuários com renda < 2 SM: -0,62
• Elasticidade-preço para usuários com renda > 2 SM e < 10 SM: -0,17
• Elasticidade-preço para usuários com renda > 10 SM: -0,22
A tabela a seguir resume os resultados das elasticidades-preço industriais, em módulo,
calculadas para alguns países por diversos estudos.
16
Fonte: Ribeiro et al. (1999).
Para os Estados Unidos, Grebenstein e Field (1979) estimaram elasticidades entre -0,33 e -
0,80 para a demanda industrial de água. Resultados semelhantes foram encontrados por
Renzetti (1988) e Dupont e Renzetti (2001) para a indústria canadense. Já para a demanda
industrial de água da França, Reynaud (2003) calculou elasticidades-preço que variaram entre
-0,10 e -0,79 para os diversos ramos de atividade da indústria francesa.
2.2 Métodos de Estimação
Dois tipos de modelagens distintas foram utilizados para estimar a equação de demanda por
água da SABESP, sendo elas:
1) Modelo de Heckman com correção de viés de seleção com dados em corte transversal
empilhados;
2) Modelo de Efeitos Específicos (efeitos fixos e aleatórios) com dados em painel.
17
2.2.1 Modelo de Heckman
O procedimento proposto por Heckman (1979) busca corrigir problemas de viés de seleção.
Este tipo de problema ocorre quando a amostra que se pretende analisar é não-aleatória da
população. No caso da amostra disponibilizada pela SABESP, caso o objetivo fosse estimar a
demanda por água para os consumidores do Estado de São Paulo teríamos dois tipos de
problemas que causariam a não-aleatoriedade da amostra:
1) A amostra da SABESP é não representativa para explicar a população (Estado de São
Paulo): Existem questões tanto políticas, relacionadas à concessão da licença de fornecer água,
quanto econômicas, relacionadas à viabilidade no fornecimento para cidades pequenas e
afastadas, que fazem com que o fornecimento de água não seja feito pela SABESP nos demais
municípios de São Paulo;
2) A base de dados da SABESP não contém informações dos usuários das outras empresas de
água e saneamento, não contendo, portanto, informação do consumo e preços da água
adquirida nesta empresas. Assim, tem-se que ao longo do tempo os clientes que se retiraram
do sistema SABESP mantém um consumo residual.
Como a pretensão deste estudo engloba o entendimento da sensibilidade dos clientes da
SABESP, o primeiro item torna-se irrelevante e incorremos em apenas um tipo de viés de
seleção.
Assim, o procedimento em dois estágios pode ser sumariado da seguinte forma:
i) Equação de Seleção: Estimação de um modelo Probit para a evasão de clientes
da SABESP (levando em conta, portanto, uma amostra com clientes que
evadiram e não evadiram), a partir da qual se pode obter a razão inversa de
Mills para cada ponto da amostra;
ii) Equação Estrutural: Estimação por mínimos quadrados de uma equação de
demanda para a amostra de clientes da SABESP que inclua como regressor
adicional a razão inversa de Mills. Para contornar o problema de
18
heterocedasticidade dos erros da equação de retorno, é desejável utilizar erros
padrões robustos à heteroscedasticidade na linha de White (1980)12.
As variáveis independentes na equação de seleção foram: localidade do RGI; ramos de
atividade do cliente; volume médio faturado de água no nível (m³) e ao quadrado. A variável
dependente, conforme descrição em estudo anterior, foi definida por:
Y =
contrário caso ,0
SABESP sistema dosaiu cliente o se ,1
A variável Y assume o valor 1 com base em critério definido anteriormente.
O primeiro estágio da estimação foi estimado por um Probit. A função Probit está relacionada
à função de distribuição da normal padronizada [Wooldridge, 2006]. Se Z for uma variável
aleatória normal padronizada, a sua função densidade de probabilidade é dada por:
A função Probit é, então, dada por:
Φ(z) = P(Z ≤ z) =1
2πe−0.5z2
−∞
z
∫
O modelo estatístico expressa a probabilidade do Y ser igual a 1, ou seja, o cliente saiu do
sistema SABESP, é dado por:
em que os betas são os parâmetros a serem estimados usando-se as N observações da amostra.
12 O artigo de White (1980) recalcula os erros-padrão da re gressão, que são inconsistentes quando há
heterocedasticidade. White encontra um estimador robusto para a variância utilizando os mesmos
resultados da estimação por OLS.
φ(z) =1
2πe−0.5z2
))()(([ 234
3321 mmsetorZPp ββββ +++Φ≤=
19
A equação estrutural do modelo será uma equação de demanda, em que as variáveis
independentes são os preços da SABESP e concorrentes, dummies para os ramos de atividades
dos clientes, tamanho dos consumidores (via metragem quadrada dos imóveis), variáveis de
localidade (dummies para unidades de negócio). A equação estimada está descrita abaixo:
iii
iiit
m
preçoPipappreçoSabesdemanda
εβ
βββ
+++
++++=
33
210
calαdummiesLo
mosαdummiesRa
2.2.2 Modelo de Efeitos Específicos
As bases de dados que se encontram no formato de painel, ou seja, informações que tenham
tanto a dimensão de corte transversal (RGIs) quanto a dimensão temporal (meses e anos)
podem permitir um tratamento diferenciável. Isto porque dados em painel permitem que sejam
estimados efeitos intrínsecos aos RGIs que sejam constantes no tempo, chamados de efeitos
específicos.
Um modelo básico aplicado a dados em painel pode ser representado por:
itiitit zxy εαβ ++= ''
O termo x’it possui K regressores, incluindo o vetor de 1’s (para a constante). Na equação
acima, o efeito específico, ou heterogeneidade, é representado por z’i α, onde zi contém um
conjunto de variáveis específicas para cada RGI, que podem ser observados ou não, e se
mantém constantes ao longo do tempo. O modelo a ser empregado depende do tipo de
heterogeneidade assumida. A seguir é apresentado um resumo de cada método de estimação.
Os textos a seguir foram escritos com base em Wooldridge (2006) e Wooldridge (2001).
2.2.2.1 Pooled OLS
Se o termo zi da equação anterior contiver apenas um termo constante, então o método dos
mínimos quadrados ordinários (Ordinary Least Squares, ou OLS) fornece estimativas
20
consistentes e eficientes de α e β. Neste caso, pode-se agrupar todos os dados em corte
transversal (ou cross section) para realizar uma regressão linear múltipla pelo método OLS,
que inclua, também, dummies temporais como variáveis explicativas.
A utilização do Pooled OLS pressupõe que os efeitos individuais (zi) tenham o seguinte
comportamento: ( ) 0/ =iti xzE e ( ) 0/ =iti xzVAR .
2.2.2.2 Efeitos Fixos (EF)
Se o mesmo termo zi discutido acima for não observado, mas correlacionado com xit, então o
estimador OLS é viesado e inconsistente, como conseqüência de uma variável relevante
omitida. Neste caso, o modelo pode ser formulado por: itiitit xy εαβ ++= '
Nesta equação, αi = z’i α engloba os efeitos não observados, e constantes no tempo, que
afetam yit. Esta abordagem é chamada de efeito fixo exatamente por assumir que αi é um termo
constante específico de cada indivíduo que não varia ao longo do tempo.
Para cada i, pode-se tirar a média da equação: iiiixy εαβ ++= '
Como o termo αi é constante no tempo, ele aparecerá em ambas as equações. Subtraindo a
equação de sua média, temos:
)()'( iitiitiit xxyy εεβ −+−=− ou itititxy εβ +=
em que iitit yyy −= ; iitit xxx −= e iitit εεε −= .
É importante notar que o efeito individual, αi, desaparece, o que sugere que esta equação pode
ser estimada por Pooled OLS. Os estimadores obtidos por este procedimento são chamados de
estimadores de efeitos fixos ou estimadores within. O intuito da formulação por efeitos fixos é
eliminar αi, ou seja, todos os efeitos não observados que são constantes no tempo.
21
O modelo de EF perde N graus de liberdade na sua estimação, pois é preciso calcular as
médias para cada observação no tempo, assim o total de graus de liberdade é N.T-N=N(T-1)13
.
É importante enfatizar que variáveis constantes no tempo não devem ser incluídas na
estimação de Efeitos Fixos, pois quando a média temporal é igual ao valor de cada observação
e ao se subtrair cada observação da média o resultado é zero e a variável fixa no tempo
desaparece da regressão (estas seriam perfeitamente colineares à variável αi, ou seja, não seria
possível estimar o modelo, pois a hipótese de inexistência de multicolinearidade perfeita não é
atendida).
2.2.2.3 Primeiras Diferenças
Outro método que corrige problemas de efeitos não observáveis, constantes no tempo e
correlacionados com os regressores é o método de First Differencing (FD) ou Primeiras
Diferenças (PD), que consiste em tirar as primeiras diferenças de todas as variáveis do
modelo.
Seja a equação a ser estimada: itiitit xy εαβ ++= ' , sabemos que no período anterior o
modelo é 111 ' −−− ++= itiitit xy εαβ . Tirando a diferença entre eles, temos:
ititititititititit xyxxyy εβεεβ ∆+∆=∆⇒−+−=− −−− ')()''( 111
Ou seja, o efeito não observável da regressão é eliminado e estima-se a mesma por OLS.
Entretanto, é importante notar que as hipóteses clássicas de regressão agora devem ser feitas
sobre o modelo das diferenças, e não mais sobre o modelo no nível.
Quando a dimensão temporal inclui apenas dois períodos (T=2), ambos os modelos geram os
mesmos resultados. No entanto, para mais períodos de tempo no painel (T>2), o melhor
estimador dependerá do padrão de autocorrelação dos erros. Se os erros são
13 Este método também é idêntico a se estimar a equação adicionando-se uma dummy para que cada indivíduo tenha um intercepto diferente (modelo LSDV).
22
autocorrelacionados (são uma random walk, ou passeio aleatório), a primeira diferença deles
será estacionária, portanto o modelo de primeiras diferenças é melhor. Se os erros não são
autocorrelacionados, é melhor usar o estimador de efeitos fixos.
2.2.2.4 Efeitos Aleatórios (EA)
Caso o efeito individual não observado, ou específico, seja não correlacionado com xit, então,
o modelo pode ser formulado por:
itiiiitit zEzzExy εαααβ +−++= ]}'['{]'['
itiitit uxy εαβ +++= )('
A abordagem por efeitos aleatórios assume que ui é um erro específico aleatório, semelhante
ao termo εit, porém com a diferença de ser constante ao longo do tempo para cada indivíduo. A
equação acima pode ser consistentemente estimada por OLS, porém os estimadores serão
ineficientes (haverá termos constantes para os indivíduos somando no erro aleatório da
equação trazendo problema de autocorrelação). Assim, de maneira a corrigir este problema, a
metodologia de efeitos aleatórios estima os coeficientes utilizando o método GLS (Generalized
Least Squares). Além disso, as seguintes hipóteses sobre termo de erro aleatório específico
devem ser assumidas:
( ) 0/ =iti xuE e ( ) 2/ uiti xuVAR σ=
O Modelo de Efeitos Aleatórios não tem perda de graus de liberdade tão grande quanto o
modelo de Efeitos Fixos, sendo o total de graus de liberdade = NT-k
23
2.2.2.5 Teste para comparação entre os métodos EF e EA
O que difere os dois modelos é justamente a correlação ou não dos regressores com os efeitos
específicos (heterogeneidades individuais), ou seja, o viés. Assim, utiliza-se o teste de
Haussman14 para comparar as duas metodologias. A hipótese nula do teste é:
H0: Corr(xit, αi)=0, i.e. EAEF ββ = (não há viés, portanto, FE e EA são consistentes, mas EA é
mais eficiente, pois utiliza método GLS)
H1: Corr(xit, αi) ≠ 0, i.e. EAEF ββ ≠ (há viés, portanto EA é inconsistente e EF é consistente)
A estatística do teste é dada pela seguinte expressão:
( ) ( )[ ] ( )EAEFEAEFEAEF VARVARH ββββββ ˆˆˆ()ˆ'ˆˆ 1−−−=
−
~ 2qχ
2.3 Conclusões sobre os Métodos de Estimação
A maioria das metodologias usadas para a estimação de curvas de demanda faz uso de
estimadores de variáveis instrumentais. Esse fato ocorre porque existe uma relação de
simultaneidade, ou dupla-causalidade, entre preço e quantidade, o que provoca violação da
hipótese clássica de exogeneidade das variáveis explicativas.
No presente estudo, não serão usados estimadores de variáveis instrumentais. O argumento
usado é que o preço é uma variável exógena no problema da firma. Esse argumento é
originário do fato de que a estrutura tarifária é de conhecimento prévio dos agentes na hora da
decisão de produção. Pode-se dizer que a estrutura tarifária é resultado de uma definição
institucional dos órgãos de gestão da Sabesp, logo ela pode ser considerada um dado para os
consumidores de água. Ou seja, a estrutura tarifária da Sabesp é definida por um processo
independente da decisão dos produtores na alocação de seus fatores de produção.
14 Ver Hausman (1978).
24
A escolha da especificação depende do comportamento que se espera da elasticidade na teoria.
É de se esperar que a elasticidade-preço da água não seja constante em relação à quantidade
consumida. Por isso, optou-se por escolher especificações com elasticidade variável. A
especificação escolhida foi o modelo log-lin. Estimou-se também um modelo log-log com
dummies de ano cruzadas com o logaritmo do preço para tentar mapear o comportamento da
elasticidade média dos clientes da SABESP ao longo do tempo.
A escolha do método de estimação variou com a natureza da base de dados. Os estimadores
mais apropriados para dados em painel foram os de efeito fixo e efeito aleatório. Já para a
amostra de dados em cross-section, o estimador mais apropriado foi o de Mínimos Quadrados
Ordinários com correção de viés de seleção via procedimento de Heckman.
Sabe-se que as duas bases de dados sofrem o problema de viés de seleção. Existem duas
explicações principais para esse problema: A primeira é que a base de dados da SABESP não
contém informações dos usuários das outras empresas de água e saneamento. A segunda
explicação é que ao longo do tempo uma série de clientes se retirou do sistema SABESP,
mesmo que tenha mantido algum consumo residual. Como vimos, a metodologia mais usada
para a solução da inconsistência causada pelo viés de seleção é o procedimento de Heckman.
A base de dados usada no trabalho só permite tratar o viés de seleção provocado pela evasão
de clientes da SABESP. Optou-se por tratar o problema do viés de seleção somente na base de
dados em cross-section. Essa escolha se deu por dois motivos. O primeiro motivo é que o
procedimento de Heckman envolve a estimação de uma equação de seleção. A correção do
viés de seleção para uma base de dados em painel envolve a estimação de um modelo não
linear para cada período de tempo da amostra. Esse procedimento não foi possível devido a
ausência de tempo. O segundo motivo é que o critério de definição de ex-cliente usado na
primeira fase do trabalho depende da média semestral de consumo e a base de dados em painel
do segundo envolve dados mensais. A mudança de periodicidade de cada uma das variáveis
(ex-clientes para mensal ou quantidade e preço para semestral) não obteve resultados
satisfatórios. Como somente uma parte dos modelos sofreu correção do viés de seleção, é
possível comparar as elasticidades dos dois modelos para saber o tamanho e o sinal do viés
assintótico.
25
A teoria prevê que a elasticidade-preço da água deve ser negativa e menor que um em
módulo. Esse fato aconteceria porque não existem fatores substitutos para a água no processo
produtivo. A redução no consumo desse fator se deve a racionalização de consumo e não pela
substituição. A teoria também prevê que o módulo da elasticidade deveria ser uma função
decrescente da quantidade consumida. Esse fato aconteceria porque a elasticidade-preço
cruzada entre água da SABESP e de fontes alternativa seria maior entre os grandes clientes. O
acesso a fontes alternativas de água seria maior entre os grandes clientes. Os projetos de poços
artesianos só seriam economicamente viáveis em grande escala porque demandam um grande
investimento. O preço da água de caminhão pipa deve ser menor para os grandes clientes
devido a um maior poder de barganha em relação aos fornecedores.
3. Resultados das Estimações
Optou-se por dividir os resultados em duas seções, uma para os modelos estimados com dados
em painel e outra para os modelos estimados com dados em cross-section. A parte dos
resultados dos modelos estimados com dados em painel foi dividida também em duas: uma
para os resultados do log-lin; e outra para os resultados do log-log com dummies de ano
cruzadas com o logaritmo do preço.
3.1 Modelos estimados com dados em painel
3.1.1 Modelo log-lin Geral
Os resultados das estimações do modelo log-lin por efeito fixo são mostrados a seguir:
26
Regressão de Efeitos Fixos Numero de obs = 1121330
Variavel Grupo: rgi Numero de groups = 22413
R-sq: within = 0.1007 Obs por grupo: min = 1
between = 0.1442 avg = 50.0
overall = 0.0566 max = 61
F(17,1098900) = 7237.85
corr(u_i, Xb) = 0.1037 Prob > F = 0.0000
------------------------------------------------------------------------------
log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf.]
-------------+----------------------------------------------------------------
preco | -.0397846 .000118 -337.03 0.000 -.040016 -.0395532
m2 | -.0446056 .0025499 -17.49 0.000 -.0496032 -.0396079
m3 | .0010611 .0025514 0.42 0.678 -.0039396 .0060617
m4 | .0094581 .0025503 3.71 0.000 .0044595 .0144566
m5 | .0044223 .0025497 1.73 0.083 -.0005751 .0094198
m6 | .0008928 .0025469 0.35 0.726 -.0040991 .0058846
m7 | -.0331258 .0024648 -13.44 0.000 -.0379568 -.0282948
m8 | -.0719668 .0026083 -27.59 0.000 -.077079 -.0668547
m9 | -.0474607 .0026076 -18.20 0.000 -.0525715 -.0423499
m10 | -.0431305 .002607 -16.54 0.000 -.0482402 -.0380208
m11 | -.0130853 .0026037 -5.03 0.000 -.0181885 -.0079821
m12 | -.002563 .0026021 -0.98 0.325 -.0076629 .002537
ano2 | .0088415 .0021635 4.09 0.000 .0046011 .0130819
ano3 | -.0388726 .0021714 -17.90 0.000 -.0431285 -.0346168
ano4 | -.0519725 .0021773 -23.87 0.000 -.05624 -.047705
ano5 | -.0577352 .0021842 -26.43 0.000 -.0620161 -.0534543
ano6 | -.072982 .0025458 -28.67 0.000 -.0779716 -.0679924
_cons | 3.519385 .0026935 1306.63 0.000 3.514106 3.524665
-------------+----------------------------------------------------------------
sigma_u | 1.4205218
sigma_e | .54741635
rho | .87069747 (fraction of variance due to u_i)
------------------------------------------------------------------------------
Teste F para todo u_i=0: F(22412, 1098900) = 322.35 Prob > F = 0.0000
O parâmetro de interesse – coeficiente da variável preço – apresenta o sinal previsto pela
teoria econômica e tem uma significância estatística elevada. As dummies de mês, com
exceção dos meses de março, junho e dezembro, também possuem uma significância
estatística muito elevada. Há evidências de que os meses de fevereiro, julho, agosto, setembro,
outubro e novembro apresentam, no nível, uma demanda de água menor que a do mês base
(janeiro). Os meses de abril e maio apresentam, em média, uma demanda levemente superior à
do mês base. As dummies de ano também possuem uma elevada significância estatística.
Pode-se concluir que todos os anos, exceto o de 2004, apresentaram uma demanda média de
água superior à do ano base (2003). Esse resultado era esperado porque, de acordo com o
relatório anterior, a demanda de água da SABESP apresenta uma tendência de crescimento
entre os anos de 2003 e 2008.
As estimações do modelo log-lin por efeito aleatório apresentaram os seguintes resultados15:
15 A descrição das variáveis dos ramos de atividade encontra-se no Anexo B deste relatório.
27
Regressão Efeitos Aleatórios GLS Numero de obs = 1121330
Variável de Grupo: rgi Numero de grupos = 22413
R-sq: within = 0.1006 Obs por group: min = 1
between = 0.4380 avg = 50.0
overall = 0.3726 max = 61
Efeitos Aleatorios u_i ~ Gaussian Wald chi2(124) = 142955.37
corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000
------------------------------------------------------------------------------
log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf.]
-------------+----------------------------------------------------------------
preco | -.0402844 .0001181 -341.24 0.000 -.0405157 -.040053
m2 | -.0445692 .0025551 -17.44 0.000 -.0495772 -.0395612
m3 | .0011057 .0025567 0.43 0.665 -.0039053 .0061166
m4 | .0095384 .0025556 3.73 0.000 .0045296 .0145473
m5 | .0044622 .002555 1.75 0.081 -.0005455 .00947
m6 | .0008357 .0025521 0.33 0.743 -.0041664 .0058378
m7 | -.033193 .0024698 -13.44 0.000 -.0380337 -.0283522
m8 | -.0719705 .0026137 -27.54 0.000 -.0770931 -.0668478
m9 | -.0475032 .002613 -18.18 0.000 -.0526246 -.0423819
m10 | -.0430795 .0026124 -16.49 0.000 -.0481997 -.0379592
m11 | -.0130799 .0026091 -5.01 0.000 -.0181936 -.0079662
m12 | -.0024396 .0026074 -0.94 0.349 -.0075501 .0026709
ano2 | .0093691 .0021677 4.32 0.000 .0051206 .0136177
ano3 | -.0382082 .0021754 -17.56 0.000 -.0424719 -.0339444
ano4 | -.0511302 .0021813 -23.44 0.000 -.0554055 -.0468549
ano5 | -.0568262 .002188 -25.97 0.000 -.0611147 -.0525377
ano6 | -.0723707 .0025499 -28.38 0.000 -.0773683 -.067373
ramo2 | .6146703 .2893153 2.12 0.034 .0476228 1.181718
ramo3 | -.2620718 .1071176 -2.45 0.014 -.4720184 -.0521252
ramo4 | -.7298112 .1544631 -4.72 0.000 -1.032553 -.4270692
ramo5 | 1.038474 1.013229 1.02 0.305 -.9474195 3.024367
ramo6 | .0191015 .1155266 0.17 0.869 -.2073264 .2455294
ramo7 | -.4560035 .2354116 -1.94 0.053 -.9174018 .0053949
ramo8 | -.2746203 .1151509 -2.38 0.017 -.500312 -.0489287
ramo9 | -.4595155 .1063342 -4.32 0.000 -.6679267 -.2511044
ramo10 | -.7253666 .1107845 -6.55 0.000 -.9425003 -.5082329
ramo11 | .0723221 .5919907 0.12 0.903 -1.087958 1.232603
ramo12 | -.8328423 .1733427 -4.80 0.000 -1.172588 -.4930969
ramo13 | .0374251 .1104997 0.34 0.735 -.1791503 .2540005
ramo14 | -.0850675 1.01421 -0.08 0.933 -2.072883 1.902748
ramo15 | -.5301549 .1606884 -3.30 0.001 -.8450984 -.2152115
ramo16 | 1.104021 1.013415 1.09 0.276 -.8822368 3.090279
ramo17 | -.8031789 .3108502 -2.58 0.010 -1.412434 -.1939238
ramo18 | -1.206636 .7210085 -1.67 0.094 -2.619787 .2065147
ramo19 | -1.99598 1.05934 -1.88 0.060 -4.072249 .080288
ramo20 | -.8244769 .3738015 -2.21 0.027 -1.557114 -.0918394
ramo21 | -.6271051 .1068726 -5.87 0.000 -.8365716 -.4176386
ramo22 | -.4898432 .1095538 -4.47 0.000 -.7045648 -.2751217
ramo23 | -.4443183 .3393296 -1.31 0.190 -1.109392 .2207555
ramo24 | -1.769497 1.014424 -1.74 0.081 -3.757732 .2187377
ramo25 | -.6504823 .1082355 -6.01 0.000 -.8626199 -.4383447
ramo26 | -1.634491 .7211198 -2.27 0.023 -3.04786 -.2211218
ramo27 | -.4556202 .2407302 -1.89 0.058 -.9274428 .0162024
ramo28 | 1.71007 1.013415 1.69 0.092 -.2761876 3.696328
ramo29 | -.7533778 1.013679 -0.74 0.457 -2.740153 1.233397
ramo30 | 1.768905 .5158523 3.43 0.001 .7578531 2.779957
ramo31 | -.4175923 .1299203 -3.21 0.001 -.6722315 -.1629532
ramo32 | -.1623362 .132204 -1.23 0.219 -.4214513 .0967789
ramo33 | -.8408052 .1817063 -4.63 0.000 -1.196943 -.4846673
ramo34 | -.4371768 .1559627 -2.80 0.005 -.742858 -.1314957
ramo35 | -.4134203 .1578814 -2.62 0.009 -.722862 -.1039785
ramo36 | -.1196648 .1137838 -1.05 0.293 -.3426769 .1033474
ramo37 | -.0702066 .3368954 -0.21 0.835 -.7305094 .5900963
ramo38 | -.7333156 .298804 -2.45 0.014 -1.318961 -.1476705
ramo39 | -.0018745 .2663451 -0.01 0.994 -.5239014 .5201524
ramo40 | .8818089 .5931714 1.49 0.137 -.2807858 2.044404
ramo41 | -.3836535 .1623334 -2.36 0.018 -.7018212 -.0654859
ramo42 | -.1273018 .5919309 -0.22 0.830 -1.287465 1.032861
ramo43 | .0279546 .7295946 0.04 0.969 -1.402025 1.457934
ramo44 | .2157916 .2896532 0.74 0.456 -.3519184 .7835015
ramo45 | 4.009354 1.013323 3.96 0.000 2.023276 5.995431
28
ramo46 | 4.818028 1.013229 4.76 0.000 2.832134 6.803921
ramo47 | -.1033363 .5151893 -0.20 0.841 -1.113089 .9064162
ramo48 | 1.824909 1.013449 1.80 0.072 -.1614145 3.811233
ramo49 | 1.027686 1.013323 1.01 0.310 -.9583913 3.013763
ramo50 | 1.143693 1.013323 1.13 0.259 -.8423846 3.12977
ramo51 | -.5212315 1.013763 -0.51 0.607 -2.508171 1.465708
ramo52 | -.1614326 1.013323 -0.16 0.873 -2.14751 1.824644
ramo53 | 1.250813 .3520041 3.55 0.000 .5608974 1.940728
ramo54 | 1.646264 .2986931 5.51 0.000 1.060836 2.231692
ramo55 | .3036511 .3716352 0.82 0.414 -.4247406 1.032043
ramo56 | -.3489185 .1799513 -1.94 0.053 -.7016164 .0037795
ramo57 | -.463593 .1194537 -3.88 0.000 -.6977179 -.2294681
ramo58 | -.2103919 .239623 -0.88 0.380 -.6800443 .2592606
ramo59 | .3352936 .2004975 1.67 0.094 -.0576742 .7282615
ramo60 | .2767586 .2006061 1.38 0.168 -.1164221 .6699392
ramo61 | -.2325688 .1336515 -1.74 0.082 -.4945209 .0293832
ramo62 | -.1023147 .1101403 -0.93 0.353 -.3181857 .1135563
ramo63 | -.3041297 .1572401 -1.93 0.053 -.6123146 .0040552
ramo64 | .0830777 .1300079 0.64 0.523 -.1717331 .3378886
ramo65 | .1445813 .1550378 0.93 0.351 -.1592871 .4484497
ramo66 | -.6039076 .1948324 -3.10 0.002 -.985772 -.2220431
ramo67 | 1.181561 1.01325 1.17 0.244 -.8043724 3.167495
ramo68 | .2651062 .1516706 1.75 0.080 -.0321627 .562375
ramo69 | -.1813169 .1544191 -1.17 0.240 -.4839729 .121339
ramo70 | 2.360224 1.013415 2.33 0.020 .3739659 4.346482
ramo71 | -.8048873 .1181048 -6.82 0.000 -1.036368 -.5734061
ramo72 | -.0153779 .1286679 -0.12 0.905 -.2675623 .2368065
ramo73 | -.3602758 .5161048 -0.70 0.485 -1.371823 .651271
ramo74 | -1.331229 .5177874 -2.57 0.010 -2.346073 -.316384
ramo75 | 1.638287 1.013364 1.62 0.106 -.3478693 3.624444
ramo76 | -.4704409 .1690152 -2.78 0.005 -.8017045 -.1391773
ramo77 | -.5276877 .3008065 -1.75 0.079 -1.117258 .0618823
ramo78 | -.1149472 .1314536 -0.87 0.382 -.3725916 .1426972
ramo79 | -.5520101 .3233381 -1.71 0.088 -1.185741 .0817209 ramo80 | -.2467005 .5152842 -0.48 0.632 -1.256639 .763238
ramo81 | .4582273 1.013516 0.45 0.651 -1.528227 2.444682
ramo82 | -1.298118 .6006044 -2.16 0.031 -2.475281 -.120955
ramo83 | -.2932095 .2247012 -1.30 0.192 -.7336158 .1471968
ramo84 | -.3480183 .4272201 -0.81 0.415 -1.185354 .4893176
ramo85 | -1.669314 1.013416 -1.65 0.100 -3.655572 .3169444
ramo86 | -.1177546 .2459214 -0.48 0.632 -.5997517 .3642425
ramo87 | -.1668965 .1102787 -1.51 0.130 -.3830386 .0492457
ramo88 | -.2900593 .2279149 -1.27 0.203 -.7367643 .1566457
ramo89 | -.4639346 .1128447 -4.11 0.000 -.6851061 -.2427631
ramo90 | -.6684825 .1095333 -6.10 0.000 -.8831637 -.4538013
ramo91 | .3443845 .5149043 0.67 0.504 -.6648093 1.353578
ramo92 | -.8970323 .4648817 -1.93 0.054 -1.808184 .014119
ramo93 | .8533247 .4251512 2.01 0.045 .0200437 1.686606
ramo94 | -.4479669 1.016006 -0.44 0.659 -2.439302 1.543368
un2 | -.5246212 .0536315 -9.78 0.000 -.629737 -.4195054
un3 | -.3237848 .028731 -11.27 0.000 -.3800966 -.2674731
un4 | -.6146682 .0449162 -13.68 0.000 -.7027024 -.5266341
un5 | -.5953283 .0318402 -18.70 0.000 -.6577338 -.5329227
un6 | -.4854245 .0345086 -14.07 0.000 -.55306 -.4177889
un7 | -.6504097 .0313471 -20.75 0.000 -.7118489 -.5889705
un8 | -.5734984 .0349535 -16.41 0.000 -.642006 -.5049909
un9 | .3112538 .049196 6.33 0.000 .2148314 .4076762
un10 | -.414016 .0377698 -10.96 0.000 -.4880434 -.3399886
un11 | 1.40965 .0247108 57.05 0.000 1.361218 1.458083
un12 | .6926063 .0349737 19.80 0.000 .6240591 .7611535
un13 | 1.154683 .0337272 34.24 0.000 1.088578 1.220787
un14 | .9162281 .050966 17.98 0.000 .8163366 1.01612
un15 | 1.031784 .0380479 27.12 0.000 .9572116 1.106357
_cons | 3.612666 .1063475 33.97 0.000 3.404229 3.821103
-------------+----------------------------------------------------------------
sigma_u | 1.0030894
sigma_e | .54741711
rho | .77052142 (fraction of variance due to u_i)
------------------------------------------------------------------------------
29
Um fato curioso que pode ser observado na tabela acima é que os estimadores apresentam
valores muito parecidos aos da estimação por efeitos fixos, sobretudo para o parâmetro de
interesse. Como ambos os modelos foram estimados a partir de uma base de dados com mais
de 1.000.000 de observações, pode-se argumentar que o viés assintótico causado pela
correlação entre os efeitos específicos e os regressores é muito pequeno no nível. Entretanto,
deve-se analisar tal magnitude em relação ao erro-padrão da diferença entre os estimadores.
Outro ponto importante que pode ser observado na tabela acima é que todas as dummies de
unidade de negócio apresentaram elevada significância estatística. Clientes das unidades de
negócio com números 2 (Vale do Ribeira), 3 (Vale do Paraíba), 4 (Baixo Tietê e Grande), 5
(Pardo e Grande), 6 (Médio Tietê), 7 (Baixo Paranapanema), 8 (Alto Paranapanema) e 10
(Capivari e Jundiaí) apresentaram, em média, consumo de água inferior aos clientes da
unidade de negócio base (unidade 1). As unidades de negócio 9 (Litoral Norte), 11 (Centro de
São Paulo), 12 (Norte de São Paulo), 13 (Sul de São Paulo), 14 (Leste de São Paulo) e 15
(Oeste de São Paulo) apresentaram, em média, consumo de água superior ao da unidade de
negócio 1 (Baixada Santista). Esse resultado era esperado porque, de acordo com o relatório
anterior, o consumo médio de água é maior na região metropolitana do que no interior. Grande
parte das dummies de ramo de atividade é individualmente significante. Uma parcela razoável
dos ramos de atividade apresentou demanda de água menor que a do ramo-base (ramo1).
Como uma parcela considerável dos coeficientes das dummies de ano não se mostrou
estatísticamente significante individualmente, optou-se por fazer um teste de significância
conjunta para evitar o problema de inclusão de variáveis irrelevantes. O resultado do teste
encontra-se abaixo:
chi2( 93) = 1351.58 Prob > chi2 = 0.0000
O teste conjunto permite rejeitar, a 5% de nível de significância, a hipótese de que os
coeficientes de todas as dummies de ramo são iguais a zero. Optou-se, portanto, em manter
todas as dummies de ramo de atividade no modelo de efeito aleatório.
Como já foi descrito anteriormente, o coeficiente angular do preço no modelo log-lin não
mede diretamente a elasticidade-preço. Dado que, em um modelo log-lin, cada observação da
amostra apresenta uma elasticidade-preço diferente, optou-se por criar a variável elasticidade e
30
estudar o comportamento de suas estatísticas descritivas. A tabela abaixo fornece a estimação
pontual das elasticidades em cada nível de consumo16 e o intervalo de confiança de 95%.
Consumo (m3) Elasticidade IC Mín IC Máx
100 -0.3633 -0.3651 -0.3614
200 -0.3918 -0.3938 -0.3898
300 -0.4013 -0.4033 -0.3993
400 -0.4061 -0.4081 -0.4040
500 -0.4089 -0.4110 -0.4068
600 -0.4108 -0.4129 -0.4087
700 -0.4122 -0.4142 -0.4101
800 -0.4132 -0.4153 -0.4111
900 -0.4140 -0.4161 -0.4119
1000 -0.4146 -0.4167 -0.4125
1200 -0.4156 -0.4176 -0.4135
1400 -0.4162 -0.4183 -0.4141
1600 -0.4167 -0.4188 -0.4146
1800 -0.4171 -0.4192 -0.4150
2000 -0.4175 -0.4196 -0.4154
2200 -0.4177 -0.4198 -0.4156
2400 -0.4179 -0.4200 -0.4158
2600 -0.4181 -0.4202 -0.4160
2800 -0.4183 -0.4204 -0.4162
3000 -0.4184 -0.4205 -0.4163
3200 -0.4116 -0.4137 -0.4096
A elasticidade média ou elasticidade calculada na média apresentou o valor de -0.40. O gráfico
abaixo ilustra a evolução da elasticidade com o aumento do consumo médio.
16 Para esta tabela, foram calculados os preços médios de cada volume consumido com base na estrutura
tarifária da Sabesp para a capital.
31
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.41
0.42
0.43
Módulo da Elasticidade
Consumo faturado
Elasticidade
Elasticidade
Pode-se perceber que o módulo da elasticidade apresenta um comportamento monotônico
crescente ao longo das faixas de consumo. A função cresce bastante até os 400-500 m3. Este
comportamente está de acordo com a teoria econômica, pois o módulo da elasticidade deveria
ser crescente nas faixas de consumo.
Em linhas gerais, os resultados que se pode extrair dos modelos log-lin são os seguintes:
(i) A água é um fator cuja demanda é pouco elástica;
(ii) A média da elasticidade-preço é de, aproximadamente, -0,4 e uma razoável dispersão em
relação a essa média;
(iii) Considerando a estrutura atual tarifária da Sabesp, a sensiblidade dos consumidores
aumenta conforme estes adquiram maiores volumes da concessionária.
32
3.1.2 Modelo log-lin por Ramos de Atividade
Foram estimados os modelos de efeitos fixos e aleatórios para os ramos de atividade em
separado. Os resultados dos modelos estão reportados no Anexo C deste relatório e as
agregações dos ramos de atividade, que geraram os grupos de atividades estimados, são
mostradas no Anexo D. As elasticidades médias de cada modelo estão resumidas nas tabelas a
seguir:
Resultados do Modelo de Efeitos Fixos
Ramos de Atividades ElasticidadeErro-
PadrãoTeste t p-valor ICMin ICMax
Atividades Agrícolas -0,6357 0,0479 -13,3 0 -0,7295 -0,5418
Atividades não Identificadas -0,5698 0,0013 -446,8 0 -0,5723 -0,5673
Comércio -0,0904 0,0008 -112,7 0 -0,0920 -0,0888
Construção Civil -0,1315 0,0242 -5,4 0 -0,1789 -0,0842
Serviços de Educação e Saúde -0,3690 0,0046 -81,1 0 -0,3779 -0,3601
Eletricidade e Saneamento -0,1417 0,0167 -8,5 0 -0,1744 -0,1091
Atividades Extrativistas -0,2290 0,0635 -3,6 0 -0,3535 -0,1046
Fabricação de Máquinas e Equipamentos 0,3270 0,0290 11,3 0 0,2702 0,3839
Atividades Financeiras 0,0221 0,0164 1,4 0,18 -0,0100 0,0542
Atividades Imobiliárias -0,2290 0,0034 -66,8 0 -0,2357 -0,2222
Indústria Final -0,1437 0,0086 -16,6 0 -0,1606 -0,1267
Indústria Metalúrgica -0,3678 0,0120 -30,6 0 -0,3913 -0,3442
Outras Atividades -0,3389 0,0031 -109,4 0 -0,3450 -0,3329
Pesquisa e Desenvolvimento -1,0307 0,0939 -11,0 0 -1,2147 -0,8466
Petroquímicas e Indústria Química 0,5224 0,0234 22,4 0 0,4766 0,5681
Serviços Gráficos -0,3383 0,0332 -10,2 0 -0,4034 -0,2732
Serviços - Outros -0,4965 0,0024 -206,4 0 -0,5012 -0,4918
Telecomunicações -0,4831 0,0171 -28,3 0 -0,5166 -0,4496
Serviços de Transporte -0,3238 0,0118 -27,5 0 -0,3468 -0,3007
33
Resultados do Modelo de Efeitos Aleatórios
Ramos de Atividades ElasticidadeErro-
PadrãoTeste t p-valor ICMin ICMax
Atividades Agrícolas -0,4982 0,0629 -7,9 0 -0,6214 -0,3751
Atividades não Identificadas -0,5724 0,0013 -449,8 0 -0,5749 -0,5699
Comércio -0,0920 0,0008 -114,4 0 -0,0936 -0,0905
Construção Civil -0,1305 0,0241 -5,4 0 -0,1776 -0,0833
Serviços de Educação e Saúde -0,3729 0,0045 -82,2 0 -0,3818 -0,3640
Eletricidade e Saneamento -0,1430 0,0166 -8,6 0 -0,1756 -0,1105
Atividades Extrativistas -0,0417 0,0651 -0,6 0,521 -0,1693 0,0858
Fabricação de Máquinas e Equipamentos 0,3380 0,0290 11,7 0 0,2812 0,3948
Atividades Financeiras 0,0223 0,0163 1,4 0,17 -0,0097 0,0543
Atividades Imobiliárias -0,2311 0,0034 -67,3 0 -0,2378 -0,2243
Indústria Final -0,1414 0,0086 -16,5 0 -0,1582 -0,1245
Indústria Metalúrgica -0,3662 0,0120 -30,5 0 -0,3897 -0,3427
Outras Atividades -0,3407 0,0031 -110,3 0 -0,3467 -0,3346
Pesquisa e Desenvolvimento -1,0436 0,0898 -11,6 0 -1,2195 -0,8676
Petroquímicas e Indústria Química 0,5348 0,0233 22,9 0 0,4891 0,5805
Serviços Gráficos -0,3322 0,0331 -10,0 0 -0,3971 -0,2673
Serviços - Outros -0,4998 0,0024 -208,7 0 -0,5045 -0,4951
Telecomunicações -0,4846 0,0170 -28,5 0 -0,5179 -0,4513
Serviços de Transporte -0,3234 0,0117 -27,6 0 -0,3464 -0,3004
Os resultados foram bastante parecidos. Os valores das elaticidades foram ao encontro dos
valores encontrados em análises empíricas anteriores e se mantiveram, em maioria, no
intervalo de -1 e 0. As exceções do modelo foram as atividades “Petroquímica e Indústria
Química” e “Fabricação de Máquinas e Equipamentos” que apresentaram elasticidades-preço
estimadas positivas. Este resultado pode ser conseqüência de um problema de endogeneidade
gerado pela viés de seleção amostral e pela omissão de variáveis relevantes, pois grande parte
das empresas destes setores utilizam água como insumo na produção, logo informações de
mercado e de outros insumos da indústria deveriam ser acrescidos ao modelo.
3.1.3 Modelo log-log com dummies de ano cruzadas com o logaritmo do preço.
Os resultados do modelo log-log foram os seguintes:
Regressao GLS – Efeitos Aleatorios Numero de obs = 1117261 Grupo variavel: rgi Numero de groups = 22284 R-sq: within = 0.3775 Obs por grupo: min = 1 between = 0.4571 avg = 50.1 overall = 0.3942 max = 61 Efeitos Aleat u_i ~ Gaussian Wald chi2(28) = 678055.58 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro pad. z P>|z| [95% Intervalo de Conf] -------------+---------------------------------------------------------------- log_preco | -.74368 .0025863 -287.55 0.000 -.7487491 -.738611 log_preco~o2 | -.0017407 .0028597 -0.61 0.543 -.0073457 .0038643 log_preco~o3 | -.0245147 .0028647 -8.56 0.000 -.0301294 -.0188999
34
log_preco~o4 | -.0331375 .0028755 -11.52 0.000 -.0387735 -.0275016 log_preco~o5 | -.0363465 .0028835 -12.61 0.000 -.041998 -.030695 log_preco~o6 | -.0463091 .0031732 -14.59 0.000 -.0525285 -.0400897 m2 | -.0293204 .0021359 -13.73 0.000 -.0335067 -.025 134 m3 | .0021772 .002137 1.02 0.308 -.0020112 .0063656 m4 | .0038072 .0021362 1.78 0.075 -.0003797 .007994 m5 | .0026054 .0021357 1.22 0.222 -.0015804 .0067912 m6 | -.0018225 .0021332 -0.85 0.393 -.0060035 .0023584 m7 | -.03025 .0020642 -14.65 0.000 -.0342957 -.0262042 m8 | -.059087 .0021843 -27.05 0.000 -.0633682 -.0548057 m9 | -.0432186 .0021836 -19.79 0.000 -.0474984 -.0389388 m10 | -.0299662 .0021832 -13.73 0.000 -.0342451 -.0256873 m11 | .0068489 .0021807 3.14 0.002 .0025748 .011123 m12 | .0386577 .0021806 17.73 0.000 .0343837 .0429317 ano2 | .0997069 .0041625 23.95 0.000 .0915485 .1078653 ano3 | .1272832 .0042284 30.10 0.000 .1189957 .1355707 ano4 | .1697045 .0043138 39.34 0.000 .1612496 .1781593 ano5 | .1974015 .0043755 45.12 0.000 .1888257 .2059774 ano6 | .224309 .0050037 44.83 0.000 .2145021 .234116 faixa1 | 1.069075 .0020428 523.35 0.000 1.065071 1.073078 faixa2 | 1.835296 .0045649 402.04 0.000 1.826349 1.844243 faixa3 | 2.448475 .0071762 341.19 0.000 2.43441 2.462541 faixa4 | 3.036047 .0129695 234.09 0.000 3.010627 3.061466 faixa5 | 3.608524 .0227194 158.83 0.000 3.563995 3.653053 faixa6 | 4.193937 .029965 139.96 0.000 4.135206 4.252667 _cons | 3.875752 .007274 532.82 0.000 3.861495 3.890009 -------------+---------------------------------------------------------------- sigma_u | .90356936 sigma_e | .45492624 rho | .79777331 (fraction of variance due to u_i) ------------------------------------------------------------------------------
O parâmetro de interesse (coeficiente da variável log_preco) apresenta uma significância
estatística muito elevada. Pode-se observar também que todas as dummies cruzadas com o
logaritmo do preço, exceto a do segundo ano da amostra, também apresentam elevada
significância estatística. O valor da elasticidade-preço da água em cada ano é dado pela soma
do coeficiente da variável log_preco com a respectiva dummy de ano cruzada com o preço.
Pode-se observar no gráfico abaixo que o módulo da elasticidade-preço da água da SABESP
apresenta um comportamento crescente ao longo do tempo, ou seja, os consumidores estão se
tornando menos inelásticos, ou mais elásticos, com a evolução temporal. Esse fato pode ter
sido causado pelo aumento de fornecimento de fontes alternativas, aumentando a competição
pelo surgimento de novos fornecedores.
35
Como foi visto no estudo anterior realizado pela Fipe, existem evidências da saída de grandes
clientes comerciais e industriais da SABESP devido ao mercado concorrente. Diante dessa
evidência, pode-se afirmar que os fornecedores de fontes alternativas tiveram um ganho de
competitividade em relação a SABESP. Esse ganho de competitividade pode ter sido
ocasionado por fatores internos e externos aos produtores de fontes alternativas. Os fatores
internos são mudanças nos preços relativos causadas por melhorias na estrutura de custos
dessas firmas. Um exemplo possível seria alguma inovação no processo de perfuração de
poços artesianos. Os fatores externos às empresas de fontes alternativas seriam aqueles ligados
à estrutura tarifaria da SABESP. Pode-se supor que a relativa estabilidade da política de preços
da SABESP, relacionada à estrutura tarifaria pouco variante, pode ter levado a uma melhora
no preço relativo da água de fontes alternativas, o que levou ao aumento na saída de grandes
clientes e ao aumento na elasticidade-preço da água da SABESP.
As dummies temporais, com exceção dos meses de março, abril, maio e junho, também
possuem uma significância estatística elevada. Pode-se concluir que os meses do ano de
fevereiro, novembro e dezembro apresentaram, em média, uma demanda de água maior que a
do mês base (janeiro). Os outros meses apresentaram, em média, uma demanda menor que a
do mês base (janeiro). As dummies de ano também possuem uma elevada significância
estatística. As evidências deste modelo permitem concluir que todos os anos, apresentaram,
em média, uma demanda de água superior a do ano base (2003). Como já foi escrito
36
anteriormente, esse resultado é coerente com o fato da demanda por água da Sabes ter crescido
entre 2003 e 2008. Esses resultados são razoavelmente coerentes com os resultados da
especificação anterior.
3.2 Modelos estimados com dados em cross-section
3.2.1 Modelo log-lin para cross-section utilizando Procedimento de Heckman
Os resultados do modelo estimado por dois estágios estão descritos na tabela abaixo, seguidos
dos resultados da regressão de Mínimos Quadrados Ordinários (MQO)17:
Modelo de Seleção de Heckman Numero de obs = 11925 (modelo de regressão com selecão amostral) Censored obs = 11416 Uncensored obs = 509 Wald chi2(41) = 308.97 Log likelihood = -2502.984 Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ | Coef. Erro-Pad z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- log_qtde | preco | -.0405803 .0026775 -15.16 0.000 -.0458281 -.0353326 area | -7.17e-07 .0000157 -0.05 0.964 -.0000315 .0000301 ramo2 | -.9995972 1.521236 -0.66 0.511 -3.981166 1.981971 ramo3 | .9349537 1.247523 0.75 0.454 -1.510146 3.380053 ramo5 | 1.264958 1.272536 0.99 0.320 -1.229166 3.759082 ramo7 | 1.301614 1.263003 1.03 0.303 -1.173827 3.777055 ramo8 | .6940542 1.648381 0.42 0.674 -2.536714 3.924823 ramo9 | 1.299423 1.266588 1.03 0.305 -1.183044 3.78189 ramo10 | 2.053251 1.500215 1.37 0.171 -.887117 4.993619 ramo11 | .9436862 1.280273 0.74 0.461 -1.565602 3.452975 ramo13 | .8055698 1.247009 0.65 0.518 -1.638522 3.249662 ramo14 | 1.319923 1.26479 1.04 0.297 -1.159019 3.798866 ramo15 | 1.076913 1.274477 0.84 0.398 -1.421015 3.574842 ramo16 | 2.595398 1.77295 1.46 0.143 -.8795196 6.070316 ramo18 | 1.412152 1.299521 1.09 0.277 -1.134863 3.959166 ramo19 | 1.779793 1.315797 1.35 0.176 -.7991214 4.358708 ramo20 | 1.224781 1.40302 0.87 0.383 -1.525089 3.97465 ramo21 | 1.753361 1.309597 1.34 0.181 -.8134015 4.320124 ramo22 | 1.237446 1.261491 0.98 0.327 -1.23503 3.709922 ramo23 | .2248549 1.819342 0.12 0.902 -3.34099 3.790699 ramo24 | .8283385 1.546051 0.54 0.592 -2.201865 3.858542 ramo33 | 1.138767 1.280383 0.89 0.374 -1.370736 3.648271 ramo34 | 1.465286 1.716332 0.85 0.393 -1.898664 4.829235 ramo35 | .6409444 1.526521 0.42 0.675 -2.350982 3.632871 ramo36 | 2.437473 1.431478 1.70 0.089 -.3681733 5.243119 ramo37 | -.9084435 1.4741 -0.62 0.538 -3.797627 1.98074 ramo38 | .9488212 1.267273 0.75 0.454 -1.534988 3.432631 ramo39 | -.0040127 1.52749 -0.00 0.998 -2.997839 2.989814
17 A descrição das variáveis dummy que descrevem os ramos de atividade da cross-section estão
reportandos no Anexo E.
37
ramo40 | 1.578577 1.29281 1.22 0.222 -.9552841 4.112438 ramo41 | 1.416873 1.466784 0.97 0.334 -1.457971 4.291717 ramo44 | -.1120569 1.775447 -0.06 0.950 -3.591869 3.367756 ramo45 | 2.349261 2.133423 1.10 0.271 -1.832172 6.530694 ramo47 | 1.507248 1.40498 1.07 0.283 -1.246463 4.260959 ramo48 | 1.707054 1.273742 1.34 0.180 -.7894349 4.203542 ramo49 | 1.327587 1.308108 1.01 0.310 -1.236258 3.891431 ramo53 | 1.412505 1.307104 1.08 0.280 -1.149372 3.974383 ramo54 | 3.21433 1.830285 1.76 0.079 -.3729626 6.801623 ramo56 | 2.874112 1.747165 1.65 0.100 -.5502685 6.298492 ramo58 | 1.654533 1.254837 1.32 0.187 -.804903 4.113969 ramo60 | .6438489 1.257948 0.51 0.609 -1.821683 3.109381 ramo61 | .4277769 1.282396 0.33 0.739 -2.085673 2.941227 _cons | .7200895 1.246851 0.58 0.564 -1.723694 3.163873 -------------+---------------------------------------------------------------- exclientes | qtde_tot | -.0018456 .0000875 -21.08 0.000 -.0020172 -.001674 qdte_tot2 | 1.19e-07 6.60e-09 18.07 0.000 1.06e-07 1.32e-07 un1 | -.0281833 .079967 -0.35 0.725 -.1849158 .1285492 un2 | -.0508858 .0924108 -0.55 0.582 -.2320075 .130236 un3 | -.055761 .0927139 -0.60 0.548 -.2374769 .1259548 un4 | -.0188819 .1051756 -0.18 0.858 -.2250223 .1872585 ramo2 | 5.361628 71332.46 0.00 1.000 -139803.7 139814.4 ramo3 | 4.757605 71332.46 0.00 1.000 -139804.3 139813.8 ramo4 | 4.895664 71332.46 0.00 1.000 -139804.2 139814 ramo5 | 4.934169 71332.46 0.00 1.000 -139804.1 139814 ramo6 | -.7369048 90340.48 -0.00 1.000 -177064.8 177063.3 ramo7 | 5.191584 71332.46 0.00 1.000 -139803.9 139814.3 ramo8 | 4.366141 71332.46 0.00 1.000 -139804.7 139813.4 ramo9 | 4.975485 71332.46 0.00 1.000 -139804.1 139814 ramo10 | 5.168674 71332.46 0.00 1.000 -139803.9 139814.2 ramo11 | 4.806777 71332.46 0.00 1.000 -139804.3 139813.9 ramo12 | -.9871419 135643.9 -0.00 1.000 -265858.2 265856.2 ramo13 | 4.900291 71332.46 0.00 1.000 -139804.2 139814 ramo14 | 4.790015 71332.46 0.00 1.000 -139804.3 139813.9 ramo15 | 5.007657 71332.46 0.00 1.000 -139804.1 139814.1 ramo16 | 5.436262 71332.46 0.00 1.000 -139803.6 139814.5 ramo17 | -.7756695 106255.9 -0.00 1.000 -208258.6 208257 ramo18 | 5.122386 71332.46 0.00 1.000 -139803.9 139814.2 ramo19 | 5.210846 71332.46 0.00 1.000 -139803.9 139814.3 ramo20 | 5.26198 71332.46 0.00 1.000 -139803.8 139814.3 ramo21 | 5.473219 71332.46 0.00 1.000 -139803.6 139814.5 ramo22 | 5.159672 71332.46 0.00 1.000 -139803.9 139814.2 ramo23 | 5.170452 71332.46 0.00 1.000 -139803.9 139814.2 ramo24 | 5.231038 71332.46 0.00 1.000 -139803.8 139814.3 ramo25 | .7123515 102615.4 0.00 1.000 -201121.8 201123.3 ramo26 | -.7872112 81082.1 -0.00 1.000 -158918.8 158917.2 ramo27 | -.1357454 111725.9 -0.00 1.000 -218978.8 218978.5 ramo28 | -.4088656 96837.88 -0.00 1.000 -189799.2 189798.3 ramo29 | -.5346233 120443.5 -0.00 1.000 -236065.4 236064.4 ramo30 | -.2881037 99732.66 -0.00 1.000 -195472.7 195472.1 ramo31 | -.8413916 110758.1 -0.00 1.000 -217082.8 217081.1 ramo32 | -.7507215 95364.23 -0.00 1.000 -186911.2 186909.7 ramo33 | 5.11401 71332.46 0.00 1.000 -139803.9 139814.2 ramo34 | 4.821624 71332.46 0.00 1.000 -139804.2 139813.9 ramo35 | 5.01267 71332.46 0.00 1.000 -139804 139814.1 ramo36 | 5.356929 71332.46 0.00 1.000 -139803.7 139814.4 ramo37 | 4.4044 71332.46 0.00 1.000 -139804.7 139813.5 ramo38 | 4.887212 71332.46 0.00 1.000 -139804.2 139813.9 ramo39 | 5.00309 71332.46 0.00 1.000 -139804.1 139814.1 ramo40 | 5.181964 71332.46 0.00 1.000 -139803.9 139814.2 ramo41 | 4.6054 71332.46 0.00 1.000 -139804.5 139813.7 ramo42 | -.6053115 110542.8 -0.00 1.000 -216660.5 216659.3 ramo43 | -.738286 111629.4 -0.00 1.000 -218790.3 218788.8 ramo44 | 5.043024 71332.46 0.00 1.000 -139804 139814.1
38
ramo45 | 6.796929 71332.46 0.00 1.000 -139802.3 139815.9 ramo46 | -.7500861 75162.2 -0.00 1.000 -147316 147314.5 ramo47 | 4.843028 71332.46 0.00 1.000 -139804.2 139813.9 ramo48 | 5.505029 71332.46 0.00 1.000 -139803.6 139814.6 ramo49 | 4.82731 71332.46 0.00 1.000 -139804.2 139813.9 ramo50 | -.1285886 110615.2 -0.00 1.000 -216802 216801.8 ramo51 | -.8507044 119650 -0.00 1.000 -234510.5 234508.8 ramo52 | -.4889754 95069.67 -0.00 1.000 -186333.6 186332.6 ramo53 | 5.142065 71332.46 0.00 1.000 -139803.9 139814.2 ramo54 | 5.725594 71332.46 0.00 1.000 -139803.3 139814.8 ramo55 | 2.995959 111566.4 0.00 1.000 -218663.1 218669.1 ramo56 | 5.536833 71332.46 0.00 1.000 -139803.5 139814.6 ramo57 | -.9110796 119980.9 -0.00 1.000 -235159.2 235157.4 ramo58 | 5.104162 71332.46 0.00 1.000 -139804 139814.2 ramo59 | -.9066558 88137.46 -0.00 1.000 -172747.2 172745.3 ramo60 | 4.893723 71332.46 0.00 1.000 -139804.2 139814 ramo61 | 4.729472 71332.46 0.00 1.000 -139804.3 139813.8 ramo62 | -.2463394 111710.2 -0.00 1.000 -218948.1 218947.7 _cons | -5.97043 71332.46 -0.00 1.000 -139815 139803.1 -------------+---------------------------------------------------------------- /athrho | 1.568096 .0760062 20.63 0.000 1.419127 1.717066 /lnsigma | .6149263 .0437235 14.06 0.000 .5292299 .7006227 -------------+---------------------------------------------------------------- rho | .9167224 .0121321 .8894166 .9375087 sigma | 1.84952 .0808674 1.697624 2.015007 lambda | 1.695497 .0918636 1.515447 1.875546 ------------------------------------------------------------------------------ LR test of indep. eqns. (rho = 0): chi2(1) = 332.02 Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ Regressão Linear Numero de obs = 11864 R-squared = 0.1606 Root MSE = .97567 ------------------------------------------------------------------------------ | Robusto | Coef. Erro-Pad z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- preco | -.0335309 .0023286 -14.40 0.000 -.0380954 -.0289665 area | .0000465 .0000111 4.20 0.000 .0000248 .0000682 ramo2 | -.2130276 .2712383 -0.79 0.432 -.7446995 .3186442 ramo3 | -.1489706 .0210895 -7.06 0.000 -.1903095 -.1076318 ramo4 | -.4980556 .2792816 -1.78 0.075 -1.045494 .0493825 ramo5 | -.3404204 .0669761 -5.08 0.000 -.4717047 -.2091361 ramo6 | .0030719 .2461383 0.01 0.990 -.4793998 .4855436 ramo7 | -.4348751 .0659309 -6.60 0.000 -.5641105 -.3056398 ramo8 | .0412817 .0812022 0.51 0.611 -.117888 .2004513 ramo9 | -.2283535 .0472535 -4.83 0.000 -.3209782 -.1357288 ramo10 | -.2781931 .2092864 -1.33 0.184 -.688429 .1320428 ramo11 | .5524278 .0620126 8.91 0.000 .430873 .6739827 ramo12 | 2.182993 .1156306 18.88 0.000 1.956338 2.409648 ramo13 | -.3821192 .0320013 -11.94 0.000 -.4448471 -.3193913 ramo14 | -.4087165 .0452655 -9.03 0.000 -.4974444 -.3199885 ramo15 | -.4408691 .071139 -6.20 0.000 -.5803133 -.3014249 ramo16 | -.2014911 .1073094 -1.88 0.060 -.4118352 .008853 ramo17 | -.9128501 .6876729 -1.33 0.184 -2.260802 .4351022 ramo18 | -.380955 .0849057 -4.49 0.000 -.5473841 -.2145259 ramo19 | -.3536881 .1258471 -2.81 0.005 -.6003691 -.1070071 ramo20 | -.1692271 .1742946 -0.97 0.332 -.5108734 .1724192 ramo21 | -.1269353 .1089078 -1.17 0.244 -.3404126 .0865419 ramo22 | -.0498875 .0401639 -1.24 0.214 -.1286153 .0288403 ramo23 | -1.292105 .5760955 -2.24 0.025 -2.421347 -.1628625 ramo24 | -.4635949 .2200528 -2.11 0.035 -.8949347 -.0322552 ramo25 | 1.563576 .7232317 2.16 0.031 .1459221 2.981229
39
ramo26 | -.4407849 .1110475 -3.97 0.000 -.6584563 -.2231134 ramo27 | -.419758 .0632351 -6.64 0.000 -.5437093 -.2958067 ramo28 | -.003927 .3133266 -0.01 0.990 -.6180988 .6102447 ramo29 | -.5082199 .6249405 -0.81 0.416 -1.733206 .7167665 ramo30 | .1193311 .1675202 0.71 0.476 -.2090361 .4476984 ramo31 | -.4672706 .2573676 -1.82 0.069 -.9717536 .0372125 ramo32 | .03395 .3109389 0.11 0.913 -.5755415 .6434415 ramo33 | -.1905585 .0679167 -2.81 0.005 -.3236865 -.0574305 ramo34 | -.4203158 .2185197 -1.92 0.054 -.8486504 .0080188 ramo35 | -.2892007 .1693911 -1.71 0.088 -.6212351 .0428338 ramo36 | -.1005624 .1324102 -0.76 0.448 -.3601082 .1589834 ramo37 | -.232922 .0945513 -2.46 0.014 -.4182581 -.0475859 ramo38 | -.0614788 .0360275 -1.71 0.088 -.1320986 .009141 ramo39 | -.1975212 .2133841 -0.93 0.355 -.6157892 .2207468 ramo40 | -.1185675 .0738383 -1.61 0.108 -.2633028 .0261679 ramo41 | -.0506651 .1020421 -0.50 0.620 -.2506844 .1493542 ramo42 | -1.276786 .0063724 -200.36 0.000 -1.289277 -1.264295 ramo43 | -2.431477 .105182 -23.12 0.000 -2.637651 -2.225303 ramo44 | -.5569645 .2927084 -1.90 0.057 -1.130721 .0167923 ramo45 | -.2222766 1.270668 -0.17 0.861 -2.712996 2.268442 ramo46 | -.0100928 .093835 -0.11 0.914 -.1940249 .1738392 ramo47 | -.1460022 .0979369 -1.49 0.136 -.3379746 .0459703 ramo48 | -1.032652 .1201668 -8.59 0.000 -1.268199 -.7971053 ramo49 | -.2167678 .0738977 -2.93 0.003 -.3616196 -.0719161 ramo50 | -.2274746 .0070741 -32.16 0.000 -.241341 -.2136083 ramo51 | -.0911317 .5562341 -0.16 0.870 -1.181442 .999179 ramo52 | -.3591399 .1726142 -2.08 0.037 -.6974923 -.0207875 ramo53 | -.1737851 .0869821 -2.00 0.046 -.3442843 -.0032859 ramo54 | -.0612767 .2277622 -0.27 0.788 -.5077282 .3851748 ramo55 | 1.497977 .0193348 77.48 0.000 1.460077 1.535876 ramo56 | .0314827 .2860469 0.11 0.912 -.5292164 .5921819 ramo57 | -.6766692 .3606854 -1.88 0.061 -1.383672 .0303338 ramo58 | -.1089837 .0376251 -2.90 0.004 -.1827352 -.0352323 ramo59 | -.474536 .3173709 -1.50 0.135 -1.096635 .1475634 ramo60 | -.0836818 .0438354 -1.91 0.056 -.1696065 .0022429 ramo61 | -.3597527 .0512352 -7.02 0.000 -.4601821 -.2593233 ramo62 | -.2248769 .0060188 -37.36 0.000 -.2366747 -.2130791 _cons | 6.293646 .0112706 558.41 0.000 6.271554 6.315738 ------------------------------------------------------------------------------
Com base nas estimações acima, pode-se calcular as elasticidades médias e os erros-padrão,
que estão descritos abaixo:
Elasticidade Média calculada por MQO: -0,3413 (Erro-Padrão de 0,017). Elasticidade Média calculada por Procedimento de Heckman: -0,4131 (Erro-Padrão de 0,019).
Os resultados sugerem que a estimação pelo Procedimento de Heckman é melhor que a
estimação pelo Método de Minimos Quadrados Ordinarios (MQO) para a mesma base de
dados, uma vez que não se pode rejeitar que a razão inversa de Mills seja diferente de zero, ou
seja, a regressão corrige o viés de seleção da amostra18. Com relação à magnitude das
18 Ver resultados do teste t com o parâmetro lambda na regressão de Heckman.
40
elasticidades, estas são estatisticamente significantes e um pouco superiores à elasticidade
média calculada com dados em Painel, entretanto, esta continua baixa e negativa.
3.3 Limitações dos Modelos estimados
A apresentação dos resultados das estimações dos modelos usados no presente estudo mostra
que, apesar de apresentar valores razoavelmente coerentes com a teoria econômica e a
literatura empírica de estimação de demanda, o módulo da elasticidade-preço da demanda de
água da Sabesp apresenta um valor menor que o da maioria dos estudos feitos no Brasil. A
principal justificativa encontrada para tal fato, se baseia no chamado viés de omissão de
variável. Por conta de uma série limitações da base de dados oferecida pela Sabesp, omitiu-se
um conjunto de variáveis relevantes, o que levou a um estimador inconsistente.
Outra limitação das informações fornecidas pela SABESP diz respeito à qualidade dos dados
de preço de água de fontes alternativas. Não foi possível calcular o preço do metro cúbico da
água de poço artesiano com os dados da pesquisa de campo contratada pela SABESP.
Ademais, os dados levantados para o preço da água de empresas distribuidoras de água, por
meio de caminhões-pipa, se restringiram a região metropolitana de São Paulo. Esse fato
reduziu bastante a população de interesse do estudo. Os dados também apresentaram pouca
variabilidade, o que prejudica o poder de explicação dos modelos. A pesquisa de campo
permitiu calcular, somente para o ano de 2008, o preço médio para cada uma das cinco
unidades de negócio da região metropolitana de São Paulo. Com o intuito de incluir essa
variável nos modelos com dados em painel, tentou-se deflacionar o preço médio preço usando
a série de preço do óleo diesel. Supõe-se que esta seja a melhor proxy19 de custo desse
concorrente. Os resultados mostraram elasticidades com um sinal diferente do previsto pela
teoria apesar de significantes. Os resultados nos modelos com dados em cross-section também
apresentaram o mesmo padrão.
A segunda limitação da base de dados da Sabesp diz respeito a ausência de dados sobre o
preço dos outros fatores de produção para os clientes comerciais e industriais. Diante disso,
19 Uma variável observada é considerada uma proxy de outra variável não observada se esta for altamente
correlacionada com a variável não observada e com a variável de interesse.
41
supôs-se que a água é um fator separável na função de produção dos clientes da Sabesp. Essa
hipótese garante que a função de demanda pelo fator água seja independente do preço dos
outros fatores relevantes na decisão de produção da agente representativo. Se a água não for
um fator de produção tão relevante, essa hipótese parece razoável. No entanto, para alguns
ramos de atividade, a água é um fator fundamental. Os principais exemplos são agricultura,
alimentos e bebidas, química e petroquímica. Espera-se, portanto, que exista algum grau de
substituição e complementaridade entre esses fatores e a hipótese de separabilidade leva a uma
especificação com omissão de variáveis relevantes. Neste caso, a hipótese de separabilidade na
função de produção é pouco razoável para os grandes clientes porque a água tem um impacto
considerável na função de lucro desses agentes. Esse tipo de viés pode ter provocado algumas
das elasticidades positivas nas regressões por ramo de atividade.
Pode-se argumentar que a omissão do preço da água de fontes alternativas gera uma
subestimação do módulo da elasticidade-preço da demanda de água da Sabesp. Considere um
modelo de demanda com a seguinte forma:
Em que:
Y: Vetor contendo a quantidade demandada de água de cada cliente;
X: Matriz contendo vetor de uns e todas as observações dos regressores observados (preço da
água da Sabesp, variáveis de controles, proxy de capacidade produtiva);
β: Vetor de coeficientes das variáveis não omitidas;
Z: Matriz contendo todas as observações das variáveis relevantes omitidas na regressão (preço
da água de fontes alternativas, preço dos fatores complementares e substitutos);
δ: Vetor de coeficientes das variáveis omitidas;
ε: Termo de erro bem comportado.
Sabe-se que toda variável relevante omitida aparece no termo de erro. O modelo acima pode
ser reescrito da seguinte forma:
42
Em que:
A fórmula do estimador de mínimos quadrados é dada por:
O valor do estimador em grandes amostras pode ser obtido tirando o limite em probabilidades
da fórmula acima. Após algumas manipulações algébricas obtém-se a seguinte fórmula:
Sabe-se que:
Em que:
Q: Matriz determinística e definida;
COV(X,Z): Matriz de covariância entre os elementos das matrizes X e Z.
Substituindo na equação acima:
Conclui-se que o sinal do viés assintótico depende da covariância entre as variáveis
explicativas omitidas e não omitidas e do sinal do parâmetro populacional que relaciona a
variável dependente e os regressores omitidos. Suponha que o preço da água de caminhão-
pipa, ou de poço, é omitido da regressão. Sabe-se que esses fatores são substitutos quase
perfeitos da água da SABESP. A elasticidade preço-cruzada deve ser positiva, ou seja, um
aumento no preço da água de caminhão-pipa (ou de poço) deve levar a um aumento na
demanda de água da Sabesp. A coordenada do vetor δ, que diz respeito a esse fator, deve ser
43
positiva. Supondo que a Sabesp exerça uma liderança via preço nesse mercado, pode-se
esperar que a covariância entre o preço da água da Sabesp e de caminhão pipa (ou de poço)
seja positiva também. O elemento da matriz COV(X, Z) seria, então, positivo.
Com o intuito de simplificar a análise, suponha que todos os outros elementos de δ e COV(X,
Z) não sejam significativos em relação aos elementos relacionados com pipa (ou poço). Pode-
se concluir que o sinal do viés é positivo. Sabe-se que o verdadeiro sinal da elasticidade-preço
da água da Sabesp é negativo, portanto o valor estimado é maior (menos negativo) que o valor
populacional da elasticidade. Se essas hipóteses são válidas, o que se acredita ser provável, a
conclusão de que o módulo da elasticidade foi subestimado é verdadeira. A mesma conclusão
é válida para outros fatores substitutos se a covariância entre os preços for positiva e para
outros fatores complementares, caso a covariância entre os preços for negativa.
4. Considerações Finais
Os resultados estimados para as elasticidades-preço se mostraram significantes
estatisticamente (ao nível de significância de 5%) e forneceram as seguintes evidências sobre o
mercado de água em São Paulo:
- Segundo os resultados do modelo com dados em painel, a elasticidade-preço da água da
SABESP apresenta um comportamento crescente ao longo do tempo, ou seja, os consumidores
estão se tornando menos inelásticos, ou seja, mais elásticos ao longo do tempo. Esse fato pode
ter sido causado pelo aumento de fornecimento de fontes alternativas, aumentando a
competição pelo surgimento de novos fornecedores;
- Com relação aos resultados por faixas de consumo, pode-se perceber que o módulo da
elasticidade-preço apresenta um comportamento monotônico crescente ao longo das faixas. A
função cresce com alta velocidade até a faixa de consumo entre 400 e 500 metros cúbicos. De
acordo com a teoria econômica, o módulo da elasticidade deveria ser crescente nas faixas de
consumo. Os resultados fornecem indícios de que a água é um fator cuja demanda é pouco
elástica e a média da elasticidade-preço é de, aproximadamente, -0,4;
44
- Os resultados dos modelos de efeitos fixos e aleatórios para os ramos de atividade
evidenciaram a existência de diferenças de sensibilidade aos preços da Sabesp por parte de
clientes de ramos de atividades distintos;
- A estimação pelo Procedimento de Heckman pode ser considerada superior à estimação por
Mínimos Quadrados Ordinários para dados em corte transversal e para clientes da cidade de
São Paulo. Os resultados para a elasticidade-preço média foram estatisticamente significantes
e maiores, em módulo, às elasticidades médias calculadas para dados em Painel.
É importante observar que este estudo pode sofrer imperfeições já que foi usada uma amostra
de clientes SABESP e não havia disponível todas as variáveis importantes para a especificação
da demanda. A alternativa proposta por este estudo foi menos dispendiosa e vale como
exercício de identificação da sensibilidade dos consumidores frente aos preços da água
propostos pela estrutura tarifária da SABESP. No entanto, para a obtenção de resultados mais
consistentes, a Fipe indicaria a realização de uma Pesquisa de Campo ampla que cobrisse
todas as informações importantes para a estimação.
A apresentação dos resultados das estimações dos modelos usados no presente estudo mostra
que, apesar de apresentar valores razoavelmente coerentes com a teoria econômica e a
literatura empírica de estimação de demanda, o módulo da elasticidade-preço da demanda de
água da Sabesp apresenta um valor menor que o da maioria dos estudos feitos no Brasil. A
justificativa encontrada para tal fato se baseia no chamado viés de omissão de variável, que a
partir das hipóteses levantadas na seção 3.3 deste trabalho provou-se ser positivo. Desta forma,
conclui-se que o módulo da elasticidade foi subestimado e o valor estimado é maior (menos
negativo) que o valor verdadeiro da elasticidade.
45
Referências bibliográficas
ANDRADE, T. A., BRANDÃO, A. S. P., LOBÃO, W. J. A. e SILVA, S. L. Q. da (1995)
Saneamento urbano: a demanda residencial por água. Pesquisa e Planejamento Econômico,
vol.25, n.3, p.427-448.
BHATIA, R., CESTTI, R. e WINPENNY, J. (1995) Water conservation and reallocation: best
practice cases in improving economic efficiency and environmental quality. World Bank –
ODI Joint Study.
DE ROOY, J. (1974) Price responsiveness of the industrial demand for water. Water
Resources Research, vol. 10, n. 3, p. 403-406.
DUPONT, D. P.; RENZETTI, S. (2001) The Role of Water in the Canadian Manufacturing
Sector. Department of Economics, Brock University, mimeo.
FERES, J.; REYNAUD, A.; ALBAN, T.; MOTTA, R. S. “Competitiveness and effectiveness
concerns in water charge implementation: a case study of the Paraíba do Sul River Basin”,
Water Policy, v. 10, p. 595, 2008.
GREBENSTEIN, C. R.; FIELD, B. C. (1979). “Substituting for Water Inputs in U. S.
Manufacturing”. Water Resources Research, v.15, n.2, pp.228-232.
GREENE, W. H. (2003), Econometric Analysis. New Jersey: Prentice Hall, 5th ed.
HAUSMAN, J. A. (1978). Specification Tests in Econometrics, Econometrica, Vol. 46, No. 6,
pp. 1251-1271.
HECKMAN, J. (1979). “Sample Selection Bias as a Specification Error”, Econometrica, vol.
49, p. 945-64.
PINDYCK, R.S. e RUBINFELD, D.L. (1994) Microeconomia, Rio de Janeiro, Makron
Books do Brasil, 968p.
RENZETTI, S. (1988). “An Econometric Study of Industrial Water Demands in British
Columbia, Canada”. Water Resources Research, v.24, n.10, pp.1569-1573.
46
RIBEIRO, M. M. R.; LANNA, A. E.; PEREIRA, J. S. Elasticidade-preço da demanda e a
cobrança pelo uso da água. XIII Simpósio Brasileiro de Recursos Hídricos. Belo Horizonte,
1999
SCHNEIDER, M. L. e WHITLACH, E. E. (1991) User-specific water demand elasticities.
Journal of Water Resources Planning and Management, vol. 117, n. 1, p. 52-73.
SUPERINTENDÊNCIA DE MARKETING DA SABESP, “Perda de grandes clientes”: agosto
de 2008. Estudo disponibilizado pela SABESP.
VARIAN, H. R. (1994) Microeconomia: Princípios Básicos. Rio de Janeiro, Ed. Campus,
710p.
WHITE, H. (1980) A Heteroskedasticity-Consistent Covariance Matrix Estimator and a
Discrete test for Heteroskedasticity. Econometrica, Vol. 48, p.817-840.
WILLIAMS, M. e SUH, B. (1986) The demand for urban water by customer class. Applied
Economics, vol. 18, n. 12, p. 1275-1289.
WOOLDRIDGE, J. M. (2001), Econometrics Analysis of Cross Section and Panel Data. The
Massachusetts Institute of Technology Press.
WOOLDRIDGE, J. M. (2006), Introdução à Econometria: Uma abordagem moderna.
Thomson Learning, São Paulo, 2006.
ZIEGLER, J. A. e BELL, S. E. (1984) Estimating demand for intake water by self-supplied
firms. Water Resources Research, vol. 20, n. 1, p. 4-8.
47
Anexo A - Rotinas em STATA
A.1 Juntando as bases de dados dos anos
** Append das bases de faturas **
use "F:\SABESP - fase 2\Faturas\faturas_03.dta", clear
append using "F:\SABESP - fase 2\Faturas\faturas_04.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_05.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_06.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_07.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_08.dta"
drop FL_COMUM_ESPECIAL TP_LIGACAO CD_CATEGORIA_USO NR_FATOR_K TP_ECONOMIA
QT_ECONOMIAS
gen mes=month( AA_MM_REFERENCIA)
gen ano=year( AA_MM_REFERENCIA)
sort CD_RGI
save "F:\SABESP - fase 2\Faturas\Todas.dta", replace
A.2 Preparando a base de dados para estimação: Base Data
** Preparando BaseDATA, a partir do arquivos TODAS **
* Gerando preço da água *
gen preco = VL_AGUA / QT_CONSUMO_AGUA_FATURADO
* Variáveis de tempo *
gen mes = day(AA_MM_REFERENCIA)
gen ano = year(AA_MM_REFERENCIA)
gen tempo=1 if mes==6 & ano==2003
replace tempo=2 if mes==7 & ano==2003
replace tempo=3 if mes==8 & ano==2003
replace tempo=4 if mes==9 & ano==2003
replace tempo=5 if mes==10 & ano==2003
replace tempo=6 if mes==11 & ano==2003
replace tempo=7 if mes==12 & ano==2003
replace tempo=8 if mes==1 & ano==2004
replace tempo=9 if mes==2 & ano==2004
replace tempo=10 if mes==3 & ano==2004
replace tempo=11 if mes==4 & ano==2004
replace tempo=12 if mes==5 & ano==2004
replace tempo=13 if mes==6 & ano==2004
replace tempo=14 if mes==7 & ano==2004
replace tempo=15 if mes==8 & ano==2004
replace tempo=16 if mes==9 & ano==2004
replace tempo=17 if mes==10 & ano==2004
48
replace tempo=18 if mes==11 & ano==2004
replace tempo=19 if mes==12 & ano==2004
replace tempo=20 if mes==1 & ano==2005
replace tempo=21 if mes==2 & ano==2005
replace tempo=22 if mes==3 & ano==2005
replace tempo=23 if mes==4 & ano==2005
replace tempo=24 if mes==5 & ano==2005
replace tempo=25 if mes==6 & ano==2005
replace tempo=26 if mes==7 & ano==2005
replace tempo=27 if mes==8 & ano==2005
replace tempo=28 if mes==9 & ano==2005
replace tempo=29 if mes==10 & ano==2005
replace tempo=30 if mes==11 & ano==2005
replace tempo=31 if mes==12 & ano==2005
replace tempo=32 if mes==1 & ano==2006
replace tempo=33 if mes==2 & ano==2006
replace tempo=34 if mes==3 & ano==2006
replace tempo=35 if mes==4 & ano==2006
replace tempo=36 if mes==5 & ano==2006
replace tempo=37 if mes==6 & ano==2006
replace tempo=38 if mes==7 & ano==2006
replace tempo=39 if mes==8 & ano==2006
replace tempo=40 if mes==9 & ano==2006
replace tempo=41 if mes==10 & ano==2006
replace tempo=42 if mes==11 & ano==2006
replace tempo=43 if mes==12 & ano==2006
replace tempo=44 if mes==1 & ano==2007
replace tempo=45 if mes==2 & ano==2007
replace tempo=46 if mes==3 & ano==2007
replace tempo=47 if mes==4 & ano==2007
replace tempo=48 if mes==5 & ano==2007
replace tempo=49 if mes==6 & ano==2007
replace tempo=50 if mes==7 & ano==2007
replace tempo=51 if mes==8 & ano==2007
replace tempo=52 if mes==9 & ano==2007
replace tempo=53 if mes==10 & ano==2007
replace tempo=54 if mes==11 & ano==2007
replace tempo=55 if mes==12 & ano==2007
replace tempo=56 if mes==1 & ano==2008
replace tempo=57 if mes==2 & ano==2008
replace tempo=58 if mes==3 & ano==2008
replace tempo=59 if mes==4 & ano==2008
replace tempo=60 if mes==5 & ano==2008
replace tempo=61 if mes==6 & ano==2008
gen semestre=1 if tempo>=2 & tempo<=7
replace semestre=2 if tempo>=8 & tempo<=13
replace semestre=3 if tempo>=14 & tempo<=19
replace semestre=4 if tempo>=20 & tempo<=25
replace semestre=5 if tempo>=26 & tempo<=31
49
replace semestre=6 if tempo>=32 & tempo<=37
replace semestre=7 if tempo>=38 & tempo<=43
replace semestre=8 if tempo>=44 & tempo<=49
replace semestre=9 if tempo>=50 & tempo<=55
replace semestre=10 if tempo>=56 & tempo<=61
* Gerando variáveis de controle *
tab DS_RAMO_ATIVIDADE, gen (RAMO)
* Anexando unidade de negócio, usando o arquivo unidadesdenegocio *
joinby CD_RGI using [filename]
A.3 Reamostragem da Base de Dados
** Sample para a Base de dados em painel **
* Observou-se que retirar uma amostra aleatória simples de um painel não-
balanceado pode piorar a qualidade da base de dados *
* Partindo do arquivo BaseData *
keep CD_RGI QT_CONSUMO_AGUA_FATURADO VL_AGUA DS_RAMO_ATIVIDADE tempo
unidade
* Renomeando as variáveis no formato do arquivo BaseData_Mensal *
rename QT_CONSUMO_AGUA_FATURADO quantidade
rename VL_AGUA receita
rename CD_RGI rgi
rename DS_RAMO_ATIVIDADE ramo
* Removendo outliers *
sort rgi tempo
drop if rgi==rgi[_n-1] & tempo==tempo[_n-1]
by rgi: egen sum_quantidade=sum(quantidade)
drop if sum_quantidade==0
* Dando rashape na base *
reshape wide quantidade receita unidade ramo, i(rgi) j(tempo)
* Criando a variável ex-clientes *
gen ex_clientes1 =1 if (quantidade2-quantidade1)/quantidade1<=-0.9
gen ex_clientes2 =1 if (quantidade3-quantidade2)/quantidade2<=-0.9
gen ex_clientes3 =1 if (quantidade4-quantidade3)/quantidade3<=-0.9
gen ex_clientes4 =1 if (quantidade5-quantidade4)/quantidade4<=-0.9
gen ex_clientes5 =1 if (quantidade6-quantidade5)/quantidade5<=-0.9
gen ex_clientes6 =1 if (quantidade7-quantidade6)/quantidade6<=-0.9
gen ex_clientes7 =1 if (quantidade8-quantidade7)/quantidade7<=-0.9
gen ex_clientes8 =1 if (quantidade9-quantidade8)/quantidade8<=-0.9
gen ex_clientes9 =1 if (quantidade10-quantidade9)/quantidade9<=-0.9
gen ex_clientes10 =1 if (quantidade11-quantidade10)/quantidade10<=-0.9
50
gen ex_clientes11 =1 if (quantidade12-quantidade11)/quantidade11<=-0.9
gen ex_clientes12 =1 if (quantidade13-quantidade12)/quantidade12<=-0.9
gen ex_clientes13 =1 if (quantidade14-quantidade13)/quantidade13<=-0.9
gen ex_clientes14 =1 if (quantidade15-quantidade14)/quantidade14<=-0.9
gen ex_clientes15 =1 if (quantidade16-quantidade15)/quantidade15<=-0.9
gen ex_clientes16 =1 if (quantidade17-quantidade16)/quantidade16<=-0.9
gen ex_clientes17 =1 if (quantidade18-quantidade17)/quantidade17<=-0.9
gen ex_clientes18 =1 if (quantidade19-quantidade18)/quantidade18<=-0.9
gen ex_clientes19 =1 if (quantidade20-quantidade19)/quantidade19<=-0.9
gen ex_clientes20 =1 if (quantidade21-quantidade20)/quantidade20<=-0.9
gen ex_clientes21 =1 if (quantidade22-quantidade21)/quantidade21<=-0.9
gen ex_clientes22 =1 if (quantidade23-quantidade22)/quantidade22<=-0.9
gen ex_clientes23 =1 if (quantidade24-quantidade23)/quantidade23<=-0.9
gen ex_clientes24 =1 if (quantidade25-quantidade24)/quantidade24<=-0.9
gen ex_clientes25 =1 if (quantidade26-quantidade25)/quantidade25<=-0.9
gen ex_clientes26 =1 if (quantidade27-quantidade26)/quantidade26<=-0.9
gen ex_clientes27 =1 if (quantidade28-quantidade27)/quantidade27<=-0.9
gen ex_clientes28 =1 if (quantidade29-quantidade28)/quantidade28<=-0.9
gen ex_clientes29 =1 if (quantidade30-quantidade29)/quantidade29<=-0.9
gen ex_clientes30 =1 if (quantidade31-quantidade30)/quantidade30<=-0.9
gen ex_clientes31 =1 if (quantidade32-quantidade31)/quantidade31<=-0.9
gen ex_clientes32 =1 if (quantidade33-quantidade32)/quantidade32<=-0.9
gen ex_clientes33 =1 if (quantidade34-quantidade33)/quantidade33<=-0.9
gen ex_clientes34 =1 if (quantidade35-quantidade34)/quantidade34<=-0.9
gen ex_clientes35 =1 if (quantidade36-quantidade35)/quantidade35<=-0.9
gen ex_clientes36 =1 if (quantidade37-quantidade36)/quantidade36<=-0.9
gen ex_clientes37 =1 if (quantidade38-quantidade37)/quantidade37<=-0.9
gen ex_clientes38 =1 if (quantidade39-quantidade38)/quantidade38<=-0.9
gen ex_clientes39 =1 if (quantidade40-quantidade39)/quantidade39<=-0.9
gen ex_clientes40 =1 if (quantidade41-quantidade40)/quantidade40<=-0.9
gen ex_clientes41 =1 if (quantidade42-quantidade41)/quantidade41<=-0.9
gen ex_clientes42 =1 if (quantidade43-quantidade42)/quantidade42<=-0.9
gen ex_clientes43 =1 if (quantidade44-quantidade43)/quantidade43<=-0.9
gen ex_clientes44 =1 if (quantidade45-quantidade44)/quantidade44<=-0.9
gen ex_clientes45 =1 if (quantidade46-quantidade45)/quantidade45<=-0.9
gen ex_clientes46 =1 if (quantidade47-quantidade46)/quantidade46<=-0.9
gen ex_clientes47 =1 if (quantidade48-quantidade47)/quantidade47<=-0.9
gen ex_clientes48 =1 if (quantidade49-quantidade48)/quantidade48<=-0.9
gen ex_clientes49 =1 if (quantidade50-quantidade49)/quantidade49<=-0.9
gen ex_clientes50 =1 if (quantidade51-quantidade50)/quantidade50<=-0.9
gen ex_clientes51 =1 if (quantidade52-quantidade51)/quantidade51<=-0.9
gen ex_clientes52 =1 if (quantidade53-quantidade52)/quantidade52<=-0.9
gen ex_clientes53 =1 if (quantidade54-quantidade53)/quantidade53<=-0.9
gen ex_clientes54 =1 if (quantidade55-quantidade54)/quantidade54<=-0.9
gen ex_clientes55 =1 if (quantidade56-quantidade55)/quantidade55<=-0.9
gen ex_clientes56 =1 if (quantidade57-quantidade56)/quantidade56<=-0.9
gen ex_clientes57 =1 if (quantidade58-quantidade57)/quantidade57<=-0.9
gen ex_clientes58 =1 if (quantidade59-quantidade58)/quantidade58<=-0.9
gen ex_clientes59 =1 if (quantidade60-quantidade59)/quantidade59<=-0.9
gen ex_clientes60 =1 if (quantidade61-quantidade60)/quantidade60<=-0.9
51
replace ex_clientes1 =0 if ex_clientes1 ==.
replace ex_clientes2 =0 if ex_clientes2 ==.
replace ex_clientes3 =0 if ex_clientes3 ==.
replace ex_clientes4 =0 if ex_clientes4 ==.
replace ex_clientes5 =0 if ex_clientes5 ==.
replace ex_clientes6 =0 if ex_clientes6 ==.
replace ex_clientes7 =0 if ex_clientes7 ==.
replace ex_clientes8 =0 if ex_clientes8 ==.
replace ex_clientes9 =0 if ex_clientes9 ==.
replace ex_clientes10 =0 if ex_clientes10 ==.
replace ex_clientes11 =0 if ex_clientes11 ==.
replace ex_clientes12 =0 if ex_clientes12 ==.
replace ex_clientes13 =0 if ex_clientes13 ==.
replace ex_clientes14 =0 if ex_clientes14 ==.
replace ex_clientes15 =0 if ex_clientes15 ==.
replace ex_clientes16 =0 if ex_clientes16 ==.
replace ex_clientes17 =0 if ex_clientes17 ==.
replace ex_clientes18 =0 if ex_clientes18 ==.
replace ex_clientes19 =0 if ex_clientes19 ==.
replace ex_clientes20 =0 if ex_clientes20 ==.
replace ex_clientes21 =0 if ex_clientes21 ==.
replace ex_clientes22 =0 if ex_clientes22 ==.
replace ex_clientes23 =0 if ex_clientes23 ==.
replace ex_clientes24 =0 if ex_clientes24 ==.
replace ex_clientes25 =0 if ex_clientes25 ==.
replace ex_clientes26 =0 if ex_clientes26 ==.
replace ex_clientes27 =0 if ex_clientes27 ==.
replace ex_clientes28 =0 if ex_clientes28 ==.
replace ex_clientes29 =0 if ex_clientes29 ==.
replace ex_clientes30 =0 if ex_clientes30 ==.
replace ex_clientes31 =0 if ex_clientes31 ==.
replace ex_clientes32 =0 if ex_clientes32 ==.
replace ex_clientes33 =0 if ex_clientes33 ==.
replace ex_clientes34 =0 if ex_clientes34 ==.
replace ex_clientes35 =0 if ex_clientes35 ==.
replace ex_clientes36 =0 if ex_clientes36 ==.
replace ex_clientes37 =0 if ex_clientes37 ==.
replace ex_clientes38 =0 if ex_clientes38 ==.
replace ex_clientes39 =0 if ex_clientes39 ==.
replace ex_clientes40 =0 if ex_clientes40 ==.
replace ex_clientes41 =0 if ex_clientes41 ==.
replace ex_clientes42 =0 if ex_clientes42 ==.
replace ex_clientes43 =0 if ex_clientes43 ==.
replace ex_clientes44 =0 if ex_clientes44 ==.
replace ex_clientes45 =0 if ex_clientes45 ==.
replace ex_clientes46 =0 if ex_clientes46 ==.
replace ex_clientes47 =0 if ex_clientes47 ==.
replace ex_clientes48 =0 if ex_clientes48 ==.
replace ex_clientes49 =0 if ex_clientes49 ==.
replace ex_clientes50 =0 if ex_clientes50 ==.
replace ex_clientes51 =0 if ex_clientes51 ==.
52
replace ex_clientes52 =0 if ex_clientes52 ==.
replace ex_clientes53 =0 if ex_clientes53 ==.
replace ex_clientes54 =0 if ex_clientes54 ==.
replace ex_clientes55 =0 if ex_clientes55 ==.
replace ex_clientes56 =0 if ex_clientes56 ==.
replace ex_clientes57 =0 if ex_clientes57 ==.
replace ex_clientes58 =0 if ex_clientes58 ==.
replace ex_clientes59 =0 if ex_clientes59 ==.
replace ex_clientes60 =0 if ex_clientes60 ==.
* Gerando uma amostra aleatória simples da base de dados *
sample 35
* Dando reshape na base *
reshape long quantidade receita ramo unidade ex_clientes, i(rgi) j(tempo)
* Gerando a variável de mês *
gen mes =7 if tempo ==1
replace mes =8 if tempo ==2
replace mes =9 if tempo ==3
replace mes =10 if tempo ==4
replace mes =11 if tempo ==5
replace mes =12 if tempo ==6
replace mes =1 if tempo ==7
replace mes =2 if tempo ==8
replace mes =3 if tempo ==9
replace mes =4 if tempo ==10
replace mes =5 if tempo ==11
replace mes =6 if tempo ==12
replace mes =7 if tempo ==13
replace mes =8 if tempo ==14
replace mes =9 if tempo ==15
replace mes =10 if tempo ==16
replace mes =11 if tempo ==17
replace mes =12 if tempo ==18
replace mes =1 if tempo ==19
replace mes =2 if tempo ==20
replace mes =3 if tempo ==21
replace mes =4 if tempo ==22
replace mes =5 if tempo ==23
replace mes =6 if tempo ==24
replace mes =7 if tempo ==25
replace mes =8 if tempo ==26
replace mes =9 if tempo ==27
replace mes =10 if tempo ==28
replace mes =11 if tempo ==29
replace mes =12 if tempo ==30
replace mes =1 if tempo ==31
replace mes =2 if tempo ==32
replace mes =3 if tempo ==33
replace mes =4 if tempo ==34
replace mes =5 if tempo ==35
replace mes =6 if tempo ==36
replace mes =7 if tempo ==37
replace mes =8 if tempo ==38
replace mes =9 if tempo ==39
53
replace mes =10 if tempo ==40
replace mes =11 if tempo ==41
replace mes =12 if tempo ==42
replace mes =1 if tempo ==43
replace mes =2 if tempo ==44
replace mes =3 if tempo ==45
replace mes =4 if tempo ==46
replace mes =5 if tempo ==47
replace mes =6 if tempo ==48
replace mes =7 if tempo ==49
replace mes =8 if tempo ==50
replace mes =9 if tempo ==51
replace mes =10 if tempo ==52
replace mes =11 if tempo ==53
replace mes =12 if tempo ==54
replace mes =1 if tempo ==55
replace mes =2 if tempo ==56
replace mes =3 if tempo ==57
replace mes =4 if tempo ==58
replace mes =5 if tempo ==59
replace mes =6 if tempo ==60
replace mes =7 if tempo ==61
* Gerando a variável de ano *
gen ano=2003 if tempo>=1 & tempo<=6
replace ano=2004 if tempo>=7 & tempo<=18
replace ano=2005 if tempo>=19 & tempo<=30
replace ano=2006 if tempo>=31 & tempo<=42
replace ano=2007 if tempo>=43 & tempo<=54
replace ano=2008 if tempo>=55 & tempo<=61
Anexo B – Descrição dos Ramos de Atividades e Códigos – Painel
Código Descrição do Ramo de Atividade
ramo1 ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL
ramo2 AGRICULTURA,PECUARIA E SERV.RELACIONADO
ramo3 ALOJAMENTO E ALIMENTACAO
ramo4 ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DO
ramo5 ART CONCR,CIMENTO,FIBROCIM,GESSO,ESTUQU
ramo6 ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ramo7 ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA
ramo8 ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ramo9 ATIVIDADE NAO IDENTIFICADA
ramo10 ATIVIDADES ASSOCIATIVAS
ramo11 ATIVIDADES DE ATENCAO A SAUDE
ramo12 ATIVIDADES DE INFORMATICA E CONEXAS
ramo13 ATIVIDADES IMOBILIARIAS
ramo14 BIBLIOTECA,ARQ,MUSEU,ATIV CULTURAIS
54
ramo15 CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA
ramo16 COM,MANUT,REPARACAO MOTO,PECA,ACESSORIO
ramo17 COM. ATAC. DE MERCADORIAS EM GERAL
ramo18 COM. ATAC. MAQ/EQUIP USO NAO ESPEC.ANTE
ramo19 COM. VAREJ OUTROS PROD. EM LOJA ESPEC
ramo20 COM. VAREJISTA NAO ESPECIALIZADO
ramo21 COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
ramo22 COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
ramo23 COM.ATAC.:AGROP.IN NAT;ALIMENT.P/ANIMAL
ramo24 COM.ATAC.PROD. ALIMENTICIOS,BEBIDAS,FUM
ramo25 COM.ATACADO E INTERMEDIARIOS COMERCIO
ramo26 COM.PECAS/ACESSORIOS P/ VEICULOS AUTOM
ramo27 COM.VAREJ ALIM,BEBIDA,FUMO EM LOJA ESPE
ramo28 COM.VAREJ TEC,ARMARIN,VEST EM LOJA ESPE
ramo29 COMERCIO A VAREJO DE COMBUSTIVEIS
ramo30 COMERCIO DE VEICULOS AUTOMOTORES
ramo31 CONFECCAO DE ART.DO VESTUARIO/ACESSORIO
ramo32 CONSTRUCAO
ramo33 CONSTRUCAO E REPARACAO DE EMBARCACOES
ramo34 CORREIO E TELECOMUNICACOES
ramo35 EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
ramo36 EDUCACAO
ramo37 EDUCACAO PRE-ESCOLAR E FUNDAMENTAL
ramo38 ELETRICIDADE,GAS E AGUA QUENTE
ramo39 EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
ramo40 ESTABELECIMENTO ALOJAMENTO TEMPORARIO
ramo41 ESTABELECIMENTO DE SERV DE ALIMENTACAO
ramo42 EXTRACAO DE CARVAO MINERAL
ramo43 EXTRACAO DE MINERAIS METALICOS
ramo44 EXTRACAO DE MINERAIS NAO METALICOS
ramo45 EXTRACAO DE PETROLEO E GAS NATURAL
ramo46 EXTRACAO DE PETROLEO E SERV. CORRELATOS
ramo47 FABR ART CUTELARIA,SERRALH,FERRAM.MANUA
ramo48 FABR ART PAPEL,PAPELAO,CARTOLINA,CARTAO
ramo49 FABR DE ELETRODOMESTICOS
ramo50 FABR DE PROD. DE LIMPEZA E PERFUMARIA
ramo51 FABR DE TINTA,VERNIZ,ESMALTE,LACA,AFINS
ramo52 FABR PECAS/ACESSORIOS P/VEIC AUTOMOTO
ramo53 FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
ramo54 FABR.DE OUTROS EQUIP.DE TRANSPORTE
ramo55 FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
ramo56 FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
ramo57 FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
55
ramo58 FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
ramo59 FABRIC. PROD. DE MINERAIS NAO-METALICOS
ramo60 FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
ramo61 FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
ramo62 FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
ramo63 FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
ramo64 FABRICACAO DE ART.DE BORRACHA/PLASTICO
ramo65 FABRICACAO DE MAQUINAS E EQUIP.
ramo66 FABRICACAO DE PRODUTOS DE MADEIRA
ramo67 FABRICACAO DE PRODUTOS DO FUMO
ramo68 FABRICACAO DE PRODUTOS QUIMICOS
ramo69 FABRICACAO DE PRODUTOS TEXTEIS
ramo70 FABRICACAO DE TECIDOS E ART DE MALHA
ramo71 IMOVEL DESOCUPADO
ramo72 INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA
ramo73 INTERMEDIARIOS DO COMERCIO
ramo74 JURID,CONT,ASSES,ARQ,ENG,PUBL,ANAL.QLD
ramo75 LATICINIOS
ramo76 LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS
ramo77 MANUT/REPARACAO DE VEICULOS AUTOMOTORES
ramo78 METALURGIA BASICA
ramo79 ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS
ramo80 OUTRAS ATIVIDADES ASSOCIATIVAS
ramo81 PESCA,AQUICULTURA E SERV.RELACIONADOS
ramo82 PESQUISA E DESENVOLVIMENTO
ramo83 PREPAR/FABRIC.COURO,ART.VIAGEM E CALCAD
ramo84 RECICLAGEM
ramo85 REPARACAO DE OBJ. PESSOAIS/DOMESTICOS
ramo86 RESIDENCIA E MISTOS
ramo87 SAUDE E SERVICOS SOCIAIS
ramo88 SEGUROS E PREVIDENCIA PRIVADA
ramo89 SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
ramo90 SERVICOS PESSOAIS
ramo91 SERVICOS SOCIAIS
ramo92 SERVICOS VETERINARIOS
ramo93 TELECOMUNICACOES
ramo94 TRAB.PEDRAS,FAB CAL/PROD MIN.NAO METALI
56
Anexo C – Resultados das Estimações com dados em painel
C.1 Método Efeitos Fixos para cada Grupo de Atividades Atividades Agrícolas Regressão de Efeitos Fixos Número de obs = 856 Variável Grupo: rgi Número de grupos = 15 R-sq: within = 0.2079 Obs por grupo: min = 34 between = 0.1269 avg = 57.1 overall = 0.0060 max = 61 F(17,824) = 12.72 corr(u_i, Xb) = -0.2686 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.1512081 .0113905 -13.27 0.000 -.1735658 -.1288503 m2 | .0574181 .0976179 0.59 0.557 -.134191 .2490271 m3 | -.0193532 .0979893 -0.20 0.843 -.2116912 .1729847 m4 | -.0506808 .0979692 -0.52 0.605 -.2429794 .1416177 m5 | -.1315581 .0983166 -1.34 0.181 -.3245386 .0614224 m6 | -.0717892 .0987453 -0.73 0.467 -.2656111 .1220327 m7 | -.1314395 .0950882 -1.38 0.167 -.3180832 .0552042 m8 | -.1502605 .1005072 -1.50 0.135 -.3475407 .0470197 m9 | -.1362085 .1010417 -1.35 0.178 -.3345379 .062121 m10 | -.0929479 .1009157 -0.92 0.357 -.2910301 .1051342 m11 | .0527952 .0998074 0.53 0.597 -.1431114 .2487019 m12 | -.0033682 .0994608 -0.03 0.973 -.1985944 .1918581 ano2 | .167287 .0847586 1.97 0.049 .0009189 .3336552 ano3 | -.0266505 .0841482 -0.32 0.752 -.1918206 .1385196 ano4 | .2545339 .0842638 3.02 0.003 .0891369 .4199309 ano5 | .2434158 .0854996 2.85 0.005 .0755931 .4112384 ano6 | .2543907 .0996736 2.55 0.011 .0587467 .4500348 _cons | 4.366096 .1080161 40.42 0.000 4.154077 4.578115 -------------+---------------------------------------------------------------- sigma_u | 1.9090795 sigma_e | .58563949 rho | .91398906 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(14, 824) = 575.19 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.8324049 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.6356667 .04788 -13.27 0.000 -.729519 -.541814 4.20392 m2 | .0048296 .00821 0.59 0.556 -.011263 .020923 .084112 m3 | -.0016052 .00813 -0.20 0.843 -.017535 .014325 .082944 m4 | -.0042037 .00813 -0.52 0.605 -.02013 .011723 .082944 m5 | -.0107583 .00804 -1.34 0.181 -.026516 .005 .081776 m6 | -.0057867 .00796 -0.73 0.467 -.021387 .009814 .080607 m7 | -.0127447 .00922 -1.38 0.167 -.030816 .005326 .096963 m8 | -.0121121 .0081 -1.50 0.135 -.027991 .003767 .080607 m9 | -.0108203 .00803 -1.35 0.178 -.026552 .004912 .079439 m10 | -.0073837 .00802 -0.92 0.357 -.023096 .008329 .079439 m11 | .004379 .00828 0.53 0.597 -.011846 .020604 .082944 m12 | -.0002833 .00837 -0.03 0.973 -.01668 .016113 .084112 ano2 | .030096 .01525 1.97 0.048 .000209 .059983 .179907 ano3 | -.0052305 .01652 -0.32 0.751 -.037599 .027138 .196262 ano4 | .0529288 .01752 3.02 0.003 .018586 .087272 .207944 ano5 | .0497637 .01748 2.85 0.004 .015505 .084023 .204439
57
ano6 | .0309073 .01211 2.55 0.011 .007172 .054642 .121495
Atividades não Identificadas Regressão de Efeitos Fixos Número de obs = 284848 Variável Grupo: rgi Número de grupos = 5577 R-sq: within = 0.4188 Obs por grupo: min = 1 between = 0.3981 avg = 51.1 overall = 0.3426 max = 61 F(17,279254) = 11837.30 corr(u_i, Xb) = 0.2529 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.1118946 .0002504 -446.83 0.000 -.1123855 -.1114038 m2 | -.012113 .0041033 -2.95 0.003 -.0201552 -.0040707 m3 | -.007012 .0041137 -1.70 0.088 -.0150749 .0010508 m4 | -.0198563 .0041166 -4.82 0.000 -.0279248 -.0117878 m5 | -.0011624 .0041144 -0.28 0.778 -.0092265 .0069017 m6 | -.0033377 .0041122 -0.81 0.417 -.0113976 .0047222 m7 | -.0349801 .0039637 -8.83 0.000 -.0427488 -.0272114 m8 | -.0592177 .0041803 -14.17 0.000 -.0674111 -.0510244 m9 | -.051486 .0041829 -12.31 0.000 -.0596843 -.0432877 m10 | -.0448411 .0041852 -10.71 0.000 -.053044 -.0366381 m11 | -.0038285 .0041776 -0.92 0.359 -.0120165 .0043594 m12 | .0405268 .0041747 9.71 0.000 .0323445 .0487091 ano2 | .0532633 .0033882 15.72 0.000 .0466226 .059904 ano3 | .0656239 .0034144 19.22 0.000 .0589316 .0723161 ano4 | .1021793 .0034405 29.70 0.000 .0954361 .1089226 ano5 | .1310874 .0034634 37.85 0.000 .1242993 .1378755 ano6 | .1519791 .0040654 37.38 0.000 .1440111 .1599471 _cons | 3.02329 .0042926 704.30 0.000 3.014876 3.031703 -------------+---------------------------------------------------------------- sigma_u | 1.0898604 sigma_e | .44417574 rho | .85755986 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(5576, 279254) = 295.80 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 2.5227569 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.5697563 .00128 -446.83 0.000 -.572256 -.567257 5.0919 m2 | -.0009959 .00034 -2.95 0.003 -.001657 -.000335 .082219 m3 | -.0005711 .00034 -1.70 0.088 -.001228 .000086 .081447 m4 | -.0016137 .00033 -4.82 0.000 -.002269 -.000958 .081268 m5 | -.0000947 .00034 -0.28 0.778 -.000751 .000562 .081426 m6 | -.0002723 .00034 -0.81 0.417 -.00093 .000385 .081594 m7 | -.003442 .00039 -8.83 0.000 -.004206 -.002678 .0984 m8 | -.0048668 .00034 -14.17 0.000 -.00554 -.004193 .082184 m9 | -.0042221 .00034 -12.31 0.000 -.004894 -.00355 .082005 m10 | -.0036701 .00034 -10.71 0.000 -.004341 -.002999 .081847 m11 | -.0003155 .00034 -0.92 0.359 -.00099 .000359 .082419 m12 | .0033493 .00035 9.71 0.000 .002673 .004026 .082644 ano2 | .0107322 .00068 15.72 0.000 .009394 .01207 .201493 ano3 | .0133004 .00069 19.22 0.000 .011944 .014657 .202677 ano4 | .0199105 .00067 29.70 0.000 .018597 .021224 .194858 ano5 | .0250511 .00066 37.85 0.000 .023754 .026348 .191102 ano6 | .0169443 .00045 37.38 0.000 .016056 .017833 .111491
58
------------------------------------------------------------------------------
Comércio Regressão de Efeitos Fixos Número de obs = 245663 Variável Grupo: rgi Número de grupos = 5234 R-sq: within = 0.0594 Obs por grupo: min = 1 between = 0.2071 avg = 46.9 overall = 0.0432 max = 61 F(17,240412) = 893.82 corr(u_i, Xb) = 0.1146 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0166775 .0001479 -112.74 0.000 -.0169674 -.0163875 m2 | -.0211716 .0055945 -3.78 0.000 -.0321367 -.0102066 m3 | .0053601 .0055922 0.96 0.338 -.0056005 .0163206 m4 | .0027998 .0055881 0.50 0.616 -.0081528 .0137524 m5 | -.0033498 .0055845 -0.60 0.549 -.0142952 .0075957 m6 | -.0068108 .0055803 -1.22 0.222 -.0177481 .0041265 m7 | -.0371816 .0054083 -6.87 0.000 -.0477818 -.0265814 m8 | -.0721304 .0057392 -12.57 0.000 -.0833791 -.0608816 m9 | -.0522516 .0057308 -9.12 0.000 -.0634839 -.0410194 m10 | -.048675 .0057284 -8.50 0.000 -.0599026 -.0374475 m11 | -.024251 .0057196 -4.24 0.000 -.0354613 -.0130408 m12 | -.0210789 .0057124 -3.69 0.000 -.0322751 -.0098827 ano2 | .0117427 .004825 2.43 0.015 .0022858 .0211995 ano3 | -.0705839 .0048417 -14.58 0.000 -.0800736 -.0610943 ano4 | -.1008387 .0048416 -20.83 0.000 -.110328 -.0913493 ano5 | -.1087358 .0048484 -22.43 0.000 -.1182385 -.0992332 ano6 | -.1251007 .0056243 -22.24 0.000 -.1361242 -.1140773 _cons | 3.159352 .0059099 534.59 0.000 3.147769 3.170935 -------------+---------------------------------------------------------------- sigma_u | 1.3415999 sigma_e | .56210372 rho | .85066973 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(5233, 240412) = 257.79 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 2.9761274 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.090403 .0008 -112.74 0.000 -.091975 -.088831 5.42067 m2 | -.0017456 .00046 -3.78 0.000 -.00265 -.000842 .08245 m3 | .000443 .00046 0.96 0.338 -.000463 .001349 .082654 m4 | .0002322 .00046 0.50 0.616 -.000676 .001141 .082951 m5 | -.0002788 .00046 -0.60 0.549 -.00119 .000632 .083228 m6 | -.000569 .00047 -1.22 0.222 -.001483 .000345 .083541 m7 | -.0036514 .00053 -6.87 0.000 -.004692 -.00261 .098204 m8 | -.005781 .00046 -12.57 0.000 -.006683 -.004879 .080146 m9 | -.0042154 .00046 -9.12 0.000 -.005122 -.003309 .080676 m10 | -.0039354 .00046 -8.50 0.000 -.004843 -.003028 .080851 m11 | -.0019729 .00047 -4.24 0.000 -.002885 -.001061 .081351 m12 | -.0017246 .00047 -3.69 0.000 -.002641 -.000809 .081815 ano2 | .0022104 .00091 2.43 0.015 .00043 .00399 .188233 ano3 | -.0135971 .00093 -14.58 0.000 -.015425 -.011769 .192638 ano4 | -.0201535 .00097 -20.83 0.000 -.02205 -.018257 .199859 ano5 | -.0224529 .001 -22.43 0.000 -.024415 -.020491 .20649 ano6 | -.0156295 .0007 -22.24 0.000 -.017007 -.014252 .124935 ------------------------------------------------------------------------------
59
Construção Civil Regressão de Efeitos Fixos Número de obs = 6873 Variável Grupo: rgi Número de grupos = 161 R-sq: within = 0.0362 Obs por grupo: min = 1 between = 0.0097 avg = 42.7 overall = 0.0019 max = 61 F(17,6695) = 14.81 corr(u_i, Xb) = -0.0843 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0231529 .0042524 -5.44 0.000 -.031489 -.0148169 m2 | -.1043429 .0424728 -2.46 0.014 -.1876031 -.0210828 m3 | -.0204681 .0424687 -0.48 0.630 -.1037202 .0627841 m4 | .0111976 .0423722 0.26 0.792 -.0718654 .0942606 m5 | -.0272014 .0425551 -0.64 0.523 -.1106229 .05622 m6 | -.0409599 .0425134 -0.96 0.335 -.1242996 .0423798 m7 | -.0934834 .0411047 -2.27 0.023 -.1740616 -.0129052 m8 | -.1139138 .0432779 -2.63 0.009 -.1987522 -.0290754 m9 | -.0723569 .0433068 -1.67 0.095 -.157252 .0125382 m10 | -.0426432 .0435504 -0.98 0.328 -.1280158 .0427294 m11 | -.0915409 .043378 -2.11 0.035 -.1765756 -.0065063 m12 | -.0668337 .0433604 -1.54 0.123 -.1518339 .0181664 ano2 | -.0305959 .0349167 -0.88 0.381 -.0990437 .0378519 ano3 | -.209643 .0359596 -5.83 0.000 -.2801354 -.1391507 ano4 | -.2406419 .0367982 -6.54 0.000 -.3127781 -.1685057 ano5 | -.3288984 .0372517 -8.83 0.000 -.4019236 -.2558731 ano6 | -.3058124 .0438524 -6.97 0.000 -.3917771 -.2198477 _cons | 4.274444 .0478759 89.28 0.000 4.180592 4.368296 -------------+---------------------------------------------------------------- sigma_u | 1.0738703 sigma_e | .7116184 rho | .69486546 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(160, 6695) = 90.62 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.8986272 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.1315268 .02416 -5.44 0.000 -.178874 -.08418 5.68078 m2 | -.0085624 .00349 -2.46 0.014 -.015394 -.001731 .08206 m3 | -.0016826 .00349 -0.48 0.630 -.008525 .00516 .082206 m4 | .0009303 .00352 0.26 0.792 -.005969 .00783 .083079 m5 | -.0022242 .00348 -0.64 0.523 -.009044 .004596 .081769 m6 | -.0033612 .00349 -0.96 0.335 -.010199 .003476 .08206 m7 | -.0091538 .00402 -2.27 0.023 -.017043 -.001265 .097919 m8 | -.0093809 .00356 -2.63 0.008 -.016366 -.002396 .082351 m9 | -.0059481 .00356 -1.67 0.095 -.012926 .001029 .082206 m10 | -.0034373 .00351 -0.98 0.327 -.010318 .003443 .080605 m11 | -.0074986 .00355 -2.11 0.035 -.014463 -.000534 .081915 m12 | -.0054941 .00356 -1.54 0.123 -.01248 .001492 .082206 ano2 | -.0067486 .0077 -0.88 0.381 -.021844 .008346 .220573 ano3 | -.0419103 .00719 -5.83 0.000 -.056 -.027821 .199913 ano4 | -.0435557 .00666 -6.54 0.000 -.05661 -.030502 .180998 ano5 | -.0617791 .007 -8.83 0.000 -.075493 -.048065 .187836 ano6 | -.0344834 .00494 -6.97 0.000 -.044175 -.024792 .11276 ------------------------------------------------------------------------------
60
Serviços de Educação e Saúde Regressão de Efeitos Fixos Número de obs = 79727 Variável Grupo: rgi Número de grupos = 1494 R-sq: within = 0.1074 Obs por grupo: min = 1 between = 0.0673 avg = 53.4 overall = 0.0370 max = 61 F(17,78216) = 553.33 corr(u_i, Xb) = 0.0231 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0690723 .0008516 -81.11 0.000 -.0707415 -.0674031 m2 | -.2332911 .0092978 -25.09 0.000 -.2515147 -.2150675 m3 | -.0934804 .0093015 -10.05 0.000 -.1117113 -.0752495 m4 | .0324007 .0092765 3.49 0.000 .0142189 .0505826 m5 | .0730327 .0092741 7.87 0.000 .0548555 .0912099 m6 | .0989677 .0092483 10.70 0.000 .0808411 .1170944 m7 | .0630378 .0089654 7.03 0.000 .0454656 .08061 m8 | -.0314629 .0094866 -3.32 0.001 -.0500566 -.0128692 m9 | .0345713 .0094814 3.65 0.000 .0159878 .0531548 m10 | .0382916 .0094722 4.04 0.000 .0197261 .056857 m11 | .0929899 .0094618 9.83 0.000 .0744448 .111535 m12 | .0765577 .0094596 8.09 0.000 .0580169 .0950984 ano2 | -.00719 .0078919 -0.91 0.362 -.0226581 .008278 ano3 | -.0263782 .0079114 -3.33 0.001 -.0418845 -.0108719 ano4 | -.0153635 .0079507 -1.93 0.053 -.0309468 .0002199 ano5 | -.0290095 .0079971 -3.63 0.000 -.0446837 -.0133353 ano6 | -.0477605 .0093124 -5.13 0.000 -.0660127 -.0295083 _cons | 4.168434 .0102384 407.14 0.000 4.148367 4.188501 -------------+---------------------------------------------------------------- sigma_u | 1.3671021 sigma_e | .53099283 rho | .86891507 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(1493, 78216) = 336.88 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.7919992 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3689754 .00455 -81.11 0.000 -.377892 -.360059 5.34187 m2 | -.0190403 .00076 -25.09 0.000 -.020528 -.017553 .081616 m3 | -.0076213 .00076 -10.05 0.000 -.009108 -.006135 .081528 m4 | .0026712 .00076 3.49 0.000 .001172 .00417 .082444 m5 | .0060266 .00077 7.87 0.000 .004527 .007527 .082519 m6 | .0082573 .00077 10.70 0.000 .006745 .00977 .083435 m7 | .0061807 .00088 7.03 0.000 .004458 .007904 .098047 m8 | -.0025474 .00077 -3.32 0.001 -.004053 -.001042 .080964 m9 | .002806 .00077 3.65 0.000 .001298 .004314 .081164 m10 | .0031276 .00077 4.04 0.000 .001611 .004644 .081679 m11 | .0076315 .00078 9.83 0.000 .00611 .009153 .082068 m12 | .0063031 .00078 8.09 0.000 .004777 .00783 .082331 ano2 | -.0013713 .00151 -0.91 0.362 -.004321 .001579 .190726 ano3 | -.0051478 .00154 -3.33 0.001 -.008174 -.002122 .195153 ano4 | -.0030657 .00159 -1.93 0.053 -.006175 .000044 .199543 ano5 | -.0058887 .00162 -3.63 0.000 -.00907 -.002707 .202993 ano6 | -.0057808 .00113 -5.13 0.000 -.00799 -.003572 .121038
61
------------------------------------------------------------------------------
Eletricidade e Saneamento Regressão de Efeitos Fixos Número de obs = 2525 Variável Grupo: rgi Número de grupos = 84 R-sq: within = 0.0789 Obs por grupo: min = 1 between = 0.0079 avg = 30.1 overall = 0.0163 max = 61 F(17,2424) = 12.21 corr(u_i, Xb) = 0.0014 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0700995 .0082484 -8.50 0.000 -.0862741 -.0539249 m2 | .0631713 .081065 0.78 0.436 -.0957924 .2221351 m3 | .1775343 .0812516 2.18 0.029 .0182047 .336864 m4 | .0511343 .0813132 0.63 0.530 -.1083163 .2105848 m5 | .0985018 .0809225 1.22 0.224 -.0601827 .2571862 m6 | .1308662 .081433 1.61 0.108 -.0288194 .2905517 m7 | .0486916 .0805737 0.60 0.546 -.1093089 .2066921 m8 | -.0168922 .086174 -0.20 0.845 -.1858745 .1520902 m9 | .0288255 .0865708 0.33 0.739 -.140935 .198586 m10 | .0044462 .0860502 0.05 0.959 -.1642934 .1731858 m11 | .0861359 .0861477 1.00 0.317 -.0827948 .2550666 m12 | .1320925 .0867101 1.52 0.128 -.037941 .3021261 ano2 | -.0329119 .1199212 -0.27 0.784 -.2680707 .2022468 ano3 | -.6279079 .1125764 -5.58 0.000 -.8486639 -.4071519 ano4 | -.5876869 .1129301 -5.20 0.000 -.8091365 -.3662374 ano5 | -.4290484 .1134061 -3.78 0.000 -.6514312 -.2066655 ano6 | -.6257858 .1203153 -5.20 0.000 -.8617173 -.3898543 _cons | 3.792502 .124676 30.42 0.000 3.54802 4.036985 -------------+---------------------------------------------------------------- sigma_u | 2.1476862 sigma_e | .82111126 rho | .87246987 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(83, 2424) = 201.48 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.2137414 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.1417481 .01668 -8.50 0.000 -.174438 -.109058 2.0221 m2 | .0058293 .00748 0.78 0.436 -.008832 .020491 .092277 m3 | .0161011 .00737 2.18 0.029 .001658 .030544 .090693 m4 | .0046375 .00737 0.63 0.529 -.009816 .019091 .090693 m5 | .0090505 .00744 1.22 0.224 -.005522 .023623 .091881 m6 | .0117132 .00729 1.61 0.108 -.002572 .025999 .089505 m7 | .0046281 .00766 0.60 0.546 -.010382 .019638 .09505 m8 | -.0012711 .00648 -0.20 0.845 -.01398 .011438 .075248 m9 | .0021234 .00638 0.33 0.739 -.010375 .014622 .073663 m10 | .0003398 .00658 0.05 0.959 -.012551 .013231 .076436 m11 | .0065156 .00652 1.00 0.317 -.006257 .019288 .075644 m12 | .0097304 .00639 1.52 0.128 -.002789 .022249 .073663 ano2 | -.0023592 .0086 -0.27 0.784 -.019208 .014489 .071683 ano3 | -.1564175 .02804 -5.58 0.000 -.211382 -.101453 .249109 ano4 | -.1494238 .02871 -5.20 0.000 -.205701 -.093147 .254257 ano5 | -.1114676 .02946 -3.78 0.000 -.169214 -.053721 .259802 ano6 | -.0867426 .01668 -5.20 0.000 -.11943 -.054056 .138614
62
------------------------------------------------------------------------------
Atividades Extrativistas Regressão de Efeitos Fixos Número de obs = 1091 Variável Grupo: rgi Número de grupos = 21 R-sq: within = 0.0414 Obs por grupo: min = 5 between = 0.1070 avg = 52.0 overall = 0.0203 max = 61 F(17,1053) = 2.68 corr(u_i, Xb) = -0.2355 Prob > F = 0.0003 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0457518 .0126815 -3.61 0.000 -.0706356 -.020868 m2 | -.1114889 .0748679 -1.49 0.137 -.2583962 .0354184 m3 | -.1992786 .0753517 -2.64 0.008 -.347135 -.0514221 m4 | -.0278493 .0748821 -0.37 0.710 -.1747844 .1190858 m5 | .0121316 .0752545 0.16 0.872 -.1355342 .1597974 m6 | -.0551995 .0750444 -0.74 0.462 -.202453 .092054 m7 | -.1086916 .0723412 -1.50 0.133 -.2506408 .0332577 m8 | -.104594 .0763321 -1.37 0.171 -.2543743 .0451863 m9 | -.057746 .0764258 -0.76 0.450 -.2077101 .0922182 m10 | .0147205 .0765425 0.19 0.848 -.1354727 .1649137 m11 | -.0448425 .0767844 -0.58 0.559 -.1955103 .1058253 m12 | .0067831 .076581 0.09 0.929 -.1434857 .1570519 ano2 | .0272072 .0618038 0.44 0.660 -.0940654 .1484798 ano3 | -.0754152 .0637328 -1.18 0.237 -.200473 .0496425 ano4 | -.0055073 .063126 -0.09 0.930 -.1293744 .1183598 ano5 | .0091299 .0637085 0.14 0.886 -.1158801 .1341399 ano6 | -.1154459 .0749283 -1.54 0.124 -.2624717 .03158 _cons | 4.635351 .0927688 49.97 0.000 4.453318 4.817384 -------------+---------------------------------------------------------------- sigma_u | 1.7037962 sigma_e | .50221311 rho | .92006122 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(20, 1053) = 496.24 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 4.327933 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.229048 .06349 -3.61 0.000 -.353481 -.104615 5.00632 m2 | -.0091971 .00618 -1.49 0.136 -.021302 .002908 .082493 m3 | -.0160738 .00608 -2.64 0.008 -.027986 -.004161 .08066 m4 | -.0022974 .00618 -0.37 0.710 -.014405 .00981 .082493 m5 | .0009897 .00614 0.16 0.872 -.011043 .013022 .081577 m6 | -.0045536 .00619 -0.74 0.462 -.016687 .00758 .082493 m7 | -.0107596 .00716 -1.50 0.133 -.024795 .003276 .098992 m8 | -.0086283 .0063 -1.37 0.171 -.02097 .003713 .082493 m9 | -.0047636 .0063 -0.76 0.450 -.01712 .007593 .082493 m10 | .0012008 .00624 0.19 0.847 -.011037 .013439 .081577 m11 | -.003617 .00619 -0.58 0.559 -.015756 .008522 .08066 m12 | .0005533 .00625 0.09 0.929 -.011691 .012798 .081577 ano2 | .0054365 .01235 0.44 0.660 -.018768 .029641 .199817 ano3 | -.0145162 .01227 -1.18 0.237 -.03856 .009528 .192484 ano4 | -.0010752 .01232 -0.09 0.930 -.02523 .02308 .195234 ano5 | .001841 .01285 0.14 0.886 -.023338 .02702 .20165 ano6 | -.0129096 .00838 -1.54 0.123 -.029332 .003513 .111824
63
------------------------------------------------------------------------------
Fabricação de Máquinas e Equipamentos Regressão de Efeitos Fixos Número de obs = 8305 Variável Grupo: rgi Número de grupos = 146 R-sq: within = 0.0553 Obs por grupo: min = 10 between = 0.0865 avg = 56.9 overall = 0.0598 max = 61 F(17,8142) = 28.05 corr(u_i, Xb) = 0.1117 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | .051236 .0045436 11.28 0.000 .0423294 .0601427 m2 | -.0494301 .030181 -1.64 0.102 -.1085926 .0097325 m3 | -.0422136 .030148 -1.40 0.161 -.1013114 .0168842 m4 | .0452557 .0302381 1.50 0.135 -.0140186 .10453 m5 | -.0117536 .0302308 -0.39 0.697 -.0710137 .0475064 m6 | .007763 .0301508 0.26 0.797 -.0513402 .0668662 m7 | -.0306927 .0292209 -1.05 0.294 -.0879732 .0265878 m8 | -.0428448 .0307579 -1.39 0.164 -.1031381 .0174484 m9 | -.0303398 .0308205 -0.98 0.325 -.0907559 .0300762 m10 | -.0722964 .0309078 -2.34 0.019 -.1328835 -.0117093 m11 | -.081157 .0308904 -2.63 0.009 -.1417102 -.0206039 m12 | -.0726915 .0309756 -2.35 0.019 -.1334115 -.0119715 ano2 | -.1256166 .0256385 -4.90 0.000 -.1758746 -.0753586 ano3 | -.2471075 .0260709 -9.48 0.000 -.2982131 -.1960018 ano4 | -.3717342 .0264409 -14.06 0.000 -.423565 -.3199033 ano5 | -.4078415 .0270522 -15.08 0.000 -.4608706 -.3548123 ano6 | -.4988785 .0313352 -15.92 0.000 -.5603034 -.4374536 _cons | 4.37145 .0387072 112.94 0.000 4.295574 4.447326 -------------+---------------------------------------------------------------- sigma_u | .85068059 sigma_e | .55797853 rho | .69918764 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(145, 8142) = 116.75 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 4.3806528 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | .3270248 .029 11.28 0.000 .270185 .383865 6.38271 m2 | -.004083 .00249 -1.64 0.101 -.008969 .000803 .082601 m3 | -.0035021 .0025 -1.40 0.161 -.008404 .0014 .082962 m4 | .0037164 .00248 1.50 0.134 -.00115 .008583 .082119 m5 | -.0009652 .00248 -0.39 0.697 -.005831 .0039 .082119 m6 | .000644 .0025 0.26 0.797 -.004259 .005547 .082962 m7 | -.0029935 .00285 -1.05 0.294 -.008579 .002592 .097532 m8 | -.0035235 .00253 -1.39 0.164 -.008481 .001434 .08224 m9 | -.0024732 .00251 -0.98 0.325 -.007397 .002451 .081517 m10 | -.0058673 .00251 -2.34 0.019 -.010784 -.000951 .081156 m11 | -.0066352 .00253 -2.63 0.009 -.011585 -.001685 .081758 m12 | -.0058818 .00251 -2.35 0.019 -.010794 -.000969 .080915 ano2 | -.0249116 .00508 -4.90 0.000 -.034877 -.014946 .198314 ano3 | -.0491537 .00519 -9.48 0.000 -.059318 -.038989 .198916 ano4 | -.0739887 .00526 -14.06 0.000 -.084303 -.063674 .199037 ano5 | -.080537 .00534 -15.08 0.000 -.091007 -.070067 .197471 ano6 | -.0576669 .00362 -15.92 0.000 -.064766 -.050568 .115593
64
------------------------------------------------------------------------------
Atividades Financeiras Regressão de Efeitos Fixos Número de obs = 13234 Variável Grupo: rgi Número de grupos = 235 R-sq: within = 0.0155 Obs por grupo: min = 2 between = 0.0235 avg = 56.3 overall = 0.0062 max = 61 F(17,12982) = 12.04 corr(u_i, Xb) = 0.0241 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | .0036859 .0027333 1.35 0.178 -.0016717 .0090436 m2 | -.0245012 .023029 -1.06 0.287 -.0696414 .0206391 m3 | -.0016627 .0230075 -0.07 0.942 -.0467607 .0434354 m4 | .0191343 .022999 0.83 0.405 -.025947 .0642156 m5 | .0172449 .023 0.75 0.453 -.0278384 .0623283 m6 | .0294153 .0229358 1.28 0.200 -.0155423 .0743728 m7 | -.0083355 .0221754 -0.38 0.707 -.0518025 .0351315 m8 | -.0305623 .0234862 -1.30 0.193 -.0765987 .0154741 m9 | -.0179377 .0234932 -0.76 0.445 -.0639877 .0281123 m10 | -.0322075 .0234559 -1.37 0.170 -.0781845 .0137696 m11 | -.0350222 .0234489 -1.49 0.135 -.0809855 .010941 m12 | -.0560088 .0234985 -2.38 0.017 -.1020692 -.0099483 ano2 | -.0570276 .0192827 -2.96 0.003 -.0948245 -.0192308 ano3 | -.1681671 .0194259 -8.66 0.000 -.2062446 -.1300896 ano4 | -.1661705 .019686 -8.44 0.000 -.204758 -.127583 ano5 | -.1809611 .0198133 -9.13 0.000 -.2197982 -.1421241 ano6 | -.2428958 .0232475 -10.45 0.000 -.2884644 -.1973273 _cons | 4.215272 .0269466 156.43 0.000 4.162452 4.268091 -------------+---------------------------------------------------------------- sigma_u | 1.116175 sigma_e | .53591231 rho | .81265955 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(234, 12982) = 213.56 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 4.0843887 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | .0221008 .01639 1.35 0.177 -.01002 .054222 5.99598 m2 | -.0020032 .00188 -1.06 0.287 -.005693 .001687 .081759 m3 | -.0001366 .00189 -0.07 0.942 -.00384 .003567 .082137 m4 | .0015745 .00189 0.83 0.405 -.002135 .005284 .082288 m5 | .0014191 .00189 0.75 0.453 -.00229 .005129 .082288 m6 | .0024472 .00191 1.28 0.200 -.001293 .006187 .083195 m7 | -.0008245 .00219 -0.38 0.707 -.005123 .003475 .098912 m8 | -.0024803 .00191 -1.30 0.193 -.006216 .001255 .081155 m9 | -.0014544 .0019 -0.76 0.445 -.005188 .002279 .081079 m10 | -.0026333 .00192 -1.37 0.170 -.006392 .001125 .081759 m11 | -.0028713 .00192 -1.49 0.135 -.006639 .000897 .081986 m12 | -.0045623 .00191 -2.38 0.017 -.008314 -.000811 .081457 ano2 | -.0111737 .00378 -2.96 0.003 -.018579 -.003769 .195935 ano3 | -.0332675 .00384 -8.66 0.000 -.040799 -.025736 .197824 ano4 | -.032885 .0039 -8.44 0.000 -.040521 -.025249 .197899 ano5 | -.0357574 .00392 -9.13 0.000 -.043431 -.028084 .197597 ano6 | -.0283752 .00272 -10.45 0.000 -.033698 -.023052 .11682
65
------------------------------------------------------------------------------
Atividades Imobiliárias Regressão de Efeitos Fixos Número de obs = 45479 Variável Grupo: rgi Número de grupos = 876 R-sq: within = 0.0962 Obs por grupo: min = 1 between = 0.1503 avg = 51.9 overall = 0.0375 max = 61 F(17,44586) = 279.12 corr(u_i, Xb) = 0.0898 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0354873 .0005316 -66.75 0.000 -.0365293 -.0344452 m2 | -.0565467 .0104346 -5.42 0.000 -.0769988 -.0360946 m3 | .005497 .0104448 0.53 0.599 -.014975 .0259691 m4 | .0436842 .0104361 4.19 0.000 .0232294 .0641391 m5 | .0277927 .0104277 2.67 0.008 .0073542 .0482312 m6 | .02262 .010427 2.17 0.030 .0021829 .0430571 m7 | .0051536 .0100979 0.51 0.610 -.0146385 .0249456 m8 | -.005234 .0106878 -0.49 0.624 -.0261821 .0157142 m9 | .0245946 .0106953 2.30 0.021 .0036317 .0455576 m10 | .0210523 .0106856 1.97 0.049 .0001082 .0419963 m11 | .019451 .0106711 1.82 0.068 -.0014645 .0403664 m12 | -.0006184 .0106659 -0.06 0.954 -.0215237 .0202869 ano2 | -.0192132 .0089161 -2.15 0.031 -.0366889 -.0017375 ano3 | -.0282753 .008921 -3.17 0.002 -.0457607 -.01079 ano4 | -.0205651 .0089454 -2.30 0.022 -.0380983 -.0030319 ano5 | -.0111643 .0089575 -1.25 0.213 -.0287211 .0063924 ano6 | -.0212039 .0104463 -2.03 0.042 -.0416788 -.0007289 _cons | 4.571019 .0111819 408.79 0.000 4.549102 4.592935 -------------+---------------------------------------------------------------- sigma_u | 1.684865 sigma_e | .4515376 rho | .93299072 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(875, 44586) = 578.38 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 4.3328442 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.2289501 .00343 -66.75 0.000 -.235673 -.222228 6.45161 m2 | -.0046775 .00086 -5.42 0.000 -.006369 -.002986 .082719 m3 | .0004531 .00086 0.53 0.599 -.001234 .002141 .082434 m4 | .0036145 .00086 4.19 0.000 .001922 .005307 .082741 m5 | .0023076 .00087 2.67 0.008 .000611 .004004 .083027 m6 | .0018796 .00087 2.17 0.030 .000181 .003578 .083093 m7 | .0005051 .00099 0.51 0.610 -.001435 .002445 .098001 m8 | -.0004232 .00086 -0.49 0.624 -.002117 .00127 .080851 m9 | .0019847 .00086 2.30 0.021 .000293 .003676 .080697 m10 | .0017067 .00087 1.97 0.049 8.8e-06 .003405 .08107 m11 | .0015846 .00087 1.82 0.068 -.000119 .003288 .081466 m12 | -.0000506 .00087 -0.06 0.954 -.001761 .001659 .081796 ano2 | -.0036323 .00169 -2.15 0.031 -.006936 -.000329 .189054 ano3 | -.0055066 .00174 -3.17 0.002 -.008912 -.002101 .194749 ano4 | -.0040941 .00178 -2.30 0.022 -.007585 -.000604 .199081 ano5 | -.0022911 .00184 -1.25 0.213 -.005894 .001312 .205216 ano6 | -.0025848 .00127 -2.03 0.042 -.005081 -.000089 .121902
66
------------------------------------------------------------------------------
Indústria Final Regressão de Efeitos Fixos Número de obs = 50925 Variável Grupo: rgi Número de grupos = 928 R-sq: within = 0.0189 Obs por grupo: min = 2 between = 0.0391 avg = 54.9 overall = 0.0166 max = 61 F(17,49980) = 56.68 corr(u_i, Xb) = -0.2350 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0262518 .0015785 -16.63 0.000 -.0293457 -.0231579 m2 | -.0462199 .0112883 -4.09 0.000 -.0683452 -.0240946 m3 | .0042586 .0112923 0.38 0.706 -.0178746 .0263917 m4 | .0118183 .0112789 1.05 0.295 -.0102886 .0339251 m5 | -.0047046 .0112824 -0.42 0.677 -.0268182 .017409 m6 | -.0185502 .0112663 -1.65 0.100 -.0406322 .0035319 m7 | -.0452552 .0109076 -4.15 0.000 -.0666341 -.0238762 m8 | -.0641836 .0115137 -5.57 0.000 -.0867506 -.0416166 m9 | -.0452515 .011512 -3.93 0.000 -.0678152 -.0226877 m10 | -.0410635 .0115328 -3.56 0.000 -.063668 -.0184591 m11 | -.0211961 .0115274 -1.84 0.066 -.0437899 .0013977 m12 | -.0132957 .0115293 -1.15 0.249 -.0358932 .0093019 ano2 | .0193145 .0094765 2.04 0.042 .0007405 .0378885 ano3 | -.0244029 .0095833 -2.55 0.011 -.0431864 -.0056195 ano4 | -.0695098 .009711 -7.16 0.000 -.0885435 -.0504761 ano5 | -.0955091 .0098754 -9.67 0.000 -.114865 -.0761532 ano6 | -.105613 .0114982 -9.19 0.000 -.1281495 -.0830764 _cons | 4.237537 .0135002 313.89 0.000 4.211076 4.263997 -------------+---------------------------------------------------------------- sigma_u | 1.0041624 sigma_e | .51574579 rho | .79126875 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(927, 49980) = 170.97 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 4.0241121 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.1436501 .00864 -16.63 0.000 -.16058 -.126721 5.47201 m2 | -.003802 .00093 -4.09 0.000 -.005622 -.001982 .082258 m3 | .0003498 .00093 0.38 0.706 -.001468 .002168 .08214 m4 | .0009756 .00093 1.05 0.295 -.000849 .002801 .082553 m5 | -.000388 .00093 -0.42 0.677 -.002212 .001436 .082474 m6 | -.001539 .00093 -1.65 0.100 -.003371 .000293 .082965 m7 | -.0044371 .00107 -4.15 0.000 -.006533 -.002341 .098046 m8 | -.0052393 .00094 -5.57 0.000 -.007081 -.003397 .08163 m9 | -.0036965 .00094 -3.93 0.000 -.00554 -.001853 .081689 m10 | -.0033335 .00094 -3.56 0.000 -.005168 -.001499 .081178 m11 | -.0017286 .00094 -1.84 0.066 -.003571 .000114 .081551 m12 | -.0010861 .00094 -1.15 0.249 -.002932 .00076 .081689 ano2 | .0038253 .00188 2.04 0.042 .000147 .007504 .198056 ano3 | -.0048212 .00189 -2.55 0.011 -.008532 -.00111 .197565 ano4 | -.0137559 .00192 -7.16 0.000 -.017523 -.009989 .197899 ano5 | -.0188561 .00195 -9.67 0.000 -.022677 -.015035 .197428 ano6 | -.0122422 .00133 -9.19 0.000 -.014854 -.00963 .115916
67
------------------------------------------------------------------------------
Indústria Metalúrgica Regressão de Efeitos Fixos Número de obs = 21419 Variável Grupo: rgi Número de grupos = 386 R-sq: within = 0.0740 Obs por grupo: min = 3 between = 0.0000 avg = 55.5 overall = 0.0014 max = 61 F(17,21016) = 98.86 corr(u_i, Xb) = -0.1321 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0608342 .0019873 -30.61 0.000 -.0647294 -.056939 m2 | -.0707921 .0197826 -3.58 0.000 -.1095674 -.0320167 m3 | .0344526 .0197652 1.74 0.081 -.0042887 .0731938 m4 | .0708961 .0197763 3.58 0.000 .0321331 .1096591 m5 | .0263762 .0198241 1.33 0.183 -.0124806 .065233 m6 | .0003531 .0197735 0.02 0.986 -.0384045 .0391107 m7 | -.0440721 .0191264 -2.30 0.021 -.0815613 -.006583 m8 | -.0595214 .0201643 -2.95 0.003 -.0990449 -.0199978 m9 | -.0406215 .0201876 -2.01 0.044 -.0801908 -.0010521 m10 | -.0170101 .0201798 -0.84 0.399 -.0565641 .0225438 m11 | -.0160912 .0201938 -0.80 0.426 -.0556725 .0234901 m12 | -.0035799 .0201752 -0.18 0.859 -.0431248 .0359651 ano2 | .016935 .0165914 1.02 0.307 -.0155853 .0494554 ano3 | -.0969417 .016672 -5.81 0.000 -.1296202 -.0642632 ano4 | -.1353489 .0168345 -8.04 0.000 -.1683457 -.102352 ano5 | -.1691414 .0169797 -9.96 0.000 -.202423 -.1358598 ano6 | -.2030812 .0198373 -10.24 0.000 -.2419638 -.1641985 _cons | 4.458989 .022603 197.27 0.000 4.414686 4.503293 -------------+---------------------------------------------------------------- sigma_u | 1.2049067 sigma_e | .58672548 rho | .80833084 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(385, 21016) = 212.22 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.9815417 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3677509 .01201 -30.61 0.000 -.391296 -.344205 6.04513 m2 | -.005817 .00163 -3.58 0.000 -.009003 -.002631 .08217 m3 | .0028438 .00163 1.74 0.081 -.000354 .006041 .082544 m4 | .0058388 .00163 3.58 0.000 .002647 .009031 .082357 m5 | .0021513 .00162 1.33 0.183 -.001018 .00532 .081563 m6 | .0000291 .00163 0.02 0.986 -.003164 .003223 .082403 m7 | -.0043025 .00187 -2.30 0.021 -.007962 -.000643 .097624 m8 | -.004877 .00165 -2.95 0.003 -.008115 -.001639 .081937 m9 | -.0033132 .00165 -2.01 0.044 -.00654 -.000086 .081563 m10 | -.0013914 .00165 -0.84 0.399 -.004627 .001844 .081797 m11 | -.0013162 .00165 -0.80 0.426 -.004554 .001921 .081797 m12 | -.0002938 .00166 -0.18 0.859 -.003539 .002952 .082077 ano2 | .0033595 .00329 1.02 0.307 -.003091 .00981 .198375 ano3 | -.0193214 .00332 -5.81 0.000 -.025834 -.012809 .199309 ano4 | -.0268372 .00334 -8.04 0.000 -.03338 -.020295 .198282 ano5 | -.0333245 .00335 -9.96 0.000 -.039881 -.026768 .197021 ano6 | -.023125 .00226 -10.24 0.000 -.027552 -.018698 .113871
68
------------------------------------------------------------------------------
Outras Atividades Regressão de Efeitos Fixos Número de obs = 148376 Variável Grupo: rgi Número de grupos = 2898 R-sq: within = 0.0874 Obs por grupo: min = 1 between = 0.0176 avg = 51.2 overall = 0.0019 max = 61 F(17,145461) = 818.98 corr(u_i, Xb) = -0.1466 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0655882 .0005997 -109.37 0.000 -.0667636 -.0644127 m2 | -.0377369 .0067598 -5.58 0.000 -.0509858 -.0244879 m3 | .0629936 .006757 9.32 0.000 .04975 .0762372 m4 | .0558763 .0067537 8.27 0.000 .0426392 .0691135 m5 | .0064835 .0067524 0.96 0.337 -.006751 .0197181 m6 | -.0238048 .0067441 -3.53 0.000 -.0370231 -.0105864 m7 | -.059486 .006536 -9.10 0.000 -.0722965 -.0466754 m8 | -.1169231 .0069204 -16.90 0.000 -.1304869 -.1033593 m9 | -.0858827 .006923 -12.41 0.000 -.0994515 -.0723138 m10 | -.0732037 .0069167 -10.58 0.000 -.0867603 -.0596471 m11 | -.0535334 .0069146 -7.74 0.000 -.0670859 -.039981 m12 | -.0272669 .0069151 -3.94 0.000 -.0408204 -.0137133 ano2 | .0579345 .0057487 10.08 0.000 .0466672 .0692018 ano3 | .0369834 .0057815 6.40 0.000 .0256518 .048315 ano4 | .0271899 .0058094 4.68 0.000 .0158036 .0385763 ano5 | .0229613 .0058444 3.93 0.000 .0115065 .0344162 ano6 | .0041776 .0068047 0.61 0.539 -.0091595 .0175147 _cons | 4.051601 .0074455 544.16 0.000 4.037008 4.066194 -------------+---------------------------------------------------------------- sigma_u | 1.1804391 sigma_e | .5276438 rho | .83347255 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(2897, 145461) = 231.94 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.7121856 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3389394 .0031 -109.37 0.000 -.345014 -.332865 5.16769 m2 | -.0031143 .00056 -5.58 0.000 -.004208 -.002021 .082527 m3 | .0052114 .00056 9.32 0.000 .004116 .006307 .082729 m4 | .0046331 .00056 8.27 0.000 .003536 .005731 .082918 m5 | .0005383 .00056 0.96 0.337 -.00056 .001637 .083019 m6 | -.001987 .00056 -3.53 0.000 -.00309 -.000884 .08347 m7 | -.0058421 .00064 -9.10 0.000 -.0071 -.004584 .09821 m8 | -.0094491 .00056 -16.90 0.000 -.010545 -.008353 .080815 m9 | -.0069337 .00056 -12.41 0.000 -.008029 -.005838 .080734 m10 | -.0059357 .00056 -10.58 0.000 -.007035 -.004836 .081085 m11 | -.0043526 .00056 -7.74 0.000 -.005455 -.003251 .081307 m12 | -.0022175 .00056 -3.94 0.000 -.00332 -.001115 .081327 ano2 | .011205 .00111 10.08 0.000 .009026 .013384 .193407 ano3 | .0072241 .00113 6.40 0.000 .005011 .009438 .195335 ano4 | .0054079 .00116 4.68 0.000 .003143 .007673 .198893 ano5 | .0046354 .00118 3.93 0.000 .002323 .006948 .201879 ano6 | .0005011 .00082 0.61 0.539 -.001099 .002101 .119945
69
------------------------------------------------------------------------------
Pesquisa e Desenvolvimento Regressão de Efeitos Fixos Número de obs = 81 Variável Grupo: rgi Número de grupos = 3 R-sq: within = 0.7855 Obs por grupo: min = 3 between = 0.9824 avg = 27.0 overall = 0.7653 max = 53 F(17,61) = 13.14 corr(u_i, Xb) = 0.2573 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0987956 .0089994 -10.98 0.000 -.116791 -.0808001 m2 | .0943291 .227467 0.41 0.680 -.3605192 .5491774 m3 | .0870346 .2275513 0.38 0.703 -.3679823 .5420515 m4 | .0869308 .2259782 0.38 0.702 -.3649407 .5388022 m5 | .1077758 .2260766 0.48 0.635 -.3442922 .5598439 m6 | .065433 .2262146 0.29 0.773 -.3869112 .5177771 m7 | -.0049733 .2201827 -0.02 0.982 -.4452558 .4353092 m8 | .5444751 .2484105 2.19 0.032 .0477475 1.041203 m9 | -.1113071 .2399213 -0.46 0.644 -.5910594 .3684452 m10 | -.1464119 .2714598 -0.54 0.592 -.6892293 .3964054 m11 | -.0053462 .2359336 -0.02 0.982 -.4771247 .4664322 m12 | .1931294 .2386721 0.81 0.422 -.284125 .6703839 ano2 | -.1893415 .1812944 -1.04 0.300 -.5518621 .1731791 ano3 | -.0148565 .1907243 -0.08 0.938 -.3962333 .3665203 ano4 | -.1347395 .2217502 -0.61 0.546 -.5781564 .3086773 ano5 | -.1981648 .2432941 -0.81 0.419 -.6846614 .2883317 ano6 | .2443077 .2528901 0.97 0.338 -.2613773 .7499927 _cons | 2.029779 .2432236 8.35 0.000 1.543423 2.516134 -------------+---------------------------------------------------------------- sigma_u | .80346655 sigma_e | .42258908 rho | .78331167 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(2, 61) = 11.64 Prob > F = 0.0001 Elasticidades y = Xb (previsto) = .99838269 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -1.030655 .09388 -10.98 0.000 -1.21466 -.846647 10.4322 m2 | .0081519 .01966 0.41 0.678 -.030376 .04668 .08642 m3 | .0075215 .01966 0.38 0.702 -.031021 .046064 .08642 m4 | .0075125 .01953 0.38 0.700 -.030764 .045789 .08642 m5 | .009314 .01954 0.48 0.634 -.028979 .047607 .08642 m6 | .0056547 .01955 0.29 0.772 -.032661 .043971 .08642 m7 | -.0005526 .02446 -0.02 0.982 -.048503 .047397 .111111 m8 | .0403315 .0184 2.19 0.028 .004267 .076396 .074074 m9 | -.0096191 .02073 -0.46 0.643 -.050257 .031019 .08642 m10 | -.0072302 .01341 -0.54 0.590 -.033504 .019044 .049383 m11 | -.000462 .02039 -0.02 0.982 -.040424 .0395 .08642 m12 | .0143059 .01768 0.81 0.418 -.020345 .048957 .074074 ano2 | -.0537636 .05148 -1.04 0.296 -.15466 .047133 .283951 ano3 | -.0034849 .04474 -0.08 0.938 -.091169 .0842 .234568 ano4 | -.0199614 .03285 -0.61 0.543 -.08435 .044427 .148148 ano5 | -.0195718 .02403 -0.81 0.415 -.066668 .027524 .098765 ano6 | .021113 .02185 0.97 0.334 -.021721 .063947 .08642
70
------------------------------------------------------------------------------
Petroquímicas e Indústria Química Regressão de Efeitos Fixos Número de obs = 12838 Variável Grupo: rgi Número de grupos = 225 R-sq: within = 0.0614 Obs por grupo: min = 1 between = 0.1265 avg = 57.1 overall = 0.1096 max = 61 F(17,12596) = 48.45 corr(u_i, Xb) = 0.1893 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | .0844956 .0037786 22.36 0.000 .077089 .0919022 m2 | -.0565186 .0240378 -2.35 0.019 -.1036364 -.0094009 m3 | -.006547 .0240407 -0.27 0.785 -.0536704 .0405765 m4 | .0132538 .0240223 0.55 0.581 -.0338336 .0603413 m5 | -.0143541 .0240555 -0.60 0.551 -.0615066 .0327985 m6 | -.0318937 .0240238 -1.33 0.184 -.078984 .0151966 m7 | -.041874 .0233131 -1.80 0.072 -.0875712 .0038233 m8 | -.034135 .0246324 -1.39 0.166 -.0824184 .0141483 m9 | -.0152924 .0245945 -0.62 0.534 -.0635014 .0329166 m10 | -.0538974 .0246051 -2.19 0.029 -.1021272 -.0056677 m11 | -.0539641 .0246544 -2.19 0.029 -.1022906 -.0056377 m12 | -.0535173 .0246739 -2.17 0.030 -.1018819 -.0051527 ano2 | -.025466 .020482 -1.24 0.214 -.0656139 .0146819 ano3 | -.1482298 .0206938 -7.16 0.000 -.1887928 -.1076668 ano4 | -.2470305 .0211231 -11.69 0.000 -.288435 -.205626 ano5 | -.3216901 .0214075 -15.03 0.000 -.363652 -.2797282 ano6 | -.3844031 .0248434 -15.47 0.000 -.4331 -.3357061 _cons | 4.118082 .0312512 131.77 0.000 4.056825 4.179339 -------------+---------------------------------------------------------------- sigma_u | .91258838 sigma_e | .55176929 rho | .73229736 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(224, 12596) = 129.46 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 4.4194971 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | .522357 .02336 22.36 0.000 .476574 .56814 6.18206 m2 | -.0047018 .002 -2.35 0.019 -.008621 -.000782 .083191 m3 | -.0005436 .002 -0.27 0.785 -.004456 .003369 .083035 m4 | .0011047 .002 0.55 0.581 -.00282 .005029 .083346 m5 | -.0011896 .00199 -0.60 0.551 -.005097 .002718 .082879 m6 | -.0026557 .002 -1.33 0.184 -.006576 .001265 .083268 m7 | -.0040804 .00227 -1.80 0.072 -.008533 .000372 .097445 m8 | -.0027573 .00199 -1.39 0.166 -.006657 .001142 .080776 m9 | -.0012424 .002 -0.62 0.534 -.005159 .002674 .081243 m10 | -.0043914 .002 -2.19 0.028 -.008321 -.000462 .081477 m11 | -.00438 .002 -2.19 0.029 -.008302 -.000458 .081165 m12 | -.0043312 .002 -2.17 0.030 -.008245 -.000417 .080932 ano2 | -.0050583 .00407 -1.24 0.214 -.013032 .002915 .198629 ano3 | -.0295813 .00413 -7.16 0.000 -.037675 -.021487 .199564 ano4 | -.0488558 .00418 -11.69 0.000 -.057044 -.040668 .197772 ano5 | -.0640223 .00426 -15.03 0.000 -.072373 -.055672 .199019 ano6 | -.0442552 .00286 -15.47 0.000 -.049861 -.038649 .115127
71
------------------------------------------------------------------------------
Serviços Gráficos Regressão de Efeitos Fixos Número de obs = 4026 Variável Grupo: rgi Número de grupos = 74 R-sq: within = 0.0582 Obs por grupo: min = 1 between = 0.0318 avg = 54.4 overall = 0.0026 max = 61 F(17,3935) = 14.31 corr(u_i, Xb) = -0.2147 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0550282 .0054038 -10.18 0.000 -.0656227 -.0444337 m2 | -.1043236 .0482424 -2.16 0.031 -.1989061 -.0097412 m3 | -.0029223 .0481298 -0.06 0.952 -.097284 .0914393 m4 | .0426663 .0482757 0.88 0.377 -.0519815 .137314 m5 | .0146035 .0482104 0.30 0.762 -.0799163 .1091233 m6 | .0398605 .0480517 0.83 0.407 -.054348 .134069 m7 | .0081037 .0464084 0.17 0.861 -.0828831 .0990905 m8 | .0162723 .0488764 0.33 0.739 -.0795533 .1120978 m9 | .0876505 .0489083 1.79 0.073 -.0082376 .1835386 m10 | .0366842 .049051 0.75 0.455 -.0594835 .132852 m11 | .04041 .0492304 0.82 0.412 -.0561095 .1369295 m12 | .0079147 .0493527 0.16 0.873 -.0888446 .1046739 ano2 | .0921612 .0399401 2.31 0.021 .0138558 .1704665 ano3 | -.0252374 .0403256 -0.63 0.531 -.1042984 .0538236 ano4 | -.1111288 .0403982 -2.75 0.006 -.1903322 -.0319255 ano5 | -.0790229 .0408503 -1.93 0.053 -.1591127 .0010669 ano6 | -.1477246 .0480774 -3.07 0.002 -.2419836 -.0534655 _cons | 4.317588 .0572713 75.39 0.000 4.205304 4.429872 -------------+---------------------------------------------------------------- sigma_u | 1.2028548 sigma_e | .61739985 rho | .79148044 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(73, 3935) = 179.90 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.9535108 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3382902 .03322 -10.18 0.000 -.403401 -.27318 6.14758 m2 | -.0084993 .00393 -2.16 0.031 -.016203 -.000796 .08147 m3 | -.0002403 .00396 -0.06 0.952 -.007996 .007515 .082216 m4 | .0034654 .00392 0.88 0.377 -.00422 .011151 .081222 m5 | .0011934 .00394 0.30 0.762 -.006528 .008915 .081719 m6 | .003297 .00397 0.83 0.407 -.004493 .011087 .082712 m7 | .0008051 .00461 0.17 0.861 -.008232 .009842 .099354 m8 | .001358 .00408 0.33 0.739 -.006637 .009353 .083458 m9 | .0073151 .00408 1.79 0.073 -.000685 .015315 .083458 m10 | .0030069 .00402 0.75 0.455 -.004873 .010887 .081967 m11 | .0032721 .00399 0.82 0.412 -.004541 .011085 .080974 m12 | .000633 .00395 0.16 0.873 -.007103 .008369 .07998 ano2 | .018359 .00796 2.31 0.021 .002765 .033953 .199205 ano3 | -.0048582 .00776 -0.63 0.531 -.020073 .010356 .192499 ano4 | -.0222202 .00808 -2.75 0.006 -.038052 -.006388 .19995 ano5 | -.0157221 .00813 -1.93 0.053 -.031652 .000207 .198957 ano6 | -.016952 .00552 -3.07 0.002 -.027765 -.006139 .114754
72
------------------------------------------------------------------------------
Serviços - Outros Regressão de Efeitos Fixos Número de obs = 154064 Variável Grupo: rgi Número de grupos = 3198 R-sq: within = 0.2291 Obs por grupo: min = 1 between = 0.1962 avg = 48.2 overall = 0.1277 max = 61 F(17,150849) = 2636.75 corr(u_i, Xb) = 0.1061 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0917177 .0004445 -206.35 0.000 -.0925889 -.0908466 m2 | -.0441458 .0064945 -6.80 0.000 -.056875 -.0314167 m3 | .0043709 .0064958 0.67 0.501 -.0083608 .0171026 m4 | .013434 .0064921 2.07 0.039 .0007096 .0261583 m5 | .0047262 .0064927 0.73 0.467 -.0079995 .0174518 m6 | .0044345 .0064792 0.68 0.494 -.0082646 .0171337 m7 | -.0269348 .0062841 -4.29 0.000 -.0392515 -.014618 m8 | -.0713367 .0066701 -10.70 0.000 -.08441 -.0582635 m9 | -.045467 .0066635 -6.82 0.000 -.0585274 -.0324067 m10 | -.0382794 .0066625 -5.75 0.000 -.0513378 -.025221 m11 | -.009907 .0066511 -1.49 0.136 -.0229431 .0031291 m12 | .0080638 .0066447 1.21 0.225 -.0049598 .0210873 ano2 | .0273768 .0056696 4.83 0.000 .0162644 .0384891 ano3 | -.0159781 .0056721 -2.82 0.005 -.0270952 -.0048609 ano4 | -.0058748 .005683 -1.03 0.301 -.0170134 .0052638 ano5 | -.0050768 .0057017 -0.89 0.373 -.016252 .0060985 ano6 | -.0212675 .0066017 -3.22 0.001 -.0342066 -.0083284 _cons | 3.736792 .007093 526.83 0.000 3.72289 3.750694 -------------+---------------------------------------------------------------- sigma_u | 1.363715 sigma_e | .51728976 rho | .87421249 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(3197, 150849) = 333.81 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.2206689 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.4964737 .00241 -206.35 0.000 -.501189 -.491758 5.41306 m2 | -.0036571 .00054 -6.80 0.000 -.004712 -.002603 .082842 m3 | .000362 .00054 0.67 0.501 -.000693 .001417 .082829 m4 | .0011164 .00054 2.07 0.039 .000059 .002174 .083102 m5 | .0003928 .00054 0.73 0.467 -.000665 .001451 .083121 m6 | .000372 .00054 0.68 0.494 -.000693 .001437 .083881 m7 | -.0026448 .00062 -4.29 0.000 -.003854 -.001435 .098193 m8 | -.0057161 .00053 -10.70 0.000 -.006764 -.004669 .080129 m9 | -.0036609 .00054 -6.82 0.000 -.004713 -.002609 .080518 m10 | -.0030847 .00054 -5.75 0.000 -.004137 -.002032 .080583 m11 | -.0008041 .00054 -1.49 0.136 -.001862 .000254 .081161 m12 | .0006577 .00054 1.21 0.225 -.000405 .00172 .081564 ano2 | .0050322 .00104 4.83 0.000 .00299 .007075 .183813 ano3 | -.0030956 .0011 -2.82 0.005 -.005249 -.000942 .193738 ano4 | -.0011896 .00115 -1.03 0.301 -.003445 .001066 .202487 ano5 | -.0010596 .00119 -0.89 0.373 -.003392 .001273 .208725 ano6 | -.0026702 .00083 -3.22 0.001 -.004295 -.001046 .125552
73
------------------------------------------------------------------------------
Telecomunicações Regressão de Efeitos Fixos Número de obs = 4200 Variável Grupo: rgi Número de grupos = 83 R-sq: within = 0.1731 Obs por grupo: min = 2 between = 0.3474 avg = 50.6 overall = 0.2317 max = 61 F(17,4100) = 50.50 corr(u_i, Xb) = 0.2181 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0701521 .0024834 -28.25 0.000 -.075021 -.0652833 m2 | -.0412264 .0489893 -0.84 0.400 -.137272 .0548192 m3 | -.0059568 .0489395 -0.12 0.903 -.1019049 .0899913 m4 | -.0089462 .0488484 -0.18 0.855 -.1047155 .0868232 m5 | -.0134163 .0489356 -0.27 0.784 -.1093567 .082524 m6 | -.0201569 .049031 -0.41 0.681 -.1162843 .0759705 m7 | -.0300193 .0474645 -0.63 0.527 -.1230754 .0630368 m8 | -.0141503 .0504945 -0.28 0.779 -.1131469 .0848463 m9 | -.0397784 .0501533 -0.79 0.428 -.1381062 .0585493 m10 | -.0462782 .0502017 -0.92 0.357 -.1447008 .0521445 m11 | -.0182898 .0501659 -0.36 0.715 -.1166422 .0800627 m12 | .0023434 .0502095 0.05 0.963 -.0960945 .1007812 ano2 | .0944608 .0420962 2.24 0.025 .0119293 .1769922 ano3 | .0295422 .0423465 0.70 0.485 -.0534799 .1125642 ano4 | -.0240982 .0423399 -0.57 0.569 -.1071075 .058911 ano5 | -.0113326 .0425019 -0.27 0.790 -.0946594 .0719941 ano6 | .0756784 .0497743 1.52 0.128 -.0219062 .173263 _cons | 3.894287 .0529315 73.57 0.000 3.790512 3.998061 -------------+---------------------------------------------------------------- sigma_u | 1.4003789 sigma_e | .64451002 rho | .82520464 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(82, 4100) = 224.36 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 3.4175515 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.4830697 .0171 -28.25 0.000 -.516587 -.449552 6.88603 m2 | -.0034257 .00407 -0.84 0.400 -.011404 .004553 .083095 m3 | -.0004964 .00408 -0.12 0.903 -.00849 .007497 .083333 m4 | -.0007519 .00411 -0.18 0.855 -.008799 .007295 .084048 m5 | -.0011212 .00409 -0.27 0.784 -.009137 .006894 .083571 m6 | -.0016701 .00406 -0.41 0.681 -.009633 .006292 .082857 m7 | -.0029233 .00462 -0.63 0.527 -.011983 .006136 .097381 m8 | -.0011152 .00398 -0.28 0.779 -.008915 .006684 .07881 m9 | -.0032296 .00407 -0.79 0.428 -.011211 .004751 .08119 m10 | -.0037463 .00406 -0.92 0.357 -.011712 .004219 .080952 m11 | -.001485 .00407 -0.36 0.715 -.009468 .006498 .08119 m12 | .0001908 .00409 0.05 0.963 -.007822 .008204 .081429 ano2 | .0187122 .00834 2.24 0.025 .002368 .035056 .198095 ano3 | .0058522 .00839 0.70 0.485 -.010589 .022294 .198095 ano4 | -.0048139 .00846 -0.57 0.569 -.021391 .011763 .199762 ano5 | -.0022908 .00859 -0.27 0.790 -.01913 .014548 .202143 ano6 | .008649 .00569 1.52 0.128 -.0025 .019798 .114286
74
------------------------------------------------------------------------------
Serviços de Transporte Regressão de Efeitos Fixos Número de obs = 24144 Variável Grupo: rgi Número de grupos = 458 R-sq: within = 0.0565 Obs por grupo: min = 1 between = 0.0015 avg = 52.7 overall = 0.0004 max = 61 F(17,23669) = 83.31 corr(u_i, Xb) = -0.1224 Prob > F = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad t P>|t| [95% Intervalo Conf] -------------+---------------------------------------------------------------- preco | -.0558579 .0020291 -27.53 0.000 -.059835 -.0518807 m2 | -.0378889 .0210334 -1.80 0.072 -.0791157 .003338 m3 | .0095737 .0210298 0.46 0.649 -.0316462 .0507935 m4 | .054679 .0210079 2.60 0.009 .0135022 .0958557 m5 | .0081222 .0210148 0.39 0.699 -.0330681 .0493125 m6 | -.0250785 .0209985 -1.19 0.232 -.0662369 .0160798 m7 | -.059591 .0203345 -2.93 0.003 -.0994479 -.0197341 m8 | -.1019021 .021486 -4.74 0.000 -.1440161 -.0597881 m9 | -.0870553 .0214477 -4.06 0.000 -.1290942 -.0450164 m10 | -.0889794 .0214335 -4.15 0.000 -.1309906 -.0469683 m11 | -.0504451 .0214474 -2.35 0.019 -.0924833 -.0084069 m12 | -.0633845 .021459 -2.95 0.003 -.1054455 -.0213235 ano2 | -.0263292 .0176963 -1.49 0.137 -.0610151 .0083568 ano3 | -.1508653 .0178402 -8.46 0.000 -.1858332 -.1158975 ano4 | -.1992665 .0179764 -11.08 0.000 -.2345014 -.1640315 ano5 | -.2006651 .01817 -11.04 0.000 -.2362795 -.1650507 ano6 | -.2295058 .0213234 -10.76 0.000 -.2713011 -.1877106 _cons | 4.576567 .0236097 193.84 0.000 4.53029 4.622844 -------------+---------------------------------------------------------------- sigma_u | 1.4388149 sigma_e | .66184314 rho | .82536001 (fraction of variance due to u_i) ------------------------------------------------------------------------------ Teste F p/ todo u_i=0: F(457, 23669) = 219.60 Prob > F = 0.0000 Elasticidades y = Xb (previsto) = 4.0750093 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3237677 .01176 -27.53 0.000 -.346819 -.300716 5.79627 m2 | -.0031103 .00173 -1.80 0.072 -.006495 .000274 .082091 m3 | .0007871 .00173 0.46 0.649 -.002602 .004176 .082215 m4 | .0045136 .00173 2.60 0.009 .001115 .007912 .082546 m5 | .0006698 .00173 0.39 0.699 -.002727 .004066 .082464 m6 | -.0020743 .00174 -1.19 0.232 -.005478 .00133 .082712 m7 | -.0058174 .00199 -2.93 0.003 -.009708 -.001927 .097623 m8 | -.0082555 .00174 -4.74 0.000 -.011667 -.004844 .081014 m9 | -.0071104 .00175 -4.06 0.000 -.010544 -.003677 .081677 m10 | -.0072933 .00176 -4.15 0.000 -.010737 -.00385 .081967 m11 | -.0041264 .00175 -2.35 0.019 -.007565 -.000688 .081801 m12 | -.0051849 .00176 -2.95 0.003 -.008625 -.001744 .081801 ano2 | -.005193 .00349 -1.49 0.137 -.012034 .001648 .197233 ano3 | -.0298806 .00353 -8.46 0.000 -.036806 -.022955 .198062 ano4 | -.0396156 .00357 -11.08 0.000 -.04662 -.032611 .198807 ano5 | -.0398438 .00361 -11.04 0.000 -.046915 -.032773 .198559 ano6 | -.0262548 .00244 -10.76 0.000 -.031036 -.021474 .114397
75
C.2 Método Efeitos Aleatórios para cada Grupo de Atividades
Atividades Agrícolas Efeitos Aleatorios - GLS Efeitos Aleatorios - reg GLS Numero de obs = 856 Grupo Variável: rgi Numero de Grupos = 15 R-sq: within = 0.2059 Obs per Grupo: min = 34 between = 0.1921 avg = 57.1 overall = 0.1808 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(24) = 2222.29 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.1185179 .0149501 -7.93 0.000 -.1478195 -.0892163 m2 | .0531497 .1296496 0.41 0.682 -.2009588 .3072582 m3 | -.0114951 .1301414 -0.09 0.930 -.2665676 .2435774 m4 | -.0456156 .1301155 -0.35 0.726 -.3006373 .2094061 m5 | -.1325862 .1305775 -1.02 0.310 -.3885133 .123341 m6 | -.0592142 .131144 -0.45 0.652 -.3162518 .1978234 m7 | -.1199748 .1262866 -0.95 0.342 -.3674919 .1275423 m8 | -.1519497 .1334865 -1.14 0.255 -.4135784 .109679 m9 | -.1574775 .1341851 -1.17 0.241 -.4204755 .1055205 m10 | -.0914229 .1340261 -0.68 0.495 -.3541093 .1712635 m11 | .0406863 .1325526 0.31 0.759 -.2191121 .3004847 m12 | -.0159763 .1320918 -0.12 0.904 -.2748715 .2429189 ano2 | .1597146 .1125669 1.42 0.156 -.0609125 .3803418 ano3 | -.0569089 .1117219 -0.51 0.610 -.2758798 .1620619 ano4 | .2101162 .1117939 1.88 0.060 -.0089959 .4292283 ano5 | .1920482 .1134072 1.69 0.090 -.0302257 .4143222 ano6 | .1795304 .1322034 1.36 0.174 -.0795836 .4386444 ramo2 | 4.945247 .2358752 20.97 0.000 4.48294 5.407554 ramo81 | 3.900487 .4337888 8.99 0.000 3.050276 4.750697 un3 | -2.755355 .3805196 -7.24 0.000 -3.50116 -2.00955 un6 | -.1094536 .249612 -0.44 0.661 -.5986841 .3797768 un7 | -2.166657 .2967637 -7.30 0.000 -2.748303 -1.585011 un10 | -.7716105 .2975853 -2.59 0.010 -1.354867 -.188354 un12 | -.7452526 .3776044 -1.97 0.048 -1.485344 -.0051615 un15 | .0060361 .3762948 0.02 0.987 -.7314882 .7435604 -------------+---------------------------------------------------------------- sigma_u | .23266538 sigma_e | .58563949 rho | .13631895 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 3.7982071 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.4982398 .06285 -7.93 0.000 -.621421 -.375058 4.20392 m2 | .0044705 .01091 0.41 0.682 -.016903 .025844 .084112 m3 | -.0009534 .01079 -0.09 0.930 -.02211 .020203 .082944 m4 | -.0037835 .01079 -0.35 0.726 -.024936 .017369 .082944 m5 | -.0108423 .01068 -1.02 0.310 -.031771 .010086 .081776 m6 | -.0047731 .01057 -0.45 0.652 -.025492 .015946 .080607 m7 | -.0116331 .01225 -0.95 0.342 -.035633 .012367 .096963 m8 | -.0122483 .01076 -1.14 0.255 -.033338 .008841 .080607
76
m9 | -.0125099 .01066 -1.17 0.241 -.033402 .008382 .079439 m10 | -.0072626 .01065 -0.68 0.495 -.02813 .013605 .079439 m11 | .0033747 .01099 0.31 0.759 -.018174 .024923 .082944 m12 | -.0013438 .01111 -0.12 0.904 -.02312 .020432 .084112 ano2 | .0287337 .02025 1.42 0.156 -.010959 .068426 .179907 ano3 | -.011169 .02193 -0.51 0.610 -.054145 .031807 .196262 ano4 | .0436924 .02325 1.88 0.060 -.001871 .089255 .207944 ano5 | .0392622 .02318 1.69 0.090 -.006179 .084704 .204439 ano6 | .0218121 .01606 1.36 0.174 -.009669 .053293 .121495 ramo2 | 4.598618 .21934 20.97 0.000 4.16872 5.02852 .929907 ramo81 | .2733986 .03041 8.99 0.000 .213804 .332993 .070093 un3 | -.1416304 .01956 -7.24 0.000 -.179966 -.103295 .051402 un6 | -.0351633 .08019 -0.44 0.661 -.192334 .122008 .321262 un7 | -.3062681 .04195 -7.30 0.000 -.388487 -.224049 .141355 un10 | -.1072683 .04137 -2.59 0.010 -.188352 -.026185 .139019 un12 | -.0504961 .02559 -1.97 0.048 -.100642 -.00035 .067757 un15 | .0004301 .02682 0.02 0.987 -.052127 .052987 .071262 ------------------------------------------------------------------------------
Atividades não Identificadas Efeitos Aleatorios - reg GLS Numero de obs = 284848 Grupo Variável: rgi Numero de Grupos = 5577 R-sq: within = 0.4188 Obs per Grupo: min = 1 between = 0.4217 avg = 51.1 overall = 0.3742 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(31) = 237810.55 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.1124156 .0002499 -449.75 0.000 -.1129055 -.1119257 m2 | -.0120359 .0041085 -2.93 0.003 -.0200885 -.0039834 m3 | -.0068838 .004119 -1.67 0.095 -.0149569 .0011893 m4 | -.0196705 .0041219 -4.77 0.000 -.0277492 -.0115917 m5 | -.0010565 .0041197 -0.26 0.798 -.0091309 .0070179 m6 | -.0032921 .0041175 -0.80 0.424 -.0113623 .0047781 m7 | -.034858 .0039687 -8.78 0.000 -.0426365 -.0270795 m8 | -.0591236 .0041857 -14.13 0.000 -.0673273 -.0509199 m9 | -.0513893 .0041882 -12.27 0.000 -.059598 -.0431805 m10 | -.0447091 .0041906 -10.67 0.000 -.0529224 -.0364957 m11 | -.0038129 .0041829 -0.91 0.362 -.0120113 .0043854 m12 | .0407221 .0041801 9.74 0.000 .0325294 .0489149 ano2 | .0538465 .0033919 15.87 0.000 .0471985 .0604945 ano3 | .0663163 .0034179 19.40 0.000 .0596172 .0730153 ano4 | .1031967 .003444 29.96 0.000 .0964465 .1099468 ano5 | .1322695 .0034668 38.15 0.000 .1254746 .1390644 ano6 | .1532245 .0040696 37.65 0.000 .1452483 .1612007 ramo9 | 2.185481 .567645 3.85 0.000 1.072917 3.298045 un2 | .7963888 .5715548 1.39 0.164 -.323838 1.916616 un3 | .9946412 .5686356 1.75 0.080 -.1198641 2.109146 un4 | .5470186 .5700255 0.96 0.337 -.5702108 1.664248 un5 | .6133859 .5683794 1.08 0.281 -.5006173 1.727389 un6 | .6998141 .5688238 1.23 0.219 -.41506 1.814688 un7 | .5876945 .5685343 1.03 0.301 -.5266122 1.702001 un8 | .6688136 .568924 1.18 0.240 -.446257 1.783884 un9 | 1.492224 .5748301 2.60 0.009 .3655778 2.61887 un10 | .9186597 .5694657 1.61 0.107 -.1974726 2.034792 un11 | 2.64747 .5972556 4.43 0.000 1.47687 3.818069 un12 | 2.303133 .6296861 3.66 0.000 1.068971 3.537295 un13 | 2.243876 .5802197 3.87 0.000 1.106666 3.381086 un14 | 2.09673 .6655272 3.15 0.002 .7923208 3.40114 un15 | 2.35879 .6404865 3.68 0.000 1.103459 3.61412 _cons | (dropped)
77
-------------+---------------------------------------------------------------- sigma_u | .9797697 sigma_e | .44417653 rho | .82951458 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 2.4580503 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.5724088 .00127 -449.75 0.000 -.574903 -.569914 5.0919 m2 | -.0009896 .00034 -2.93 0.003 -.001652 -.000328 .082219 m3 | -.0005607 .00034 -1.67 0.095 -.001218 .000097 .081447 m4 | -.0015986 .00033 -4.77 0.000 -.002255 -.000942 .081268 m5 | -.000086 .00034 -0.26 0.798 -.000743 .000571 .081426 m6 | -.0002686 .00034 -0.80 0.424 -.000927 .00039 .081594 m7 | -.00343 .00039 -8.78 0.000 -.004195 -.002665 .0984 m8 | -.004859 .00034 -14.13 0.000 -.005533 -.004185 .082184 m9 | -.0042142 .00034 -12.27 0.000 -.004887 -.003541 .082005 m10 | -.0036593 .00034 -10.67 0.000 -.004332 -.002987 .081847 m11 | -.0003143 .00034 -0.91 0.362 -.00099 .000361 .082419 m12 | .0033654 .00035 9.74 0.000 .002688 .004043 .082644 ano2 | .0108497 .00068 15.87 0.000 .00951 .012189 .201493 ano3 | .0134407 .00069 19.40 0.000 .012083 .014798 .202677 ano4 | .0201087 .00067 29.96 0.000 .018793 .021424 .194858 ano5 | .025277 .00066 38.15 0.000 .023978 .026575 .191102 ano6 | .0170832 .00045 37.65 0.000 .016194 .017972 .111491 ramo9 | 2.185481 .56764 3.85 0.000 1.07292 3.29804 1 un2 | .0303125 .02175 1.39 0.164 -.012326 .072951 .038062 un3 | .1577155 .09017 1.75 0.080 -.019006 .334437 .158565 un4 | .0350816 .03656 0.96 0.337 -.036569 .106732 .064132 un5 | .1133367 .10502 1.08 0.281 -.0925 .319174 .184772 un6 | .089995 .07315 1.23 0.219 -.053376 .233366 .128598 un7 | .1012963 .09799 1.03 0.301 -.090768 .293361 .172362 un8 | .0805705 .06854 1.18 0.240 -.05376 .214901 .120468 un9 | .0324955 .01252 2.60 0.009 .007961 .05703 .021777 un10 | .0810142 .05022 1.61 0.107 -.017415 .179443 .088187 un11 | .0149267 .00337 4.43 0.000 .008327 .021527 .005638 un12 | .0060965 .00167 3.66 0.000 .00283 .009363 .002647 un13 | .0243965 .00631 3.87 0.000 .012032 .036761 .010872 un14 | .0034891 .00111 3.15 0.002 .001318 .00566 .001664 un15 | .0041073 .00112 3.68 0.000 .001921 .006293 .001741 ------------------------------------------------------------------------------
Comércio Efeitos Aleatorios - reg GLS Numero de obs = 245663 Grupo Variável: rgi Numero de Grupos = 5234 R-sq: within = 0.0594 Obs per Grupo: min = 1 between = 0.3910 avg = 46.9 overall = 0.3347 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(48) = 19612.27 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0169781 .0001484 -114.44 0.000 -.0172689 -.0166873 m2 | -.0211098 .0056167 -3.76 0.000 -.0321183 -.0101012 m3 | .005345 .0056143 0.95 0.341 -.0056589 .0163489
78
m4 | .0028685 .0056102 0.51 0.609 -.0081273 .0138644 m5 | -.0033185 .0056065 -0.59 0.554 -.014307 .00767 m6 | -.0068406 .0056022 -1.22 0.222 -.0178207 .0041394 m7 | -.0374042 .005429 -6.89 0.000 -.0480449 -.0267634 m8 | -.0720932 .0057619 -12.51 0.000 -.0833863 -.0608002 m9 | -.0523739 .0057534 -9.10 0.000 -.0636502 -.0410975 m10 | -.0487649 .005751 -8.48 0.000 -.0600367 -.0374932 m11 | -.0243209 .0057422 -4.24 0.000 -.0355755 -.0130664 m12 | -.0210638 .0057349 -3.67 0.000 -.0323041 -.0098235 ano2 | .0122711 .0048431 2.53 0.011 .0027788 .0217635 ano3 | -.0699645 .0048594 -14.40 0.000 -.0794886 -.0604403 ano4 | -.1000903 .0048589 -20.60 0.000 -.1096136 -.0905671 ano5 | -.1079511 .0048652 -22.19 0.000 -.1174866 -.0984155 ano6 | -.1245768 .0056417 -22.08 0.000 -.1356342 -.1135193 ramo16 | 1.930001 1.294077 1.49 0.136 -.6063442 4.466346 ramo17 | -.0168159 .9537251 -0.02 0.986 -1.886083 1.852451 ramo18 | -.0878848 1.121131 -0.08 0.938 -2.285261 2.109491 ramo19 | -1.12005 1.33204 -0.84 0.400 -3.730801 1.490701 ramo20 | -.0849603 .9722809 -0.09 0.930 -1.990596 1.820675 ramo21 | .2067858 .9152059 0.23 0.821 -1.586985 2.000556 ramo22 | .3699127 .9154787 0.40 0.686 -1.424393 2.164218 ramo23 | .4271418 .961493 0.44 0.657 -1.45735 2.311633 ramo24 | -.7937899 1.294503 -0.61 0.540 -3.330969 1.743389 ramo25 | .1940213 .9155051 0.21 0.832 -1.600336 1.988378 ramo26 | -.5868981 1.121206 -0.52 0.601 -2.784422 1.610626 ramo27 | .3764675 .936036 0.40 0.688 -1.458129 2.211064 ramo28 | 2.491991 1.294077 1.93 0.054 -.0443534 5.028336 ramo30 | 2.1075 1.023106 2.06 0.039 .1022495 4.112751 ramo73 | .4741061 1.02415 0.46 0.643 -1.533191 2.481403 ramo77 | .2583355 .9500478 0.27 0.786 -1.603724 2.120395 ramo85 | -1.012002 1.294077 -0.78 0.434 -3.548347 1.524343 un2 | -.3287485 .1011571 -3.25 0.001 -.5270128 -.1304842 un3 | -.3399975 .0494406 -6.88 0.000 -.4368994 -.2430957 un4 | -.3334778 .0864112 -3.86 0.000 -.5028406 -.164115 un5 | -.3520744 .0518988 -6.78 0.000 -.4537941 -.2503546 un6 | -.3000622 .0582761 -5.15 0.000 -.4142813 -.1858431 un7 | -.2981756 .0578418 -5.16 0.000 -.4115434 -.1848077 un8 | -.2598637 .0607207 -4.28 0.000 -.3788741 -.1408533 un9 | .1779146 .0942072 1.89 0.059 -.0067281 .3625572 un10 | -.1950774 .0635082 -3.07 0.002 -.3195512 -.0706036 un11 | 1.693966 .0457723 37.01 0.000 1.604254 1.783678 un12 | .9053786 .0652789 13.87 0.000 .7774343 1.033323 un13 | 1.444848 .065235 22.15 0.000 1.31699 1.572707 un14 | 1.244771 .0987501 12.61 0.000 1.051224 1.438318 un15 | 1.321504 .0637045 20.74 0.000 1.196646 1.446363 _cons | 2.456497 .9156653 2.68 0.007 .661826 4.251168 -------------+---------------------------------------------------------------- sigma_u | .90693798 sigma_e | .56210489 rho | .72247488 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 2.8839096 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.0920328 .0008 -114.44 0.000 -.093609 -.090457 5.42067 m2 | -.0017405 .00046 -3.76 0.000 -.002648 -.000833 .08245 m3 | .0004418 .00046 0.95 0.341 -.000468 .001351 .082654 m4 | .0002379 .00047 0.51 0.609 -.000674 .00115 .082951 m5 | -.0002762 .00047 -0.59 0.554 -.001191 .000638 .083228
79
m6 | -.0005715 .00047 -1.22 0.222 -.001489 .000346 .083541 m7 | -.0036732 .00053 -6.89 0.000 -.004718 -.002628 .098204 m8 | -.005778 .00046 -12.51 0.000 -.006683 -.004873 .080146 m9 | -.0042253 .00046 -9.10 0.000 -.005135 -.003316 .080676 m10 | -.0039427 .00046 -8.48 0.000 -.004854 -.003031 .080851 m11 | -.0019785 .00047 -4.24 0.000 -.002894 -.001063 .081351 m12 | -.0017233 .00047 -3.67 0.000 -.002643 -.000804 .081815 ano2 | .0023098 .00091 2.53 0.011 .000523 .004097 .188233 ano3 | -.0134778 .00094 -14.40 0.000 -.015313 -.011643 .192638 ano4 | -.020004 .00097 -20.60 0.000 -.021907 -.018101 .199859 ano5 | -.0222908 .001 -22.19 0.000 -.02426 -.020322 .20649 ano6 | -.015564 .0007 -22.08 0.000 -.016946 -.014183 .124935 ramo16 | .0004792 .00032 1.49 0.136 -.000151 .001109 .000248 ramo17 | -.0000335 .0019 -0.02 0.986 -.003754 .003687 .001991 ramo18 | -.0000358 .00046 -0.08 0.938 -.00093 .000859 .000407 ramo19 | -.0000137 .00002 -0.84 0.400 -.000046 .000018 .000012 ramo20 | -.0000999 .00114 -0.09 0.930 -.002342 .002142 .001176 ramo21 | .1063546 .47071 0.23 0.821 -.816222 1.02893 .514322 ramo22 | .082292 .20366 0.40 0.686 -.316875 .481459 .222463 ramo23 | .0005581 .00126 0.44 0.657 -.001904 .003021 .001307 ramo24 | -.0001357 .00022 -0.61 0.540 -.000569 .000298 .000171 ramo25 | .0482812 .22782 0.21 0.832 -.398236 .494798 .248845 ramo26 | -.0002317 .00044 -0.52 0.601 -.001099 .000636 .000395 ramo27 | .0014344 .00357 0.40 0.688 -.005556 .008424 .00381 ramo28 | .0006188 .00032 1.93 0.054 -.000011 .001249 .000248 ramo30 | .0015442 .00075 2.06 0.039 .000075 .003013 .000733 ramo73 | .0003783 .00082 0.46 0.643 -.001223 .00198 .000798 ramo77 | .0006657 .00245 0.27 0.786 -.004132 .005464 .002577 ramo85 | -.0002513 .00032 -0.78 0.434 -.000881 .000379 .000248 un2 | -.0048965 .00151 -3.25 0.001 -.00785 -.001943 .014894 un3 | -.0353847 .00515 -6.88 0.000 -.04547 -.0253 .104073 un4 | -.0074226 .00192 -3.86 0.000 -.011192 -.003653 .022258 un5 | -.0289742 .00427 -6.78 0.000 -.037345 -.020603 .082296 un6 | -.0179551 .00349 -5.15 0.000 -.02479 -.01112 .059838 un7 | -.0189261 .00367 -5.16 0.000 -.026122 -.01173 .063473 un8 | -.014968 .0035 -4.28 0.000 -.021823 -.008113 .057599 un9 | .0033684 .00178 1.89 0.059 -.000127 .006864 .018932 un10 | -.0097657 .00318 -3.07 0.002 -.015997 -.003534 .05006 un11 | .2786328 .00753 37.01 0.000 .263876 .293389 .164485 un12 | .049455 .00357 13.87 0.000 .042466 .056444 .054624 un13 | .0774466 .0035 22.15 0.000 .070593 .0843 .053602 un14 | .0262571 .00208 12.61 0.000 .022174 .03034 .021094 un15 | .0730299 .00352 20.74 0.000 .06613 .07993 .055263 ------------------------------------------------------------------------------
Construção Civil Efeitos Aleatorios - reg GLS Numero de obs = 6873 Grupo Variável: rgi Numero de Grupos = 161 R-sq: within = 0.0362 Obs per Grupo: min = 1 between = 0.2378 avg = 42.7 overall = 0.2166 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(30) = 3114.85 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0229643 .0042366 -5.42 0.000 -.0312679 -.0146607 m2 | -.1034791 .0425029 -2.43 0.015 -.1867832 -.0201751 m3 | -.0195914 .042498 -0.46 0.645 -.102886 .0637031 m4 | .0117691 .0424011 0.28 0.781 -.0713356 .0948737 m5 | -.0267319 .0425832 -0.63 0.530 -.1101936 .0567297 m6 | -.0405099 .0425423 -0.95 0.341 -.1238913 .0428714
80
m7 | -.0951911 .0411261 -2.31 0.021 -.1757968 -.0145854 m8 | -.1137847 .0433075 -2.63 0.009 -.1986658 -.0289036 m9 | -.0714873 .0433363 -1.65 0.099 -.1564249 .0134503 m10 | -.0415153 .0435778 -0.95 0.341 -.1269261 .0438956 m11 | -.0914668 .0434065 -2.11 0.035 -.176542 -.0063917 m12 | -.0666286 .0433888 -1.54 0.125 -.151669 .0184118 ano2 | -.0292721 .0349069 -0.84 0.402 -.0976883 .0391442 ano3 | -.2106235 .0359416 -5.86 0.000 -.2810677 -.1401793 ano4 | -.2408071 .0367739 -6.55 0.000 -.3128826 -.1687315 ano5 | -.328532 .037206 -8.83 0.000 -.4014543 -.2556096 ano6 | -.3069974 .0437954 -7.01 0.000 -.3928348 -.22116 ramo32 | 2.848592 .4650206 6.13 0.000 1.937169 3.760016 un2 | -.1703807 .819015 -0.21 0.835 -1.775621 1.434859 un3 | .904639 .5188873 1.74 0.081 -.1123614 1.921639 un5 | .7263406 1.037948 0.70 0.484 -1.308001 2.760682 un6 | 1.846431 .621462 2.97 0.003 .6283881 3.064475 un7 | 2.068079 .8384607 2.47 0.014 .424726 3.711431 un8 | .8091006 .7077941 1.14 0.253 -.5781502 2.196351 un9 | .5519651 .5815526 0.95 0.343 -.587857 1.691787 un10 | .5877007 .5480222 1.07 0.284 -.4864031 1.661804 un11 | 1.834298 .4806473 3.82 0.000 .8922463 2.776349 un12 | 1.591078 .5353075 2.97 0.003 .5418946 2.640261 un13 | 1.604962 .4990844 3.22 0.001 .6267747 2.58315 un14 | 1.586718 .5430499 2.92 0.003 .5223593 2.651076 un15 | 1.514109 .5514742 2.75 0.006 .433239 2.594978 -------------+---------------------------------------------------------------- sigma_u | .92062774 sigma_e | .7116184 rho | .62598439 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 3.8567638 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.1304552 .02407 -5.42 0.000 -.177626 -.083285 5.68078 m2 | -.0084915 .00349 -2.43 0.015 -.015327 -.001656 .08206 m3 | -.0016105 .00349 -0.46 0.645 -.008458 .005237 .082206 m4 | .0009778 .00352 0.28 0.781 -.005926 .007882 .083079 m5 | -.0021859 .00348 -0.63 0.530 -.00901 .004639 .081769 m6 | -.0033243 .00349 -0.95 0.341 -.010167 .003518 .08206 m7 | -.0093211 .00403 -2.31 0.021 -.017214 -.001428 .097919 m8 | -.0093703 .00357 -2.63 0.009 -.01636 -.00238 .082351 m9 | -.0058767 .00356 -1.65 0.099 -.012859 .001106 .082206 m10 | -.0033463 .00351 -0.95 0.341 -.010231 .003538 .080605 m11 | -.0074925 .00356 -2.11 0.035 -.014461 -.000524 .081915 m12 | -.0054773 .00357 -1.54 0.125 -.012468 .001514 .082206 ano2 | -.0064566 .0077 -0.84 0.402 -.021547 .008634 .220573 ano3 | -.0421063 .00719 -5.86 0.000 -.056189 -.028024 .199913 ano4 | -.0435856 .00666 -6.55 0.000 -.056631 -.03054 .180998 ano5 | -.0617103 .00699 -8.83 0.000 -.075408 -.048013 .187836 ano6 | -.0346171 .00494 -7.01 0.000 -.044296 -.024938 .11276 ramo32 | 2.848592 .46502 6.13 0.000 1.93717 3.76002 1 un2 | -.0016113 .00775 -0.21 0.835 -.016793 .01357 .009457 un3 | .0900295 .05164 1.74 0.081 -.011182 .191241 .09952 un5 | .0038045 .00544 0.70 0.484 -.006851 .01446 .005238 un6 | .0736101 .02478 2.97 0.003 .025051 .122169 .039866 un7 | .006018 .00244 2.47 0.014 .001236 .0108 .00291 un8 | .0178937 .01565 1.14 0.253 -.012786 .048573 .022116 un9 | .0282688 .02978 0.95 0.343 -.030107 .086645 .051215 un10 | .0452341 .04218 1.07 0.284 -.037437 .127906 .076968
81
un11 | .5671297 .14861 3.82 0.000 .275865 .858394 .309181 un12 | .1224618 .0412 2.97 0.003 .041708 .203215 .076968 un13 | .2879264 .08953 3.22 0.001 .112442 .463411 .179398 un14 | .0477885 .01636 2.92 0.003 .015732 .079845 .030118 un15 | .0940673 .03426 2.75 0.006 .026916 .161219 .062127 ------------------------------------------------------------------------------
Serviços de Educação e Saúde Efeitos Aleatorios - reg GLS Numero de obs = 79727 Grupo Variável: rgi Numero de Grupos = 1494 R-sq: within = 0.1074 Obs per Grupo: min = 1 between = 0.3679 avg = 53.4 overall = 0.2978 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(36) = 10303.64 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0698029 .0008494 -82.18 0.000 -.0714676 -.0681381 m2 | -.2334504 .0093048 -25.09 0.000 -.2516875 -.2152133 m3 | -.0933715 .0093085 -10.03 0.000 -.1116158 -.0751272 m4 | .0325584 .0092834 3.51 0.000 .0143632 .0507537 m5 | .0731426 .009281 7.88 0.000 .0549521 .091333 m6 | .0989873 .0092552 10.70 0.000 .0808475 .1171272 m7 | .0631259 .0089719 7.04 0.000 .0455413 .0807104 m8 | -.0314686 .0094937 -3.31 0.001 -.0500759 -.0128613 m9 | .0346269 .0094885 3.65 0.000 .0160298 .053224 m10 | .0383944 .0094792 4.05 0.000 .0198155 .0569733 m11 | .0931653 .0094689 9.84 0.000 .0746067 .1117239 m12 | .0767892 .0094666 8.11 0.000 .058235 .0953433 ano2 | -.0069032 .0078975 -0.87 0.382 -.022382 .0085757 ano3 | -.0259005 .0079166 -3.27 0.001 -.0414167 -.0103843 ano4 | -.0147216 .0079555 -1.85 0.064 -.0303142 .0008709 ano5 | -.0281667 .0080013 -3.52 0.000 -.0438489 -.0124845 ano6 | -.0472689 .0093162 -5.07 0.000 -.0655282 -.0290095 ramo11 | -.2094588 .8274633 -0.25 0.800 -1.831257 1.41234 ramo36 | -.2823612 .5473193 -0.52 0.606 -1.355087 .7903649 ramo37 | -.4060031 .6438666 -0.63 0.528 -1.667959 .8559522 ramo87 | -.3577592 .545923 -0.66 0.512 -1.427749 .7122303 ramo92 | -1.13976 .727625 -1.57 0.117 -2.565879 .2863586 un2 | -.2849547 .3700709 -0.77 0.441 -1.01028 .440371 un3 | -.0651966 .1208224 -0.54 0.589 -.3020041 .171611 un4 | .0052979 .3094582 0.02 0.986 -.601229 .6118249 un5 | -.1640868 .1757774 -0.93 0.351 -.5086043 .1804306 un6 | -.1518411 .2082322 -0.73 0.466 -.5599686 .2562865 un7 | -.4789974 .1473766 -3.25 0.001 -.7678503 -.1901445 un8 | -.620092 .1371774 -4.52 0.000 -.8889547 -.3512293 un9 | .7860586 .3188233 2.47 0.014 .1611764 1.410941 un10 | -.265458 .2405612 -1.10 0.270 -.7369493 .2060334 un11 | 1.410597 .0843189 16.73 0.000 1.245335 1.575859 un12 | 1.372325 .1125975 12.19 0.000 1.151638 1.593012 un13 | 1.351003 .110954 12.18 0.000 1.133537 1.568469 un14 | 1.140992 .1522172 7.50 0.000 .8426517 1.439332 un15 | 1.311093 .1307864 10.02 0.000 1.054757 1.56743 _cons | 3.742126 .5493694 6.81 0.000 2.665382 4.81887 -------------+---------------------------------------------------------------- sigma_u | 1.0790339 sigma_e | .53099283 rho | .80504755 (fraction de variance due to u_i) ------------------------------------------------------------------------------
82
Elasticidades y = Xb (predict) = 3.725687 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3728779 .00454 -82.18 0.000 -.381771 -.363985 5.34187 m2 | -.0190533 .00076 -25.09 0.000 -.020542 -.017565 .081616 m3 | -.0076124 .00076 -10.03 0.000 -.0091 -.006125 .081528 m4 | .0026842 .00077 3.51 0.000 .001184 .004184 .082444 m5 | .0060357 .00077 7.88 0.000 .004535 .007537 .082519 m6 | .008259 .00077 10.70 0.000 .006745 .009772 .083435 m7 | .0061893 .00088 7.04 0.000 .004465 .007913 .098047 m8 | -.0025478 .00077 -3.31 0.001 -.004054 -.001041 .080964 m9 | .0028105 .00077 3.65 0.000 .001301 .00432 .081164 m10 | .003136 .00077 4.05 0.000 .001619 .004654 .081679 m11 | .0076459 .00078 9.84 0.000 .006123 .009169 .082068 m12 | .0063221 .00078 8.11 0.000 .004795 .00785 .082331 ano2 | -.0013166 .00151 -0.87 0.382 -.004269 .001636 .190726 ano3 | -.0050546 .00154 -3.27 0.001 -.008083 -.002027 .195153 ano4 | -.0029376 .00159 -1.85 0.064 -.006049 .000174 .199543 ano5 | -.0057176 .00162 -3.52 0.000 -.008901 -.002534 .202993 ano6 | -.0057213 .00113 -5.07 0.000 -.007931 -.003511 .121038 ramo11 | -.0003626 .00143 -0.25 0.800 -.00317 .002445 .001731 ramo36 | -.1053378 .20418 -0.52 0.606 -.50553 .294854 .373061 ramo37 | -.002312 .00367 -0.63 0.528 -.009498 .004874 .005694 ramo87 | -.2197073 .33526 -0.66 0.512 -.87681 .437395 .614121 ramo92 | -.0028735 .00183 -1.57 0.117 -.006469 .000722 .002521 un2 | -.001569 .00204 -0.77 0.441 -.005563 .002425 .005506 un3 | -.0049866 .00924 -0.54 0.589 -.023099 .013126 .076486 un4 | .0000348 .00203 0.02 0.986 -.003944 .004014 .00656 un5 | -.0046966 .00503 -0.93 0.351 -.014558 .005164 .028623 un6 | -.0028282 .00388 -0.73 0.466 -.01043 .004774 .018626 un7 | -.0207155 .00637 -3.25 0.001 -.033208 -.008223 .043248 un8 | -.0312274 .00691 -4.52 0.000 -.044767 -.017688 .050359 un9 | .0067734 .00275 2.47 0.014 .001389 .012158 .008617 un10 | -.0034095 .00309 -1.10 0.270 -.009465 .002646 .012844 un11 | .3703819 .02214 16.73 0.000 .326989 .413775 .262571 un12 | .1300771 .01067 12.19 0.000 .109159 .150995 .094786 un13 | .1281239 .01052 12.18 0.000 .1075 .148748 .094836 un14 | .0456958 .0061 7.50 0.000 .033747 .057644 .040049 un15 | .0822568 .00821 10.02 0.000 .066174 .098339 .062739 ------------------------------------------------------------------------------
Eletricidade e Saneamento Efeitos Aleatorios - reg GLS Numero de obs = 2525 Grupo Variável: rgi Numero de Grupos = 84 R-sq: within = 0.0789 Obs per Grupo: min = 1 between = 0.3404 avg = 30.1 overall = 0.3266 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(31) = 240.77 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0707345 .0082108 -8.61 0.000 -.0868274 -.0546416 m2 | .0634856 .0809382 0.78 0.433 -.0951503 .2221215 m3 | .1775969 .0811474 2.19 0.029 .0185509 .3366428 m4 | .051621 .0812067 0.64 0.525 -.1075411 .2107831 m5 | .0988383 .0808195 1.22 0.221 -.059565 .2572416 m6 | .1314455 .0813312 1.62 0.106 -.0279606 .2908517
83
m7 | .0493237 .0804723 0.61 0.540 -.108399 .2070465 m8 | -.0157585 .0860657 -0.18 0.855 -.1844442 .1529273 m9 | .0287879 .0864619 0.33 0.739 -.1406744 .1982502 m10 | .005434 .0859394 0.06 0.950 -.1630041 .1738721 m11 | .0861496 .0860388 1.00 0.317 -.0824833 .2547825 m12 | .1298151 .0865894 1.50 0.134 -.039897 .2995273 ano2 | -.0320523 .1197745 -0.27 0.789 -.2668061 .2027015 ano3 | -.6272398 .1124313 -5.58 0.000 -.8476011 -.4068784 ano4 | -.5857557 .1127787 -5.19 0.000 -.806798 -.3647135 ano5 | -.4284546 .1132491 -3.78 0.000 -.6504188 -.2064905 ano6 | -.6244978 .1201502 -5.20 0.000 -.8599878 -.3890078 ramo15 | 1.463204 1.194318 1.23 0.221 -.8776161 3.804025 un3 | -2.452529 .9311756 -2.63 0.008 -4.2776 -.6274588 un4 | -1.257609 .965845 -1.30 0.193 -3.15063 .635413 un5 | -.9779965 .8706763 -1.12 0.261 -2.684491 .7284977 un6 | -.939244 .9026673 -1.04 0.298 -2.708439 .8299514 un7 | -3.105668 .8135135 -3.82 0.000 -4.700126 -1.511211 un8 | -2.021112 1.326284 -1.52 0.128 -4.62058 .5783562 un9 | .5178782 2.098382 0.25 0.805 -3.594876 4.630632 un10 | 1.893959 1.882127 1.01 0.314 -1.794942 5.582859 un11 | 1.438139 1.596269 0.90 0.368 -1.690491 4.56677 un12 | .0568882 1.882099 0.03 0.976 -3.631958 3.745734 un13 | 1.821709 1.275922 1.43 0.153 -.6790519 4.322471 un14 | -.8180188 2.100371 -0.39 0.697 -4.93467 3.298632 un15 | -.6344664 2.352507 -0.27 0.787 -5.245295 3.976362 _cons | 3.152589 1.252855 2.52 0.012 .6970375 5.608141 -------------+---------------------------------------------------------------- sigma_u | 1.9932844 sigma_e | .82111126 rho | .85492473 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 2.8269953 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.1430321 .0166 -8.61 0.000 -.175574 -.110491 2.0221 m2 | .0058583 .00747 0.78 0.433 -.00878 .020497 .092277 m3 | .0161068 .00736 2.19 0.029 .001682 .030531 .090693 m4 | .0046817 .00736 0.64 0.525 -.009753 .019117 .090693 m5 | .0090814 .00743 1.22 0.221 -.005473 .023636 .091881 m6 | .011765 .00728 1.62 0.106 -.002503 .026033 .089505 m7 | .0046882 .00765 0.61 0.540 -.010303 .01968 .09505 m8 | -.0011858 .00648 -0.18 0.855 -.013879 .011507 .075248 m9 | .0021206 .00637 0.33 0.739 -.010363 .014604 .073663 m10 | .0004154 .00657 0.06 0.950 -.012459 .01329 .076436 m11 | .0065167 .00651 1.00 0.317 -.006239 .019273 .075644 m12 | .0095626 .00638 1.50 0.134 -.002939 .022064 .073663 ano2 | -.0022976 .00859 -0.27 0.789 -.019126 .01453 .071683 ano3 | -.156251 .02801 -5.58 0.000 -.211145 -.101357 .249109 ano4 | -.1489327 .02867 -5.19 0.000 -.205134 -.092731 .254257 ano5 | -.1113134 .02942 -3.78 0.000 -.16898 -.053647 .259802 ano6 | -.086564 .01665 -5.20 0.000 -.119206 -.053922 .138614 ramo15 | 1.049451 .8566 1.23 0.221 -.629451 2.72835 .717228 un3 | -.2758488 .10473 -2.63 0.008 -.481124 -.070574 .112475 un4 | -.0961261 .07382 -1.30 0.193 -.24082 .048568 .076436 un5 | -.1100004 .09793 -1.12 0.261 -.301939 .081938 .112475 un6 | -.0948543 .09116 -1.04 0.298 -.273526 .083817 .10099 un7 | -.5079767 .13306 -3.82 0.000 -.768773 -.24718 .163564 un8 | -.0592326 .03887 -1.52 0.128 -.135415 .01695 .029307 un9 | .0086142 .0349 0.25 0.805 -.059796 .077024 .016634
84
un10 | .0862595 .08572 1.01 0.314 -.08175 .254269 .045545 un11 | .1292902 .14351 0.90 0.368 -.151977 .410557 .089901 un12 | .0024332 .0805 0.03 0.976 -.155347 .160214 .042772 un13 | .1435723 .10056 1.43 0.153 -.053517 .340662 .078812 un14 | -.0113389 .02911 -0.39 0.697 -.068401 .045724 .013861 un15 | -.011056 .04099 -0.27 0.787 -.091403 .069291 .017426 ------------------------------------------------------------------------------
Atividades Extrativistas Efeitos Aleatorios - reg GLS Numero de obs = 1091 Grupo Variável: rgi Numero de Grupos = 21 R-sq: within = 0.0336 Obs per Grupo: min = 5 between = 0.9363 avg = 52.0 overall = 0.8297 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(30) = 2829.12 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0083387 .0129956 -0.64 0.521 -.0338096 .0171323 m2 | -.1097166 .0856368 -1.28 0.200 -.2775617 .0581285 m3 | -.2009776 .086186 -2.33 0.020 -.369899 -.0320561 m4 | -.0282709 .0856498 -0.33 0.741 -.1961414 .1395996 m5 | .0050019 .0859709 0.06 0.954 -.1634981 .1735018 m6 | -.0640825 .0857343 -0.75 0.455 -.2321186 .1039536 m7 | -.1132356 .0826666 -1.37 0.171 -.2752592 .048788 m8 | -.0990571 .0872767 -1.13 0.256 -.2701163 .0720021 m9 | -.0503886 .0874139 -0.58 0.564 -.2217167 .1209394 m10 | .0156277 .0875519 0.18 0.858 -.1559708 .1872262 m11 | -.0473372 .0878252 -0.54 0.590 -.2194714 .1247969 m12 | -.00084 .0875803 -0.01 0.992 -.1724943 .1708143 ano2 | .0069773 .0705963 0.10 0.921 -.1313889 .1453435 ano3 | -.1120884 .0725172 -1.55 0.122 -.2542195 .0300427 ano4 | -.0325176 .071963 -0.45 0.651 -.1735625 .1085273 ano5 | -.0308654 .0724819 -0.43 0.670 -.1729274 .1111966 ano6 | -.1485772 .0853067 -1.74 0.082 -.3157754 .0186209 ramo42 | -2.585872 .2537644 -10.19 0.000 -3.083241 -2.088503 ramo43 | -1.50727 .1756379 -8.58 0.000 -1.851514 -1.163026 ramo44 | -2.792277 .1772656 -15.75 0.000 -3.139711 -2.444843 ramo46 | 6.486772 .4176487 15.53 0.000 5.668195 7.305348 un2 | 5.321502 .4451549 11.95 0.000 4.449015 6.19399 un3 | 5.395255 .3890992 13.87 0.000 4.632635 6.157876 un4 | 3.526144 .4429851 7.96 0.000 2.657909 4.394379 un5 | 4.992646 .4239394 11.78 0.000 4.161741 5.823552 un8 | 3.285223 .4216007 7.79 0.000 2.458901 4.111545 un11 | 5.415194 .3990704 13.57 0.000 4.63303 6.197358 un12 | 5.134874 .4116903 12.47 0.000 4.327976 5.941772 un13 | 6.014965 .3999861 15.04 0.000 5.231007 6.798923 un14 | 4.998041 .4137315 12.08 0.000 4.187142 5.808939 _cons | 1.785753 .4532803 3.94 0.000 .8973401 2.674166 -------------+---------------------------------------------------------------- sigma_u | .0874518 sigma_e | .50221311 rho | .02942987 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 4.3224241 ------------------------------------------------------------------------------
85
Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.0417459 .06506 -0.64 0.521 -.169262 .08577 5.00632 m2 | -.0090509 .00706 -1.28 0.200 -.022897 .004795 .082493 m3 | -.0162108 .00695 -2.33 0.020 -.029836 -.002586 .08066 m4 | -.0023322 .00707 -0.33 0.741 -.01618 .011516 .082493 m5 | .000408 .00701 0.06 0.954 -.013338 .014154 .081577 m6 | -.0052864 .00707 -0.75 0.455 -.019148 .008575 .082493 m7 | -.0112094 .00818 -1.37 0.171 -.027248 .00483 .098992 m8 | -.0081715 .0072 -1.13 0.256 -.022283 .00594 .082493 m9 | -.0041567 .00721 -0.58 0.564 -.01829 .009977 .082493 m10 | .0012749 .00714 0.18 0.858 -.012724 .015273 .081577 m11 | -.0038182 .00708 -0.54 0.590 -.017703 .010066 .08066 m12 | -.0000685 .00714 -0.01 0.992 -.014071 .013934 .081577 ano2 | .0013942 .01411 0.10 0.921 -.026254 .029042 .199817 ano3 | -.0215752 .01396 -1.55 0.122 -.048933 .005783 .192484 ano4 | -.0063485 .01405 -0.45 0.651 -.033885 .021188 .195234 ano5 | -.006224 .01462 -0.43 0.670 -.034871 .022423 .20165 ano6 | -.0166145 .00954 -1.74 0.082 -.035311 .002082 .111824 ramo42 | -.4053017 .03977 -10.19 0.000 -.483258 -.327346 .156737 ramo43 | -.0911822 .01063 -8.58 0.000 -.112007 -.070357 .060495 ramo44 | -1.873462 .11894 -15.75 0.000 -2.10657 -1.64035 .670944 ramo46 | .3626884 .02335 15.53 0.000 .31692 .408457 .055912 un2 | .0829198 .00694 11.95 0.000 .069325 .096515 .015582 un3 | .8901429 .0642 13.87 0.000 .764321 1.01596 .164986 un4 | .3555232 .04466 7.96 0.000 .267984 .443063 .100825 un5 | .5582978 .04741 11.78 0.000 .465383 .651213 .111824 un8 | .310154 .0398 7.79 0.000 .232142 .388166 .094409 un11 | .6055487 .04463 13.57 0.000 .518084 .693013 .111824 un12 | .5742022 .04604 12.47 0.000 .483972 .664433 .111824 un13 | 1.042006 .06929 15.04 0.000 .906196 1.17782 .173236 un14 | .2748693 .02275 12.08 0.000 .230274 .319465 .054995 ------------------------------------------------------------------------------
Fabricação de Máquinas e Equipamentos Efeitos Aleatorios - reg GLS Numero de obs = 8305 Grupo Variável: rgi Numero de Grupos = 146 R-sq: within = 0.0553 Obs per Grupo: min = 10 between = 0.2411 avg = 56.9 overall = 0.1718 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(32) = 531.90 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | .0529554 .0045378 11.67 0.000 .0440616 .0618493 m2 | -.0492049 .030286 -1.62 0.104 -.1085644 .0101547 m3 | -.0422661 .0302529 -1.40 0.162 -.1015607 .0170285 m4 | .0451151 .0303431 1.49 0.137 -.0143563 .1045864 m5 | -.011843 .0303359 -0.39 0.696 -.0713002 .0476143 m6 | .0077227 .0302556 0.26 0.799 -.0515772 .0670226 m7 | -.0307473 .0293225 -1.05 0.294 -.0882184 .0267238 m8 | -.04282 .0308649 -1.39 0.165 -.103314 .0176741 m9 | -.0302519 .0309277 -0.98 0.328 -.0908691 .0303653 m10 | -.0728726 .0310148 -2.35 0.019 -.1336605 -.0120847 m11 | -.0819215 .030997 -2.64 0.008 -.1426745 -.0211685 m12 | -.0736712 .0310823 -2.37 0.018 -.1345914 -.012751 ano2 | -.1262625 .0257248 -4.91 0.000 -.1766823 -.0758428 ano3 | -.2484703 .0261522 -9.50 0.000 -.2997277 -.1972128 ano4 | -.3734846 .0265199 -14.08 0.000 -.4254627 -.3215065 ano5 | -.4105456 .0271276 -15.13 0.000 -.4637147 -.3573765
86
ano6 | -.5018348 .0314251 -15.97 0.000 -.5634269 -.4402427 ramo39 | -.1556691 .7175753 -0.22 0.828 -1.562091 1.250753 ramo55 | .2723132 .7386992 0.37 0.712 -1.175511 1.720137 ramo56 | .6107279 .7397476 0.83 0.409 -.8391508 2.060607 ramo63 | .0086572 .7095884 0.01 0.990 -1.382111 1.399425 ramo65 | .1918558 .7073965 0.27 0.786 -1.194616 1.578327 un3 | -1.158222 .7074725 -1.64 0.102 -2.544843 .2283983 un5 | -1.769737 .7894539 -2.24 0.025 -3.317038 -.2224355 un6 | -1.906919 .7553413 -2.52 0.012 -3.38736 -.426477 un7 | -4.31043 .9819917 -4.39 0.000 -6.235098 -2.385761 un10 | -1.530103 .7786798 -1.96 0.049 -3.056288 -.0039188 un11 | -1.166352 .6797349 -1.72 0.086 -2.498608 .1659036 un12 | -1.335622 .6859701 -1.95 0.052 -2.680099 .0088543 un13 | -.9350332 .6805146 -1.37 0.169 -2.268817 .398751 un14 | -1.71096 .729532 -2.35 0.019 -3.140817 -.2811039 un15 | -1.072689 .6921234 -1.55 0.121 -2.429226 .283848 _cons | 5.380299 .9749069 5.52 0.000 3.469517 7.291082 -------------+---------------------------------------------------------------- sigma_u | .66365169 sigma_e | .55797853 rho | .58585931 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 4.3477776 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | .3379993 .02896 11.67 0.000 .281232 .394766 6.38271 m2 | -.0040644 .0025 -1.62 0.104 -.008968 .000839 .082601 m3 | -.0035065 .00251 -1.40 0.162 -.008426 .001413 .082962 m4 | .0037048 .00249 1.49 0.137 -.001179 .008589 .082119 m5 | -.0009725 .00249 -0.39 0.696 -.005855 .00391 .082119 m6 | .0006407 .00251 0.26 0.799 -.004279 .00556 .082962 m7 | -.0029988 .00286 -1.05 0.294 -.008604 .002606 .097532 m8 | -.0035215 .00254 -1.39 0.165 -.008497 .001454 .08224 m9 | -.0024661 .00252 -0.98 0.328 -.007407 .002475 .081517 m10 | -.005914 .00252 -2.35 0.019 -.010847 -.000981 .081156 m11 | -.0066977 .00253 -2.64 0.008 -.011665 -.001731 .081758 m12 | -.0059611 .00252 -2.37 0.018 -.01089 -.001032 .080915 ano2 | -.0250397 .0051 -4.91 0.000 -.035039 -.015041 .198314 ano3 | -.0494248 .0052 -9.50 0.000 -.059621 -.039229 .198916 ano4 | -.0743372 .00528 -14.08 0.000 -.084683 -.063992 .199037 ano5 | -.081071 .00536 -15.13 0.000 -.09157 -.070572 .197471 ano6 | -.0580086 .00363 -15.97 0.000 -.065128 -.050889 .115593 ramo39 | -.0184629 .08511 -0.22 0.828 -.185269 .148343 .118603 ramo55 | .015542 .04216 0.37 0.712 -.067091 .098175 .057074 ramo56 | .0370628 .04489 0.83 0.409 -.050925 .125051 .060686 ramo63 | .0017857 .14636 0.01 0.990 -.285076 .288647 .206261 ramo65 | .1055265 .38909 0.27 0.786 -.657075 .868128 .55003 un3 | -.08535 .05213 -1.64 0.102 -.187531 .016831 .073691 un5 | -.0185391 .00827 -2.24 0.025 -.034748 -.00233 .010476 un6 | -.046611 .01846 -2.52 0.012 -.082798 -.010424 .024443 un7 | -.030622 .00698 -4.39 0.000 -.044295 -.016949 .007104 un10 | -.0313206 .01594 -1.96 0.049 -.062561 -.00008 .02047 un11 | -.3394429 .19782 -1.72 0.086 -.727169 .048283 .29103 un12 | -.2100328 .10787 -1.95 0.052 -.421458 .001392 .157255 un13 | -.2285512 .16634 -1.37 0.169 -.554569 .097467 .244431 un14 | -.0702514 .02995 -2.35 0.019 -.128961 -.011542 .04106 un15 | -.1316159 .08492 -1.55 0.121 -.298059 .034827 .122697 ------------------------------------------------------------------------------
87
Atividades Financeiras Efeitos Aleatorios - reg GLS Numero de obs = 13234 Grupo Variável: rgi Numero de Grupos = 235 R-sq: within = 0.0155 Obs per Grupo: min = 2 between = 0.3441 avg = 56.3 overall = 0.2552 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(30) = 330.44 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | .003723 .0027251 1.37 0.172 -.0016182 .0090642 m2 | -.0244829 .0230462 -1.06 0.288 -.0696527 .020687 m3 | -.0017495 .0230246 -0.08 0.939 -.0468768 .0433779 m4 | .0192538 .023016 0.84 0.403 -.0258567 .0643643 m5 | .0175707 .0230168 0.76 0.445 -.0275415 .0626828 m6 | .0294075 .0229524 1.28 0.200 -.0155785 .0743934 m7 | -.0084086 .0221915 -0.38 0.705 -.0519031 .035086 m8 | -.0305597 .0235036 -1.30 0.194 -.0766259 .0155066 m9 | -.0179584 .0235106 -0.76 0.445 -.0640384 .0281215 m10 | -.0322605 .0234733 -1.37 0.169 -.0782673 .0137463 m11 | -.0351173 .0234662 -1.50 0.135 -.0811102 .0108756 m12 | -.0559867 .0235158 -2.38 0.017 -.1020768 -.0098966 ano2 | -.0570366 .0192962 -2.96 0.003 -.0948564 -.0192167 ano3 | -.1680367 .0194378 -8.64 0.000 -.2061342 -.1299393 ano4 | -.166085 .019696 -8.43 0.000 -.2046885 -.1274816 ano5 | -.1810311 .0198228 -9.13 0.000 -.2198831 -.142179 ano6 | -.2429522 .0232562 -10.45 0.000 -.2885334 -.1973709 ramo72 | .5001711 .2153088 2.32 0.020 .0781737 .9221685 ramo88 | .0921212 .2759813 0.33 0.739 -.4487921 .6330346 un3 | .3988755 .2571029 1.55 0.121 -.1050369 .9027879 un6 | -.6752899 .4251623 -1.59 0.112 -1.508593 .158013 un7 | -1.582854 .3501717 -4.52 0.000 -2.269178 -.89653 un8 | -.6719279 .5633182 -1.19 0.233 -1.776011 .4321555 un9 | -.2340527 .9053133 -0.26 0.796 -2.008434 1.540329 un10 | -.6837306 .6792296 -1.01 0.314 -2.014996 .647535 un11 | .9574301 .1738013 5.51 0.000 .6167858 1.298074 un12 | .259376 .257495 1.01 0.314 -.2453049 .764057 un13 | .4243018 .2308348 1.84 0.066 -.0281261 .8767297 un14 | 1.199279 .4705252 2.55 0.011 .2770664 2.121491 un15 | .3987454 .2758953 1.45 0.148 -.1419994 .9394902 _cons | 3.271851 .251442 13.01 0.000 2.779033 3.764668 -------------+---------------------------------------------------------------- sigma_u | .88878546 sigma_e | .53591231 rho | .73336653 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 4.0491269 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | .0223229 .01634 1.37 0.172 -.009703 .054348 5.99598 m2 | -.0020017 .00188 -1.06 0.288 -.005695 .001691 .081759 m3 | -.0001437 .00189 -0.08 0.939 -.00385 .003563 .082137 m4 | .0015844 .00189 0.84 0.403 -.002128 .005296 .082288 m5 | .0014459 .00189 0.76 0.445 -.002266 .005158 .082288 m6 | .0024465 .00191 1.28 0.200 -.001296 .006189 .083195 m7 | -.0008317 .0022 -0.38 0.705 -.005134 .00347 .098912 m8 | -.0024801 .00191 -1.30 0.194 -.006219 .001258 .081155
88
m9 | -.0014561 .00191 -0.76 0.445 -.005192 .00228 .081079 m10 | -.0026376 .00192 -1.37 0.169 -.006399 .001124 .081759 m11 | -.0028791 .00192 -1.50 0.135 -.00665 .000892 .081986 m12 | -.0045605 .00192 -2.38 0.017 -.008315 -.000806 .081457 ano2 | -.0111754 .00378 -2.96 0.003 -.018586 -.003765 .195935 ano3 | -.0332417 .00385 -8.64 0.000 -.040778 -.025705 .197824 ano4 | -.0328681 .0039 -8.43 0.000 -.040508 -.025229 .197899 ano5 | -.0357712 .00392 -9.13 0.000 -.043448 -.028094 .197597 ano6 | -.0283817 .00272 -10.45 0.000 -.033707 -.023057 .11682 ramo72 | .4091622 .17613 2.32 0.020 .06395 .754375 .818044 ramo88 | .0092511 .02771 0.33 0.739 -.045069 .063571 .100423 un3 | .0311348 .02007 1.55 0.121 -.008199 .070468 .078057 un6 | -.0155122 .00977 -1.59 0.112 -.034654 .00363 .022971 un7 | -.0456891 .01011 -4.52 0.000 -.0655 -.025878 .028865 un8 | -.001117 .00094 -1.19 0.233 -.002952 .000718 .001662 un9 | -.0009904 .00383 -0.26 0.796 -.008499 .006518 .004232 un10 | -.0048048 .00477 -1.01 0.314 -.01416 .00455 .007027 un11 | .4141822 .07519 5.51 0.000 .26682 .561544 .432598 un12 | .0204224 .02027 1.01 0.314 -.019314 .060159 .078737 un13 | .0446296 .02428 1.84 0.066 -.002958 .092218 .105184 un14 | .0206616 .00811 2.55 0.011 .004773 .03655 .017228 un15 | .026575 .01839 1.45 0.148 -.009464 .062614 .066647 ------------------------------------------------------------------------------
Atividades Imobiliárias Efeitos Aleatorios - reg GLS Numero de obs = 45479 Grupo Variável: rgi Numero de Grupos = 876 R-sq: within = 0.0962 Obs per Grupo: min = 1 between = 0.5079 avg = 51.9 overall = 0.4036 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(31) = 17301.52 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0358139 .0005321 -67.30 0.000 -.0368568 -.0347709 m2 | -.056525 .0104564 -5.41 0.000 -.0770191 -.0360309 m3 | .005448 .0104665 0.52 0.603 -.0150659 .0259618 m4 | .0436583 .0104577 4.17 0.000 .0231615 .0641551 m5 | .0279302 .0104494 2.67 0.008 .0074499 .0484106 m6 | .0224524 .0104485 2.15 0.032 .0019737 .0429312 m7 | .0049531 .0101186 0.49 0.624 -.014879 .0247852 m8 | -.0053037 .0107099 -0.50 0.620 -.0262948 .0156873 m9 | .0244917 .0107175 2.29 0.022 .0034859 .0454975 m10 | .0209436 .0107078 1.96 0.050 -.0000432 .0419305 m11 | .0194622 .0106932 1.82 0.069 -.001496 .0404205 m12 | -.0006097 .010688 -0.06 0.955 -.0215578 .0203384 ano2 | -.0191258 .0089344 -2.14 0.032 -.0366369 -.0016147 ano3 | -.0280395 .0089391 -3.14 0.002 -.0455598 -.0105192 ano4 | -.0203165 .0089633 -2.27 0.023 -.0378843 -.0027487 ano5 | -.0110877 .0089751 -1.24 0.217 -.0286784 .0065031 ano6 | -.0215895 .0104657 -2.06 0.039 -.0421019 -.001077 ramo13 | 3.711875 .0820974 45.21 0.000 3.550967 3.872783 un2 | -1.224215 .5069284 -2.41 0.016 -2.217776 -.2306537 un3 | -.7964381 .1770505 -4.50 0.000 -1.143451 -.4494255 un4 | -.4673574 .6456731 -0.72 0.469 -1.732854 .7981387 un5 | -2.350108 .4604192 -5.10 0.000 -3.252513 -1.447703 un6 | -1.265979 .361198 -3.50 0.000 -1.973914 -.558044 un7 | -1.704338 .2030367 -8.39 0.000 -2.102282 -1.306393 un8 | -1.819224 .3610892 -5.04 0.000 -2.526946 -1.111502 un9 | .9644835 .3440081 2.80 0.005 .29024 1.638727
89
un10 | -1.408166 .1740533 -8.09 0.000 -1.749304 -1.067028 un11 | 1.577285 .0981979 16.06 0.000 1.384821 1.76975 un12 | -.9996941 .2677406 -3.73 0.000 -1.524456 -.4749322 un13 | 1.271324 .1810098 7.02 0.000 .9165513 1.626097 un14 | .5703784 .5025976 1.13 0.256 -.4146947 1.555452 un15 | .6249379 .2181639 2.86 0.004 .1973445 1.052531 _cons | (dropped) -------------+---------------------------------------------------------------- sigma_u | 1.1039193 sigma_e | .4515376 rho | .85667293 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 4.215428 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.2310572 .00343 -67.30 0.000 -.237786 -.224328 6.45161 m2 | -.0046757 .00086 -5.41 0.000 -.006371 -.00298 .082719 m3 | .0004491 .00086 0.52 0.603 -.001242 .00214 .082434 m4 | .0036124 .00087 4.17 0.000 .001916 .005308 .082741 m5 | .002319 .00087 2.67 0.008 .000619 .004019 .083027 m6 | .0018656 .00087 2.15 0.032 .000164 .003567 .083093 m7 | .0004854 .00099 0.49 0.624 -.001458 .002429 .098001 m8 | -.0004288 .00087 -0.50 0.620 -.002126 .001268 .080851 m9 | .0019764 .00086 2.29 0.022 .000281 .003671 .080697 m10 | .0016979 .00087 1.96 0.050 -3.5e-06 .003399 .08107 m11 | .0015855 .00087 1.82 0.069 -.000122 .003293 .081466 m12 | -.0000499 .00087 -0.06 0.955 -.001763 .001664 .081796 ano2 | -.0036158 .00169 -2.14 0.032 -.006926 -.000305 .189054 ano3 | -.0054607 .00174 -3.14 0.002 -.008873 -.002049 .194749 ano4 | -.0040446 .00178 -2.27 0.023 -.007542 -.000547 .199081 ano5 | -.0022754 .00184 -1.24 0.217 -.005885 .001335 .205216 ano6 | -.0026318 .00128 -2.06 0.039 -.005132 -.000131 .121902 ramo13 | 3.711875 .0821 45.21 0.000 3.55097 3.87278 1 un2 | -.0028264 .00117 -2.41 0.016 -.00512 -.000533 .002309 un3 | -.0380365 .00846 -4.50 0.000 -.054609 -.021464 .047758 un4 | -.0013976 .00193 -0.72 0.469 -.005182 .002387 .00299 un5 | -.0134871 .00264 -5.10 0.000 -.018666 -.008308 .005739 un6 | -.0106336 .00303 -3.50 0.000 -.01658 -.004687 .008399 un7 | -.0387494 .00462 -8.39 0.000 -.047797 -.029702 .022736 un8 | -.0150405 .00299 -5.04 0.000 -.020892 -.009189 .008268 un9 | .0113883 .00406 2.80 0.005 .003427 .01935 .011808 un10 | -.0705337 .00872 -8.09 0.000 -.087621 -.053446 .050089 un11 | .8402315 .05231 16.06 0.000 .737704 .942759 .532707 un12 | -.0134746 .00361 -3.73 0.000 -.020548 -.006401 .013479 un13 | .0716743 .0102 7.02 0.000 .051673 .091676 .056378 un14 | .0027968 .00246 1.13 0.256 -.002033 .007627 .004903 un15 | .0218898 .00764 2.86 0.004 .006912 .036867 .035027 ------------------------------------------------------------------------------
Indústria Final Efeitos Aleatorios - reg GLS Numero de obs = 50925 Grupo Variável: rgi Numero de Grupos = 928 R-sq: within = 0.0189 Obs per Grupo: min = 2 between = 0.2873 avg = 54.9 overall = 0.1870 max = 61
90
Efeit. Aleatorios u_i ~ Gaussian Wald chi2(40) = 1336.78 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0258372 .0015704 -16.45 0.000 -.0289152 -.0227592 m2 | -.0461396 .0112919 -4.09 0.000 -.0682714 -.0240078 m3 | .0043156 .0112959 0.38 0.702 -.017824 .0264553 m4 | .0118188 .0112825 1.05 0.295 -.0102945 .0339321 m5 | -.0046913 .0112859 -0.42 0.678 -.0268113 .0174286 m6 | -.018602 .0112697 -1.65 0.099 -.0406903 .0034862 m7 | -.0452714 .0109109 -4.15 0.000 -.0666565 -.0238864 m8 | -.0641955 .0115173 -5.57 0.000 -.086769 -.0416219 m9 | -.0452244 .0115156 -3.93 0.000 -.0677946 -.0226542 m10 | -.0411061 .0115364 -3.56 0.000 -.0637171 -.0184952 m11 | -.0213591 .0115309 -1.85 0.064 -.0439593 .0012411 m12 | -.0134402 .0115327 -1.17 0.244 -.0360439 .0091636 ano2 | .0189373 .0094787 2.00 0.046 .0003593 .0375152 ano3 | -.0249405 .009584 -2.60 0.009 -.0437249 -.0061561 ano4 | -.0701088 .0097102 -7.22 0.000 -.0891404 -.0510772 ano5 | -.0961957 .0098724 -9.74 0.000 -.1155453 -.0768462 ano6 | -.1067703 .0114942 -9.29 0.000 -.1292986 -.084242 ramo31 | -1.702687 .8436587 -2.02 0.044 -3.356228 -.0491463 ramo60 | -1.102877 .8524059 -1.29 0.196 -2.773562 .5678075 ramo62 | -1.333389 .8404576 -1.59 0.113 -2.980655 .3138779 ramo66 | -2.21585 .8492438 -2.61 0.009 -3.880338 -.5513631 ramo67 | .0166535 1.183638 0.01 0.989 -2.303235 2.336542 ramo69 | -1.499601 .8457043 -1.77 0.076 -3.157151 .1579491 ramo70 | .1269676 1.196239 0.11 0.915 -2.217618 2.471553 ramo75 | -.1857017 1.176364 -0.16 0.875 -2.491332 2.119929 ramo83 | -1.838133 .8613655 -2.13 0.033 -3.526379 -.1498878 un2 | .0914615 .5926902 0.15 0.877 -1.07019 1.253113 un3 | -.252113 .1388558 -1.82 0.069 -.5242654 .0200395 un4 | -.8356013 .2099029 -3.98 0.000 -1.247003 -.4241992 un5 | -.7304065 .1603948 -4.55 0.000 -1.044775 -.4160384 un6 | -.4282853 .1687951 -2.54 0.011 -.7591176 -.097453 un7 | -.6521547 .1968206 -3.31 0.001 -1.037916 -.2663934 un8 | -.0919162 .1968928 -0.47 0.641 -.4778191 .2939866 un9 | .0322118 .1882803 0.17 0.864 -.3368108 .4012344 un10 | -.6891702 .3244103 -2.12 0.034 -1.325003 -.0533376 un11 | .770803 .0923152 8.35 0.000 .5898686 .9517374 un12 | .422691 .1089815 3.88 0.000 .2090912 .6362908 un13 | .5659799 .1097227 5.16 0.000 .3509274 .7810325 un14 | .3642584 .131057 2.78 0.005 .1073913 .6211254 un15 | .6484008 .129626 5.00 0.000 .3943385 .902463 _cons | 5.315097 .8434662 6.30 0.000 3.661933 6.96826 -------------+---------------------------------------------------------------- sigma_u | .82882806 sigma_e | .51574579 rho | .72087328 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 3.9839201 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.1413814 .00859 -16.45 0.000 -.158224 -.124539 5.47201 m2 | -.0037954 .00093 -4.09 0.000 -.005616 -.001975 .082258 m3 | .0003545 .00093 0.38 0.702 -.001464 .002173 .08214 m4 | .0009757 .00093 1.05 0.295 -.00085 .002801 .082553 m5 | -.0003869 .00093 -0.42 0.678 -.002211 .001437 .082474
91
m6 | -.0015433 .00093 -1.65 0.099 -.003376 .000289 .082965 m7 | -.0044387 .00107 -4.15 0.000 -.006535 -.002342 .098046 m8 | -.0052403 .00094 -5.57 0.000 -.007083 -.003398 .08163 m9 | -.0036943 .00094 -3.93 0.000 -.005538 -.001851 .081689 m10 | -.0033369 .00094 -3.56 0.000 -.005172 -.001501 .081178 m11 | -.0017419 .00094 -1.85 0.064 -.003585 .000101 .081551 m12 | -.0010979 .00094 -1.17 0.244 -.002944 .000749 .081689 ano2 | .0037506 .00188 2.00 0.046 .000071 .00743 .198056 ano3 | -.0049274 .00189 -2.60 0.009 -.008639 -.001216 .197565 ano4 | -.0138745 .00192 -7.22 0.000 -.017641 -.010108 .197899 ano5 | -.0189917 .00195 -9.74 0.000 -.022812 -.015172 .197428 ano6 | -.0123763 .00133 -9.29 0.000 -.014988 -.009765 .115916 ramo31 | -.2160248 .10704 -2.02 0.044 -.425814 -.006235 .126873 ramo60 | -.042166 .03259 -1.29 0.196 -.106041 .021709 .038233 ramo62 | -.9097416 .57343 -1.59 0.113 -2.03364 .214152 .682278 ramo66 | -.0781911 .02997 -2.61 0.009 -.136926 -.019456 .035287 ramo67 | .0000199 .00142 0.01 0.989 -.002759 .002799 .001198 ramo69 | -.1334255 .07525 -1.77 0.076 -.280904 .014053 .088974 ramo70 | .0001521 .00143 0.11 0.915 -.002656 .002961 .001198 ramo75 | -.0002188 .00139 -0.16 0.875 -.002935 .002498 .001178 ramo83 | -.0434583 .02036 -2.13 0.033 -.083373 -.003544 .023643 un2 | .0002191 .00142 0.15 0.877 -.002564 .003002 .002396 un3 | -.0122579 .00675 -1.82 0.069 -.02549 .000974 .048621 un4 | -.0143082 .00359 -3.98 0.000 -.021353 -.007264 .017123 un5 | -.0319988 .00703 -4.55 0.000 -.045771 -.018226 .04381 un6 | -.0133469 .00526 -2.54 0.011 -.023657 -.003037 .031163 un7 | -.0128958 .00389 -3.31 0.001 -.020524 -.005268 .019774 un8 | -.0020269 .00434 -0.47 0.641 -.010537 .006483 .022052 un9 | .0007641 .00447 0.17 0.864 -.00799 .009518 .023721 un10 | -.0048313 .00227 -2.12 0.034 -.009289 -.000374 .00701 un11 | .2102548 .02518 8.35 0.000 .160901 .259609 .272774 un12 | .0510466 .01316 3.88 0.000 .025251 .076842 .120766 un13 | .0637943 .01237 5.16 0.000 .039555 .088034 .112715 un14 | .0237045 .00853 2.78 0.005 .006989 .04042 .065076 un15 | .0455058 .0091 5.00 0.000 .027675 .063336 .070182 ------------------------------------------------------------------------------
Indústria Metalúrgica Efeitos Aleatorios - reg GLS Numero de obs = 21419 Grupo Variável: rgi Numero de Grupos = 386 R-sq: within = 0.0740 Obs per Grupo: min = 3 between = 0.2691 avg = 55.5 overall = 0.1750 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(35) = 1819.81 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0605694 .0019834 -30.54 0.000 -.0644569 -.0566819 m2 | -.0707139 .0197906 -3.57 0.000 -.1095029 -.0319249 m3 | .0344524 .0197732 1.74 0.081 -.0043024 .0732071 m4 | .0709209 .0197843 3.58 0.000 .0321444 .1096974 m5 | .0265308 .0198322 1.34 0.181 -.0123396 .0654011 m6 | .0004334 .0197815 0.02 0.983 -.0383377 .0392044 m7 | -.0440426 .0191341 -2.30 0.021 -.0815448 -.0065404 m8 | -.0594467 .0201723 -2.95 0.003 -.0989838 -.0199096 m9 | -.04063 .0201957 -2.01 0.044 -.0802128 -.0010472 m10 | -.0170601 .0201878 -0.85 0.398 -.0566276 .0225073 m11 | -.0162578 .0202019 -0.80 0.421 -.0558527 .0233371 m12 | -.0036948 .0201833 -0.18 0.855 -.0432533 .0358638 ano2 | .0167085 .0165976 1.01 0.314 -.0158222 .0492393 ano3 | -.0973302 .0166773 -5.84 0.000 -.1300172 -.0646432 ano4 | -.1360093 .0168392 -8.08 0.000 -.1690136 -.103005
92
ano5 | -.1698637 .0169839 -10.00 0.000 -.2031515 -.136576 ano6 | -.2039309 .0198424 -10.28 0.000 -.2428213 -.1650404 ramo5 | 3.136046 1.4843 2.11 0.035 .2268717 6.045221 ramo47 | .425104 1.148832 0.37 0.711 -1.826566 2.676774 ramo57 | 1.354807 1.061862 1.28 0.202 -.7264042 3.436017 ramo59 | 2.107595 1.072704 1.96 0.049 .0051332 4.210057 ramo78 | 1.653932 1.058493 1.56 0.118 -.4206768 3.728541 un3 | 1.228001 .3088473 3.98 0.000 .6226714 1.833331 un4 | -1.115966 .7486434 -1.49 0.136 -2.58328 .3513483 un5 | .6184542 .490317 1.26 0.207 -.3425495 1.579458 un6 | -.062541 .3337701 -0.19 0.851 -.7167183 .5916364 un7 | 2.876295 1.039683 2.77 0.006 .8385534 4.914037 un8 | -1.623836 1.057971 -1.53 0.125 -3.697421 .4497496 un9 | -.1423385 .7444022 -0.19 0.848 -1.60134 1.316663 un10 | .6819285 .3336929 2.04 0.041 .0279024 1.335955 un11 | 1.67881 .203057 8.27 0.000 1.280825 2.076794 un12 | 1.153066 .2244026 5.14 0.000 .7132447 1.592887 un13 | 1.537345 .2183033 7.04 0.000 1.109478 1.965212 un14 | 1.364112 .2313181 5.90 0.000 .9107372 1.817488 un15 | 1.521416 .2319406 6.56 0.000 1.06682 1.976011 _cons | 1.677555 1.073668 1.56 0.118 -.4267958 3.781905 -------------+---------------------------------------------------------------- sigma_u | 1.0218886 sigma_e | .58672548 rho | .75207346 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 3.9402599 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3661502 .01199 -30.54 0.000 -.38965 -.34265 6.04513 m2 | -.0058106 .00163 -3.57 0.000 -.008998 -.002623 .08217 m3 | .0028438 .00163 1.74 0.081 -.000355 .006043 .082544 m4 | .0058408 .00163 3.58 0.000 .002647 .009034 .082357 m5 | .0021639 .00162 1.34 0.181 -.001006 .005334 .081563 m6 | .0000357 .00163 0.02 0.983 -.003159 .003231 .082403 m7 | -.0042996 .00187 -2.30 0.021 -.007961 -.000638 .097624 m8 | -.0048709 .00165 -2.95 0.003 -.00811 -.001631 .081937 m9 | -.0033139 .00165 -2.01 0.044 -.006542 -.000085 .081563 m10 | -.0013955 .00165 -0.85 0.398 -.004632 .001841 .081797 m11 | -.0013298 .00165 -0.80 0.421 -.004569 .001909 .081797 m12 | -.0003033 .00166 -0.18 0.855 -.00355 .002944 .082077 ano2 | .0033146 .00329 1.01 0.314 -.003139 .009768 .198375 ano3 | -.0193988 .00332 -5.84 0.000 -.025914 -.012884 .199309 ano4 | -.0269682 .00334 -8.08 0.000 -.033512 -.020424 .198282 ano5 | -.0334668 .00335 -10.00 0.000 -.040025 -.026908 .197021 ano6 | -.0232218 .00226 -10.28 0.000 -.02765 -.018793 .113871 ramo5 | .0089313 .00423 2.11 0.035 .000646 .017216 .002848 ramo47 | .0045251 .01223 0.37 0.711 -.019443 .028494 .010645 ramo57 | .801663 .62832 1.28 0.202 -.429826 2.03315 .591718 ramo59 | .1862682 .09481 1.96 0.049 .000454 .372083 .088379 ramo78 | .5045423 .3229 1.56 0.118 -.12833 1.13741 .305056 un3 | .0692574 .01742 3.98 0.000 .035118 .103397 .056399 un4 | -.0027614 .00185 -1.49 0.136 -.006392 .000869 .002474 un5 | .0078538 .00623 1.26 0.207 -.00435 .020058 .012699 un6 | -.0018687 .00997 -0.19 0.851 -.021416 .017678 .02988 un7 | .0081915 .00296 2.77 0.006 .002388 .013995 .002848 un8 | -.0006065 .0004 -1.53 0.125 -.001381 .000168 .000374 un9 | -.0008107 .00424 -0.19 0.848 -.009121 .0075 .005696 un10 | .0196438 .00961 2.04 0.041 .000804 .038484 .028806
93
un11 | .4169004 .05043 8.27 0.000 .318069 .515732 .248331 un12 | .1668847 .03248 5.14 0.000 .103229 .230541 .144731 un13 | .2202769 .03128 7.04 0.000 .15897 .281583 .143284 un14 | .1448243 .02456 5.90 0.000 .096691 .192958 .106167 un15 | .1853202 .02825 6.56 0.000 .129947 .240693 .121808 ------------------------------------------------------------------------------
Outras Atividades Efeitos Aleatorios - reg GLS Numero de obs = 148376 Grupo Variável: rgi Numero de Grupos = 2898 R-sq: within = 0.0874 Obs per Grupo: min = 1 between = 0.3664 avg = 51.2 overall = 0.2702 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(38) = 15594.86 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.06592 .0005976 -110.31 0.000 -.0670913 -.0647488 m2 | -.0377987 .0067611 -5.59 0.000 -.0510502 -.0245472 m3 | .0629213 .0067583 9.31 0.000 .0496753 .0761672 m4 | .0558065 .0067549 8.26 0.000 .0425671 .0690459 m5 | .0063465 .0067536 0.94 0.347 -.0068904 .0195833 m6 | -.0240022 .0067453 -3.56 0.000 -.0372226 -.0107817 m7 | -.0596986 .006537 -9.13 0.000 -.0725109 -.0468863 m8 | -.117025 .0069216 -16.91 0.000 -.1305912 -.1034589 m9 | -.0860016 .0069242 -12.42 0.000 -.0995729 -.0724304 m10 | -.0732674 .0069179 -10.59 0.000 -.0868263 -.0597085 m11 | -.0535176 .0069158 -7.74 0.000 -.0670724 -.0399628 m12 | -.0272419 .0069164 -3.94 0.000 -.0407978 -.013686 ano2 | .0582617 .0057492 10.13 0.000 .0469936 .0695298 ano3 | .0373223 .0057815 6.46 0.000 .0259908 .0486539 ano4 | .0275838 .005809 4.75 0.000 .0161985 .0389691 ano5 | .02328 .0058433 3.98 0.000 .0118273 .0347326 ano6 | .0041504 .0068023 0.61 0.542 -.0091819 .0174827 ramo3 | -1.118854 .544247 -2.06 0.040 -2.185558 -.052149 ramo4 | -1.586425 .5548858 -2.86 0.004 -2.673981 -.4988687 ramo12 | -1.626537 .5597285 -2.91 0.004 -2.723584 -.5294889 ramo41 | -1.238222 .5569896 -2.22 0.026 -2.329902 -.1465425 ramo61 | -.9454872 .5518444 -1.71 0.087 -2.027082 .1361079 ramo79 | -1.290925 .6173143 -2.09 0.037 -2.500838 -.0810109 ramo84 | -1.040246 .6682652 -1.56 0.120 -2.350021 .2695299 un2 | -.4977007 .2154364 -2.31 0.021 -.9199483 -.0754532 un3 | -.4416981 .0715753 -6.17 0.000 -.5819832 -.301413 un4 | -.718039 .1741844 -4.12 0.000 -1.059434 -.3766438 un5 | -.7873898 .1603853 -4.91 0.000 -1.101739 -.4730404 un6 | -.6265747 .1239475 -5.06 0.000 -.8695074 -.383642 un7 | -.6237387 .1075334 -5.80 0.000 -.8345003 -.4129771 un8 | -.8222267 .1099705 -7.48 0.000 -1.037765 -.6066886 un9 | .3574242 .0861162 4.15 0.000 .1886394 .5262089 un10 | -.7729393 .1261964 -6.12 0.000 -1.02028 -.5255989 un11 | 1.158812 .0498303 23.26 0.000 1.061147 1.256478 un12 | .2578011 .076931 3.35 0.001 .1070191 .4085831 un13 | .8140902 .0750827 10.84 0.000 .6669307 .9612496 un14 | .6181395 .1154497 5.35 0.000 .3918622 .8444168 un15 | .6954785 .0857766 8.11 0.000 .5273594 .8635975 _cons | 4.720391 .5447061 8.67 0.000 3.652786 5.787995 -------------+---------------------------------------------------------------- sigma_u | .93575007 sigma_e | .52764561 rho | .75875156 (fraction de variance due to u_i) ------------------------------------------------------------------------------
94
Elasticidades y = Xb (predict) = 3.6504084 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3406545 .00309 -110.31 0.000 -.346707 -.334602 5.16769 m2 | -.0031194 .00056 -5.59 0.000 -.004213 -.002026 .082527 m3 | .0052054 .00056 9.31 0.000 .00411 .006301 .082729 m4 | .0046273 .00056 8.26 0.000 .00353 .005725 .082918 m5 | .0005269 .00056 0.94 0.347 -.000572 .001626 .083019 m6 | -.0020035 .00056 -3.56 0.000 -.003107 -.0009 .08347 m7 | -.005863 .00064 -9.13 0.000 -.007121 -.004605 .09821 m8 | -.0094574 .00056 -16.91 0.000 -.010554 -.008361 .080815 m9 | -.0069433 .00056 -12.42 0.000 -.008039 -.005848 .080734 m10 | -.0059409 .00056 -10.59 0.000 -.00704 -.004841 .081085 m11 | -.0043514 .00056 -7.74 0.000 -.005453 -.003249 .081307 m12 | -.0022155 .00056 -3.94 0.000 -.003318 -.001113 .081327 ano2 | .0112682 .00111 10.13 0.000 .009089 .013448 .193407 ano3 | .0072904 .00113 6.46 0.000 .005077 .009504 .195335 ano4 | .0054862 .00116 4.75 0.000 .003222 .007751 .198893 ano5 | .0046997 .00118 3.98 0.000 .002388 .007012 .201879 ano6 | .0004978 .00082 0.61 0.542 -.001101 .002097 .119945 ramo3 | -.997743 .48533 -2.06 0.040 -1.94898 -.046504 .891755 ramo4 | -.0394853 .01381 -2.86 0.004 -.066554 -.012417 .024889 ramo12 | -.0237114 .00816 -2.91 0.004 -.039704 -.007719 .014578 ramo41 | -.029158 .01312 -2.22 0.026 -.054865 -.003451 .023548 ramo61 | -.037558 .02192 -1.71 0.087 -.080523 .005407 .039723 ramo79 | -.0040196 .00192 -2.09 0.037 -.007787 -.000252 .003114 ramo84 | -.0016616 .00107 -1.56 0.120 -.003754 .000431 .001597 un2 | -.0021837 .00095 -2.31 0.021 -.004036 -.000331 .004388 un3 | -.0350469 .00568 -6.17 0.000 -.046178 -.023916 .079346 un4 | -.0063202 .00153 -4.12 0.000 -.009325 -.003315 .008802 un5 | -.0086446 .00176 -4.91 0.000 -.012096 -.005193 .010979 un6 | -.0137539 .00272 -5.06 0.000 -.019087 -.008421 .021951 un7 | -.0173868 .003 -5.80 0.000 -.023262 -.011512 .027875 un8 | -.0221494 .00296 -7.48 0.000 -.027956 -.016343 .026938 un9 | .0179126 .00432 4.15 0.000 .009454 .026371 .050116 un10 | -.0167636 .00274 -6.12 0.000 -.022128 -.011399 .021688 un11 | .3751988 .01613 23.26 0.000 .343577 .406821 .323779 un12 | .0167563 .005 3.35 0.001 .006956 .026557 .064997 un13 | .0622134 .00574 10.84 0.000 .050967 .073459 .076421 un14 | .0162725 .00304 5.35 0.000 .010316 .022229 .026325 un15 | .0381966 .00471 8.11 0.000 .028963 .04743 .054921 ------------------------------------------------------------------------------
Pesquisa e Desenvolvimento Efeitos Aleatorios - reg GLS Numero de obs = 81 Grupo Variável: rgi Numero de Grupos = 3 R-sq: within = 0.7853 Obs per Grupo: min = 3 between = 0.9998 avg = 27.0 overall = 0.8405 max = 53 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(18) = 784.21 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.1000325 .0086064 -11.62 0.000 -.1169008 -.0831643 m2 | .0980119 .2259783 0.43 0.664 -.3448974 .5409212 m3 | .0908146 .2260559 0.40 0.688 -.3522469 .533876 m4 | .0878307 .2246081 0.39 0.696 -.3523931 .5280545
95
m5 | .1090602 .2246986 0.49 0.627 -.3313409 .5494613 m6 | .0671151 .2248256 0.30 0.765 -.3735351 .5077653 m7 | -.0019492 .2187733 -0.01 0.993 -.430737 .4268386 m8 | .5427039 .2468874 2.20 0.028 .0588134 1.026594 m9 | -.1047524 .2381238 -0.44 0.660 -.5714665 .3619617 m10 | -.1529168 .2695175 -0.57 0.570 -.6811613 .3753277 m11 | .0092453 .2327399 0.04 0.968 -.4469166 .4654072 m12 | .1982528 .2370174 0.84 0.403 -.2662927 .6627983 ano2 | -.1728937 .1772603 -0.98 0.329 -.5203175 .1745301 ano3 | .0084818 .1839073 0.05 0.963 -.3519699 .3689336 ano4 | -.0837807 .1961934 -0.43 0.669 -.4683128 .3007514 ano5 | -.1497511 .2222002 -0.67 0.500 -.5852554 .2857532 ano6 | .2851856 .2380998 1.20 0.231 -.1814815 .7518527 ramo82 | 3.358643 .3147542 10.67 0.000 2.741736 3.97555 un6 | -1.39677 .2893477 -4.83 0.000 -1.963881 -.8296589 -------------+---------------------------------------------------------------- sigma_u | 0 sigma_e | .42258908 rho | 0 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = .99838269 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -1.04356 .08978 -11.62 0.000 -1.21953 -.867587 10.4322 m2 | .0084702 .01953 0.43 0.664 -.029806 .046746 .08642 m3 | .0078482 .01954 0.40 0.688 -.030441 .046137 .08642 m4 | .0075903 .01941 0.39 0.696 -.030454 .045634 .08642 m5 | .009425 .01942 0.49 0.627 -.028634 .047484 .08642 m6 | .0058001 .01943 0.30 0.765 -.032281 .043881 .08642 m7 | -.0002166 .02431 -0.01 0.993 -.04786 .047427 .111111 m8 | .0402003 .01829 2.20 0.028 .004357 .076044 .074074 m9 | -.0090527 .02058 -0.44 0.660 -.049386 .031281 .08642 m10 | -.0075514 .01331 -0.57 0.570 -.033638 .018535 .049383 m11 | .000799 .02011 0.04 0.968 -.038622 .04022 .08642 m12 | .0146854 .01756 0.84 0.403 -.019725 .049096 .074074 ano2 | -.0490933 .05033 -0.98 0.329 -.147744 .049558 .283951 ano3 | .0019896 .04314 0.05 0.963 -.082561 .08654 .234568 ano4 | -.012412 .02907 -0.43 0.669 -.06938 .044556 .148148 ano5 | -.0147902 .02195 -0.67 0.500 -.057803 .028223 .098765 ano6 | .0246457 .02058 1.20 0.231 -.015684 .064975 .08642 ramo82 | 3.358643 .31475 10.67 0.000 2.74174 3.97555 1 un6 | -1.345038 .27863 -4.83 0.000 -1.89114 -.798931 .962963 ------------------------------------------------------------------------------
Petroquímicas e Indústria Química Efeitos Aleatorios - reg GLS Numero de obs = 12838 Grupo Variável: rgi Numero de Grupos = 225 R-sq: within = 0.0614 Obs per Grupo: min = 1 between = 0.2515 avg = 57.1 overall = 0.1952 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(32) = 917.76 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf]
96
-------------+---------------------------------------------------------------- preco | .0865101 .0037728 22.93 0.000 .0791157 .0939046 m2 | -.0556197 .0241319 -2.30 0.021 -.1029173 -.0083221 m3 | -.006831 .0241369 -0.28 0.777 -.0541385 .0404765 m4 | .0129776 .0241184 0.54 0.591 -.0342936 .0602487 m5 | -.0143832 .0241517 -0.60 0.551 -.0617197 .0329534 m6 | -.0319578 .0241199 -1.32 0.185 -.079232 .0153164 m7 | -.0418478 .0234063 -1.79 0.074 -.0877234 .0040277 m8 | -.0338361 .024731 -1.37 0.171 -.0823079 .0146357 m9 | -.0153122 .0246929 -0.62 0.535 -.0637094 .033085 m10 | -.0545156 .0247031 -2.21 0.027 -.1029328 -.0060984 m11 | -.0547814 .0247524 -2.21 0.027 -.1032952 -.0062677 m12 | -.0543552 .0247719 -2.19 0.028 -.1029072 -.0058032 ano2 | -.0266294 .0205609 -1.30 0.195 -.0669281 .0136693 ano3 | -.1509486 .0207713 -7.27 0.000 -.1916596 -.1102377 ano4 | -.2503835 .0211973 -11.81 0.000 -.2919295 -.2088375 ano5 | -.3256305 .0214785 -15.16 0.000 -.3677277 -.2835334 ano6 | -.3886105 .0249274 -15.59 0.000 -.4374672 -.3397538 ramo51 | .8248968 1.01707 0.81 0.417 -1.168524 2.818318 ramo53 | 1.417085 .7693682 1.84 0.065 -.0908487 2.925019 ramo64 | 1.058495 .7306689 1.45 0.147 -.3735898 2.49058 ramo68 | .976479 .7274243 1.34 0.179 -.4492464 2.402204 un3 | .5072822 .3455508 1.47 0.142 -.169985 1.184549 un4 | -.6546335 .8060659 -0.81 0.417 -2.234494 .9252265 un5 | -1.233715 .7630623 -1.62 0.106 -2.729289 .26186 un6 | -.8305696 .3497752 -2.37 0.018 -1.516116 -.1450228 un8 | -2.095234 .5784192 -3.62 0.000 -3.228915 -.9615533 un10 | -1.103152 .4546912 -2.43 0.015 -1.99433 -.2119732 un11 | -.5667836 .3016512 -1.88 0.060 -1.158009 .0244419 un12 | -.9147651 .3218234 -2.84 0.004 -1.545527 -.2840027 un13 | -.3235468 .3078154 -1.05 0.293 -.9268538 .2797602 un14 | -.8747173 .3408379 -2.57 0.010 -1.542747 -.2066873 un15 | -.498562 .320825 -1.55 0.120 -1.127367 .1302434 _cons | 3.587628 .7792491 4.60 0.000 2.060328 5.114929 -------------+---------------------------------------------------------------- sigma_u | .69151178 sigma_e | .55176929 rho | .6109959 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 4.3961234 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | .5348108 .02332 22.93 0.000 .489098 .580524 6.18206 m2 | -.004627 .00201 -2.30 0.021 -.008562 -.000692 .083191 m3 | -.0005672 .002 -0.28 0.777 -.004495 .003361 .083035 m4 | .0010816 .00201 0.54 0.591 -.002858 .005022 .083346 m5 | -.0011921 .002 -0.60 0.551 -.005115 .002731 .082879 m6 | -.0026611 .00201 -1.32 0.185 -.006598 .001275 .083268 m7 | -.0040779 .00228 -1.79 0.074 -.008548 .000392 .097445 m8 | -.0027331 .002 -1.37 0.171 -.006648 .001182 .080776 m9 | -.001244 .00201 -0.62 0.535 -.005176 .002688 .081243 m10 | -.0044418 .00201 -2.21 0.027 -.008387 -.000497 .081477 m11 | -.0044464 .00201 -2.21 0.027 -.008384 -.000509 .081165 m12 | -.0043991 .002 -2.19 0.028 -.008328 -.00047 .080932 ano2 | -.0052894 .00408 -1.30 0.195 -.013294 .002715 .198629 ano3 | -.0301239 .00415 -7.27 0.000 -.038248 -.021999 .199564 ano4 | -.0495189 .00419 -11.81 0.000 -.057736 -.041302 .197772 ano5 | -.0648065 .00427 -15.16 0.000 -.073185 -.056428 .199019 ano6 | -.0447395 .00287 -15.59 0.000 -.050364 -.039115 .115127
97
ramo51 | .0035982 .00444 0.81 0.417 -.005097 .012294 .004362 ramo53 | .0604894 .03284 1.84 0.065 -.003878 .124857 .042686 ramo64 | .589601 .407 1.45 0.147 -.208096 1.3873 .557018 ramo68 | .3819814 .28456 1.34 0.179 -.175737 .9397 .391182 un3 | .0290429 .01978 1.47 0.142 -.009732 .067818 .057252 un4 | -.000204 .00025 -0.81 0.417 -.000696 .000288 .000312 un5 | -.005862 .00363 -1.62 0.106 -.012968 .001244 .004752 un6 | -.0384295 .01618 -2.37 0.018 -.070149 -.00671 .046269 un8 | -.0187687 .00518 -3.62 0.000 -.028924 -.008613 .008958 un10 | -.0174435 .00719 -2.43 0.015 -.031535 -.003352 .015812 un11 | -.15951 .08489 -1.88 0.060 -.325899 .006879 .28143 un12 | -.1393738 .04903 -2.84 0.004 -.235477 -.043271 .15236 un13 | -.0686258 .06529 -1.05 0.293 -.19659 .059338 .212105 un14 | -.0594137 .02315 -2.57 0.010 -.104789 -.014039 .067923 un15 | -.0596115 .03836 -1.55 0.120 -.134796 .015573 .119567 ------------------------------------------------------------------------------
Serviços Gráficos Efeitos Aleatorios - reg GLS Numero de obs = 4026 Grupo Variável: rgi Numero de Grupos = 74 R-sq: within = 0.0582 Obs per Grupo: min = 1 between = 0.4208 avg = 54.4 overall = 0.2969 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(25) = 1930.68 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0540345 .0053886 -10.03 0.000 -.0645959 -.0434731 m2 | -.1035357 .048371 -2.14 0.032 -.198341 -.0087303 m3 | -.0025033 .0482581 -0.05 0.959 -.0970875 .0920809 m4 | .0428997 .0484045 0.89 0.375 -.0519713 .1377708 m5 | .0150137 .0483389 0.31 0.756 -.0797288 .1097563 m6 | .0398902 .0481798 0.83 0.408 -.0545405 .1343208 m7 | .0081111 .0465318 0.17 0.862 -.0830896 .0993117 m8 | .0164917 .0490064 0.34 0.736 -.079559 .1125424 m9 | .0880089 .0490276 1.80 0.073 -.0080833 .1841012 m10 | .0365998 .0491816 0.74 0.457 -.0597943 .132994 m11 | .0403636 .0493612 0.82 0.414 -.0563827 .1371098 m12 | .0080086 .0494841 0.16 0.871 -.0889785 .1049956 ano2 | .0923216 .0400451 2.31 0.021 .0138345 .1708086 ano3 | -.0247035 .0404243 -0.61 0.541 -.1039336 .0545267 ano4 | -.1116912 .0405006 -2.76 0.006 -.1910709 -.0323116 ano5 | -.0796512 .0409449 -1.95 0.052 -.1599017 .0005993 ano6 | -.1489822 .0481907 -3.09 0.002 -.2434342 -.0545301 ramo35 | 2.669075 .3419141 7.81 0.000 1.998935 3.339214 un3 | .1450094 .5113856 0.28 0.777 -.857288 1.147307 un6 | -.3217685 .9115793 -0.35 0.724 -2.108431 1.464894 un7 | -.7449052 .8910778 -0.84 0.403 -2.491386 1.001575 un8 | -.1939273 .8912133 -0.22 0.828 -1.940673 1.552819 un11 | 1.870135 .362386 5.16 0.000 1.159872 2.580399 un12 | 1.706658 .4767393 3.58 0.000 .7722663 2.64105 un13 | 2.039249 .4353365 4.68 0.000 1.186005 2.892493 un15 | 2.434759 .4767661 5.11 0.000 1.500315 3.369204 -------------+---------------------------------------------------------------- sigma_u | .81872505 sigma_e | .61739985 rho | .63748454 (fraction de variance due to u_i) ------------------------------------------------------------------------------
98
Elasticidades y = Xb (predict) = 3.9325019 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.332181 .03313 -10.03 0.000 -.397108 -.267254 6.14758 m2 | -.0084351 .00394 -2.14 0.032 -.016159 -.000711 .08147 m3 | -.0002058 .00397 -0.05 0.959 -.007982 .00757 .082216 m4 | .0034844 .00393 0.89 0.375 -.004221 .01119 .081222 m5 | .0012269 .00395 0.31 0.756 -.006515 .008969 .081719 m6 | .0032994 .00399 0.83 0.408 -.004511 .01111 .082712 m7 | .0008059 .00462 0.17 0.862 -.008255 .009867 .099354 m8 | .0013764 .00409 0.34 0.736 -.00664 .009393 .083458 m9 | .007345 .00409 1.80 0.073 -.000675 .015365 .083458 m10 | .003 .00403 0.74 0.457 -.004901 .010901 .081967 m11 | .0032684 .004 0.82 0.414 -.004566 .011102 .080974 m12 | .0006405 .00396 0.16 0.871 -.007117 .008398 .07998 ano2 | .0183909 .00798 2.31 0.021 .002756 .034026 .199205 ano3 | -.0047554 .00778 -0.61 0.541 -.020007 .010496 .192499 ano4 | -.0223327 .0081 -2.76 0.006 -.038205 -.006461 .19995 ano5 | -.0158471 .00815 -1.95 0.052 -.031814 .000119 .198957 ano6 | -.0170963 .00553 -3.09 0.002 -.027935 -.006258 .114754 ramo35 | 2.669075 .34191 7.81 0.000 1.99894 3.33921 1 un3 | .0069515 .02452 0.28 0.777 -.041097 .055 .047938 un6 | -.0007193 .00204 -0.35 0.724 -.004713 .003275 .002235 un7 | -.0112864 .0135 -0.84 0.403 -.037748 .015175 .015152 un8 | -.0029383 .0135 -0.22 0.828 -.029404 .023528 .015152 un11 | 1.019145 .19749 5.16 0.000 .632081 1.40621 .544958 un12 | .1475204 .04121 3.58 0.000 .066753 .228287 .086438 un13 | .2456621 .05244 4.68 0.000 .142874 .34845 .120467 un15 | .2171084 .04251 5.11 0.000 .133784 .300433 .08917 ------------------------------------------------------------------------------
Serviços - Outros Efeitos Aleatorios - reg GLS Numero de obs = 154064 Grupo Variável: rgi Numero de Grupos = 3198 R-sq: within = 0.2291 Obs per Grupo: min = 1 between = 0.5377 avg = 48.2 overall = 0.4576 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(39) = 48607.77 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0923339 .0004425 -208.66 0.000 -.0932012 -.0914666 m2 | -.0441701 .0064986 -6.80 0.000 -.056907 -.0314332 m3 | .0043961 .0064998 0.68 0.499 -.0083434 .0171355 m4 | .0134591 .006496 2.07 0.038 .0007273 .026191 m5 | .0047238 .0064966 0.73 0.467 -.0080093 .017457 m6 | .0044073 .0064829 0.68 0.497 -.008299 .0171137 m7 | -.0269647 .0062875 -4.29 0.000 -.039288 -.0146413 m8 | -.0713304 .0066741 -10.69 0.000 -.0844114 -.0582494 m9 | -.0454891 .0066676 -6.82 0.000 -.0585573 -.0324209 m10 | -.0382113 .0066665 -5.73 0.000 -.0512775 -.0251451 m11 | -.00981 .0066551 -1.47 0.140 -.0228537 .0032337 m12 | .0082013 .0066488 1.23 0.217 -.0048301 .0212326 ano2 | .0279564 .0056725 4.93 0.000 .0168385 .0390742 ano3 | -.0151719 .0056744 -2.67 0.008 -.0262935 -.0040503 ano4 | -.0049419 .0056848 -0.87 0.385 -.0160839 .0062001 ano5 | -.0040925 .005703 -0.72 0.473 -.0152701 .0070851 ano6 | -.0203571 .0066015 -3.08 0.002 -.0332959 -.0074184 ramo8 | -.1684022 .1135007 -1.48 0.138 -.3908595 .0540551
99
ramo10 | -.562226 .109142 -5.15 0.000 -.7761404 -.3483117 ramo14 | -.0216263 1.000449 -0.02 0.983 -1.98247 1.939218 ramo74 | -.9168283 .5103789 -1.80 0.072 -1.917152 .0834959 ramo76 | -.3685298 .1685346 -2.19 0.029 -.6988515 -.0382081 ramo80 | -.1253359 .5096241 -0.25 0.806 -1.124181 .873509 ramo89 | -.4124483 .1123692 -3.67 0.000 -.6326879 -.1922088 ramo90 | -.5439526 .1080403 -5.03 0.000 -.7557077 -.3321975 un2 | -.7610755 .1314748 -5.79 0.000 -1.018761 -.5033896 un3 | -.4385292 .0676392 -6.48 0.000 -.5710996 -.3059589 un4 | -.7958505 .1275733 -6.24 0.000 -1.04589 -.5458115 un5 | -.6988493 .0906827 -7.71 0.000 -.8765841 -.5211144 un6 | -.3778071 .1055448 -3.58 0.000 -.5846711 -.1709431 un7 | -.6137236 .0674337 -9.10 0.000 -.7458912 -.481556 un8 | -.6143646 .0961057 -6.39 0.000 -.8027284 -.4260008 un9 | .1358276 .1591336 0.85 0.393 -.1760686 .4477237 un10 | -.5527349 .1144625 -4.83 0.000 -.7770773 -.3283926 un11 | 1.609896 .0559215 28.79 0.000 1.500292 1.7195 un12 | .4916435 .0851105 5.78 0.000 .32483 .6584571 un13 | 1.246457 .0805882 15.47 0.000 1.088507 1.404407 un14 | .8821744 .1386423 6.36 0.000 .6104405 1.153908 un15 | 1.049926 .0956695 10.97 0.000 .8624169 1.237434 _cons | 3.746582 .1089338 34.39 0.000 3.533076 3.960088 -------------+---------------------------------------------------------------- sigma_u | .98345768 sigma_e | .51729147 rho | .78328886 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 3.1409875 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.4998088 .0024 -208.66 0.000 -.504504 -.495114 5.41306 m2 | -.0036591 .00054 -6.80 0.000 -.004714 -.002604 .082842 m3 | .0003641 .00054 0.68 0.499 -.000691 .001419 .082829 m4 | .0011185 .00054 2.07 0.038 .00006 .002177 .083102 m5 | .0003926 .00054 0.73 0.467 -.000666 .001451 .083121 m6 | .0003697 .00054 0.68 0.497 -.000696 .001436 .083881 m7 | -.0026477 .00062 -4.29 0.000 -.003858 -.001438 .098193 m8 | -.0057156 .00053 -10.69 0.000 -.006764 -.004667 .080129 m9 | -.0036627 .00054 -6.82 0.000 -.004715 -.00261 .080518 m10 | -.0030792 .00054 -5.73 0.000 -.004132 -.002026 .080583 m11 | -.0007962 .00054 -1.47 0.140 -.001855 .000262 .081161 m12 | .0006689 .00054 1.23 0.217 -.000394 .001732 .081564 ano2 | .0051388 .00104 4.93 0.000 .003095 .007182 .183813 ano3 | -.0029394 .0011 -2.67 0.008 -.005094 -.000785 .193738 ano4 | -.0010007 .00115 -0.87 0.385 -.003257 .001255 .202487 ano5 | -.0008542 .00119 -0.72 0.473 -.003187 .001479 .208725 ano6 | -.0025559 .00083 -3.08 0.002 -.00418 -.000931 .125552 ramo8 | -.0255482 .01722 -1.48 0.138 -.059297 .008201 .15171 ramo10 | -.1487236 .02887 -5.15 0.000 -.20531 -.092138 .264526 ramo14 | -8.56e-06 .0004 -0.02 0.983 -.000785 .000768 .000396 ramo74 | -.001095 .00061 -1.80 0.072 -.00229 .0001 .001194 ramo76 | -.005406 .00247 -2.19 0.029 -.010252 -.00056 .014669 ramo80 | -.0001977 .0008 -0.25 0.806 -.001773 .001378 .001577 ramo89 | -.0865675 .02358 -3.67 0.000 -.132793 -.040342 .209887 ramo90 | -.179451 .03564 -5.03 0.000 -.249309 -.109593 .329902 un2 | -.0102999 .00178 -5.79 0.000 -.013787 -.006813 .013533 un3 | -.0399835 .00617 -6.48 0.000 -.052071 -.027896 .091176 un4 | -.0142574 .00229 -6.24 0.000 -.018737 -.009778 .017915 un5 | -.0266632 .00346 -7.71 0.000 -.033444 -.019882 .038153
100
un6 | -.0112388 .00314 -3.58 0.000 -.017392 -.005085 .029747 un7 | -.0581202 .00639 -9.10 0.000 -.070637 -.045604 .094701 un8 | -.0235316 .00368 -6.39 0.000 -.030746 -.016317 .038302 un9 | .0016486 .00193 0.85 0.393 -.002137 .005434 .012138 un10 | -.0140745 .00291 -4.83 0.000 -.019787 -.008362 .025463 un11 | .3869877 .01344 28.79 0.000 .360641 .413334 .240381 un12 | .026426 .00457 5.78 0.000 .01746 .035392 .05375 un13 | .0820378 .0053 15.47 0.000 .071642 .092434 .065817 un14 | .017619 .00277 6.36 0.000 .012192 .023046 .019972 un15 | .0435197 .00397 10.97 0.000 .035747 .051292 .04145 ------------------------------------------------------------------------------
Telecomunicações Efeitos Aleatorios - reg GLS Numero de obs = 4200 Grupo Variável: rgi Numero de Grupos = 83 R-sq: within = 0.1731 Obs per Grupo: min = 2 between = 0.5911 avg = 50.6 overall = 0.4785 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(30) = 958.67 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.070372 .0024676 -28.52 0.000 -.0752083 -.0655356 m2 | -.0415008 .0489917 -0.85 0.397 -.1375227 .0545212 m3 | -.006222 .0489423 -0.13 0.899 -.1021472 .0897032 m4 | -.0091083 .048851 -0.19 0.852 -.1048546 .0866379 m5 | -.0136693 .0489381 -0.28 0.780 -.1095862 .0822476 m6 | -.0206883 .0490313 -0.42 0.673 -.1167879 .0754114 m7 | -.0303956 .0474654 -0.64 0.522 -.1234261 .0626348 m8 | -.0139924 .0504969 -0.28 0.782 -.1129646 .0849798 m9 | -.039726 .0501555 -0.79 0.428 -.138029 .0585769 m10 | -.0465601 .0502037 -0.93 0.354 -.1449576 .0518374 m11 | -.0183767 .0501682 -0.37 0.714 -.1167046 .0799512 m12 | .002135 .0502113 0.04 0.966 -.0962774 .1005474 ano2 | .0942795 .0420952 2.24 0.025 .0117744 .1767846 ano3 | .0293083 .0423422 0.69 0.489 -.053681 .1122976 ano4 | -.0241242 .0423354 -0.57 0.569 -.1071 .0588516 ano5 | -.0119599 .0424959 -0.28 0.778 -.0952503 .0713305 ano6 | .0748375 .0497605 1.50 0.133 -.0226913 .1723663 ramo93 | 2.295593 .7435815 3.09 0.002 .8382001 3.752986 un2 | -.2128462 1.174944 -0.18 0.856 -2.515694 2.090002 un3 | -1.823257 .6195286 -2.94 0.003 -3.037511 -.6090037 un4 | -2.248488 1.173071 -1.92 0.055 -4.547664 .0506885 un6 | -1.133919 .7020348 -1.62 0.106 -2.509882 .2420438 un7 | -1.235286 .4471003 -2.76 0.006 -2.111587 -.358986 un8 | -.3272506 1.171882 -0.28 0.780 -2.624097 1.969596 un9 | -.8035372 1.176979 -0.68 0.495 -3.110374 1.503299 un10 | -2.073407 .8491338 -2.44 0.015 -3.737679 -.4091352 un11 | .7942135 .391257 2.03 0.042 .027364 1.561063 un12 | .3173689 .4906555 0.65 0.518 -.6442982 1.279036 un13 | 1.565648 .5619139 2.79 0.005 .4643166 2.666979 un15 | .4621542 .6179531 0.75 0.455 -.7490116 1.67332 _cons | 3.751523 .2322507 16.15 0.000 3.29632 4.206726 -------------+---------------------------------------------------------------- sigma_u | 1.1467227 sigma_e | .64451002 rho | .75993914 (fraction de variance due to u_i) ------------------------------------------------------------------------------
101
Elasticidades y = Xb (predict) = 3.309365 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.4845834 .01699 -28.52 0.000 -.517887 -.45128 6.88603 m2 | -.0034485 .00407 -0.85 0.397 -.011427 .00453 .083095 m3 | -.0005185 .00408 -0.13 0.899 -.008512 .007475 .083333 m4 | -.0007655 .00411 -0.19 0.852 -.008813 .007282 .084048 m5 | -.0011424 .00409 -0.28 0.780 -.009158 .006874 .083571 m6 | -.0017142 .00406 -0.42 0.673 -.009677 .006248 .082857 m7 | -.00296 .00462 -0.64 0.522 -.012019 .006099 .097381 m8 | -.0011027 .00398 -0.28 0.782 -.008903 .006697 .07881 m9 | -.0032254 .00407 -0.79 0.428 -.011207 .004756 .08119 m10 | -.0037691 .00406 -0.93 0.354 -.011735 .004196 .080952 m11 | -.001492 .00407 -0.37 0.714 -.009475 .006491 .08119 m12 | .0001738 .00409 0.04 0.966 -.00784 .008187 .081429 ano2 | .0186763 .00834 2.24 0.025 .002332 .03502 .198095 ano3 | .0058058 .00839 0.69 0.489 -.010634 .022246 .198095 ano4 | -.0048191 .00846 -0.57 0.569 -.021395 .011756 .199762 ano5 | -.0024176 .00859 -0.28 0.778 -.019254 .014419 .202143 ano6 | .0085529 .00569 1.50 0.133 -.002593 .019699 .114286 ramo93 | .191846 .06214 3.09 0.002 .07005 .313642 .083571 un2 | -.0018244 .01007 -0.18 0.856 -.021563 .017914 .008571 un3 | -.2322483 .07892 -2.94 0.003 -.386921 -.077575 .127381 un4 | -.0273031 .01424 -1.92 0.055 -.055222 .000616 .012143 un6 | -.0399571 .02474 -1.62 0.106 -.088443 .008529 .035238 un7 | -.1058817 .03832 -2.76 0.006 -.180993 -.03077 .085714 un8 | -.0047529 .01702 -0.28 0.780 -.038112 .028606 .014524 un9 | -.0063135 .00925 -0.68 0.495 -.024439 .011812 .007857 un10 | -.0350504 .01435 -2.44 0.015 -.063185 -.006916 .016905 un11 | .1350163 .06651 2.03 0.042 .004652 .265381 .17 un12 | .0265985 .04112 0.65 0.518 -.053998 .107195 .08381 un13 | .1107137 .03974 2.79 0.005 .032834 .188593 .070714 un15 | .0257486 .03443 0.75 0.455 -.041731 .093228 .055714 ------------------------------------------------------------------------------
Serviços de Transporte Efeitos Aleatorios - reg GLS Numero de obs = 24144 Grupo Variável: rgi Numero de Grupos = 458 R-sq: within = 0.0565 Obs per Grupo: min = 1 between = 0.1402 avg = 52.7 overall = 0.0916 max = 61 Efeit. Aleatorios u_i ~ Gaussian Wald chi2(34) = 1490.53 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 ------------------------------------------------------------------------------ log_quantid. | Coef. Erro-Pad z P>|z| [95% IntervaloConf] -------------+---------------------------------------------------------------- preco | -.0557908 .0020249 -27.55 0.000 -.0597595 -.0518222 m2 | -.0378395 .021046 -1.80 0.072 -.0790889 .00341 m3 | .009745 .021042 0.46 0.643 -.0314965 .0509865 m4 | .0546568 .0210204 2.60 0.009 .0134576 .095856 m5 | .008005 .0210273 0.38 0.703 -.0332078 .0492177 m6 | -.0252026 .021011 -1.20 0.230 -.0663835 .0159783 m7 | -.060002 .0203457 -2.95 0.003 -.099879 -.0201251 m8 | -.1019747 .0214988 -4.74 0.000 -.1441115 -.0598379 m9 | -.0871572 .0214604 -4.06 0.000 -.1292189 -.0450956 m10 | -.0890315 .0214463 -4.15 0.000 -.1310654 -.0469976 m11 | -.0505175 .02146 -2.35 0.019 -.0925783 -.0084567 m12 | -.0632625 .0214716 -2.95 0.003 -.105346 -.0211791 ano2 | -.0264336 .0177052 -1.49 0.135 -.0611352 .0082679 ano3 | -.1509258 .0178481 -8.46 0.000 -.1859073 -.1159442
102
ano4 | -.1994723 .0179833 -11.09 0.000 -.2347189 -.1642257 ano5 | -.2009473 .0181752 -11.06 0.000 -.2365701 -.1653245 ano6 | -.2299705 .0213274 -10.78 0.000 -.2717715 -.1881694 ramo6 | 1.192672 1.33312 0.89 0.371 -1.420195 3.805539 ramo52 | .876585 1.89542 0.46 0.644 -2.838369 4.591539 ramo54 | 2.666426 1.38628 1.92 0.054 -.0506321 5.383485 ramo58 | 1.234729 1.36352 0.91 0.365 -1.437722 3.907179 un3 | -.6340829 .3224324 -1.97 0.049 -1.266039 -.0021269 un4 | -1.483291 1.317682 -1.13 0.260 -4.0659 1.099319 un5 | -1.751813 .7660245 -2.29 0.022 -3.253193 -.2504323 un6 | -.376357 .8040692 -0.47 0.640 -1.952304 1.19959 un7 | -1.296471 .5975484 -2.17 0.030 -2.467645 -.1252979 un8 | -2.07769 .611832 -3.40 0.001 -3.276858 -.8785208 un9 | .1105209 .3149011 0.35 0.726 -.5066739 .7277158 un10 | -1.538513 .9374422 -1.64 0.101 -3.375866 .2988395 un11 | .6966887 .1727741 4.03 0.000 .3580577 1.03532 un12 | .5054362 .2028965 2.49 0.013 .1077664 .9031059 un13 | .3502791 .2298301 1.52 0.127 -.1001795 .8007378 un14 | -.1473243 .4205416 -0.35 0.726 -.9715708 .6769222 un15 | .2936174 .2401698 1.22 0.222 -.1771068 .7643416 _cons | 3.044551 1.337676 2.28 0.023 .4227535 5.666348 -------------+---------------------------------------------------------------- sigma_u | 1.3095651 sigma_e | .66184314 rho | .79654578 (fraction de variance due to u_i) ------------------------------------------------------------------------------ Elasticidades y = Xb (predict) = 3.9887231 ------------------------------------------------------------------------------ Variável | dy/ex Erro-Pad z P>|z| [ 95% C.I. ] X ---------+-------------------------------------------------------------------- preco | -.3233791 .01174 -27.55 0.000 -.346382 -.300376 5.79627 m2 | -.0031063 .00173 -1.80 0.072 -.006492 .00028 .082091 m3 | .0008012 .00173 0.46 0.643 -.002589 .004192 .082215 m4 | .0045117 .00174 2.60 0.009 .001111 .007913 .082546 m5 | .0006601 .00173 0.38 0.703 -.002738 .004059 .082464 m6 | -.0020846 .00174 -1.20 0.230 -.005491 .001322 .082712 m7 | -.0058576 .00199 -2.95 0.003 -.00975 -.001965 .097623 m8 | -.0082614 .00174 -4.74 0.000 -.011675 -.004848 .081014 m9 | -.0071187 .00175 -4.06 0.000 -.010554 -.003683 .081677 m10 | -.0072976 .00176 -4.15 0.000 -.010743 -.003852 .081967 m11 | -.0041324 .00176 -2.35 0.019 -.007573 -.000692 .081801 m12 | -.0051749 .00176 -2.95 0.003 -.008617 -.001732 .081801 ano2 | -.0052136 .00349 -1.49 0.135 -.012058 .001631 .197233 ano3 | -.0298926 .00354 -8.46 0.000 -.036821 -.022964 .198062 ano4 | -.0396565 .00358 -11.09 0.000 -.046664 -.032649 .198807 ano5 | -.0398998 .00361 -11.06 0.000 -.046973 -.032827 .198559 ano6 | -.0263079 .00244 -10.78 0.000 -.03109 -.021526 .114397 ramo6 | 1.088145 1.21628 0.89 0.371 -1.29573 3.47202 .912359 ramo52 | .0022147 .00479 0.46 0.644 -.007171 .011601 .002527 ramo54 | .0857002 .04456 1.92 0.054 -.001627 .173028 .03214 ramo58 | .0638229 .07048 0.91 0.365 -.074316 .201962 .05169 un3 | -.0255535 .01299 -1.97 0.049 -.051021 -.000086 .0403 un4 | -.0037475 .00333 -1.13 0.260 -.010273 .002777 .002527 un5 | -.0131328 .00574 -2.29 0.022 -.024388 -.001877 .007497 un6 | -.0027435 .00586 -0.47 0.640 -.014232 .008745 .00729 un7 | -.0147668 .00681 -2.17 0.030 -.028106 -.001427 .01139 un8 | -.0119615 .00352 -3.40 0.001 -.018865 -.005058 .005757 un9 | .0047515 .01354 0.35 0.726 -.021783 .031286 .042992 un10 | -.0049066 .00299 -1.64 0.101 -.010766 .000953 .003189 un11 | .1480579 .03672 4.03 0.000 .076093 .220023 .212517
103
un12 | .0714695 .02869 2.49 0.013 .015238 .127701 .141402 un13 | .0355444 .02332 1.52 0.127 -.010166 .081254 .101474 un14 | -.0030693 .00876 -0.35 0.726 -.020241 .014103 .020833 un15 | .0257572 .02107 1.22 0.222 -.015536 .067051 .087724 ------------------------------------------------------------------------------
Anexo D – Ramos de Atividades Agregados e Descrição das Atividades
Descrição do Ramo de Atividade Variável no Modelo
Código Sabesp
AGRICULTURA,PECUARIA E SERV.RELACIONADOS agric 100000
LAVOURAS TEMP,HORTICULTURA,PROD.VIVEIRO agric 110000
AGRICULTURA,PECUARIA E SERV.RELACIONADOS agric 111104
PRODUCAO DE LAVOURAS PERMANENTES agric 130000
AGRICULTURA,PECUARIA E SERV.RELACIONADOS agric 131105
PECUARIA, LAVOURA C/ PECUARIA agric 140000
AGRICULTURA,PECUARIA E SERV.RELACIONADOS agric 141100
SILVICULTURA,EXPLOR.FLORESTAL,SERV.RELAC agric 200000
SILVICULTURA,EXPL FLORESTAL E SERV RELAC agric 210000
SILVICULTURA,EXPLOR.FLORESTAL,SERV.RELAC agric 211109
PESCA,AQUICULTURA E SERV.RELACIONADOS agric 500000
PESCA, AQUICULTURA E SERV RELACIONADOS agric 510000
PESCA,AQUICULTURA E SERV.RELACIONADOS agric 511102
ATIVIDADE NAO IDENTIFICADA ativ_nao_id 9999999
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5000000
COMERCIO DE VEICULOS AUTOMOTORES comercio 5010000
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5010101
MANUT/REPARACAO DE VEICULOS AUTOMOTORES comercio 5020000
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5020107
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5020204
COM.PECAS/ACESSORIOS P/ VEICULOS AUTOM comercio 5030000
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5030102
COM,MANUT,REPARACAO MOTO,PECA,ACESSORIO comercio 5040000
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5041104
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5042100
COMERCIO A VAREJO DE COMBUSTIVEIS comercio 5050000
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5050103
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5050200
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL comercio 5050308
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5100000
INTERMEDIARIOS DO COMERCIO comercio 5110000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5111102
COM.ATAC.:AGROP.IN NAT;ALIMENT.P/ANIMAL comercio 5120000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5121000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5121108
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5121205
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5122104
COM.ATAC.PROD. ALIMENTICIOS,BEBIDAS,FUMO comercio 5130000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5131103
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5133106
104
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5136000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5136105
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5136202
COM. ATAC. ART. USO PESSOAL/DOMESTICO comercio 5140000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5141109
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5144108
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5145104
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5147107
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5149100
COM.ATAC.PROD.INTERM.NAO-AGROP,RESID,SUC comercio 5150000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5151104
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5153107
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5154103
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5155100
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5159105
COM. ATAC. MAQ/EQUIP USO NAO ESPEC.ANTES comercio 5160000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5161100
COM. ATAC. DE MERCADORIAS EM GERAL comercio 5190000
COM.ATACADO E INTERMEDIARIOS COMERCIO comercio 5191106
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5200000
COM. VAREJISTA NAO ESPECIALIZADO comercio 5210000
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5211107
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5212103
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5213100
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5213207
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5214106
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5215102
COM.VAREJ ALIM,BEBIDA,FUMO EM LOJA ESPEC comercio 5220000
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5221102
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5229103
COM.VAREJ TEC,ARMARIN,VEST EM LOJA ESPEC comercio 5230000
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5231108
COM. VAREJ OUTROS PROD. EM LOJA ESPEC comercio 5240000
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5241103
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5242100
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5243106
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5244102
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5245109
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5246105
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5247101
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5249104
COM. VAREJISTA DE ART USADOS EM LOJA comercio 5250000
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5250102
COMERCIO VAREJISTA NAO REALIZADO EM LOJA comercio 5260000
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5261104
REPARACAO DE OBJ. PESSOAIS/DOMESTICOS comercio 5270000
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST. comercio 5271100
CONSTRUCAO constr_civil 4500000
PREPARACAO DO TERRENO constr_civil 4510000
CONSTRUCAO constr_civil 4511107
CONSTRUCAO DE EDIF OBRAS DE ENG CIVIL constr_civil 4520000
CONSTRUCAO constr_civil 4521102
105
CONSTRUCAO constr_civil 4525108
CONSTRUCAO constr_civil 4529103
OBRAS INFRAESTR ENG ELETRICA/TELECOMUNIC constr_civil 4530000
CONSTRUCAO constr_civil 4531108
CONSTRUCAO constr_civil 4533100
OBRAS DE INSTALACOES constr_civil 4540000
CONSTRUCAO constr_civil 4541103
CONSTRUCAO constr_civil 4549104
OBRAS ACABAMENTOS E SERV. AUX DA CONSTR constr_civil 4550000
CONSTRUCAO constr_civil 4551109
ALUGUEL EQUIP CONSTR/DEMOL C/ OPERARIOS constr_civil 4560000
CONSTRUCAO constr_civil 4560108
IMOVEL DESOCUPADO desocupado 9999998
EDUCACAO educ_saude 8000000
EDUCACAO PRE-ESCOLAR E FUNDAMENTAL educ_saude 8010000
EDUCACAO educ_saude 8011000
EDUCACAO educ_saude 8011109
EDUCACAO educ_saude 8011117
EDUCACAO educ_saude 8011125
EDUCACAO educ_saude 8011133
EDUCACAO educ_saude 8012000
EDUCACAO educ_saude 8012105
EDUCACAO educ_saude 8012113
EDUCACAO educ_saude 8012121
EDUCACAO educ_saude 8012130
EDUC MEDIA FORMACAO GERAL PROF/TECNICA educ_saude 8020000
EDUCACAO educ_saude 8021104
EDUCACAO educ_saude 8021112
EDUCACAO SUPERIOR educ_saude 8030000
EDUCACAO educ_saude 8030103
EDUCACAO educ_saude 8030111
FORM PERMANENTE E OUTRAS ATIV DE ENSINO educ_saude 8090000
EDUCACAO educ_saude 8091102
EDUCACAO educ_saude 8093105
EDUCACAO educ_saude 8094101
EDUCACAO educ_saude 8095108
SAUDE E SERVICOS SOCIAIS educ_saude 8500000
ATIVIDADES DE ATENCAO A SAUDE educ_saude 8510000
SAUDE E SERVICOS SOCIAIS educ_saude 8511000
SAUDE E SERVICOS SOCIAIS educ_saude 8511101
SAUDE E SERVICOS SOCIAIS educ_saude 8511110
SAUDE E SERVICOS SOCIAIS educ_saude 8511209
SAUDE E SERVICOS SOCIAIS educ_saude 8511217
SAUDE E SERVICOS SOCIAIS educ_saude 8511306
SAUDE E SERVICOS SOCIAIS educ_saude 8512000
SAUDE E SERVICOS SOCIAIS educ_saude 8512108
SAUDE E SERVICOS SOCIAIS educ_saude 8512116
SAUDE E SERVICOS SOCIAIS educ_saude 8513000
SAUDE E SERVICOS SOCIAIS educ_saude 8513104
SAUDE E SERVICOS SOCIAIS educ_saude 8513201
SAUDE E SERVICOS SOCIAIS educ_saude 8513309
SAUDE E SERVICOS SOCIAIS educ_saude 8513406
106
SAUDE E SERVICOS SOCIAIS educ_saude 8514000
SAUDE E SERVICOS SOCIAIS educ_saude 8514100
SAUDE E SERVICOS SOCIAIS educ_saude 8514208
SAUDE E SERVICOS SOCIAIS educ_saude 8514305
SAUDE E SERVICOS SOCIAIS educ_saude 8514402
SAUDE E SERVICOS SOCIAIS educ_saude 8514500
SAUDE E SERVICOS SOCIAIS educ_saude 8515107
SAUDE E SERVICOS SOCIAIS educ_saude 8516000
SAUDE E SERVICOS SOCIAIS educ_saude 8516103
SAUDE E SERVICOS SOCIAIS educ_saude 8516200
SERVICOS VETERINARIOS educ_saude 8520000
SAUDE E SERVICOS SOCIAIS educ_saude 8520100
SAUDE E SERVICOS SOCIAIS educ_saude 8520208
SAUDE E SERVICOS SOCIAIS educ_saude 8520305
SERVICOS SOCIAIS educ_saude 8530000
SAUDE E SERVICOS SOCIAIS educ_saude 8531102
SAUDE E SERVICOS SOCIAIS educ_saude 8532000
SAUDE E SERVICOS SOCIAIS educ_saude 8532109
SAUDE E SERVICOS SOCIAIS educ_saude 8532206
SAUDE E SERVICOS SOCIAIS educ_saude 8532214
ELETRICIDADE,GAS E AGUA QUENTE eletric_san 4000000
PRODUCAO E DISTRIB DE ENERGIA ELETRICA eletric_san 4010000
ELETRICIDADE,GAS E AGUA QUENTE eletric_san 4010108
PRODUCAO E DISTRIB DE GAS POR TUBULACOES eletric_san 4020000
ELETRICIDADE,GAS E AGUA QUENTE eletric_san 4020103
PRODUCAO/DISTRIB DE VAPOR E AGUA QUENTE eletric_san 4030000
ELETRICIDADE,GAS E AGUA QUENTE eletric_san 4030109
CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA eletric_san 4100000
CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA eletric_san 4100107
EXTRACAO DE CARVAO MINERAL extrat 1000000
EXTRACAO DE CARVAO MINERAL extrat 1000101
EXTRACAO DE PETROLEO E SERV. CORRELATOS extrat 1100000
EXTRACAO DE PETROLEO E GAS NATURAL extrat 1110000
EXTRACAO DE PETROLEO E SERV. CORRELATOS extrat 1110101
EXTRACAO DE MINERAIS METALICOS extrat 1300000
EXTRACAO DE MINERIO DE FERRO extrat 1310000
EXTRACAO DE MINERAIS METALICOS extrat 1310100
EXTRACAO DE MINERAIS METALICOS NAO FERRO extrat 1320000
EXTRACAO DE MINERAIS METALICOS extrat 1321102
EXTRACAO DE MINERAIS NAO METALICOS extrat 1400000
EXTRACAO DE PEDRA, AREIA E ARGILA extrat 1410000
EXTRACAO DE MINERAIS NAO METALICOS extrat 1410105
EXTRACAO DE OUTROS MINERAIS NAO METALICO extrat 1420000
EXTRACAO DE MINERAIS NAO METALICOS extrat 1421107
EXTRACAO DE MINERAIS NAO METALICOS extrat 1422103
EXTRACAO DE MINERAIS NAO METALICOS extrat 1429108
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2900000 FABR MOTOR,BOMBA,COMPRESSOR,EQUIP.TRANSM fabr_maq 2910000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2911108
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2912104
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2913100
107
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2914107
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2915103
FABR DE MAQ E EQUIP DE USO GERAL fabr_maq 2920000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2921103
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2923106
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2924102
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2925109
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2929104
FABR MAQ/EQUIP AGRIC,AVIC,OBT PROD ANIMA fabr_maq 2930000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2931109
FABR DE MAQUINA-FERRAMENTA fabr_maq 2940000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2940108
FABR MAQ/EQUIP IND EXTR MINERAL E CONSTR fabr_maq 2950000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2951100
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2952106
FABR DE OUTRAS MAQ/EQUIP USO ESPECIFICO fabr_maq 2960000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2961105
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2962101
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2963108
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2965100
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2969106
FABR DE ARMA,MUNICAO,EQUIP. MILITAR fabr_maq 2970000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2971100
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2972107
FABR DE ELETRODOMESTICOS fabr_maq 2980000
FABRICACAO DE MAQUINAS E EQUIP. fabr_maq 2981106
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM. fabr_maq 3000000
FABRICACAO DE MAQ. P/ ESCRITORIO fabr_maq 3010000
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM. fabr_maq 3011100
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM. fabr_maq 3012107
FABR MAQ/EQUI SIST ELETRON P/ PROC DADOS fabr_maq 3020000
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM. fabr_maq 3021106
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3100000
FABR GERADOR,TRANSFORMADOR,MOTOR ELETR fabr_maq 3110000
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3111105
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3113108
FABR EQUIP DISTRIB/CONTROLE ENERG ELETR fabr_maq 3120000
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3121100
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3122107
FABR FIO,CABO E CONDUTOR ELETR ISOLADO fabr_maq 3130000
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3130100
FABR PILHA,BATERIA E ACUMULADOR ELETRICO fabr_maq 3140000
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3141101
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3142108
FABR DE LAMPADAS E EQUIP. DE ILUMINACAO fabr_maq 3150000
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3151107
FABR MAT ELETRICO P/ VEIC-EXCLUI BATERIA fabr_maq 3160000
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3160106
FABR DE OUTROS EQUIP/APARELHOS ELETRICOS fabr_maq 3190000
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3191109
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3192105
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS fabr_maq 3199100
108
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO fabr_maq 3200000
FABRICACAO DE MAT. ELETRONICO BASICO fabr_maq 3210000
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO fabr_maq 3210103
FAB EQUIP TELEF/RADIOTEL,TRANSM TV/RADIO fabr_maq 3220000
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO fabr_maq 3221105
FABR RADIO/TV,REPR,GRAV,AMPL SOM/VIDEO fabr_maq 3230000
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO fabr_maq 3230104
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND fabr_maq 3300000
FABR INSTR MED-HOSP,ODONT,LABOR,AP ORTOP fabr_maq 3310000
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND fabr_maq 3310108
FABR APAR/INSTR MEDIDA,TESTE,CONTROLE fabr_maq 3320000
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND fabr_maq 3320103
FAB SIST ELETRON P/ AUT IND/CONT PROC PR fabr_maq 3330000
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND fabr_maq 3330109
FAB INSTR/MAT OPTIC,FOTOGR,CINEMAT,RELOG fabr_maq 3350000
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND fabr_maq 3350100
INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA financ 6500000
INTERMED FINANC,EXCL SEGURO/PREV PRIVADA financ 6510000
INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA financ 6510108
SEGUROS E PREVIDENCIA PRIVADA financ 6600000
SEGUROS E PREVIDENCIA PRIVADA financ 6610000
SEGUROS E PREVIDENCIA PRIVADA financ 6611109
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA financ 6700000
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA financ 6710000
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA financ 6711103
ATIVIDADES IMOBILIARIAS imobil 7000000
ATIVIDADES IMOBILIARIAS imobil 7010000
ATIVIDADES IMOBILIARIAS imobil 7010109
CONDOMINIOS PREDIAIS imobil 7040000
ATIVIDADES IMOBILIARIAS imobil 7040105
ATIVIDADES IMOBILIARIAS imobil 7040202
ATIVIDADES IMOBILIARIAS imobil 7040253
ATIVIDADES IMOBILIARIAS imobil 7040300
ATIVIDADES IMOBILIARIAS imobil 7040407
ATIVIDADES IMOBILIARIAS imobil 7040504
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1500000
ABATE E PREP DE PROD DA CARNE E PESCADOS ind_final 1510000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1511106
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1513109
PROCES DE CONSERVAS DE FRUTAS/VEGETAIS ind_final 1520000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1521101
PROD DE OLEO E GORDURA VEGETAL/ANIMAL ind_final 1530000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1531107
LATICINIOS ind_final 1540000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1541102
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1543105
MOAGEM, FABR DE PROD AMILACEOS E RACOES ind_final 1550000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1551108
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1555103
FABRICACAO E REFINO DE ACUCAR ind_final 1560000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1561103
TORREFACAO E MOAGEM DE CAFE ind_final 1570000
109
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1571109
FABRICACAO DE OUTROS PROD. ALIMENTICIOS ind_final 1580000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1581104
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1582100
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1583107
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1584103
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1585100
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1586106
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1589000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1589105
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1589202
FABRICACAO DE BEBIDAS ind_final 1590000
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1591100
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1592106
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1593102
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS ind_final 1594109
FABRICACAO DE PRODUTOS DO FUMO ind_final 1600000
FABRICACAO DE PRODUTOS DO FUMO ind_final 1600109
FABRICACAO DE PRODUTOS DO FUMO ind_final 1600206
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1700000
BENEFICIAMENTO FIBRAS TEXTEIS NATURAIS ind_final 1710000
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1711105
FIACAO ind_final 1720000
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1721100
TECELAGEM ind_final 1730000
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1731106
FABR DE ART TEXTEIS, INCLUI TECELAGEM ind_final 1740000
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1741101
ACABAMENTO EM FIOS,TECIDOS E ART.TEXTEIS ind_final 1750000
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1750100
FABR DE ART TEXTEIS - EXCLUI VESTUARIO ind_final 1760000
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1761102
FABRICACAO DE TECIDOS E ART DE MALHA ind_final 1770000
FABRICACAO DE PRODUTOS TEXTEIS ind_final 1771108
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS ind_final 1800000
CONFECCAO DE ART. DO VESTUARIO ind_final 1810000
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS ind_final 1811100
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS ind_final 1813102
FABR ACESSORIO DO VEST E SEGURANCA PROF ind_final 1820000
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS ind_final 1821105
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS ind_final 1822101
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO ind_final 1900000
CURTIMENTO E OUTRAS PREP DE COURO ind_final 1910000
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO ind_final 1910108
FABR DE ART P/ VIAGEM E ART DIV DE COURO ind_final 1920000
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO ind_final 1921100
FABRICACAO DE CALCADOS ind_final 1930000
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO ind_final 1931105
FABRICACAO DE PRODUTOS DE MADEIRA ind_final 2000000
DESDOBRAMENTO DA MADEIRA ind_final 2010000
FABRICACAO DE PRODUTOS DE MADEIRA ind_final 2010100
FABR PROD MADEIRA,MAT.TRANCADO-EXC MOVEL ind_final 2020000
110
FABRICACAO DE PRODUTOS DE MADEIRA ind_final 2021102
FABRICACAO DE PRODUTOS DE MADEIRA ind_final 2022109
FABRICACAO DE PRODUTOS DE MADEIRA ind_final 2023105
FABRICACAO DE PRODUTOS DE MADEIRA ind_final 2029103
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL ind_final 2100000
FABR CELULOSE E PASTAS P/ FABR DE PAPEL ind_final 2110000
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL ind_final 2110105
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL ind_final 2121000
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL ind_final 2121107
FABR DE EMBALAGENS DE PAPEL/PAPELAO ind_final 2130000
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL ind_final 2131102
FABR ART PAPEL,PAPELAO,CARTOLINA,CARTAO ind_final 2140000
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL ind_final 2141108
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2600000
FABRICACAO DE VIDRO E DE PROD DO VIDRO metalurg 2610000
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2611104
FABRICACAO DE CIMENTO metalurg 2620000
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2620103
ART CONCR,CIMENTO,FIBROCIM,GESSO,ESTUQUE metalurg 2630000
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2630109
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2630206
FABRICACAO DE PROD CERAMICOS metalurg 2640000
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2641100
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2642107
TRAB.PEDRAS,FAB CAL/PROD MIN.NAO METALIC metalurg 2690000
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2691108
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2692104
FABRIC. PROD. DE MINERAIS NAO-METALICOS metalurg 2699109
METALURGIA BASICA metalurg 2700000
SIDERURGICAS INTEGRADAS metalurg 2710000
METALURGIA BASICA metalurg 2711109
FABR PROD SIDERURGICOS-EXCLUI SID.INTEGR metalurg 2720000
METALURGIA BASICA metalurg 2721104
FABR DE TUBO-EXCLUI SIDERURGIA INTEGRADA metalurg 2730000
METALURGIA BASICA metalurg 2731100
METALURGIA DE METAIS NAO-FERROSOS metalurg 2740000
METALURGIA BASICA metalurg 2741105
METALURGIA BASICA metalurg 2742101
METALURGIA BASICA metalurg 2749106
FUNDICAO metalurg 2750000
METALURGIA BASICA metalurg 2751100
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2800000
FABR ESTR METALICAS,OBRAS CALDEIR.PESADA metalurg 2810000
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2811103
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2813106
FABR TANQUES,CALDEIRAS,RESERV.METALICOS metalurg 2820000
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2821109
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2822105
FORJARIA,ESTAMPARIA,SERV.TRAT.METAIS metalurg 2830000
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2831104
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2839105
FABR ART CUTELARIA,SERRALH,FERRAM.MANUAL metalurg 2840000
111
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2841100
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2842106
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2843102
FABRICACAO DE PROD. DIV. DE METAL metalurg 2890000
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2891107
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2892103
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP. metalurg 2893100
ALOJAMENTO E ALIMENTACAO outros 5500000
ESTABELECIMENTO ALOJAMENTO TEMPORARIO outros 5510000
ALOJAMENTO E ALIMENTACAO outros 5511000
ALOJAMENTO E ALIMENTACAO outros 5511100
ALOJAMENTO E ALIMENTACAO outros 5511208
ALOJAMENTO E ALIMENTACAO outros 5511305
ALOJAMENTO E ALIMENTACAO outros 5519000
ALOJAMENTO E ALIMENTACAO outros 5519101
ALOJAMENTO E ALIMENTACAO outros 5519209
ALOJAMENTO E ALIMENTACAO outros 5519306
ESTABELECIMENTO DE SERV DE ALIMENTACAO outros 5520000
ALOJAMENTO E ALIMENTACAO outros 5521106
ALOJAMENTO E ALIMENTACAO outros 5522102
ALOJAMENTO E ALIMENTACAO outros 5523109
ALOJAMENTO E ALIMENTACAO outros 5524000
ALOJAMENTO E ALIMENTACAO outros 5524105
ALOJAMENTO E ALIMENTACAO outros 5524202
ALOJAMENTO E ALIMENTACAO outros 5529107
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DOM outros 7100000
ALUGUEL DE VEIC.AUTOMOTORES,MAQ/EQUIP outros 7110000
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DOM outros 7110103
ALUGUEL DE OBJETOS PESSOAIS/DOMESTICOS outros 7140000
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DOM outros 7140100
ATIVIDADES DE INFORMATICA E CONEXAS outros 7200000
ATIVIDADES DE INFORMATICA outros 7210000
ATIVIDADES DE INFORMATICA E CONEXAS outros 7210108
MANUT/REPARACAO DE MAQ. DE ESCR/INFORM outros 7250000
ATIVIDADES DE INFORMATICA E CONEXAS outros 7250100
ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS outros 9900000
ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS outros 9900101
PESQUISA E DESENVOLVIMENTO p_e_d 7300000
PESQUISA E DESENVOLVIMENTO DAS CIENCIAS p_e_d 7310000
PESQUISA E DESENVOLVIMENTO p_e_d 7310102
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL petroq 2300000
COQUERIAS petroq 2310000
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL petroq 2310104
REFINO DE PETROLEO petroq 2320000
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL petroq 2320100
ELABORACAO DE COMBUSTIVEIS NUCLEARES petroq 2330000
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL petroq 2330105
PRODUCAO DE ALCOOL petroq 2340000
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL petroq 2340100
FABRICACAO DE PRODUTOS QUIMICOS petroq 2400000
FABRICACAO DE PROD QUIMICOS INORGANICOS petroq 2410000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2411105
112
FABRICACAO DE PRODUTOS QUIMICOS petroq 2412101
FABRICACAO DE PRODUTOS QUIMICOS petroq 2414104
FABRICACAO DE PRODUTOS QUIMICOS petroq 2419106
FABRICACAO DE PROD QUIMICOS ORGANICOS petroq 2420000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2421100
FABRICACAO DE RESINAS E ELASTOMEROS petroq 2430000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2431106
FABRICACAO DE PRODUTOS QUIMICOS petroq 2433109
FABR FIBRA,FIO,CABO,FILAMENTO CONT ARTIF petroq 2440000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2441101
FABRICACAO DE PROD. FARMACEUTICOS petroq 2450000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2451107
FABRICACAO DE PRODUTOS QUIMICOS petroq 2452103
FABRICACAO DE DEFENSIVOS AGRICOLAS petroq 2460000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2461102
FABR DE PROD. DE LIMPEZA E PERFUMARIA petroq 2470000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2471108
FABRICACAO DE PRODUTOS QUIMICOS petroq 2472104
FABR DE TINTA,VERNIZ,ESMALTE,LACA,AFINS petroq 2480000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2481103
FABR DE PROD. E PREPARADOS QUIMICOS DIV. petroq 2490000
FABRICACAO DE PRODUTOS QUIMICOS petroq 2491109
FABRICACAO DE PRODUTOS QUIMICOS petroq 2492105
FABRICACAO DE PRODUTOS QUIMICOS petroq 2493101
FABRICACAO DE PRODUTOS QUIMICOS petroq 2494108
FABRICACAO DE PRODUTOS QUIMICOS petroq 2495104
FABRICACAO DE PRODUTOS QUIMICOS petroq 2499100
FABRICACAO DE ART.DE BORRACHA/PLASTICO petroq 2500000
FABRICACAO DE ART. DE BORRACHA petroq 2510000
FABRICACAO DE ART.DE BORRACHA/PLASTICO petroq 2511100
FABRICACAO DE PROD. DE PLASTICO petroq 2520000
FABRICACAO DE ART.DE BORRACHA/PLASTICO petroq 2521105
RESIDENCIAS E MISTOS resid 1000
CONDOMINIOS RESIDENCIAIS resid 10000
CONDOMINIOS RESIDENCIAIS HORIZONTAIS resid 10103
CONDOMINIOS RESIDENCIAIS VERTICAIS resid 10200
CINGAPURA resid 10308
PROMORAR resid 10405
COHAB resid 10502
CDHU resid 10600
NOSSO TETO resid 10707
INOCOOP resid 10804
IPESP resid 10901
CONDOMINIOS MISTOS resid 30000
COND.HORIZ/VERT MISTOS-PREDOM RESID/IND resid 30104
COND.HORIZ/VERT MISTOS-PREDOM RESID/COM resid 30201
COND.HORIZ/VERT MISTOS-PREDOM RESID/PUBL resid 30309
RESIDENCIAS resid 40000
RESIDENCIA E MISTOS resid 40100
FAVELA resid 40207
CORTICO resid 40304
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES serv_graf 2200000
113
EDICAO; EDICAO E IMPRESSAO serv_graf 2210000
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES serv_graf 2211106
IMPRESSAO E SERV.CONEXOS P/ TERCEIROS serv_graf 2220000
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES serv_graf 2221101
REPRODUCAO DE MAT. GRAVADOS serv_graf 2230000
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES serv_graf 2231107
SERV.PRESTADOS PRINCIPALMENTE AS EMPR. servicos 7400000
JURID,CONT,ASSES,ARQ,ENG,PUBL,ANAL.QLD servicos 7410000
SERV.PRESTADOS PRINCIPALMENTE AS EMPR. servicos 7411103
AGENCIA EMPR;INVESTIGACAO/SEGUR;LIMPEZA servicos 7450000
SERV.PRESTADOS PRINCIPALMENTE AS EMPR. servicos 7450109
OUTRAS SERV PREST PRINCIP AS EMPRESAS servicos 7490000
SERV.PRESTADOS PRINCIPALMENTE AS EMPR. servicos 7491107
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL servicos 7500000
ADM DO ESTADO E POLITICA ECON E SOCIAL servicos 7510000
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL servicos 7511108
SERV COLETIVOS PELA ADM PUBL/SEG SOCIAL servicos 7520000
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL servicos 7521103
LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS servicos 9000000
LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS servicos 9000100
ATIVIDADES ASSOCIATIVAS servicos 9100000
ATIVIDADES ASSOCIATIVAS servicos 9111000
ATIVIDADES ASSOCIATIVAS servicos 9111107
OUTRAS ATIVIDADES ASSOCIATIVAS servicos 9190000
ATIVIDADES ASSOCIATIVAS servicos 9191100
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA servicos 9200000
ATIV CINEMATOGRAFICAS/DE VIDEO,RADIO/TV servicos 9210000
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA servicos 9211101
ATIV ARTISTICAS/ESPETACULOS;AG NOTICIAS servicos 9230000
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA servicos 9231102
BIBLIOTECA,ARQ,MUSEU,ATIV CULTURAIS servicos 9250000
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA servicos 9251103
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA servicos 9253106
ATIV DESPORTIVAS E RELACIONADAS AO LAZER servicos 9260000
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA servicos 9261109
SERVICOS PESSOAIS servicos 9300000
SERVICOS PESSOAIS servicos 9301000
SERVICOS PESSOAIS servicos 9301100
SERVICOS PESSOAIS servicos 9301208
SERVICOS PESSOAIS servicos 9302107
SERVICOS PESSOAIS servicos 9303103
SERVICOS PESSOAIS servicos 9304100
SERVICOS PESSOAIS servicos 9309000
SERVICOS PESSOAIS servicos 9309101
SERVICOS PESSOAIS servicos 9309209
CORREIO E TELECOMUNICACOES telecom 6400000
CORREIO telecom 6410000
CORREIO E TELECOMUNICACOES telecom 6411100
TELECOMUNICACOES telecom 6420000
CORREIO E TELECOMUNICACOES telecom 6420109
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA transp 3400000
FABR AUTOMOVEIS,CAMIONETAS,UTILITARIOS transp 3410000
114
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA transp 3410102
FABRICACAO DE CAMINHOES E ONIBUS transp 3420000
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA transp 3420108
FABR DE CABINES, CARROCERIAS E REBOQUES transp 3430000
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA transp 3431100
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA transp 3439100
FABR PECAS/ACESSORIOS P/ VEIC AUTOMOTOR transp 3440000
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA transp 3441105
RECONDIC/RECUP MOTOR P/ VEIC AUTOMOTOR transp 3450000
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA transp 3450104
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3500000
CONSTRUCAO E REPARACAO DE EMBARCACOES transp 3510000
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3511103
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3512100
CONSTR,MONTAGEM,REPAR VEIC FERROVIARIOS transp 3520000
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3521109
CONSTRUCAO,MONTAGEM,REPARACAO AERONAVES transp 3530000
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3531104
FABRICACAO DE OUTROS EQUIP DE TRANSPORTE transp 3590000
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3591107
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3592103
FABR.DE OUTROS EQUIP.DE TRANSPORTE transp 3599108
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM transp 6300000
MOVIMENTACAO/ARMAZENAMENTO DE CARGA transp 6310000
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM transp 6312101
ATIVIDADES AUXILIARES AOS TRANSPORTES transp 6320000
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM transp 6321100
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM transp 6322107
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM transp 6323103
ATIVID AGENCIAS/ORGANIZADORES DE VIAGEM transp 6330000
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM transp 6330100
ATIVID RELAC A ORG DO TRANSP DE CARGAS transp 6340000
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM transp 6340105
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3600000
FABRICACAO DE ART. DO MOBILIARIO outros 3610000
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3611108
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3614107
FABRICACAO DE PROD. DIVERSOS outros 3690000
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3691101
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3692108
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3693104
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3694100
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3695107
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3696103
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3697100
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS outros 3699102
RECICLAGEM outros 3700000
RECICLAGEM DE SUCATAS METALICAS outros 3710000
RECICLAGEM outros 3710106
RECICLAGEM DE SUCATAS NAO-METALICAS outros 3720000
RECICLAGEM outros 3720101
115
Anexo E – Descrição dos Ramos de Atividades e Códigos – Cross-section
Código Descrição do Ramo de Atividade
ramo1 ABATE E PREP DE PROD DA CARNE E PESCADO
ramo2 ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL
ramo3 ALOJAMENTO E ALIMENTACAO
ramo4 ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DO
ramo5 ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ramo6 ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA
ramo7 ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ramo8 ATIVIDADE NAO IDENTIFICADA
ramo9 ATIVIDADES ASSOCIATIVAS
ramo10 ATIVIDADES DE INFORMATICA E CONEXAS
ramo11 ATIVIDADES IMOBILIARIAS
ramo12 CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA
ramo13 COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
ramo14 COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
ramo15 COM.ATACADO E INTERMEDIARIOS COMERCIO
ramo16 COM.VAREJ ALIM,BEBIDA,FUMO EM LOJA ESPE
ramo17 COMERCIO A VAREJO DE COMBUSTIVEIS
ramo18 CONFECCAO DE ART.DO VESTUARIO/ACESSORIO
ramo19 CONSTRUCAO
ramo20 CORREIO E TELECOMUNICACOES
ramo21 EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
ramo22 EDUCACAO
ramo23 ELETRICIDADE,GAS E AGUA QUENTE
ramo24 EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
ramo25 ESTABELECIMENTO ALOJAMENTO TEMPORARIO
ramo26 ESTABELECIMENTO DE SERV DE ALIMENTACAO
ramo27 EXTRACAO DE MINERAIS METALICOS
ramo28 EXTRACAO DE MINERAIS NAO METALICOS
ramo29 FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
ramo30 FABR.DE OUTROS EQUIP.DE TRANSPORTE
ramo31 FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
ramo32 FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
ramo33 FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
ramo34 FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
ramo35 FABRIC. PROD. DE MINERAIS NAO-METALICOS
ramo36 FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
ramo37 FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
ramo38 FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
ramo39 FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
ramo40 FABRICACAO DE ART.DE BORRACHA/PLASTICO
116
ramo41 FABRICACAO DE MAQUINAS E EQUIP.
ramo42 FABRICACAO DE PROD. DE PLASTICO
ramo43 FABRICACAO DE PROD. FARMACEUTICOS
ramo44 FABRICACAO DE PRODUTOS DE MADEIRA
ramo45 FABRICACAO DE PRODUTOS DO FUMO
ramo46 FABRICACAO DE PRODUTOS QUIMICOS
ramo47 FABRICACAO DE PRODUTOS TEXTEIS
ramo48 IMOVEL DESOCUPADO
ramo49 INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA
ramo50 INTERMEDIARIOS DO COMERCIO
ramo51 LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS
ramo52 MANUT/REPARACAO DE VEICULOS AUTOMOTORES
ramo53 METALURGIA BASICA
ramo54 ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS
ramo55 PESQUISA E DESENVOLVIMENTO
ramo56 PREPAR/FABRIC.COURO,ART.VIAGEM E CALCAD
ramo57 RECICLAGEM
ramo58 SAUDE E SERVICOS SOCIAIS
ramo59 SEGUROS E PREVIDENCIA PRIVADA
ramo60 SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
ramo61 SERVICOS PESSOAIS
ramo62 SERVICOS SOCIAIS
