Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ (UNIOESTE)
CENTRO DE CIÊNCIAS SOCIAIS APLICADAS
PROGRAMA DE PÓS-GRADUAÇÃO STRICTO SENSU EM
ECONOMIA
DANIEL AMORIM SOUZA CENTURIÃO
DETERMINANTES DO VALOR ADICIONADO E EMPREGO NA
INDÚSTRIA BRASILEIRA: DESINDUSTRIALIZAÇÃO E
CRESCIMENTO ECONÔMICO
TOLEDO-PR
2018
DANIEL AMORIM SOUZA CENTURIÃO
DETERMINANTES DO VALOR ADICIONADO E EMPREGO NA
INDÚSTRIA BRASILEIRA: DESINDUSTRIALIZAÇÃO E
CRESCIMENTO ECONÔMICO
Dissertação apresentada à banca examinadora do
curso de pós-graduação stricto sensu em Economica
como exigência para a obtenção do título de mestre
em Economia, sob a orientação do professor PhD.
Ricardo Luis Lopes.
TOLEDO-PR
2018
A dissertação intitulada “DETERMINANTES DO VALOR ADICIONADO E EMPREGO NA
INDÚSTRIA BRASILEIRA: DESINDUSTRIALIZAÇÃO E CRESCIMENTO
ECONÔMICO” apresentada por Daniel Amorim Souza Centurião, como exigência parcial para
obtenção do título de mestre em Economia à Banca Examinadora da Universidade Estadual do
Oeste do Paraná (UNIOESTE).
BANCA EXAMINADORA
____________________________________________
Profº PhD. Ricardo Luis Lopes (orientador)
____________________________________________
Prof. Drº. Jefferson Andronio Ramundo Staduto (examinador)
____________________________________________
Prof. Drº. Luiz Alberto Cypriano (examinador)
____________________________________________
Prof. Drº. Marcos Minoru Hasegawa (examinador)
Toledo - PR, 02 de março de 2018.
Dedico a minha família, por toda força e
compreensão.
AGRADECIMENTOS
Os agradecimentos de um momento tão importante como esse sempre devem ser
primeiramente a Deus, por ter me guiado pelos caminhos tortuosos e duros da vida, até este
momento que é mais que uma vitória pessoal, mas um sonho, por ter seguido mesmo em meio
a todas as dificuldades, o caminho da academia.
Nestes caminhos que trilhei, especialmente nesses dias do mestrado quero agradecer o
apoio incondicional da minha família, primeiramente meus pais e meu irmão, Adriana, Daniel
e Lucas, que foram meus esteios e abdicaram de muitas coisas para que eu me mantivesse firme
no meu sonho de seguir meus estudos, a eles devo minha vida, dedico essa conquista e dou todo
meu amor.
Ainda a minha família, as minhas avós Marilene e Aparecida, que se mantiveram
orantes a todo o tempo e não deixaram em nenhum momento de me dar carinho e apoio,
inclusive financeiro. Aos meus tios, tias e padrinho, Marcio, Luiz, Magno, Renata e Silvio que
me apoiaram financeiramente nos dias em que o mestrado parecia mais impossível, em que não
havia mais dinheiro, nem bolsa ou mesmo comida.
A minha namorada e futura esposa, Caroline, gostaria de agradecer pelo incondicional
apoio, por acreditar nas minhas ideias e por estar ao meu lado inclusive nos dias em que o
estudo mais me exigia, e mesmo na distância que as situações nos impuseram se manteve me
amando e me cuidando.
As pessoas que me acolheram e me adotaram como filho Dona Leonora e o Sr.
Lindolfo, que juntamente com a Gilsonia e a Julia, me encheram de carinho e cuidado e fizeram
com que a saudade de casa e da minha família fosse amenizada meu profundo agradecimento,
minha eterna gratidão, pois jamais terei como agradecer. Tenho certeza que vocês foram anjos
de Deus preparados para me acolher.
Aos meus amigos, que compreenderam o meu afastamento e mesmo assim se
mantiveram me estimulando para que eu alcançasse meus objetivos, em especial Renato Prado,
Pedro Fiorenza, Bruna Domingues e Francielly Tamiozo, obrigado pela amizade de longa dada,
pelas histórias, e pela certeza de que seremos amigos por toda a vida.
Finalmente agradeço aos meus professores do mestrado que me moldaram e me deram
o exemplo de que o conhecimento é infindável e bom, mas que exige dedicação e disciplina.
Em especial agradeço ao professor Luiz Alberto Cypriano, pelas excelentes aulas, pelo exemplo
como mentor e professor. Ao professor Carlos Alberto Gonçalves Junior pelas grandes
contribuições que fez em minha qualificação e por ter encaminhado minha orientação e
estimulado a minha pesquisa, e também ao meu orientador Ricardo Luis Lopes, por ter
acreditado na minha ideia de pesquisa, me desafiado e me dado a oportunidade de ser seu
orientado mesmo sendo aluno de outra universidade, compreendendo as minhas limitações e
me motivado a fazer o melhor sempre.
Agradeço a todos os colabores da UNIOESTE – Universidade Estadual do Oeste do
Paraná campus Toledo, por terem tão bem me recebido. Em especial a Luci, que nos dava todo
o suporte e carinho dias de estudo. Graças a essa universidade e aos seus colaboradores senti
ainda mais vontade de retornar a Toledo para ali permanecer e construir minha vida como
professor. A Coordenação de Aperfeiçoamento Profissional de Nível Superior o agradecimento
pelo financiamento parcial da pesquisa.
“A verdadeira dificuldade não está em aceitar
ideias novas, mas em escapar das antigas.” John Maynard Keynes
RESUMO
Este estudo busca dar algumas contribuições ao debate sobre a desindustrialização
brasileira, com um olhar específico para os determinantes das variações do valor
adicionado e do emprego na indústria, e dos fatores estruturais que influenciaram
estas variações e do valor da produção industrial, para o período de 1990 a 2014.
Com o intuito de contribuir de forma empírica foram utilizados uma análise a partir
do modelo econométrico VEC (Vector Erros Correction) e uma aplicação da
análise de insumo-produto com a técnica SDA (Structural Decomposition
Analysis), além de uma vasta revisão empírica e histórico teórica, a fim de conectar
os resultados aos fatos históricos verificados. De modo geral se constitui um
período com vasta literatura, com grandes mudanças de caráter político, de
mudanças na condução da política econômica e principalmente de conexão da
estrutura produtiva brasileira com o restante do mundo. Uma grande limitação
verificada foi a disponibilidade de séries contínuas de dados para variáveis chave
da análise desejada. Para além dos dados o grande volume e velocidade de
acontecimentos do período que geram certa limitação na evidência empírica, pois
nem sempre é possível construir modelos aptos captar tais efeitos. Os resultados
demosntraram que o emprego industrial é significativamente determiando pela
produtividade e pela remuneração e o valor adicionado por três grupos de variáveis,
um de caráter macroeconômico, um de comércio exterior e outro referente as
variações do valor adicionado dos demais setores da economia. Constatou-se
também que modificações estruturais, principalemnet nos coefeicientes diretos do
pessoal ocupado e do valor adicionado, na tecnologia e na demanda foram
determinantes para as variações estruturais da ocupação e do vlor adicionado da
indústria no período.
Palavras-chave: Insumo-produto; Indústria brasileira; Modelos autorregressivos;
Economia brasileira.
DETERMINANTS OF VALUE ADDED AND EMPLOYMENT IN THE
BRAZILIAN INDUSTRY: DISINDUSTRIALIZATION AND ECONOMIC
GROWTH
ABSTRACT
This study seeks to make some contributions to the debate on Brazilian
deindustrialization, with a specific look at the determinants of changes in value
added and employment in industry, and the structural factors that influenced these
variations and the value of industrial production, for the period of 1990 to 2014. In
order to contribute empirically, we used an analysis from the VEC (Vector Errors
Correction) econometric model and an application of the input-output analysis with
the SDA (Structural Decomposition Analysis) technique, in addition to a vast
empirical review and theoretical history, in order to connect the results to the
historical facts verified. In general, a period with a vast literature, with great
changes of a political character, changes in the conduct of economic policy and,
above all, in the connection of the Brazilian productive structure with the rest of
the world. A major limitation was the availability of continuous data sets for key
variables of the desired analysis. In addition to the data, the great volume and speed
of events of the period that generate a certain limitation in the empirical evidence,
since it is not always possible to construct suitable models to capture such effects.
The results showed that industrial employment is significantly determined by
productivity and by remuneration and value added by three groups of variables,
one of macroeconomic character, one of foreign trade and another one related to
the variations of value added of the other sectors of the economy. It was also found
that structural changes, mainly in the direct coefficients of employed and value-
added personnel, in technology and in demand, were decisive for the structural
variations in occupation and added volume of industry in the period..
Key-words: Input-Output; Brazilian industry; Autoregressive Models; Brazilian
economy.
LISTA DE TABELAS
Tabela 1 - Eixos e setores de atuação da Política de Desenvolvimento Produtivo. ................ 32
Tabela 2 - Resumo das formas funcionais, estrutura de lags, cointegração e modelagem
utilizadas. .................................................................................................................................. 86
Tabela 3 – Teste de Dickey-Fuller Aumentado (ADF) para as variáveis em nível e em primeira
diferença, com intercepto e sem tendência, período de 1991 a 2014. ...................................... 88
Tabela 4 - Resultado da estimação do modelo VEC para F1. ................................................. 89
Tabela 5 – Teste de Dickey-Fuller Aumentado (ADF) para as variáveis em nível e em primeira
diferença, com intercepto e sem tendência, período trimestral de 1991 a 2014. ...................... 94
Tabela 6 – Teste de Dickey-Fuller Aumentado (ADF) para as variáveis em nível e em primeira
diferença, com intercepto e sem tendência, período de 1990 a 2013. ...................................... 95
Tabela 7 – Teste de Dickey-Fuller Aumentado para as variáveis em segunda diferença, com
intercepto e sem tendência, período de 1990 a 2013. ............................................................... 95
Tabela 8 – Estimação do modelo VEC na forma funcional F8. .............................................. 96
Tabela 9 - Resultados da decomposição estrutural do valor bruto da produção em valores %.
................................................................................................................................................ 106
Tabela 10 - Resultados da decomposição estrutural da demanda final em valores %. ......... 108
Tabela 11 - Resultados da decomposição estrutural do pessoal ocupado em valores %. ...... 109
Tabela 12 - Resultados da decomposição estrutural do valor adicionado em valores %. ..... 110
Tabela 13 – Critério de quantidade de defasagens. ............................................................... 130
Tabela 14 – Teste de Cointegração de Johansen. .................................................................. 130
Tabela 15 – Regressão do Modelo VEC. .............................................................................. 132
Tabela 16 – Teste Breusch-Godfrey. ..................................................................................... 134
Tabela 17 – Teste de Causalidade de Granjer. ...................................................................... 134
Tabela 18 – Critério de quantidade de defasagens. ............................................................... 136
Tabela 19 – Teste de Cointegração de Johansen. .................................................................. 137
Tabela 20 – Regressão do Modelo VEC. .............................................................................. 139
Tabela 21 – Regressão da primeira equação do modelo VEC. ............................................. 140
Tabela 22 – Teste de Breusch-Godfrey. ................................................................................ 141
Tabela 23 – Critério de quantidade de defasagens. ............................................................... 142
Tabela 24 – Teste de Cointegração de Johansen. .................................................................. 142
Tabela 25 – Regressão do Modelo VEC. .............................................................................. 145
Tabela 26 – Regressão da primeira equação do modelo VEC. ............................................. 146
Tabela 27 – Teste de Breusch-Godfrey. ................................................................................ 147
Tabela 28 – Teste de Causalidade de Granjer. ...................................................................... 147
Tabela 29 – Critério de quantidade de defasagens. ............................................................... 149
Tabela 30 – Teste de Cointegração de Johansen. .................................................................. 150
Tabela 31 – Regressão do Modelo VEC. .............................................................................. 152
Tabela 32 – Regressão da primeira equação do modelo VEC. ............................................. 154
Tabela 34 – Teste de Breusch-Godfrey. ................................................................................ 154
Tabela 35 – Teste de Causalidade de Granjer. ...................................................................... 155
Tabela 36 – Critério de quantidade de defasagens. ............................................................... 156
Tabela 37 – Teste de Cointegração de Johansen. .................................................................. 157
Tabela 38 – Regressão do Modelo VEC. .............................................................................. 159
Tabela 39 – Regressão da primeira equação do modelo VEC. ............................................. 161
Tabela 40 – Teste de Breusch-Godfrey. ................................................................................ 161
Tabela 41 – Teste de Causalidade de Granjer. ...................................................................... 162
Tabela 42 – Critério de quantidade de defasagens. ............................................................... 163
Tabela 43 – Teste de Cointegração de Johansen. .................................................................. 164
Tabela 44 – Regressão do Modelo VEC. .............................................................................. 166
Tabela 45 – Regressão da primeira equação do VEC. .......................................................... 168
Tabela 46 – Teste de Breusch-Godfrey. ................................................................................ 168
Tabela 47 – Teste de Causalidade de Granjer. ...................................................................... 169
Tabela 48 – Critério de quantidade de defasagens. ............................................................... 170
Tabela 49 – Teste de Cointegração de Johansen. .................................................................. 171
Tabela 50 – Regressão do modelo VEC. ............................................................................... 174
Tabela 51 – Regressão da primeira equação do modelo VEC. ............................................. 175
Tabela 52 – Teste de Breusch-Godfrey. ................................................................................ 176
Tabela 53 – Critério de quantidade de defasagens. ............................................................... 180
Tabela 54 – Teste de Cointegração de Johansen. .................................................................. 181
Tabela 55 – Regressão do Modelo VEC. .............................................................................. 186
Tabela 56 – Regressão da primeira equação do modelo VEC. ............................................. 188
Tabela 57 – Teste de Breusch-Godfrey. ................................................................................ 189
Tabela 58 – Teste de Causalidade de Granjer. ...................................................................... 190
Tabela 59 – Critério de quantidade de defasagens. ............................................................... 194
Tabela 60 – Teste de Cointegração de Johansen. .................................................................. 194
Tabela 61 – Regressão do Modelo VEC. .............................................................................. 197
Tabela 62 – Regressão da primeira equação do modelo VEC. ............................................. 198
Tabela 63 – Teste de Breusch-Godfrey. ................................................................................ 199
Tabela 64 – Teste de Causalidade de Granjer. ...................................................................... 200
Tabela 65 – Critério de quantidade de defasagens. ............................................................... 201
Tabela 66 – Teste de Cointegração de Johansen. .................................................................. 202
Tabela 67 – Regressão do Modelo VEC. .............................................................................. 204
Tabela 68 – Regressão da primeira equação do modelo VEC. ............................................. 206
Tabela 69 – Teste de Breusch-Godfrey. ................................................................................ 206
Tabela 70 – Critério de quantidade de defasagens. ............................................................... 207
Tabela 71 – Teste de Cointegração de Johansen. .................................................................. 207
Tabela 72 – Regressão do Modelo VEC. .............................................................................. 209
Tabela 73 – Regressão da primeira equação do modelo VEC. ............................................. 210
Tabela 74 – Teste de Breusch-Godfrey. ................................................................................ 211
Tabela 75 – Regressão da primeira equação do modelo VEC, com correção de autocorrelação.
................................................................................................................................................ 212
Tabela 76 – Índice puro de ligação para trás e para frente, para o ano de 1995. ................... 217
Tabela 77 – Índice puro de ligação para trás e para frente, para o ano de 2000. ................... 217
Tabela 78 – Índice puro de ligação para trás e para frente, para o ano de 2005. ................... 218
Tabela 79 – Índice puro de ligação para trás e para frente, para o ano de 2013. ................... 218
Tabela 80 – Multiplicador tipo II Rasmussen-Hirschman, para os anos de 1995 e 2000. .... 219
Tabela 81 – Multiplicador tipo II Rasmussen-Hirschman, para os anos de 2005 e 2013. .... 219
Tabela 82 - Tradutor para agregação das matrizes de 42 para 12 setores. ............................ 221
Tabela 83 - Tradutor para agregação das matrizes de 68 para 12 setores. ............................ 222
Tabela 84 - Tradutor para agregação das matrizes de 128 produtos para 12 setores. ........... 224
Tabela 85 - Tradutor para agregação das matrizes de 68 produtos para 12 setores. ............. 228
LISTA DE GRÁFICOS
Gráfico 1 – Participação % do valor adicionado do setroes industrial e de serviços no PIB, a
preços de 2014.4, em reais. ...................................................................................................... 36
Gráfico 2 – Índice de vantagens comparativas reveladas para agropecuária, indústria de
transformação e indústria extrativa, para 1997 - 2013. ............................................................ 43
Gráfico 3 – Índice de contribuição ao saldo comercial para o período de 1997-2013. ........... 46
Gráfico 4 – Evolução do PIB a preços básicos da indústria, agropecuária, comércio e serviços,
período de 1990 a 2013. ........................................................................................................... 81
Gráfico 5 – Evolução do PIB a preços básicos, da indústria geral, extrativa e de transformação
trimestralmente, ano base 2000, período de 1991 a 2013. ....................................................... 82
Gráfico 6 – Evolução das importações e exportações no período de 1990 a 2013, em milhões
de dólares. ................................................................................................................................. 83
Gráfico 7 – Análise da série de emprego e do pessoal ocupado na indústria, período de 1990 a
2013. ......................................................................................................................................... 84
Gráfico 8 – Índice relativo de base fixa mensal da produção industrial - Atividades Industriais,
período de jan./1991 a dez./2013. ............................................................................................. 84
LISTA DE FIGURAS
Figura 1 - Diagrama das relações de influência das variáveis analisadas no emprego industrial.
................................................................................................................................................ 100
Figura 2 - Diagrama das relações de influência das variáveis analisadas no valor adicionado
industrial. ................................................................................................................................ 102
Figura 3 – Forma gráfica das variáveis selecionadas. ........................................................... 129
Figura 4 – Forma gráfica da variável variação do emprego industrial. ................................. 130
Figura 5 - Funções de Impulso Resposta de F1 ..................................................................... 136
Figura 6 - Funções de Impulso Resposta. .............................................................................. 149
Figura 7 – Funções de Impulso Resposta. ............................................................................. 156
Figura 8 – Funções de Impulso Resposta. ............................................................................. 163
Figura 9 – Funções de Impulso Resposta. ............................................................................. 170
Figura 10 – Forma gráfica das variáveis selecionadas de periodicidade trimestral. ............. 178
Figura 11 – Forma gráfica das variáveis selecionadas de periodicidade trimestral. ............. 179
Figura 12 – Forma gráfica das variáveis selecionadas de periodicidade anual. .................... 180
Figura 13 – Funções de Impulso Resposta. ........................................................................... 193
Figura 14 – Funções de Impulso Resposta. ........................................................................... 201
Figura 15 – Índice puro de ligação para trás e para frente, para os anos de 1995, 2000, 2005 e
2013. ....................................................................................................................................... 214
Figura 16 – Multiplicador tipo II Rasmussen-Hirschman, para os anos de 1995, 2000, 2005 e
2013. ....................................................................................................................................... 215
LISTA DE ABREVIATURAS E SIGLAS
Análise de decomposição estrutural (SDA)
Banco Nacional de Desenvolvimento Econômico e Social (BNDES)
Classificação Nacional de Atividades Econômicas (CNAE),
Conselho Monetário Nacional (CMN)
Critérios de informações de Akaike (AIC) e Schwarz (SC)
Dickey – Fuller aumentado (ADF)
Fundo de Financiamento as Exportações (FINEX)
Função impulso resposta (FIR)
Grupos Executivos de Políticas Setoriais (GEPS)
Instituto Brasileiro de Geografia e Estatística (IBGE)
Mínimos quadrados ordinários (MQO)
Modelos autorregressivos (AR)
Programa de Aceleração do Crescimento (PAC)
Programa de Competitividade Industrial (PCI)
Política Industrial e de Comércio Exterior (PICE)
Política de Desenvolvimento Produtivo (PDP)
Política Industrial, Tecnológica e de Comércio Exterior (PITCE)
Produtividade total dos fatores (PTF)
Produtividade total dos fatores descontada (PTFD)
Produto Interno Bruto (PIB)
Programa Brasileiro da Qualidade e Produtividade (PBQP)
Programa de Apoio à Capacitação Tecnológica da Indústria (PACTI)
Serviço Brasileiro de Apoio às Micro e Pequenas Empresas (SEBRAE),
Termos de ajuste de correção do erro (ECT)
Valor adicionado (VA)
Valor bruto da produção (VBP)
Valor da Transformação Industrial (VTI)
Vetores autorregressivos (VAR)
Vetor de correção de erros (VEC)
SUMÁRIO
1 INTRODUÇÃO ............................................................................................................. 15
2 OBJETIVOS .................................................................................................................. 18
3 ALGUMAS PERSPECTIVAS SOBRE A INDÚSTRIA BRASILEIRA ................. 19
3.1 A abertura comercial e a indústria nacional ............................................................ 19
3.2 A política industrial brasileira ................................................................................. 25
3.3 Participação da indústria e a macroeconômia da desindustrialização ..................... 34
3.4 Aspectos de competitividade e especialização ........................................................ 40
3.5 Posição da indústria brasileira na cadeia global de valor ........................................ 47
3.6 A desindustrialização e o debate brasileiro ............................................................. 51
4 PROCEDIMENTOS METODOLÓGICOS ............................................................... 59
4.1 Uma revisão empírica sobre a modelagem econométrica ....................................... 59
4.2 Econometria de séries temporais, VAR e o mecanismo de correção de erros ........ 62
4.3 Seleção de variáveis................................................................................................. 67
4.4 A análise de decomposição estrutural (SDA) .......................................................... 73
5 RESULTADOS E DISCUSSÕES ................................................................................ 80
5.1 Alguns números e evidências sobre a indústria brasileira ....................................... 80
5.2 Algumas considerações sobre os resultados do modelo econométrico ................... 85
5.3 Uma análise das mudanças estruturais .................................................................. 104
6 CONSIDERAÇÕES FINAIS ..................................................................................... 115
REFERÊNCIAS .............................................................................................................. 117
APÊNDICE 1 ................................................................................................................... 125
APÊNDICE 2 ................................................................................................................... 128
APÊNDICE 3 ................................................................................................................... 213
APÊNDICE 4 ................................................................................................................... 216
APÊNDICE 5 ................................................................................................................... 220
15
1 INTRODUÇÃO
O presente trabalho possui uma inserção temporal em um período recente da história
econômica do Brasil e do mundo. Mesmo muito recente este período constitui-se com grande
abundância de importantes acontecimentos e agregando alguns legados para a trajetória
econômica na qual o país se encontra atualmente.
Dada à vasta gama de acontecimentos importantes, esta pesquisa deteve-se em analisar
um fenômeno que vem sendo debatido ao longo dos anos 1990 e 2000 com maior proeminência
dentro deste contexto diverso de acontecimentos na economia brasileira, a desindustrialização.
Deste tema então se partiu, porém, sem deixar de vislumbrar o contexto de análise, iniciado
propositalmente nos anos 1990.
Em rápida perspectiva temporal, os anos de 1990 são marcados no Brasil pela rápida
ascensão e queda de Fernando Collor de Melo, da presidência da república, demonstrando a
evolução da democracia nacional, visto sua recente constituição de 1988. Apesar de curto, é no
governo Collor que o Brasil adentra ao comércio internacional, a partir da abertura comercial
como parte da pressão do modelo econômico de crescimento neoliberalista que avançava sobre
a América Latina1.
Além disso, os anos de 1990 iniciaram-se com grandes expectativas de solução de
graves problemas econômicos da década de 1980, dentre eles, a inflação. Neste contexto ainda
estavam em curso planos de estabilização da economia, até o lançamento do plano real no
governo provisório de Itamar Franco, tendo como ministro da Fazenda, Fernando Henrique
Cardoso.
Este, após a estabilização do Real enquanto moeda, e da inflação nos anos seguintes,
veio a se tornar o presidente da república por dois mandatos, marcados pela crítica ao
adensamento de privatizações e desnacionalização do capital doméstico, no entanto, houve o
início de uma condução mais estruturada das ditas políticas industriais2.
Adiante, após os dois mandatos de Fernando Henrique Cardoso, houve a ascensão da
esquerda petista à presidência, na figura de Luís Inácio Lula da Silva, o qual, apesar da sua
linha de origem manteve a característica de política macroeconômica do governo anterior e
1 Moreira e Giambiagi (1999). 2 Cano e Silva (2010).
16
realizou um aprofundamento da então denominada política industrial nacional, em seus dois
mandatos.
Sobre a desindustrialização, desde a década de 1980 este processo vem sendo debatido
em nível mundial3. A elevada preocupação com o mesmo se deu principalmente pela evolução
dos vínculos do comércio internacional no mundo e com a globalização. No Brasil uma frente
teórica estabeleceu-se, levando consigo a bandeira de que este processo vem se intensificando
desde então na economia brasileira, chegando a níveis críticos de aprofundamento nas duas
últimas décadas, 1990 – 2000 e 2000 – 20104.
No entanto, uma segunda linha de análise de caráter ortodoxo também se formou,
abordando que o processo de desindustrialização não é conclusivo no Brasil, pois a indústria
vem ampliando seu tamanho em termos de participação ao longo do período, e que a redução
do emprego industrial se deve em grande parte a incrementos de tecnologia sofridos pela
indústria nacional. Além disso, essa vertente teórica alega que a redução da participação da
indústria faz parte de um processo de convergência, devido à “sobreindustrialização” nacional,
ocorrida principalmente até os anos de 19605.
A linha teórica de auto intitulação neo desenvolvimentista, defendendo o
aprofundamento do processo de desindustrialização, propõe que a reversão desde problema
para a economia deve se dar por meio de uma intervenção governamental, realizando uma
política industrial de estímulo a setores chave e de uma política cambial ativa, no sentido de
tornar mais competitiva a indústria nacional.
Diante deste debate duas variáveis ganham destaque fundamental, o valor adicionado
e o pessoal ocupado na indústria. Este destaque ocorre por serem estes os indicadores
determinantes do processo de desindustrialização, além de serem fundamentais para a estrutura
da economia como um todo e para o seu posicionamento, em termos de planejamento e de
estratégias de crescimento econômico.
Neste sentido, são inúmeros os trabalhos que tratam do tema (nota 5), e que, portanto,
adotam esta vertente com o discurso de que a indústria brasileira vem sofrendo com a falta de
competitividade, provocada pelo intenso “desprotecionismo” da política econômica, pela
ausência de uma política industrial consistente e pela falta de orientação ao comércio
3 Tregenna (2009), Rowthorn e Ramaswany (1997) (1999). 4 Bresser Pereira (2012), Oreiro e Marconi (2014), Oreiro e Feijó (2010), Loures et al. (2010). 5 Bonelli e Pessôa (2010), Pastore (2012).
17
internacional, e que por fim, este fato tem levado o país a baixas taxas de crescimento,
decorrentes da cadente participação da indústria no Produto Interno Bruto (PIB) e incorrendo
em perda de produtividade do emprego, dada a transferência do emprego industrial para o setor
de serviços.
O presente trabalho se posiciona no sentido de contribuir com evidências empíricas ao
debate. A estrutura do trabalho busca responder, partindo de um resgate histórico contextual,
de uma análise de dados do período e de uma aplicação metodológica, quais são as variáveis
determinantes da variação do valor adicionado e do emprego industrial no produto e emprego
totais da economia brasileira? E, quais características estruturais determinaram as variações do
valor adicionado, emprego e valor da produção da indústria brasileira, entre 1990 e 2010?
Tais contribuições são relevantes no sentido da demonstração empírica e
principalmente pela análise integrada deste período histórico em questão. Além disso, a
utilização da aplicação metodológica da análise de insumo-produto, por meio da técnica de
análise de decomposição estrutural (SDA) para debater a desindustrialização se caracteriza de
forma nova na literatura, permitindo algumas constatações estabelecidas apenas teoricamente
até aqui.
O trabalho está dividido em seis seções. A primeira seção corresponde a esta breve
introdução, seguido pelos objetivos deste trabalho. A terceira seção apresenta uma revisão
histórico teórica do período em análise, apresentando a indústria sob a perspectiva de diversos
autores, bem como posicionando as linhas do debate sobre a desindustrialização no caso
brasileiro, além disso, apresenta alguns aspectos estruturais da economia, abordados no debate
sobre a desindustrialização, sendo possível mais especificamente analisar o papel do valor
adicionado e pessoal ocupado da indústria na economia brasileira para o período.
A quarta seção apresenta os procedimentos metodológicos para análise dos resultados,
envolvendo um ferramental econométrico e a análise de decomposição estrutural (SDA),
técnica utilizada no modelo insumo-produto. A quinta seção corresponde aos resultados deste
trabalho e por fim, as considerações finais.
18
2 OBJETIVOS
2.1 Objetivo Geral
Este estudo possui como objetivo geral proceder uma analise sobre os aspectos cruciais
para as oscilações da participação da indústria na economia nacional ao longo dos anos 1990 e
2000.
2.2 Objetivos Específicos
Já os objetivos específicos constituem-se em estabelecer empiricamente as principais
variáveis que influenciaram o valor adicionado e o emprego industrial neste período e quais
condicionantes de mudança estrutural na economia brasileira levaram o valor adicionado,
pessoal ocupado e valor da produção industrial a sofrerem variações.
19
3 ALGUMAS PERSPECTIVAS SOBRE A INDÚSTRIA BRASILEIRA
Neste capítulo são apresentadas em seis subtópicos as principais perspectivas de itens
que circundam o período e o tema escolhido. Por se tratar de um tema com um grande conjunto
teórico e de um período histórico relativamente logo buscou-se construir da melhor maneira o
conjunto de referências, priorizando as nacionais e mais recentes, para que se pudesse ao fim
do trabalho construir considerações que levassem em conta o andamento histórico, teórico e
empírico.
Tratam-se de perspectivas pois reúnem um conjunto de análises separadas de diversos
autores sobre o período, que foram organizados como um olhar sobre a abertura comercial e
suas influências na indústria brasileira, a evolução do entendimento e de ações do que se
denominou no Brasil de política industrial. Além disso, aglomerou-se em um outro tópico
algumas interpretações acerta da política macroeconômica e de quais variáveis desta política
exerceram forças sobre a indústria brasileira.
Foi incorporada também a análise sobre a competitividade e especialização da
economia brasileira seguido pelo posicionamento em termos internacionais da produção
nacional. Por fim, a mais ampla, recente e inconclusiva perspectiva, pois aborda inclusive
muitas das anteriormente citadas, apresenta o debate sobre a desindustrialização brasileira,
trazendo à tona causas, consequências e inconclusões sobre o tema.
Espera-se com esta extensa mais necessária revisão colocar o leitor no centro da
presente discussão deste estudo, inclusive com o entendimento da complexidade e profundidade
que o tema e o período histórico propõem e a partir do qual os métodos se desdobraram em
igual necessidade de complexidade para cumprimento dos objetivos.
3.1 A abertura comercial e a indústria nacional
Sobre a situação macroeconômica do país no início dos anos de 1990, Pinheiro et al.
(1999) apresentam um cenário em termos dos principais agregados macroeconômicos, muito
semelhante a dos anos de 1980. Esses autores ressaltam que na segunda metade da década de
1980 houve uma forte redução nos níveis de investimento, uma redução na participação da
indústria, que passou nesse período “por uma transformação tecnológica e organizacional”, e
20
por uma estagnação, em muito influenciados pelo cenário global desfavorável, com o segundo
choque do petróleo e a moratória mexicana.
A abertura comercial brasileira, principalmente, pelo fato do Brasil ser um país de
característica comercial fechada, marcou a história econômica brasileira de tal forma que pode
se ter um olhar desta perspectiva com a economia brasileira antes e depois da abertura
comercial, pois tamanhos são os contrastes percebidos na atuação política e também nas ações
que passam a serem conduzidas, principalmente no cenário macroeconômico.
O período de pré-abertura, de abertura e de integração têm alguns períodos bem
marcados, de importante avaliação. No primeiro período a economia brasileira é marcada por
uma estrutura protecionista (1957 a 1988), enquanto que no segundo período há maior
transparência na estrutura de proteção, bem como intensificação da integração regional (1988
a 1993), segundo Averburg (1999). Apesar desses dois momentos, o autor destaca que no
segundo houve uma antecipação das políticas de liberalização, que vieram em conjunto com as
políticas industrial e de comércio exterior do período, reduzindo ainda mais a estrutura de
proteção da economia e da indústria brasileira.
Também marcada pelo descontrole nos gastos públicos, a década de 1980 até o ano de
1993 revelou um cenário de troca de posição do Estado, principalmente no que se refere à
indústria. O Estado até então provedor de largos investimentos na indústria pesada e em
infraestrutura, na década de 1980 se deparou com um cenário externo desfavorável, apesar de
ter sustentado a balança comercial pela exportação de produtos primários, a inflação estava em
descontrole, o investimento em declínio, o câmbio desvalorizado, a poupança pública e externa
a níveis baixos e uma crise política bastante aguda, segundo Pinheiro et al. (1999).
Uma das mais marcantes evidências das mudanças na condução da política econômica
certamente se deu pela ruptura com o modelo de substituição de importações e pela condução
de medidas buscando as correções das principais distorções causadas por este modelo,
resumidas por Moreira (1999a):
i. Favorecimento de setores que demandavam tecnologia e capital, que naquele momento
eram escassos no Brasil, fazendo assim com que trabalho e recursos naturais fossem
utilizados indevidamente;
ii. Inviabilização de ganhos de escala pela transferência de tecnologia e capital, devido à
elevada proteção comercial;
iii. Ineficiência e desperdício de recursos por conta do elevado grau de nacionalização sem
21
o devido tamanho do mercado interno;
iv. Proteção ao mercado limitou os ganhos de escala e eficiência fazendo com que os preços
nacionais fossem mais elevados que os do mercado internacional;
v. Empresas brasileiras pouco competitivas em relação à escala das empresas
internacionais;
vi. Produtores locais pouco incentivados a inserção de novos produtos no mercado e a
reduzir custos, devido a pouca ligação com o mercado externo.
Com o plano real tem início uma política de câmbio valorizado e elevadas taxas de
juros e também inicia o processo de harmonização tarifária com o Mercosul. Essas frentes de
atuação, segundo Kupfer (2004), lançam mão de uma “ultra-exposição” da indústria brasileira
ao mercado internacional, que seguiu até a crise de 1999. O autor ainda relata, como evidência
deste processo, que a balança comercial é deficitária já a partir de 1995.
Ao analisar a evolução da balança comercial e a composição das exportações
brasileiras no período de 1988 a 1998, Averbug (1999) constata que houve um avanço no
volume exportado pelo Brasil, saindo de 33.789 milhões de dólares em 1988 para 51.120
milhões em 1998. O desempenho da balança comercial merece o mesmo destaque, exceto a
partir de 1995, com um déficit de 6.430 milhões de dólares em 1998, atribuídos à crise asiática.
Decompondo as exportações em fator agregado, o autor verifica que os manufaturados
representaram em média 55% das exportações brasileiras, enquanto os semimanufaturados
cerca de 15% e os básicos 25%, porém os dados demonstram uma forte tendência crescente da
participação de produtos básicos.
Analisando empiricamente os impactos da abertura comercial na produtividade total
dos fatores, Silva (2004) verificou que a abertura exerceu um impacto positivo e
estatisticamente significativo na evolução da produtividade de alguns setores da indústria. Além
disso, concluiu que a estagnação da produtividade da década de 1980 depõe fortemente contra
o modelo de substituição de importações e também contra a proteção da indústria, característica
advinda desse modelo.
Em análise dos coeficientes de penetração das importações, Moreira (1999a) verificou
que as mesmas se elevaram e apresentaram uma correlação positiva com o PIB, explicando essa
correlação devido à elasticidade renda das importações, ou seja, a medida que o PIB aumenta,
a renda aumenta e uma parte maior do investimento passa a ser destinada a bens de consumo
mais sofisticados.
22
Ainda que nesta análise, afirma o autor, que o ganho de eficiência, de escala e a
especialização passariam de qualquer forma pelo crescimento das importações e que esse
caminho poderia levar a desindustrialização. Moreira (1999a), no entanto, sustenta que
analisando os coeficientes de importação em termos de consumo aparente e produção, essa
afirmação sobre a desindustrialização não se mantém.
Outro ponto de destaque no período pós Plano Real e abertura comercial, trata-se da
elevação dos níveis de desemprego. Atribuídos como fatores determinantes para os níveis de
desemprego observados até 1998 e sinalizados para os anos posteriores por Pinheiro et al.
(1999), estão o custo da mão de obra no Brasil, inclusos os impostos trabalhistas, o processo
tecnológico e a situação conjuntural da demanda.
No mesmo sentido Hilgemberg (2003) analisa as mudanças verificadas no emprego
para década de 1990. Os primeiros aspectos constatados foram que a agropecuária e os serviços
aumentaram sua participação relativa na economia, o que pode ser explicado pelo aumento do
volume de importações de bens de capital e exportação de bens intensivos em trabalho. Sobre
o emprego, todos os setores da economia tiveram uma redução na geração de postos de trabalho
e este fato se deu, em grande parte, pelo impacto da reestruturação produtiva decorrente da
abertura comercial. Segundo a autora, este processo se torna mais intenso na segunda metade
da década de 1990, pois o câmbio encontrava-se valorizado.
Utilizando o ferramental de insumo-produto, Rodrigues e Guilhoto (1998) destacam
algumas mudanças estruturais verificadas no pós-abertura, dentre elas, a elevação da demanda
final de bens de consumo e capital, a redução da participação da remuneração do trabalho na
produção e propõe que o maior desafio do processo de reestruturação se constitui no
reenquadramento da mão de obra marginalizada no mercado de trabalho.
Moreira (1999b) após analisar componentes microeconômicos da indústria, como os
coeficientes de comércio, a composição do produto e a eficiência técnica e alocativa, concluiu
que houve um aprofundamento na especialização produtiva intra-indústria, principalmente nos
ganhos de escala, necessários diante do processo de abertura comercial.
Houve, segundo o autor, uma perda na relação valor adicionado e valor de produção,
que não pode ser traduzida conforme as evidências, como negativa, mas sim, como parte de um
processo de equalização necessário com vistas a ajustar os “excessos” provocados pelo regime
de substituição de importações. Há também uma ampla sinalização de que foram auferidos
ganhos de eficiência e alocativos, demonstrando o distanciamento que a indústria brasileira
23
havia tomado da indústria internacional. Um dos caminhos sinalizados pelo autor, como a ser
percorrido, é da ampliação do efeito escala frente à concorrência internacional.
Quanto aos impactos da abertura comercial sobre os níveis de renda, Hidalgo e Sales
(2015) apresentam uma análise do ponto de vista regional, trazendo à tona que a liberalização
comercial afetou positivamente a distribuição de renda nas regiões mais ricas do país, no
entanto, nas regiões mais pobres o impacto foi contrário, com a piora do processo de
distribuição da renda, confirmando assim as pressuposições teóricas de Stolper-Samuelson6.
Uma das considerações de relevância do estudo de Moreira (1999, p. 371) é de que a
abertura comercial rompeu com o antigo regime de forma a expor ao mercado a baixa
competitividade da empresa nacional, deixando evidente que o caminho de ganhos para a
empresa nacional, neste novo regime, seria “a redução de custos, a especialização, os ganhos
de escala, a modernização dos produtos, a ida ao mercado externo em busca de novos mercados
e insumos.”. Ainda com relação o papel do Estado neste caminho de abertura e integração ao
comércio mundial, o autor propõe que o mesmo atue na correção de imperfeições, como o
financiamento, e não adotando uma atitude protecionista como no antigo regime.
Em um breve resumo sobre os impactos da liberalização das importações e da política
cambial sobre o comércio exterior brasileiro, Kume e Souza (2003), alegam que ocorreu uma
penalização das exportações e estimulo das importações, dada a tendência de valorização
cambial verificada, havendo uma mudança desse padrão apenas com a mudança do regime
cambial em 1999. Ainda, o autor identificou que a evolução das importações e exportações
neste período, teve maior influência das propensões a exportar e importar do que das variações
da produção e da demanda doméstica.
Os principais efeitos do antigo regime e da característica do país de ser fechado ao
comércio internacional foram, segundo Moreira (1999b), empresas estrangeiras instaladas no
Brasil com tecnologia de produção defasada e custos elevados, frente ao mercado internacional.
Já com a abertura comercial, essas empresas passaram a buscar vantagens locacionais como
medida de solução, frente à competição com as importações, e possibilitou uma otimização do
acesso ao capital e novas tecnologias.
Sobre a integração da economia nacional ao comércio internacional, Averbug (1999)
ressalta algumas medidas empreendidas entre 1988 e 1993, como a ampliação da liberalização,
6 Ver Chiquiar (2008).
24
a transparência dos termos de proteção comercial, a eliminação das barreiras não-tarifárias e a
minimização do grau de proteção da indústria local, sendo esta última ação atribuída a nova
política industrial adotada a partir de 1990. Além disso, ressalta que a integração comercial do
período é moldada pelo Novo Regionalismo7.
Sobre a inserção do Brasil nos aordos multilaterais, ao formato do Novo Regionalismo,
e a formação dos blocos econômicos no período pós abertura econômica brasileira, Averbug
(1999) demonstra que se tratavam de tentativas iniciais, porém já apresentavam resultados,
principalmente em termos de avanço nas exportações. Nota-se nesta análise, que o Brasil passa
a ser, no caso do Mercosul, um mercado de referência, mas que é deficitário na balança com os
demais países componentes, além de existir um grande impasse para o Brasil, principalmente,
no tocante a indústria automobilística e sucroalcooleira.
Ainda sobre o mercado internacional e o efeito escala produzido pelo porte e
capacidade gerencial das empresas, surge a questão: qual foi o papel das empresas estrangeiras
na economia brasileira diante da abertura comercial? De forma similar, quais os efeitos do
investimento estrangeiro direto? O trabalho realizado por Moreira (1999b) ressalta que o
argumento, de que pós-1990, com o abandono do regime de substituição de importações, o
investimento estrangeiro direto tem um desempenho muito diferente do que no antigo regime
para a economia brasileira, ampliando os “benefícios” gerados para esta e reduzindo os “custos
sociais” antes observados.
Pinheiro (2014) destaca que mesmo com o processo de abertura o Brasil se manteve
na década seguinte bastante fechado, afirmando que a indústria, principalmente, se mantém
ainda muito distante do comércio internacional, com um consumo intermediário na casa de
13,5% de produtos importados. O autor destaca o papel da política industrial, sobretudo as de
características horizontais para minimização de custos de transporte, geração de capital humano
capacitado e manutenção de um ambiente macroeconômico estável.
Diferentemente ao observado no período de 1988 a 1993, após a implantação do Plano
Real observou-se marcadamente o controle inflacionário, um crescimento acentuado das
importações, em nível muito superior que as exportações, o que por consequência levou a saldos
deficitários da balança comercial. As importações de bens de capital e de consumo foram as
que apresentaram maior crescimento até o ano de 1998, conforme Pinheiro et al. (1999).
7 Averbug (1999) caracteriza Novo Regionalismo como a integração por força de acordos bilateriais ou
multilaterais.
25
No geral, neste período em que era vigente o governo de Fernando Henrique Cardoso,
o cenário macroeconômico era de uma inflação controlada, câmbio apreciado ainda como
medida anti-inflacionária, saldo comercial deficitário e por um déficit nas contas correntes do
país, em muito decorrentes da elevada dívida externa, do então pagamento de juros sobre a
dívida e pela forte entrada de investimento estrangeiro direto. Aliado a isso, as contas públicas
apresentavam déficits consecutivos, em decorrência da política expansionista adotada
(PINHEIRO et al., 1999).
Em 2003, tem início o governo de Luiz Inácio Lula da Silva, dando continuidade à
política macroeconômica vigente, ou seja, continuando o tripé macroeconômico com o objetivo
de manter o controle da inflação. Pode-se notar, portanto que o período de abertura comercial
promoveu uma grande ruptura em termos de política econômica e principalmente na base
produtiva, deste modo, a análise proposta se torna bastante coerente.
Deste momento depreende-se a intensa modificação dos padrões de produção e
comércio da economia nacional. Além disso, o período representa um marco de mudança no
sentido da mentalidade de entendimento sobre política econômica e características de
intervençãodo Estado e a ruptura com um processo inflacionário nocivo que não era dominado
a mais de uma década. A seção seguinte apresenta um pouco sobre a evolução da política
industrial no brasil, bem como suas principais ações e medidas e por fim algumas interpretações
quanto ao sucesso destas políticas.
3.2 A política industrial brasileira8
Esta seção apresenta um breve resgate de algumas importantes perspectivas sobre a
política industrial posta a cabo no Brasil deste a década de 1980, propondo um breve cenário
político econômico com a finalidade de situar o contexto de atuação com o setor industrial e
sua evolução. Desta forma, foi possível observar as escolhas estratégicas e de variáveis
fundamentais deste contexto.
Com relação à classificação de políticas industriais, segundo suas características, Stein
(2011), relata que ações que garantem apenas bens públicos e atingem uma gama muito extensa
8 Neste capítulo faço agradecimento especial a colega Grazielli Olimpia Viviani Pedroso da Silva, que me auxiliou
na leitura, discussão para a construção do texto, permitindo assim que meu discurso ganhasse novos olhares sobre
o tema.
26
de setores, não podem ser consideradas como políticas. As políticas, são classificadas pelo
autor, em leves, quando há uma aplicação para setores específicos, seja de provisões ou de
intervenções de mercado, e em políticas pesadas, quando são direcionadas para setores
específicos, em esforços de intervenções de mercado.
De acordo com Castro (2001), desde os anos de 1980 até a implementação do Plano
Real, o aumento dos preços e a política econômica fizeram com que as indústrias, aqui
estabelecidas, adotassem altos preços e flexibilidade financeira. Deste modo, com a economia
fechada, as empresas não estavam preocupadas primeiramente com a produtividade e a
eficiência.
Este autor salienta que todos os apontamentos citados se agravaram no decorrer dos
anos de 1980, pois nos países desenvolvidos já existiam novas técnicas para organização e
produção, enquanto no Brasil a situação não era favorável, especialmente na segunda metade
da década de 1980, que foi chamada de “década perdida”.
Nesse momento, as exportações mundiais vinham crescendo. Porém, a economia
brasileira perdia espaço nos mercados mundiais, as indústrias nacionais apenas estavam
“sobrevivendo”, com exceção de algumas poucas empresas, que passavam a adotar novos
métodos organizacionais e gerenciais antes da década de 1990, como, a Marco Polo e a Cofap.
Moreira (1999) destaca também, os efeitos do regime de substituição de importações
na economia, frisando que não se podem menosprezar os feitos durante este processo, no
entanto, não se deve utilizar disso para que sejam deixados de lado os pontos críticos desse
regime. Segundo o autor, uma das distorções do regime de substituições por importações foi o
elevado protecionismo que favoreceu alguns setores, porém inviabilizou a competitividade de
modo geral na economia. A proteção ao mercado internacional favoreceu para que os preços
internos fossem superiores aos do mercado internacional.
Ao final dos anos de 1980 ficaram evidenciados esses problemas, com produtos
defasados, baixa produtividade e competitividade, além da queda nas exportações,
principalmente na indústria intensiva em mão de obra. A abertura comercial deixaria ainda mais
evidentes tais problemas.
Neste mesmo sentido Bonelli et al. (1997), tratando sobre a característica da política
industrial anterior a 1995 relata que historicamente o Brasil assumiu uma política de apoio a
produção industrial e não de apoio a competitividade e produtividade deste setor, e que, sobre
maneira, a política industrial e de comércio exterior deste período esteve vinculada diretamente
27
a três ferramentas: as barreiras não tarifárias, as barreiras tarifárias e o controle cambial, com
câmbio valorizado na maioria dos casos e desvalorizado pontualmente para ampliação do
excedente exportável.
Sobre o incentivo as exportações deste período pré 1995, Bonelli et al. (1997) destaca
algumas importantes ações como o regime de drawback proposto a partir de 1964 e também da
constituição do FINEX – Fundo de Financiamento as Exportações e do programa Brifiex
instituído a partir de 1969/70. O fundo previa a isenção primeiramente do IPI e posteriormente
incorporando o ICM, o programa Brifiex tinha como intuito o apoio a projetos de grandes
manufaturas que pretendiam realizar investimentos de longo prazo no país. No entanto, estas
medidas perderam forças principalmente pelas restrições orçamentárias impostas do meio para
o fim da década de 1980, sofrendo uma grande virada de perspectiva já no início da década de
1990.
Enquanto Fernando Collor de Melo seguia na corrida eleitoral da presidência do Brasil
na metade de 1989, ocorria o “Consenso de Washington”, que segundo Souza (2008, p. 201),
pode ser resumido apenas em quatro pontos: “abertura econômica; desestatização;
desregulamentação; flexibilização das relações de trabalho”, outorgando ao mundo uma cartilha
de modelos neoliberalistas. Segundo o autor, o principal objetivo dos Estados Unidos era usar
o mercado da América Latina para confrontar economicamente a União Européia e o Japão.
Para o neoliberalismo, as características de intervenção do Estado no ambiente
econômico são apenas no sentido de garantir “os mercados competitivos”, a “lei e a ordem” e
os “contratos privados” [grifo do autor] não cabendo ao Estado, proteger a propriedade privada
e seu corolário, o “mercado”, conforme Souza (2008, p. 202).
De acordo com o autor, para que o consenso fosse adotado nos países da América
Latina, os Estados Unidos lançaram mão de vários instrumentos através do FMI, BIRD e BID.
Um a um, os países da América Latina foram aderindo à abertura comercial, enquanto isso, os
Estados Unidos, não somente mantiveram suas barreiras, mas as aumentaram até o final da
década de 1990.
Analisando as mudanças estruturais da economia brasileira diante da abertura
comercial, Rodrigues e Guilhoto (1998) verificam alguns impactos no sentido de adaptação do
empresariado nacional a este processo, sendo eles a redução de custos, aumentos de
produtividade e a introdução de novas tecnologias e, de forma geral, foi verificada uma redução
da participação do trabalho na produção.
28
A abertura comercial não apresentou apenas resultados negativos, todavia, o impacto
positivo da abertura comercial na indústria brasileira não pode ser confundido como um ajuste
pleno deste setor à abertura comercial. Existiam ganhos de produtividade e ganhos de escala a
serem alcançados, para que desta forma as empresas nacionais pudessem competir em
igualdade com outras indústrias de países desenvolvidos (MOREIRA, 1999).
Em contrapartida, Cano e Silva (2010) destacam um conjunto de pontos negativos
decorrentes da abertura comercial, da política de estabilização e das diretrizes para o setor
industrial, sendo eles, a necessidade de reajustamento da produção das empresas industriais,
impactando no emprego e renda da economia, a absorção pelo capital estrangeiro de empresas
nacionais, a falência de importantes players industriais brasileiros e a destruição de segmentos
e empresas industriais brasileiras.
O Brasil, no começo dos anos de 1990, tomou medidas que reproduziram o ideário
neoliberalista. O objetivo de tais medidas era de facilitar a entrada de produtos estrangeiros, de
forma que as empresas nacionais não aumentassem os seus preços, e no longo prazo, a
consequência seria aumentar a concorrência e modernizar a economia. Dentre estas medidas,
pode-se destacar, de acordo com Souza (2008, p. 205) a:
i. Isenção de tarifas de importação para cerca de mil produtos;
ii. Eliminação ou redução da cobertura de barreiras não tarifárias, como reserva de
mercado, quotas, proibições etc.;
iii. Adoção de um cronograma, de violenta e unilateral, redução de tarifas de importação,
que implicava baixar a média de 37,4% para 32,1% já em 1990, até atingir 14,2% em
1994;
iv. Redução do grau de dispersão de estrutura tarifária, derrubando o desvio-padrão de
19,6% para 7%.
O governo Collor, já eleito, criou em 1990, a PICE - Política Industrial e de Comércio
Exterior, onde expunha a indústria nacional à competição no exterior, reduzindo os níveis de
proteção tarifária. Foi criado também, o Programa de Reestruturação e Racionalização
Empresarial, com o objetivo de fomentar fusões de empresas, e o Banco Nacional de
Desenvolvimento Econômico e Social (BNDES) passou a executar desestatizações e
desnacionalizações, sem vinculação alguma com as políticas industriais, privatizando setores
anteriormente essenciais ao desenvolvimento do país (CANO; SILVA, 2010);
(CAMPANÁRIO et al., 2005).
29
A nova política industrial marcava a substituição da característica mais vertical da
política, praticada antes dos anos de 1990, para um modelo mais horizontal gerando a
possibilidade de incentivos localizados concedidos pelo Estado, partindo de pleitos de
segmentos industriais mais representativos ou com maior penetração política. Como exemplos
desta característica, Bonelli et al. (1997) destacam o lançamento do PCI - Programa de
Competitividade Industrial, a definição na política implementada de prioridades setoriais
principalmente vinculadas a indústrias ligadas a tecnologias e os GEPs – Grupos Executivos de
Políticas Setoriais, que foram criticados pela articulação de interesses pontuais, mas que
serviram como modelo para a criação das câmaras setoriais.
Mesmo com um cenário internacional desfavorável no período, lentamente, em
meados dos anos 90 inicia-se certa especialização do setor produtivo brasileiro, seguindo o
ritmo dos recursos disponíveis no país. Em grande parte dos setores, o aumento das exportações,
seguiu acompanhado pelo aumento também das importações, ainda que em proporções
menores. Os setores intensivos em tecnologia aumentaram sua participação, porém o segmento
base, que é o de bens de capital, necessário para alavancar o progresso tecnológico continuou a
perder espaço para as importações.
Para Campanário et al. (2005) o Plano Real teve seu sucesso ancorado em princípios
da agenda neoliberal para o controle cambial, para o combate da inflação, na abertura financeira
com fomento à entrada de capitais considerados de “curto prazo” e inserindo o URV como
ferramenta monetária de desindexação de preços na economia.
Além disso, em termos de ajustamento macroeconômico, Cano e Silva (2010),
destacam a valorização da moeda nacional, a redução do crédito, a ausência de proteção contra
mecanismos de comércio desleal, com isso acarretando a inversão da produção local por
importações, mesmo em setores em que o Brasil era competitivo.
Sendo o desenho institucional e de um país na perspectiva do desenvolvimento,
relevante para tal, torna-se a pensar em toda a estrutura institucional horizontal ao desempenho
da atividade industrial, conforme destacam Ferreira e Hamdan (2003).
A política industrial a partir da abertura comercial necessitou ser pensada em um novo
contexto, onde existe um conjunto de regras, parceiros e principalmente a possibilidade de
restrições diante de ações conduzidas na política industrial e econômica. Em crítica ao trabalho
de Kupfer (2004), Ferreira e Hamdan (2003), justificam que diante das experiências já
observadas, a política industrial brasileira deveria apresentar uma característica de “preservar e
30
eventualmente intensificar” o processo de integração comercial com o resto do mundo
aproveitando as “vantagens comparativas” do Brasil para absorção de tecnologias.
Ferreira e Hamdan (2003) ainda afirmam, que a implementação de políticas verticais
não é por si só garantia de rápido crescimento econômico, ou seja, é preciso um conjunto de
fatores e de políticas horizontais, além da orientação do país ao comércio internacional.
Quanto ao estilo e instrumentos da política industrial Bonelli, Veiga e Brito (1997),
destacam que há uma retórica quanto à aplicação de barreiras não tarifárias e também o
estrangulamento nas contas externas como instrumentos de política de comércio internacional.
Os autores também salientam a forte ruptura de instrumentos e políticas aplicados na década de
1970, 1980 e 1990, traduzidas principalmente pela Medida Provisória nº 158 que originou a Lei
nº 8.032 com a Portaria MEFP nº 564 e Medida Provisória nº 161 que se tornou a Lei nº 8.034,
priorizando políticas horizontais para o período mais recente.
Porém, é necessário salientar avanços durante esse período, principalmente em relação
à organização do comércio internacional brasileiro, o Mercosul é um sólido exemplo, que
apresentou um tratamento preferencial a abertura comercial no plano regional, sendo alguns
setores, como o automobilístico, beneficiados.
Em 1999, já no segundo mandato de Fernando Henrique Cardoso, o Ministério da
Indústria e do Comércio, contrariando o Ministério da Fazenda à época, implementou o “Fórum
de Competitividade”, numa tentativa de fortalecer as cadeias produtivas, e como um primeiro
olhar mais organizado sobre o setor industrial, em termos de política pós abertura. Com o passar
do tempo e devido a política econômica, passou-se a ter uma preocupação em articular uma
política industrial efetiva, seguida das eleições de 2002, juntamente com o temor de um governo
esquerdista governar o Brasil (CANO; SILVA, 2010).
Com a desvalorização cambial no final do último mandato de FHC, o déficit comercial
de manufaturados, foi zerado em 2003, como afirma Cano e Silva (2010). Segundo o autor,
internamente a demanda vinha sendo desestimulada pela política monetária e o maior estímulo
para a produção industrial estava no comércio exterior sendo dinamizado pela demanda de
grandes economias, como as asiáticas, em especial a China, dessa forma, as exportações
passaram a crescer substancialmente.
No governo Lula, houve uma retomada na formulação de políticas industriais. O
primeiro passo nessa direção foi a formulação da Política Industrial, Tecnológica e de Comércio
Exterior - PITCE, lançada em 31 de março de 2004, com destaque para a orientação de estímulo
31
ao investimento privado e ao crédito produtivo, no sentido de propiciar à economia uma
trajetória de crescimento equilibrado, para isso utilizou-se do estimulo as inovações e indução
de vantagens comparativas dinâmicas (CAMPANÁRIO et al., 2005).
No entanto, a implantação da PITCE passou por grandes dificuldades, pois na década
de 1990 os órgãos de coordenação e planejamento foram privatizados, órgãos estes, que tinham
papel importantíssimo no processo de industrialização, restando apenas o BNDES, que a essa
altura tinha outras características, o Serviço Brasileiro de Apoio às Micro e Pequenas Empresas
(SEBRAE), atuando isoladamente, tanto quanto o Banco do Brasil e a Caixa Econômica Federal
(CANO; SILVA, 2010).
A PITCE possuía como proposta três eixos de ação: 1) Linhas de ação horizontais
(inovação e desenvolvimento tecnológico; inserção externa; modernização industrial; ambiente
institucional/aumento da capacidade produtiva); 2) Opções estratégicas (semicondutores,
software, bens de capital e fármacos); 3) Atividades portadoras de futuro (biotecnologia,
nanotecnologia, biomassa/energias renováveis). Eram dois, os macro programas mobilizadores:
I) Indústria forte (visando fortalecer e expandir a base industrial brasileira); II) Inova Brasil
(visando aumentar a capacidade inovadora das empresas) (SALERNO; DAHER, 2006).
O grande objetivo, segundo Cano e Silva (2010), era aumentar a eficiência produtiva,
aumentar a inovação e expandir as exportações brasileiras, no sentido de estimular os setores
que possuíam maiores vantagens competitivas, inserindo assim os setores mais dinâmicos nos
fluxos de trocas internacionais.
A PITCE representou um grande esforço, no sentido de se obter uma política industrial
e tecnológica de longo prazo, com ênfase na agregação de tecnologia nos produtos produzidos
no Brasil. Porém, uma política industrial só é efetiva se houver um ajustamento com a política
macroeconômica vigente, conforme destaca Coutinho (2002), “os regimes macroeconômicos
incidem decisivamente sobre a eficácia possível das políticas industriais”.
Várias medidas foram implementadas buscando avançar na institucionalidade da
Política Industrial, onde pode se destacar, a criação do Conselho Nacional de Desenvolvimento
Industrial e a Agência Brasileira de Desenvolvimento Industrial. É também importante, o
destaque para a aprovação da lei da inovação, lei da informática e lei de biossegurança, que
viabilizou as pesquisas com células tronco. É necessário salientar, o papel do BNDES como
financiador de inovações e seu apoio no financiamento de empresas de pequeno porte
(SALERNO; DAHER, 2006).
32
Para Cano e Silva (2010) a PITCE não alcançou completamente seus objetivos, sob a
perspectiva de desenvolvimento da indústria, no seu crescimento, e no fortalecimento e inclusão
no comércio exterior, porém, algumas empresas e setores tiveram êxito individualmente. No
segundo mandato do governo Lula foi realizada uma reformulação da PITCE, onde essa nova
fase buscou maior alcance e articulação com os demais programas do governo evidenciando
uma retomada do esforço intervencionista do Estado.
Em 2008 foi criada a Política de Desenvolvimento Produtivo - PDP com o objetivo de
sustentar, a longo prazo, o desenvolvimento produtivo com base no investimento, na inovação,
na competitividade e na ampliação das exportações. Para isso, foi usado como instrumento a
desoneração de vários setores produtivos. A política abrangeu 24 setores e 4 eixos de
programas, conforme apresentado na Tabela 1.
Tabela 1 - Eixos e setores de atuação da Política de Desenvolvimento Produtivo.
Eixos Setores Programas para consolidar e
expandir a liderança Aeronáutico; petróleo, gás e petroquímica; bioetanol; mineração; celulose
e papel; siderurgia; e carnes. Programas para fortalecer a
competitividade Complexo automotivo; bens de capital; indústria naval e cabotagem; têxtil
e confecções; couro, calçados e artefatos; madeira e móveis; agroindústrias;
construção civil; complexo de serviços; higiene, perfumaria e cosméticos;
plásticos. Programas mobilizadores em
áreas estratégicas Complexo industrial da saúde; tecnologias de informação e comunicação;
energia nuclear; nanotecnologia; biotecnologia; e complexo industrial de
defesa. Destaques estratégicos Promoção das exportações; regionalização; micro e pequenas empresas;
produção sustentável; integração com a África; integração produtiva da
América Latina e Caribe. Fonte: Adaptado de Cano e Silva (2010) e IEDI (2008).
Os programas de integração com África, América Latina e Caribe constituem duas
importantes iniciativas inovadoras, em termos de política de fortalecimento de setores
nacionais, de forma conectada com o comércio internacional. Os principais desafios
enfrentados pelo programa foram: ampliação de produção e serviços ofertados no Brasil,
aumentar a capacidade de inovação e desenvolver as pequenas e as médias empresas (DIEESE,
2008).
Visando solucionar esses desafios foram propostas as seguintes medidas: a) geração
de externalidades positivas para a estrutura produtiva; b) estratégias voltadas a temas
importantes para o desenvolvimento brasileiro, a longo prazo; c) programas voltados a sistemas
produtivos, levando em consideração a diversidade da estrutura produtiva brasileira. Cabe
33
destacar também, que nesse período, inúmeras instituições foram criadas no sentido de
fortalecer a PDP (DIEESE, 2008).
No lançamento da PDP, em 2008, o contexto interno da economia era definitivamente
mais favorável, mas quando a crise de 2008 explodiu foi necessário a adoção de políticas
anticíclicas no sentido de minimizar os impactos da crise no país, segundo Cano e Silva (2010,
p.15) “na medida do possível, as medidas conjunturais de recuperação da crise foram de alguma
forma referenciadas pelas duas políticas estratégicas do governo (o PAC – Programa de
Aceleração do Crescimento e o PDP).”. Deve-se observar que o programa anticíclico “Minha
casa, Minha Vida” [grifo do autor], teve fortes relações com o desenvolvimento do PAC,
conforme Cano e Silva (2010).
Segundo este autor, apesar das inúmeras medidas tomadas no período para o
fortalecimento da indústria, as metas do PDP não seriam atingidas, em decorrência da falta de
investimentos, aliada a crise econômica, investimentos estes, adiados principalmente na
indústria. Para Cano e Silva (2010, p.17), “As medidas de expansão do crédito e desoneração
fiscal foram mais bem-sucedidas na manutenção do consumo no mercado interno do que os
incentivos para a recuperação do investimento.”.
Em um resumo perspectivo Bonelli et al. (1995) relatam que o PCI, o Programa de
Apoio à Capacitação Tecnológica da Indústria - PACTI e o Programa Brasileiro da Qualidade
e Produtividade - PBQP, ações componentes da PICE foram falhas, a primeira por nunca ter
saído do papel, as demais por não possuírem incentivos e força de barganha do aparato
institucional e diante do momento econômico do governo Collor. No entanto, a liberalização
comercial aprofundada neste período foi a principal medida de política efetivada até 1995.
Já sobre a política industrial dos governos de Itamar Franco e FHC, Bonelli et al.
(1995) apresentam que este segundo seguiu o mesmo padrão de política de seu antecessor,
prova disso o acordo automotivo, concebido no governo Itamar e posto em prática no governo
FHC apesar da orientação horizontal da política. Nestes governos avançou-se em relação a
medidas institucionais buscando a redução do “custo Brasil”.
Analisando criticamente a PITCE, Campanário et al. (2005) aponta primeiramente seu
caráter de política horizontal, possuindo, portanto, uma influência da escola evolucionária
colocando a inovação no centro do seu arranjo de medidas. O objetivo da política constituiu-se
na tentativa de fomentar vantagens comparativas dinâmicas e melhorias da produtividade a
partir da geração de valor adicionado, apesar de horizontal, sendo seletiva com alguns setores
34
onde as demandas de mão de obra qualificada e capital eram mais intensas. Com relação ao
arranjo institucional, a política foi marcada pela “multiplicidade de inter-relações e
sobreposições” de ações conforme palavras do autor.
De forma sumária na perspectiva de Cano e Silva (2010) a política industrial é uma
ferramenta fundamental do planejamento econômico de longo prazo, e a PITCE assume papel
recente central no sentido promover a utilização da política industrial a este posto no
planejamento econômico. Para este autor, a articulação com a política macroeconômica, a
viabilização da inserção internacional com produtos de maior intensidade tecnológica, e a
defesa da estrutura produtiva e seu fortalecimento, são características fundamentais de uma
verdadeira política industrial.
Coutinho (2002) propõe ainda que para o êxito da política industrial é preciso ter um
balanço de pagamentos “viável e financiável a longo prazo”, além disso, relata que políticas de
comércio exterior e industrial passam a assumir um papel complementar no sentido de fomentar
as exportações, uma atuando sobre o mercado e outra dando capacidade de exportação em
termos institucionais e ferramental, principalmente em setores indispensáveis para a geração de
novas exportações.
Com relação a política industrial adotada no Brasil nota-se que ela teve uma evolução
no sentido de se construir uma política para este fim, no entanto, os planos apresentados durante
os anos 1990 e também 2000 se apresentaram como políticas industriais leves, com
instrumentos tradicionais, de forma bastante generalista, com um nível de interação com a
política macroeconômica baixo, na perspectiva das referências observadas, estes pontos
traduzem uma política com olhar sobre a produção, mais seletiva e pouco direcionada a ganhos
de competitividade e a novos mercados.
Com a finalidade de melhor compreender a política macroeconômica e a importância
da participação da indústria na economia brasileira ao longo do período a próxima seção
apresenta alguns olhares de interpretação sobre estas questões.
3.3 Participação da indústria e a macroeconômia da desindustrialização
Em análise para determinar se houve um impacto sobre a economia brasileira diante
da redução da participação da indústria de 1996 a 2009, Nassif et al. (2015) sinalizam que a
terceirização das atividades de serviços situadas até então na indústria a partir de 1990 ajuda a
35
explicar a aparente redução da participação da indústria na economia brasileira. Além disso,
apresenta uma tendência de “destruição definitiva dos laços internos da indústria” acompanhada
com a intensificação dos encadeamentos produtivos com o setor de serviços, ressaltando a
experiência internacional para justificar em devidas medidas esse fenômeno.
Ao buscar compreender os motivos que levaram a produção industrial brasileira a ter
substancial estagnação e redução a partir de 2010, Pastore et al. (2013) aponta que a saída
macroeconômica para o enfrentamento da crise de 2009, com impulsos de consumo via a
redução da taxa de juros e superávits primários conduziu o país a uma condição em que os
salários se ampliaram acima da produtividade média do trabalho na indústria, o que limitou a
utilização de sua capacidade, e, portanto, seu crescimento. Além disso, a desaceleração externa
contribuiu para o desaquecimento das exportações de manufaturados, assim como para a
estagnação da indústria. Como último ponto o autor expõe o redirecionamento do aumento da
demanda interna para as importações de manufaturados.
Avaliando a relação de participação da indústria brasileira no PIB, para os anos de
2008 a 2012, Goldfajn e Bicalho (2013) demonstram que as condições da demanda tiveram
importante influência no comportamento deficiente da indústria, os efeitos de política
monetária recaíram mais sobre a atividade industrial, e as despesas fiscais, no entanto, recaem
em maior intensidade sobre os serviços, sinalizando que atenuar gastos públicos e aprofundar
os investimentos em infraestrutura possam “suavizar a tendência de redução da participação da
indústria no PIB”. Os autores afirmam ainda que as considerações são importantes no sentido
de se verificar que outros fatores estruturais podem influenciar na dinâmica industrial.
Ao analisar a participação da indústria na economia brasiliera com base nos dados da
participação do valor adicionado no PIB, conforme Gráfico 1, nota-se que os dados reforçam
o apresentado nos parágrafos iniciais, que a indústria apresentou uma ligeira queda, desde o
início da série, e que a mudança de patamar de participação se deu em 1995. Outro aspecto que
se verifica é que a partir de 2010 a linha torna-se mais negativamente inclinada, saindo de uma
participação de quase 25% para 19% em 2015. No entanto, em toda a série a indústria manteve
uma participação média de 24%, sustentando-se próxima a este patamar por quase toda a série.
A participação do setor de serviços apresenta uma tendência de crescimento para o
período, e ao mesmo passo que a indústria cai para um patamar de participação em 1995, o
setor de serviços se eleva a um patamar de participação de 56% neste mesmo ano, avançando
8 p.p. em relação ao ano de 1994 e seguindo com uma participação média de 58% ao longo da
36
série. Ao passo que aindústria tenha perdido uma participação de cerca de 7 p.p ao longo da
série o setor de serviços teve um incremento próximo a 10 p.p..
Gráfico 1 – Participação % do valor adicionado do setroes industrial e de serviços no PIB, a
preços de 2014.4, em reais.
Fonte: Elaboração própria com base nos dados das Contas Trimestrais – IBGE.
Sobre as origens desta redução da participação da indústria brasileira, a linha teórica
neo desenvolvimentista desenvolve um arcabouço de explicações, o que em um conjunto de
fatores denominamos nesta seção de macroeconomia da desindustrialização. A macroeconomia
da desindustrialização seria na concepção deste grupo de autores, dos quais referenciamos os
mais proeminentes, o engendramento de fatores que vem sendo postos a cabo enquanto política
macroeconômica que estariam levando a este comportamento da participação da indústria, e
que no Brasil, este processo de desindustrialização seria negativo.
Desta forma apresentam-se um conjunto de revisão que constrói este argumento da
macroeconomia da desindustrialização, e que, portanto, compõe a explicação e o debate sobre
a ocorrência da desindustrialização brasileira, mais detalhado na seção 3.6.
Estes autores colocam a indústria no centro da explicação do crescimento econômico
de moldes capitalistas9, reforçando que ao longo da história capitalista os momentos de
9 Abordagem explicada conforme os autores “a la Kaldor”, baseados em três pontos principais, a saber: a) os países
que apresentam taxas de crescimento elevadas possuem também taxas de crescimento da produção industrial
elevadas; b) a taxa de crescimento da produção industrial está intimamente ligada com a taxa de crescimento da
produtividade na indústria; c) a taxa de crescimento dos serviços vinculados a indústria e fora da indústria estão
relacionados também a taxa de crescimento da produção industrial.
0%
10%
20%
30%
40%
50%
60%
70%
199
1 T
1
199
1 T
4
199
2 T
3
199
3 T
2
199
4 T
1
199
4 T
4
199
5 T
3
199
6 T
2
199
7 T
1
199
7 T
4
199
8 T
3
199
9 T
2
200
0 T
1
200
0 T
4
200
1 T
3
200
2 T
2
200
3 T
1
200
3 T
4
200
4 T
3
200
5 T
2
200
6 T
1
200
6 T
4
200
7 T
3
200
8 T
2
200
9 T
1
200
9 T
4
201
0 T
3
201
1 T
2
201
2 T
1
201
2 T
4
201
3 T
3
201
4 T
2
201
5 T
1
201
5 T
4
VA Indústria VA Serviços Linear (VA Indústria) Linear (VA Serviços)
37
crescimento sustentado do PIB sempre foram impulsionados pela indústria. Para o caso
brasileiro, reforçam esta observação, apresentando que, no período de 1930 – 1980, o
extraordinário crescimento da economia nacional foi sustentado pelo processo de
industrialização acelerada, proveniente do modelo de substituição de importações.10
Um ponto central observado nos textos da linha neo desenvolvimentista, trata-se da
crítica a uma característica atribuída por estes, ao caráter de Estado nacional, denominado semi-
autárquico, ou seja, subserviente a grupos pequenos, mais exatamente aos detentores de
capacidade de financiamento externo. Segundo os desenvolvimentistas, esta subserviência é o
que conduz à políticas de elevados juros e, portanto, de câmbio sobrevalorizado. Outras razões
para a sobrevalorização cambial são a valorização dos termos de troca devido ao crescimento
chinês, e também, a elevação da relação entre os preços dos bens non-tradables e tradables11.
Além disso, ressaltam que a indústria não é qualquer setor da economia, por meio da
apresentação de seus níveis de produtividade e pelo fato de que as economias do G7 apresentam
um decrescimento da sua taxa de crescimento do PIB, à medida que a indústria reduz sua
participação no valor adicionado. Com relação à taxa de câmbio, a queda na participação da
indústria de transformação no PIB acompanha uma brusca elevação da taxa real de câmbio,
para o período de 2003 a 2010 (OREIRO; MARCONI, 2014).
Em breve argumento neo desenvolvimentista em consonância com os dados
apresentados no Grafico 1, para o período de 1999 a 2004, a participação da indústria no PIB
sofre uma elevação, se considerada a preços correntes, abrindo parêntese à análise ortodoxa,
para o argumento de que a economia estaria se industrializando, conforme afirmam Oreiro e
Feijó (2010). Este argumento é rebatido pelos neo desenvolvimentistas, apresentando que
houve o crescimento da produção industrial, no entanto, sua participação em termos do PIB
continuou se desacelerando, e mesmo com este crescimento do produto industrial, não foi
possível alcançar a sua maior participação a preços constantes, de 18,3% em 1996, nos anos de
2003 e 2004.
Para Bresser-Pereira (2010) a explicação deste fenômeno de redução da participação
da indústria tem incício na relação déficit, câmbio e crescimento, compondo o argumento de
que quanto menor o déficit em conta corrente, mais competitiva é a taxa de câmbio, portanto,
10 Dentre outros autores estão Bresser-Pereira, Oreiro, Feijó, Loures, Marconi e Cano. 11 Non-tradables: não comerciáveis, ou com impossibilidade de comércio internacional (serviços); Tradables:
comerciáveis, com possibilidade de comércio internacional (manufaturados, commodities).
38
maior será o crescimento do país. Assim, aponta que à medida que uma economia incorre em
déficits na conta corrente, mediante o discurso de geração de “poupança externa”, esta
economia incorre em taxas de câmbio menos competitivas.
Além disso, o autor destaca, por meio de um modelo de ajustamento Keynesiano, que
o endividamento externo acarreta três graves problemas, o primeiro, os capitais entrantes
passam a financiar o consumo em maior medida que o investimento. O segundo, confidence
building12, conforme o autor, como a aceitação das recomendações de países credores em
termos de política comercial e econômica e, terceiro, uma crise do balanço de pagamentos. O
autor propõe uma taxa de câmbio de equilíbrio, ou seja, que garante o equilíbrio das contas
correntes, e deste modo, que esta taxa seja administrada.
Uma abordagem alternativa deste argumento é apresentada por Loures et al. (2010),
destacando que a combinação de juros elevados, apreciação da taxa de câmbio, tributação alta
e redução dos gastos do governo em infraestrutura, têm submetido a estrutura produtiva
nacional ao fenômeno da desindustrialização precoce e a “servidão consentida”13 a economias
mundiais, destacando esse processo para o período de 1991 – 2004.
Em um texto recente, Oreiro (2015) apresenta uma análise da política fiscal para o
período de 2004 a 2014, sugerindo um modelo de ajuste fiscal gradualista de médio prazo,
frente ao ajuste severo que vinha sendo imposto ao orçamento público para os últimos anos de
sua análise. Este ocorreu em momento de recessão da economia nacional, tendo este autor
apontado que, a causa real deste momento de recessão era de natureza estrutural, decorrente da
perda de competitividade de indústria de transformação. Assim, uma política fiscal contra
cíclica poderia, neste caso, ampliar o déficit externo ao invés de contribuir para a retomada do
crescimento, sendo esta a justificativa para a proposta gradualista de ajuste do autor.
Loures et al. (2010) destacam que uma política macroeconômica de estímulo ao setor
industrial não deve seguir o rumo recessivo da oferta de moeda, por meio de elevadas taxas
nominais e reais de juros. E complementam, sinalizando que a redução do nível de
produtividade da indústria e, portanto, do investimento industrial se convertem em pressões
inflacionárias. Complementam o argumento sinalizando que como consumo doméstico – é na
12 Apresenta o mesmo sentido da “servidão consentida” apresentado por Loures, et al. (2010), na nota 12, com
uma tradução literal de confiança construída, no caso a partir de condições macroeconômicas favoráveis ao capital
estrangeiro. 13 Submissão da política econômica aos detentores de capital estrangeiro, em troca de financiamento, mesmo
conceito proposto por Bresser-Pereira (2010).
39
verdade uma consequência da renda, em grande parte da produção industrial, paga aos fatores
de produção e, portanto, é “passivo” no sentido de incremento do produto industrial, sendo o
consumo externo ocorrido por meio das exportações.
Corroborando com esta análise, Cano e Silva (2010) apresentam que além de uma
política industrial bem articulada, é preciso uma política macroeconômica pró-
desenvolvimento, de tal modo, que uma política industrial não consegue ser efetiva com uma
política macroeconômica que seja impeditiva do investimento e gere maior risco deste para os
empresários. Desta maneira, a especialização da base produtiva e a perda de adição de valor na
economia, podem conduzir a economia brasileira a um processo de desindustrialização.
Quanto ao papel do Banco Central, Loures et al. (2010) destacam que a política de
austeridade mantida por meio das elevadas taxas de juros, conduz a um ciclo inflacionário, onde
as taxas de juros são mantidas elevadas para controle da inflação e assim, prejudicam a
produtividade e o crescimento do investimento industrial, que por sua vez, se transferem em
novas pressões inflacionárias, fazendo com que as taxas de juros cada vez mais se elevem.
Diante desta análise, e de seu aprofundamento pela observação do sistema de metas de
inflação à experiência brasileira, Oreiro et al. (2010) tecem uma crítica fulcral ao sistema de
governança de política monetária, portanto, ao Banco Central do Brasil, sugerindo os seguintes
elementos: fortalecimento e ampliação do Conselho Monetário Nacional (CMN); adoção do
“core inflation”14 e uma mudança na estratégia de redução da inflação no longo prazo,
defendendo a autonomia operacional do Banco Central, de modo a constituir uma política
econômica que estimule o setor industrial.
A macroeconomia da desindustrialização se resume então nas características de
política macroeconômica que combinadas afetam negativamente a indústria e que desta maneira
promovem a sua redução da participação na economia brasileira, levando esta a taxas de
crescimento baixas, dado que a indústria é considerada seu principal setor. As combinações
macroeconômicas se resumem em juros elevados, câmbio elevado, pressões inflacionárias,
elevados déficits em conta corrente, desalinhamento entre política industrial e
macroeconômica. N aproxima seção são apresentadas em maiores detalhes alguns aspectos
sobre a competitividade tão frisada pelo argumento neo desenvolvimentista.
14 Núcleo de inflação, baseado nas variações dos índices de preço da economia. Para mais, ler: WYNNE, M. A.
Core Inflation: a review of some conceptual issues. In: MEASURES OF UNDERLYING INFLATION AND THEIR
ROLE IN THE CONDUCT OF MONETARY POLICY, 1999. Proceedings of the workshop of central bank model
buildings held at the BIS on 18-19 february 1999 – june.
40
3.4 Aspectos de competitividade e especialização
Em geral os aspectos negativos levantados pelos autores de característica neo
desenvolvimentistas conduzem a indústria a uma apatia diante dos demais setores da economia
nacional e do comércio mundial. Esta apatia é traduzida conceitualmente como falta de
competitividade, além do problema da especialização, que estes autores sinalizam ser precoce
e regressiva (Bresser-Pereira, Marconi, Oreiro) e que autores de outras linhas teóricas tem um
consenso sobre a sua existência, porém atribuindo a outras causas (Carvalho, Kupfer, Laplane
e Sarti).
É apresentada por Tironi (2012), que em 1990, surge uma iniciativa conjunta dos
agentes da economia nacional (públicos e privados) no sentido da promoção da
competitividade15. Estes movimentos pautaram a qualidade, o desenvolvimento tecnológico, a
inovação e o desenvolvimento de arranjos produtivos. O autor salienta a importância deste
movimento em busca da elevação da competitividade das empresas nacionais frente aos
parceiros internacionais.
O autor ainda destaca a importância da manutenção de movimentos dessa natureza, na
necessidade do poder público de induzir e apropriar-se melhor dos efeitos destas ações, da
necessidade de uma aplicação mais consistente do conceito de inovação e da necessidade de
um direcionamento de recursos de forma mais criteriosa, de modo, a direcioná-lo a setores
fundamentalmente estratégicos de fomento. Um importante indicativo da competitividade de
uma economia certamente são os ganhos de produtividade obtidos por ela ao longo do tempo,
produtividade que significa gerar mais produtos com menos insumos, o que permite ganhos de
margem de lucro ou de excedente operacional.
Analisando uma das principais medidas de produtividade de uma economia para o
período de 1950 a 2000, Gomes, Pessôa e Veloso (2003) apresentam como resultados para o
Brasil que a produtividade total dos fatores (PTF) foi o principal determinante do crescimento
brasileiro. Além disso, apresentam quatro subperíodos que apresentam diferentes características
do comportamento da PTF, o primeiro de 1950 – 1957 com pequena elevação da PTF frente à
fronteira tecnológica e da estabilidade capital-produto. Para 1967-1976 verificou-se uma
15 Movimento Brasil Competitivo e Programa Brasileiro de Qualidade e Competitividade. Para mais sobre estes
temas consultar Aidar (2005).
41
elevação forte da produtividade total dos fatores descontada (PTFD), medida que leva em
consideração externalidades microeconômicas e outros aspectos como corrupção e crime.
No período de 1976-1992, os autores encontraram uma queda da PTFD, além de um
aprofundamento da utilização de capital, já para o último período, de 1992-2000 observaram
uma trajetória equilibrada de crescimento com estabilidade da PTFD. Estes fatos dão evidências
para os autores sinalizarem que a acumulação de capital no período pode ter se dado, em boa
medida, pelo comportamento assumido pela PTF e pelo capital humano. Além disso, apontam
que a produtividade marginal do capital no Brasil para o período é baixa, o que depreende uma
“carência de investimentos” nas palavras dos autores.
Silva et al. (2016) adicionam ao debate, a partir das análises dos dados de
produtividade ao longo do período de 1950 a 2010, que, o setor de serviços contribuiu em maior
grau para o crescimento da produtividade, enquanto a indústria contribuiu em menor escala com
relação à produtividade, com ganhos de tecnologia sim, consideráveis. O aumento da
produtividade da economia como um todo, conforme expõem a análise de dados realizada pelos
autores, parece ter sido puxado pelos setores de serviços e agropecuário, no período,
considerado como longo prazo.
Com uma análise para o período de janeiro de 1985 e dezembro de 1995, Cacciamali
e Bezerra (1997) demonstram alguns aspectos que apontaram como determinantes da brusca
redução do emprego indústria, principalmente na primeira metade da década de 1990, sendo
eles, principalmente, as práticas de inovações organizacionais e tecnológicas que eliminam
trabalho, assinalando que o Brasil poderia ter se aproximado de patamares de disseminação e
uso tecnológicos mais altos neste período, e mesmo na retomada do crescimento industrial, em
recessão no início da década de 1990 não se alcançaria os mesmos patamares de ocupação
industrial anteriores a liberalização.
Em analise similar, porém considerando o capital humano como elemento de cálculo
da PTF para o período de 1992-2007, Barbosa Filho, Pessôa e Veloso (2010) consideram que a
PTF teve crescimento de 11,3% no período, contribuindo com 22,9% do crescimento do PIB.
A explicação dos autores é que a expansão da educação no Brasil neste período em relação ao
crescimento em níveis baixos da PTF, fez com que a demanda por trabalho qualificado no Brasil
fosse menor que sua oferta, com isso a participação do capital humano no crescimento da
economia foi menor do que o esperado para o período.
42
Squeff e Nogueira (2012) ao realizarem uma análise da produtividade do trabalho e
qualidade das ocupações, para o período de 2002 a 2009, observaram os seguintes pontos,
primeiro, que a distribuição de renda não é fruto de uma relação causal direta da distribuição
de produtividade no caso brasileiro. Segundo, ressaltam que as atividades de menor
produtividade empregam o maior número de trabalhadores e a distribuição de renda no caso
brasileiro só pode ocorrer diante da ocorrência de uma considerável elevação da produtividade.
E terceiro, os setores mais produtivos foram os que apresentaram uma maior qualidade da mão
de obra em termos de qualificação.
Ainda sobre pontos importantes de destaque, Squeff e Nogueira (2012), apresentam
que ao longo deste período houve uma migração de trabalhadores das atividades de menor
produtividade para as de maior, sendo elas em sua maioria, atividades primárias, como a
agricultura, silvicultura e exploração florestal, pecuária e pesca, e produtos de madeira –
inclusive móveis. Além disso, evidenciam que as atividades que mais sofreram com a perda de
produtividade em termos do valor adicionado e pessoal ocupado, foram às atividades de artigos
de vestuário e acessórios e artefatos de couro e calçados.
Verificando a indústria de transformação brasileira para o período de 1992-2001
Campos, Hidalgo e Da Mata (2007) apontam que o comércio intra-indústria cresceu e que existe
uma relação negativa entre salário relativo do trabalhador qualificado e emprego relativo de
trabalho qualificado. Este resultado parece parte de um processo de ajustamento tecnológico de
modo que no subperíodo de 1997-2001 essas variáveis passam a ter uma relação direta, segundo
os autores. Outro resultado apresentado é que a abertura comercial apresenta efeito positivo no
aumento da desigualdade salarial na indústria de transformação.
Ao realizar um estudo de competitividade da indústria brasileira Arbache e Aragão
(2014, p. 58) apresentam o diagnóstico que a falta de competitividade da indústria brasileira
verificada, principalmente a partir de 2011, se deveu em boa medida a carência do investimento
em infraestrutura, questão essa agravada no contexto das cadeias globais de valor que requer
dos espaços produtivos “(...) infraestruturas sofisticadas, ágeis, a preços competitivos e em
permanente atualização (...)”, nas palavras dos autores.
Além deste diagnóstico Arbache e Aragão (2014) objetivam alguns critérios para a
formação de agenda pública sobre a seleção de melhores possibilidades de investimento em
infraestrutura que gerem ganhos para a indústria, sendo estes critérios o investimento em
infraestrutura de maior potencial de desenvolvimento, agregação de valor, mobilização de
43
cadeias produtivas, geração de empregos e impostos, além da inserção na economia
internacional.
No sentido de identificar qual setor produtivo possui maior grau de vantagens
comparativas, foram calculados indicadores de competitividade para agropecuária e indústrias
extrativas e de transformação, para o período de 1997 a 2003, em relação ao total de comércio
da economia brasileira, conforme apresentado no Gráfico 2. Verifica-se que o setor mais
competitivo, aquele que dispõe de maior “grau” de vantagens comparativas é a indústria
extrativa, que, no entanto, apresenta um declínio em seu índice de competitividade a partir de
2008.
A agropecuária evolui positivamente durante todo o período praticamente, com um
recuo em 2006/2007 assumindo a partir de 2011 uma posição de vantagens comparativas em
relação aos demais setores na economia brasileira. A indústria de transformação passa quase a
maioria do período (1997-2008) com índices negativos, não indicando vantagens comparativas.
A partir de 2008, apresenta crescimento e passa a apresentar índices positivos. É possível
perceber que houve, desde a abertura comercial, uma mudança no padrão de setores
competitivos na economia nacional.
Gráfico 2 – Índice de vantagens comparativas reveladas para agropecuária, indústria de
transformação e indústria extrativa, para 1997 - 2013.
44
Nota: Elaboração própria16.
Fonte: SECEX – MDIC.
O relatório Estudo da Competitividade da Indústria Brasileira (1993), elaborado por
uma comissão de pesquisadores de universidades nacionais e internacionais, aponta algumas
características do novo processo de produção industrial posto em curso, que seria o substituto
do modelo de produção em massa, com o uso de uma organização do trabalho homem-máquina,
sendo as máquinas sofisticadas e compostas por microeletrônica e os trabalhadores com
características multifacetadas, atuando em mais de uma frente de trabalho.
Este mesmo relatório destaca que a difusão deste novo modelo em diferentes
economias se dá em diferentes contextos de tempo e espaço, e por este motivo, se pressupõe
um processo distinto e a necessidade de modificação de características internas das firmas,
como por exemplo, a ideologia das gerencias, a organização do processo de trabalho, a estrutura
da empresa, a política de gestão de recursos humanos, a relação das empresas com os sindicatos
e com seus fornecedores.
A visão de Kupfer em trabalho realizado em 1994 sobre a competitividade da indústria
brasileira no período aponta a capacidade de reação do empresariado frente ao cenário
macroeconômico e ao ajuste do cenário político e econômico do período. Essa reação se
traduziu em redução da produção industrial além de ganhos de eficiência e programas de
qualidade. Este processo gerou um deslocamento da produção industrial tradicionalmente
direcionado ao comércio exterior para os países industrializados. Ressalta-se também a
16 Para ver a metodologia de cálculo, consultar o Apêndice 1.
-1,00
-0,80
-0,60
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
199
7
199
8
199
9
200
0
200
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
Agricultura, pecuária, produção florestal, pesca e aquicultura
Indústria de Transformação
Indústrias Extrativas
45
necessidade de atuação sobre as particularidades de cada um dos setores para a melhoria das
condições de competitividade.
Neste mesmo trabalho, é feita uma distinção entre os conjuntos industriais que
possuem capacidade competitiva, com deficiências competitivas e difusores de progresso
tecnológico. O primeiro grupo trata-se de um conjunto de setores produtores de commodities
em geral de baixo valor agregado, a recomendação para estes setores é a intensificação de suas
vantagens competitivas, a expansão dos mercados e uma política de comércio internacional
mais ativa visando, inclusive, garantir maiores margens.
Sobre o conjunto considerado como deficiências competitivas, predominante no Brasil
a época, conforme o autor, se caracteriza por estar voltado em grande parte para o mercado
interno, com práticas de mercado pouco competitivas para o conjunto, como a informalidade,
a sonegação e a degradação da força de trabalho. Como sugestão para estes setores coube à
capacitação produtiva, a busca pela excelência internacional atendendo a nichos internos de
mercado, aumento qualitativo e quantitativo da concorrência, inclusive com a devida exposição
ao mercado internacional e o fortalecimento do mercado interno.
Para o último grupo dos difusores de progresso técnico concentram-se setores de bens
de capital. Destaca-se que este conjunto é fundamental para a competitividade da indústria em
geral, e, portanto, o seu fortalecimento em termos de política é imprescindível. Para apoio a
este conjunto de setores, as recomendações são a melhoria na coordenação dos instrumentos de
política, a prioridade em financiamentos, o fomento às exportações, a desverticalização
produtiva e o aumento da cooperação.
Com relação a concentração comercial brasileira, o trabalho de Istake (2003) dá luz
sobre o tema, ressaltando que existe uma concentração das relações comerciais no Brasil nas
regiões Sudeste e Sul. Outro importante resultado, neste sentido, é que apenas a região Sudeste
é abundante em mão de obra qualificada. Portanto, sugerem-se políticas públicas de incentivo
a qualificação da mão de obra no Brasil.
Carvalho e Kupfer (2011) destacam que o Brasil vem sofrendo um processo de
especialização considerado precoce, pois vem se dando a um nível de renda per capita inferior
ao de outros países, sugerindo que a abertura comercial pode ser um dos determinantes deste
processo, bem como a falta de dinamismo da economia. Os autores destacam que este último
elemento parece gerar certa “rigidez estrutural”, dificultando a atração de novos investimentos
e disseminando um formato de investimentos “de baixo risco, rápido retorno, baseados em
46
ativos tangíveis, com poucos recursos tecnológicos e baseados em recursos naturais” [grifo
meu]. Laplane e Sarti (2002) afirmam ainda que o processo de internacionalização brasileiro
foi “introspectivo”, tendo por resultado uma estrutura empresarial mais eficiente, porém com
resultados macroeconômicos pífios.
Analisando o índice de contribuição ao saldo comercial, conforme Gráfico 7, nota-se
um crescimento da contribuição ao saldo comercial da agropecuária, tornando-se mais
competitiva ao longo do período de 1997 a 2013, e também apresentando vantagens
comparativas já a partir de 2003. Enquanto isso, os setores industriais que apresentavam boas
vantagens comparativas no período sequente à abertura comercial, sofreram um grande declínio
em termos de competitividade ao longo do período.
O movimento observado, Gráfico 3, sinaliza uma característica no sentido da
especialização para a economia brasileira, com maior contribuição ao saldo comercial dos
produtos da agropecuária, em sua maioria commodities e produtos de natureza básica
provenientes da indústria de tranaformação.
Gráfico 3 – Índice de contribuição ao saldo comercial para o período de 1997-2013.
Nota: Elaboração própria17.
Fonte: SECEX – MDIC.
O trabalho de Dalberto e Staduto (2013) traz o debate sobre a especialização para a
questão regional, apresentando resultados que corroboram para a afirmação que, em média,
regiões de produção mais diversificadas no Brasil possuem maiores salários e são a base para
17 Para ver a metodologia de cálculo consultar o Apêndice 1.
-0,06
-0,04
-0,02
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
199
7
199
8
199
9
200
0
200
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3
Agricultura, pecuária, produção florestal, pesca e aquicultura
Indústria de Transformação
Indústrias Extrativas
47
o crescimento sustentado de longo prazo. Além disso, constatam que as indústrias de base
tecnológicas tendem a se aglomerar em grandes polos concentrando assim, mão de obra mais
qualificada e, portanto, com maiores salários.
Nesta seção foram observadas algumas análises de importantes indicadores que
temporalmente dão o tom a evolução da competitividade brasileira. Não se tem um único
indicador, porém as abordagens aqui passaram por indicadores de produtividade, diagnósticos
de competitividade, índices de competitividade revelada e de contribuição ao saldo comercial
setoriais, usualmente apresentados para esta temática (Balassa, Lafay e Laursen18).
O que se pode discernir a partir das perspectivas apresentadas é que a mudança
estrutural gerou um conjunto de benefícios ligados à vinculação ao mercado mundial e ao
andamento do mercado no sentido do refinamento das relações comerciais e ganhos de
produtividade, muito direcionados aos aspectos da firma.
No entanto, outros desafios foram postos, principalmente no sentido macroeconômico,
como a equalização do comércio a nível regional com o resto do mundo, a definição de
estratégias transversais de avanço da competitividade da economia em geral, e a atração
estratégica de investimentos que favoreçam a base produtiva e incrementos tecnológicos da
produção de modo que os ganhos de produtividade não sejam inócuos e momentâneos. Na seção
a seguir são apresentados alguns argumentos buscando traduzir como se encontrou, durante o
período analisado, o posicionamento da produção nacional diante da cadeia mundial de valor.
3.5 Posição da indústria brasileira na cadeia global de valor
Dado o que foi visto sobre abertura e integração comercial na década de 1990,
considera-se um processo muito recente em vista aos diversos países desenvolvidos
principalmente, processo este bastante tardio, o que impõe ao Brasil a necessidade de adaptação
ao modelo posto de comércio.
O modelo de comércio atual se baseia na forma com que os bens e serviços são
produzidos, mas principalmente, na forma com que os fatores de produção se encontram
distribuídos, sendo que em função deles a produção vem sendo gradativamente deslocada, em
18 Referências detalhadas no Apêndice 1.
48
busca de ganhos de custos, eficiência produtiva e agilidade no acesso ao consumidor ou
mercado fim.
Essas estruturas produtivas desconcentradas com a agregação de valor diferente em
cada estágio de produção de um mesmo bem, compõe o entendimento do conceito de cadeia
global de valor (global value chains), neste contexto Koopman et al. (2014) destaca que nesse
formato o valor adicionado em uma etapa se consolida como custo adicional da etapa seguinte.
Um fato relevante neste debate é apresentado por Fendt (2014), de que nos últimos 20
anos o comércio internacional que ocorria, 60% entre os países desenvolvidos, 30% entre países
desenvolvidos e em desenvolvimento e 10% apenas entre países em desenvolvimento, vêm
mudando e vêm se desconcentrando, e o cenário esperado para 2020 é de que estas parcelas de
comércio ocorram igualmente entre estas classes de países. Além disso, 60% das transações
comerciais internacionais atuais envolvem bens intermediários.
Estes fatos colocam a análise sobre a perspectiva de cadeias de valor no centro do
debate atual de comércio internacional, de políticas de comércio, integração e industrialização.
Essa visão promove também uma ruptura no modelo tradicional de interpretar o comércio
internacional, onde as importações são vistas em igual importância às exportações e o setor de
serviços ligado à manufatura tem então, importância predominante, conforme Fendt (2014).
Outro importante efeito do modelo de produção em cadeias de valor se traduz no fato
de que a associação a determinadas cadeias de valor pode gerar efeitos de transbordamento.
Ferraz et al. (2014) destacam como um desses efeitos a industrialização, citando como casos
observados a China, a República Checa, a Hungria e a Polônia. Estes autores ainda traduzem
como tímida a participação do Brasil na cadeia de valor global.
Fendt (2014) é categórico em afirmar que políticas de comércio restritivas podem ser
contraproducentes e podem promover um efeito contrário do pretendido, e ainda, que o modelo
de substituição de importações na atual situação do comércio mundial pode ser inibidor do
comércio de bens intermediários e da realização do investimento estrangeiro direto.
O trabalho de Guilhoto e Imori (2014) apresenta resultados para o caso brasileiro
delineando um panorama com algumas conclusões importantes. Primeiramente, o comércio
internacional brasileiro é restrito a poucos parceiros e destinos comerciais. A partir da abertura
comercial o comércio brasileiro de valor adicionado demonstrou tendência crescente,
principalmente abastecendo outras economias de insumos intermediários.
49
Na relação comercial de produtos de média alta tecnologia, o Brasil se mostra
fornecedor de valor para países desenvolvidos, e recebe em volume expressivo valor da China
deste tipo de produtos. A relação Brasil e China ainda apresenta uma característica relevante,
no sentido de que os produtos de gênero agrícola demonstram alto valor agregado, porém o
comércio com este país se dá em grande parte por produtos metalúrgicos, conforme Guilhoto e
Imori (2014).
Por fim, o comércio com Índia e Rússia é realizado basicamente a partir da indústria
de alimentos de baixo valor agregado e o valor agregado das indústrias de mineração e
petrolífera são, em grande medida, gerados para atendimento a outras economias. Assim,
Guilhoto e Imori (2014) finalizam apresentando que as atividades agrícolas e a mineração
apresentaram valor agregado crescente no comércio internacional, enquanto a indústria
apresentou queda se comparados ao ano de 2005.
Os resultados acima apresentados corroboram com algumas percepções da literatura
recente sobre a integração brasileira no comércio global. Uma delas é a apresentada por Lima
(2015), de que o país precisa de uma política estratégica, conectada com o mercado
internacional e seus novos paradigmas, bem como, com uma visão de longo prazo. O autor
destaca ainda, a demasiada dependência do mercado interno e isolamento em relação à
globalização, refletido por poucos acordos comerciais, acomodamento frente ao momento de
bonança externa e o acesso em atraso a melhorias tecnológicas nos setores econômicos.
Sobre a indústria, Lima (2015) retrata que a proteção do mercado interno brasileiro,
principalmente para acesso a bens de capital e bens intermediários e o custo institucional
brasileiro, chamado custo-Brasil, foram fatores limitantes da competitividade e da conexão da
indústria nacional às cadeias de valor mundial em maior grau.
Os argumentos de Lima (2015) são também sustentados na análise empírica
promovida por Ferraz et al. (2014), demonstrando que mesmo havendo um aumento da
penetração de bens intermediários, no caso brasileiro, se comparado com outros países, a
indústria brasileira ainda apresenta baixos volumes de bens intermediários importados. Já com
relação a produção de bens intermediários, a indústria nacional apresenta produção em setores
menos intensivos em tecnologia.
É destacado por Ferraz et al. (2014) que a infraestrutura de transportes e seu desgaste
se constitui como um custo adicional e uma barreira para integração as cadeias de valor. Rebelo
(2014) cita dez ações que seriam impulsionadores da relação comercial brasileira dentro do
50
novo paradigma observado, sendo que todas elas corroboram com os fatos apresentados neste
item.
Com relação ao “método” de condução de uma política comercial baseada no modelo
cognitivo de compreensão pelas cadeias globais de valor, Oliveira (2015) propõe um modelo
de variáveis que seriam fios condutores deste tipo de política comercial. Em primeiro lugar é
preciso a consciência de uma definição mais ampla de comércio internacional, abarcando bens,
serviços, investimentos e propriedade intelectual. Um segundo elemento é a vinculação aos
mercados nos dois sentidos do fluxo, o acesso para que as exportações sejam ampliadas e a
vinculação para que as importações também estimulem novas exportações. Outro ponto seria a
ampliação do conceito de barreiras, que se estenderiam além do campo das barreiras tarifárias
e, por fim, seria preeminente pensar no posicionamento de empresas domésticas nas cadeias de
valor mundiais.
A análise comparada de desempenho proposta por Oliveira (2015) em relação ao
modelo de política comercial do Brasil e Canadá permitiu concluir que a integração comercial
só é de fato alcançada na percepção das cadeias de valor com uma abertura comercial real, que
vai para além dos fluxos de bens e serviços. Este modelo foi denominado pela autora como
“liberalismo de redes” que possui como características negociações de acordos preferenciais de
comércio, com um formato discriminatório com diferentes níveis de integração e sua
viabilidade ao longo do tempo se dá pelo número de integrantes em cada “iniciativa
liberalizante”, nas palavras da autora.
Ressalta, por fim, que o Brasil não aparenta se encaixar em um modelo de política
comercial orientado pelas cadeias globais de valor, que a política comercial é criada ainda
baseada em um modelo de divisão do trabalho entre Norte e Sul, fechado, buscando resguardar
a produção nacional aos impactos da integração, do que propriamente integrar o país. Além
disso, não são considerados na agenda de formulação de política os ganhos de conhecimento,
propriedade intelectual, inovação e geração de novos investimentos. No período pós-abertura,
a autora ressalta que houve um distanciamento do mercado doméstico com o mercado
internacional ocasionado por instrumentos de defesa comercial.
Na seção seguinte são apresentados uma revisão dos principais textos construídos
sobre o processo de desindustrialização brasileiro, deu-se ênfase em demarcar as correntes
teóricas bem como seus principais conceitos e idéias sobre a temática. Trata-se do referêncial
mais abrangente, onde todos os aspectos apresentados mais pormenorizadamente nos itens de
51
3.1 a 3.5 são pautados em aspectos macro, debatidos em um conjunto de proposições de cada
linha teórica, compondo assim o debate brasileiro sobre a desindustrialização.
3.6 A desindustrialização e o debate brasileiro
A desindustrialização é um fenômeno que vem sendo debatido desde o fim dos anos
de 1980 com maior intensidade, devido, principalmente, à intensificação da integração
comercial mundial. Esta característica é agravada pelo avanço da aplicação do modelo
neoclássico, que traz a premissa de que o crescimento de longo prazo de uma economia é
resultado da acumulação de fatores e do progresso tecnológico, independentemente da
composição dos setores na economia (OREIRO; FEIJÓ, 2010).
Neste sentido, o termo desindustrialização apresenta dois conceitos bem marcados, o
primeiro delimitado pelo trabalho clássico de Rowthorn e Ramaswany (1999, p. 17) como a
persistente ocorrência da redução da participação do emprego industrial no total de emprego de
uma economia, seja de um país ou região, sendo de certa forma um indicativo da preferência
entre o investimento na indústria ou em outros setores conforme abordam os autores, a “(...)
result of the interactions among changing preference patterns between manufactures and
services, (...)”.
O segundo conceito, mais amplo e a ser aqui debatido, foi incorporado por Tregenna
(2009) incluindo no conceito clássico, também a redução persistente do valor adicionado da
indústria na proporção de adição de valor total do PIB. Ou seja, para a evidência deste processo
em uma economia, é preciso que haja, não só uma redução contínua do emprego industrial,
como de forma simultânea, que haja a redução da participação do valor adicionado da indústria
no PIB.
Um bom resumo sobre os conceitos e formulações teóricas sobre a desindustrialização
é apresentado por Nassif (2008), neste resumo a formulação “a la Clark”19 do processo de
desindustrialização é natural de economias capitalistas desenvolvidas podendo ou não ser
nocivo ao desenvolvimento da mesma. Neste sentido, países com rendas baixas possuem maior
participação de setores primários no PIB, a medida que avançam em maiores níveis de renda
19 Ver Clark (1957).
52
essa participação é deslocada para o setor industrial, e por fim, em níveis elevados de renda, a
participação é deslocada para o setor de serviços.
O processo de desindustrialização tende a provocar alguns efeitos, que podem ser
contundentes a estruturas de economias em desenvolvimento, como no caso do Brasil. Estes
efeitos são apresentados por Schymura e Pinheiro (2013). O primeiro deles é chamado efeito
composição (negativo), que se trata da modificação dos níveis de produtividade da economia,
decorrente do deslocamento de mão de obra da indústria para o setor de serviços, que é
naturalmente um setor menos produtivo. Oreiro e Feijó (2010) contribuem para este argumento,
salientando que este efeito acaba reduzindo o produto potencial de longo prazo da economia.
O segundo efeito, apontado por Schymura e Pinheiro (2013), é o efeito crescimento,
se tratando de uma modificação nos níveis de produtividade da economia em decorrência da
variação da composição da mão de obra dentro de cada um dos setores, industrial e de serviços.
Além destes dois impactos, os autores apresentam a redução do encadeamento entre
os setores da economia, e uma consequente redução do seu potencial de multiplicação da renda
e do emprego, com a perda de participação da indústria na economia. Atrelado a este problema,
a redução das externalidades locais e de transferência de pesquisa e tecnologia entre as
empresas, quando a indústria se reduz.
A desindustrialização pode se constituir também, como um fenômeno de impactos não
negativos para a economia, quando ocorre uma redução da participação do emprego e da
produção industrial em relação ao PIB, em decorrência da realização de parte das atividades
industriais antes domésticas, fora do território nacional, por conta de vantagens de custos, por
exemplo, direcionando para o exterior as atividades de menor valor adicionado ou mais
intensivas em trabalho, conforme destaca Oreiro e Feijó (2010). Desta maneira, a
desindustrialização pode causar impactos positivos, como maior tecnologia na produção e valor
adicionado na pauta exportadora.
Em uma análise para o período de 1990 a 2005 para países emergentes e
desenvolvidos, McMillan e Rodrik (2011) apresentam dados para o caso brasileiro,
evidenciando um efeito composição negativo em 4% e um efeito crescimento no sentido
contrário na magnitude de 11%. Em geral as constatações do trabalho são que a abertura
comercial contribuiu para a ocorrência do efeito composição nestas economias, o que gerou,
para os anos do estudo, uma redução sistemática de suas produtividades ou impossibilidades de
um maior avanço, como no caso do Brasil.
53
Oreiro et al. (2010) destacam ainda que a ocorrência do chamado efeito composição,
pode levar a um aumento da produtividade da economia como um todo, por meio de um
aumento da produtividade da indústria. Estando subscrito neste argumento que o setor de
serviços e a agricultura, por exemplo, seriam setores menos produtivos que a indústria, o que
reforçaria a tese de que a indústria é o motor do crescimento da economia.
Diante deste processo, Nassif (2008) propõe a formulação de Rowthorn e Wells (1987)
de redução do emprego industrial, em que a produtividade assume papel fundamental no
processo de desindustrialização, tendo em vista que em economias desenvolvidas onde as taxas
de crescimento do valor adicionado da indústria e dos setores de serviços e industrial são
semelhantes, a produtividade do trabalho do setor de serviços tende a ser menor que a da
indústria, provocando uma queda dos preços relativos dos bens industrializados e gerando um
efeito compensatório mais que superior na elasticidade-renda.
Neste sentido, Schymura e Pinheiro (2013) reforçam a necessidade de uma política
industrial consistente, de modo que a exposição à abertura comercial ocorra de forma gradativa,
e que permitam às empresas um adequado ajustamento a este processo. Além disso, mantendo
os linkages entre os setores, não permitindo a quebra de elos importantes, existindo assim,
setores estratégicos para atuação em termos de política.
Oreiro e Marconi (2014) destacam que a economia brasileira está se
desindustrializando. Este processo é evidenciado pelos autores por meio da queda da
participação da indústria de transformação no valor adicionado. Além disso, sinalizam que a
desindustrialização não é um fenômeno mundial, apoiando o argumento no fato de que os países
asiáticos permanecem com a relação da indústria no valor adicionado equilibrada. Justificam,
que no caso brasileiro, a desindustrialização é sim precoce, pois tem seu início em um nível
inferior de renda per capita e participação do valor adicionado e do emprego no total,
diferentemente do verificado em economias desenvolvidas, caracterizando o pensamento da
linha neo desenvolvimentista brasileira, acerca do tema.
No mesmo sentido, Palma (2005) afirma que Brasil, Argentina, Chile e Uruguai foram
os países latino-americanos que sofreram os níveis mais elevados de desindustrialização,
ocorrendo este processo a níveis baixos de renda per capita, inibindo a capacidade de alcançar
níveis maduros de industrialização, e mais, levando esses países ao retorno de sua situação
“natural” de adoção de vantagens comparativas no comércio dado sua abundancia de recursos
naturais.
54
Buscando apresentar aspectos determinantes da desindustrialização para o caso
brasileiro, Oreiro e Marconi (2014) apontam dez teses sobre a desindustrialização brasileira e
constroem os argumentos de contrapondo a essas teses formuladas. Neste trabalho, apontam
que a desindustrialização brasileira, não é, portanto, decorrente do “processo natural de
desenvolvimento” [grifo meu], mas sim principalmente decorrente da política cambial praticada
nos últimos anos. Enfatizam ainda a importância deste fenômeno, observando que a indústria é
o setor com maior produtividade do trabalho, e, portanto, indutor do desenvolvimento de médio
e longo prazo.
Sobre a tese de que o Brasil teria apresentado comportamento da taxa de câmbio
similar ao de países em desenvolvimento, e que, portanto, a influência da taxa de câmbio não
seria uma das razões determinantes para a desindustrialização, é combatida por Oreiro e
Marconi (2014), que apresentam dados do câmbio efetivo da América do Sul, tomando o ano
2000 como base, e justificando que o Brasil apresentou a maior apreciação entre os países
selecionados.
Com relação a tese de que a desindustrialização é causada pela perda de produtividade
decorrente do crescimento dos salários, Oreiro e Marconi (2014) a contrapõem apresentando
uma série do custo unitário do trabalho mensal para o ano de 2011 e uma relação desta série
com a taxa real de câmbio. Segundo os autores, a primeira não comprova a validade da tese
acima citada, bem como, a segunda evidencia um crescimento da ordem de 60% da série no
período, corroborando com a explicação da desindustrialização determinada pela taxa de
câmbio.
Sobre a última tese, Oreiro e Marconi (2014) apresentam por meio de uma série
trimestral, de janeiro de 2004 a janeiro de 2012, dos termos de troca e da taxa real de câmbio,
apresentando que as variações dos termos de troca aparentam ter influência central nas
elevações da taxa de câmbio brasileira e, portanto, não se trata do estado de bem-estar,
propagado pela Constituição de 1988 a causa real das apreciações cambiais contínuas.
Com um enfoque nos anos de 2005 - 2011, Bacha (2013) apresenta um ponto adicional
ao debate, arguindo que o processo de desindustrialização está em curso na economia nacional
e que pode ser explicado para tal período, de forma específica, a partir de uma “bonança
externa”, provocada pelo forte avanço do preço das commodities no período e pela entrada de
capitais, revelando pelo modelo de absorção que o país sofre adicionalmente de doença
55
holandesa, e que mesmo a economia operando com câmbio fixo e sem expansão de crédito
doméstico, a desindustrialização teria ocorrido dada a magnitude da bonança.
Uma crítica à análise do processo de desindustrialização da linha neo
desenvolvimentista, se dá por meio dos dados utilizados como evidência deste processo, onde
Bonelli e Pessôa (2010) ressaltam que os preços industriais crescem em menor medida que os
demais preços da economia, o que demonstra nestes termos, ganhos de competitividade deste
setor em relação aos demais.
Ainda, destacam as dificuldades sofridas pela indústria na década de 1980, e que o país
sofreu grandes ganhos de produtividade a partir da abertura comercial, da condução da política
econômica de privatizações e da adoção de medidas mais liberalistas. Salientam então, que os
entraves macroeconômicos se situam no campo dos baixos níveis de poupança externa que vem
pressionando o câmbio à valorização, e assim, tem tornado a indústria menos competitiva,
principalmente com relação à concorrência internacional (BONELLI; PESSÔA, 2010).
Ao observar o período de 1985 a 2008, Bonelli e Pessoa (2010), dadas as limitações
de dados, destacam as oscilações da participação da indústria de transformação no PIB, sendo
de 36% em 1985, chegando em 22,9% em 200820. Com relação a este período, os autores
evidenciam a ocorrência de uma forte apreciação da taxa real de câmbio, sendo a mesma
acompanhada pelas palavras dos autores de uma “perda de dinamismo da indústria de
transformação com respeito ao resto da economia brasileira”.
Neste mesmo período foi marcado por uma perda de participação da indústria de
transformação e pela acentuada participação das commodities na pauta exportadora, conforme
Almeida (2012), impactando na ampliação da transferência de renda, pressionando o salário
mínimo, por consequência, a demanda agregada e a redução do desemprego.
Ao observar a desindustrialização por meio da análise da produtividade da economia
brasileira, Nassif (2008) conclui em sua análise que se apresentam três períodos bem marcados
com relação aos níveis de produtividade, um nos anos de 1980, com um cenário econômico
complexo, de crescentes níveis de inflação e uma forte recessão na economia, com níveis de
produtividade declinantes, bem como da participação da indústria.
20 Redução maior é apresentada pelos autores em decorrência das descontinuidades metodológicas da série, no
entanto, a partir de correções os autores chegam a estes valores. Para mais detalhes, ver Bonelli e Pessoa (2010, p.
15-16).
56
Um segundo momento, de 1991 a 1998, marcado pela estabilidade na participação da
indústria e aumento da produtividade. O terceiro momento, verificado a partir de 1999,
caracteriza-se pela queda na produtividade e por taxas de investimento retraídas. Dessa forma,
o autor, posiciona-se contra o argumento da desindustrialização para o caso brasileiro,
afirmando ainda que durante a década de 1990 a indústria manteve um nível médio de
participação no PIB, em cerca de 22% (NASSIF, 2008).
Para Wasques (2011) e Bonelli e Pessôa (2010) o fenômeno da desindustrialização não
aparenta estar em curso na economia brasileira para o período de 2000 a 2009. No entanto, o
arcabouço de dados apresentados pelos autores demonstra que a indústria de transformação
sofreu oscilações negativas neste período, contudo, os autores revelam que mesmo com estas
oscilações negativas, não é possível definir que este processo se encontra em curso na economia
brasileira.
Estes autores também salientam que as variações macroeconômicas, “crises”,
provocaram variações na participação da indústria, principalmente entre 1994 e 2002,
corroborando com as conclusões de Pastore et al. (2013), de que há uma absorção nacional
desta redução da participação da indústria brasileira no produto mundial, que culminaram na
estagnação deste setor na economia brasileira em 2010.
A explicação central desta linha de autores está calcada em alguns pontos centrais, um
de que a indústria brasileira estaria passando a um novo modelo, onde a indústria de
transformação teria naturalmente uma menor participação, conforme Almeida (2012). Para o
período mais recente, 2000 a 2009, Pastore (2012) apresenta que as medidas de redução da taxa
de juros, superávits primários e a expansão de crédito se converteram em um expressivo
aumento da demanda por serviços e por produtos industriais, com isso, houve uma elevação
dos níveis de emprego e aumento dos salários reais, além do aumento do salário mínimo. Já na
indústria não houve considerável aumento na capacidade produtiva e no emprego.
Corroborando com estas explicações, Bonelli e Pessôa (2010) citam a lei de Engel e o
progresso técnico combinado à difusão internacional de conhecimento, em que alguns países
de faixas de produto semelhantes devem passar por uma conformação de estrutura produtiva,
seguindo certo padrão, onde há uma redução dos setores primários em primeira instância,
sustentada pela expansão da indústria, em menor quantidade pelo setor de serviços, sendo que
57
no último momento, esse processo se adensa e passa a crescer lenta e continuadamente. Estes
fatos são normalmente conduzidos pela política econômica e comercial21.
Com isso, Bonelli e Pessôa (2010) apresentam ainda, que dado o contexto de recessão
interna no período de abertura comercial, especificamente de 1990 a 1992, e a instabilidade
política acentuada, geraram um impacto importante no sentido de pressionar a redução da
participação da indústria na economia, mesmo afirmando que o Brasil não sofreu um processo
de desindustrialização até 2008, e que as causas da redução da indústria no país estavam
relacionadas à sua “sobre industrialização”22 [grifo do autor], nos anos anteriores ao período
aqui analisado.
Esses três pontos, convergem para uma característica central da linha ortodoxa sobre
a explicação deste processo de desindustrialização, que é sintetizado por Almeida (2012, p.50),
“A verdade é que o Brasil se tornou um país caro para a produção de manufaturas e, assim,
parte do aumento da demanda recai naturalmente no aumento das importações.”.
O agravamento da crise financeira mundial, em 2009, conduziu a demanda a uma
redução considerável, sobretudo nos países desenvolvidos, resultando em um excesso de oferta
de produtos manufaturados no mundo, e, portanto, na redução dos preços destes mesmos
produtos, o que intensificou a queda da participação da indústria no PIB mundial (ALMEIDA,
2012).
Por fim, Bonelli e Pessôa (2010) apresentam que houve uma redução de participação
da indústria, porém frisam que um “resumo prudente” desta perda de participação, no emprego,
se dá em maior grau pelas reformas promovidas na década de 1990, e que os dados de
produtividade não permitem exprimir que as reduções de participação se aprofundaram nos
períodos seguintes analisados.
Neste sentido, os autores complementam que esta perda de participação da indústria
pode ser verificada também por meio da análise de algumas variáveis adicionais, sendo elas:
elevação da produtividade industrial; vantagens competitivas caracterizadas por mão de obra
21 Os autores destacam, neste caso, os países da OCDE, que passaram por este esquema e perderam
significativamente a participação da indústria desde a metade do século XX. 22 Bonelli e Pessôa (2010) ao realizarem a análise dos dados de participação da indústria a preços constantes,
verificaram que o Brasil iniciou o processo de perda da participação da indústria, antes mesmo da década de 80.
Justificam este fato, como resultado do profundo processo de industrialização ocorrido nas décadas anteriores, e
assim, a partir da década de 70 há uma convergência aos padrões mundiais, os quais estariam abaixo do Brasil, até
o período.
58
de baixo custo e câmbio desvalorizado; introdução de novas tecnologias, economias de escala
e ganhos de produtividade; e terceirização (BONELLI; PESSÔA, 2010).
Nassif (2008) resume suas conclusões acerca do tema da seguinte maneira.
Primeiramente salienta que o fenômeno da desindustrialização no Brasil trata-se de uma
conjectura, atribuindo a relutância da participação da indústria em níveis mais baixos que na
década de 1980, à queda dos níveis de investimento e a instabilidade da produtividade do
trabalho. Além disso, ressalta que não se verifica uma realocação de fatores produtivos
“generalizada” para indústrias ou setores mais intensivos em recursos naturais.
Existem fortes limitações de análise da desindustrialização para o caso brasileiro,
devido às isoladas explicações feitas para curtos períodos de tempo. Além disso, a mudança
metodológica de contabilização do PIB, ocorrida entre 1990 e 1995, em certa medida, torna
mais difícil a observação das séries compostas para o período. Fato este, tratado não como uma
justificativa para a não utilização de dados, mas sim, como uma real limitação de análise,
inclusive salientada por Oreiro e Feijó (2010) e Bonelli e Pessôa (2010).
59
4 PROCEDIMENTOS METODOLÓGICOS
Nesta seção são apresentadas as etapas metodológicas utilizadas no cumprimento dos
objetivos deste estudo. A primeira constitui-se no estabelecimento de um método econométrico
visando responder quais são as principais variáveis que determinam as oscilações do valor
adicionado e do emprego industrial. Na segunda etapa utilizou-se a análise de insumo-produto
para determinar quais as principais mudanças estruturais que produziram efeito sobre o valor
adicionado, o pessoal ocupado e o valor da produção da indústria. Com esse conjunto de
respostas espera-se dar boas contribuições no sentido de resposta do objetivo principal.
Estas etapas foram selecionadas diante de uma revisão empírica sobre o tema, que se
encontram descritas oportunamente antes dos passos metodológicos de cada uma das etapas. O
procedimento econométrico por exigir um conjunto maior de passos a ser seguido, encontra-se
explicado nos itens de 4.1 a 4.3 onde são apresentadas a revisão empírica, a teoria e a
modelagem e a seleção das variáveis. O modelo insumo-produto está descrito no tópico 4.4
com o mesmo detalhamento.
4.1 Uma revisão empírica sobre a modelagem econométrica
A modelagem econométrica faz parte da pauta de debate do tema industrialização,
tanto na literatura nacional como internacional. Alguns trabalhos clássicos relacionando a
estrutura produtiva, produtividade e industrialização com o crescimento econômico, a
convergência entre países e também a desindustrialização como Rowthorn e Ramaswamy
(1999), Timmer et al. (2014), McMillan e Rodrick (2013), Weiss e Tribe (2016) fazem a
aplicação do ferramental econométrico no sentido da constituição de provas empíricas para
análises estruturais entre grupos de países.
Mais especificamente sobre a temática da desindustrialização os trabalhos Rowthorn
e Ramaswamy (1999) e (1997), nacionalmente Sonaglio et al. (2010), Soares e Teixeira (2010),
Soares, Mutter e Oreiro (2012), Cunha et al. (2013), Cavalcanti (2013), Cardoso e Nascimento
(2012) e Souza (2016), têm destaque pela geração de evidências que contribuem empiricamente
nos debates teóricos sobre a desindustrialização.
As técnicas econométricas aplicadas nestes trabalhos se alternam entre os dados em
painel e os modelos autorregressivos. O trabalho de Souza (2016), buscando evidenciar o
60
processo de desindustrialização nos estados brasileiros, lançou mão da análise exploratória de
um conjunto de indicadores relacionados a indústria e de uma modelagem econométrica de
dados em painel, visando apontar alguns determinantes desse possível processo de
desindustrialização.
Ao efetivar o modelo considerado, tendo como variáveis dependentes a participação
do Valor da Transformação Industrial (VTI) no PIB dos estados e o emprego industrial no
emprego total estadual e optando pelo modelo de efeitos aleatórios. A análise exploratória
realizada com alguns indicadores apresentou resultados controversos com alguns indicadores,
como a produtividade e o VTI, indicando na direção oposta do processo de desindustrialização
para os estados brasileiros. A análise da modelagem estatística em painel sugere um processo
de desindustrialização negativa, com indícios de doença holandesa, por ter verificado uma
relação negativa significativa entre câmbio e índice de preços das commodities com as variáveis
dependentes.
O trabalho de Sonaglio et al. (2010), precursor ao trabalho anteriormente apresentado,
possui um método econométrico semelhante, porém se utiliza de um conjunto de variáveis um
pouco diferentes. Como variável dependente do modelo, os autores utilizaram o grau de
intensidade tecnológica das exportações brasileiras. Como variáveis explicativas do modelo,
têm-se a taxa de câmbio, a taxa de juros, a utilização da capacidade instalada, as importações
mundiais e o câmbio defasado.
Estes autores utilizaram um modelo com efeitos fixos e regrediram o modelo
utilizando o método dos mínimos quadrados em dois estágios, pois ao assumir variáveis com
defasagens os painéis assumem características dinâmicas, que estimadas pelo método errado
pode incorrer em estimadores ineficientes. A série de dados utilizada no modelo compreende o
período de 1996 a 2008 e os resultados da estimação econométrica demonstram que as
exportações brasileiras em todos os níveis de intensidade têm forte vinculação às variações do
câmbio, já a taxa de juros apresentou relação negativa com as exportações. A estimação
realizada não possibilitou evidenciar que a economia brasileira sofreu de um processo negativo
de desindustrialização provocado por “doença holandesa”.
Soares e Teixeira (2010) replicaram a mesma modelagem econométrica utilizada no
trabalho clássico de Rowthorn e Ramaswamy (1999), utilizando a modelagem de mínimos
quadrados ordinários (MQO) e de vetores autorregressivos (VAR). As variáveis analisadas
foram a produtividade relativa do trabalho na indústria em relação à produtividade total da
61
economia, os preços relativos da indústria em relação ao produto total, a participação do valor
adicionado da indústria no PIB, a participação do emprego industrial no emprego total, o PIB e
o PIB ao quadrado, o saldo da balança comercial industrial como participação do PIB, a
participação das importações do Mercosul nas importações totais e, a formação bruta de capital
fixo como proporção do PIB.
Essas variáveis foram incluídas em quatro equações na forma logaritimizada, tendo
com variáveis exógenas, produtividade, preços, produto e emprego, com dados do período de
1990 a 2007. Os resultados obtidos apontam no sentido da não existência absoluta no Brasil de
um processo de desindustrialização, sendo que os níveis de emprego e produto são preservados
em crescimento no período e há apenas uma perda relativa de ambos, porém sem continuidade.
O resultado explicativo para a redução relativa da participação da indústria foi
convergente ao trabalho de Tregenna (2009) com os preços relativos e a redução na taxa de
investimento como principais causas. Outros resultados importantes do modelo que convergem,
em certa medida, com os obtidos por Rowthorn e Ramaswamy (1999) são a relação positiva
obtida entre o crescimento do produto e aumento da produtividade na indústria, o efeito da
produtividade sobre preços relativos e, a formação bruta de capital mostrou-se importante em
relação a participação relativa da indústria no produto, com uma relação positiva. O crescimento
das exportações impactou com incrementos do emprego na indústria, no entanto, as importações
do Mercosul foram negativas para esta variável.
O trabalho de Soares, Mutter e Oreiro (2012) replica um teste empírico similar ao dos
trabalhos de Soares e Teixeira (2010) e Rowthorn e Ramaswamy (1999), aplicado ao caso
brasileiro, diferindo apenas ao período de aplicação, abrangendo o interstício de 1996 a 2008.
Os resultados demonstrados pela aplicação empírica se aproximam, em linhas gerais, dos
relatados para o caso brasileiro pelos outros dois trabalhos com a mesma metodologia. No
entanto, com uma ênfase um pouco maior nas relações da variável câmbio no modelo, os
autores sinalizam alguns resultados, como uma relação negativa entre câmbio e a taxa de
investimento na economia e que os impactos negativos do câmbio se dão, em maior medida, no
produto do que no emprego.
Em busca de validar a hipótese de que o crescimento da demanda doméstica aliado a
redução da rentabilidade das exportações nacionais pela sobrevalorização do real no período de
2005 a 2010 e, por este motivo a indústria está redirecionando, como forma de reação ao
estímulo, em uma parcela cada vez maior de sua produção ao mercado interno, Cunha et al.
62
(2013) propuseram uma análise descritiva de dados e estimaram um modelo com vetor de
correção de erros, do inglês, Vector Erros Correction (VEC), com as variáveis, quantum das
exportações de manufaturados, produção física da indústria de transformação, taxa de câmbio
efetiva dividida pelo salário, um indicador de atividade econômica, essas séries passaram por
tratamento sazonal e receberam a aplicação de logaritmo para inserção no modelo.
Para análise da hipótese proposta os autores lançaram mão da análise de causalidade
de Granger e também da função impulso resposta, possibilidade característica dos modelos
autorregressivos. Os resultados obtidos demonstraram que para o período existem evidências
relevantes no sentido de aceitação da hipótese proposta, porém não foram verificadas
evidências robustas no sentido do comércio internacional como capitaneador de um processo
de desindustrialização negativa. Outro ponto verificado, por meio da análise dos dados, é uma
importante modificação na sazonalidade da balança comercial, atribuída pelos autores à
elevação dos preços das commodities e da venda de produtos intensivos em recursos naturais
para o mercado chinês (CUNHA et al., 2013).
Em uma nota técnica, Cavalcanti (2013) apresenta uma estimação econométrica de um
modelo VAR em sua forma reduzida objetivando demonstrar os principais determinantes da
produção industrial para o período de 2002 a 2012, especificando a participação destes
determinantes nos baixos níveis de produção verificados. Por meio da utilização das funções
impulso resposta, da decomposição de variância dos erros de previsão e decomposição
histórica, o autor verificou que as principais variáveis que interferiram negativamente diante da
estimação do modelo e dos pressupostos desenhados foram a taxa SELIC e a inflação esperada,
além de choques nos estoques e no custo do trabalho.
Ainda, Cavalcanti (2010) faz um alerta sobre a estimação VAR e a aplicação da
causalidade de Granger na prática de identificação do modelo, salientando que esta aplicação é
incorreta, à medida que o conceito e cálculo da causalidade de Granjer não preveem que as
relações de causalidade sejam também relações contemporâneas. Desta forma, deve-se optar
por outras formas de identificação do modelo.
4.2 Econometria de séries temporais, VAR e o mecanismo de correção de erros23
23 O texto apresentado nesta seção utiliza como base os seguintes autores: Lütkepohl (2006), Hill et al. (2000),
Greene (2003), Gujarati e Porter (2011), Wooldridge (2012), Sims (1980).
63
A econometria de séries temporais é o campo da econometria que se dedica a
manipulação, modelagem e análise de dados organizados em períodos do tempo. Este tipo de
análise é bastante recorrente na literatura econômica e como visto na breve revisão empírica
sobre o tema, também na literatura sobre desindustrialização.
No entanto, o trabalho com séries temporais impõe alguns cuidados metodológicos
muito peculiares. Dentre os principais, pode-se citar a estacionariedade das séries analisadas, o
cuidado com a autocorrelação possível entre as séries, a cautela sobre a estimação de regressões
espúrias, porém com estimadores consistentes, o fenômeno do passeio aleatório e as relações
de causalidade.
Processos estocásticos estacionários tratam-se do processo de distribuição aleatória
das variáveis no tempo, de tal modo que a média e a variância da série sejam constantes ao
longo do tempo e a covariância entre dois períodos quaisquer deve depender apenas da distância
entre esses dois períodos e não do momento atual da série. Isso significa dizer que média,
variância e covariância da série x, em questão, podem ser dadas conforme as equações (1), (2)
e (3).
E(𝑥t) = μ (1)
var (xt) = E(xt- μ)2 = σ2 (2)
x = E[(xt- μ)(xt+k- μ)] (3)
As análises em séries temporais são baseadas, portanto, em séries que possuem um
processo de distribuição estocástico, caso isso não ocorra pode-se ter a ocorrência de um
processo genuinamente aleatório, que é por definição o caso contrário já especificado, com 𝜇 =
0, 𝜎2 constante e não apresenta autocorelação. É possível a utilização deste tipo de séries em
modelos econométricos, desde que as mesmas sejam inseridas em sua primeira diferença, de
modo que esta seja estacionária.
Para verificação da condição de estacionariedade das séries temporais podem ser
aplicados alguns testes, chamados de testes de raiz unitária, que verificam se a série possui ou
não uma ou mais raízes unitárias a partir da ideia de: 𝑌𝑡 = 𝜌𝑌𝑡−1 + 𝑢𝑡 em que 𝜌 pode assumir
−1 ≤ 𝜌 ≤ 1. Considera-se como hipótese nula a presença de raiz unitária, e a hipótese
alternativa, a ausência de raiz unitária, ou seja, estacionária. Dentre eles, têm-se os testes de
Dickey – Fuller, Dickey – Fuller aumentado (ADF) e Phillips-Perron. Uma forma
64
complementar para verificar a estacionariedade das variáveis seria de forma gráfica pela função
de correlação ou diagrama de correlação (correlograma).
O teste mais frequente utilizado é o teste ADF, no qual é possível aplicar o teste com
as variáveis em nível, em primeira e em segunda diferença, além de ser possível adicionar a
possibilidade das variáveis apresentarem apenas interpecto ou intercepto e tendência ou
nenhuma dessas opções. O resultado do teste também indica a ordem de integração da variável
em análise, sendo que, estacionária em nível representa uma variável integrada de ordem zero,
I(0), estacionária em primeira diferença representa uma variável integrada de ordem um, I(1),
e assim por diante.
Um aspecto adicional a ser observado quando se tratam da análise de séries temporais
é o fato da possibilidade de quebras estruturais, principalmente quando a análise envolve
grandes períodos. Este fato se faz importante, pois os testes convencionais de raiz unitária
podem não se mostrar tão eficientes quando na presença de quebras estruturais. Um teste
importante neste caso, que pode revelar a presença de quebras é o teste de Chow.
Para não ocorrer problemas com relação a estacionariedade e as limitações possíveis
na estimação caso a estacionariedade não se verifique com as variáveis em nível, é necessário
seguir alguns procedimentos, na sequência: teste de raiz unitária, correção da não
estacionariedade em nível, com a técnica de diferenciação da série no mesmo grau de sua
integração. A logaritimização dos valores da série também pode ser aplicada, de forma a
garantir que elas sejam estacionárias.
Um segundo momento implica em garantir que a regressão entre as variáveis testadas
não seja espúria. Para isso verifica-se a cointegração da regressão entre as séries por meio dos
testes, Engle-Granger, Engle-Granger aumentado e Teste de Cointegração de Johansen. Estes
testes nos permitem dizer que os erros resultantes da regressão entre as séries é também um
processo estacionário, se assim for, denomina-se as séries como co-integradas. No entanto,
quando este erro é estacionário e as séries são cointegrantes, este erro pode estar distribuído em
uma tendência determinística ou estocástica.
Os modelos do tipo VAR, autorregressivos de dimensão p, são extensões teóricas dos
modelos autorregressivos (AR) com múltiplas interações simultâneas entre as variáveis.
Diferentemente dos modelos de equações simultâneas, o VAR considera apenas os padrões das
defasagens das variáveis no tempo. Desta forma, os modelos VAR são capazes de expressar os
padrões de relações históricos entre variáveis. As p dimensões do modelo são definidas pelo
65
número de variáveis consideradas e a extensão de suas defasagens é baseada nos critérios de
informação de Akaike e Schwartz, previamente.
Supondo duas variáveis para fins de exemplo, um modelo VAR pode ser constituído
na seguinte forma funcional:
yt= θ0+ θ1y
t-1+ …+ θpy
t-p+ ϕ
1xt-1+ …+ ϕ
pxt-p+et (4)
xt= δ0+ δ1yt-1
+ …+ δpyt-p
+ α1xt-1+ …+ αpxt-p+ut (5)
As variáveis selecionadas, xt e yt na estrutura funcional apresentada são explicadas
por suas próprias defasagens e pelas defasagens da outra variável, além de uma variável
estocástica em cada equação, variáveis estas que podem assumir o comportamento de outras
variáveis desconsideradas no modelo como efeitos de políticas e choques adversos.
A derivação do mecanismo de correção de erro, VEC, é uma especificação mais
adequada para séries que se apresentam co-integradas, ou seja, demonstram uma relação de
equilíbrio ou de longo prazo. Este modelo considera que um termo da equação (εt-1) representa
os desequilíbrios de curto prazo ao assumir determinados valores, desta forma, nestes
momentos as séries se apresentaram em desequilíbrio, o mecanismo de correção de erro assume
então a função de correção deste processo. Demonstrando e derivando este processo em um
exemplo com duas variáveis têm-se24:
yt= θ0+ θ1y
t-1+ ϕ
1xt-1+et (6)
xt= δ0+ δ1yt-1
+ α1xt-1+ut (7)
Procedendo a subtração de xt-1 e yt-1 em ambos os lados das duas equações, têm-se:
∆yt= y
t-y
t-1 = θ0+(θ1-1)y
t-1+ ϕ
1xt-1+et (8)
∆xt= xt-xt-1= δ0+ δ1yt-1
+ (α1-1)xt-1+ut (9)
Sendo xt e yt integradas de primeira ordem e co-integradas, os coeficientes da equação
acima se submetem a seguinte restrição:
24 Os exemplos utilizados apresentam apenas duas variáveis para título de demonstração, facilitando a
compreensão do leitor, no entanto, o modelo proposto pode ser observado no apêndice. As demonstrações do
processo VAR e do mecanismo de correção de erros seguem o mesmo padrão de Hill et al. (2000), p. 378 – 384.
66
θ1=1+
ϕ1δ1
α1-1 (10)
Fazendo esta substituição, então obtém-se:
Δxt= θ0+
ϕ1δ1
α1-1 xt-1+ ϕ
1xt-1+et (11)
Reescrevendo as equações e reorganizando os termos, têm-se:
Δxt= θ0+
ϕ1δ1
α1-1 [xt-1-
(1-α1)
δ1
yt-1]+ et (12)
Δy
t= δ0+ δ1 [xt-1-
(1-α1)
δ1
yt-1]+ ut (13)
Renomeando alguns termos para fins de simplificação da equação, obtém-se as
equações (14) e (15).
β
2=
1-α2
δ1
; γ1=
ϕ1δ1
α1-1; γ
2= δ1 (14)
θ0*= θ0+ γ
1β
1 ; δ0
*= δ0+ γ
2β
1 (15)
Baseado nestes novos termos, as equações (14) e (15) podem ser reescritas:
Δxt= θ0*+ γ
1(xt-1-β
1-β
2y
t-1)+et (16)
Δyt= δ0
*+ γ
2(xt-1-β
1-β
2y
t-1)+ut (17)
Esta forma funcional expressa o mecanismo de correção de erros, apresentando,
portanto, que variações de x e y nos períodos t e t-1 dependem do termo:
εt-1= xt-1-β1-β
2y
t-1 (18)
Que é o termo que representa os desvios da trajetória de equilíbrio no curto prazo.
Após o exposto, neste trabalho buscou-se determinar as equações de longo prazo, dentro do
período analisado para as variáveis selecionadas. Para tanto foi utilizado um modelo
econométrico, do tipo autorregressivo com mecanismo de correção de erros, o modelo VEC. O
67
modelo VEC geral para n variáveis considerando x1t~I(1), x2t~I(1), …, xnt~I(1) e co-
integradas, seguiu a seguinte forma funcional:
∆xt= ∏0+ ∏x
t-1 + ∏
1 ∆xt-1+ ∏
1 ∆xt-2+…+ ∏
p ∆xt-p+ et (19)
Na forma matricial:
xt= [
x1t
⋮xnt
] Π0 = [
π10
⋮πn0
] Πi = [
πi,11 … πi,1n
⋮ ⋱ ⋮πi,n1 … πi,nn
] para i=1, …, p e et= [
e1t
⋮ent
] (20)
A partir de (20), deriva-se a matriz (21) que possibilita a análise de cointegração:
Πxt(nxn) = [
π11 … π1n
⋮ ⋱ ⋮πn1 … πnn
] (21)
Cada linha da matriz (21) representa uma relação de cointegração do tipo πi1x1t+
πi2x2t+…+πinxnt ~I e o posto de Π determina o número de vetores de cointegração, bem como,
o teste para determinar se as séries são co-integradas.
Após a estimação do VEC foram realizadas análises de causalidade no sentido de
Granger e também as análises de impulsos inovativos entre as variáveis utilizando impulsos
generalizados. As variáveis foram inseridas no modelo levando em consideração a teoria
macroeconômica e a análise teórica do problema em questão, não havendo um ordenamento
específico seguido na determinação das formas funcionais estabelecidas. Estas análises
complementares foram propostas justamente no sentido de possibilitar uma melhor percepção
das relações assumidas entre as variáveis.
4.3 Seleção de variáveis
A análise empírica do tema é, de modo geral, fragmentada em curtos períodos de
tempo e não havendo consenso para a ocorrência da desindustrialização no caso brasileiro. No
entanto um ponto de convergência entre os autores que estudam o tema é a falta de
disponibilidade de dados de longos períodos para coleta e uso em estudos empíricos, sendo esta
uma dificuldade relatada pela maioria dos autores e é possível claramente verificar o esforço
necessário para tal empreitada na leitura do trabalho de Bonelli e Pessôa (2010).
68
Neste sentido, um conjunto de aproximações é realizado para possibilitar a construção
de trabalhos empíricos para a literatura brasileira. A primeira delas é a utilização de dados de
emprego como uma proxy para dados de pessoal ocupado, adicionando o fluxo de saldos de
postos de trabalho para que se chegue em algo mais próximo a variável desejada, como em
Soares et al. (2012).
Além disso, geralmente o período de 1990 a 1995 não é compreendido na revisão
recente sobre o tema, como pode ser observado em vários trabalhos revisados na seção 3.6, este
fato se dá pela brusca mudança ocorrida neste momento da história do país, principalmente
pelas trocas de moeda em circulação na economia.
Outro fator que contribui neste mesmo sentido é a mudança metodológica realizada
pelo IBGE para a série de 1995 – 2001 do sistema de contas nacionais, com mudanças de níveis
de desagregação, inclusão de novas pesquisas e aplicação de novos índices e ano base. Mudança
esta, realizada em 2002 sendo possível verificar as alterações na nota metodológica nº 26
“Revisão da série 1995-2001 (retropolação)”.
Outro fator muito relevante no que concerne a seleção de dados, são as diferentes
periodicidades com que são disponibilizados e as quebras ou descontinuidades de pesquisas
estruturais. Como exemplo, temos a pesquisa mensal industrial de ocupações sendo realizada
somente a partir de 2000, os indicadores de valor adicionado por setor econômico são
fornecidos pelo Ipeadata apenas a partir de 1996.1, dentre outras séries, que para uma análise
mais completa, com um corpo maior de variáveis se torna inviável devido a estes problemas.
Feita esta prévia, embasado na literatura procedeu-se na construção de um quadro
sintético apresentando todo o rol de variáveis citados na literatura, de modo a permitir uma
justificativa do recorte de variáveis possível para a análise desejada, estabelecendo assim, suas
justificativas e manipulações prévias necessárias para utilização dos dados.
Quadro 1 – Variáveis explicativas do processo de desindustrialização brasileira segundo a
literatura.
Autor e Ano Variáveis Período de
desindustrialização?
Comportamento
esperado da
variável
Loures et al. (2010)
Taxa de câmbio
1991-2004
Elevado
Tributação Elevado
Gastos do governo
com infraestrutura Reduzido
Inflação Elevado
69
Consumo doméstico Elevado
Schimura e Pinheiro
(2013)
Produtividade geral
da economia
Trata sobre a política
industrial.
Elevado
Produtividade
setorial Elevado
Indicador de
encadeamento entre
os setores
Elevado
Capacidade de
multiplicação de
inputs da economia
Elevado
Oreiro e Feijó
(2010)
Tecnologia da
produção 1986-1998
2004-2008
Reduzida
Valor adicionado na
pauta exportadora Reduzido
Oreiro e Marconi
(2014)
Taxa de câmbio
Desde a década de
1970
Elevada
Taxa de Juros Elevada
Preços relativos
entre bens
comercializáveis e
não comercializáveis
Elevado
Salários Elevados
Produtividade geral
da economia Reduzida
Bresser-Pereira
(2010)
Déficit em conta
corrente Elevado
Bonelli e Pessôa
(2010)
Preços non tradables
Não é possível
afirmar sua
ocorrência
Reduzido
Preço tradables Elevado
Produtividade geral
da economia Reduzido
Poupança externa Reduzida
Instabilidade política Elevada
Pastore (2012)
Taxa de juros
A desindustrialização
não está em curso
Reduzida
Superávits primários Elevados
Expansão do volume
de crédito Elevados
Demanda de bens
manufaturados e
serviços
Reduzida
Fonte: Elaboração própria a partir do referencial teórico da pesquisa.
Das variáveis listadas no Quadro 1, foram selecionadas as seguintes: taxa de câmbio,
gastos do governo, formação bruta de capital fixo, consumo das famílias, taxa de juros,
produtividade, exportações e importações, preços de tradebles e non tradables, saldos da conta
corrente, emprego industrial, pessoal ocupado na indústria, valor adicionado industrial, valor
70
adicionado na agropecuária e valor adicionado nos serviços, salários na indústria, comércio e
serviços e na agropecuária.
Inevitavelmente algumas proxies foram construídas para algumas das variáveis
selecionadas, sendo elas: a produtividade foi estimada em duas medidas, uma utilizando os
valores relativos do pessoal ocupado sobre a produção industrial e outra com o emprego
industrial sobre a produção industrial; a segunda proxy adotada foi a remuneração, conceito um
pouco mais amplo que o salário, como forma de estimar o comportamento dos salários pagos
nos setores observados; os preços dos bens tradables e non tradables foram aproximados pelos
índices de preços ao produtor amplo ou índice de preços ao atacado.
O conjunto de séries utilizadas para a análise das variações do emprego industrial
encontra-se em periodicidade anual, de 1990 a 2016, totalizando 26 observações, o emprego
como série anual se deu em razão da ausência da maioria das séries necessárias em
periodicidade trimestral ou mensal, sendo que a manipulação dos dados para tal construção
poderia ser motivos de críticas ou de empecilho à estrutura e indicadores da modelagem
econométrica.
Com relação às análises da variação do valor adicionado, as séries encontram-se em
periodicidade trimestral, de 1991.1 a 2014.4, com um total de 96 observações, permitindo
assim, a utilização de formas funcionais mais robustas em números de variáveis. Todas as séries
foram deflacionadas pelo IPCA e pelo seu respectivo deflator, conforme o caso, inserindo todos
os valores a preços de 2014.4 possibilitando dessa forma, a uniformidade das séries e a
eliminação dos efeitos de preços nas oscilações.
Todas as variáveis foram renomeadas com a finalidade de inserção nos softwares para
que o modelo pudesse ser regredido com maior facilidade e como as variáveis possuem
diferentes fontes, o Quadro 2 apresenta um detalhamento destas informações, a fim de
possibilitar uma melhor compreensão dos modelos e das variáveis.
Quadro 2 – Variáveis selecionadas, fontes e siglas utilizadas nos modelos econométricos.
Nome Sigla Periodicidade Fonte
Taxa de câmbio R$/US$ - compra
– fim do período Tx_⸏⸏c
Anual e
trimestral
IPEADATA – Banco
Central do Brasil
Consumo final da administração
pública Cf_ap Trimestral
IBGE - Contas Nacionais
Trimestrais
Formação bruta de capital fixo Fb_cf Trimestral IBGE - Contas Nacionais
Trimestrais
Consumo das famílias Cf Trimestral IBGE - Contas Nacionais
71
Trimestrais
Taxa de Juros Over Selic (% a.
m.) acumulada em trimestres Tj
Anual e
Trimestral Banco Central do Brasil
Taxa de Juros de Longo Prazo Tj_lp Trimestral Banco Central do Brasil
Produtividade medida pelo
emprego P_e Anual
RAIS e Pesquisa
Industrial Anual
Produtividade medida pelo pessoal
ocupado P_po Anual
RAIS e Pesquisa
Industrial Anual
Importações total FOB em US$ Im_p Trimestral e
Anual FUNCEX/MDIC
Exportações total FOB em US$ Ex_p Trimestral e
Anual FUNCEX/MDIC
Balança Comercial Bc Trimestral e
Anual FUNCEX/MDIC
Índice de preços ao atacado -
indústria Ipa_i Trimestral FGV
Índice de preços ao atacado -
agropecuária Ipa_a Trimestral FGV
Índice de preços ao consumidor
amplo – não comercializáveis Ipca_nc Trimestral IBGE
Índice de preços ao consumidor
amplo-comercializáveis Ipca_c Trimestral IBGE
Índice de preços ao consumidor
amplo Ipca Trimestral IBGE
Transações correntes em US$ Tc Trimestral Banco Central do Brasil
Valor adicionado pela indústria Va_ind Trimestral IBGE - Contas Nacionais
Trimestrais
Valor adicionado pela
agropecuária Va_ag Trimestral
IBGE - Contas Nacionais
Trimestrais
Valor adicionado pelos serviços Va_s Trimestral IBGE - Contas Nacionais
Trimestrais
Remuneração na indústria R_ind Anual RAIS
Remuneração na agropecuária R_ag Anual RAIS
Remuneração no comércio e
serviços R_ces Anual RAIS
Fonte: Elaboração própria.
De posse dessas variáveis foram construídos dois modelos, um visando analisar os
determinantes do emprego industrial e do pessoal ocupado industrial e outro os determinantes
do valor adicionado industrial. O primeiro modelo levou em consideração as variações do
emprego industrial e do pessoal ocupado industrial. Neste sentido, foram regredidas quatro
diferentes formas funcionais. A primeira, e principal para a análise desejada, considerou a
variação do emprego industrial como variável dependente e como variáveis independentes
72
foram inseridas a taxa de juros, o salário da indústria e a produtividade. Nesta forma funcional
ainda foi considerada uma variante, com a taxa de juros sendo exógena.
A segunda forma funcional utilizada teve como variáveis dependentes a produtividade
na indústria medida pelo pessoal ocupado e pelo emprego. Como variáveis independentes foram
consideradas, o salário na agropecuária e no comércio e serviços, as exportações e as
importações, sendo também inserido nesta forma funcional o intercepto.
Na terceira forma funcional foi regredido o salário na indústria dependente das
importações, exportações, taxas de juros e produtividade, em um caso com a medida pelo
emprego e em outro pelo pessoal ocupado, considerando também o intercepto. Na última forma
funcional a variação do emprego foi a variável dependente e o salário na indústria, a
produtividade na indústria medida pelo emprego industrial, as exportações e as importações
foram as variáveis independentes, com a taxa de juros exógena.
Para a análise do valor adicionado foram realizadas quatro formas funcionais da
modelagem, a primeira com um modelo mais robusto tendo como variável dependente o valor
adicionado da indústria, considerando o intercepto, e como variáveis independentes a taxa de
câmbio, o consumo da administração pública, a formação bruta de capital fixo, o saldo da
balança comercial, a taxa de juros de longo prazo, o consumo das famílias e o saldo de
transações correntes. Para este caso foram testadas duas situações distintas, um considerando a
taxa de juros exógena e outra a taxa de câmbio exógena, esta opção, como no caso da análise
do emprego, se deu pelo fato destas variáveis serem determinadas, de certa maneira, de forma
“independente” do andamento da política econômica.
A segunda forma funcional considera o valor adicionado da indústria como dependente
do valor adicionado da agropecuária e do setor de serviços. A terceira forma funcional verifica
a dependência do valor adicionado da indústria dos preços, considerando como variáveis
independentes as séries dos preços ao produtor na indústria e na agropecuária (tradebles) e do
IPCA de itens não comercializáveis, non tradebles. Uma variante é proposta, tendo como
variáveis independentes as séries de preços do IPCA de produtos não comercializáveis, o de
comercializáveis e a série do IPCA, em todos os casos considerando o intercepto.
Por fim, o valor adicionado da indústria como dependente do saldo da balança
comercial, das transações correntes, da medida de produtividade pelo emprego e da
remuneração na indústria, esta última como proxy dos salários industriais. A seção a seguir
apresenta o segundo procedimento metodológico utilizado neste estudo.
73
4.4 A análise de decomposição estrutural (SDA)
Para análise estrutural dos fatores determinantes da variação do valor adicionado e do
emprego industrial, primeiramente foi realizada uma revisão bibliográfica de trabalhos que
abordavam os pontos até aqui apresentados, além de uma revisão empírica de trabalhos que
aplicaram a metodologia de decomposição estrutural e por fim, foi realizada a seleção e
aplicação desta técnica.
A SDA, conforme descrita por Miller e Blair (2009), trata-se de uma análise detalhada
de indicadores fundamentais de uma economia em dois ou mais períodos distintos por meio da
aplicação da estática comparativa com matrizes de insumo-produto.
A SDA é uma técnica componente da análise de insumo-produto e tem sua origem nos
trabalhos de Leontief (1941 e 1953), Chenery et al. (1962) e Rose e Casler (1996). Na literatura
internacional destacam-se os trabalhos de Skolka (1989) e Hoekstra e van der Bergh (2003)
além de Ang e Zhang (2000), por retratarem o estado da arte desta aplicação e também uma
extensa revisão de trabalhos que utilizaram essa análise nas mais diversas aplicações.
Além disso, na literatura brasileira, Kupfer et al. (2004), Sesso Filho et al. (2010),
Nakatani-Macedo (2015), Messa (2014), Bêrni (2006), Perobelli et al. (2016), Cabral e
Perobelli (2012) e Figueiredo e Oliveira (2015), aplicaram esta análise, alguns deles para o
período de estudo deste trabalho, fato este, que valida a utilização deste procedimento para a
análise das políticas industriais.
Privilegiando a análise dos efeitos da demanda doméstica sobre o emprego, pode-se
observar a aplicação da técnica de SDA no trabalho de Kupfer et al. (2004), no período de 1990
a 2001. Os resultados verificados pelo autor são de que a indústria foi o setor que mais sofreu
com relação a geração de postos de trabalho frente ao processo de liberalização comercial. A
construção civil aparentou um estado de “hibernação”, conforme as palavras do autor, não
apresentando grandes variações em relação ao seu peso na geração de empregos, e nos setores
de comércio e serviços foram verificados os maiores volumes de geração de empregos.
Com conclusões semelhantes, Sesso Filho et al. (2010) destacam o deslocamento de
postos de trabalho da agropecuária e indústria para o comércio e serviços, sendo este fenômeno
verificado pelo efeito intensidade e variação da demanda final que demonstram o impacto da
tecnologia e da liberalização comercial no emprego. Já os efeitos variação e crescimento da
74
demanda final foram os determinantes da ampliação de postos de trabalho para os setores de
comércio e serviços da economia brasileira para o período de 1991 a 2003.
Analisando o comportamento do emprego nos setores industriais para os anos de 2000
- 2009 na economia brasileira, Nakatani-Macedo et al. (2015) concluíram que o setor industrial
foi responsável por 25% do total de geração de empregos e que o efeito intensidade foi o
principal responsável pela geração de postos de trabalho nestes setores. Concluindo, por fim,
que a tecnologia foi o maior gerador de postos de trabalho nos setores industriais, sendo os
setores de alimentos e bebidas, de artigos do vestuário e acessórios e de construção civil que
apresentaram maiores incrementos de postos de trabalho no período.
O trabalho de Bêrni (2006) estabeleceu uma análise bastante completa para o
comportamento do emprego na economia brasileira, partindo do ano de 1949 até estimativas
para o ano de 2010. As principais contribuições feitas pelo autor, a partir da análise de
decomposição estrutural, são de que existem subperíodos bem demarcados com relação ao
comportamento do emprego na economia, sendo eles 1949 - 1970, 1980 - 2000 e 2000 - 2010,
onde no primeiro destacam-se a indústria de modo geral e os serviços, no segundo a agricultura
e construção civil e no último a indústria de bens de produção e os serviços. O autor indica o
setor de serviços como virtuoso no sentido de eficiência de uso do emprego, com incrementos
de produtividade para praticamente todo o período.
Com uma decomposição estrutural do emprego por tempo de estudo do pessoal
empregado para a economia brasileira, no período pós-abertura comercial, 1990 - 2005,
Perobelli et al. (2016) apresentam um incremento para análise da variação estrutural do
emprego com as seguintes conclusões: neste período houve um evidente incremento na
escolaridade da população economicamente ativa, os setores de serviços concentram os
trabalhadores com maior qualificação, enquanto a agricultura possui trabalhadores com
características opostas, os multiplicadores de emprego demonstraram também que variações da
demanda final possuem maior impacto direto e indireto no setor de serviços, a geração de
empregos no período se deu pelo efeito de mudanças tecnológicas e predominou para o grupo
de trabalhadores com de 8 a 11 anos de estudo, enquanto para os demais observou-se redução
dos postos de trabalho.
O mesmo método utilizado por Perobelli et al. (2016) foi empregado por Golçalves
Junior et al. (2015) e Passoni (2016) para análise do comportamento das importações e
exportações, onde analisam fundamentalmente as importações brasileiras para 1990 a 2009 e
75
2000 a 2008. O primeiro autor destaca em seu trabalho a evolução positiva das importações no
período pós-abertura comercial, sendo este, ditado pelo crescimento da demanda final. Ressalta
ainda, que os efeitos tecnológicos e intensidade foram os únicos que se apresentaram negativos
por quase todo o período analisado, sendo mesmo assim, compensados pelo avanço da demanda
final.
Passoni (2016) salienta que no período analisado as importações tiveram importante
papel no crescimento econômico que se verificava na economia brasileira, principalmente as
importações de bens intermediários. Com relação aos resultados obtidos da decomposição
estrutural, verificou-se que as variações das importações foram determinadas, respectivamente,
pelas variações da demanda, pela mudança dos níveis de comércio internacional e por
tecnologias de produção intensivas em insumos.
O trabalho de Figueiredo e Oliveira (2015) apresenta uma decomposição estrutural do
emprego, valor adicionado e valor da produção para o período de 1995 a 2009 para o Brasil,
demonstrando um elevado crescimento do setor de serviços no período. O grande crescimento
do valor bruto da produção e do emprego no setor de serviços foi promovido, em maior parte,
pela demanda final, mas também pela mudança tecnológica.
O setor agropecuário, de forma contrária, teve redução do emprego e do crescimento
do valor da produção, provocados na mesma ordem pelos incrementos de produtividade e
variação da demanda final. A indústria se posicionou entre estes dois setores primeiramente
relatados, sendo que o principal impacto percebido neste setor ocorreu na indústria de
transformação, com redução do emprego, do valor adicionado e do valor da produção, ditados
pela mudança tecnológica ocorrida (FIGUEIREDO; OLIVEIRA, 2015).
Por conter basicamente a mesma análise desejada, porém para um período e finalidade
diferente, o trabalho acima relatado serviu como base para a construção metodológica da técnica
de decomposição estrutural que se segue. Esta técnica é apresentada somente para a
decomposição do emprego e do valor adicionado, por se tratar das variáveis em estudo neste
trabalho para o período de 1990 a 2010. Utilizou-se para isso as matrizes em agregação de 12
setores, disponibilizadas pelo NEREUS-Núcleo de Economia Regional e Urbana da
Universidade de São Paulo e para os anos de 1995 a 2013.
Para a realização deste trabalho sem a influência dos preços, foi aplicado o método
“double deflation”, realizado também no trabalho de Figueiredo e Oliveira (2015). Trata-se de
um processo de deflação em duas etapas, utilizando índices de preços das tabelas de Contas
76
Nacionais do IBGE. Primeiramente são deflacionados a demanda intermediária, a demanda
final e o valor bruto da produção (VBP), posteriormente é obtido um índice de preços do valor
adicionado (VA) que balanceia a identidade de cada sistema de insumo e produto utilizado. Foi
considerado como ano base 1990 para os 12 setores e período de 1991 a 2010, da seguinte
forma:
Ix1990 = 100, x = setor1, ..., setor12 (22)
Ix1991= Ix1990*Variação anual dos preços do setor x1991 (23)
Ixt= Ixt-1*Variação de preços do setor, para t = 1992, …, 2010 (24)
Por fim, foi feito um procedimento de mudança de ano base para 2010:
Itano-base-2010
= (Itano-base-1990
I2010ano-base-1990
⁄ ) *100, para t = 1990, …, 2009 (25)
A partir dos índices, foram construídos vetores denominados πt que são índices de
preços para cada um dos setores, e assim, deflacionar a demanda intermediária (zb), a demanda
final (fb) e o VBP (xb), feito da seguinte forma:
πt= [
Iagropecuáriat
Iextrativa mineralt…
Iadmnistração-saúde-educação públicast
] , t = 1990, …, 2010 (26)
Onde:
zb= πtzt (27)
fb= π
tft (28)
Xb= πtXt (29)
Na sequência do cálculo, foi construído o índice de preços para deflação do VA. A
partir deste passo, é possível calcular o valor adicionado necessário para manter o VBP na soma
das linhas e das colunas, definido como (vb), obtido pela seguinte equação:
77
(vb)'= (Xb)
'-i
'. zb (30)
Depreende-se então, o deflator do valor adicionado, sendo rt, que pode ser calculado a
partir da equação abaixo, onde (vt) é o valor adicionado a preços correntes:
rt= v
b (vt)
-1 (311)
Feitas as deflações, são expostas as seguintes definições do modelo de insumo-
produto: X um vetor n x 1 de valores brutos da produção; A, uma matriz n x n de coeficientes
técnicos; e f, um vetor n x 1 de demanda final pelo produto de cada setor, onde o vetor 𝑋 é
representado da seguinte maneira X = AX + f.
Realizadas as devidas manipulações algébricas, a partir de L= (I-A)-1, em que L é a
matriz inversa de Leontief que apresenta os coeficientes diretos e indiretos; I é uma matriz
identidade n x n, obtemos X = Lf que é a relação básica do modelo insumo-produto, que declara
os efeitos das modificações da demanda no produto final da economia a partir de L.
Devidamente demonstrado o modelo, partiu-se para a elaboração das decomposições
estruturais desejadas, sendo a primeira do emprego. Para tanto, considera-se o vetor de
coeficientes do pessoal ocupado: (et)'= [e0t , … , ei
t ], que é a quantidade de trabalho ocupado
por unidade monetária de produção do setor i no período t. O inverso dessa relação é uma
medida de produtividade indireta. Os coeficientes são mensurados da seguinte maneira:
ei
t= εi
t
Xit⁄ (322)
O vetor setorial no período foi, portanto:
εt= etXt= e
tLtf
t (33)
Dessa forma, obteve-se o vetor de mudanças no pessoal ocupado por meio da equação
abaixo, onde 0 e 1 são dois períodos distintos das matrizes:
∆ε= ε1- ε0= e1L1f
1- e
0L0f
0 (34)
Utilizando a equação desenvolvida no trabalho de Dietzenbacher e Los (1998), têm-se
a equação de decomposição do pessoal ocupado, descrita em seus três aspectos de variação, a
78
primeira do coeficiente do pessoal ocupado direto, a segunda das transformações tecnológicas
e a terceira das variações na demanda final:
∆ε= (
1
2) (∆e) (L1f
1+ L0f
0)⏟
Mudanças nos
coeficientes diretos do PO
+ (1
2) [e0
∆Lf1+ e
1∆Lf
0]⏟
Transformações tecnológicas
+ (1
2) (e0
L0+ e1L1) (∆f)
⏟ Mudanças na demanda final
(353)
A decomposição do valor adicionado foi calculada da mesma forma que a do pessoal
ocupado, porém levando em consideração o vetor do coeficiente direto de valor adicionado
(vait), que é dado pela relação do valor adicionado do setor por seu valor de produção, da
seguinte forma:
vai
t = Vi
t
Xit⁄ (364)
Vt= vatXt= va
tLtf
t (375)
∆V= V1- V0= va1L1f
1- va
0L0f
0 (38)
∆V= (1
2) (∆va) (L1f
1+ L0f
0)⏟
Efeito direto
+ (1
2) [va
0∆Lf
1+ va
1∆Lf
0]⏟
Efeito tecnologia
+ (1
2) (va
0L0+ va
1L1) (∆f)
⏟ Efeito Demanda final
(39)
A decomposição do valor bruto da produção foi realizada em efeitos tecnologia e
demanda final, calculados conforme equação (40). E a decomposição da demanda final foi
calculada de acordo com a equação (41), do qual capta três efeitos, sendo eles, efeito nível,
efeito mix e efeito composição da demanda final.
ΔX= (1
2) (ΔL)(f0
+f1)
⏟ Efeito tecnologia
+ (1
2) (L0+L1)(Δf)
⏟ Efeito demanda final
(40)
Δf= (1
2) (Δf)(B0d
0+B1d
1)⏟
Efeito nível
+ (1
2) [f0(ΔB)d1
+f1(ΔB)d
0] ⏟
Efeito mix
+ (1
2) (f
0B0+f
1B1)(Δd)
⏟ Efeito Composição
(41)
Adicionalmente foram calculados os índices puros de ligação para os anos de 1990,
1995, 2000, 2005 e 2010 de modo a contribuir para os resultados da análise de decomposição
estrutural, seguindo na linha do trabalho exposto por Nassif et al. (2015). Estes índices são
79
calculados baseados na metodologia estabelecida por Guilhoto, Sonis e Hewings (1996)
conforme segue:
PBL= ∆rArj∆jYj (42)
PFL= ∆jAjr∆rYr (43)
Esses cálculos se dão baseados na matriz de coeficientes técnicos, A, onde PBL indica
o índice de ligações puras a montante da economia, ou como comumente dito, para trás.
Representa o impacto puro da produção total do setor j sobre o resto da economia, para o caso
de análise pretendida. O PFL apresenta o impacto da produção do resto da economia no setor j,
a jusante da economia, ou seja, para frente. Os índices são ditos puros por não considerar a
demanda de produtos do setor j que produz para o próprio setor e os retornos da economia para
o setor j, conforme Guilhoto (2011).
O critério de análise destes indicadores pode ser quando um setor apresentar valores
do índice maior que um para um dos sentidos, a montante ou a jusante, ou quando
necessariamente ele apresentar valores maiores que um em ambos os sentidos, conforme
McGilvray (1977) e Miller e Blair (2009).
Além dos índices puros de ligação, foram elaborados os multiplicadores de produção
do tipo II de Rasmussen-Hirschman, que considera a endogeneização das famílias e capta o
efeito induzido referente ao consumo das famílias, que varia mediante a variação de uma
unidade de demanda de determinado setor da economia. Este multiplicador é dado pela
equação:
MPj= ∑ lij
n
i=1
, para j=1,…, n (44)
Em que MPj é o multiplicador da produção do tipo II e lij um elemento da matriz ��,
conforme Guilhoto e Sesso Filho (2010).
A seguir são desenvolvidos os resultados obtidos em cada uma das etapas
apresentadas. Os resultados expõem primeiramente o desenvolvimento dos modelos
econométricos, com a apresentação dos resultados dos modelos principais e auxiliares e dos
testes estatísticos para o conjunto de variáveis. Na sequência são apresentados os resultados da
análise de decomposição estrutural para cada um dos efeitos decompostos.
80
5 RESULTADOS E DISCUSSÕES
Esta seção esta composta por três tópicos, onde são expostos os resultados das etapas
metodológicas propostas. Primeiramente são apresentados alguns dados coletados e
organizados a fim de contribuir com a explanação teórica até aqui feita e de permitir a
verificação da evolução temporal de um conjunto de variáveis que se julgou relevante de
apresentação.
No item 5.2 são apresentados os resultados dos principais modelos econométricos
desenvolvidos, sobre os quais deteve-se maior atenção e tempo na exposição, e na sequência
são apresentados os principais pontos dos modelos auxiliares. Já no tópico final da seção são
apresentados os índices de ligação e os resultados da análise de decomposição estrutural, já com
breve comparação com as referências, em ambos os itens.
5.1 Alguns números e evidências sobre a indústria brasileira
A evolução do PIB dos grandes setores da economia durante o período de 1990 a 2013
mostra que a indústria foi o setor, dentre a agropecuária e comércio e serviços, que apresentou
maior crescimento em termos de produto. Esse crescimento da indústria é verificado
principalmente a partir de 2003. Deste ano em diante observou-se crescimento de dois dígitos,
como em 2004 e 2010 em relação aos anos imediatamente anteriores, conforme apresentado no
Gráfico 4.
O setor de serviços apresentou a segunda maior evolução dentre os setores analisados,
porém com um crescimento sustentado e acentuado desde 1995, com uma média de crescimento
de 19%. Ao longo deste período, o setor de serviços apenas apresentou um desempenho de
crescimento nulo em 1998. Já a agropecuária apresentou dentre os três o menor PIB, porém,
com uma evolução bastante positiva no período, apresentando um crescimento negativo apenas
no ano de 2005, ano em que o país experimentou uma forte seca. A média de crescimento deste
setor foi de 12% ao longo do período.
81
Gráfico 4 – Evolução do PIB a preços básicos da indústria, agropecuária, comércio e
serviços, período de 1990 a 2013.
Nota: Ano base 2000; Elaboração própria.
Fonte: IBGE/SCN, extraído do Ipeadata.
Desagregando a evolução do PIB da indústria em extrativa mineral e de transformação,
nota-se a clara diferença de patamares entre essas categorias de indústria, a maior participação
na indústria, portanto, sendo da indústria de transformação, em média 60% do total da indústria,
conforme Gráfico 5. A oscilação sazonal apresentada para o trimestre é verificada de janeiro a
janeiro, conforme comportamento destacado pelo Gráfico 5, da produção física industrial.
0,00
0,20
0,40
0,60
0,80
1,00
1,20
Mil
hõ
es
PIB - Agropecuária PIB - Indústria PIB - Serviço - Comércio
82
Gráfico 5 – Evolução do PIB a preços básicos, da indústria geral, extrativa e de
transformação trimestralmente, ano base 2000, período de 1991 a 2013.
Nota: Elaboração própria.
Fonte: IBGE/SCN, extraído do Ipeadata.
Analisando as importações e exportações do período, nota-se uma evolução de ambas
as séries, pontualmente a partir de 1999 até o ano de 2008, neste último verifica-se o efeito da
crise mundial no comércio exterior brasileiro, com uma queda acentuada de 26 p.p., com
recuperação já a partir de 2009, de onde se vê um forte crescimento da série de 42 p.p. em 2009,
24 p.p. em 2010, com uma retração de 2011 em diante.
Na totalidade do período de 1999 a 2013 as exportações se mantiveram acima do total
importado, resultado em um sando positivo da balança comercial. Além disso, nota-se que
apesar de recente ser a abertura comercial brasileira, em um curto espaço de tempo o comércio
exterior alcança elevados patamares, relativamente a meados dos anos 1990, prova disso é o
tamanho da variação de 1990 para 2013 de 1.060% para as importações e 670% para as
exportações.
A partir de 2003 os totais importados e exportados evoluem fortemente até sofrerem o
impacto da crise em 2008, como é possível verificar na curva de crescimento do Gráfico 6.
Nesse período as exportações evoluem em média a 22% e as importações a 25%.
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Mil
hõ
es
PIB - Indústria - Extrativa Mineral PIB - Indústria - Transformação PIB - Indústria
83
Gráfico 6 – Evolução das importações e exportações no período de 1990 a 2013, em milhões
de dólares.
Nota: (FOB) - US$ (milhões); Elaboração própria.
Fonte: Ministério do Desenvolvimento, Indústria e Comércio Exterior, Secretaria de Comércio Exterior, extraído
do Ipeadata.
Ao analisar o comportamento do pessoal ocupado, verificam-se várias
descontinuidades na série, com a impossibilidade de encadeá-las. Diante desta impossibilidade
foi construída uma série do emprego para o mesmo período com a finalidade de comparar o
comportamento de ambas. Nota-se que o pessoal ocupado e o emprego na indústria assumiram
comportamento semelhante nas últimas duas décadas, conforme apresentado no Gráfico7.
A evolução de ambas as séries demonstra uma tendência de crescimento. A partir de
2007, a série do pessoal ocupado sofre uma alteração passando a ser contabilizada na
Classificação Nacional de Atividades Econômicas (CNAE), versão 2.0, o que incompatibiliza
ambas as séries e adiciona mais atividades a indústria, tornando a série, a partir de 2007,
superior em volume de pessoal ocupado ao restante da série antiga. O trabalho de Bonelli e
Pessôa (2010) faz análise semelhante desta série, destacando sua descontinuidade por conta do
Sistema de Contas Nacionais (SCN) a partir de 2000.
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Mil
hõ
es
Importações Exportações
84
Gráfico 7 – Análise da série de emprego e do pessoal ocupado na indústria, período de 1990 a
2013.
Nota: Pessoal ocupado assalariado ligado à produção, em 31/12, segundo grupos de atividade - Empresas
industriais Cnae 1.0 (1996 - 2007) – A. Empresas industriais Cnae 2.0 (2007 - 2013) – B; Elaboração própria.
Fonte: IBGE - Pesquisa Industrial Anual - Empresa e RAIS - MTE.
Utilizando os dados do emprego em termos relativos ao emprego total, nota-se que a
participação da indústria no emprego total se manteve praticamente estável durante todo o
período com uma participação média de 22%, partindo de 29% em 1990 e atingindo 18% em
2013. A maior redução observada na participação do emprego industrial no emprego total
ocorre entre 1990 e 1997, em torno de 9 p.p.. A partir de 1997, a série permanece com uma
participação em torno de 20% até 2013, com pequenas oscilações. Resultados semelhantes são
verificados em Nassif (2008), em Bonelli e Pessôa (2010) e em resultados de outros trabalhos
situados nas demais seções deste trabalho que indicam uma redução do emprego industrial no
período inicial da década de 199025.
Observando a produção física industrial com um índice de volume em uma série
mensal, é possível claramente notar sua tendência de crescimento ao longo do período,
conforme Gráfico 8. A série mensal de volume revela um aspecto sazonal interessante, onde de
janeiro a janeiro a produção industrial sofre uma baixa, dados aspectos de ajuste à demanda do
mercado. Em geral, a produção cresce até os meses de setembro/outubro e a partir daí decresce.
Gráfico 8 – Índice relativo de base fixa mensal da produção industrial - Atividades
Industriais, período de jan./1991 a dez./2013.
25 Ver, por exemplo, os trabalhos de Rodrigues e Guilhoto (1998), Hilgemberg (2003), Pinheiro (1999) e Moreira
(1999b).
5,646
7,458
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
Mil
har
es
Emprego Industrial Pessoal Ocupado na Indústria - A Pessoal Ocupado na Indústria - B
85
Nota: Ano base 2000; Elaboração própria.
Fonte: IBGE, Pesquisa Industrial Mensal - Produção Física.
A partir dos anos 2000, percebe-se que a produção sofre pequenas oscilações durante
o ano, diferentemente do verificado entre 1991 e 2000, exceto para os anos de 1994 e 1995 por
uma questão natural da instabilidade do período. Nos anos 2000 em diante, nota-se também a
queda brusca da produção próxima a setembro de 2008, evoluindo em recuperação até outubro
do ano seguinte. Nos anos posteriores a 2009 a série oscila bastante e parece operar em
patamares mais baixos que os do início da década.
5.2 Algumas considerações sobre os resultados do modelo econométrico
Nesta seção, apenas duas formas funcionais foram analisadas pormenorizadamente, no
entanto, foram construídas ao todo onze formas funcionais, de esquemas alternativos de
algumas relações expostas pela teoria em que houve a tentativa de se esboçar na prática. Esta
escolha se deu única e exclusivamente por se tratarem das formas funcionais que mais
conseguiriam, a priori, auferir ganhos teóricos no sentido de resposta ao objetivo específico
primeiro deste trabalho. Ademais, apesar de não apresentadas com riqueza de detalhes, serão
discutidas, estão certamente inclusas nas possibilidades de novas análises e também, a
disposição para o leitor mais detalhista no Apêndice 2.
A análise destes modelos se dará com a apresentação das formas funcionais
estabelecidas para testar o emprego industrial e o valor adicionado industrial. Posteriormente,
é apresentado o teste de raiz unitária para os grupos de variáveis de cada modelo, para a
identificação da estacionariedade das séries, procedimento realizado a partir do teste de Dickey-
0
20
40
60
80
100
120
140
160
jan
/91
out/
91
jul/
92
abr/
93
jan
/94
out/
94
jul/
95
abr/
96
jan
/97
out/
97
jul/
98
abr/
99
jan
/00
out/
00
jul/
01
abr/
02
jan
/03
out/
03
jul/
04
abr/
05
jan
/06
out/
06
jul/
07
abr/
08
jan
/09
out/
09
jul/
10
abr/
11
jan
/12
out/
12
jul/
13
86
Fuller Aumentado, ou ADF. Em terceiro lugar foi realizado o teste de cointegração de Johansen,
permitindo assim, verificar se as variáveis são cointegradas, e se, portanto, existe uma relação
de longo prazo entre elas.
Feitas as análises preliminares, com base no teste de Johansen, foi implementado um
um VEC para a análise das relações de curto e longo prazo entre as variáveis. Para o caso do
VEC é feita uma análise mais detalhada da equação de cointegração, relacionada à variável do
emprego industrial e do valor adicionado industrial, e de seus coeficientes. As estatísticas para
avaliação da consistência do VEC foram as convencionalmente aplicadas na teoria, como o
teste “t de student”, “F” e R². Para a análise da autocorrelação dos resíduos, foi utilizado o teste
de Breusch-Godfrey (LM).
Verificado o resultado dos modelos, foi analisada a representatividade das relações de
influência verificadas por meio do teste de causalidade de Granger, além das reações a
impulsos, com os choques de impulsos inovativos traduzidos pela função impulso resposta
(FIR), sendo que para estes últimos, os gráficos encontram-se também apresentados no
Apêndice 2.
Nesta sequência está apresentada a discussão desta seção. Ao fim são feitas as relações
verificadas no modelo com as teorias eleitas para compor este trabalho. A seguir encontra-se
um breve resumo das formas funcionais aplicadas, com o conjunto de variáveis utilizadas na
modelagem, a identificação das cointegrações pelo teste de Johansen e do número de lags,
apresentadas na Tabela 2.
As formas funcionais relacionadas às variações do emprego industrial contêm 25
observações anuais para o período de 1991 a 2014, e foram construídas conforme apresentado
na Tabela 2, sendo elas as formas funcionais de F1 a F7. No caso do valor adicionado da
indústria, as séries contam com 96 observações cada, contemplando o mesmo período das
formas funcionais de análise do emprego industrial, porém com uma periodicidade trimestral,
sendo as formas funcionais de F8, F9 e F11. Somente a forma funcional F10 é representada por
observações anuais, no período de 1990 a 2013. Estas abreviações foram utilizadas para
apresentação e análise de cada uma das formas funcionais ao longo do texto.
Tabela 2 - Resumo das formas funcionais, estrutura de lags, cointegração e modelagem
utilizadas.
Forma
Funcional Variáveis
Nº de
lags
Eq. Coint.
Modelagem Especificação
da tendência e
87
intercepto
Johansen e
VEC
F1 Var_emp tj r_ind p_e 2 2 VEC c/ intercepto s/
tendência
F2 Var_emp r_ind p_e
tj (exógena) 3 2 VEC
c/ intercepto s/
tendência
F3 P_e r_ag r_ces ex_p im_p 1 4 VEC c/ intercepto s/
tendência
F4 P_po r_ag r_ces ex_p im_p 1 4 VEC c/ intercepto s/
tendência
F5 R_ind im_p ex_p tj p_e 1 3 VEC c/ intercepto s/
tendência
F6 R_ind im_p ex_p tj p_o 1 3 VEC c/ intercepto s/
tendência
F7 Var_emp r_ind p_e ex_p
im_p tj 1 4 VEC
c/ intercepto s/
tendência
F8 Va_ind bc fb_cf ipca_nc
ipca_c tc tj tx_c 2 6 VEC
c/ intercepto s/
tendência
F9 Va_ind va_ag va_s tx_c tj_lp 2 4 VEC c/ intercepto s/
tendência
F10 Va_ind bc tc p_e r_ind 1 2 VEC c/ intercepto s/
tendência
F11 Va_ind fb_cf cf_ap cf 1 3 VEC c/ intercepto s/
tendência
Nota: Número de lags estabelecido segundo o critério de informação de Akaike e Schwarz e o número de
equações de cointegração foi dado pelo teste de Johansen ao nível de significância de 5%. Fonte: Elaboração própria.
O número de vinte e cinco observações para os modelos do emprego industrial,
considerada um cross section “pequeno”, por ser menor que cinquenta observações, conforme
o que é comumente tratado nos manuais de econometria como “grande”, impôs ainda mais
cuidado na especificação, mais parcimoniosa possível, com relação a escolha da estrutura de
lags. Isto significa que se optou em alguns momentos pela utilização de um critério de
informação um pouco mais elevado, por um número menor de lags, permitindo assim, ganhos
em termos de graus de liberdade. Encerrando as avaliações preliminares necessárias parte-se
então para a análise dos resultados das formas funcionais.
Para a análise das formas funcionais relacionadas às variações do emprego industrial,
foi realizado o teste de raiz unitária, a fim de verificar se as variáveis são estacionárias,
conforme Tabela 3. Ao nível de significância de 1% as variáveis, remuneração na agricultura,
produtividade medida pelo emprego, remuneração no comércio e serviços, remuneração na
indústria, remuneração total e taxa de juros, são estacionárias em nível, portanto, são integradas
de ordem zero, I(0). As demais variáveis são estacionárias em primeira diferença ao nível de
significância de 1% e 5%, sendo integradas de ordem um, I(1).
88
Tabela 3 – Teste de Dickey-Fuller Aumentado (ADF) para as variáveis em nível e em
primeira diferença, com intercepto e sem tendência, período de 1991 a 2014.
Variáveis
Nível 1ª Diferença
Sigla Lags* Estatística t P-valor Lags* Estatística t P-valor
Emprego Total et 2 -0,4558 0,8820 0 -3,0976 0,0409**
Emportações ex_p 5 -1,4338 0,7440 4 -29832,88 0,0000***
Importações im_p 4 -1,8877 0,3312 5 -32645,79 0,0000***
Produtividade pelo Emprego p_e 5 -3,8543 0,0095*** 2 -3,7399 0,0111**
Produtividade pelo Pessoal
Ocupado p_po 5 -1,2995 0,6075 2 -3,7944 0,0099***
Remuneração Agricultura r_ag 5 -5,0244 0,0008*** 4 -260196,5 0,000***
Remuneração Comércio e
Serviços r_ces 5 -5,4974 0,0003*** 4 -138219,3 0,000***
Remuneração Indústria r_ind 5 -13,2641 0,0000*** 4 -160391,0 0,000***
Remuneração Total r_t 5 -5,9669 0,0008*** 4 -154140,0 0,000***
Taxa de Juros tj 3 -4,5193 0,0020*** 5 -4,1776 0,0072***
Participação do Emprego
industrial no total de emprego var_emp 0 -2,7723 0,0772 0 -3,7638 0,0098***
Nota:* O teste seguiu o critério de informação de Akaike para o número de defasagens (lags); *** nível de
significância de 1%; ** nível de significância de 5%.
Fonte: Elaboração própria.
Para a primeira forma funcional (F1) da modelagem do emprego utilizou-se um
número total de 2 lags, seguindo os critérios de informações de Akaike (AIC) e Schwarz (SC).
Os resultados do teste ADF demonstraram que as variáveis consideradas nesta forma funcional
são estacionárias em primeira diferença. O teste de Johansen demonstrou duas equações de
cointegração entre as variáveis de F1, ao nível de 5% de significância considerando intercepto
e ausência de tendência, condição confirmada pelo gráfico das séries, apresentados no Apêndice
2, assumindo assim, a modelagem VEC.
Regredindo o VEC, verificou-se que a variação do emprego na indústria e a taxa de
juros são cointegradas. Na relação de longo prazo verificada, a variação do emprego na indústria
é influenciada negativamente pela remuneração na indústria e positivamente pela produtividade
medida pelo emprego industrial, sendo ambos os coeficientes estatísticamente significativos a
99% de confiança.
Analisando as relações de curto prazo, nota-se que as variações do emprego industrial
em 𝑡 − 1 e 𝑡 − 2, bem como os termos de ajuste de correção do erro (ECT) não exercem
influência significativa sobre a variação do emprego. Os termos ECT medem a velocidade de
convergência do desequilíbrio de curto prazo para o equilíbrio de longo prazo. Já a taxa de juros
89
em 𝑡 − 2 apresentou uma influência negativa na variação do emprego, assim como a
produtividade medida pelo emprego, em suas duas defasagens calculadas. Por fim, a
remuneração na indústria nos dois períodos de defasagens estimados exerce influência positiva
na variação do emprego, com 𝑡 − 1 tendo um maior impacto. O resultado da estimação do
modelo VEC encontra-se apresentado na Tabela 4.
Tabela 4 - Resultado da estimação do modelo VEC para F1.
Variável Dependente: D(VAR_EMP)
Método: MQO
Amostra (ajustada): 4 25
Observações incluídas: 22 depois do ajustamento
Forma funcional:
D(VAR_EMP) = C(1)*( VAR_EMP(-1) – 1,29514550588E-11*R_IND(-1) +
5,24643192286E-05*P_E(-1) – 0,748173200594 ) + C(2)*( TJ(-1) -
2,12424572064E-08*R_IND(-1) + 0,0742696615681*P_E(-1) +
345,391686607 ) + C(3)*D(VAR_EMP(-1)) + C(4)*D(VAR_EMP(-2)) +
C(5)*D(TJ(-1)) + C(6)*D(TJ(-2)) + C(7)*D(R_IND(-1)) + C(8)*D(R_IND(
-2)) + C(9)*D(P_E(-1)) + C(10)*D(P_E(-2)) + C(11)
Coeficiente Desvio Padrão Estatística t P-valor
C(1) 0,035567 0,109142 0,325881 0,7506
C(2) 0,000211 0,000209 1,012770 0,3329
C(3) 0,015596 0,191665 0,081373 0,9366
C(4) 0,129867 0,171257 0,758314 0,4642
C(5) -0,000312 0,000268 -1,160547 0,2704
C(6) -0,000459 0,000169 -2,723425 0,0198**
C(7) 5,78E-12 2,28E-12 2,533884 0,0278**
C(8) 7.58E-13 2,83E-13 2,676958 0,0215**
C(9) -2,12E-05 7,93E-06 -2,677973 0,0215**
C(10) -1,29E-06 5,08E-07 -2,547746 0,0271**
C(11) -0,061749 0,025309 -2,439786 0,0328**
R² 0,884781 Média variável dependente -0,003679
R² Ajustado 0,780036 Desvio Padrão variável dependente 0,006849
S.Q.E. 0,003212 AIC -8,336883
S.Q.R. 0,000113 SC -7,791361
Log likelihood 102,7057 Critério de Hannan-Quinn -8,208374
Estatística F 8,447002 Estatística de Durbin-Watson 2,339672
P-valor (Estatística F) 0,000751***
Nota: *** nível de 1% de significância; ** nível de 5% de significância.
Fonte: Elaboração própria.
Com relação ao ajuste da modelagem obteve-se um coeficiente de determinação (R²)
de 0,88, a probabilidade do teste F indica que, pelo menos, um dos coeficientes estimados é
diferente de 0, e, portanto, significativo. Além disso, o teste de Breusch-Godfrey (LM) indicou
90
não haver correlação serial entre os resíduos analisados, ao nível de 99% de confiança, com um
p-valor de 0,6875.
Os testes de causalidade26 bidirecionais, realizados com duas defasagens em F1,
apresentaram que a taxa de juros causa a variação do emprego industrial ao nível de
significância de 1%, e que a remuneração da indústria e a produtividade medida pelo emprego
causam a variação do emprego industrial ao nível de 10% de significância. Além disso, a
variação do emprego causa a remuneração da indústria e a produtividade medida pelo emprego,
ao nível de 5% de significância. Por fim, taxa de juros e remuneração da indústria causam a
produtividade medida pelo emprego, ao nível de 1% de significância.
A partir da análise de impulsos inovativos, realizada pelos impulsos generalizados em
dez períodos, revelou que a variação do emprego industrial no terceiro período, afetou de forma
duradoura a sua variação. A taxa de juros afetou também a variação do emprego a partir deste
período, alterando seu patamar ao longo dos impulsos, e a relação negativa entre elas é
verificada no choque exógeno representado pela FIR. A remuneração na indústria registrou
impulsos positivos na variação do emprego, bem como a produtividade medida pelo emprego.
As grandezas das respostas para estes casos apresentados são pequenas, menores que 2 p.p. para
todos eles.
Outros resultados relevantes observados por meio da FIR é a significativa resposta
positiva apresentada pela remuneração na indústria em relação as variações da taxa de juros e
também da remuneração da indústria de forma negativa e bastante substancial à variações da
produtividade na indústria, medida pelo emprego industrial.
Uma segunda forma funcional desta mesma análise foi regredida considerando a taxa
de juros como uma variável exógena (F2). Este teste foi realizado para verificar se o modelo se
tornaria mais apurado, pois a taxa de juros é definida como instrumento de política monetária,
que em tese é autônoma aos demais componentes da política econômica. No entanto, o que se
pode verificar é que a variação do emprego e a remuneração na indústria são cointegradas,
porém todos os coeficientes de curto prazo não são significativos a 1%, 5% e nem a 10%, apesar
das estatísticas de ajuste do modelo como o coeficiente de determinação e o teste F serem
significativos, com o valor de 0,83 e p-valor de 0,0426 respectivamente, e de não haver
autocorrelação serial dos resíduos, conforme o teste LM, com p-valor de 0,5465.
26 A causalidade referida em todas as análises deste item, se dá no sentido de Granger, por este motivo evitou-se
tal ênfase ao longo do texto.
91
A terceira e quarta formas funcionais analisadas (F3 e F4) tratam-se de formas
funcionais complementares, buscando verificar como são influenciadas as variações da
produtividade na indústria medida pelo emprego (F3) e pelo pessoal ocupado (F4), e se elas
têm comportamentos semelhantes diante do mesmo grupo de variáveis, sendo elas a
remuneração na agropecuária, a remuneração no comércio e serviços, as exportações e as
importações.
As análises revelaram que tanto para F3 como para F4 as medidas de produtividade, a
remuneração na agropecuária, a remuneração no comércio e serviços e as exportações são
cointegradas. O coeficiente da variável importação na equação de cointegração se mostrou
significativo em relação a produtividade em ambas as formas funcionais, e com um sinal
negativo. Com relação aos coeficientes de curto prazo, nota-se forte diferença entre ambos os
modelos, pois para a produtividade medida pelo emprego todos os coeficientes são
significativos ao nível de 5% de significância. Já para a produtividade medida pelo pessoal
ocupado, os termos de ajuste de correção do erro (ECT) da segunda, terceira e quarta equações
de cointegração não são significativos no curto prazo, ao nível de 5% de significância, bem
como a remuneração da agropecuária e do comércio e serviços em 𝑡 − 1 .
As duas formas funcionais se mostraram consistentes na estimação, com coeficiente
de determinação de 0,99 e 1, para produtividade medida pelo emprego e pelo pessoal ocupado
respectivamente. Não apresentaram autocorrelação dos erros em nenhum dos casos, e os testes
F, foram significativos a 1% de significância. O mecanismo de correção de erro da primeira
equação cointegrante, a produtividade em 𝑡 − 1 e as exportações em 𝑡 − 1 apresentaram relação
negativa com a produtividade medida pelo emprego e pelo pessoal ocupado e são coeficientes
significativos a 1% de significância. As importações apresentaram coeficiente significativo a
1% no curto prazo e demonstraram ter uma relação positiva com a produtividade nas duas
formas funcionais.
Para a forma funcional (F3), a remuneração da agropecuária e do comércio e serviços
apresentaram um sinal positivo e negativo respectivamente, no curto prazo, com coeficientes
significativos a 5%, no entanto, estes coeficientes são bastante pequenos em termos de valores.
O teste de causalidade apresentou que a remuneração da agropecuária causa a produtividade
em ambas as medidas, e que as importações não causam as produtividades considerando apenas
um lag. A remuneração no comércio e serviços e as exportações apresentaram estatísticas de
causa significativas apenas para a produtividade medida pelo pessoal ocupado.
92
Observando os resultados das funções impulso resposta para as duas formas funcionais
com 10 períodos, torna-se claro que a produtividade medida pelo pessoal ocupado sofre maiores
efeitos em termos de variação e nos períodos mais iniciais. Além disso, apresenta uma evolução
positiva nos períodos iniciais, a partir de variações da remuneração da agricultura, da
remuneração do comércio e serviços e das exportações, para depois apresentar um declínio a
partir do 4º período.
Outras formas funcionais complementares para análise do emprego industrial foram
F5 e F6. Estas, pretendiam verificar as relações entre a remuneração industrial, aqui tratada
como uma proxy dos salários, com as importações, exportações, taxas de juros e produtividade
medida pelo emprego e pelo pessoal ocupado. Nestas formas funcionais a remuneração da
indústria, as importações e as exportações são cointegradas. No longo prazo a taxa de juros e a
produtividade medida tanto pelo pessoal ocupado em F6, como pelo emprego em F5, tem
coeficientes significativos, sendo que, as produtividades apresentaram uma relação negativa
com a remuneração na indústria, já a taxa de juros possui relação negativa em F5 e relação
positiva em F6.
Para a análise de curto prazo, todos os coeficientes são significativos em ambas as
formas funcionais, o mecanismo de correção de erro da segunda equação cointegrante apresenta
uma relação inversa com a remuneração na indústria em ambos os modelos, igualmente
acontece com a produtividade nas suas diferentes medidas. As exportações apresentaram
coeficientes com sinais distintos entre F5 e F6, sendo no primeiro negativo e no segundo
positivo.
Estas formas funcionais apresentaram coeficiente de determinação de 1, p-valor do
teste F de 0,0000, e o teste de autocorrelação LM não apresentou sinais de autocorrelação serial,
a 1% de significância. Os resultados do teste de causalidade realizado com um lag sinalizaram
que as importações e a taxa de juros não causam a remuneração na indústria e que as
exportações e a produtividade medida pelo emprego e pelo pessoal ocupado causam a
remuneração na indústria, ao nível de 1% de significância. Já a variável remuneração da
indústria apresenta relação de causalidade com todas as demais variáveis do modelo, ao mesmo
nível de significância. Na análise da FIR, verificou-se relação muito similar entre as variáveis
de ambos os modelos, confirmando as relações explicitadas pelos sinais dos coeficientes do
VEC.
93
Foi realizada a regressão de uma última forma funcional para análise do emprego, F7,
considerando as importações e as exportações. Foram identificados quatro vetores de
cointegração, sendo eles a variação do emprego, a remuneração na indústria, a produtividade
medida pelo emprego e as exportações. As importações e a taxa de juros apresentaram
coeficientes de longo prazo significativos, à 5% de significância. Sobre os coeficientes de curto
prazo, nenhum deles apresentou significância estatística, apesar do modelo ter exibido um
coeficiente de determinação de 0,82, p-valor de 0,0035 para o teste F, e não ter apresentado
correlação serial nos resíduos segundo o teste de Bresch-Godfrey (LM). Diante desta situação,
não foram realizadas as demais análises.
Para as formais funcionais relacionadas ao valor adicionado da indústria, o teste ADF
aplicado para as variáveis com periodicidade trimestral encontra-se apresentado na Tabela 5.
Todas as variáveis com exceção da balança comercial (Bc), são estacionárias em primeira
diferença, integradas de ordem um, I(1), considerando o teste com intercepto e sem tendência.
Porém, a variável Bc apresenta-se estacionária tanto em nível como em primeira diferença,
realizando o teste ADF sem intercepto e sem tendência, ao nível de significância de 1%, com
p-valor de 0,0000.
94
Tabela 5 – Teste de Dickey-Fuller Aumentado (ADF) para as variáveis em nível e em
primeira diferença, com intercepto e sem tendência, período trimestral de 1991 a 2014.
Nível 1ª Diferença
Variáveis Sigla Lags* Estatística t P-valor Lags* Estatística t P-valor
Balança comercial bc 5 -957,3831 0,0001*** 5 -1826,6400 1,000
Consumo das famílias cf 6 -245,2162 0,0001*** 6 -122,5417 0,0001***
Consumo final da
administração pública cf_ap 6 -259,4753 0,0001*** 6 -190,6449 0,0001***
Formação bruta de capital
fixo fb_cf 6 -145,9674 0,0001*** 6 -99,3119 0,0001***
Índice de preços ao
consumidor amplo-
comercializáveis
ipca_c 0 -288,6114 0,0507 0 -11,1162 0,0000***
Índice de preços ao
consumidor amplo – não
comercializáveis
ipca_nc 2 -2,2446 0,1923 5 -4,9121 0,0001***
Transações correntes em
US$ tc 10 -1,8173 0,3699 10 -4,1731 0,0013***
Taxa de Juros Over Selic (%
a. m.) acumulada em
trimestres
tj 11 -2,9250 0,0467** 11 -9,0199 0,0000***
Taxa de Juros de Longo
Prazo tj_lp 0 -2,6395 0,0887 0 -10,0594 0,0000***
Taxa de câmbio R$/US$ -
compra – fim do período tx_c 8 -5,0317 0,0001*** 7 -5,7764 0,0000***
Valor adicionado pela
agropecuária va_ag 6 -78,6395 0,0001*** 6 -102,1827 0,0001***
Valor adicionado pela
indústria va_ind 7 -291,4857 0,0001*** 7 -662,0584 0,0001***
Valor adicionado pelos
serviços va_s 6 -185,6783 0,0001*** 6 -172,8014 0,0001***
Nota:* O teste seguiu o critério de informação de Akaike para o número de defasagens (lags); *** 1% de nível
de significância; ** 5% de nível de significância.
Fonte: Elaboração própria.
Para a forma funcional F10, as variáveis são de periodicidade anual, assim, o teste de
raiz unitária está apresentado nas Tabelas 6 e 7. Todas as variáveis são estacionárias em
primeira e segunda diferença, com exceção da variável transações correntes (Tc), considerando
o teste realizado com intercepto e sem tendência. No entanto, a variável transações correntes
mostrou-se integrada de ordem dois, I(2), quando realizado o teste ADF sem intercepto e sem
tendência, com p-valor de 0,0000.
95
Tabela 6 – Teste de Dickey-Fuller Aumentado (ADF) para as variáveis em nível e em
primeira diferença, com intercepto e sem tendência, período de 1990 a 2013.
Nível 1ª Diferença
Variáveis Sigla Lags* Estatística
t P-valor Lags*
Estatística
t P-valor
Balança Comercial bc 5 -6705,73 0,0000*** 5 -1336,63 0,0000***
Produtividade medida pelo
emprego p_e 5 -3,8923 0,0093*** 2 -3,6283 0,0146**
Remuneração na indústria r_ind 5 -1902403,0 0,0000*** 5 -415613,1 0,0000***
Transações correntes em US$ tc 0 2,6116 1,0000 4 0,0906 0,9555
Valor adicionado pela indústria va_ind 0 1,7302 0,9993 0 -3,9460 0,0068***
Nota:* O teste seguiu o critério de informação de Akaike para o número de defasagens (lags); *** 1% de nível
de significância; ** 5% de nível de significância.
Fonte: Elaboração própria.
Tabela 7 – Teste de Dickey-Fuller Aumentado para as variáveis em segunda diferença, com
intercepto e sem tendência, período de 1990 a 2013.
2ª Diferença
Variáveis Sigla Lags* Estatística t P-valor
Balança Comercial bc 5 -329,08 0,0000***
Produtividade medida pelo
emprego p_e 2 -6,5304 0,0000***
Remuneração na indústria r_ind 5 -78354,91 0,0000***
Transações correntes em US$ tc 3 -2,5900 0,1130
Valor adicionado pela indústria va_ind 1 -5,6059 0,0002***
Nota:* O teste seguiu o critério de informação de Akaike para o número de defasagens (lags); *** 1% de nível
de significância; ** 5% de nível de significância.
Fonte: Elaboração própria.
Para a análise dos determinantes do valor adicionado da indústria, inicialmente foi
utilizada a forma funcional F8. O conjunto de variáveis estimado foi saldo da balança comercial,
a formação bruta de capital fixo como proxy do investimento, o índice de preços ao consumidor
de bens não comercializáveis e o mesmo índice para os bens comercializáveis, o saldo de
transações correntes, a taxa de juros e a taxa de câmbio. Esta forma funcional apresentou,
conforme os critérios de AIC e SC, um número ideal de dois lags, e pelo teste de cointegração
de Johansen, um total de seis vetores de cointegração.
Os resultados da forma funcional F8, conforme Tabela 8, evidenciam que o valor
adicionado da indústria, o saldo da balança comercial, a formação bruta de capital fixo, o índice
de preços ao consumidor de bens não comercializáveis e de bens comercializáveis, bem como
as transações correntes são cointegradas. Destes vetores de cointegração, apenas a equação de
cointegração cinco, referente ao índice de preços ao consumidor de bens comercializáveis não
96
exerce influência significativa de longo prazo, com um coeficiente estatísticamente igual a zero,
de acordo com o teste t de student.
Tabela 8 – Estimação do modelo VEC na forma funcional F8.
Variável dependente: D(VA_IND)
Método: MQO
Amostra (ajustada): 1991Q4 2014Q4
Observações incluídas: 93 após ajustamentos
Forma funcional:
D(VA_IND) = C(1)*( VA_IND(-1) – 12710174562,8*TJ(-1) + 10686774801,9
*TX_C(-1) – 2,66064765347E+17 ) + C(2)*( BC(-1) – 371217110,53*TJ(
-1) + 460101404,442*TX_C(-1) – 1,79695324111E+16 ) + C(3)*(
FB_CF(-1) – 253404505701,0*TJ(-1) + 248129146694,0*TX_C(-1) -
6,90342197732E+18 ) + C(4)*( IPCA_NC(-1) + 0,0182639529926*TJ(
-1) + 0,00770718200648*TX_C(-1) – 930,261046878 ) + C(5)*(
IPCA_C(-1) – 0,020920294093*TJ(-1) – 0,00356243524568*TX_C(-1) +
988,606926178 ) + C(6)*( TC(-1) + 52018,6038842*TJ(-1) -
10210,5683505*TX_C(-1) – 2340158115,48 ) + C(7)*D(VA_IND(-1)) +
C(8)*D(VA_IND(-2)) + C(9)*D(BC(-1)) + C(10)*D(BC(-2)) + C(11)
*D(FB_CF(-1)) + C(12)*D(FB_CF(-2)) + C(13)*D(IPCA_NC(-1)) + C(14)
*D(IPCA_NC(-2)) + C(15)*D(IPCA_C(-1)) + C(16)*D(IPCA_C(-2)) +
C(17)*D(TC(-1)) + C(18)*D(TC(-2)) + C(19)*D(TJ(-1)) + C(20)*D(TJ(-2))
+ C(21)*D(TX_C(-1)) + C(22)*D(TX_C(-2)) + C(23)
Coeficiente Desvio Padrão Estatística t P-valor
C(1) -0,909312 0,063061 -14,41964 0,0000***
C(2) -11,01639 0,866305 -12,71652 0,0000***
C(3) 0,034705 0,001710 20,29344 0,0000***
C(4) 2,72E+11 6,04E+10 4,495967 0,0000***
C(5) 7,66E+10 8,62E+10 0,889511 0,3768
C(6) -1.144.659,0 291673,9 -3,924449 0,0002***
C(7) -0,580697 0,022905 -25,35194 0,0000***
C(8) 0,054422 0,015098 3,604567 0,0006***
C(9) -2,334112 0,333563 -6,997506 0,0000***
C(10) 0,448126 0,017317 25,87740 0,0000***
C(11) 0,030193 0,001155 26,13977 0,0000***
C(12) -0,004101 0,000564 -7,272216 0,0000***
C(13) 1,45E+11 5,38E+10 2,688458 0,0090***
C(14) -6,84E+10 4,48E+10 -1,527095 0,1312
C(15) -2,46E+10 7,65E+10 -0,321662 0,7487
C(16) -1,29E+11 4,77E+10 -2,695098 0,0088***
C(17) 1.397.303,0 1050297,0 1,330388 0,1877
C(18) 4.550.892,0 938859,5 4,847256 0,0000***
C(19) -9,48E+10 1,30E+10 -7,272255 0,0000***
C(20) 3,97E+10 7,52E+09 5,282883 0,0000***
C(21) -6,52E+09 2,64E+10 -0,246969 0,8057
C(22) 2,73E+10 2,46E+10 1,109193 0,2711
C(23) -2,03E+17 3,37E+15 -60,15341 0,0000***
R² 1,000000 Média variável dependente -1,80E+17
R² Ajustado 1,000000 Desvio Padrão variável dependente 1,21E+18
S.Q.E. 6,69E+11 AIC 57,50621
S.Q.R. 3,13E+25 SC 58,13255
Log likelihood -2651,039 Critério de Hannan-Quinn 57,75911
Estatística F 1,38E+13 Estatística de Durbin-Watson 1,886022
P-valor(Estatística F) 0,000000
Nota: *** nível de 1% de significância; ** nível de 5% de significância.
Fonte: Elaboração própria.
97
Em relação ao curto prazo, verificou-se que os coeficientes da equação de cointegração
cinco, do índice de preços ao consumidor de bens não comercializáveis em 𝑡 − 2, do índice de
preços ao consumidor de bens comercializáveis e das transações correntes, ambos em 𝑡 − 1, e
da taxa de câmbio em 𝑡 − 1 e em 𝑡 − 2, apresentaram-se como não significativos ao nível de
5% de significância, não exercendo assim, influência sobre as variações do valor adicionado na
indústria.
Os demais coeficientes de F8, se mostraram estatísticamente diferentes de zero, ao
nível de 1% de significância. Pelo coeficiente de determinação, esta forma funcional apresentou
um bom ajustamento, com um valor de 1, e o teste F demonstrou um p-valor significativo a 1%.
As variações do valor adicionado industrial, pelos resultados expostos, sofrem influência dos
coeficientes ECT um, dois, três, quatro e seis, sendo que, os coeficientes dos vetores de
cointegração um, dois e seis apresentaram uma relação inversa com as variações do valor
adicionado industrial.
As variações do valor adicionado industrial sofrem influência negativa no curto prazo
do valor adicionado, do saldo da balança comercial e da taxa de juros, todos em 𝑡 − 1, e da
formação bruta de capital fixo em 𝑡 − 2. Já o valor adicionado industrial, o saldo da balança
comercial, as transações correntes e a taxa de juros, em 𝑡 − 2, exercem influências positivas
nas variações do valor adicionado industrial. A formação bruta de capital fixo, o índice de
preços ao consumidor de bens não comercializáveis e as transações correntes, todos em 𝑡 − 1,
também apresentaram impactos positivos nas variações do valor adicionado da indústria.
O teste de causalidade bidirecional com noventa e quatro observações incluídas, e com
dois lags, revelou que o valor adicionado da indústria causa o saldo na balança comercial, a
formação bruta de capital fixo, o índice de preços ao consumidor de bens não comercializáveis,
as transações correntes, a taxa de juros e a taxa de câmbio. E a relação inversa acontece, em
que o valor adicionado industrial é causado pelo saldo da balança comercial, pela formação
bruta de capital fixo, pelas transações correntes, pela taxa de juros, e pela taxa de câmbio.
A FIR com dez períodos, demonstrou que os impulsos das transações correntes
provocam as oscilações mais severas no valor adicionado industrial, dentre as variáveis
analisadas, sendo que estas oscilações no valor adicionado industrial se estendem ao longo dos
dez períodos analisados. Os impulsos das demais variáveis apresentam respostas por parte do
valor adicionado apenas em seus períodos iniciais.
98
Na forma funcional F9, foram analisadas as influências que o valor adicionado da
agropecuária, do comércio e serviços, da taxa de câmbio e da taxa de juros de longo prazo
exercem sobre o valor adicionado industrial. Todas as equações na modelagem VEC
apresentadas para esta forma funcional possuem um coeficiente de determinação elevado. A
equação de interesse, do valor adicionado, possui p-valor para o teste F de 0,00000, indicando
que pelo menos um dos seus coeficientes é estatisticamente diferente de zero.
Ao analisar o p-valor dos coeficientes da equação do valor adicionado industrial em
F9, todos, exceto o coeficiente relativo a taxa de juros de longo prazo em 𝑡 − 2, foram
significativos a 1% de significância. A análise de autocorrelação dos resíduos apresentou
resultados que levam a não rejeitar a hipótese nula de que as séries não apresentam
autocorrelação serial dos resíduos, segundo o teste de Breusch-Godfrey (LM). O coeficiente
estimado da taxa de juros de longo prazo em 𝑡 − 2 não se mostrou estatísticamente diferente de
zero, portanto, não exercendo nenhuma influência sobre o valor adicionado industrial no curto
prazo.
Na forma funcional F10, foram analisadas as influências da balança comercial, das
transações correntes, da produtividade medida pelo emprego industrial, e da remuneração na
indústria, na variação do valor adicionado industrial. Esta forma funcional foi construída
utilizando dados anuais, por conta da possibilidade de dados disponíveis para o cálculo de uma
medida de produtividade estimada, desta forma, possui 25 observações. O teste de Bresuch-
Godfrey (LM0, com dois lags, revelou a ausência de autocorrelação dos erros.
O ajuste do modelo se apresentou baixo, dado pelo coeficiente de determinação, de
0,3775, para as relações das variáveis em questão, tendo como alvo o valor adicionado
industrial. O teste F confirma o baixo ajustamento desta equação do modelo, com um p-valor
de 0,4039. Reflexo destes números, são que nenhum dos coeficientes desta forma funcional
podem ser considerados significativos, nem ao nível de significância de 10%, fato que permite
afirmar que as variáveis analisadas não exerceram influência na determinação do valor
adicionado industrial com este número de defasagens para tal período.
A forma funcional F11 foi estimada com dados trimestrais e registrou três equações
de cointegração, no entanto, apresentou grave problema de autocorrelação diagnosticado pelo
teste de Breuch-Godfrey (LM). Tal problema pode ser solucionado pela imposição de um maior
número de defasagens ao modelo. Este teste foi feito, porém, o problema não foi solucionado.
99
Na literatura encontram-se formas teóricas para resolução deste problema, como a estimação
por meio do método de Cochrane-Orcutt geral ou em duas etapas, e o método de Newey-West.
A complexidade de ambos, principalmente a característica recursiva do primeiro que
exige grande número de observações para execução até que se estime o coeficiente de
autocorrelação, quase que por tentativa e erro, implicaria em grande perda de graus de
liberdade, bem como fugiria do escopo metodológico inicialmente estabelecido. Como o custo
de implicação do método pareceu caro perto do resultado esperado, o mesmo foi descartado.
O método de Newey-West foi aplicado então para a regressão deste modelo,
promovendo assim um ajustamento nas estatísticas dos coeficientes. Mesmo com este
ajustamento o modelo continuou apresentado pelo teste LM problemas de autocorrelação dos
resíduos, desta forma, optou-se por excluir esta forma funcional do escopo de análise.
Em um breve resumo dos resultados econométricos obtidos, têm-se que as variáveis
que apresentaram comportamento mais significativo em relação a determinação do emprego
industrial no período foram a remuneração na indústria em 𝑡 − 1 e em 𝑡 − 2, com sinais
positivos de relação para ambos os casos. A produtividade também se mostrou significativa, ao
explicar as variações do emprego industrial em 𝑡 − 1 e 𝑡 − 2, no entanto, exercendo impacto
negativo nas variações do emprego. Quanto as relações de causalidade e as funções de impulso,
a taxa de juros foi a principal variável que causou no sentido de Granger as variações do
emprego industrial.
Tendo a remuneração na indústria e a produtividade significativos impactos sobre as
variações do emprego industrial, as formas funcionais alternativas ganham destaque por
apresentarem que a produtividade, tanto medida pelo emprego como pelo pessoal ocupado,
recebem influências significativas da produtividade, das exportações, das importações e das
remunerações na agropecuária e no comércio e serviços, todos em 𝑡 − 1, sendo as principais
relações de causalidade verificadas da remuneração na agricultura, da remuneração no comércio
e serviços e das exportações.
As formas funcionais F3 e F4 esboçaram que a remuneração na indústria sofre
influência significativa da remuneração da indústria, das importações, das exportações, da taxa
de juros e da produtividade em 𝑡 − 1, sendo que esta última apresenta relação negativa com a
remuneração. Já as relações de causalidade são dadas pela produtividade e pelas exportações.
Um breve esquema ilustrativo é apresentado a seguir, a fim de resumir esta informação.
100
Figura 1 - Diagrama das relações de influência das variáveis analisadas no emprego
industrial.
Nota: Com um * em 𝑡 − 1, com ** em 𝑡 − 2, com + influência positiva ou direta, com – influência negativa ou
inversa.
Fonte: Elaboração própria a partir dos resultados da pesquisa.
Com relação aos impactos exercidos sobre o valor adicionado industrial, as variáveis
que exerceram influência significativa foram o valor adicionado da indústria, a balança
comercial, a formação bruta de capital fixo, o índice de preços dos produtos não
comercializáveis e dos comercializáveis, as transações correntes, a taxa de juros, o valor
adicionado da agropecuária e do comércio e serviços, a taxa de câmbio e a taxa de juros de
longo prazo, todas em 𝑡 − 1. Apenas o índice de preços ao consumidor, o índice de preços de
bens não comercializáveis e a taxa de juros de longo prazo não apresentaram relações de
influência sobre o valor adicionado industrial em 𝑡 − 1 , mas sim em 𝑡 − 2.
Nas relações de causalidade verificou-se que a balança comercial, a formação bruta de
capital fixo, as transações correntes, a taxa de juros, a taxa de câmbio, o valor adicionado da
agropecuária e o valor adicionado dos serviços causam no sentido de Granger o valor
adicionado industrial. A taxa de câmbio apresentou-se significativa na relação de causalidade
apesar de não ter apresentado significância estatística na forma funcional F8.
Variação do emprego industrial
Remuneração na indústria**
(+)
Remuneração na indústria*
(+)
Importações*
(+)
Exportações*
(-)
Taxa de Juros*
(+)
Produtividade*
(-)
Produtividade na indústria**
(-)
Produtividade*
(-)
Remuneração na agropecuária*
(+)
Remuneraçaõ no comércio e serviços*
(-)
Exportações*
(-)
Importações*
(+)
101
Já sobre o sentido de influência das variáveis, o valor adicionado da indústria em 𝑡 −
1, a balança comercial em 𝑡 − 1, a formação bruta de capital fixo em 𝑡 − 2, o índice de preços
dos bens comercializáveis em 𝑡 − 2, a taxa de juros em 𝑡 − 1, valor adicionado da agropecuária
em 𝑡 − 1, a taxa de câmbio em 𝑡 − 1, além da taxa de juros de longo prazo em 𝑡 − 1
apresentaram sentido inverso de relação com o valor adicionado industrial. As demais variáveis
apresentaram sentido positivo, ou relação diretamente proporcional em relação ao valor
adicionado. Novamente, em um esboço esquemático de resumo das evidências obtidas, tem-se
a Figura 2.
Um detalhe importante é que a ênfase da análise se deu no sentido de influência, em
sua significância estatística e em sua relação de longo prazo, pois pouco ainda se sabe sobre o
verdadeiro sentido de causa entre estas variáveis, por meio de aplicações empíricas como a que
foi aqui apresentada. Além disso, a modelagem selecionada impõe a possibilidade de
estabelecimento de ordenamento prévio entre as variáveis, o que não foi aqui estabelecido e
para tal problema caberia novo trabalho para específica análise.
102
Figura 2 - Diagrama das relações de influência das variáveis analisadas no valor adicionado
industrial.
Nota: Com *𝑡 − 1, com ** em 𝑡 − 2, com *** em 𝑡 − 1e 𝑡 − 2, com + influência positiva ou direta, com –
influência negativa ou inversa.
Fonte: Elaboração própria a partir dos dados da pesquisa.
Inserindo os resultados no contexto do problema de análise, é possível observar os
seguintes pontos relativos a variação do emprego industrial. As evidências obtidas servem para
corroborar algumas afirmações teóricas do referencial construído no item 3, de 3.1 a 3.6. Uma
delas é dada por Rodrigues e Guilhoto (1998), de que no pós-abertura comercial a redução do
emprego pode ter sido fruto, dentre outras mudanças estruturais observadas, da redução da
remuneração na produção. Como visto, a remuneração exerce sim, influência positiva sobre a
remuneração na indústria, e em caso de redução de sua participação na produção espera-se que
o emprego também se reduza.
Além deste, o exposto por Pinheiro (1999), Silva (2004), Moreira (1999a), Moreira
(1999b), e Hilgemberg (2003), que os ganhos de produtividade obtidos pelo processo de
abertura comercial geraram impactos significativos no sentido de redução do emprego de forma
Valor adicionado industrial
Variação do valor adicionado nos demias
setores***
(+,-)
Valor adicionado na indústria***
(+,-)
Valor adicionado da agropecuária*
(+,-)
Valor adicionado do comércio e serviços***
(+)
Conjunto macoreconõmico***
(+,-)
FBCFK***
(+,-)
Transações Correntes**
(-)
Taxa de Juros*
(-)
TJLP*
(-)
Taxa de Câmbio***
(+,-)
Comércio Exterior***
(+,-)
Balança comercial*
(-,+)
Preços do bens comercializáveis**
(-)
Preço dos bens não comercializáveis*
(+)
103
geral, mas mais especificamente no setor industrial. Esta relação é confirmada pela evidência
empírica apontada pelos autores, bem como pela relação verificada (inversamente
proporcional) da produtividade com a variação do emprego industrial.
As exportações mostraram-se significativas com relação a explicação das variações da
produtividade, que por sua vez, contribui negativamente para a variação do emprego industrial.
Esta evidência se enquadra fortemente nas questões de posicionamento da economia brasileira
frente ao comércio mundial. Este ponto é tratado no item 3.5 e um conjunto de trabalhos
sugerem que assumimos um posicionamento de exportação de produtos de baixo valor
adicionado, conforme apresentado por Guilhoto e Imori (2014), por exemplo.
A orientação da produção nacional de itens de valor adicionado mais elevado para o
mercado mundial se dá por duas formas, uma pela condução de políticas industriais que
fortaleçam produtos de maior valor agregado e de tecnologias de produção, e por uma política
de comércio exterior que dirija o país a uma atuação em mercados de maior complexidade.
Ambos os casos, conforme verificado pela literatura não são pontos fortes na economia
nacional.
O que se vê de diagnóstico pela teoria apresentada, é que não fomos capazes de criar
uma política de comércio exterior orientada pelas cadeias globais de valor, conforme Oliveira
(2015) e que a política industrial posta a cabo não foi contínua, não gerou plenamente os efeitos
desejados, além de apresentar característica bastante horizontal. Dessa forma, não beneficiou
os setores que poderiam ser prioritários na geração de valor adicionado, conforme exposto por
Bonelli et al. (1997), Cano e Silva (2010) e Campanário et al. (2005).
Um aspecto importante que fica como sugestão para trabalhos futuros, seria verificar
a relação que as políticas industriais e de comércio exterior exercem sobre estas variáveis.
Compreende-se a dificuldade deste exercício, porém entende-se também que ele servirá como
via de esclarecimento para uma das perguntas que fica deste trabalho, que é: o desalinhamento
relatado na teoria sobre a política industrial brasileira e sobre a política de comércio exterior
são influências de fato negativas para a indústria? Por hora, assume-se a experiência da
literatura, que parece apontar que sim.
As relações estabelecidas no que se denominou de macroeconomia da
desindustrialização ganham sentido, a medida que a taxa de câmbio, as transações correntes e
a taxa de juros tanto de longo prazo como de curto prazo apresentaram-se significativamente
estatísticas e exercendo pressões negativas sobre o valor adicionado industrial, porém, não se
104
constituem única e estritamente os vetores que determinam esta variável. Desta forma, o
argumento posto por autores como Oreiro e Marconi (2014), Oreiro e Feijó (2010), Bresser-
Pereira (2010) e Loures et al. (2010) ganham forma, desde que colocados no contexto onde
outras variáveis exercem influência tão importante quanto as por eles relatadas.
As variações da demanda não se mostraram estatísticamente significativas para a
explicação das relações de longo prazo com o valor adicionado industrial, conforme sugerem
Goldfajn e Bicalho (2013). Esses efeitos não puderam ser avaliados adequadamente, dado o
problema verificado de autocorrelação na forma funcional F11, no entanto, valem pesquisa
adicional, bem como refinamento do método para estudo das relações de longo prazo entre estas
variáveis.
5.3 Uma análise das mudanças estruturais
Nesta seção são apresentados os resultados da análise de decomposição estrutural, bem
como a evolução dos índices puros de ligação, que demonstram os setores chave da economia
e permitem discernir em termos de estrutura os níveis de encadeamento entre os setores. Os
índices foram calculados para todo o período de análise, porém, foram apresentados somente
para os anos de 1995, 2000, 2005 e 2013.
O critério aqui utilizado para eleger um setor como chave é de que ele apresente índice
de ligação acima de um, tanto para frente quanto para trás. No apêndice 3, é possível verificar
uma análise gráfica relacionada a estes indicadores, bem como no apêndice 4 estão apresentadas
as tabelas com os valores dos índices e seus respectivos rankings por ano.
Em uma análise da evolução dos setores chaves a partir dos índices puros de ligação é
possível perceber que os principais setores da economia nacional, em termos de poder de
encadeamento, são para 1995, indústria de transformação (3), construção (5), intermediação
financeira, seguros e previdência complementar (9) e outros serviços (11).
Para o ano de 2000, temos como setores chave, indústria de transformação (3), serviços
de informação (8), intermediação financeira (9) e outros serviços (11). Em 2005, os setores são
indústria de transformação (3), construção (5), serviços de informação (8) e outros serviços
(11). Por fim, para 2013 os setores são indústria de transformação (3), serviços de informação
(8) e outros serviços (11).
105
O que se denota destes indicadores é que a composição dos setores chave da economia
nacional se modificou muito pouco ao longo do período analisado. De modo geral, a indústria
de transformação e o setor de serviços são os que aparecem como principais setores da
economia brasileira desde 1995, e que possuem os maiores indicadores de encadeamento, tanto
para frente quanto para trás, e para o total. Estes setores se alternam na primeira e segunda
posição do índice puro de ligação total ao longo de todo o período.
Desta maneira, argumentos sobre o papel da indústria na economia como um setor
chave, conforme os apresentados por Oreiro e Marconi (2014), Oreiro e Feijó (2010), Loures
et al. (2010), dentre outros autores de linha neo desenvolvimentista, se aplica ao Brasil, se
olharmos pelo lado dos encadeamentos. No entanto, desde 1995 o setor de serviços também
apresenta importante composição no encadeamento produtivo da estrutura econômica nacional.
Certamente um conjunto das atividades de serviços encontra-se vinculada a indústria
ou derivam dela, conforme propõe Nassif et al. (2015), no entanto, assim como verificado
anteriormente, a indústria ganha relevância, mas deve ser inserida em um contexto. Contexto
esse, no sentido de operacionalização de políticas macroeconômicas e indústriais, que não
poderia hesitar em abordar também o setor de serviços em detrimento ao setor industrial.
A perda de dinamismo da economia por um processo de desindustrialização dado o
enfraquecimento do poder de dispersão e encademaneto da indústria, conforme apontam
Schymura e Pinheiro (2013), é um ponto a ser refutado a partir dos indicadores apresentados.
Isto porque estes indicadores demonstraram que a indústria vem se mantendo como um dos
principais setores em termos de encadeamento desde 1995, assim como o setor de serviços.
Com relação a capacidade de multiplicação dos setores foi analisado o multiplicador
de Rasmussen-Hirschman (R-H). A indústria de transformação é o setor que apresenta o maior
poder de multiplicação da produção dado o aumento de uma unidade na demanda, considerando
o efeito induzido de ampliação do consumo das famílias. Esta constatação se faz para todo o
período analisado, novamente refutando um efeito negativo do processo de desindustrialização
anteriormente apontado.
O setor de serviços também apresenta importante poder de multiplicação, despontando
entre os principais setores da economia, se considerado o critério de que este setor é um setor
chave, com apenas um dos indicadores R-H acima de um, para frente ou para trás. No entanto,
o setor de serviços apresenta um maior poder multiplicador em suas relações para frente da
estrutura produtiva.
106
A seguir são apresentados os resultados das decomposições estruturais realizadas a
partir das matrizes de insumo-produto para os anos de 1995 a 2013. As matrizes utilizadas
continham duas dimensões distintas. Com a finalidade de facilitar a apresentação dos resultados
e das análises, procedeu-se a agregação das matrizes em uma estrutura comum de 12 setores,
sendo eles: (1) agropecuária, (2) indústria extrativa mineral, (3) indústria de transformação, (4)
produção e distribuição de eletricidade, (5) construção, (6) comércio, (7) transporte,
armazenagem e correio, (8) serviços de informação, (9) intermediação financeira, seguros e
previdência complementar, (10) atividades mobiliárias e aluguel, (11) outros serviços, e (12)
administração pública. A utilização da numeração se deu para evitar a repetição dos nomes ao
longo das análises.
Como informado na seção 4.4, a análise de decomposição estrutural tem a finalidade
de comparação da estrutura econômica e de discriminação das variações sofridas por esta
estrutura em diferentes períodos. Esses efeitos são apresentados em variações percentuais
relativos aos valores monetários da matriz, que variaram ao longo do período de 1995 a 2013.
Assim, a compreensão dos resultados pode ser feita em valores reais, pois todos os componentes
de análise foram atualizados a preços do ano de 2013.
A primeira decomposição realizada foi a do valor bruto da produção (VBP). Nota-se
pelos dados apresentados na Tabela 9, que o efeito total da variação do VBP se deu em maior
medida nos setores (3), (6), (11), (12). O efeito que apresentou maior impacto nas variações do
VBP foi o efeito da demanda final, ou seja, as mudanças ocorridas na demanda final tiveram
um impacto significativo no incremento do VBP, na maior parte dos setores, mas em especial
nos setores (1), (3), (4) e (5).
Com relação ao efeito tecnologia, este apresenta o quanto as mudanças tecnológicas
empreendidas no período impactaram no crescimento do VBP. Este efeito teve seus maiores
impactos sobre os setores (2), (7) e (8). Os setores que apresentam valores percentuais negativos
demonstram que o efeito das variações tecnológicas impactou negativamente no crescimento
do VBP destes setores, como se percebe nos setores (9), (1) e (3), o qual apresentaram impactos
de -16,04%, -5,99% e -4,77% respectivamente.
Tabela 9 - Resultados da decomposição estrutural do valor bruto da produção em valores %.
Setores VBP
107
Efeito
Tecnologia
Efeito Demanda
Final
Efeito
Total
1 -5,99 105,99 4,77
2 25,31 74,69 3,34
3 -4,77 104,77 28,07
4 2,45 97,55 2,93
5 0,88 99,12 6,96
6 5,08 94,92 10,81
7 11,57 88,43 4,78
8 14,66 85,34 4,63
9 -16,04 116,04 4,50
10 -0,44 100,44 5,08
11 -0,37 100,37 12,58
12 0,05 99,95 11,54 Fonte: Elaboração própria a partir dos resultados da pesquisa.
A análise da decomposição estrutural da demanda final é apresentada em três efeitos,
confome pode ser visualizado na Tabela 10. O primeiro é o efeito nível, que se refere ao
aumento ou decréscimo do valor total dos componentes da demanda final. O segundo efeito,
trata-se das variações da destinação dos valores de demanda de cada um dos componentes da
demanda final, para o grupo de produtos ou setores da economia, o chamado efeito mix. Por
último, é o efeito composição, que se refere as mudanças na composição dos valores entre os
componentes da demanda final.
O efeito nível foi claramente o que exerceu maior impacto nas variações da demanda
final, sendo que os setores mais impactados foram (3), (7), (9), (11) e (12). Com relação ao
efeito mix, alguns setores apresentaram significativo impacto negativo na realocação da
demanda da economia por seus produtos, principalmente nos setores (1), (3), (7) e (9). Já o
efeito composição, foi o que apresentou quantias mais discretas de variação, com grande parte
dos setores sofrendo impactos negativos pelo deslocamento ocorrido entre os componentes da
demanda final.
O efeito total das variações da demanda final foi absorvido principalmente pelos
setores (3), (11), (12) e (6). A indústria (transformação e extrativa) teve um incremento de quase
1,4 trilhões de reais em demanda ao longo do período, ao passo que o setor de serviços (setores
de 7 a 11 somados) tiveram um incremento de demada quase da mesma ordem, de 1,3 trilhões,
e com a agropecuária com 158 bilhões de reais. Crescimento este, se deu em boa parte pelo
cresimento das exportações, pelo consumo do governo e pelo consumo das famílias, sendo estes
os principais componentes da demanda final que apresentaram evolução no período.
108
Tabela 10 - Resultados da decomposição estrutural da demanda final em valores %.
Setores
Demanda Final
Efeito Nível da
DF
Efeito
Mix
Efeito
Composição
Efeito
Total
1 93,17 -2,94 9,76 0,81
2 58,39 23,75 17,86 0,37
3 105,98 -11,80 5,82 43,68
4 99,42 6,00 -5,42 0,14
5 88,82 4,94 6,25 7,01
6 85,11 15,16 -0,27 8,41
7 114,84 -14,93 0,08 0,47
8 57,67 43,35 -1,02 0,65
9 134,29 -28,35 -5,93 0,83
10 99,17 6,31 -5,49 3,76
11 110,65 -7,28 -3,36 10,39
12 109,98 -0,29 -9,70 23,45
Fonte: Elaboração própria a partir dos resultados da pesquisa.
Com relação as variações do pessoal ocupado, os setores que tiveram maior absorção
positiva na geração de postos de trabalho, diante do efeito total apresentado foram os setores
(5), (6), (11) e (12), com destaque para os setores (6) e (12) que juntos absorveram cerca de
69% das ocupações geradas no período. Essa variação das ocupações ocorre por meio de
alterações no coeficiente direto do emprego, ou seja, dos requerimentos diretos de determinados
setores por mão de obra, que ao longo do tempo podem se intensificar pelo crescimento deste
setor. Ocorre também, por conta do efeito da inserção da tecnologia na produção de bens e
serviços de uma economia, ou por incremento da demanda, que acabam por requerer dos setores
incrementos indiretos de mão de obra para suprí-la ao longo do tempo.
Analisados estes efeitos na composição do efeito total verificado, pode-se facilmente
perceber, pela Tabela 11, Os que os efeitos da demanda final e dos requerimentos diretos por
novas ocupações por parte dos setores, são os mais significativos na construção do efeito
total.setores que apresentaram maiores modificações em seus requerimentos diretos por
ocupações foram (1) e (10), sendo que os demais apresentaram consideráveis reduções em seus
requerimentos por ocupações, principalmente os setores (2), (3), (9).
A inserção tecnológica provocou uma redução de 138% e de 317% nas ocupações dos
setores (3) e (9) respectivamente. Já os setores (7) e (8), de certa forma, intensivos em mão de
obra especializada, principalmente com domínio tecnológico, apresentaram incrementos nas
suas ocupações ao longo do período, dadas as variações do efeito tecnológico na economia. O
109
efeito total obtido apresentou um resultado positivo, com um incremento de cerca de 26 milhões
de ocupações para o período.
Tabela 11 - Resultados da decomposição estrutural do pessoal ocupado em valores %.
Setores
Pessoal Ocupado
Coeficiente direto
do Pessoal Ocupado
Efeito
Tecnológico
Efeito
Demanda Final Efeito Total
1 1065,08 120,61 -1085,69 -26,00
2 -1862,20 900,36 1061,84 0,56
3 -1401,84 -138,01 1639,84 8,22
4 -316,24 16,98 399,26 1,43
5 -428,66 14,70 513,96 15,91
6 -649,27 68,84 680,44 29,46
7 -521,60 123,22 498,38 7,66
8 -347,94 150,13 297,81 3,89
9 -1034,13 -317,69 1451,82 0,78
10 1100,25 12,49 -1012,73 -0,84
11 -501,96 -4,49 606,45 40,98
12 -445,89 0,42 545,47 17,96
Fonte: Elaboração própria a partir dos resultados da pesquisa.
Sobre a decomposição do valor adicionado (VA), similarmente a decomposição do
emprego, os efeitos apresentados são o efeito do coeficiente direto do valor adicionado, que
representa a geração de maior volume de unidades monetárias de valor adicionado por cada
unidade monetária gasta na produção. O efeito tecnológico e o efeito da demanda final são
interpretados igualmente à decomposição do emprego. Estes efeitos estão apresentados na
Tabela 12.
Os setores (3), (4) e (6) são os que apresentaram maiores níveis de impactos negativos
advindos das variações do coeficiente direto do VA. Este fato, indica que as variações neste
coeficiente fizeram com que, ao longo do tempo, estes setores agregassem menos unidades de
VA para cada unidade gasta na produção. Os setores (9) e (10) também apresentaram sinais
negativos para este efeito, porém em % menores que os demais.
O efeito tecnológico apresentou que as variações tecnológicas verificadas ao longo dos
18 anos analisados, tiveram respostas tímidas da maioria dos setores em relação ao VA, sendo
que alguns setores, como (1), (3), (9), (10) e (11) apresentaram variações negativas, dadas as
variações tecnológicas verificadas, em especial o setor (9) com uma variação negativa do valor
adicionado de 19%.
110
O efeito demanda final concentrou a maior parte dos impactos verificadas no VA. Os
setores (1), (3), (4), (5), (6), (9) e (10) são os que apresentam os maiores incrementos no valor
adicionado, dadas as variações na demanda final. Nestes setores, para cada unidade monetária
de demanda final adicional é gerada, em geral, mais que uma unidade de valor adicionado no
setor. A respeito do efeito total das variações do VA, os setores (3), (6), (11) e (12) são os que
compuseram quase 60% do efeito total verificado.
Tabela 12 - Resultados da decomposição estrutural do valor adicionado em valores %.
Setores
Valor Adicionado
Efeito Coeficiente
Direto do VA
Efeito
Tecnológico
Efeito
Demanda Final Efeito Total
1 0,25 -7,65 107,40 4,90
2 18,29 18,75 62,96 4,52
3 -6,01 -6,56 112,58 17,81
4 -16,96 3,63 113,33 2,09
5 -2,61 1,85 100,76 6,52
6 -8,00 6,74 101,25 12,79
7 -3,47 13,92 89,55 4,64
8 8,48 18,21 73,31 3,85
9 -2,87 -19,86 122,73 4,97
10 -1,45 -0,68 102,13 7,80
11 2,11 -0,42 98,31 14,97
12 7,90 0,05 92,04 15,13 Fonte: Elaboração própria a partir dos resultados da pesquisa.
Os dados analisados apresentaram significativas relações com as constatações
encontradas pelos trabalhos de Figueiredo e Oliveira (2015), Sesso Filho et al. (2010), Kupfer
et al. (2004), Perobelli et al. (2006), Bêrni (2006), Junior et al. (2015) e Passoni (2016). Um
breve resumo das considerações deste trabalho, que reafirmam as afirmações destes autores
citados, são que a indústria é um dos setores que mais apresentou ter sofrido impactos quanto a
geração de postos de trabalho, influenciada negativamente principalmente pelo coeficiente
direto e pelas mudanças tecnológicas. Os setores relacionados a comunicação e tecnologia da
informação (8) apresentaram significativas variações positivas, tanto no VBP, quanto na
demanda final, nas ocupações e no VA, motivados principalmente pela evolução da demanda e
do efeito tecnológico.
Além disso, as significativas variações verificadas na demanda final foram supridos,
em boa medida, pelo aumento das importações, conforme verificam Junior et al. (2015) e
111
Passoni (2016). Percebe-se que a agropecuária liberou forte contingente de mão de obra,
principalmente, em decorrência dos efeitos de varição da demanda final, contingente este,
absorvido por outros setores, principalmente o de serviços (7 a 11), conforme considerações de
Figueiredo e Oliveira (2015), Sesso Filho et al. (2010), e Kupfer et al. (2004).
As considerações a cerca deste efeito na agropecuária, se dão em certa medida pelo
efeito tecnológico, como observado por alguns desses autores, resultado este confirmado pela
análise referente aos dados de evolução da produtividade neste setor, apresentados por Silva et
al. (2016).
As arguições apresentadas por Perobelli et al. (2006) e Squeff e Nogueira (2012)
ganham sentido, a medida que pode ser observado que os setores de serviços e comércio,
considerados “menos produtivos”, ocuparam um maior número de pessoas. No entanto, setores
de informação e comunicação, diante de um efeito tecnológico, tiveram variações positivas no
saldo de ocupações, sendo possível crer que estes setores necessitam de mão de obra de maior
qualidade, com maior tempo de qualificação e domínio de tecnologia.
A forte evolução da demanda, ocorreu, em boa medida, pelo crescimento das
exportações, do consumo das famílias, e também pelo consumo da administração pública,
confome mostraram os resultados anteriormente apresentados. É possível verificar que a
agropecuária teve importante papel, principalmente na contribuição ao saldo comercial, o que
pode ser verificado tanto pelos resultados do efeito nível do setor nas variações da demanda
final, bem como pelos dados apresentados na seção 3.4, no Gráfico 3.
A indústria foi certamente, sob a perspectiva de todas as decomposições analisadas, o
setor que apresentou um dos piores conjutos de resultados, tanto a indústria de transformação e
sobretudo a indústria extrativa. Essa consideração parece ser uma das poucas uninimidades com
relação as teorias analisadas e é frisada por diversos autores de diferentes linhas teóricas, porém,
sob divergentes explicações sobre as suas causas. Algumas perspectivas são aqui resgatadas e
realinhadas às evidências obtidas por este trabalho.
Sobre os movimentos e políticas de competitividade para a indústria, conforme tratam
Tironi (2012), Bonelli et al. (1997), Souza (2008), Campanário et al. (2005), e Cano e Silva
(2010), o que se pode dizer é que estes movimentos tiveram efeitos muito pequenos ou isolados,
a ponto de se perceber um diagnóstico ruim da teoria em relação as trajetórias da indústria, com
certo consenso, e também verificar que no período analisado, a indústria passou a adicionar
menos valor agregado para cada unidade monetária consumida na produção. Talvez, as próprias
112
medidas de contingência propostas por estes autores como saídas para bons programas de
competitividade, não tenham sido seguidas, como o alinhamento econômico com uma política
industrial ou propriamente a construção de uma política industrial e de comércio exterior,
orientadas pelas cadeias globais de valor, conforme propõe Oliveira (2015) e Fendt (2014).
Esta trajetória de redução do coeficiente direto de valor adicionado e de um impacto
negativo no valor adicionado diante do efeito tecnológico, porém de um significativo impacto
positivo da variação da demanda na geração de valor adicionado corroboram para os
argumentos apresentados por Guilhoto e Imori (2014), Lima (2015), Kupfer (2004). Isto indica
que o Brasil possui um posicionamento de fornecedor de produtos de valor agregado médio-
baixos na cadeia de valor mundial, que o país tem um conjunto restrito de parceiros, que existe
a carência de planejamento estruturado para reversão destas características, e que houve uma
exposição muito brusca da economia nacional no processo de abertura, sobretudo da indústria.
Finalmente, conduzindo o que se viu sobre a desindustrialização e debatendo o tema
aqui para um pouco além da política macroeconômica ou da macroeconomia da
desindustrialização, como foi neste trabalho nominada, mas sim observando o comportamento
estrutural da indústria, é possível verificar que as variações das ocupações na indústria e do
valor adicionado industrial tiveram também origens estruturais, como o efeito tecnológico, e as
mudanças nos coeficientes diretos do emprego e do valor adicionado. Por mais que a demanda
tenha exercido impactos positivos na indústria e as transações com o mercado externo tenham
evoluído, o que parece se configurar é que um novo modelo industrial está entrando em cena
na economia nacional.
Modelo este, com um parque industrial reduzido e mais produtivo, direcionado para
setores essenciais, naturalmente competitivos, tecnológicos e que exigem mão de obra mais
qualificada e em menor número, pois a tecnificação é ampla. A fragmentação do processo
produtivo deve se alargar e os setores de serviços devem ocupar maior espaço na economia e
se tornarem mais vinculados a indústria, conforme demonstram, inclusive, as evidências com o
comportamento estrutural bastante positivo dos setores de serviços por efeitos da demanda, de
seu coeficiente direto de ocupação de trabalho, e por uma característica natural de abrigar mão
de obra menos produtiva e em maior número.
O argumento sobre um novo modelo industrial pode ser confirmado pelas evidências
apresentadas por Clark (1957), Rowthorn e Wells (1987), Almeida (2012), Campos, Hidalgo e
Da Mata (2007), e o Estudo da Competitividade da Indústria Brasileira (1993), de que pode
113
existir naturalidade no fato da redução da participação do valor adicionado e do emprego
industrial. Esta naturalidade estaria então associada a um processo estrutural de transição, onde
passa-se para uma estrutura industrial mais moderna e enxuta.
Além destes autores, as evidências empíricas apresentadas suportam que existe um
processo de mudança estrutural, tendo em vista o antigo modelo industrial que se via até a
década de 1980. Parece claro que a abertura comercial e a estabilização da moeda foram o ponto
de guinada deste processo, confome Pinheiro et al. (1999), Moreira (1999a), e Moreira (1999b),
por mais conturbado que tenha sido este período, e ainda, que tenha deixado algumas marcas
negativas.
A desindustrialização, portanto, não parece, ao que se vê, ser um processo nocivo a
economia nacional. Por mais que as variáveis apresentadas pela linha de autores neo
desenvolvimentistas, ganhe certo nexo, não parecem esboçar um movimento estrutural, ou
mesmo uma tendência de longo prazo. O contexto em que as variáveis explicativas para este
processo estão desenhadas por estes autores é apenas macroeconômico, desconsiderando as
interrrelações da economia e como se processam as estruturas econômicas, bem como os seus
naturais desequilíbrios. A contribuição do presente trabalho se encontra justamente em tentar
inserir esta perspectiva, e assim como disse Keynes, em frase apresentada na epígrafe deste
texto, o que se pretende é tentar escapar, de certa maneira, das ideias antigas.
Para finalizar, apresenta-se que o segundo objetivo específico deste trabalho é
cumprido, e que os principais determinantes estruturais das variações do valor adicionado e do
pessoal ocupado no período de 1995 a 2013 na economia brasileira foram os efeitos do
coeficiente direto do pessoal ocupado, os efeitos do coeficiente direto do valor adicionado, e o
efeito da demanda final, sobretudo o nível e o efeito tecnológico.
Além desses, uma força estrutural, que tem por meio de um conjunto de fatores e da
reestruturação da indústria, fatores estes como: a ampliação do setor de serviços e de sua
vinculação a indústria, a manutenção do poder de multiplicação e de ligação na economia, sendo
um de seus setores chaves, a sua recente queda na participação do valor adicionado e do
emprego industrial, os avanços obtidos em termos de produtividade e tecnificação, inclusive,
com grande intensidade no setor de serviços, as tendências mundiais de reestruturação da
indústria e, por fim, os números apresentados no item 5.1 que demonstraram que este setor vem
crescendo, hora mais hora menos, bastante influenciado em curto período de tempo por
variáveis conjunturais.
114
115
6 CONSIDERAÇÕES FINAIS
Um breve apanhado permite aqui constituir o desfecho deste trabalho. Primeiramente
os resultados da primeira aplicação metodológica, a aplicação dos modelos VEC, as análises de
causalidade e as FIR´s foram capazes de comprovar algumas relações entre as variáveis
teoricamente relatadas, bem como seus sentidos. Ao fim das modelagens foi possível verificar
que as variações da produtividade e a remuneração do trabalho exercem influências
determinantes sobre as variações do emprego industrial.
Com relação ao valor adicionado industrial, alguns conjuntos de determinantes foram
construídos, apesar de algumas formas funcionais terem falhado na apresentação de resultados
consistentes para outras relações, o que não deixa de ser um resultado. Os conjuntos tratados
são as variações do valor adicionado dos demais setores da economia, um conjunto de variáveis
macroeconômicas e o comércio exterior. Dentre as variáveis macroeconômicas, a formação
bruta de capital fixo, as transações correntes, a taxa de juros, a taxa de juros de longo prazo e a
taxa de câmbio. Esta última apesar de ter apresentado resultados não significativos em uma
forma funcional analisada, constitui-se como uma variável importante, merecendo assim
atenção, sendo recomendado mais análises sobre esta relação.
Sobre os determinates estruturais do valor adicionado, do emprego e do valor da
produção industrial destacam-se as mudanças dos coeficientes do valor adicionado, do
emprego, do nível da demanda final e as mudanças tecnológicas, além de uma mudança
estrutural em curso, levando a indústria nacional a novos moldes. Argui-se aqui, que a análise
em voga é crucialmente importante no sentido de estabelecer pontos de ação para a política
pública e um panorama da estrutura econômica nacional.
Tratou-se de um período historicamente rico e de um tema claramente controverso, a
desindustrialização. Não se objetivou propor saídas para tal debate, mas sim expôr ideias que
nos parecem novas, principalmente a partir do conjunto de evidências empíricas apresentadas.
Evidências estas, que em certos momentos roubaram a cena de uma exposição teórica mais
apropriada, dada a riqueza do momento analisado. Há então de se viver com esse trade-off em
trabalhos acadêmicos, porém este é um ponto que aqui me desculpo se não atendi a expectativa
do leitor por tal análise.
116
Os pontos de dificuldades verificados ao longo da pesquisa foram diversos, mas os
principais são, sem sobra de dúvida, os dados disponíveis para as análises, tanto par a a
modelagem econométrica, como as relacionadas a estrutura econômica, por meio das matrizes
de insumo-produto. Além deste detalhe, a grande possibilidade de tratamentos a subtemas ou a
assuntos correlatos, que levou a agregar grande volume de referencial teórico com o medo se
de perder alguns detalhes importantes. A complexidade e diversidade de olhares e métodos de
pesquisa, e a vasta gama de trabalhos a ser lida foi também uma dificuldade, dada a restrição
de tempo.
Sugestões para novos trabalhos já foram dadas ao longo do texto, mas algumas que
urgem, dados alguns pontos de interrogação serem notadamente de importância para a
economia nacional são: uma melhor determinação sobre as relações da variável câmbio e o
valor adicionado da indústria, um olhar pormenorizado sobre impactos das políticas industriais,
se cabe uma política industrial e de comércio exterior, e que moldes esta política deve ter.
117
REFERÊNCIAS
ABRACHE, J.; ARAGÃO, M. C. Infraestrutura e competitividade da indústria brasileira.
UNIEPRO - DIRET - CNI. Brasília, p. 66. 2014.
ALMEIDA, M. O complicado debate sobre a desindustrialização. RADAR, p. 47-57, 2012.
AMOREIRA, M. M.; GIAMBIAGI, F. A economia brasileira nos anos 90. 1ª. ed. Rio de
Janeiro: BNDES, 1999.
ANG, B. W. . Z. F. Q. A survey of index decomposition analysis in energy and environmental
studies. Elsevier Energy, v. 25, p. 1149-1176, Janeiro 2000.
AVERBUG, A. Abertura e integração comercial brasileira na década de 90. In: MOREIRA,
M. M.; GIAMBIAGI, F. A economia brasileira nos anos 90. Rio de Janeiro: BNDES, 1999.
p. 488.
BACHA, E. Bonança externa e desindustrialização: uma análise do período 2005-2011. In:
BACHA, E.; BOLLE, M. B. D. O futuro da indústria no Brasil - Desindustrialização em
debate. São Paulo: Civilização Brasileira, 2013.
BARBOSA-FILHO, F. D. H.; PESSÔA, S. D. A.; VELOSO, F. A. Evolução da produtividade
total dos fatores na economia brasileira com ênfase no capital humano - 1992-2007. Revista
Brasileira de Economia, Rio de Janeiro, Abr./Jun. 2010. 91-113.
BÊRNI, D. D. Á. Mudanças no padrão de uso da mão de obra no Brasil entre 1949 a 2010.
Nova Economia, p. 139-172, 2006.
BONELLI, R.; PESSÔA, S. D. A. Dseindustrialização no Brasil: um resumo da evidênvia.
Texto para discussão n.7. IBRE, 2010.
BONELLI, R.; VEIGA, P. D. M.; BRITTO, A. F. D. As políticas industrial e de comércio
exterior no Brasil: rumos e indefinições. Texto para discussão nº 527 - IPEA, p. 77, 1997.
BRASIL - MINISTÉRIO DA CIÊNCIA E TECNOLOGIA. Estudo da competitividade da
indústria brasileira. Fundação Economia de Campinas - FECAMP. Campinas, p. 104. 1993.
BRESSER PEREIRA, L. C. Desprotecionismo e desindustrialização. Valor Econômico, n.
29/03/2012.
BRESSER-PEREIRA, L. C. Déficits, câmbio e crescimento. Economia e Tecnologia, p. 9-
12, 2010.
CABRAL, J. D. A.; PEROBELLI, F. S. Análise de decomposição estrutural para o setor de
saúde brasileiro - 2000 a 2015. Pesquisa e Planejamento Econômico, p. 363-402, 2012.
118
CACCIAMALI, M. C.; BEZERRA, L. D. L. Produtividade e emprego industrial no Brasil.
Revista Brasileira de Economia, Rio de Janeiro, p. 77-91, Jan./Mar. 1997.
CAMPANÁRIO, M. D. A.; SILVA, M. M. D.; COSTA, T. R. Política industrial, tecnológica
e de comércio exterior (PITCE): análise de fundamentos e arranjos institucionais. ALTEC -
XI Seminário Latino-Iberoamericano de gestíon tecnológica, Salvador, 25 a 28 Outubro
2005. 1-18.
CAMPOS, M. F. S. D. S.; HIDALGO, A. B.; DA MATA, D. Abertura, comércio intra-
indústria e desigualdade de rendimentos: uma análise para a indústria de transformação
brasileira. Nova Economia, Belo Horizonte, Mai./Ago. 2007. 275-306.
CANO, W.; SILVA, A. L. G. D. Política industrial do governo Lula. Texto para discussão.
IE/UNICAMP. n.181, julho, 2010.
CARDOSO, B. F.; PAIXÃO, A. N. D.; NASCIMENTO, J. D. S. O processo de
desindustrialização no Brasil: análise empírica dos anos 1990-2009. Revista de
Desenvolvimento Econômico, Salvador, p. 121-132, Junho 2012.
CARVALHO, L.; KUPFER, D. Diversificação ou especialização: uma análise do processo de
mudança estrutural da economia brasileira. Brazilian Journal of Political Economy, São
Paulo, v. 31, p. 618-637, Out./Dez. 2011.
CASTRO, A. B. D. A reestruturação industrial brasileira nos anos 90. Uma interpretação.
Revista de Economia Política, v. 21, Jul/Set 2001.
CAVALCANTI, M. A. F. H. Uma análise econométrica da evolução da indústria de
transformação brasileira no período de 2002-2012. Conjuntura Econômica, Brasília, p. 79-
85, Março 2013.
CHENERY, H. B.; SHISHIDO, S.; WATANABE, T. The pattern of japonese growth 1914-
1954. Econometrica, p. 98-139, 1962.
CHENERY, H.; SYRQUIN, M. Patterns of development, 1950-1970. London. 1975.
CHIQUIAR, D. Globalization regional wage differentials and the Stolper-Samuelson
theorem: evidence from Mexico. Journal of International Econômics, Janeiro 2008. 70-93.
CONFEDERAÇÃO NACIONAL DA INDÚSTRIA - CNI. Infraestrutura e
competitividade da indústria brasileira. Brasília, p. 65. 2014.
COUTINHO, L. Marcos e desaficos de uma política industrial contemporânea. In: CASTRO,
A. C. Desenvolvimento em debate. Rio de Janeiro: BNDES, 2002.
CUNHA, A. M.; LELIS, M. T. C.; FLIGESPAN, F. B. Desindustrialização e comércio
exterior: evidências recentes para o Brasil. Brazilian Journal of Political Economy, São
Paulo, v. 33, p. 463-485, Jul./Set. 2013.
119
DALBERTO, C. R.; STADUTO, J. A. R. Uma análise das economias de aglomeração e seus
efeitos sobre os salários industriais brasileiros. Revista de Economia Contemporânea, Rio
de Janeiro, v. 17, p. 539-569, set./dez. 2013.
DÁVILA-FERNANDEZ, M. J. Desindustrialização e o investimento em infraestrutura como
instrumento conciliador de uma política industrial base no Brasil. Brazilian Journal of
Political Economy, São Paulo, v. 35, p. 576-600, Jul./Set. 2015.
DIEESE - DEPARTAMENTO INTERSINDICAL DE ESTATÍSTICA E ESTUDOS
SOCIOECONÔMICOS. Nota Técnica 67: Política de Desenvolvimento Produtivo - Nova
Política Industrial do Governo. São Paulo, p. 16. 2008.
DIEESE - DEPARTAMENTO INTERSINDICAL DE ESTATÍSTICAS E ESTUDOS
SOCIOECONÔMICOS. Política de Desenvolvimento Produtivo Nova Política Industrial
do Governo. DIEESE. São Paulo, p. 16. 2008.
DIETZENBACHER, E.; LOS, B. Structural decomposition techniques: sense and sensitivity.
Economic System Research, Groningen, v. 10, p. 307-324, 1998.
FENDT, R. Cadeias globais de valor: uma sucinta introdução. In: NEVES, L. P. A inserção
do Brasil nas cadeias globais de valor. Rio de Janeiro: CEBRI, v. 2, 13. p. 162.
FENDT, R. Cadeias globais de valor: uma sucinta introdução. In: NEVES, L. P. A inserção
do Brasil nas cadeias globais de valor. Rio de Janeiro: CEBRI, v. 2, 2014. p. 10-16.
FERRAZ, L.; GUTIERRE, L.; CABRAL, R. A indústria brasileira na era das cadeias
globais de valor. Prêmio CNI. [S.l.]: CNI. 2014. p. 31.
FERREIRA, P. C.; HAMDAM, G. Política industrial no Brasil: ineficaz e regressiva.
Economica, v. 5, p. 305-316, 2003. ISSN 2.
FIGUEIREDO, H. L. D.; OLIVEIRA, M. A. S. Análise de decomposição estrutural para a
economia brasileira entre 1995 e 2009. Revista de Economia, p. 31-56, 2015.
GOLÇALVES JUNIOR, C. A.; LOPES, R. L.; GUILHOTO, J. J. M. Changes in Brazilian
Imports: A structural analysis for the period 1990 - 2009. Working Paper Series nº 2015-26,
p. 14, 2015.
GOLDFAJN, I.; BICALHO, A. Análise da dinâmica de produção industrial entre 2008 e
2012. In: BACHA, E.; BOLLE, M. B. D. O futuro da indústria no Brasil:
Desindustrialização em debate. 1ª. ed. São Paulo: Civilização Brasileira, 2013. Cap. 7, p. 173-
198.
GOMES, V.; PESSÔA, S. A.; VELOSO, F. A. Evolução da produtividade total dos fatores na
economia brasileira: uma análise comparativa. Pesquisa e Planejamento Econômico, Rio de
Janeiro, v. 33, p. 389-434, Junho 2003.
120
GREMAUD, A. P. Economia brasileira contemporânea: para cursos de economia e
administração. 7ª. ed. São Paulo: Atlas, 2011.
GUILHOTO, J. J. M. Input-output analisys: theory and fundations. São Paulo: Universidade
de São Paulo, 2011.
GUILHOTO, J. J. M.; IMORI, D. Brazilian role in the global value chains. Working Paper
Series Nº 2014-24, p. 20, 2014.
GUILHOTO, J. J. M.; SESSO FILHO, U. A. Estimação da Matriz Insumo-Produto Utilizando
Dados Preliminares das Contas Nacionais: Aplicação e Análise de Indicadores Econômicos
para o Brasil em 2005. Economia & Tecnologia, Curitiba, v. 23, Out./Dez. 2010. ISSN 1809-
080X.
GUILHOTO, J. J. M.; SONIS, M.; HEWINGS, G. J. D. Linkages and multipliers in a
multiregional famework: integrations and alternative approaches. Regional Economic
Applications Laboratory, Illinois, n. Discussion Paper 96-T-8, 1996.
HIDALGO, A. B.; SALES, M. D. F. Abertura comercial e desigualdade de rendimentos:
análise para as regiões brasileiras. Revista de Economia Contemporânea, Rio de Janeiro,
Set./Dec. 2014. 409-434.
HILGEMBERG, C. M. D. A. T. Efeitos da abertura comercial e das mudanças estruturais
sobre o emprego na economia brasileira: uma análise para década de 1990. Piracicaba:
ESALQ- USP (Dissertação de Mestrado), 2003.
HOEKSTRA, R.; VAR DER BERGH, J. J. C. J. M. Comparing structural decomposition
analysis and index. Energy Economics, v. 25, p. 39-64, 2003.
IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA ESTATÍSTICA. Contas regionais do
Brasil referência 2002. IBGE. Rio de Janeiro. 2002.
IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA ESTATÍSTICA. IBGE, 2017.
Disponivel em: <https://www.ibge.gov.br/estatisticas-novoportal/economicas/contas-
nacionais.html>. Acesso em: 10 maio 2017.
IEDI - INSTITUTO DE ESTUDOS PARA O DESENVOLVIMENTO INDUSTRIAL. A
política de desenvolvimento produtivo. São Paulo, p. 36. 2008.
IPEA - INSTITUTO DE PESQUISAS ECONÔMICAS APLICADAS. IPEADATA, 2017.
Disponivel em: <http://www.ipeadata.gov.br/Default.aspx>. Acesso em: 10 fev. 2017.
ISTAKE, M. Comércio externo e interno do Brasil e das suas macrorregiões: um teste do
teorema de Heckscher-Olhin. São Paulo: Escola Superior de Agricultura "Luiz de Queiroz"
(Tese de Doutorado), 2003.
KOOPMAN, R. Give Credit Where Credit Is Due: Tracing Value Added in Global
Production Chains. Cambridge. 2011.
121
KOOPMAN, R.; WANG, Z.; WEI, S.-J. Tracing value-added and double counting.
American Economic Review, Fev. 2014. 459-494.
KUME, H.; SOUZA, C. F. D. S. A política cambial e o desempenho do comércio exterior
brasileiro no período de 1990-1998. In: CORSEUIL, C. H.; KUME, H. A abertura
comercial brasileira nos anos 1990: impactos sobre emprego e salário. Rio de Janeiro:
IPEA, 2003. p. 218.
KUPFER, D. Competitividade da indústria brasileira: visão de conjuntos e tendências de
algusn setores. Revista Paranaense de Desenvolvimento, Curitiba, p. 45-78, maio/agosto
1994.
KUPFER, D.; FREITAS, F.; YOUNG, C. E. Decomposição estrutural da variação do
produto e do emprego entre 1990 e 2001 - Uma análise a partir da matriz insumo-
produto. Rio de Janeiro. 2004.
LEONTIEF, W. Structure of American economy. Oxford University Press, 1941.
LEONTIEF, W. Scudier an the Smccrure of the American Economy. Oxford University
Press, 1953.
LIMA, J. S. Interdependência e integração na era das cadeias globais de valor: limites da
emergência do Brasil (2003-2014). Brasília: UNB (Dissertação), 2015.
LOURES, R. C. D. R.; OREIRO, J. L.; PASSOS, C. A. K. Deseindustrialização: a crônica da
servidão conscentida. FIEP, p. 4-13, 2010.
MCMILLAN, M.; RODRIK, D. Globalization, structural change, and productivity growth.
NBER Working Paper.17143, 2011.
MESSA, A. Mudanças estruturais na economia brasileira ao longo da década de 2000.
Revista de Economia Contemporênea, p. 452-467, 2013.
MILER, R. E.; BLAIR, P. D. Input-Output analisys: fundations and extensions. New York:
Cambridge University Press, 2009.
MOREIRA, M. M. A indústria brasileira nos anos 90. O que já se pode dizer? In: MOREIRA,
M. M.; GIAMBIAGI, F. A economia Brasileira nos anos 90. Rio de Janeiro: BNDES,
1999A. p. 488.
MOREIRA, M. M. Estrangeiros em uma economia aberta: Impactos recentes sobre a
produtividade, a concentração e comércio exterior. In: MOREIRA, M. M.; GIAMBIAGI, F.
A economia brasileira nos anos 90. Rio de Janeiro: BNDES, 1999B. p. 488.
NAKATANI-MACEDO, C. D.; FIUZA-MOURA, F. K.; CÂMARA, M. R. G. D.
Decomposição estrutural da variação do emprego nos setores industriais no Brasil entre os
anos de 2000 e 2009. Revista de Economia Contemporânea, p. 235-260, 2015.
122
NASSIF, A. Há evidências de desindustrialização no Brasil? Brazilian Journal of Political
Economy, São Paulo, Jan./Mar. 2008. 72-96.
NASSIF, L.; TEIXEIRA, L.; ROCHA, F. Houve redução do impacto da indústria na
economia brasileira no. Economia e Sociedade, Campinas, v. 24, p. 355-378, Agosto 2015.
NEREUS - NÚCLEO DE ECONOMIA REGIONAL E URBANA DA UNIVERSIDADE DE
SÃO PAULO. NEREUS. NEREUS. Disponivel em: <http://www.usp.br/nereus/>. Acesso
em: 15 jun. 2017.
OLIVEIRA, S. E. M. D. Cadeias globais de valor e os novos padrões de comércio
internacional: estratégias de inserção de Brasil e Canadá. Brasília: FUNAG-Fundação
Alexandre Gusmão, 2015.
OREIRO, J. L. et al. O regime de metas de inflação e a governança política monetária no
Brasil: análise e proposta de mudança. FIEP, p. 14-41, 2010.
OREIRO, J. L.; FEIJÓ, C. L. Desindustrialização: conceituação, causas, efeitos e o caso
brasileiro. Revista de Economia Política, v. 30, abr/jun 2010. ISSN 2.
OREIRO, J. L.; MARCONI, N. Teses equivocadas no debate sobre a desindustrialização e
perda da competitividade da insdústria brasileira. NECAT, p. 24-48, 2014.
PALMA, J. G. Quatro fontes de desindustrialização e um novo conceito de doença
holandesa. Conferência de Industrialização, Desindustrialização e Desenvolvimento. São
Paulo: FIESP e IEDI. 2005.
PARNES, B.; HARTUNG, G. Uma nota sobre a desaceleração recente da indústria brasileira.
In: BACHA, E.; BOLLE, M. B. Desindustrialização em debate: o futuro da indústria no
Brasil. São Paulo: Civilização Brasileira, 2013. p. 154-198.
PASSONE, P. A. Comportamento das importações brasileiras de 2000 a 2008: uma
análise a partir da decomposição estrutural e insumo-produto. 44º Encontro Nacional de
Economia. Foz do Iguaçu: ANPEC. 2016.
PASTORE, A. C. Por que a indústria parou de crescer nos últimos anos. O Estado de São
Paulo, São Paulo, 8 de Abril 2012.
PASTORE, A. C.; GAZZANO, M.; PINOTTI. Por que a produção industrial não cresce desde
2010? In: BACHA, E.; BOLLE, M. B. Desindustrialização em debate: o futuro da industria
no Brasil. São Paulo: Civilização Brasileira, 2013. p. 121-155.
PEROBELI, F. S.; BASTOS, S. Q. D. A.; PEREIRA, M. Z. Decomposição estrutural do
emprego por grau de instrução: uma análise de insumo-produto para o período pós abertura
(1990-2015). Nova Economia, p. 909-942, 2016.
123
PINHEIRO, A. C.; GIAMBIAGI, F.; GOSTKORZEWICZ, J. O desempenho
macroeconômico do Brasil nos anos 90. In: MOREIRA, M. M.; GIAMBIAGI, F. A
economia brasileira nos anos 90. Rio de Janeiro: BNDES, 1999. p. 488.
PINHEIRO, M. C. Abertura, inserção nas cadeias globais de valor e a política industrial
brasileira. In: NEVES, L. P. A Inserção do Brasil nas Cadeias Globais de Valor. 13. ed.
Rio de Janeiro: CEBRI, v. 2, 2014. p. 34-39.
REBELO, A. A Inserção do Brasil nas Cadeias Globais de Valor. In: NEVES, L. P. A
Inserção do Brasil nas Cadeias Globais de Valor. Rio de janeiro: [s.n.], v. 2, 13. p. 16.
RODRIGUES, R. L.; GUILHOTO, J. J. M. Uma análise dos impactos da abertura
comercial sobre a estrutura produtiva da economia brasileira: 1990 a 1995. São Paulo, p.
22. 1998.
ROSE, A.; CASLER, S. Input-output structural decomposition analisys: a critical apprasial.
Economic Systems Research, p. 33-62, 1996.
ROWTHORN, R. E.; WELLS, J. R. Deindustrialization and foreign trade. Cambridge
University Press, Cambridge, 1987.
ROWTHORN, R.; RAMASWANY, R. Growth, trade and deindustrilization. IMF Staff
Papers, v. 46, 1999. ISSN 1.
SALERNO, M. S.; DAHER, T. Política Industrial, Tecnológica e de Comércio Exterior do
Governo Federal (PITCE): Balanços e Perspectivas. IPEA. Brasília, p. 48. 2006.
SARTI, F.; LAPLANE, M. F. O Investimento direto estrangeiro e a internacionalização da
economia brasileira nos anos 1990. Economia e Sociedade, Campinas, v. 11, p. 63-94,
Jan./Jun. 2002.
SCHUMPETER, J. A. The theory of economic development. Oxford: Oxford University
Press, 1911 [1961].
SCHYMURA, L.; PINHEIRO, M. C. Política industrial brasileira: motivações e diretrizes. In:
BACHA, E.; BOLLE, M. B. D. O futuro da indústria no Brasil - Desindustrialização em
debate. São Paulo: Civilização Brasileira, 2013. p. 81-94.
SESSO FILHO, H. A. et al. Decomposição estrutural da variação do emprego no Brasil,
1991-2003. Economia Aplicada, p. 99-123, 2010.
SILVA, D. B. L. D. O impacto da abertura comercial sobre a produtividade da indústria
brasileira. Rio de Janeiro: FGV-EPGE (Dissertação de Mestrado), 2004.
SILVA, F.; N., M. F.; KOMATSU, B. Evolução da produtividade no Brasil: Comparações
Internacionais. Policy Paper, p. 2-30, 2016. ISSN n. 15.
124
SKOLKA, J. Input-output decomposition analisys for Austria. Journal of Policy Modeling,
p. 45-66, 1989.
SOARES, C.; MUTER, A.; OREIRO, J. L. Uma análise empírica dos determinantes da
desindustrialização no caso brasileiro (1996-2008). Working Papers - Departamento de
Economia da Universidade de Brasília, Brasília, 2012.
SOARES, C.; TEIXEIRA, J. R. Uma abordagem econométrica do processo de
desindustrialização no caso brasileiro: elementos para o debate. Anpec: XXXVIII: Encontro
Nacional de Economia, 2010.
SONAGLIO, C. M. et al. Evidências de desindustrialização no Brasil: uma análise com dados
em painel. Economia Aplicada, Ribeirão Preto, Out./Dez. 2010. 347-372.
SOUZA, I. E. L. D. Desindustrialização nos estados brasileiros: uma análise em painel para
o período 1996-2014. Uberlândia (Dissertação de Mestrado): Universidade Federal de
Uberlândia, 2016.
SOUZA, N. A. D. Economia brasileira contemporânea. São Paulo: Atlas, 2008.
SQUEFF, G. C.; NOGUEIRA, M. O. Produtividade do trabalho e qualidade das ocupações:
um breve olhar sobre a última década. RADAR, p. 19-29, 2012.
SQUEFF, G. C.; NOGUEIRA, M. O. Produtividade do trabalho e qualidade das ocupções:
um breve olhar sobre a última década. Radar, p. 20-29, 2012.
STEIN, E. Productive development policies in Latin América. "What is open economy
industrial policy? And how do we do it?" Washington: [s.n.]. Abril, 2011.
TIMMER, M. P.; VRIES, G. D.; VRIES, K. D. Patterns of structural change in developing
countries: GGDC Research Memorandum: 149. Groningen. 2014.
TIRONI, L. F. Desindustrialização e movimentos pela competitividade. RADAR, p. 31-35,
2012.
TREGENNA, F. Characterizing deindustrialization: an analysis of changes in manufacturing
employment and output internationally. Cambridge Journal of Economics, v. 33, 2009.
WASQUES, R. N. O fenômeno da desindustrialização: uma análise do caso brasileiro na
década de 2000. Ensaios Econômicos, p. 65-84, Jul/Dez 2011.
125
APÊNDICE 1
126
Nota Metodológica dos Indicadores de Competitividade
O cálculo de índices simples de competitividade e de contribuição ao saldo comercial
para o caso brasileiro baseou-se em dados ex-post (após a realização da transação de comércio),
a vantagem comparativa revelada e o índice de contribuição ao saldo comercial, representam o
quão competitivo um produto é, em um determinado espaço territorial em relação ao comércio
deste produto. Podendo-se comparar mais de um território, ou um determinado produto/setor
em relação ao total de comércio realizado.
Os índices tradicionais desenvolvidos por Balassa (1965) apresentam duas
desvantagens metodológicas, a primeira por considerar apenas os valores de exportações, não
possibilitando uma análise do total do comércio realizado. A segunda, é que o mesmo não
absorve em sua análise distorções e restrições do comércio, revelando apenas o padrão de
comércio ocorrido.
Outro problema enfrentado pelo Índice de Vantagens Comparativas Reveladas (IVCR)
trata-se de sua dimensão assimétrica natural, ou seja, onde o índice variaria de 1 a infinito
quando apresentasse vantagens comparativas, e de 0 a 1 quando apresentasse desvantagens
comparativas, sendo sua análise realizada IVC>1, o território de referência apresenta vantagens
comparativas e quando IVC<1 o território de referência apresenta desvantagens comparativas.
Esta limitação foi tratada por Laursen (1998), que estabeleceu o Índice de Vantagens
Comparativas Reveladas Simétricas (IVCRS), que variam entre -1 e +1.
O índice idealizado por Lafay (1990), Índice de Contribuição ao Saldo Comercial
(ICSC), permite analisar o nível de especialização das exportações e é analisado da seguinte
maneira, com ICSC>0 o produto apresenta vantagens comparativas, e com o ICSC<0 o produto
apresenta desvantagens comparativas. Este índice compara o saldo comercial do produto com
seu saldo comercial teórico.
Para o cálculo dos indicadores, seguem-se as seguintes formulações IVCR (20),
IVCRS (21) e ICSC (22):
VCRij= (Xij/Xiz )/(Xj/Xz ) (1)
VCRSij=
VCRij-1
VCRij+1
(2)
CSij= 1000 / PIBi * (S1- S2) (3)
127
S1= 100* [
(Xij- Mij)
(Xj +Mj)/2 )]
(4)
𝑆2= 100 * [
(Xij- Mij)
(Xj +Mj)/2 )] ∗ [
𝑋𝑖𝑗 + 𝑀𝑖𝑗
𝑋𝑗 + 𝑀𝑗]
(5)
Foram calculados então índice simétrico de vantagens comparativas reveladas e
também o índice de contribuição ao saldo comercial, (IVCRS) e (ICSS) respectivamente,
propostos por Laursen (1998) e Lafay (1990).
128
APÊNDICE 2
129
Modelo relacionado a variação do emprego
Figura 3 – Forma gráfica das variáveis selecionadas.
130
Fonte: Elaboração própria.
Figura 4 – Forma gráfica da variável variação do emprego industrial.
Fonte: Elaboração própria.
Modelo relacionado a variação do emprego industrial - Forma funcional F1
Tabela 13 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(VAR_EMP) D(TJ) D(R_IND) D(P_E)
Exogenous variables: C
Sample: 1 25
Included observations: 22
Lag LogL LR FPE AIC SC HQ
0 -1025.049 NA 4.99e+35 93.54989 93.74826 93.59662
1 -847.4058 274.5393 2.14e+29 78.85507 79.84693 79.08872
2 -612.8000 277.2614* 5.94e+20* 58.98182* 60.76716* 59.40239*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 14 – Teste de Cointegração de Johansen.
Sample (adjusted): 4 25
Included observations: 22 after adjustments
Trend assumption: Linear deterministic trend
Series: VAR_EMP TJ R_IND P_E
Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.997033 203.1592 47.85613 0.0000
131
At most 1 * 0.946391 75.11591 29.79707 0.0000
At most 2 0.366330 10.74323 15.49471 0.2278
At most 3 0.031593 0.706253 3.841466 0.4007
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.997033 128.0433 27.58434 0.0000
At most 1 * 0.946391 64.37268 21.13162 0.0000
At most 2 0.366330 10.03698 14.26460 0.2095
At most 3 0.031593 0.706253 3.841466 0.4007
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
VAR_EMP TJ R_IND P_E
57.21681 0.041944 -1.63E-09 0.006117
-148.7441 -0.301825 8.34E-09 -0.030220
308.1488 -0.129861 -5.16E-09 0.019627
-236.1294 0.083913 -4.29E-09 0.015725
Unrestricted Adjustment Coefficients (alpha):
D(VAR_EMP) -0.001877 -0.000961 -0.001343 -7.34E-05
D(TJ) -20.00223 -0.532280 1.227810 0.032403
D(R_IND) 1.02E+09 1.06E+09 -8.87E+08 1.21E+08
D(P_E) 196.7909 310.6528 -223.5485 25.59122
1 Cointegrating Equation(s): Log likelihood -548.7784
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP TJ R_IND P_E
1.000000 0.000733 -2.85E-11 0.000107
(9.4E-05) (2.7E-12) (9.9E-06)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) -0.107386
(0.04074)
D(TJ) -1144.464
(39.2205)
D(R_IND) 5.85E+10
(3.2E+10)
D(P_E) 11259.75
(8409.69)
2 Cointegrating Equation(s): Log likelihood -516.5920
132
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP TJ R_IND P_E
1.000000 0.000000 -1.30E-11 5.25E-05
(3.4E-12) (1.3E-05)
0.000000 1.000000 -2.12E-08 0.074270
(2.8E-09) (0.01052)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) 0.035567 0.000211
(0.10450) (0.00020)
D(TJ) -1065.290 -0.678326
(106.463) (0.20357)
D(R_IND) -9.86E+10 -2.76E+08
(7.5E+10) (1.4E+08)
D(P_E) -34948.01 -85.50852
(18558.7) (35.4856)
3 Cointegrating Equation(s): Log likelihood -511.5735
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP TJ R_IND P_E
1.000000 0.000000 0.000000 9.22E-06
(2.5E-07)
0.000000 1.000000 0.000000 0.003341
(0.00032)
0.000000 0.000000 1.000000 -3339022.
(16127.4)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) -0.378371 0.000386 1.98E-12
(0.18342) (0.00018) (5.3E-12)
D(TJ) -686.9421 -0.837771 2.19E-08
(196.443) (0.18757) (5.6E-09)
D(R_IND) -3.72E+11 -1.61E+08 11.71724
(1.4E+11) (1.3E+08) (3.94502)
D(P_E) -103834.2 -56.47821 3.42E-06
(33628.7) (32.1089) (9.6E-07)
Fonte: Elaboração própria.
Tabela 15 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 4 25
Included observations: 22 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2
VAR_EMP(-1) 1.000000 0.000000
TJ(-1) 0.000000 1.000000
R_IND(-1) -1.30E-11 -2.12E-08
(3.6E-12) (2.9E-09)
[-3.61627] [-7.20462]
P_E(-1) 5.25E-05 0.074270
(1.3E-05) (0.01099)
133
[ 3.93013] [ 6.75800]
C -0.748173 345.3917
Error Correction: D(VAR_EMP) D(TJ) D(R_IND) D(P_E)
CointEq1 0.035567 -1065.290 -9.86E+10 -34948.01
(0.10914) (111.197) (7.9E+10) (19383.9)
[ 0.32588] [-9.58019] [-1.25425] [-1.80294]
CointEq2 0.000211 -0.678326 -2.76E+08 -85.50852
(0.00021) (0.21262) (1.5E+08) (37.0635)
[ 1.01277] [-3.19036] [-1.83574] [-2.30708]
D(VAR_EMP(-1)) 0.015596 523.9180 1.95E+11 53204.46
(0.19166) (195.274) (1.4E+11) (34040.1)
[ 0.08137] [ 2.68299] [ 1.41491] [ 1.56299]
D(VAR_EMP(-2)) 0.129867 422.0030 -5.95E+10 -11836.42
(0.17126) (174.482) (1.2E+11) (30415.7)
[ 0.75831] [ 2.41861] [-0.48187] [-0.38916]
D(TJ(-1)) -0.000312 -0.387696 4.15E+08 105.7640
(0.00027) (0.27348) (1.9E+08) (47.6731)
[-1.16055] [-1.41764] [ 2.14624] [ 2.21853]
D(TJ(-2)) -0.000459 -0.601458 3.76E+08 96.69488
(0.00017) (0.17185) (1.2E+08) (29.9567)
[-2.72343] [-3.49994] [ 3.09506] [ 3.22783]
D(R_IND(-1)) 5.78E-12 -2.67E-08 15.94800 3.94E-06
(2.3E-12) (2.3E-09) (1.64379) (4.1E-07)
[ 2.53388] [-11.4735] [ 9.70198] [ 9.73575]
D(R_IND(-2)) 7.58E-13 -3.24E-09 2.424272 6.04E-07
(2.8E-13) (2.9E-10) (0.20412) (5.0E-08)
[ 2.67696] [-11.2090] [ 11.8769] [ 11.9963]
D(P_E(-1)) -2.12E-05 0.094511 -63136858 -15.67250
(7.9E-06) (0.00808) (5711751) (1.40795)
[-2.67797] [ 11.7015] [-11.0539] [-11.1314]
D(P_E(-2)) -1.29E-06 0.005589 -4297249. -1.070845
(5.1E-07) (0.00052) (366182.) (0.09026)
[-2.54775] [ 10.7940] [-11.7353] [-11.8634]
C -0.061749 -314.1257 5.21E+10 13744.55
(0.02531) (25.7856) (1.8E+10) (4494.95)
[-2.43979] [-12.1822] [ 2.85711] [ 3.05778]
R-squared 0.884781 0.999996 0.999999 0.999999
Adj. R-squared 0.780036 0.999992 0.999999 0.999999
Sum sq. resids 0.000113 117.8131 5.89E+19 3580054.
S.E. equation 0.003212 3.272657 2.31E+09 570.4906
F-statistic 8.447002 271607.5 1524017. 1686754.
Log likelihood 102.7057 -49.67528 -497.9647 -163.2150
Akaike AIC -8.336883 5.515934 46.26952 15.83772
Schwarz SC -7.791361 6.061455 46.81504 16.38324
Mean dependent -0.003679 -252.6255 -1.45E+09 -23.43021
134
S.D. dependent 0.006849 1176.962 1.97E+12 511287.1
Determinant resid covariance (dof adj.) 4.68E+16
Determinant resid covariance 2.92E+15
Log likelihood -516.5920
Akaike information criterion 51.69018
Schwarz criterion 54.26901
Fonte: Elaboração própria.
Tabela 16 – Teste Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.390671 Prob. F(2,9) 0.6875
Obs*R-squared 1.757377 Prob. Chi-Square(2) 0.4153
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 4 25
Included observations: 22
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) 0.066506 0.165982 0.400682 0.6980
C(2) 0.000145 0.000354 0.410430 0.6911
C(3) 0.143339 0.323255 0.443424 0.6679
C(4) 0.030673 0.268620 0.114187 0.9116
C(5) -0.000192 0.000466 -0.410772 0.6908
C(6) -6.64E-05 0.000256 -0.259175 0.8013
C(7) 1.65E-12 4.40E-12 0.375554 0.7159
C(8) 1.65E-13 5.00E-13 0.329540 0.7493
C(9) -5.34E-06 1.49E-05 -0.358605 0.7282
C(10) -2.79E-07 8.75E-07 -0.319064 0.7570
C(11) -0.018876 0.048162 -0.391934 0.7042
RESID(-1) -0.425041 0.641353 -0.662726 0.5241
RESID(-2) -0.001370 0.545423 -0.002511 0.9981
R-squared 0.079881 Mean dependent var 1.96E-16
Adjusted R-squared -1.146945 S.D. dependent var 0.002325
S.E. of regression 0.003406 Akaike info criterion -8.238316
Sum squared resid 0.000104 Schwarz criterion -7.593610
Log likelihood 103.6215 Hannan-Quinn criter. -8.086443
F-statistic 0.065112 Durbin-Watson stat 1.994835
Prob(F-statistic) 0.999973
Fonte: Elaboração própria.
Tabela 17 – Teste de Causalidade de Granjer.
Pairwise Granger Causality Tests
Sample: 1 25
Lags: 2
135
Null Hypothesis: Obs F-Statistic Prob.
TJ does not Granger Cause VAR_EMP 23 6.12451 0.0094
VAR_EMP does not Granger Cause TJ 2.73154 0.0920
R_IND does not Granger Cause VAR_EMP 23 3.33873 0.0584
VAR_EMP does not Granger Cause R_IND 4.67096 0.0232
P_E does not Granger Cause VAR_EMP 23 3.34286 0.0583
VAR_EMP does not Granger Cause P_E 4.50102 0.0260
R_IND does not Granger Cause TJ 23 0.02800 0.9724
TJ does not Granger Cause R_IND 168.408 2.E-12
P_E does not Granger Cause TJ 23 0.01990 0.9803
TJ does not Granger Cause P_E 182.393 1.E-12
P_E does not Granger Cause R_IND 23 4071.98 1.E-24
R_IND does not Granger Cause P_E 15494.3 7.E-30
Fonte: Elaboração própria.
136
Figura 5 - Funções de Impulso Resposta de F1
Fonte: Elaboração própria.
Modelo relacionado a variação do emprego industrial - Forma funcional F2
Tabela 18 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(VAR_EMP) D(R_IND) D(P_E)
Exogenous variables: C D(TJ)
Sample: 1 25
Included observations: 21
-.006
-.004
-.002
.000
.002
.004
.006
12
34
56
78
910
Res
pons
e of
VA
R_E
MP
to
VA
R_E
MP
-.006
-.004
-.002
.000
.002
.004
.006
12
34
56
78
910
Res
pons
e of
VA
R_E
MP
to
TJ
-.006
-.004
-.002
.000
.002
.004
.006
12
34
56
78
910
Res
pons
e of
VA
R_E
MP
to
R_I
ND
-.006
-.004
-.002
.000
.002
.004
.006
12
34
56
78
910
Res
pons
e of
VA
R_E
MP
to
P_E
-8-4048
12
34
56
78
910
Res
pons
e of
TJ
to V
AR
_EM
P
-8-4048
12
34
56
78
910
Res
pons
e of
TJ
to T
J
-8-4048
12
34
56
78
910
Res
pons
e of
TJ
to R
_IN
D
-8-4048
12
34
56
78
910
Res
pons
e of
TJ
to P
_E
-6,0
00,0
00,0
00
-4,0
00,0
00,0
00
-2,0
00,0
00,0
00
0
2,00
0,00
0,00
0
4,00
0,00
0,00
0
6,00
0,00
0,00
0
12
34
56
78
910
Res
pons
e of
R_I
ND
to
VA
R_E
MP
-6,0
00,0
00,0
00
-4,0
00,0
00,0
00
-2,0
00,0
00,0
00
0
2,00
0,00
0,00
0
4,00
0,00
0,00
0
6,00
0,00
0,00
0
12
34
56
78
910
Res
pons
e of
R_I
ND
to
TJ
-6,0
00,0
00,0
00
-4,0
00,0
00,0
00
-2,0
00,0
00,0
00
0
2,00
0,00
0,00
0
4,00
0,00
0,00
0
6,00
0,00
0,00
0
12
34
56
78
910
Res
pons
e of
R_I
ND
to
R_I
ND
-6,0
00,0
00,0
00
-4,0
00,0
00,0
00
-2,0
00,0
00,0
00
0
2,00
0,00
0,00
0
4,00
0,00
0,00
0
6,00
0,00
0,00
0
12
34
56
78
910
Res
pons
e of
R_I
ND
to
P_E
-1,0
00
0
1,00
0
12
34
56
78
910
Res
pons
e of
P_E
to
VA
R_E
MP
-1,0
000
1,00
0
12
34
56
78
910
Res
pons
e of
P_E
to
TJ
-1,0
00
0
1,00
0
12
34
56
78
910
Res
pons
e of
P_E
to
R_I
ND
-1,0
000
1,00
0
12
34
56
78
910
Res
pons
e of
P_E
to
P_E
Res
pons
e to
Gen
eral
ized
One
S.D
. In
nova
tions
137
Lag LogL LR FPE AIC SC HQ
0 -793.9636 NA 2.46e+29 76.18701 76.48544 76.25177
1 -749.1422 68.29924 8.33e+27 72.77545 73.52153 72.93737
2 -598.5615 186.4333 1.27e+22 59.29157 60.48531 59.55064
3 -537.3085 58.33618* 1.10e+20* 54.31509* 55.95648* 54.67132*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 19 – Teste de Cointegração de Johansen.
Sample (adjusted): 5 25
Included observations: 21 after adjustments
Trend assumption: Linear deterministic trend
Series: VAR_EMP R_IND P_E TJ
Lags interval (in first differences): 1 to 3
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.991773 145.4022 47.85613 0.0000
At most 1 * 0.752989 44.59630 29.79707 0.0005
At most 2 0.479156 15.23151 15.49471 0.0547
At most 3 0.070404 1.533106 3.841466 0.2156
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.991773 100.8059 27.58434 0.0000
At most 1 * 0.752989 29.36479 21.13162 0.0028
At most 2 0.479156 13.69840 14.26460 0.0613
At most 3 0.070404 1.533106 3.841466 0.2156
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
VAR_EMP R_IND P_E TJ
278.4216 -1.58E-08 0.056794 0.402336
-1066.972 3.36E-08 -0.125973 -0.780234
411.8552 -2.77E-08 0.100141 1.199659
-512.4094 3.22E-09 -0.011662 -0.102919
138
Unrestricted Adjustment Coefficients (alpha):
D(VAR_EMP) -0.000894 -0.000212 0.000928 -0.000116
D(R_IND) -3.96E+08 -1.87E+08 5511219. -1.10E+08
D(P_E) -123.6915 -50.71411 0.704086 -28.12253
D(TJ) 1.290788 1.679548 -0.563206 0.068605
1 Cointegrating Equation(s): Log likelihood -422.9857
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP R_IND P_E TJ
1.000000 -5.69E-11 0.000204 0.001445
(2.6E-12) (9.3E-06) (0.00012)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) -0.248841
(0.15081)
D(R_IND) -1.10E+11
(4.9E+10)
D(P_E) -34438.39
(12792.2)
D(TJ) 359.3834
(222.959)
2 Cointegrating Equation(s): Log likelihood -408.3033
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP R_IND P_E TJ
1.000000 0.000000 1.13E-05 -0.000156
(1.2E-06) (0.00017)
0.000000 1.000000 -3387038. -28138449
(24126.2) (3381743)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) -0.023104 7.04E-12
(0.59075) (2.0E-11)
D(R_IND) 8.96E+10 -0.026429
(1.8E+11) (6.03396)
D(P_E) 19672.18 2.53E-07
(46044.6) (1.6E-06)
D(TJ) -1432.648 3.61E-08
(538.284) (1.8E-08)
3 Cointegrating Equation(s): Log likelihood -401.4541
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP R_IND P_E TJ
1.000000 0.000000 0.000000 -0.003461
(0.00077)
0.000000 1.000000 0.000000 9.65E+08
(2.3E+08)
0.000000 0.000000 1.000000 293.2478
(68.7175)
139
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) 0.358947 -1.87E-11 6.88E-05
(0.47680) (1.9E-11) (6.9E-05)
D(R_IND) 9.18E+10 -0.179132 1651019.
(1.9E+11) (7.52423) (2.8E+07)
D(P_E) 19962.16 2.34E-07 -0.565843
(49150.4) (1.9E-06) (7.12575)
D(TJ) -1664.607 5.17E-08 -0.194669
(517.091) (2.0E-08) (0.07497)
Fonte: Elaboração própria.
Tabela 20 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 5 25
Included observations: 21 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2
VAR_EMP(-1) 1.000000 0.000000
R_IND(-1) 0.000000 1.000000
P_E(-1) 1.85E-05 -3274182.
(3.7E-08) (674.148)
[ 504.141] [-4856.77]
C -2.658280 -5.84E+10
Error Correction: D(VAR_EMP) D(R_IND) D(P_E)
CointEq1 -0.318993 -2.24E+11 -58482.60
(0.42252) (7.8E+10) (19916.8)
[-0.75498] [-2.88962] [-2.93634]
CointEq2 1.29E-11 8.841150 2.38E-06
(1.7E-11) (3.16012) (8.1E-07)
[ 0.74955] [ 2.79773] [ 2.93547]
D(VAR_EMP(-1)) 0.090793 -2.55E+10 -9840.716
(0.45421) (8.3E+10) (21410.7)
[ 0.19989] [-0.30529] [-0.45962]
D(VAR_EMP(-2)) 0.193024 -8.52E+10 -24658.73
(0.31521) (5.8E+10) (14858.5)
[ 0.61237] [-1.46999] [-1.65957]
D(VAR_EMP(-3)) 0.153712 -5.52E+10 -14307.43
(0.23500) (4.3E+10) (11077.5)
[ 0.65409] [-1.27880] [-1.29158]
D(R_IND(-1)) -1.30E-11 12.32769 3.36E-06
(1.7E-11) (3.13640) (8.0E-07)
[-0.76098] [ 3.93053] [ 4.17346]
D(R_IND(-2)) 1.13E-12 1.275986 3.07E-07
(1.0E-11) (1.89652) (4.9E-07)
140
[ 0.10990] [ 0.67280] [ 0.63105]
D(R_IND(-3)) 4.20E-13 -0.121083 -3.78E-08
(1.3E-12) (0.24556) (6.3E-08)
[ 0.31407] [-0.49308] [-0.60071]
D(P_E(-1)) 4.60E-05 -49812156 -13.46889
(6.2E-05) (1.1E+07) (2.90551)
[ 0.74614] [-4.39668] [-4.63564]
D(P_E(-2)) -7.75E-06 -842158.8 -0.086419
(3.7E-05) (6861334) (1.75963)
[-0.20766] [-0.12274] [-0.04911]
D(P_E(-3)) -7.87E-07 266139.7 0.080984
(2.4E-06) (432483.) (0.11091)
[-0.33463] [ 0.61538] [ 0.73017]
C -0.019950 -2.40E+10 -1799.558
(0.01475) (2.7E+09) (695.095)
[-1.35290] [-8.84377] [-2.58894]
TJ -9.60E-05 -2.07E+08 -54.49286
(0.00054) (9.9E+07) (25.3885)
[-0.17832] [-2.09393] [-2.14636]
R-squared 0.839310 1.000000 1.000000
Adj. R-squared 0.598276 1.000000 1.000000
Sum sq. resids 0.000154 5.22E+18 343053.7
S.E. equation 0.004393 8.07E+08 207.0790
F-statistic 3.482120 10322816 10619332
Log likelihood 94.31827 -450.3620 -131.6595
Akaike AIC -7.744597 44.12972 13.77709
Schwarz SC -7.097988 44.77632 14.42370
Mean dependent -0.003909 -4.47E+10 -7409.213
S.D. dependent 0.006931 2.01E+12 522709.4
Determinant resid covariance (dof adj.) 6.58E+14
Determinant resid covariance 3.64E+13
Log likelihood -417.2533
Akaike information criterion 44.02412
Schwarz criterion 46.26238
Fonte: Elaboração própria.
Tabela 21 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(VAR_EMP)
Method: Least Squares
Sample (adjusted): 5 25
Included observations: 21 after adjustments
D(VAR_EMP) = C(1)*( VAR_EMP(-1) + 1.84787518467E-05*P_E(-1) -
2.65827997126 ) + C(2)*( R_IND(-1) - 3274181.71367*P_E(-1) -
58421718990.4 ) + C(3)*D(VAR_EMP(-1)) + C(4)*D(VAR_EMP(-2)) +
C(5)*D(VAR_EMP(-3)) + C(6)*D(R_IND(-1)) + C(7)*D(R_IND(-2)) + C(8)
*D(R_IND(-3)) + C(9)*D(P_E(-1)) + C(10)*D(P_E(-2)) + C(11)*D(P_E(
-3)) + C(12) + C(13)*TJ
Coefficient Std. Error t-Statistic Prob.
141
C(1) -0.318993 0.422518 -0.754980 0.4719
C(2) 1.29E-11 1.72E-11 0.749554 0.4750
C(3) 0.090793 0.454209 0.199893 0.8466
C(4) 0.193024 0.315210 0.612368 0.5573
C(5) 0.153712 0.234999 0.654095 0.5314
C(6) -1.30E-11 1.71E-11 -0.760981 0.4685
C(7) 1.13E-12 1.03E-11 0.109903 0.9152
C(8) 4.20E-13 1.34E-12 0.314066 0.7615
C(9) 4.60E-05 6.16E-05 0.746143 0.4769
C(10) -7.75E-06 3.73E-05 -0.207660 0.8407
C(11) -7.87E-07 2.35E-06 -0.334634 0.7465
C(12) -0.019950 0.014746 -1.352896 0.2131
C(13) -9.60E-05 0.000539 -0.178322 0.8629
R-squared 0.839310 Mean dependent var -0.003909
Adjusted R-squared 0.598276 S.D. dependent var 0.006931
S.E. of regression 0.004393 Akaike info criterion -7.744597
Sum squared resid 0.000154 Schwarz criterion -7.097988
Log likelihood 94.31827 Hannan-Quinn criter. -7.604266
F-statistic 3.482120 Durbin-Watson stat 2.119161
Prob(F-statistic) 0.042617
Fonte: Elaboração própria.
Tabela 22 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.796293 Prob. F(3,5) 0.5465
Obs*R-squared 6.789457 Prob. Chi-Square(3) 0.0789
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/17/18 Time: 10:18
Sample: 5 25
Included observations: 21
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) 0.919707 0.803316 1.144888 0.3041
C(2) -3.74E-11 3.27E-11 -1.144466 0.3042
C(3) 0.968158 1.190940 0.812936 0.4532
C(4) 1.247115 0.958693 1.300849 0.2500
C(5) 0.274387 0.378793 0.724372 0.5013
C(6) 3.64E-11 3.21E-11 1.134700 0.3080
C(7) 3.93E-11 3.28E-11 1.196876 0.2850
C(8) 5.03E-12 4.33E-12 1.161570 0.2978
C(9) -0.000136 0.000118 -1.152062 0.3014
C(10) -0.000141 0.000120 -1.176736 0.2923
C(11) -8.96E-06 7.66E-06 -1.169861 0.2948
C(12) 0.045869 0.035716 1.284264 0.2553
C(13) 0.000218 0.000746 0.291685 0.7822
RESID(-1) -2.040687 1.624737 -1.256010 0.2646
RESID(-2) -1.832203 1.448146 -1.265206 0.2616
RESID(-3) -0.519097 0.679463 -0.763982 0.4794
142
R-squared 0.323307 Mean dependent var 3.01E-17
Adjusted R-squared -1.706770 S.D. dependent var 0.002778
S.E. of regression 0.004571 Akaike info criterion -7.849421
Sum squared resid 0.000104 Schwarz criterion -7.053594
Log likelihood 98.41892 Hannan-Quinn criter. -7.676706
F-statistic 0.159259 Durbin-Watson stat 1.888583
Prob(F-statistic) 0.997530
Fonte: Elaboração própria.
Modelo relacionado a variação do emprego industrial - Forma funcional F3
Tabela 23 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(P_E) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
Exogenous variables: C
Sample: 1 25
Included observations: 23
Lag LogL LR FPE AIC SC HQ
0 -2349.800 NA 5.84e+82 204.7652 205.0121 204.8273
1 -1822.072 780.1196* 6.42e+63* 161.0497* 162.5308* 161.4222*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 24 – Teste de Cointegração de Johansen.
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Trend assumption: Linear deterministic trend
Series: P_E R_AG R_CES EX_P IM_P
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999966 544.9719 69.81889 0.0001
At most 1 * 0.999546 308.0670 47.85613 0.0001
At most 2 * 0.991035 131.0030 29.79707 0.0000
At most 3 * 0.583379 22.57015 15.49471 0.0036
At most 4 0.100334 2.431831 3.841466 0.1189
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
143
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999966 236.9049 33.87687 0.0001
At most 1 * 0.999546 177.0640 27.58434 0.0001
At most 2 * 0.991035 108.4328 21.13162 0.0001
At most 3 * 0.583379 20.13832 14.26460 0.0053
At most 4 0.100334 2.431831 3.841466 0.1189
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
P_E R_AG R_CES EX_P IM_P
-8.42E-05 2.56E-08 -8.07E-10 -3.33E-07 4.45E-07
0.001772 -3.15E-08 1.20E-09 -1.05E-07 -7.01E-07
0.000404 -4.55E-08 1.21E-09 1.57E-07 -3.16E-08
0.003254 1.23E-06 -3.06E-08 2.75E-05 -3.56E-05
0.007695 5.95E-07 -2.11E-08 3.39E-05 -2.73E-05
Unrestricted Adjustment Coefficients (alpha):
D(P_E) -35549.48 -3552.905 -3346.744 204.2381 39.30503
D(R_AG) -1.28E+10 -1.15E+09 -1.18E+09 69520668 13244967
D(R_CES) -4.05E+11 -2.89E+10 -3.97E+10 2.39E+09 4.15E+08
D(EX_P) -2.22E+08 -15226455 -21873044 1335877. 217932.3
D(IM_P) 3300819. -168745.4 578461.7 -28576.43 2382.225
1 Cointegrating Equation(s): Log likelihood -1703.620
Normalized cointegrating coefficients (standard error in parentheses)
P_E R_AG R_CES EX_P IM_P
1.000000 -0.000304 9.59E-06 0.003956 -0.005284
(1.6E-05) (3.7E-07) (0.00026) (0.00040)
Adjustment coefficients (standard error in parentheses)
D(P_E) 2.992524
(0.10323)
D(R_AG) 1078954.
(34727.8)
D(R_CES) 34080142
(1041247)
D(EX_P) 18654.20
(564.648)
D(IM_P) -277.8601
(12.7656)
2 Cointegrating Equation(s): Log likelihood -1615.088
Normalized cointegrating coefficients (standard error in parentheses)
P_E R_AG R_CES EX_P IM_P
1.000000 0.000000 1.20E-07 -0.000309 -9.14E-05
144
(7.6E-09) (1.8E-05) (5.9E-06)
0.000000 1.000000 -0.031167 -14.03996 17.09261
(0.00014) (0.32843) (0.10669)
Adjustment coefficients (standard error in parentheses)
D(P_E) -3.308598 -0.000797
(1.49972) (3.4E-05)
D(R_AG) -952625.0 -291.6387
(526784.) (12.0492)
D(R_CES) -17230856 -9440.406
(1.8E+07) (407.200)
D(EX_P) -8361.785 -5.186345
(9796.76) (0.22408)
D(IM_P) -575.9918 0.089708
(258.380) (0.00591)
3 Cointegrating Equation(s): Log likelihood -1560.871
Normalized cointegrating coefficients (standard error in parentheses)
P_E R_AG R_CES EX_P IM_P
1.000000 0.000000 0.000000 -0.000477 0.000276
(1.7E-05) (1.6E-05)
0.000000 1.000000 0.000000 29.34871 -78.11872
(4.19100) (4.01209)
0.000000 0.000000 1.000000 1392.154 -3054.918
(134.696) (128.946)
Adjustment coefficients (standard error in parentheses)
D(P_E) -4.652200 -0.000645 2.04E-05
(0.22118) (7.4E-06) (2.3E-07)
D(R_AG) -1424666. -238.2632 7.555241
(77003.2) (2.57892) (0.07966)
D(R_CES) -33189237 -7635.962 244.1643
(2559662) (85.7258) (2.64804)
D(EX_P) -17143.41 -4.193390 0.134228
(1410.58) (0.04724) (0.00146)
D(IM_P) -343.6611 0.063444 -0.002167
(31.7186) (0.00106) (3.3E-05)
4 Cointegrating Equation(s): Log likelihood -1550.802
Normalized cointegrating coefficients (standard error in parentheses)
P_E R_AG R_CES EX_P IM_P
1.000000 0.000000 0.000000 0.000000 -0.000179
(1.6E-08)
0.000000 1.000000 0.000000 0.000000 -50.03461
(0.00269)
0.000000 0.000000 1.000000 0.000000 -1722.751
(0.09303)
0.000000 0.000000 0.000000 1.000000 -0.956911
(1.5E-05)
Adjustment coefficients (standard error in parentheses)
D(P_E) -3.951518 -0.000380 1.38E-05 0.017637
(0.40916) (0.00013) (3.4E-06) (0.00301)
D(R_AG) -1185810. -147.7434 5.296871 6232.727
(143116.) (47.0455) (1.17434) (1053.82)
145
D(R_CES) -25003409 -4534.264 166.7807 201133.1
(4724720) (1553.12) (38.7686) (34789.9)
D(EX_P) -12567.22 -2.459558 0.090971 110.8200
(2594.81) (0.85297) (0.02129) (19.1066)
D(IM_P) -441.3110 0.026454 -0.001244 -1.819731
(59.0373) (0.01942) (0.00048) (0.43490)
Fonte: Elaboração própria.
Tabela 25 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4
P_E(-1) 1.000000 0.000000 0.000000 0.000000
R_AG(-1) 0.000000 1.000000 0.000000 0.000000
R_CES(-1) 0.000000 0.000000 1.000000 0.000000
EX_P(-1) 0.000000 0.000000 0.000000 1.000000
IM_P(-1) -0.000179 -50.03461 -1722.751 -0.956911
(1.8E-08) (0.00298) (0.10321) (1.7E-05)
[-10114.4] [-16783.5] [-16691.8] [-55955.7]
C -773.2693 1.01E+08 3.42E+09 -517092.9
Error Correction: D(P_E) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
CointEq1 -3.951518 -1185810. -25003409 -12567.22 -441.3110
(0.45392) (158773.) (5241606) (2878.68) (65.4960)
[-8.70534] [-7.46859] [-4.77018] [-4.36562] [-6.73798]
CointEq2 -0.000380 -147.7434 -4534.264 -2.459558 0.026454
(0.00015) (52.1923) (1723.03) (0.94628) (0.02154)
[-2.54391] [-2.83075] [-2.63157] [-2.59917] [ 1.22814]
CointEq3 1.38E-05 5.296871 166.7807 0.090971 -0.001244
(3.7E-06) (1.30282) (43.0099) (0.02362) (0.00054)
[ 3.69906] [ 4.06571] [ 3.87773] [ 3.85128] [-2.31358]
CointEq4 0.017637 6232.727 201133.1 110.8200 -1.819731
(0.00334) (1169.11) (38595.9) (21.1968) (0.48248)
[ 5.27662] [ 5.33117] [ 5.21125] [ 5.22814] [-3.77160]
D(P_E(-1)) -18.43050 -6586012. -2.20E+08 -121561.8 3244.846
(3.24983) (1136738) (3.8E+07) (20610.2) (468.441)
[-5.67122] [-5.79378] [-5.86307] [-5.89813] [ 6.92691]
D(R_AG(-1)) 0.000473 164.3869 5297.914 2.896872 -0.051462
(0.00013) (46.2637) (1527.33) (0.83881) (0.01906)
[ 3.57887] [ 3.55326] [ 3.46873] [ 3.45355] [-2.69932]
D(R_CES(-1)) -1.02E-05 -3.534293 -113.1424 -0.061673 0.000953
146
(3.8E-06) (1.34210) (44.3075) (0.02433) (0.00055)
[-2.65537] [-2.63341] [-2.55357] [-2.53450] [ 1.72293]
D(EX_P(-1)) -0.024863 -8845.830 -292620.5 -161.8259 4.203265
(0.00417) (1459.73) (48191.1) (26.4665) (0.60154)
[-5.95778] [-6.05989] [-6.07208] [-6.11438] [ 6.98746]
D(IM_P(-1)) 0.000163 56.79012 1840.069 1.006572 -0.018635
(3.5E-05) (12.2009) (402.796) (0.22121) (0.00503)
[ 4.66975] [ 4.65458] [ 4.56824] [ 4.55020] [-3.70625]
C -1982.002 -6.72E+08 -2.26E+10 -12439236 328886.6
(345.771) (1.2E+08) (4.0E+09) (2192863) (49840.6)
[-5.73212] [-5.55942] [-5.66078] [-5.67260] [ 6.59877]
R-squared 0.999999 0.999999 0.999999 0.999999 1.000000
Adj. R-squared 0.999999 0.999998 0.999998 0.999998 1.000000
Sum sq. resids 4478697. 5.48E+17 5.97E+20 1.80E+14 9.31E+10
S.E. equation 586.9541 2.05E+08 6.78E+09 3722433. 84605.49
F-statistic 1770509. 1225260. 1362104. 1379252. 3.05E+09
Log likelihood -172.6981 -466.2947 -546.7239 -374.0617 -287.0267
Akaike AIC 15.88679 41.41693 48.41078 33.39667 25.82841
Schwarz SC 16.38048 41.91063 48.90447 33.89037 26.32210
Mean dependent -114.7390 -4974928. -2.85E+08 -111754.4 -364.8738
S.D. dependent 499532.0 1.45E+11 5.06E+12 2.80E+09 2.99E+09
Determinant resid covariance (dof adj.) 4.39E+53
Determinant resid covariance 2.53E+52
Log likelihood -1550.811
Akaike information criterion 140.9401
Schwarz criterion 144.3959
Fonte: Elaboração própria.
Tabela 26 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(P_E)
Method: Least Squares
Sample (adjusted): 3 25
Included observations: 23 after adjustments
D(P_E) = C(1)*( P_E(-1) - 0.00017949212335*IM_P(-1) - 773.269321523 )
+ C(2)*( R_AG(-1) - 50.0346124048*IM_P(-1) + 100742801.551 ) +
C(3)*( R_CES(-1) - 1722.75053138*IM_P(-1) + 3415736397.76 ) + C(4)
*( EX_P(-1) - 0.956911128637*IM_P(-1) - 517092.942581 ) + C(5)
*D(P_E(-1)) + C(6)*D(R_AG(-1)) + C(7)*D(R_CES(-1)) + C(8)*D(EX_P(
-1)) + C(9)*D(IM_P(-1)) + C(10)
Coefficient Std. Error t-Statistic Prob.
C(1) -3.989926 0.456242 -8.745193 0.0000
C(2) -0.000394 0.000150 -2.624507 0.0210
C(3) 1.41E-05 3.75E-06 3.771251 0.0023
C(4) 0.017304 0.003367 5.139684 0.0002
C(5) -18.43037 3.249849 -5.671145 0.0001
C(6) 0.000473 0.000132 3.578892 0.0034
C(7) -1.02E-05 3.84E-06 -2.655396 0.0198
C(8) -0.024863 0.004173 -5.957701 0.0000
C(9) 0.000163 3.49E-05 4.669763 0.0004
C(10) -1981.988 345.7733 -5.732046 0.0001
147
R-squared 0.999999 Mean dependent var -114.7390
Adjusted R-squared 0.999999 S.D. dependent var 499532.0
S.E. of regression 586.9541 Akaike info criterion 15.88679
Sum squared resid 4478697. Schwarz criterion 16.38048
Log likelihood -172.6981 Hannan-Quinn criter. 16.01095
F-statistic 1770509. Durbin-Watson stat 1.797036
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
Tabela 27 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.089126 Prob. F(1,12) 0.7704
Obs*R-squared 0.169565 Prob. Chi-Square(1) 0.6805
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 3 25
Included observations: 23
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) 0.034436 0.486974 0.070714 0.9448
C(2) 1.35E-05 0.000162 0.082986 0.9352
C(3) -3.36E-07 4.05E-06 -0.082989 0.9352
C(4) 0.000300 0.003633 0.082509 0.9356
C(5) -0.289458 3.506730 -0.082543 0.9356
C(6) -1.18E-05 0.000143 -0.082989 0.9352
C(7) 3.44E-07 4.14E-06 0.082943 0.9353
C(8) -0.000372 0.004503 -0.082525 0.9356
C(9) -3.12E-06 3.76E-05 -0.082810 0.9354
C(10) -27.08804 369.8624 -0.073238 0.9428
RESID(-1) 0.091451 0.306328 0.298540 0.7704
R-squared 0.007372 Mean dependent var -9.40E-09
Adjusted R-squared -0.819817 S.D. dependent var 451.1952
S.E. of regression 608.6651 Akaike info criterion 15.96635
Sum squared resid 4445678. Schwarz criterion 16.50941
Log likelihood -172.6130 Hannan-Quinn criter. 16.10293
F-statistic 0.008913 Durbin-Watson stat 1.918228
Prob(F-statistic) 1.000000
Fonte: Elaboração própria.
Tabela 28 – Teste de Causalidade de Granjer.
Pairwise Granger Causality Tests
Sample: 1 25
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
148
R_AG does not Granger Cause P_E 24 7.22608 0.0138
P_E does not Granger Cause R_AG 6.23865 0.0209
R_CES does not Granger Cause P_E 24 3.58051 0.0723
P_E does not Granger Cause R_CES 3.01514 0.0971
EX_P does not Granger Cause P_E 24 3.65060 0.0698
P_E does not Granger Cause EX_P 3.09820 0.0929
IM_P does not Granger Cause P_E 24 0.32266 0.5760
P_E does not Granger Cause IM_P 124442. 4.E-41
R_CES does not Granger Cause R_AG 24 177.656 1.E-11
R_AG does not Granger Cause R_CES 187.665 6.E-12
EX_P does not Granger Cause R_AG 24 39.3047 3.E-06
R_AG does not Granger Cause EX_P 40.2294 3.E-06
IM_P does not Granger Cause R_AG 24 0.22009 0.6438
R_AG does not Granger Cause IM_P 10364.1 9.E-30
EX_P does not Granger Cause R_CES 24 2.36923 0.1387
R_CES does not Granger Cause EX_P 2.38878 0.1371
IM_P does not Granger Cause R_CES 24 0.20897 0.6523
R_CES does not Granger Cause IM_P 22317.3 3.E-33
IM_P does not Granger Cause EX_P 24 0.21189 0.6500
EX_P does not Granger Cause IM_P 25378.3 7.E-34
Fonte: Elaboração própria.
149
Figura 6 - Funções de Impulso Resposta.
Fonte: Elaboração própria.
Modelo relacionado a variação do emprego industrial - Forma funcional F4
Tabela 29 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
Exogenous variables: C
Sample: 1 25
Included observations: 23
Lag LogL LR FPE AIC SC HQ
0 -2364.317 NA 2.06e+83 206.0275 206.2744 206.0896
1 -1829.891 790.0198* 1.27e+64* 161.7297* 163.2108* 162.1022*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
-1.5E+10
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
1 2 3 4 5 6 7 8 9 10
Response of P_E to P_E
-1.5E+10
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
1 2 3 4 5 6 7 8 9 10
Response of P_E to R_AG
-1.5E+10
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
1 2 3 4 5 6 7 8 9 10
Response of P_E to R_CES
-1.5E+10
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
1 2 3 4 5 6 7 8 9 10
Response of P_E to EX_P
-1.5E+10
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
1 2 3 4 5 6 7 8 9 10
Response of P_E to IM_P
Response to Generalized One S.D. Innovations
150
Tabela 30 – Teste de Cointegração de Johansen.
Sample (adjusted): 4 25
Included observations: 22 after adjustments
Trend assumption: Linear deterministic trend
Series: D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999948 495.1229 69.81889 0.0001
At most 1 * 0.999575 277.9913 47.85613 0.0001
At most 2 * 0.959429 107.2106 29.79707 0.0000
At most 3 * 0.796591 36.70714 15.49471 0.0000
At most 4 0.073154 1.671301 3.841466 0.1961
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999948 217.1316 33.87687 0.0001
At most 1 * 0.999575 170.7807 27.58434 0.0001
At most 2 * 0.959429 70.50346 21.13162 0.0000
At most 3 * 0.796591 35.03584 14.26460 0.0000
At most 4 0.073154 1.671301 3.841466 0.1961
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
-0.000241 -1.58E-08 7.80E-10 1.68E-07 -6.41E-07
0.001864 -4.21E-08 8.61E-10 1.98E-07 -1.22E-07
0.000805 -8.31E-07 2.22E-08 -1.52E-06 4.64E-06
0.005408 8.93E-07 -2.47E-08 4.58E-06 -8.18E-06
0.010489 -1.06E-07 -2.12E-08 5.27E-05 -1.18E-05
Unrestricted Adjustment Coefficients (alpha):
D(P_PO,2) 8482.917 1771.056 -1108.828 -903.1851 -12.89590
D(R_AG,2) 2.02E+09 3.87E+08 -2.18E+08 -2.03E+08 -3161664.
D(R_CES,2) 6.36E+10 1.82E+10 -7.56E+09 -6.53E+09 -1.00E+08
D(EX_P,2) 35078623 10426719 -4186442. -3570954. -62714.32
D(IM_P,2) 488598.4 -403671.6 90172.20 74892.17 3602.922
1 Cointegrating Equation(s): Log likelihood -1610.497
151
Normalized cointegrating coefficients (standard error in parentheses)
D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
1.000000 6.57E-05 -3.24E-06 -0.000699 0.002664
(9.3E-06) (2.1E-07) (0.00017) (4.9E-05)
Adjustment coefficients (standard error in parentheses)
D(P_PO,2) -2.040399
(0.14498)
D(R_AG,2) -486063.1
(31126.5)
D(R_CES,2) -15302464
(1307480)
D(EX_P,2) -8437.473
(743.067)
D(IM_P,2) -117.5227
(26.2554)
2 Cointegrating Equation(s): Log likelihood -1525.107
Normalized cointegrating coefficients (standard error in parentheses)
D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
1.000000 0.000000 -4.86E-07 -0.000100 0.000633
(2.6E-08) (5.7E-05) (9.5E-06)
0.000000 1.000000 -0.041954 -9.114779 30.90307
(0.00084) (1.81606) (0.30430)
Adjustment coefficients (standard error in parentheses)
D(P_PO,2) 1.260566 -0.000209
(0.73799) (1.8E-05)
D(R_AG,2) 235299.0 -48.24956
(154526.) (3.69925)
D(R_CES,2) 18537636 -1770.535
(5171896) (123.812)
D(EX_P,2) 10996.76 -0.993762
(2847.73) (0.06817)
D(IM_P,2) -869.9378 0.009279
(60.9480) (0.00146)
3 Cointegrating Equation(s): Log likelihood -1489.855
Normalized cointegrating coefficients (standard error in parentheses)
D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
1.000000 0.000000 0.000000 0.000256 -0.000543
(4.5E-06) (4.3E-06)
0.000000 1.000000 0.000000 21.55772 -70.53527
(0.28101) (0.26887)
0.000000 0.000000 1.000000 731.0938 -2417.832
(8.62250) (8.25012)
Adjustment coefficients (standard error in parentheses)
D(P_PO,2) 0.360730 0.000720 -1.66E-05
(0.55009) (0.00023) (6.0E-06)
D(R_AG,2) 58455.65 134.2342 -2.953107
(122833.) (50.2474) (1.33890)
D(R_CES,2) 12401537 4561.459 -103.4739
(3971631) (1624.69) (43.2917)
D(EX_P,2) 7598.147 2.513369 -0.057116
152
(2173.47) (0.88911) (0.02369)
D(IM_P,2) -796.7490 -0.066247 0.002047
(46.2059) (0.01890) (0.00050)
4 Cointegrating Equation(s): Log likelihood -1472.337
Normalized cointegrating coefficients (standard error in parentheses)
D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
1.000000 0.000000 0.000000 0.000000 -0.000299
(3.3E-08)
0.000000 1.000000 0.000000 0.000000 -49.96688
(0.00270)
0.000000 0.000000 1.000000 0.000000 -1720.290
(0.09012)
0.000000 0.000000 0.000000 1.000000 -0.954107
(0.00012)
Adjustment coefficients (standard error in parentheses)
D(P_PO,2) -4.518288 -9.42E-05 5.87E-06 -0.000673
(0.77260) (0.00016) (4.4E-06) (0.00065)
D(R_AG,2) -1036779. -48.48770 2.091709 -180.9922
(169702.) (35.8542) (0.97417) (141.752)
D(R_CES,2) -22887252 -1326.134 59.07802 -4133.367
(5547895) (1172.14) (31.8477) (4634.15)
D(EX_P,2) -11692.20 -0.705078 0.031742 -2.026030
(3046.43) (0.64364) (0.01749) (2.54468)
D(IM_P,2) -392.1807 0.001254 0.000183 0.208227
(67.3724) (0.01423) (0.00039) (0.05627)
Fonte: Elaboração própria.
Tabela 31 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4
P_PO(-1) 1.000000 0.000000 0.000000 0.000000
R_AG(-1) 0.000000 1.000000 0.000000 0.000000
R_CES(-1) 0.000000 0.000000 1.000000 0.000000
EX_P(-1) 0.000000 0.000000 0.000000 1.000000
IM_P(-1) -0.000298 -50.00251 -1721.638 -0.957156
(4.8E-09) (0.00196) (0.06683) (8.0E-06)
[-62158.0] [-25544.7] [-25762.2] [-118907.]
C -121.2473 79268000 2.67E+09 -353567.8
Error Correction: D(P_PO) D(R_AG) D(R_CES) D(EX_P) D(IM_P)
CointEq1 -3.897814 -893733.3 -18430556 -9206.271 -347.7331
(0.34121) (71730.7) (2364095) (1294.18) (30.0028)
153
[-11.4236] [-12.4596] [-7.79603] [-7.11358] [-11.5900]
CointEq2 -0.000215 -71.87721 -2010.342 -1.068749 -0.005235
(0.00016) (33.3675) (1099.72) (0.60202) (0.01396)
[-1.35204] [-2.15411] [-1.82805] [-1.77526] [-0.37499]
CointEq3 7.89E-06 2.442265 69.86953 0.037365 0.000121
(4.5E-06) (0.94505) (31.1468) (0.01705) (0.00040)
[ 1.75536] [ 2.58427] [ 2.24324] [ 2.19141] [ 0.30580]
CointEq4 0.001849 401.6202 11957.21 6.800447 0.694201
(0.00086) (181.725) (5989.25) (3.27871) (0.07602)
[ 2.13955] [ 2.21005] [ 1.99645] [ 2.07413] [ 9.13154]
D(P_PO(-1)) -16.88315 -3588726. -1.24E+08 -68548.86 1962.584
(1.71694) (360945.) (1.2E+07) (6512.33) (150.889)
[-9.83327] [-9.94258] [-10.3864] [-10.5260] [ 13.0068]
D(R_AG(-1)) 0.000294 63.93602 1995.528 1.079894 -0.010799
(0.00015) (31.4078) (1035.15) (0.56667) (0.01313)
[ 1.96745] [ 2.03568] [ 1.92777] [ 1.90567] [-0.82251]
D(R_CES(-1)) -5.86E-06 -1.302607 -39.41450 -0.021091 5.18E-05
(4.1E-06) (0.86146) (28.3922) (0.01554) (0.00036)
[-1.43069] [-1.51210] [-1.38821] [-1.35694] [ 0.14374]
D(EX_P(-1)) -0.003030 -605.6282 -20688.90 -11.87750 0.362786
(0.00031) (65.8836) (2171.41) (1.18870) (0.02754)
[-9.66979] [-9.19240] [-9.52785] [-9.99199] [ 13.1721]
D(IM_P(-1)) 0.000124 26.60253 853.2320 0.463998 -0.006676
(4.1E-05) (8.52861) (281.089) (0.15388) (0.00357)
[ 3.04631] [ 3.11921] [ 3.03545] [ 3.01538] [-1.87244]
C -2847.229 -5.74E+08 -1.99E+10 -10963863 309433.9
(288.252) (6.1E+07) (2.0E+09) (1093335) (25332.3)
[-9.87757] [-9.46449] [-9.94102] [-10.0279] [ 12.2150]
R-squared 1.000000 1.000000 1.000000 1.000000 1.000000
Adj. R-squared 1.000000 0.999999 0.999999 0.999999 1.000000
Sum sq. resids 3797920. 1.68E+17 1.82E+20 5.46E+13 2.93E+10
S.E. equation 540.5069 1.14E+08 3.75E+09 2050135. 47501.14
F-statistic 6707161. 4000033. 4461713. 4547083. 9.69E+09
Log likelihood -170.8020 -452.6885 -533.0792 -360.3429 -273.7500
Akaike AIC 15.72191 40.23379 47.22427 32.20373 24.67392
Schwarz SC 16.21561 40.72748 47.71797 32.69742 25.16761
Mean dependent -174.2585 -4974928. -2.85E+08 -111754.4 -364.8738
S.D. dependent 895324.7 1.45E+11 5.06E+12 2.80E+09 2.99E+09
Determinant resid covariance (dof adj.) 4.99E+53
Determinant resid covariance 2.88E+52
Log likelihood -1552.280
Akaike information criterion 141.0679
Schwarz criterion 144.5237
Fonte: Elaboração própria.
154
Tabela 32 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(P_PO)
Method: Least Squares
Sample (adjusted): 3 25
Included observations: 23 after adjustments
D(P_PO) = C(1)*( P_PO(-1) - 0.000298142446601*IM_P(-1) -
121.247273817 ) + C(2)*( R_AG(-1) - 50.0025139414*IM_P(-1) +
79268000.0209 ) + C(3)*( R_CES(-1) - 1721.6382791*IM_P(-1) +
2671607411.97 ) + C(4)*( EX_P(-1) - 0.957155550263*IM_P(-1) -
353567.796904 ) + C(5)*D(P_PO(-1)) + C(6)*D(R_AG(-1)) + C(7)
*D(R_CES(-1)) + C(8)*D(EX_P(-1)) + C(9)*D(IM_P(-1)) + C(10)
Coefficient Std. Error t-Statistic Prob.
C(1) -3.898991 0.341622 -11.41316 0.0000
C(2) -0.000215 0.000159 -1.353816 0.1989
C(3) 7.91E-06 4.50E-06 1.756496 0.1025
C(4) 0.001846 0.000866 2.132239 0.0526
C(5) -16.88318 1.716933 -9.833339 0.0000
C(6) 0.000294 0.000149 1.967436 0.0708
C(7) -5.86E-06 4.10E-06 -1.430677 0.1761
C(8) -0.003030 0.000313 -9.669857 0.0000
C(9) 0.000124 4.06E-05 3.046303 0.0094
C(10) -2847.234 288.2507 -9.877632 0.0000
R-squared 1.000000 Mean dependent var -174.2585
Adjusted R-squared 1.000000 S.D. dependent var 895324.7
S.E. of regression 540.5069 Akaike info criterion 15.72191
Sum squared resid 3797920. Schwarz criterion 16.21561
Log likelihood -170.8020 Hannan-Quinn criter. 15.84607
F-statistic 6707161. Durbin-Watson stat 1.777098
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
Tabela 33 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.078760 Prob. F(1,12) 0.7838
Obs*R-squared 0.149973 Prob. Chi-Square(1) 0.6986
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 3 25
Included observations: 23
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) 0.011190 0.356651 0.031375 0.9755
C(2) 6.69E-06 0.000167 0.040142 0.9686
C(3) -1.89E-07 4.72E-06 -0.040091 0.9687
C(4) 3.50E-05 0.000907 0.038591 0.9699
C(5) -0.070688 1.798957 -0.039294 0.9693
C(6) -6.29E-06 0.000157 -0.040157 0.9686
155
C(7) 1.72E-07 4.30E-06 0.040147 0.9686
C(8) -1.24E-05 0.000328 -0.037670 0.9706
C(9) -1.70E-06 4.25E-05 -0.039995 0.9688
C(10) -9.033783 300.7722 -0.030035 0.9765
RESID(-1) 0.084787 0.302117 0.280642 0.7838
R-squared 0.006521 Mean dependent var 4.22E-11
Adjusted R-squared -0.821379 S.D. dependent var 415.4909
S.E. of regression 560.7402 Akaike info criterion 15.80233
Sum squared resid 3773155. Schwarz criterion 16.34539
Log likelihood -170.7268 Hannan-Quinn criter. 15.93891
F-statistic 0.007876 Durbin-Watson stat 1.953024
Prob(F-statistic) 1.000000
Fonte: Elaboração própria.
Tabela 34 – Teste de Causalidade de Granjer.
Pairwise Granger Causality Tests
Sample: 1 25
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
R_AG does not Granger Cause P_PO 24 100.387 2.E-09
P_PO does not Granger Cause R_AG 95.0753 3.E-09
R_CES does not Granger Cause P_PO 24 75.4054 2.E-08
P_PO does not Granger Cause R_CES 73.8319 3.E-08
EX_P does not Granger Cause P_PO 24 184.918 7.E-12
P_PO does not Granger Cause EX_P 181.337 8.E-12
IM_P does not Granger Cause P_PO 24 0.19232 0.6655
P_PO does not Granger Cause IM_P 1102764 5.E-51
R_CES does not Granger Cause R_AG 24 177.656 1.E-11
R_AG does not Granger Cause R_CES 187.665 6.E-12
EX_P does not Granger Cause R_AG 24 39.3047 3.E-06
R_AG does not Granger Cause EX_P 40.2294 3.E-06
IM_P does not Granger Cause R_AG 24 0.22009 0.6438
R_AG does not Granger Cause IM_P 10364.1 9.E-30
EX_P does not Granger Cause R_CES 24 2.36923 0.1387
R_CES does not Granger Cause EX_P 2.38878 0.1371
IM_P does not Granger Cause R_CES 24 0.20897 0.6523
R_CES does not Granger Cause IM_P 22317.3 3.E-33
IM_P does not Granger Cause EX_P 24 0.21189 0.6500
EX_P does not Granger Cause IM_P 25378.3 7.E-34
Fonte: Elaboração própria.
156
Figura 7 – Funções de Impulso Resposta.
Fonte: Elaboração própria.
Modelo relacionado a variação do emprego industrial - Forma funcional F5
Tabela 35 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(R_IND) D(IM_P) D(EX_P) D(TJ) D(P_E)
Exogenous variables: C
Sample: 1 25
Included observations: 23
Lag LogL LR FPE AIC SC HQ
0 -2085.732 NA 6.22e+72 181.8028 182.0496 181.8648
1 -1519.078 837.6629* 2.32e+52* 134.7024* 136.1835* 135.0749*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
-30,000
-20,000
-10,000
0
10,000
20,000
1 2 3 4 5 6 7 8 9 10
Response of P_PO to P_PO
-30,000
-20,000
-10,000
0
10,000
20,000
1 2 3 4 5 6 7 8 9 10
Response of P_PO to R_AG
-30,000
-20,000
-10,000
0
10,000
20,000
1 2 3 4 5 6 7 8 9 10
Response of P_PO to R_CES
-30,000
-20,000
-10,000
0
10,000
20,000
1 2 3 4 5 6 7 8 9 10
Response of P_PO to EX_P
-30,000
-20,000
-10,000
0
10,000
20,000
1 2 3 4 5 6 7 8 9 10
Response of P_PO to IM_P
Response to Generalized One S.D. Innovations
157
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 36 – Teste de Cointegração de Johansen.
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Trend assumption: Linear deterministic trend
Series: R_IND IM_P EX_P TJ P_E
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999969 576.1918 69.81889 0.0001
At most 1 * 0.999660 337.5710 47.85613 0.0001
At most 2 * 0.997948 153.8688 29.79707 0.0001
At most 3 0.364339 11.52572 15.49471 0.1811
At most 4 0.046894 1.104665 3.841466 0.2932
Trace test indicates 3 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999969 238.6208 33.87687 0.0001
At most 1 * 0.999660 183.7022 27.58434 0.0001
At most 2 * 0.997948 142.3430 21.13162 0.0001
At most 3 0.364339 10.42106 14.26460 0.1857
At most 4 0.046894 1.104665 3.841466 0.2932
Max-eigenvalue test indicates 3 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
R_IND IM_P EX_P TJ P_E
2.26E-10 -1.38E-07 -2.42E-08 -0.003143 6.33E-05
8.72E-11 -7.08E-07 6.54E-07 0.000977 0.000129
1.66E-09 -2.97E-06 1.63E-06 -0.002201 0.001606
-7.56E-09 5.55E-06 6.74E-06 0.066687 -0.038546
-1.75E-08 -2.70E-05 4.53E-05 0.049602 -0.025488
Unrestricted Adjustment Coefficients (alpha):
D(R_IND) 1.03E+10 -1.12E+09 1.49E+10 3.99E+08 80843792
D(IM_P) -20265.18 797303.0 -548451.7 -18997.22 913.8834
D(EX_P) 14195487 -7615513. 22072999 524529.1 94347.87
D(TJ) -962.0792 -280.4934 81.38315 -3.948298 -0.570212
158
D(P_E) 3827.638 -2173.618 3973.857 92.30112 17.65108
1 Cointegrating Equation(s): Log likelihood -1399.767
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_E
1.000000 -612.3913 -107.3893 -13928363 280668.9
(102.803) (80.7768) (258429.) (156600.)
Adjustment coefficients (standard error in parentheses)
D(R_IND) 2.326645
(0.84292)
D(IM_P) -4.57E-06
(5.5E-05)
D(EX_P) 0.003204
(0.00132)
D(TJ) -2.17E-07
(1.6E-08)
D(P_E) 8.64E-07
(2.6E-07)
2 Cointegrating Equation(s): Log likelihood -1307.916
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_E
1.000000 0.000000 -728.2015 -15979042 183106.2
(13.8911) (131993.) (74164.7)
0.000000 1.000000 -1.013751 -3348.640 -159.3143
(0.01237) (117.537) (66.0419)
Adjustment coefficients (standard error in parentheses)
D(R_IND) 2.228566 -628.8811
(0.90113) (2686.42)
D(IM_P) 6.50E-05 -0.561622
(3.3E-05) (0.09920)
D(EX_P) 0.002539 3.429330
(0.00134) (3.98824)
D(TJ) -2.42E-07 0.000332
(5.0E-09) (1.5E-05)
D(P_E) 6.74E-07 0.001010
(2.4E-07) (0.00072)
3 Cointegrating Equation(s): Log likelihood -1236.744
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_E
1.000000 0.000000 0.000000 -78486715 -3408877.
(280600.) (862.920)
0.000000 1.000000 0.000000 -90367.42 -5159.820
(374.932) (1.15302)
0.000000 0.000000 1.000000 -85838.42 -4932.677
(383.950) (1.18075)
Adjustment coefficients (standard error in parentheses)
D(R_IND) 26.93542 -44757.49 23261.91
(0.42694) (776.556) (446.765)
159
D(IM_P) -0.000847 1.066700 -0.372682
(1.8E-05) (0.03279) (0.01887)
D(EX_P) 0.039230 -62.10416 30.68296
(0.00059) (1.07287) (0.61724)
D(TJ) -1.06E-07 8.99E-05 -2.74E-05
(4.6E-09) (8.3E-06) (4.8E-06)
D(P_E) 7.28E-06 -0.010788 0.004968
(1.1E-07) (0.00019) (0.00011)
4 Cointegrating Equation(s): Log likelihood -1231.534
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_E
1.000000 0.000000 0.000000 0.000000 -3758772.
(303.267)
0.000000 1.000000 0.000000 0.000000 -5562.680
(0.31165)
0.000000 0.000000 1.000000 0.000000 -5315.346
(0.28567)
0.000000 0.000000 0.000000 1.000000 -0.004458
(8.5E-06)
Adjustment coefficients (standard error in parentheses)
D(R_IND) 23.92108 -42546.46 25948.48 -39632494
(1.81091) (1480.44) (1628.32) (1.6E+07)
D(IM_P) -0.000703 0.961337 -0.500706 782.5998
(7.5E-05) (0.06094) (0.06703) (642.967)
D(EX_P) 0.035264 -59.19491 34.21792 -65658.53
(0.00252) (2.06255) (2.26857) (21761.2)
D(TJ) -7.65E-08 6.80E-05 -5.40E-05 2.307691
(2.0E-08) (1.6E-05) (1.8E-05) (0.16981)
D(P_E) 6.58E-06 -0.010276 0.005590 -16.74481
(4.6E-07) (0.00037) (0.00041) (3.95378)
Fonte: Elaboração própria.
Tabela 37 – Regressão do Modelo VEC.
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3
R_IND(-1) 1.000000 0.000000 0.000000
IM_P(-1) 0.000000 1.000000 0.000000
EX_P(-1) 0.000000 0.000000 1.000000
TJ(-1) -78486715 -90367.42 -85838.42
(299974.) (400.820) (410.460)
[-261.645] [-225.457] [-209.127]
P_E(-1) -3408877. -5159.820 -4932.677
(922.500) (1.23263) (1.26227)
[-3695.26] [-4186.04] [-3907.77]
160
C -1.20E+10 -15392887 -16039397
Error Correction: D(R_IND) D(IM_P) D(EX_P) D(TJ) D(P_E)
CointEq1 26.93542 -0.000847 0.039230 -1.06E-07 7.28E-06
(0.45642) (1.9E-05) (0.00063) (4.9E-09) (1.1E-07)
[ 59.0143] [-43.9308] [ 62.2128] [-21.7087] [ 63.8162]
CointEq2 -44757.49 1.066700 -62.10416 8.99E-05 -0.010788
(830.174) (0.03506) (1.14695) (8.9E-06) (0.00021)
[-53.9134] [ 30.4287] [-54.1472] [ 10.0939] [-51.9957]
CointEq3 23261.91 -0.372682 30.68296 -2.74E-05 0.004968
(477.612) (0.02017) (0.65986) (5.1E-06) (0.00012)
[ 48.7046] [-18.4788] [ 46.4993] [-5.34701] [ 41.6194]
D(R_IND(-1)) 13.10613 -0.000667 0.018388 -9.64E-09 3.24E-06
(0.31545) (1.3E-05) (0.00044) (3.4E-09) (7.9E-08)
[ 41.5469] [-50.0866] [ 42.1913] [-2.84761] [ 41.0475]
D(IM_P(-1)) 188.0184 -0.008894 0.265576 -7.02E-08 4.71E-05
(7.81387) (0.00033) (0.01080) (8.4E-08) (2.0E-06)
[ 24.0621] [-26.9560] [ 24.6007] [-0.83707] [ 24.1180]
D(EX_P(-1)) -47245.47 2.218702 -65.59297 8.85E-05 -0.011363
(621.818) (0.02626) (0.85909) (6.7E-06) (0.00016)
[-75.9796] [ 84.4979] [-76.3517] [ 13.2704] [-73.1163]
D(TJ(-1)) 1.65E+08 907.1776 180390.1 -4.569913 31.23272
(1305678) (55.1348) (1803.90) (0.01401) (0.32633)
[ 125.997] [ 16.4538] [ 100.000] [-326.230] [ 95.7091]
D(P_E(-1)) -54309996 2483.955 -75862.86 0.088010 -13.44934
(307448.) (12.9826) (424.763) (0.00330) (0.07684)
[-176.648] [ 191.330] [-178.600] [ 26.6816] [-175.029]
C 5.66E+09 322411.0 4548330. -381.6417 656.6488
(2.9E+08) (12074.3) (395047.) (3.06776) (71.4651)
[ 19.7794] [ 26.7022] [ 11.5134] [-124.404] [ 9.18838]
R-squared 1.000000 1.000000 1.000000 0.999940 1.000000
Adj. R-squared 1.000000 1.000000 1.000000 0.999906 1.000000
Sum sq. resids 2.38E+19 4.24E+10 4.54E+13 2736.417 1485003.
S.E. equation 1.30E+09 55026.10 1800340. 13.98064 325.6865
F-statistic 6009043. 8.12E+09 6633476. 29223.65 6469336.
Log likelihood -509.6509 -277.9845 -358.2067 -87.59306 -160.0031
Akaike AIC 45.10008 24.95517 31.93102 8.399396 14.69592
Schwarz SC 45.54440 25.39950 32.37534 8.843720 15.14024
Mean dependent -1.54E+08 -364.8738 -111754.4 -71.45261 -114.7390
S.D. dependent 1.93E+12 2.99E+09 2.80E+09 1441.256 499532.0
Determinant resid covariance (dof adj.) 4.18E+41
Determinant resid covariance 3.49E+40
Log likelihood -1236.744
Akaike information criterion 112.7604
Schwarz criterion 115.7225
Fonte: Elaboração própria.
161
Tabela 38 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(R_IND)
Method: Least Squares
Sample (adjusted): 3 25
Included observations: 23 after adjustments
D(R_IND) = C(1)*( R_IND(-1) - 78486715.431*TJ(-1) - 3408876.69456
*P_E(-1) - 11997034519.2 ) + C(2)*( IM_P(-1) - 90367.4244539*TJ(-1) -
5159.82010115*P_E(-1) - 15392886.6268 ) + C(3)*( EX_P(-1) -
85838.4248146*TJ(-1) - 4932.67681265*P_E(-1) - 16039397.1505 ) +
C(4)*D(R_IND(-1)) + C(5)*D(IM_P(-1)) + C(6)*D(EX_P(-1)) + C(7)*D(TJ(
-1)) + C(8)*D(P_E(-1)) + C(9)
Coefficient Std. Error t-Statistic Prob.
C(1) 26.93540 0.456422 59.01429 0.0000
C(2) -44757.46 830.1735 -53.91338 0.0000
C(3) 23261.89 477.6117 48.70461 0.0000
C(4) 13.10613 0.315454 41.54691 0.0000
C(5) 188.0184 7.813874 24.06213 0.0000
C(6) -47245.47 621.8178 -75.97961 0.0000
C(7) 1.65E+08 1305678. 125.9974 0.0000
C(8) -54309997 307447.8 -176.6479 0.0000
C(9) 5.66E+09 2.86E+08 19.77942 0.0000
R-squared 1.000000 Mean dependent var -1.54E+08
Adjusted R-squared 1.000000 S.D. dependent var 1.93E+12
S.E. of regression 1.30E+09 Akaike info criterion 45.10008
Sum squared resid 2.38E+19 Schwarz criterion 45.54440
Log likelihood -509.6509 Hannan-Quinn criter. 45.21182
F-statistic 6009043. Durbin-Watson stat 1.380681
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
Tabela 39 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.336070 Prob. F(1,13) 0.2685
Obs*R-squared 2.143517 Prob. Chi-Square(1) 0.1432
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 3 25
Included observations: 23
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) 0.016502 0.451266 0.036569 0.9714
C(2) -33.46507 820.8960 -0.040767 0.9681
C(3) 20.28819 472.3066 0.042956 0.9664
C(4) -0.011613 0.311896 -0.037233 0.9709
C(5) -0.301517 7.726149 -0.039025 0.9695
C(6) -25.58654 614.8848 -0.041612 0.9674
C(7) 2562.230 1290285. 0.001986 0.9984
162
C(8) -12532.33 304016.2 -0.041223 0.9677
C(9) -8577470. 2.83E+08 -0.030345 0.9763
RESID(-1) 0.307684 0.266189 1.155885 0.2685
R-squared 0.093196 Mean dependent var 0.006557
Adjusted R-squared -0.534591 S.D. dependent var 1.04E+09
S.E. of regression 1.29E+09 Akaike info criterion 45.08921
Sum squared resid 2.16E+19 Schwarz criterion 45.58290
Log likelihood -508.5259 Hannan-Quinn criter. 45.21337
F-statistic 0.148452 Durbin-Watson stat 1.852049
Prob(F-statistic) 0.996404
Fonte: Elaboração própria.
Tabela 40 – Teste de Causalidade de Granjer.
Pairwise Granger Causality Tests
Sample: 1 25
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
IM_P does not Granger Cause R_IND 24 0.24413 0.6264
R_IND does not Granger Cause IM_P 6977.41 6.E-28
EX_P does not Granger Cause R_IND 24 174.242 1.E-11
R_IND does not Granger Cause EX_P 178.548 1.E-11
TJ does not Granger Cause R_IND 24 0.08917 0.7682
R_IND does not Granger Cause TJ 0.05348 0.8193
P_E does not Granger Cause R_IND 24 10.4651 0.0040
R_IND does not Granger Cause P_E 11.7873 0.0025
EX_P does not Granger Cause IM_P 24 25378.3 7.E-34
IM_P does not Granger Cause EX_P 0.21189 0.6500
TJ does not Granger Cause IM_P 24 0.07973 0.7804
IM_P does not Granger Cause TJ 0.04390 0.8361
P_E does not Granger Cause IM_P 24 124442. 4.E-41
IM_P does not Granger Cause P_E 0.32266 0.5760
TJ does not Granger Cause EX_P 24 0.03035 0.8634
EX_P does not Granger Cause TJ 0.05225 0.8214
P_E does not Granger Cause EX_P 24 3.09820 0.0929
EX_P does not Granger Cause P_E 3.65060 0.0698
P_E does not Granger Cause TJ 24 0.05024 0.8248
TJ does not Granger Cause P_E 0.00802 0.9295
Fonte: Elaboração própria.
163
Figura 8 – Funções de Impulso Resposta.
Fonte: Elaboração própria.
Modelo relacionado a variação do emprego industrial - Forma Funcional F6
Tabela 41 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(R_IND) D(IM_P) D(EX_P) D(TJ) D(P_PO)
Exogenous variables: C
Sample: 1 25
Included observations: 23
Lag LogL LR FPE AIC SC HQ
0 -2082.504 NA 4.70e+72 181.5221 181.7689 181.5842
1 -1535.907 808.0133* 1.00e+53* 136.1658* 137.6469* 136.5383*
* indicates lag order selected by the criterion
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to R_IND
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to IM_P
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to EX_P
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to TJ
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to P_E
Response to Generalized One S.D. Innovations
164
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 42 – Teste de Cointegração de Johansen.
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Trend assumption: Linear deterministic trend
Series: R_IND IM_P EX_P TJ P_PO
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999976 579.1735 69.81889 0.0001
At most 1 * 0.999623 334.9813 47.85613 0.0001
At most 2 * 0.998068 153.6705 29.79707 0.0001
At most 3 0.321557 9.934696 15.49471 0.2858
At most 4 0.043034 1.011720 3.841466 0.3145
Trace test indicates 3 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999976 244.1922 33.87687 0.0001
At most 1 * 0.999623 181.3108 27.58434 0.0001
At most 2 * 0.998068 143.7358 21.13162 0.0001
At most 3 0.321557 8.922976 14.26460 0.2926
At most 4 0.043034 1.011720 3.841466 0.3145
Max-eigenvalue test indicates 3 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
R_IND IM_P EX_P TJ P_PO
2.02E-10 -2.22E-07 7.33E-08 -0.003067 6.12E-05
3.87E-11 -1.07E-06 1.02E-06 0.001128 0.000229
6.08E-10 -2.20E-06 1.76E-06 -0.000195 0.000354
-1.13E-08 -4.76E-06 7.52E-06 -0.037245 0.017414
1.20E-08 1.90E-06 -2.16E-05 -0.096985 0.036285
Unrestricted Adjustment Coefficients (alpha):
D(R_IND) 1.85E+09 -4.48E+09 3.12E+09 -4.75E+08 -70835412
D(IM_P) 498232.9 992785.4 -93297.08 15743.35 -842.4719
165
D(EX_P) 1952716. -11844488 6995434. -633102.4 -90402.72
D(TJ) -959.0085 -179.0421 178.1913 3.628563 -0.047125
D(P_PO) 2147.418 -6109.648 3039.866 -180.2683 -29.92252
1 Cointegrating Equation(s): Log likelihood -1413.811
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_PO
1.000000 -1101.723 362.9587 -15192897 303287.8
(20.8263) (59.9686) (574314.) (230263.)
Adjustment coefficients (standard error in parentheses)
D(R_IND) 0.372535
(0.27947)
D(IM_P) 0.000101
(5.0E-05)
D(EX_P) 0.000394
(0.00070)
D(TJ) -1.94E-07
(1.3E-08)
D(P_PO) 4.33E-07
(3.4E-07)
2 Cointegrating Equation(s): Log likelihood -1323.155
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_PO
1.000000 0.000000 -714.4778 -17039144 69488.12
(74.2421) (604606.) (239576.)
0.000000 1.000000 -0.977956 -1675.781 -212.2128
(0.04273) (347.977) (137.886)
Adjustment coefficients (standard error in parentheses)
D(R_IND) 0.199160 4372.026
(0.16693) (884.741)
D(IM_P) 0.000139 -1.169549
(5.1E-06) (0.02708)
D(EX_P) -6.37E-05 12.19707
(0.00037) (1.93576)
D(TJ) -2.01E-07 0.000404
(9.2E-09) (4.9E-05)
D(P_PO) 1.97E-07 0.006038
(1.6E-07) (0.00083)
3 Cointegrating Equation(s): Log likelihood -1251.288
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_PO
1.000000 0.000000 0.000000 91734326 -2544774.
(733905.) (1374.59)
0.000000 1.000000 0.000000 147210.1 -3790.537
(1006.62) (1.88539)
0.000000 0.000000 1.000000 152241.9 -3658.983
(1021.14) (1.91258)
Adjustment coefficients (standard error in parentheses)
166
D(R_IND) 2.095254 -2493.450 1074.125
(0.14750) (564.466) (467.432)
D(IM_P) 8.22E-05 -0.963989 0.880045
(5.5E-06) (0.02113) (0.01749)
D(EX_P) 0.004193 -3.215847 0.446966
(0.00020) (0.77339) (0.64044)
D(TJ) -9.21E-08 1.16E-05 6.20E-05
(1.9E-09) (7.2E-06) (6.0E-06)
D(P_PO) 2.05E-06 -0.000660 -0.000688
(6.3E-08) (0.00024) (0.00020)
4 Cointegrating Equation(s): Log likelihood -1246.826
Normalized cointegrating coefficients (standard error in parentheses)
R_IND IM_P EX_P TJ P_PO
1.000000 0.000000 0.000000 0.000000 -2227125.
(262.513)
0.000000 1.000000 0.000000 0.000000 -3280.791
(0.55646)
0.000000 0.000000 1.000000 0.000000 -3131.814
(0.59397)
0.000000 0.000000 0.000000 1.000000 -0.003463
(1.0E-05)
Adjustment coefficients (standard error in parentheses)
D(R_IND) 7.466030 -231.7320 -2494.514 6353156.
(2.22803) (1054.06) (1531.26) (7351061)
D(IM_P) -9.59E-05 -1.038997 0.998396 -976.0266
(8.7E-05) (0.04096) (0.05951) (285.682)
D(EX_P) 0.011356 -0.199486 -4.312384 2862.647
(0.00308) (1.45793) (2.11799) (10167.7)
D(TJ) -1.33E-07 -5.67E-06 8.93E-05 2.569376
(3.2E-08) (1.5E-05) (2.2E-05) (0.10404)
D(P_PO) 4.09E-06 0.000199 -0.002043 -7.358353
(9.9E-07) (0.00047) (0.00068) (3.25738)
Fonte: Elaboração própria.
Tabela 43 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3
R_IND(-1) 1.000000 0.000000 0.000000
IM_P(-1) 0.000000 1.000000 0.000000
EX_P(-1) 0.000000 0.000000 1.000000
TJ(-1) 91734326 147210.1 152241.9
(784577.) (1076.13) (1091.65)
[ 116.922] [ 136.796] [ 139.461]
P_PO(-1) -2544774. -3790.537 -3658.983
167
(1469.50) (2.01557) (2.04464)
[-1731.73] [-1880.63] [-1789.55]
C 2.74E+10 38599183 38981421
Error Correction: D(R_IND) D(IM_P) D(EX_P) D(TJ) D(P_PO)
CointEq1 2.095254 8.22E-05 0.004193 -9.21E-08 2.05E-06
(0.15769) (5.9E-06) (0.00022) (2.0E-09) (6.7E-08)
[ 13.2875] [ 13.9267] [ 19.4076] [-45.8219] [ 30.3942]
CointEq2 -2493.450 -0.963989 -3.215847 1.16E-05 -0.000660
(603.440) (0.02258) (0.82678) (7.7E-06) (0.00026)
[-4.13206] [-42.6841] [-3.88959] [ 1.51075] [-2.55975]
CointEq3 1074.125 0.880045 0.446966 6.20E-05 -0.000688
(499.706) (0.01870) (0.68466) (6.4E-06) (0.00021)
[ 2.14952] [ 47.0564] [ 0.65283] [ 9.73793] [-3.22332]
D(R_IND(-1)) 10.82581 -0.000477 0.015178 -7.58E-09 4.57E-06
(0.25068) (9.4E-06) (0.00034) (3.2E-09) (1.1E-07)
[ 43.1861] [-50.8522] [ 44.1913] [-2.37139] [ 42.7021]
D(IM_P(-1)) 188.7815 -0.007695 0.266046 -1.21E-07 8.20E-05
(6.41007) (0.00024) (0.00878) (8.2E-08) (2.7E-06)
[ 29.4508] [-32.0759] [ 30.2926] [-1.48721] [ 29.9519]
D(EX_P(-1)) 4188.831 -0.202595 5.969901 -1.36E-05 0.002164
(364.108) (0.01363) (0.49887) (4.6E-06) (0.00016)
[ 11.5044] [-14.8671] [ 11.9668] [-2.93037] [ 13.9179]
D(TJ(-1)) 74350276 4311.099 49278.11 -4.774467 1.631911
(1410681) (52.7960) (1932.80) (0.01798) (0.60252)
[ 52.7052] [ 81.6558] [ 25.4957] [-265.559] [ 2.70847]
D(P_PO(-1)) -45213143 1763.413 -62753.94 0.100476 -19.01840
(373617.) (13.9829) (511.899) (0.00476) (0.15958)
[-121.015] [ 126.112] [-122.590] [ 21.1010] [-119.180]
C -2.19E+09 583375.8 -6711913. -388.9110 -3107.327
(2.8E+08) (10589.2) (387659.) (3.60601) (120.847)
[-7.75655] [ 55.0915] [-17.3140] [-107.851] [-25.7129]
R-squared 1.000000 1.000000 1.000000 0.999931 1.000000
Adj. R-squared 1.000000 1.000000 1.000000 0.999892 1.000000
Sum sq. resids 1.94E+19 2.72E+10 3.64E+13 3152.620 3540707.
S.E. equation 1.18E+09 44066.49 1613224. 15.00624 502.8992
F-statistic 7360205. 1.27E+10 8261540. 25365.37 8716292.
Log likelihood -507.3184 -272.8760 -355.6827 -89.22128 -169.9955
Akaike AIC 44.89726 24.51096 31.71154 8.540981 15.56483
Schwarz SC 45.34158 24.95528 32.15586 8.985304 16.00915
Mean dependent -1.54E+08 -364.8738 -111754.4 -71.45261 -174.2585
S.D. dependent 1.93E+12 2.99E+09 2.80E+09 1441.256 895324.7
Determinant resid covariance (dof adj.) 1.48E+42
Determinant resid covariance 1.24E+41
Log likelihood -1251.288
Akaike information criterion 114.0250
Schwarz criterion 116.9872
168
Fonte: Elaboração própria.
Tabela 44 – Regressão da primeira equação do VEC.
Dependent Variable: D(R_IND)
Method: Least Squares
Sample (adjusted): 3 25
Included observations: 23 after adjustments
D(R_IND) = C(1)*( R_IND(-1) + 91734326.0944*TJ(-1) - 2544774.13176
*P_PO(-1) + 27354473046.7 ) + C(2)*( IM_P(-1) + 147210.091839*TJ(
-1) - 3790.53676195*P_PO(-1) + 38599182.7866 ) + C(3)*( EX_P(-1) +
152241.914971*TJ(-1) - 3658.9831348*P_PO(-1) + 38981420.8977 ) +
C(4)*D(R_IND(-1)) + C(5)*D(IM_P(-1)) + C(6)*D(EX_P(-1)) + C(7)*D(TJ(
-1)) + C(8)*D(P_PO(-1)) + C(9)
Coefficient Std. Error t-Statistic Prob.
C(1) 2.095254 0.157686 13.28750 0.0000
C(2) -2493.449 603.4403 -4.132057 0.0010
C(3) 1074.125 499.7063 2.149513 0.0496
C(4) 10.82581 0.250678 43.18610 0.0000
C(5) 188.7815 6.410070 29.45077 0.0000
C(6) 4188.831 364.1080 11.50436 0.0000
C(7) 74350276 1410681. 52.70523 0.0000
C(8) -45213143 373617.0 -121.0147 0.0000
C(9) -2.19E+09 2.83E+08 -7.756548 0.0000
R-squared 1.000000 Mean dependent var -1.54E+08
Adjusted R-squared 1.000000 S.D. dependent var 1.93E+12
S.E. of regression 1.18E+09 Akaike info criterion 44.89726
Sum squared resid 1.94E+19 Schwarz criterion 45.34158
Log likelihood -507.3184 Hannan-Quinn criter. 45.00900
F-statistic 7360205. Durbin-Watson stat 1.932104
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
Tabela 45 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.009558 Prob. F(1,13) 0.9236
Obs*R-squared 0.016897 Prob. Chi-Square(1) 0.8966
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 3 25
Included observations: 23
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) 0.000167 0.163587 0.001024 0.9992
C(2) -0.239645 625.9943 -0.000383 0.9997
C(3) 0.127212 518.3809 0.000245 0.9998
169
C(4) -0.000172 0.260051 -0.000661 0.9995
C(5) -0.003177 6.649679 -0.000478 0.9996
C(6) -0.111963 377.7157 -0.000296 0.9998
C(7) 284.1116 1463398. 0.000194 0.9998
C(8) -86.21786 387579.2 -0.000222 0.9998
C(9) 628345.5 2.94E+08 0.002140 0.9983
RESID(-1) 0.027312 0.279367 0.097763 0.9236
R-squared 0.000735 Mean dependent var 0.001180
Adjusted R-squared -0.691064 S.D. dependent var 9.39E+08
S.E. of regression 1.22E+09 Akaike info criterion 44.98348
Sum squared resid 1.94E+19 Schwarz criterion 45.47717
Log likelihood -507.3100 Hannan-Quinn criter. 45.10764
F-statistic 0.001062 Durbin-Watson stat 1.994699
Prob(F-statistic) 1.000000
Fonte: Elaboração própria.
Tabela 46 – Teste de Causalidade de Granjer.
Pairwise Granger Causality Tests
Sample: 1 25
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
IM_P does not Granger Cause R_IND 24 0.24413 0.6264
R_IND does not Granger Cause IM_P 6977.41 6.E-28
EX_P does not Granger Cause R_IND 24 174.242 1.E-11
R_IND does not Granger Cause EX_P 178.548 1.E-11
TJ does not Granger Cause R_IND 24 0.08917 0.7682
R_IND does not Granger Cause TJ 0.05348 0.8193
P_PO does not Granger Cause R_IND 24 188.185 6.E-12
R_IND does not Granger Cause P_PO 196.399 4.E-12
EX_P does not Granger Cause IM_P 24 25378.3 7.E-34
IM_P does not Granger Cause EX_P 0.21189 0.6500
TJ does not Granger Cause IM_P 24 0.07973 0.7804
IM_P does not Granger Cause TJ 0.04390 0.8361
P_PO does not Granger Cause IM_P 24 1102764 5.E-51
IM_P does not Granger Cause P_PO 0.19232 0.6655
TJ does not Granger Cause EX_P 24 0.03035 0.8634
EX_P does not Granger Cause TJ 0.05225 0.8214
P_PO does not Granger Cause EX_P 24 181.337 8.E-12
EX_P does not Granger Cause P_PO 184.918 7.E-12
P_PO does not Granger Cause TJ 24 0.04672 0.8310
TJ does not Granger Cause P_PO 0.00052 0.9820
Fonte: Elaboração própria.
170
Figura 9 – Funções de Impulso Resposta.
Fonte: Elaboração própria.
Modelo relacionado a variação do emprego industrial - Forma funcional F7
Tabela 47 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(VAR_EMP) D(R_IND) D(P_E) D(EX_P) D(IM_P)
Exogenous variables: C D(TJ)
Sample: 1 25
Included observations: 23
Lag LogL LR FPE AIC SC HQ
0 -1800.026 NA 1.56e+62 157.3936 157.8873 157.5177
1 -1320.422 667.2753* 1.17e+45* 117.8628* 119.5907* 118.2974*
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to R_IND
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to IM_P
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to EX_P
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to TJ
-1.0E+10
-5.0E+09
0.0E+00
5.0E+09
1.0E+10
1.5E+10
2.0E+10
1 2 3 4 5 6 7 8 9 10
Response of R_IND to P_PO
Response to Generalized One S.D. Innovations
171
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 48 – Teste de Cointegração de Johansen.
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Trend assumption: Linear deterministic trend
Series: VAR_EMP R_IND P_E EX_P IM_P TJ
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999982 606.1559 95.75366 0.0001
At most 1 * 0.999606 354.9109 69.81889 0.0001
At most 2 * 0.997261 174.6130 47.85613 0.0000
At most 3 * 0.729647 38.90643 29.79707 0.0034
At most 4 0.286685 8.821782 15.49471 0.3821
At most 5 0.044694 1.051637 3.841466 0.3051
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999982 251.2450 40.07757 0.0001
At most 1 * 0.999606 180.2979 33.87687 0.0001
At most 2 * 0.997261 135.7066 27.58434 0.0000
At most 3 * 0.729647 30.08464 21.13162 0.0021
At most 4 0.286685 7.770145 14.26460 0.4025
At most 5 0.044694 1.051637 3.841466 0.3051
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
VAR_EMP R_IND P_E EX_P IM_P TJ
1.929808 -2.54E-10 0.000103 -1.44E-07 2.89E-07 0.002806
10.34294 -1.05E-10 0.000973 -6.64E-07 5.33E-07 -0.001535
22.24846 -1.22E-09 0.001229 -4.67E-06 5.07E-06 -0.005650
-385.2800 -1.98E-08 -0.066174 3.46E-05 -8.01E-06 0.136749
-218.9919 -2.68E-09 0.007561 1.53E-05 -1.42E-05 0.000666
124.6409 -1.36E-08 -0.014248 3.67E-05 -2.35E-05 0.022863
172
Unrestricted Adjustment Coefficients (alpha):
D(VAR_EMP) -0.000997 -0.004102 -0.000133 -0.000350 -0.000644 -0.000537
D(R_IND) -1.15E+10 -9.57E+09 -8.03E+09 95108234 -1.95E+08 29809020
D(P_E) -4285.204 -3699.415 -1733.298 -6.283946 -52.17647 11.26871
D(EX_P) -16439385 -18321076 -10698923 -16948.61 -294332.3 52161.78
D(IM_P) 124537.1 898948.0 146233.9 6476.743 16927.90 -1014.570
D(TJ) 928.2846 -347.0823 -5.596980 -8.611609 1.389788 0.236797
1 Cointegrating Equation(s): Log likelihood -1270.831
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP R_IND P_E EX_P IM_P TJ
1.000000 -1.31E-10 5.32E-05 -7.47E-08 1.50E-07 0.001454
(1.1E-11) (2.7E-05) (2.6E-08) (1.6E-08) (4.9E-05)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) -0.001923
(0.00249)
D(R_IND) -2.22E+10
(6.2E+09)
D(P_E) -8269.621
(2037.23)
D(EX_P) -31724857
(1.1E+07)
D(IM_P) 240332.7
(454209.)
D(TJ) 1791.411
(173.089)
2 Cointegrating Equation(s): Log likelihood -1180.682
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP R_IND P_E EX_P IM_P TJ
1.000000 0.000000 9.75E-05 -6.33E-08 4.33E-08 -0.000283
(1.4E-05) (8.5E-09) (1.0E-08) (2.3E-05)
0.000000 1.000000 337452.8 86.47546 -808.2383 -13216250
(160020.) (98.2491) (118.596) (261552.)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) -0.044352 6.84E-13
(0.00772) (2.0E-13)
D(R_IND) -1.21E+11 3.925414
(2.2E+10) (0.57086)
D(P_E) -46532.57 1.48E-06
(4729.34) (1.2E-07)
D(EX_P) -2.21E+08 0.006096
(2.9E+07) (0.00076)
D(IM_P) 9538107. -0.000126
(410579.) (1.1E-05)
D(TJ) -1798.440 -1.99E-07
(38.8072) (1.0E-09)
3 Cointegrating Equation(s): Log likelihood -1112.829
Normalized cointegrating coefficients (standard error in parentheses)
173
VAR_EMP R_IND P_E EX_P IM_P TJ
1.000000 0.000000 0.000000 -6.43E-07 6.17E-07 -0.003118
(2.5E-08) (2.4E-08) (1.2E-05)
0.000000 1.000000 0.000000 -1921.088 1178.971 -23029576
(106.350) (101.867) (49174.5)
0.000000 0.000000 1.000000 0.005949 -0.005889 29.08059
(0.00028) (0.00027) (0.12821)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) -0.047308 8.45E-13 -4.26E-06
(0.01805) (9.1E-13) (1.2E-06)
D(R_IND) -3.00E+11 13.68178 -20361306
(3.9E+09) (0.19854) (250380.)
D(P_E) -85098.45 3.58E-06 -6.169440
(1031.87) (5.2E-08) (0.06586)
D(EX_P) -4.59E+08 0.019096 -32662.54
(5736736) (0.00029) (366.175)
D(IM_P) 12792142 -0.000304 1067.184
(242610.) (1.2E-05) (15.4858)
D(TJ) -1922.988 -1.92E-07 -0.249363
(83.5169) (4.2E-09) (0.00533)
4 Cointegrating Equation(s): Log likelihood -1097.786
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP R_IND P_E EX_P IM_P TJ
1.000000 0.000000 0.000000 0.000000 1.09E-09 -0.001291
(3.7E-12) (7.0E-06)
0.000000 1.000000 0.000000 0.000000 -661.5737 -17575096
(0.01847) (34702.3)
0.000000 0.000000 1.000000 0.000000 -0.000189 12.18932
(2.5E-08) (0.04770)
0.000000 0.000000 0.000000 1.000000 -0.958074 2839.266
(1.0E-05) (19.7059)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) 0.087426 7.76E-12 1.89E-05 -8.63E-09
(0.28095) (1.4E-11) (4.8E-05) (2.5E-08)
D(R_IND) -3.36E+11 11.80341 -26646047 48789.53
(6.1E+10) (3.11935) (1.0E+07) (5504.87)
D(P_E) -82661.80 3.71E-06 -5.751226 0.010948
(16172.4) (8.3E-07) (2.77282) (0.00146)
D(EX_P) -4.53E+08 0.019434 -31527.61 63.89079
(9.0E+07) (0.00462) (15424.5) (8.14657)
D(IM_P) 10293634 -0.000432 638.1112 -1.073098
(3750226) (0.00019) (642.993) (0.33960)
D(TJ) 1395.026 -2.19E-08 0.320522 -0.000175
(989.699) (5.1E-08) (0.16969) (9.0E-05)
5 Cointegrating Equation(s): Log likelihood -1093.901
Normalized cointegrating coefficients (standard error in parentheses)
VAR_EMP R_IND P_E EX_P IM_P TJ
1.000000 0.000000 0.000000 0.000000 0.000000 0.000182
(3.2E-06)
0.000000 1.000000 0.000000 0.000000 0.000000 -9.13E+08
(2970205)
174
0.000000 0.000000 1.000000 0.000000 0.000000 -243.8833
(0.81904)
0.000000 0.000000 0.000000 1.000000 0.000000 -1294501.
(4281.90)
0.000000 0.000000 0.000000 0.000000 1.000000 -1354113.
(4463.32)
Adjustment coefficients (standard error in parentheses)
D(VAR_EMP) 0.228534 9.48E-12 1.40E-05 -1.85E-08 8.82E-09
(0.31445) (1.4E-11) (4.7E-05) (2.7E-08) (1.2E-08)
D(R_IND) -2.94E+11 12.32003 -28143549 45808.33 -47102.94
(6.6E+10) (2.98198) (9938376) (5693.68) (2552.44)
D(P_E) -71273.00 3.84E-06 -6.150921 0.010152 -0.011202
(17606.9) (7.9E-07) (2.64289) (0.00151) (0.00068)
D(EX_P) -3.88E+08 0.020212 -33782.28 59.40049 -64.41701
(9.8E+07) (0.00440) (14677.6) (8.40877) (3.76960)
D(IM_P) 6593629. -0.000477 767.0918 -0.814407 0.963718
(3850784) (0.00017) (578.019) (0.33115) (0.14845)
D(TJ) 1090.500 -2.56E-08 0.331005 -0.000154 0.000104
(1126.64) (5.1E-08) (0.16911) (9.7E-05) (4.3E-05)
Fonte: Elaboração própria.
Tabela 49 – Regressão do modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 3 25
Included observations: 23 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4
VAR_EMP(-1) 1.000000 0.000000 0.000000 0.000000
R_IND(-1) 0.000000 1.000000 0.000000 0.000000
P_E(-1) 0.000000 0.000000 1.000000 0.000000
EX_P(-1) 0.000000 0.000000 0.000000 1.000000
IM_P(-1) 1.09E-09 -661.5737 -0.000189 -0.958074
(4.2E-12) (0.02065) (2.8E-08) (1.2E-05)
[ 260.334] [-32044.6] [-6664.15] [-81721.6]
TJ(-1) -0.001291 -17575096 12.18932 2839.266
(7.9E-06) (38798.4) (0.05333) (22.0319)
[-164.403] [-452.985] [ 228.573] [ 128.871]
C -0.519684 -1.62E+09 1609.334 -682574.6
Error Correction: D(VAR_EMP) D(R_IND) D(P_E) D(EX_P) D(IM_P) D(TJ)
CointEq1 0.087426 -3.36E+11 -82661.80 -4.53E+08 10293634 1395.026
(0.31412) (6.8E+10) (18081.2) (1.0E+08) (4192880) (1106.52)
[ 0.27832] [-4.95005] [-4.57169] [-4.50036] [ 2.45503] [ 1.26074]
CointEq2 7.76E-12 11.80341 3.71E-06 0.019434 -0.000432 -2.19E-08
(1.6E-11) (3.48754) (9.3E-07) (0.00516) (0.00022) (5.7E-08)
[ 0.48140] [ 3.38445] [ 3.99507] [ 3.76540] [-2.00771] [-0.38525]
175
CointEq3 1.89E-05 -26646047 -5.751226 -31527.61 638.1112 0.320522
(5.4E-05) (1.2E+07) (3.10011) (17245.1) (718.888) (0.18972)
[ 0.35064] [-2.28662] [-1.85517] [-1.82821] [ 0.88764] [ 1.68947]
CointEq4 -8.63E-09 48789.53 0.010948 63.89079 -1.073098 -0.000175
(2.8E-08) (6154.63) (0.00164) (9.10814) (0.37969) (0.00010)
[-0.30324] [ 7.92728] [ 6.68617] [ 7.01469] [-2.82627] [-1.75135]
D(VAR_EMP(-1)) -0.122836 7.48E+10 17189.11 95029161 -2805919. -622.8415
(0.29778) (6.4E+10) (17143.3) (9.5E+07) (3975262) (1048.99)
[-0.41250] [ 1.16009] [ 1.00267] [ 0.99649] [-0.70585] [-0.59375]
D(R_IND(-1)) -2.36E-12 14.54538 3.57E-06 0.020244 -0.000702 -1.73E-08
(2.0E-12) (0.43627) (1.2E-07) (0.00065) (2.7E-05) (7.1E-09)
[-1.16937] [ 33.3407] [ 30.7341] [ 31.3553] [-26.0913] [-2.44054]
D(P_E(-1)) -1.54E-06 -51473119 -12.72638 -71963.46 2396.386 0.075105
(2.5E-06) (549359.) (0.14615) (812.989) (33.8896) (0.00894)
[-0.60691] [-93.6967] [-87.0782] [-88.5171] [ 70.7115] [ 8.39837]
D(EX_P(-1)) 1.69E-09 -54712.26 -0.013071 -75.15708 2.419419 0.000135
(9.6E-09) (2077.35) (0.00055) (3.07425) (0.12815) (3.4E-05)
[ 0.17630] [-26.3375] [-23.6521] [-24.4473] [ 18.8795] [ 3.98736]
D(IM_P(-1)) -3.35E-11 201.8365 5.03E-05 0.283517 -0.009182 -1.34E-07
(3.7E-11) (7.91225) (2.1E-06) (0.01171) (0.00049) (1.3E-07)
[-0.91719] [ 25.5094] [ 23.8930] [ 24.2131] [-18.8116] [-1.03667]
D(TJ(-1)) 7.05E-05 -14463763 -11.23471 -54446.08 5915.940 -3.580270
(0.00019) (4.1E+07) (10.8798) (60521.7) (2522.86) (0.66573)
[ 0.37287] [-0.35367] [-1.03262] [-0.89961] [ 2.34493] [-5.37793]
C 0.000287 -6.15E+09 -2142.640 -10941244 649154.1 -316.9278
(0.01241) (2.7E+09) (714.438) (3974235) (165667.) (43.7162)
[ 0.02310] [-2.29136] [-2.99906] [-2.75304] [ 3.91843] [-7.24966]
R-squared 0.821114 1.000000 1.000000 1.000000 1.000000 0.999950
Adj. R-squared 0.672043 1.000000 1.000000 1.000000 1.000000 0.999909
Sum sq. resids 0.000183 8.56E+18 605550.3 1.87E+13 3.26E+10 2267.286
S.E. equation 0.003902 8.44E+08 224.6386 1249607. 52090.15 13.74556
F-statistic 5.508191 11448889 10878781 11015215 7.25E+09 24185.66
Log likelihood 102.4100 -497.8988 -149.6872 -348.0356 -274.9506 -85.43030
Akaike AIC -7.948696 44.25207 13.97280 31.22049 24.86527 8.385244
Schwarz SC -7.405634 44.79513 14.51586 31.76355 25.40834 8.928306
Mean dependent -0.003947 -1.54E+08 -114.7390 -111754.4 -364.8738 -71.45261
S.D. dependent 0.006814 1.93E+12 499532.0 2.80E+09 2.99E+09 1441.256
Determinant resid covariance (dof adj.) 5.73E+35
Determinant resid covariance 1.16E+34
Log likelihood -1097.786
Akaike information criterion 103.2858
Schwarz criterion 107.7290
Fonte: Elaboração própria.
Tabela 50 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(VAR_EMP)
176
Method: Least Squares
Sample (adjusted): 3 25
Included observations: 23 after adjustments
D(VAR_EMP) = C(1)*( VAR_EMP(-1) + 1.08811623923E-09*IM_P(-1) -
0.0012913543942*TJ(-1) - 0.519684053797 ) + C(2)*( R_IND(-1) -
661.573689273*IM_P(-1) - 17575095.8352*TJ(-1) - 1616950680.3 ) +
C(3)*( P_E(-1) - 0.000189107285268*IM_P(-1) + 12.1893170365*TJ(
-1) + 1609.33386465 ) + C(4)*( EX_P(-1) - 0.95807391608*IM_P(-1) +
2839.26576625*TJ(-1) - 682574.590225 ) + C(5)*D(VAR_EMP(-1)) +
C(6)*D(R_IND(-1)) + C(7)*D(P_E(-1)) + C(8)*D(EX_P(-1)) + C(9)
*D(IM_P(-1)) + C(10)*D(TJ(-1)) + C(11)
Coefficient Std. Error t-Statistic Prob.
C(1) 0.087413 0.314116 0.278284 0.7855
C(2) 7.76E-12 1.61E-11 0.481360 0.6389
C(3) 1.89E-05 5.39E-05 0.350601 0.7320
C(4) -8.62E-09 2.84E-08 -0.303196 0.7669
C(5) -0.122837 0.297785 -0.412501 0.6872
C(6) -2.36E-12 2.02E-12 -1.169366 0.2650
C(7) -1.54E-06 2.54E-06 -0.606908 0.5552
C(8) 1.69E-09 9.60E-09 0.176306 0.8630
C(9) -3.35E-11 3.66E-11 -0.917188 0.3771
C(10) 7.05E-05 0.000189 0.372869 0.7157
C(11) 0.000287 0.012410 0.023104 0.9819
R-squared 0.821114 Mean dependent var -0.003947
Adjusted R-squared 0.672043 S.D. dependent var 0.006814
S.E. of regression 0.003902 Akaike info criterion -7.948696
Sum squared resid 0.000183 Schwarz criterion -7.405634
Log likelihood 102.4100 Hannan-Quinn criter. -7.812117
F-statistic 5.508191 Durbin-Watson stat 2.079543
Prob(F-statistic) 0.003551
Fonte: Elaboração própria.
Tabela 51 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.768463 Prob. F(1,11) 0.3994
Obs*R-squared 1.501866 Prob. Chi-Square(1) 0.2204
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 3 25
Included observations: 23
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) 0.163396 0.367903 0.444128 0.6656
C(2) 1.10E-11 2.06E-11 0.536034 0.6026
C(3) 3.09E-05 6.48E-05 0.477042 0.6427
C(4) -1.12E-08 3.15E-08 -0.357472 0.7275
C(5) 0.467236 0.611969 0.763496 0.4612
C(6) -2.65E-12 3.64E-12 -0.726780 0.4825
177
C(7) -3.23E-06 4.49E-06 -0.719804 0.4867
C(8) 3.23E-10 9.70E-09 0.033291 0.9740
C(9) -5.68E-11 7.46E-11 -0.761738 0.4622
C(10) 9.90E-05 0.000222 0.446418 0.6640
C(11) 0.008580 0.015901 0.539597 0.6002
RESID(-1) -0.691781 0.789146 -0.876621 0.3994
R-squared 0.065299 Mean dependent var -1.09E-15
Adjusted R-squared -0.869403 S.D. dependent var 0.002882
S.E. of regression 0.003940 Akaike info criterion -7.929268
Sum squared resid 0.000171 Schwarz criterion -7.336836
Log likelihood 103.1866 Hannan-Quinn criter. -7.780273
F-statistic 0.069860 Durbin-Watson stat 1.777856
Prob(F-statistic) 0.999943
Fonte: Elaboração própria.
178
Modelo relacionado ao Valor Adicionado da Indústria
Figura 10 – Forma gráfica das variáveis selecionadas de periodicidade trimestral.
Fonte: Elaboração própria.
179
Figura 11 – Forma gráfica das variáveis selecionadas de periodicidade trimestral.
Fonte: Elaboração própria.
180
Figura 12 – Forma gráfica das variáveis selecionadas de periodicidade anual.
Fonte: Elaboração própria.
Modelo relacionado ao Valor Adicionado da Indústria - Forma Funcional F8
Tabela 52 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
181
Endogenous variables: D(VA_IND) D(BC) D(FB_CF) D(IPCA_NC) D(IPCA_C) D(TC) D(TJ) D(TX_C)
Exogenous variables: C
Sample: 1991Q1 2014Q4
Included observations: 93
Lag LogL LR FPE AIC SC HQ
0 -15511.66 NA 1.2e+135 333.7561 333.9740 333.8441
1 -12467.54 5499.058 1.8e+107 269.6675 271.6282 270.4592
2 -10533.95 3160.270* 6.43e+89* 229.4614* 233.1649* 230.9568*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 53 – Teste de Cointegração de Johansen.
Sample (adjusted): 1991Q4 2014Q4
Included observations: 93 after adjustments
Trend assumption: Linear deterministic trend
Series: VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ
TX_C
Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic
Critical
Value Prob.**
None * 1.000000 3339.427 159.5297 1.0000
At most 1 * 0.999900 1732.117 125.6154 1.0000
At most 2 * 0.994304 875.5682 95.75366 0.0001
At most 3 * 0.956431 394.9430 69.81889 0.0001
At most 4 * 0.453395 103.5363 47.85613 0.0000
At most 5 * 0.284591 47.36153 29.79707 0.0002
At most 6 * 0.107045 16.21580 15.49471 0.0389
At most 7 * 0.059313 5.686457 3.841466 0.0171
Trace test indicates 8 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic
Critical
Value Prob.**
None * 1.000000 1607.311 52.36261 1.0000
At most 1 * 0.999900 856.5484 46.23142 0.0001
At most 2 * 0.994304 480.6252 40.07757 0.0001
At most 3 * 0.956431 291.4067 33.87687 0.0001
At most 4 * 0.453395 56.17476 27.58434 0.0000
At most 5 * 0.284591 31.14573 21.13162 0.0014
182
At most 6 0.107045 10.52934 14.26460 0.1794
At most 7 * 0.059313 5.686457 3.841466 0.0171
Max-eigenvalue test indicates 6 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by
b'*S11*b=I):
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
-2.44E-13 -4.25E-12 1.83E-14 -7.58E-05 -1.23E-05 -1.95E-10 1.73E-05 -7.90E-06
4.07E-13 -7.26E-12 -1.50E-15 0.005114 0.001103 1.35E-09 -0.001963 0.000664
-2.38E-13 5.89E-12 -6.63E-15 -0.000874 0.037223 -8.29E-08 -0.002592 -0.000769
1.96E-13 -3.64E-13 -1.03E-14 -0.140841 -0.100271 3.26E-07 0.016727 -0.004678
4.62E-14 -2.90E-13 -3.16E-15 0.457524 -0.440832 8.50E-07 0.062093 -0.004002
-7.09E-13 7.06E-12 1.05E-14 -0.727819 1.155659 4.10E-06 0.179653 -0.053335
-3.57E-13 5.02E-12 2.27E-15 -0.125368 0.296327 -8.77E-06 0.048891 -0.032977
-2.39E-13 3.47E-12 1.13E-15 -0.223469 0.390348 1.64E-06 0.095947 -0.113202
Unrestricted Adjustment Coefficients (alpha):
D(VA_IND) 4.25E+12 4.02E+12 6.29E+12 -6.26E+11 1.54E+11 -1.32E+11 2.99E+10 2.44E+10
D(BC) 2.21E+11 3.52E+11 3.23E+11 -3.76E+10 7.99E+09 -6.42E+09 1.94E+09 1.51E+09
D(FB_CF) 5.69E+13 1.23E+14 1.57E+14 -1.65E+13 3.84E+12 -3.24E+12 8.08E+11 6.49E+11
D(IPCA_NC) 3.163253 -3.455493 -0.580660 4.661641 -0.306736 0.097412 -0.048656 -0.086445
D(IPCA_C) 3.012196 -4.379866 -0.811504 4.698764 0.643195 -0.350172 -0.045053 -0.115554
D(TC) -11589.30 3104.006 2920.633 10129.27 1303.596 7176.428 6009.510 -14278.31
D(TJ) 2.451328 -5.171525 1.300549 2.063030 -0.973993 -1.201372 -0.414660 -0.260268
D(TX_C) -0.253074 0.651333 0.903372 -0.997272 0.011990 -0.590046 0.893956 0.119709
1 Cointegrating
Equation(s):
Log
likelihood -9730.298
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
1.000000 17.41573 -0.075209 3.11E+08 50371595 800.6076 -70741733 32384547
(0.00071) (1.7E-06) (5.6E+07) (6.8E+07) (824.688) (1.2E+07) (8795326)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -1.036507
(0.21164)
D(BC) -0.053953
(0.01354)
D(FB_CF) -13.86973
(5.65294)
D(IPCA_NC) -7.72E-13
(1.7E-13)
D(IPCA_C) -7.35E-13
(1.9E-13)
D(TC) 2.83E-09
(1.8E-09)
D(TJ) -5.98E-13
(1.8E-13)
D(TX_C) 6.17E-14
(9.4E-14)
183
2 Cointegrating
Equation(s):
Log
likelihood -9302.023
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
1.000000 0.000000 -0.039848 6.36E+09 1.36E+09 2048.181 -2.42E+09 8.23E+08
(7.5E-06) (9.5E+08) (1.1E+09) (13712.4) (2.1E+08) (1.5E+08)
0.000000 1.000000 -0.002030 -3.47E+08 -75388131 -71.63487 1.35E+08 -45370392
(4.3E-07) (5.4E+07) (6.5E+07) (787.344) (1.2E+07) (8401936)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) 0.602283 -47.23940
(0.34802) (6.16257)
D(BC) 0.089514 -3.494872
(0.01794) (0.31768)
D(FB_CF) 36.39563 -1136.810
(8.68059) (153.710)
D(IPCA_NC) -2.18E-12 1.16E-11
(2.7E-13) (4.7E-12)
D(IPCA_C) -2.52E-12 1.90E-11
(2.8E-13) (4.9E-12)
D(TC) 4.09E-09 2.67E-08
(3.5E-09) (6.2E-08)
D(TJ) -2.71E-12 2.71E-11
(2.2E-13) (3.9E-12)
D(TX_C) 3.27E-13 -3.65E-12
(1.8E-13) (3.2E-12)
3 Cointegrating
Equation(s):
Log
likelihood -9061.711
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
1.000000 0.000000 0.000000 -1.94E+10 -3.64E+11 789874.5 3.56E+10 3.77E+09
(5.7E+10) (6.8E+10) (818338.) (1.1E+10) (8.6E+09)
0.000000 1.000000 0.000000 -1.66E+09 -1.87E+10 40070.15 2.07E+09 1.05E+08
(2.9E+09) (3.5E+09) (41833.6) (5.6E+08) (4.4E+08)
0.000000 0.000000 1.000000 -6.47E+11 -9.16E+12 19770689 9.55E+11 7.39E+10
(1.4E+12) (1.7E+12) (2.1E+07) (2.7E+11) (2.2E+11)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -0.891219 -10.22714 0.030212
(0.05380) (1.04010) (0.00198)
D(BC) 0.012672 -1.590575 0.001383
(0.00303) (0.05866) (0.00011)
D(FB_CF) -0.833543 -214.1887 -0.181679
(1.38277) (26.7319) (0.05095)
D(IPCA_NC) -2.04E-12 8.22E-12 6.71E-14
(2.9E-13) (5.7E-12) (1.1E-14)
D(IPCA_C) -2.33E-12 1.42E-11 6.72E-14
(3.0E-13) (5.9E-12) (1.1E-14)
D(TC) 3.40E-09 4.39E-08 -2.37E-10
(3.9E-09) (7.6E-08) (1.4E-10)
D(TJ) -3.01E-12 3.48E-11 4.41E-14
(2.3E-13) (4.5E-12) (8.6E-15)
D(TX_C) 1.12E-13 1.67E-12 -1.16E-14
(1.9E-13) (3.7E-12) (7.1E-15)
184
4 Cointegrating
Equation(s):
Log
likelihood -8916.007
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
1.000000 0.000000 0.000000 0.000000 -3.46E+11 737520.7 3.29E+10 4.39E+09
(2.4E+10) (778616.) (1.0E+10) (8.2E+09)
0.000000 1.000000 0.000000 0.000000 -1.72E+10 35592.83 1.84E+09 1.58E+08
(1.2E+09) (39565.4) (5.2E+08) (4.1E+08)
0.000000 0.000000 1.000000 0.000000 -8.58E+12 18026651 8.64E+11 9.46E+10
(6.1E+11) (2.0E+07) (2.5E+11) (2.0E+11)
0.000000 0.000000 0.000000 1.000000 0.900102 -2.69E-06 -0.140726 0.032012
(0.05150) (1.7E-06) (0.02156) (0.01736)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -1.013924 -9.999157 0.036641 1.03E+11
(0.04018) (0.72912) (0.00157) (1.0E+10)
D(BC) 0.005304 -1.576884 0.001769 6.80E+09
(0.00210) (0.03816) (8.2E-05) (5.2E+08)
D(FB_CF) -4.062184 -208.1899 -0.012500 2.81E+12
(1.00647) (18.2654) (0.03929) (2.5E+11)
D(IPCA_NC) -1.13E-12 6.52E-12 1.92E-14 -0.673954
(7.7E-14) (1.4E-12) (3.0E-15) (0.01913)
D(IPCA_C) -1.41E-12 1.25E-11 1.90E-14 -0.683697
(1.1E-13) (1.9E-12) (4.1E-15) (0.02624)
D(TC) 5.38E-09 4.02E-08 -3.41E-10 -1412.417
(4.1E-09) (7.5E-08) (1.6E-10) (1024.61)
D(TJ) -2.61E-12 3.40E-11 2.29E-14 -0.318329
(2.1E-13) (3.8E-12) (8.1E-15) (0.05177)
D(TX_C) -8.30E-14 2.03E-12 -1.37E-15 0.143018
(2.0E-13) (3.6E-12) (7.6E-15) (0.04877)
5 Cointegrating
Equation(s):
Log
likelihood -8887.920
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
1.000000 0.000000 0.000000 0.000000 0.000000 -105531.7 -1.82E+10 1.18E+10
(887220.) (8.5E+09) (8.7E+09)
0.000000 1.000000 0.000000 0.000000 0.000000 -6243.377 -6.96E+08 5.24E+08
(45095.7) (4.3E+08) (4.4E+08)
0.000000 0.000000 1.000000 0.000000 0.000000 -2863292. -4.02E+11 2.77E+11
(2.2E+07) (2.1E+11) (2.2E+11)
0.000000 0.000000 0.000000 1.000000 0.000000 -5.03E-07 -0.007877 0.012838
(1.5E-06) (0.01441) (0.01459)
0.000000 0.000000 0.000000 0.000000 1.000000 -2.44E-06 -0.147593 0.021302
(1.6E-06) (0.01559) (0.01579)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -1.006828 -10.04375 0.036156 1.73E+11 2.33E+11
(0.03903) (0.70630) (0.00153) (3.3E+10) (3.1E+10)
D(BC) 0.005673 -1.579205 0.001744 1.05E+10 1.27E+10
(0.00204) (0.03698) (8.0E-05) (1.7E+09) (1.6E+09)
D(FB_CF) -3.884811 -209.3046 -0.024638 4.57E+12 5.93E+12
(0.97796) (17.6962) (0.03844) (8.2E+11) (7.8E+11)
D(IPCA_NC) -1.14E-12 6.61E-12 2.02E-14 -0.814294 -0.357669
(7.4E-14) (1.3E-12) (2.9E-15) (0.06274) (0.05944)
185
D(IPCA_C) -1.38E-12 1.23E-11 1.69E-14 -0.389420 -0.789761
(9.7E-14) (1.8E-12) (3.8E-15) (0.08172) (0.07743)
D(TC) 5.44E-09 3.98E-08 -3.45E-10 -815.9907 -1478.058
(4.1E-09) (7.5E-08) (1.6E-10) (3479.71) (3297.15)
D(TJ) -2.65E-12 3.43E-11 2.60E-14 -0.763954 0.265184
(2.0E-13) (3.6E-12) (7.8E-15) (0.16740) (0.15861)
D(TX_C) -8.24E-14 2.03E-12 -1.41E-15 0.148504 0.129058
(2.0E-13) (3.6E-12) (7.7E-15) (0.16566) (0.15697)
6 Cointegrating
Equation(s):
Log
likelihood -8872.347
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.27E+10 1.07E+10
(7.9E+09) (8.5E+09)
0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 -3.71E+08 4.60E+08
(4.0E+08) (4.3E+08)
0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 -2.53E+11 2.48E+11
(2.0E+11) (2.1E+11)
0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.018264 0.007707
(0.01500) (0.01601)
0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 -0.020920 -0.003562
(0.00982) (0.01048)
0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 52018.60 -10210.57
(4162.47) (4443.93)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -0.912909 -10.97852 0.034763 2.70E+11 8.04E+10 -1133529.
(0.06087) (0.83531) (0.00165) (5.8E+10) (8.3E+10) (281622.)
D(BC) 0.010227 -1.624529 0.001677 1.51E+10 5.25E+09 -58192.24
(0.00320) (0.04390) (8.7E-05) (3.1E+09) (4.4E+09) (14800.6)
D(FB_CF) -1.586488 -232.1795 -0.058714 6.93E+12 2.18E+12 -28240633
(1.52693) (20.9536) (0.04147) (1.5E+12) (2.1E+12) (7064482)
D(IPCA_NC) -1.21E-12 7.30E-12 2.12E-14 -0.885192 -0.245094 1.70E-06
(1.2E-13) (1.6E-12) (3.2E-15) (0.11374) (0.16209) (5.5E-07)
D(IPCA_C) -1.13E-12 9.84E-12 1.33E-14 -0.134558 -1.194441 7.02E-07
(1.5E-13) (2.1E-12) (4.1E-15) (0.14447) (0.20588) (7.0E-07)
D(TC) 3.55E-10 9.05E-08 -2.69E-10 -6039.134 6815.445 0.033613
(6.6E-09) (9.0E-08) (1.8E-10) (6290.70) (8964.98) (0.03035)
D(TJ) -1.80E-12 2.58E-11 1.34E-14 0.110428 -1.123193 -5.20E-06
(2.9E-13) (4.0E-12) (7.9E-15) (0.27961) (0.39848) (1.3E-06)
D(TX_C) 3.36E-13 -2.14E-12 -7.61E-15 0.577951 -0.552833 -2.81E-06
(3.1E-13) (4.2E-12) (8.4E-15) (0.29555) (0.42120) (1.4E-06)
7 Cointegrating
Equation(s):
Log
likelihood -8867.083
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC FB_CF IPCA_NC IPCA_C TC TJ TX_C
1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 7.72E+09
(6.8E+09)
0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 3.73E+08
(3.5E+08)
0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 1.89E+11
(1.7E+11)
0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.011976
186
(0.01256)
0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 -0.008452
(0.00867)
0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 1948.543
(2593.24)
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 -0.233745
(0.08242)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -0.923584 -10.82832 0.034831 2.66E+11 8.92E+10 -1395840. -4.74E+10
(0.06531) (0.89936) (0.00166) (5.9E+10) (8.5E+10) (650892.) (1.3E+10)
D(BC) 0.009535 -1.614803 0.001681 1.49E+10 5.82E+09 -75179.08 -2.72E+09
(0.00343) (0.04723) (8.7E-05) (3.1E+09) (4.5E+09) (34183.8) (6.9E+08)
D(FB_CF) -1.874871 -228.1220 -0.056882 6.82E+12 2.42E+12 -35326934 -1.23E+12
(1.63807) (22.5556) (0.04158) (1.5E+12) (2.1E+12) (1.6E+07) (3.3E+11)
D(IPCA_NC) -1.19E-12 7.05E-12 2.11E-14 -0.879092 -0.259512 2.13E-06 0.082395
(1.3E-13) (1.8E-12) (3.2E-15) (0.11480) (0.16649) (1.3E-06) (0.02570)
D(IPCA_C) -1.11E-12 9.61E-12 1.32E-14 -0.128910 -1.207792 1.10E-06 0.064177
(1.6E-13) (2.2E-12) (4.1E-15) (0.14588) (0.21156) (1.6E-06) (0.03265)
D(TC) -1.79E-09 1.21E-07 -2.56E-10 -6792.538 8596.224 -0.019100 1819.591
(7.0E-09) (9.7E-08) (1.8E-10) (6326.09) (9174.16) (0.06991) (1416.01)
D(TJ) -1.66E-12 2.37E-11 1.24E-14 0.162414 -1.246067 -1.56E-06 -0.255247
(3.1E-13) (4.3E-12) (7.9E-15) (0.27933) (0.40509) (3.1E-06) (0.06252)
D(TX_C) 1.68E-14 2.35E-12 -5.59E-15 0.465877 -0.287930 -1.07E-05 -0.081858
(3.2E-13) (4.3E-12) (8.0E-15) (0.28444) (0.41250) (3.1E-06) (0.06367)
Fonte: Elaboração própria.
Tabela 54 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 1991Q4 2014Q4
Included observations: 93 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4 CointEq5 CointEq6
VA_IND(-1) 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000
BC(-1) 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000
FB_CF(-1) 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000
IPCA_NC(-1) 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000
IPCA_C(-1) 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000
TC(-1) 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000
TJ(-1) -1.27E+10 -3.71E+08 -2.53E+11 0.018264 -0.020920 52018.60
(8.2E+09) (4.2E+08) (2.1E+11) (0.01552) (0.01016) (4308.56)
[-1.54652] [-0.89105] [-1.23208] [ 1.17654] [-2.05816] [ 12.0733]
TX_C(-1) 1.07E+10 4.60E+08 2.48E+11 0.007707 -0.003562 -10210.57
(8.8E+09) (4.4E+08) (2.2E+11) (0.01657) (0.01085) (4599.90)
[ 1.21797] [ 1.03445] [ 1.13002] [ 0.46504] [-0.32828] [-2.21974]
C -2.66E+17 -1.80E+16 -6.90E+18 -930.2610 988.6069 -2.34E+09
187
Error Correction: D(VA_IND) D(BC) D(FB_CF) D(IPCA_NC) D(IPCA_C) D(TC) D(TJ)
CointEq1 -0.912909 0.010227 -1.586488 -1.21E-12 -1.13E-12 3.55E-10 -1.80E-12
(0.06301) (0.00331) (1.58052) (1.2E-13) (1.6E-13) (6.8E-09) (3.0E-13)
[-14.4890] [ 3.08843] [-1.00377] [-9.86684] [-7.23216] [ 0.05227] [-5.97429]
CointEq2 -10.97852 -1.624529 -232.1795 7.30E-12 9.84E-12 9.05E-08 2.58E-11
(0.86462) (0.04544) (21.6890) (1.7E-12) (2.1E-12) (9.3E-08) (4.1E-12)
[-12.6975] [-35.7511] [-10.7049] [ 4.33215] [ 4.59899] [ 0.97107] [ 6.23627]
CointEq3 0.034763 0.001677 -0.058714 2.12E-14 1.33E-14 -2.69E-10 1.34E-14
(0.00171) (9.0E-05) (0.04293) (3.3E-15) (4.2E-15) (1.8E-10) (8.2E-15)
[ 20.3133] [ 18.6422] [-1.36768] [ 6.35760] [ 3.13010] [-1.46050] [ 1.63188]
CointEq4 2.70E+11 1.51E+10 6.93E+12 -0.885192 -0.134558 -6039.134 0.110428
(6.0E+10) (3.2E+09) (1.5E+12) (0.11773) (0.14954) (6511.49) (0.28943)
[ 4.46174] [ 4.76388] [ 4.56894] [-7.51883] [-0.89983] [-0.92746] [ 0.38154]
CointEq5 8.04E+10 5.25E+09 2.18E+12 -0.245094 -1.194441 6815.445 -1.123193
(8.6E+10) (4.5E+09) (2.2E+12) (0.16778) (0.21311) (9279.64) (0.41247)
[ 0.93342] [ 1.15983] [ 1.01001] [-1.46081] [-5.60489] [ 0.73445] [-2.72312]
CointEq6 -1133529. -58192.24 -28240633 1.70E-06 7.02E-07 0.033613 -5.20E-06
(291507.) (15320.0) (7312434) (5.7E-07) (7.2E-07) (0.03141) (1.4E-06)
[-3.88851] [-3.79844] [-3.86200] [ 2.99536] [ 0.97339] [ 1.07000] [-3.72318]
D(VA_IND(-1)) -0.579856 -0.030114 -14.48753 5.38E-13 5.58E-13 1.34E-09 8.15E-13
(0.02288) (0.00120) (0.57403) (4.5E-14) (5.7E-14) (2.5E-09) (1.1E-13)
[-25.3395] [-25.0401] [-25.2381] [ 12.0675] [ 9.85928] [ 0.54223] [ 7.43219]
D(VA_IND(-2)) 0.054659 -0.001010 0.502255 1.48E-13 1.35E-13 -1.66E-10 3.98E-13
(0.01509) (0.00079) (0.37854) (2.9E-14) (3.7E-14) (1.6E-09) (7.2E-14)
[ 3.62220] [-1.27360] [ 1.32684] [ 5.02487] [ 3.60178] [-0.10196] [ 5.50817]
D(BC(-1)) -2.338044 -0.073494 -33.74721 -5.21E-12 -4.35E-12 3.87E-09 -8.07E-12
(0.33341) (0.01752) (8.36351) (6.5E-13) (8.3E-13) (3.6E-08) (1.6E-12)
[-7.01261] [-4.19439] [-4.03505] [-8.01847] [-5.27667] [ 0.10778] [-5.05107]
D(BC(-2)) 0.447895 0.014919 9.138036 -6.13E-13 -5.58E-13 1.01E-09 -2.29E-13
(0.01732) (0.00091) (0.43436) (3.4E-14) (4.3E-14) (1.9E-09) (8.3E-14)
[ 25.8669] [ 16.3950] [ 21.0380] [-18.1676] [-13.0320] [ 0.54055] [-2.76437]
D(FB_CF(-1)) 0.030174 0.001376 0.683774 -7.58E-15 -1.09E-14 -7.52E-11 -5.54E-15
(0.00115) (6.1E-05) (0.02895) (2.2E-15) (2.9E-15) (1.2E-10) (5.5E-15)
[ 26.1448] [ 22.6789] [ 23.6180] [-3.36942] [-3.80101] [-0.60440] [-1.00292]
D(FB_CF(-2)) -0.004109 -3.06E-05 -0.061251 -4.06E-15 -3.50E-15 -2.39E-12 -1.47E-14
(0.00056) (3.0E-05) (0.01414) (1.1E-15) (1.4E-15) (6.1E-11) (2.7E-15)
[-7.29000] [-1.03449] [-4.33191] [-3.69321] [-2.50729] [-0.03931] [-5.42721]
D(IPCA_NC(-1)) 1.45E+11 6.45E+09 3.44E+12 -0.036255 0.432212 11930.03 -0.348201
(5.4E+10) (2.8E+09) (1.3E+12) (0.10482) (0.13314) (5797.45) (0.25769)
[ 2.69898] [ 2.28193] [ 2.54987] [-0.34588] [ 3.24633] [ 2.05781] [-1.35125]
D(IPCA_NC(-2)) -6.82E+10 -3.25E+09 -1.67E+12 -0.434483 -0.135834 17349.55 -0.886917
(4.5E+10) (2.4E+09) (1.1E+12) (0.08730) (0.11088) (4828.28) (0.21461)
[-1.52156] [-1.38091] [-1.48559] [-4.97706] [-1.22504] [ 3.59332] [-4.13269]
D(IPCA_C(-1)) -2.62E+10 -1.37E+09 -6.30E+11 0.134255 -0.118455 -16714.85 -0.327311
188
(7.7E+10) (4.0E+09) (1.9E+12) (0.14908) (0.18936) (8245.39) (0.36650)
[-0.34283] [-0.34156] [-0.32822] [ 0.90056] [-0.62557] [-2.02717] [-0.89308]
D(IPCA_C(-2)) -1.29E+11 -6.36E+09 -3.16E+12 0.075949 -0.131849 -12947.85 -0.320861
(4.8E+10) (2.5E+09) (1.2E+12) (0.09288) (0.11797) (5136.89) (0.22833)
[-2.71623] [-2.53840] [-2.64535] [ 0.81774] [-1.11766] [-2.52056] [-1.40527]
D(TC(-1)) 1403361. 59620.66 32908764 -2.64E-06 7.00E-06 -0.562477 6.78E-06
(1050058) (55185.2) (2.6E+07) (2.0E-06) (2.6E-06) (0.11316) (5.0E-06)
[ 1.33646] [ 1.08037] [ 1.24935] [-1.29074] [ 2.69257] [-4.97074] [ 1.34851]
D(TC(-2)) 4559211. 219527.9 1.11E+08 1.32E-06 8.43E-06 -0.010243 1.01E-05
(938178.) (49305.4) (2.4E+07) (1.8E-06) (2.3E-06) (0.10110) (4.5E-06)
[ 4.85965] [ 4.45241] [ 4.72091] [ 0.72451] [ 3.62996] [-0.10132] [ 2.24591]
D(TJ(-1)) -9.49E+10 -4.49E+09 -2.30E+12 -0.114039 -0.151446 1196.192 -0.275073
(1.3E+10) (6.9E+08) (3.3E+11) (0.02540) (0.03226) (1404.80) (0.06244)
[-7.27946] [-6.55166] [-7.03748] [-4.48986] [-4.69436] [ 0.85151] [-4.40533]
D(TJ(-2)) 3.99E+10 1.95E+09 9.77E+11 0.054720 0.048630 -481.5708 0.214821
(7.5E+09) (4.0E+08) (1.9E+11) (0.01465) (0.01861) (810.148) (0.03601)
[ 5.30803] [ 4.94501] [ 5.18042] [ 3.73568] [ 2.61381] [-0.59442] [ 5.96560]
D(TX_C(-1)) -6.35E+09 -1.06E+08 -1.24E+11 -0.021547 0.100739 3612.868 -0.089090
(2.6E+10) (1.4E+09) (6.6E+11) (0.05145) (0.06535) (2845.77) (0.12649)
[-0.24040] [-0.07611] [-0.18763] [-0.41878] [ 1.54146] [ 1.26956] [-0.70432]
D(TX_C(-2)) 2.70E+10 1.26E+09 6.59E+11 -0.006264 0.051991 3204.442 0.190344
(2.5E+10) (1.3E+09) (6.2E+11) (0.04796) (0.06091) (2652.33) (0.11789)
[ 1.09810] [ 0.97611] [ 1.06704] [-0.13062] [ 0.85355] [ 1.20816] [ 1.61456]
C -2.03E+17 -1.50E+16 -5.06E+18 -41379.99 -28969.84 -72514591 65792.06
(3.4E+15) (1.8E+14) (8.5E+16) (6564.20) (8337.60) (3.6E+08) (16137.3)
[-60.1747] [-84.8386] [-59.9132] [-6.30389] [-3.47460] [-0.19973] [ 4.07701]
R-squared 1.000000 1.000000 1.000000 0.996626 0.996024 0.999999 1.000000
Adj. R-squared 1.000000 1.000000 1.000000 0.995566 0.994775 0.999999 1.000000
Sum sq. resids 3.13E+25 8.65E+22 1.97E+28 118.8954 191.8152 3.64E+11 718.5620
S.E. equation 6.69E+11 3.52E+10 1.68E+13 1.303267 1.655360 72081.85 3.203931
F-statistic 1.38E+13 2.46E+13 1.35E+13 939.8745 797.1239 2938966. 3.58E+09
Log likelihood -2651.037 -2377.068 -2950.708 -143.3838 -165.6242 -1159.007 -227.0376
Akaike AIC 57.50617 51.61436 63.95072 3.578146 4.056434 25.41951 5.377153
Schwarz SC 58.13251 52.24070 64.57706 4.204487 4.682776 26.04585 6.003495
Mean dependent -1.80E+17 -1.24E+16 -4.55E+18 -0.500990 -0.489138 1527863. -14241.44
S.D. dependent 1.21E+18 8.52E+16 3.02E+19 19.57131 22.90013 60428373 93717.61
Determinant resid covariance (dof
adj.) 3.99E+75
Determinant resid covariance 4.11E+74
Log likelihood -8872.347
Akaike information criterion 195.7924
Schwarz criterion 202.1103
Fonte: Elaboração própria.
Tabela 55 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(VA_IND)
Method: Least Squares
189
Sample (adjusted): 1991Q4 2014Q4
Included observations: 93 after adjustments
D(VA_IND) = C(1)*( VA_IND(-1) - 12710174562.8*TJ(-1) + 10686774801.9
*TX_C(-1) - 2.66064765347E+17 ) + C(2)*( BC(-1) - 371217110.53*TJ(
-1) + 460101404.442*TX_C(-1) - 1.79695324111E+16 ) + C(3)*(
FB_CF(-1) - 253404505701*TJ(-1) + 248129146694*TX_C(-1) -
6.90342197732E+18 ) + C(4)*( IPCA_NC(-1) + 0.0182639529926*TJ(
-1) + 0.00770718200648*TX_C(-1) - 930.261046878 ) + C(5)*(
IPCA_C(-1) - 0.020920294093*TJ(-1) - 0.00356243524568*TX_C(-1) +
988.606926178 ) + C(6)*( TC(-1) + 52018.6038842*TJ(-1) -
10210.5683505*TX_C(-1) - 2340158115.48 ) + C(7)*D(VA_IND(-1)) +
C(8)*D(VA_IND(-2)) + C(9)*D(BC(-1)) + C(10)*D(BC(-2)) + C(11)
*D(FB_CF(-1)) + C(12)*D(FB_CF(-2)) + C(13)*D(IPCA_NC(-1)) + C(14)
*D(IPCA_NC(-2)) + C(15)*D(IPCA_C(-1)) + C(16)*D(IPCA_C(-2)) +
C(17)*D(TC(-1)) + C(18)*D(TC(-2)) + C(19)*D(TJ(-1)) + C(20)*D(TJ(-2))
+ C(21)*D(TX_C(-1)) + C(22)*D(TX_C(-2)) + C(23)
Coefficient Std. Error t-Statistic Prob.
C(1) -0.909312 0.063061 -14.41964 0.0000
C(2) -11.01639 0.866305 -12.71652 0.0000
C(3) 0.034705 0.001710 20.29344 0.0000
C(4) 2.72E+11 6.04E+10 4.495967 0.0000
C(5) 7.66E+10 8.62E+10 0.889511 0.3768
C(6) -1144659. 291673.9 -3.924449 0.0002
C(7) -0.580697 0.022905 -25.35194 0.0000
C(8) 0.054422 0.015098 3.604567 0.0006
C(9) -2.334112 0.333563 -6.997506 0.0000
C(10) 0.448126 0.017317 25.87740 0.0000
C(11) 0.030193 0.001155 26.13977 0.0000
C(12) -0.004101 0.000564 -7.272216 0.0000
C(13) 1.45E+11 5.38E+10 2.688458 0.0090
C(14) -6.84E+10 4.48E+10 -1.527095 0.1312
C(15) -2.46E+10 7.65E+10 -0.321662 0.7487
C(16) -1.29E+11 4.77E+10 -2.695098 0.0088
C(17) 1397303. 1050297. 1.330388 0.1877
C(18) 4550892. 938859.5 4.847256 0.0000
C(19) -9.48E+10 1.30E+10 -7.272255 0.0000
C(20) 3.97E+10 7.52E+09 5.282883 0.0000
C(21) -6.52E+09 2.64E+10 -0.246969 0.8057
C(22) 2.73E+10 2.46E+10 1.109193 0.2711
C(23) -2.03E+17 3.37E+15 -60.15341 0.0000
R-squared 1.000000 Mean dependent var -1.80E+17
Adjusted R-squared 1.000000 S.D. dependent var 1.21E+18
S.E. of regression 6.69E+11 Akaike info criterion 57.50621
Sum squared resid 3.13E+25 Schwarz criterion 58.13255
Log likelihood -2651.039 Hannan-Quinn criter. 57.75911
F-statistic 1.38E+13 Durbin-Watson stat 1.886022
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
Tabela 56 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.244650 Prob. F(2,68) 0.7837
Obs*R-squared 0.664410 Prob. Chi-Square(2) 0.7173
190
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 1991Q4 2014Q4
Included observations: 93
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) -0.002211 0.066760 -0.033118 0.9737
C(2) 0.058431 0.897544 0.065101 0.9483
C(3) -8.40E-05 0.001768 -0.047490 0.9623
C(4) 7.23E+09 6.34E+10 0.114146 0.9095
C(5) -8.54E+09 8.97E+10 -0.095194 0.9244
C(6) -38469.48 303264.7 -0.126851 0.8994
C(7) 0.001967 0.023834 0.082546 0.9345
C(8) -0.000967 0.016078 -0.060120 0.9522
C(9) 0.020701 0.354020 0.058474 0.9535
C(10) -0.000904 0.018027 -0.050124 0.9602
C(11) -0.000149 0.001190 -0.124905 0.9010
C(12) 4.34E-05 0.000601 0.072232 0.9426
C(13) -7.91E+09 5.68E+10 -0.139365 0.8896
C(14) -4.66E+08 4.63E+10 -0.010063 0.9920
C(15) 6.97E+09 7.88E+10 0.088351 0.9299
C(16) 2.21E+09 4.85E+10 0.045621 0.9637
C(17) 99903.42 1115676. 0.089545 0.9289
C(18) 95507.64 962966.7 0.099181 0.9213
C(19) 1.17E+09 1.36E+10 0.085738 0.9319
C(20) -2.29E+08 7.93E+09 -0.028914 0.9770
C(21) -8.75E+09 2.96E+10 -0.295132 0.7688
C(22) -4.82E+09 2.70E+10 -0.178938 0.8585
C(23) -1.93E+14 3.47E+15 -0.055530 0.9559
RESID(-1) 0.069310 0.139644 0.496329 0.6213
RESID(-2) 0.066278 0.145316 0.456091 0.6498
R-squared 0.007144 Mean dependent var 541.6074
Adjusted R-squared -0.343276 S.D. dependent var 5.83E+11
S.E. of regression 6.76E+11 Akaike info criterion 57.54205
Sum squared resid 3.11E+25 Schwarz criterion 58.22285
Log likelihood -2650.705 Hannan-Quinn criter. 57.81694
F-statistic 0.020388 Durbin-Watson stat 2.027191
Prob(F-statistic) 1.000000
Fonte: Elaboração própria.
Tabela 57 – Teste de Causalidade de Granjer.
Pairwise Granger Causality Tests
Sample: 1991Q1 2014Q4
Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
BC does not Granger Cause VA_IND 94 1833.61 5.E-73
VA_IND does not Granger Cause BC 2315.08 2.E-77
FB_CF does not Granger Cause VA_IND 94 13.4731 8.E-06
191
VA_IND does not Granger Cause FB_CF 9.24518 0.0002
IPCA_NC does not Granger Cause VA_IND 94 0.48492 0.6174
VA_IND does not Granger Cause IPCA_NC 3.42441 0.0369
IPCA_C does not Granger Cause VA_IND 94 0.25253 0.7774
VA_IND does not Granger Cause IPCA_C 2.88104 0.0613
TC does not Granger Cause VA_IND 94 876.830 3.E-59
VA_IND does not Granger Cause TC 10807.5 6E-107
TJ does not Granger Cause VA_IND 94 2203.23 2.E-76
VA_IND does not Granger Cause TJ 584.146 7.E-52
TX_C does not Granger Cause VA_IND 94 44.9137 3.E-14
VA_IND does not Granger Cause TX_C 5165.17 9.E-93
FB_CF does not Granger Cause BC 94 596.486 3.E-52
BC does not Granger Cause FB_CF 491.712 8.E-49
IPCA_NC does not Granger Cause BC 94 1.55440 0.2170
BC does not Granger Cause IPCA_NC 3.54277 0.0331
IPCA_C does not Granger Cause BC 94 1.07625 0.3453
BC does not Granger Cause IPCA_C 2.67542 0.0744
TC does not Granger Cause BC 94 1548.77 7.E-70
BC does not Granger Cause TC 7949.63 5E-101
TJ does not Granger Cause BC 94 4895.15 1.E-91
BC does not Granger Cause TJ 4866.58 1.E-91
TX_C does not Granger Cause BC 94 4094.42 3.E-88
BC does not Granger Cause TX_C 7016.15 1.E-98
IPCA_NC does not Granger Cause FB_CF 94 0.49714 0.6099
FB_CF does not Granger Cause IPCA_NC 3.53331 0.0334
IPCA_C does not Granger Cause FB_CF 94 0.27471 0.7604
FB_CF does not Granger Cause IPCA_C 2.89060 0.0608
TC does not Granger Cause FB_CF 94 543.784 1.E-50
FB_CF does not Granger Cause TC 15500.8 7E-114
TJ does not Granger Cause FB_CF 94 851.566 9.E-59
FB_CF does not Granger Cause TJ 2542.50 3.E-79
TX_C does not Granger Cause FB_CF 94 270.127 2.E-38
FB_CF does not Granger Cause TX_C 6966.27 2.E-98
IPCA_C does not Granger Cause IPCA_NC 94 17.6416 4.E-07
IPCA_NC does not Granger Cause IPCA_C 45.7219 2.E-14
TC does not Granger Cause IPCA_NC 94 0.51157 0.6013
IPCA_NC does not Granger Cause TC 1.67953 0.1923
TJ does not Granger Cause IPCA_NC 94 3.37036 0.0388
IPCA_NC does not Granger Cause TJ 1.87354 0.1596
192
TX_C does not Granger Cause IPCA_NC 94 4.01995 0.0213
IPCA_NC does not Granger Cause TX_C 1.44891 0.2403
TC does not Granger Cause IPCA_C 94 0.02650 0.9739
IPCA_C does not Granger Cause TC 1.34734 0.2652
TJ does not Granger Cause IPCA_C 94 3.20671 0.0452
IPCA_C does not Granger Cause TJ 1.64165 0.1995
TX_C does not Granger Cause IPCA_C 94 3.73480 0.0277
IPCA_C does not Granger Cause TX_C 1.38485 0.2557
TJ does not Granger Cause TC 94 9533.57 2E-104
TC does not Granger Cause TJ 2599.62 1.E-79
TX_C does not Granger Cause TC 94 19369.0 3E-118
TC does not Granger Cause TX_C 418.552 5.E-46
TX_C does not Granger Cause TJ 94 29871.4 1E-126
TJ does not Granger Cause TX_C 1176.74 1.E-64
Fonte: Elaboração própria.
193
Figura 13 – Funções de Impulso Resposta.
Fonte: Elaboração própria.
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D to
VA
_IN
D
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D to
BC
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D t
o FB
_CF
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D to
IPC
A_N
C
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D to
IPC
A_
C
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D to
TC
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D to
TJ
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA
_IN
D to
TX
_C
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to V
A_I
ND
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to B
C
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to F
B_C
F
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to IP
CA
_NC
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to I
PC
A_C
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to T
C
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to T
J
-2E
+1
0
0E
+0
0
2E
+1
0
4E
+1
0
24
68
10
Res
pons
e of
BC
to T
X_C
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to V
A_I
ND
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to B
C
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to F
B_C
F
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to IP
CA
_NC
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to IP
CA
_C
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to T
C
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to T
J
-1E
+1
3
0E
+0
0
1E
+1
3
2E
+1
3
24
68
10
Res
pons
e of
FB
_CF
to T
X_C
-1012
24
68
10
Res
pons
e of
IPC
A_N
C to
VA
_IN
D
-1012
24
68
10
Res
pons
e of
IPC
A_N
C t
o B
C
-1012
24
68
10
Res
pons
e of
IPC
A_N
C t
o FB
_CF
-1012
24
68
10
Res
pons
e of
IP
CA
_NC
to IP
CA
_NC
-1012
24
68
10
Res
pons
e of
IP
CA
_NC
to
IPC
A_
C
-1012
24
68
10
Res
pons
e of
IP
CA
_NC
to T
C
-1012
24
68
10
Res
pons
e of
IPC
A_N
C to
TJ
-1012
24
68
10
Res
pons
e of
IP
CA
_NC
to T
X_C
-1012
24
68
10
Res
pons
e of
IPC
A_C
to V
A_I
ND
-1012
24
68
10
Res
pons
e of
IPC
A_C
to B
C
-1012
24
68
10
Res
pons
e of
IPC
A_C
to
FB_C
F
-1012
24
68
10
Res
pons
e of
IP
CA
_C to
IPC
A_N
C
-1012
24
68
10
Res
pons
e of
IP
CA
_C to
IPC
A_
C
-1012
24
68
10
Res
pons
e of
IP
CA
_C to
TC
-1012
24
68
10
Res
pons
e of
IPC
A_C
to T
J
-1012
24
68
10
Res
pons
e of
IPC
A_C
to T
X_C
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to V
A_I
ND
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to B
C
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to F
B_C
F
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to I
PC
A_N
C
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to IP
CA
_C
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to T
C
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to T
J
-40
,00
00
40
,00
0
80
,00
0
24
68
10
Res
pons
e of
TC
to
TX_C
-4-2024
24
68
10
Res
pons
e of
TJ
to V
A_I
ND
-4-2024
24
68
10
Res
pons
e of
TJ
to B
C
-4-2024
24
68
10
Res
pons
e of
TJ
to F
B_C
F
-4-2024
24
68
10
Res
pons
e of
TJ
to IP
CA
_NC
-4-2024
24
68
10
Res
pons
e of
TJ
to IP
CA
_C
-4-2024
24
68
10
Res
pons
e of
TJ
to T
C
-4-2024
24
68
10
Res
pons
e of
TJ
to T
J
-4-2024
24
68
10
Res
pons
e of
TJ
to T
X_C
-4-2024
24
68
10
Res
pons
e of
TX
_C to
VA
_IN
D
-4-2024
24
68
10
Res
pons
e of
TX
_C to
BC
-4-2024
24
68
10
Res
pons
e of
TX
_C to
FB
_CF
-4-2024
24
68
10
Res
pons
e of
TX
_C t
o IP
CA
_NC
-4-2024
24
68
10
Res
pons
e of
TX
_C to
IP
CA
_C
-4-2024
24
68
10
Res
pons
e of
TX
_C to
TC
-4-2024
24
68
10
Res
pons
e of
TX
_C to
TJ
-4-2024
24
68
10
Res
pons
e of
TX
_C to
TX
_C
Res
pons
e to
Gen
eral
ized
One
S.D
. In
nova
tions
194
Modelo relacionado ao Valor Adicionado da Indústria - Forma Funcional F9
Tabela 58 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(VA_IND) D(VA_AG) D(VA_S) D(TX_C) D(TJ_LP)
Exogenous variables: C
Sample: 1991Q1 2014Q4
Included observations: 93
Lag LogL LR FPE AIC SC HQ
0 -12329.33 NA 1.1e+109 265.2545 265.3906 265.3094
1 -11142.90 2219.784 1.55e+98 240.2773 241.0943 240.6072
2 -9605.462 2711.174* 1.16e+84* 207.7519* 209.2496* 208.3566*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 59 – Teste de Cointegração de Johansen.
Sample (adjusted): 1991Q4 2014Q4
Included observations: 93 after adjustments
Trend assumption: Linear deterministic trend
Series: VA_IND VA_AG VA_S TX_C TJ_LP
Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 1.000000 4386.138 69.81889 1.0000
At most 1 * 1.000000 2538.359 47.85613 1.0000
At most 2 * 0.999838 1175.172 29.79707 1.0000
At most 3 * 0.979544 363.2554 15.49471 0.0001
At most 4 0.016378 1.535734 3.841466 0.2153
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 1.000000 1847.780 33.87687 1.0000
At most 1 * 1.000000 1363.187 27.58434 0.0000
At most 2 * 0.999838 811.9163 21.13162 0.0001
At most 3 * 0.979544 361.7196 14.26460 0.0001
At most 4 0.016378 1.535734 3.841466 0.2153
195
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
VA_IND VA_AG VA_S TX_C TJ_LP
2.32E-14 5.31E-14 -1.66E-14 -1.06E-06 3.13E-05
9.68E-15 9.17E-14 -1.82E-14 1.26E-05 -0.000375
-1.49E-13 -8.07E-14 9.45E-14 0.001114 -0.021351
6.16E-14 1.47E-13 -5.11E-14 0.005789 -0.096577
-5.66E-14 -1.38E-13 4.24E-14 -0.073849 -0.046407
Unrestricted Adjustment Coefficients (alpha):
D(VA_IND) -1.57E+14 5.83E+13 -1.14E+13 3.65E+11 5.84E+09
D(VA_AG) -2.97E+13 -1.29E+12 -5.95E+12 5.65E+11 5.12E+09
D(VA_S) -2.79E+14 8.53E+13 -3.51E+13 2.41E+12 2.52E+10
D(TX_C) 13.85580 6.467751 1.008366 -6.788467 0.363931
D(TJ_LP) 1.737242 -0.329844 -1.829071 10.61298 0.063571
1 Cointegrating Equation(s): Log likelihood -8681.572
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND VA_AG VA_S TX_C TJ_LP
1.000000 2.292215 -0.715972 -45813608 1.35E+09
(3.8E-05) (3.9E-06) (1.6E+07) (2.5E+07)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -3.644027
(0.15289)
D(VA_AG) -0.688809
(0.01575)
D(VA_S) -6.469264
(0.23754)
D(TX_C) 3.21E-13
(2.5E-14)
D(TJ_LP) 4.03E-14
(2.8E-14)
2 Cointegrating Equation(s): Log likelihood -7999.979
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND VA_AG VA_S TX_C TJ_LP
1.000000 0.000000 -0.343894 -4.77E+08 1.41E+10
(1.4E-05) (1.4E+08) (2.5E+08)
0.000000 1.000000 -0.162322 1.88E+08 -5.58E+09
(6.1E-06) (6.0E+07) (1.1E+08)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -3.080102 -3.011812
(0.03179) (0.13410)
D(VA_AG) -0.701265 -1.696870
(0.01668) (0.07038)
D(VA_S) -5.643948 -7.012145
196
(0.09815) (0.41403)
D(TX_C) 3.84E-13 1.33E-12
(2.1E-14) (8.8E-14)
D(TJ_LP) 3.71E-14 6.20E-14
(3.0E-14) (1.3E-13)
3 Cointegrating Equation(s): Log likelihood -7594.021
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND VA_AG VA_S TX_C TJ_LP
1.000000 0.000000 0.000000 1.16E+10 -2.10E+11
(5.9E+08) (1.5E+09)
0.000000 1.000000 0.000000 5.89E+09 -1.12E+11
(2.6E+08) (6.9E+08)
0.000000 0.000000 1.000000 3.51E+10 -6.53E+11
(1.6E+09) (4.3E+09)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -1.382264 -2.092694 0.471693
(0.00673) (0.00593) (0.00435)
D(VA_AG) 0.186220 -1.216433 -0.046060
(0.00971) (0.00855) (0.00627)
D(VA_S) -0.411714 -4.179695 -0.238059
(0.04181) (0.03682) (0.02701)
D(TX_C) 2.33E-13 1.25E-12 -2.52E-13
(1.2E-13) (1.1E-13) (8.1E-14)
D(TJ_LP) 3.10E-13 2.10E-13 -1.96E-13
(1.8E-13) (1.6E-13) (1.2E-13)
4 Cointegrating Equation(s): Log likelihood -7413.161
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND VA_AG VA_S TX_C TJ_LP
1.000000 0.000000 0.000000 0.000000 -1.62E+10
(2.4E+09)
0.000000 1.000000 0.000000 0.000000 -1.30E+10
(1.2E+09)
0.000000 0.000000 1.000000 0.000000 -6.49E+10
(7.0E+09)
0.000000 0.000000 0.000000 1.000000 -16.75565
(0.17942)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -1.359807 -2.038995 0.453050 -9.67E+09
(0.00300) (0.00365) (0.00203) (1.1E+08)
D(VA_AG) 0.221025 -1.133206 -0.074954 -3.34E+09
(0.00215) (0.00261) (0.00145) (7.8E+07)
D(VA_S) -0.263103 -3.824330 -0.361433 -2.38E+10
(0.01093) (0.01329) (0.00738) (3.9E+08)
D(TX_C) -1.85E-13 2.48E-13 9.46E-14 -0.038105
(5.5E-14) (6.6E-14) (3.7E-14) (0.00197)
D(TJ_LP) 9.63E-13 1.77E-12 -7.38E-13 0.059389
(2.9E-14) (3.6E-14) (2.0E-14) (0.00106)
Fonte: Elaboração própria.
197
Tabela 60 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 1991Q4 2014Q4
Included observations: 93 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4
VA_IND(-1) 1.000000 0.000000 0.000000 0.000000
VA_AG(-1) 0.000000 1.000000 0.000000 0.000000
VA_S(-1) 0.000000 0.000000 1.000000 0.000000
TX_C(-1) 0.000000 0.000000 0.000000 1.000000
TJ_LP(-1) -1.62E+10 -1.30E+10 -6.49E+10 -16.75565
(2.4E+09) (1.2E+09) (7.1E+09) (0.18284)
[-6.73468] [-10.9255] [-9.08354] [-91.6405]
C -2.67E+17 -4.40E+16 -5.05E+17 -7791.879
Error Correction: D(VA_IND) D(VA_AG) D(VA_S) D(TX_C) D(TJ_LP)
CointEq1 -1.359807 0.221025 -0.263103 -1.85E-13 9.63E-13
(0.00306) (0.00219) (0.01114) (5.6E-14) (3.0E-14)
[-444.889] [ 101.034] [-23.6271] [-3.31831] [ 32.3117]
CointEq2 -2.038995 -1.133206 -3.824330 2.48E-13 1.77E-12
(0.00372) (0.00266) (0.01354) (6.8E-14) (3.6E-14)
[-548.688] [-426.058] [-282.473] [ 3.67134] [ 48.8933]
CointEq3 0.453050 -0.074954 -0.361433 9.46E-14 -7.38E-13
(0.00206) (0.00148) (0.00752) (3.8E-14) (2.0E-14)
[ 219.495] [-50.7372] [-48.0638] [ 2.51855] [-36.6690]
CointEq4 -9.67E+09 -3.34E+09 -2.38E+10 -0.038105 0.059389
(1.1E+08) (7.9E+07) (4.0E+08) (0.00201) (0.00108)
[-87.6518] [-42.3303] [-59.0720] [-18.9776] [ 55.1871]
D(VA_IND(-1)) -0.285299 -0.055445 -0.614774 -1.08E-13 3.70E-13
(0.00115) (0.00082) (0.00418) (2.1E-14) (1.1E-14)
[-248.853] [-67.5702] [-147.188] [-5.18067] [ 33.1340]
D(VA_IND(-2)) -0.046282 -0.029457 -0.130517 2.03E-14 -2.77E-13
(0.00073) (0.00052) (0.00265) (1.3E-14) (7.1E-15)
[-63.5325] [-56.4976] [-49.1777] [ 1.53094] [-39.0489]
D(VA_AG(-1)) -0.335857 -0.008188 -0.556025 2.91E-14 -2.65E-13
(0.00069) (0.00050) (0.00253) (1.3E-14) (6.8E-15)
[-484.162] [-16.4919] [-220.011] [ 2.30304] [-39.1688]
D(VA_AG(-2)) 0.053321 0.029434 0.118967 5.92E-15 -3.81E-14
(0.00011) (8.1E-05) (0.00041) (2.1E-15) (1.1E-15)
[ 472.873] [ 364.714] [ 289.593] [ 2.88474] [-34.6322]
D(VA_S(-1)) 0.153839 0.026396 0.314181 6.07E-14 -1.93E-13
(0.00061) (0.00044) (0.00222) (1.1E-14) (5.9E-15)
198
[ 252.514] [ 60.5358] [ 141.551] [ 5.47233] [-32.5139]
D(VA_S(-2)) 0.016689 0.012212 0.049330 -8.80E-15 1.43E-13
(0.00037) (0.00027) (0.00136) (6.8E-15) (3.6E-15)
[ 44.7361] [ 45.7376] [ 36.2968] [-1.29597] [ 39.4447]
D(TX_C(-1)) -8.13E+09 -2.47E+10 -9.44E+10 0.089964 -0.503159
(1.7E+09) (1.2E+09) (6.2E+09) (0.03098) (0.01661)
[-4.77412] [-20.2650] [-15.2164] [ 2.90352] [-30.2991]
D(TX_C(-2)) 4.98E+10 2.64E+10 1.57E+11 0.164485 0.159457
(7.2E+08) (5.1E+08) (2.6E+09) (0.01305) (0.00699)
[ 69.4754] [ 51.4115] [ 60.1339] [ 12.6061] [ 22.8016]
D(TJ_LP(-1)) -5.78E+10 -2.87E+10 -1.77E+11 -0.102471 -0.174856
(1.9E+09) (1.4E+09) (6.9E+09) (0.03437) (0.01842)
[-30.5861] [-21.2278] [-25.7426] [-2.98178] [-9.49335]
D(TJ_LP(-2)) 1.89E+09 2.32E+09 1.02E+10 0.019297 0.015166
(1.7E+09) (1.2E+09) (6.3E+09) (0.03126) (0.01675)
[ 1.10099] [ 1.88732] [ 1.62709] [ 0.61736] [ 0.90530]
C -2.23E+17 -2.89E+16 -4.21E+17 9224.970 -37713.57
(1.1E+14) (7.9E+13) (4.0E+14) (2015.12) (1080.03)
[-2017.23] [-364.108] [-1044.08] [ 4.57788] [-34.9191]
R-squared 1.000000 1.000000 1.000000 1.000000 0.981386
Adj. R-squared 1.000000 1.000000 1.000000 1.000000 0.978045
Sum sq. resids 2.54E+24 1.30E+24 3.37E+25 841.6086 241.7562
S.E. equation 1.81E+11 1.29E+11 6.58E+11 3.284791 1.760522
F-statistic 2.97E+14 1.50E+13 7.85E+13 1.63E+08 293.7404
Log likelihood -2534.269 -2503.165 -2654.506 -234.3876 -176.3841
Akaike AIC 54.82300 54.15408 57.40874 5.363173 4.115788
Schwarz SC 55.23148 54.56257 57.81722 5.771657 4.524272
Mean dependent -1.80E+17 -2.93E+16 -3.38E+17 -3401.232 -0.286923
S.D. dependent 1.21E+18 1.95E+17 2.27E+18 16384.02 11.88156
Determinant resid covariance (dof adj.) 4.76E+63
Determinant resid covariance 1.98E+63
Log likelihood -7413.162
Akaike information criterion 161.4658
Schwarz criterion 164.0529
Fonte: Elaboração própria.
Tabela 61 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(VA_IND)
Method: Least Squares
Sample (adjusted): 1991Q4 2014Q4
Included observations: 93 after adjustments
D(VA_IND) = C(1)*( VA_IND(-1) - 16166300191.5*TJ_LP(-1) -
2.66572685603E+17 ) + C(2)*( VA_AG(-1) - 12968653022.5*TJ_LP(-1)
- 4.40223228156E+16 ) + C(3)*( VA_S(-1) - 64913169479*TJ_LP(-1) -
5.05245667518E+17 ) + C(4)*( TX_C(-1) - 16.7556467867*TJ_LP(-1) -
7791.87913514 ) + C(5)*D(VA_IND(-1)) + C(6)*D(VA_IND(-2)) + C(7)
*D(VA_AG(-1)) + C(8)*D(VA_AG(-2)) + C(9)*D(VA_S(-1)) + C(10)
*D(VA_S(-2)) + C(11)*D(TX_C(-1)) + C(12)*D(TX_C(-2)) + C(13)
*D(TJ_LP(-1)) + C(14)*D(TJ_LP(-2)) + C(15)
199
Coefficient Std. Error t-Statistic Prob.
C(1) -1.359594 0.003056 -444.8586 0.0000
C(2) -2.038794 0.003716 -548.6504 0.0000
C(3) 0.452906 0.002064 219.4441 0.0000
C(4) -9.67E+09 1.10E+08 -87.63250 0.0000
C(5) -0.285185 0.001146 -248.7772 0.0000
C(6) -0.046355 0.000728 -63.63905 0.0000
C(7) -0.335922 0.000694 -484.2931 0.0000
C(8) 0.053312 0.000113 472.8124 0.0000
C(9) 0.153778 0.000609 252.4382 0.0000
C(10) 0.016726 0.000373 44.84031 0.0000
C(11) -8.30E+09 1.70E+09 -4.874141 0.0000
C(12) 4.99E+10 7.17E+08 69.57664 0.0000
C(13) -5.78E+10 1.89E+09 -30.62484 0.0000
C(14) 1.90E+09 1.72E+09 1.107162 0.2716
C(15) -2.23E+17 1.11E+14 -2017.495 0.0000
R-squared 1.000000 Mean dependent var -1.80E+17
Adjusted R-squared 1.000000 S.D. dependent var 1.21E+18
S.E. of regression 1.81E+11 Akaike info criterion 54.82305
Sum squared resid 2.54E+24 Schwarz criterion 55.23153
Log likelihood -2534.272 Hannan-Quinn criter. 54.98798
F-statistic 2.97E+14 Durbin-Watson stat 2.063194
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
Tabela 62 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.913512 Prob. F(2,76) 0.0604
Obs*R-squared 6.622669 Prob. Chi-Square(2) 0.0365
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 1991Q4 2014Q4
Included observations: 93
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) -0.000644 0.003004 -0.214378 0.8308
C(2) -0.000936 0.003656 -0.256157 0.7985
C(3) 0.000470 0.002030 0.231757 0.8173
C(4) -23347009 1.08E+08 -0.215664 0.8298
C(5) -0.000250 0.001127 -0.221690 0.8252
C(6) 0.000173 0.000717 0.240912 0.8103
C(7) 0.000162 0.000682 0.238081 0.8125
C(8) 2.29E-05 0.000111 0.206753 0.8368
C(9) 0.000131 0.000599 0.219605 0.8268
C(10) -8.88E-05 0.000367 -0.242086 0.8094
C(11) 3.46E+08 1.67E+09 0.207037 0.8365
C(12) -1.23E+08 7.04E+08 -0.175255 0.8613
C(13) 6.18E+08 1.86E+09 0.331786 0.7410
200
C(14) -2.20E+08 1.68E+09 -0.131161 0.8960
C(15) 2.46E+13 1.09E+14 0.226240 0.8216
RESID(-1) -0.028480 0.111458 -0.255522 0.7990
RESID(-2) 0.268188 0.112007 2.394392 0.0191
R-squared 0.071211 Mean dependent var 338.9408
Adjusted R-squared -0.124323 S.D. dependent var 1.66E+11
S.E. of regression 1.76E+11 Akaike info criterion 54.79219
Sum squared resid 2.36E+24 Schwarz criterion 55.25513
Log likelihood -2530.837 Hannan-Quinn criter. 54.97911
F-statistic 0.364189 Durbin-Watson stat 2.046813
Prob(F-statistic) 0.986758
Fonte: Elaboração própria.
Tabela 63 – Teste de Causalidade de Granjer.
Pairwise Granger Causality Tests
Sample: 1991Q1 2014Q4
Lags: 2
Null Hypothesis: Obs F-Statistic Prob.
VA_AG does not Granger Cause VA_IND 94 2574.64 2.E-79
VA_IND does not Granger Cause VA_AG 236.541 2.E-36
VA_S does not Granger Cause VA_IND 94 51.6978 1.E-15
VA_IND does not Granger Cause VA_S 57.8034 8.E-17
TX_C does not Granger Cause VA_IND 94 44.9137 3.E-14
VA_IND does not Granger Cause TX_C 5165.17 9.E-93
TJ_LP does not Granger Cause VA_IND 94 1.99747 0.1417
VA_IND does not Granger Cause TJ_LP 4.41959 0.0148
VA_S does not Granger Cause VA_AG 94 162.983 2.E-30
VA_AG does not Granger Cause VA_S 1274.53 3.E-66
TX_C does not Granger Cause VA_AG 94 713.964 2.E-55
VA_AG does not Granger Cause TX_C 7639.95 3E-100
TJ_LP does not Granger Cause VA_AG 94 3.44009 0.0364
VA_AG does not Granger Cause TJ_LP 5.55962 0.0053
TX_C does not Granger Cause VA_S 94 46.3606 2.E-14
VA_S does not Granger Cause TX_C 5996.25 1.E-95
TJ_LP does not Granger Cause VA_S 94 1.93484 0.1505
VA_S does not Granger Cause TJ_LP 4.41143 0.0149
TJ_LP does not Granger Cause TX_C 94 2.80448 0.0659
TX_C does not Granger Cause TJ_LP 5.01196 0.0087
Fonte: Elaboração própria.
201
Figura 14 – Funções de Impulso Resposta.
Fonte: Elaboração própria.
Modelo relacionado ao Valor Adicionado da Indústria - Forma Funcional F10
Tabela 64 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: D(VA_IND(-2)) D(BC(-2)) D(TC(-2)) D(P_E(-2)) D(R_IND(-2))
Exogenous variables: C
Sample: 1990 2013
Included observations: 20
Lag LogL LR FPE AIC SC HQ
-1E
+1
1
0E
+0
0
1E
+1
1
2E
+1
1
3E
+1
1
24
68
10
Res
pons
e of
VA_
IND
to V
A_IN
D
-1E
+1
1
0E
+0
0
1E
+1
1
2E
+1
1
3E
+1
1
24
68
10
Res
pons
e of
VA_
IND
to V
A_AG
-1E
+1
1
0E
+0
0
1E
+1
1
2E
+1
1
3E
+1
1
24
68
10
Res
pons
e of
VA_
IND
to V
A_S
-1E
+1
1
0E
+0
0
1E
+1
1
2E
+1
1
3E
+1
1
24
68
10
Res
pons
e of
VA_
IND
to T
X_C
-1E
+1
1
0E
+0
0
1E
+1
1
2E
+1
1
3E
+1
1
24
68
10
Res
pons
e of
VA_
IND
to T
J_LP
-1.0
E+
11
-5.0
E+
10
0.0
E+
00
5.0
E+
10
1.0
E+
11
1.5
E+
11
24
68
10
Res
pons
e of
VA_
AG to
VA_
IND
-1.0
E+
11
-5.0
E+
10
0.0
E+
00
5.0
E+
10
1.0
E+
11
1.5
E+
11
24
68
10
Res
pons
e of
VA_
AG to
VA_
AG
-1.0
E+
11
-5.0
E+
10
0.0
E+
00
5.0
E+
10
1.0
E+
11
1.5
E+
11
24
68
10
Res
pons
e of
VA_
AG to
VA_
S
-1.0
E+
11
-5.0
E+
10
0.0
E+
00
5.0
E+
10
1.0
E+
11
1.5
E+
11
24
68
10
Res
pons
e of
VA_
AG to
TX_
C
-1.0
E+
11
-5.0
E+
10
0.0
E+
00
5.0
E+
10
1.0
E+
11
1.5
E+
11
24
68
10
Res
pons
e of
VA_
AG to
TJ_
LP
-8E
+1
1
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA_
S to
VA_
IND
-8E
+1
1
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA_
S to
VA_
AG
-8E
+1
1
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA_
S to
VA_
S
-8E
+1
1
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA_
S to
TX_
C
-8E
+1
1
-4E
+1
1
0E
+0
0
4E
+1
1
8E
+1
1
24
68
10
Res
pons
e of
VA_
S to
TJ_
LP
-101234
24
68
10
Res
pons
e of
TX_
C to
VA_
IND
-101234
24
68
10
Res
pons
e of
TX_
C to
VA_
AG
-101234
24
68
10
Res
pons
e of
TX_
C to
VA_
S
-101234
24
68
10
Res
pons
e of
TX_
C to
TX_
C
-101234
24
68
10
Res
pons
e of
TX_
C to
TJ_
LP
-2-1012
24
68
10
Res
pons
e of
TJ_
LP to
VA_
IND
-2-1012
24
68
10
Res
pons
e of
TJ_
LP to
VA_
AG
-2-1012
24
68
10
Res
pons
e of
TJ_
LP to
VA_
S
-2-1012
24
68
10
Res
pons
e of
TJ_
LP to
TX_
C
-2-1012
24
68
10
Res
pons
e of
TJ_
LP to
TJ_
LP
Res
pons
e to
Gen
eral
ized
One
S.D
. Inn
ovat
ions
202
0 -1812.879 NA 6.13e+72 181.7879 182.0369 181.8365
1 -1596.058 303.5503* 3.15e+64* 162.6058* 164.0994* 162.8973*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 65 – Teste de Cointegração de Johansen.
Sample (adjusted): 1992 2013
Included observations: 22 after adjustments
Trend assumption: Linear deterministic trend
Series: VA_IND BC TC P_E R_IND
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999969 341.5348 69.81889 0.0001
At most 1 * 0.985497 112.9520 47.85613 0.0000
At most 2 0.395584 19.81771 29.79707 0.4353
At most 3 0.311551 8.740868 15.49471 0.3899
At most 4 0.023712 0.527949 3.841466 0.4675
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.999969 228.5828 33.87687 0.0001
At most 1 * 0.985497 93.13428 27.58434 0.0000
At most 2 0.395584 11.07684 21.13162 0.6397
At most 3 0.311551 8.212919 14.26460 0.3575
At most 4 0.023712 0.527949 3.841466 0.4675
Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
VA_IND BC TC P_E R_IND
-2.87E-08 3.26E-07 1.14E-10 0.000191 -3.05E-11
-5.63E-07 -2.82E-07 -1.06E-09 0.001781 -4.95E-10
-6.22E-06 4.78E-07 -1.16E-08 -0.000905 2.71E-10
2.57E-06 -4.16E-08 -4.83E-08 0.000397 -1.10E-10
3.94E-06 -1.45E-07 5.13E-07 0.000479 -1.37E-10
203
Unrestricted Adjustment Coefficients (alpha):
D(VA_IND) -11367.64 -587.8058 9781.997 11086.86 3846.700
D(BC) -72587868 12769845 3878060. 4058494. -361569.1
D(TC) -422635.1 -183398.2 747057.4 -422890.9 165998.0
D(P_E) -426244.9 82167.85 31436.57 32286.27 -2854.234
D(R_IND) -7.32E+10 1.55E+10 6.11E+09 6.26E+09 -5.50E+08
1 Cointegrating Equation(s): Log likelihood -1649.393
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC TC P_E R_IND
1.000000 -11.35637 -0.003953 -6642.000 0.001062
(0.02425) (0.02240) (93.0646) (2.6E-05)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) 0.000327
(0.00026)
D(BC) 2.085526
(0.12008)
D(TC) 0.012143
(0.01323)
D(P_E) 0.012246
(0.00085)
D(R_IND) 2103.063
(162.009)
2 Cointegrating Equation(s): Log likelihood -1602.825
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC TC P_E R_IND
1.000000 0.000000 0.001638 -3310.088 0.000886
(0.02365) (81.0249) (2.2E-05)
0.000000 1.000000 0.000492 293.3959 -1.55E-05
(0.00279) (9.57167) (2.6E-06)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) 0.000658 -0.003543
(0.00517) (0.00396)
D(BC) -5.106816 -27.29128
(1.44857) (1.10852)
D(TC) 0.115438 -0.086090
(0.25833) (0.19769)
D(P_E) -0.034033 -0.162286
(0.01155) (0.00884)
D(R_IND) -6633.252 -28264.82
(2238.61) (1713.11)
3 Cointegrating Equation(s): Log likelihood -1597.287
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC TC P_E R_IND
1.000000 0.000000 0.000000 -24860.67 0.006655
(749.937) (0.00020)
0.000000 1.000000 0.000000 -6182.716 0.001718
204
(212.355) (5.7E-05)
0.000000 0.000000 1.000000 13154273 -3.521330
(421087.) (0.11281)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -0.060701 0.001156 -0.000115
(0.05494) (0.00567) (0.00010)
D(BC) -29.52607 -25.42381 -0.067344
(14.6528) (1.51472) (0.02733)
D(TC) -4.518294 0.270231 -0.008495
(2.59348) (0.26742) (0.00484)
D(P_E) -0.231937 -0.147150 -0.000505
(0.11649) (0.01204) (0.00022)
D(R_IND) -45065.45 -25325.42 -96.45730
(22567.6) (2332.91) (42.0926)
4 Cointegrating Equation(s): Log likelihood -1593.181
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND BC TC P_E R_IND
1.000000 0.000000 0.000000 0.000000 1.47E-07
(5.1E-08)
0.000000 1.000000 0.000000 0.000000 6.30E-05
(1.3E-08)
0.000000 0.000000 1.000000 0.000000 2.39E-05
(8.4E-06)
0.000000 0.000000 0.000000 1.000000 -2.68E-07
(2.3E-11)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -0.031689 0.000669 -0.000649 -7.665075
(0.05628) (0.00538) (0.00041) (17.0529)
D(BC) -18.79643 -25.60737 -0.262671 6999.418
(14.3205) (1.36816) (0.10529) (4339.00)
D(TC) -5.617719 0.288453 0.011893 -1251.415
(2.70716) (0.25864) (0.01990) (820.249)
D(P_E) -0.146580 -0.148611 -0.002059 49.41276
(0.11383) (0.01088) (0.00084) (34.4903)
D(R_IND) -28523.08 -25608.43 -397.6054 10624432
(22050.3) (2106.67) (162.122) (6681090)
Fonte: Elaboração própria.
Tabela 66 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 1993 2013
Included observations: 21 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2
D(VA_IND(-1)) 1.000000 0.000000
D(TC(-1)) 0.000000 1.000000
D(R_IND(-1)) 0.000278 -0.024046
(2.5E-05) (0.00210)
205
[ 11.1070] [-11.4631]
D(P_E(-1)) -1800.828 145959.8
(88.9829) (7452.03)
[-20.2379] [ 19.5866]
D(BC(-1)) -3.233549 238.4619
(0.02089) (1.74962)
[-154.776] [ 136.293]
C -291858.8 19555135
Error Correction: D(VA_IND,2) D(TC,2) D(R_IND,2) D(P_E,2) D(BC,2)
CointEq1 -0.164563 -5.976664 74932.43 0.399550 64.01131
(0.15989) (6.65512) (71379.2) (0.36707) (44.8416)
[-1.02925] [-0.89806] [ 1.04978] [ 1.08849] [ 1.42750]
CointEq2 -0.002235 -0.081015 920.4082 0.004857 0.770776
(0.00215) (0.08953) (960.291) (0.00494) (0.60327)
[-1.03906] [-0.90486] [ 0.95847] [ 0.98361] [ 1.27766]
D(VA_IND(-1),2) -0.798713 -32.69912 -79211.05 -0.413268 -64.72867
(0.47421) (19.7418) (211640.) (1.08836) (132.956)
[-1.68430] [-1.65634] [-0.37427] [-0.37971] [-0.48684]
D(TC(-1),2) 0.010612 0.104676 590.0156 0.003068 0.436613
(0.01131) (0.47082) (5047.39) (0.02596) (3.17085)
[ 0.93836] [ 0.22233] [ 0.11690] [ 0.11820] [ 0.13770]
D(R_IND(-1),2) -7.27E-07 -2.66E-05 0.286877 2.12E-06 0.000329
(7.1E-07) (2.9E-05) (0.31610) (1.6E-06) (0.00020)
[-1.02583] [-0.90172] [ 0.90755] [ 1.30506] [ 1.65888]
D(P_E(-1),2) 29.11636 1029.597 8065526. 31.35284 6007.998
(24.6527) (1026.32) (1.1E+07) (56.5809) (6911.99)
[ 1.18106] [ 1.00320] [ 0.73306] [ 0.55412] [ 0.86921]
D(BC(-1),2) -0.002045 -0.075738 845.9978 0.006153 0.933817
(0.00190) (0.07922) (849.287) (0.00437) (0.53354)
[-1.07488] [-0.95603] [ 0.99613] [ 1.40879] [ 1.75024]
C 4597.044 -270154.0 1.89E+08 1808.635 215196.6
(12213.8) (508471.) (5.5E+09) (28032.0) (3424427)
[ 0.37638] [-0.53131] [ 0.03461] [ 0.06452] [ 0.06284]
R-squared 0.377548 0.431227 0.999963 0.985120 0.998948
Adj. R-squared 0.042382 0.124964 0.999943 0.977108 0.998381
Sum sq. resids 3.93E+10 6.82E+13 7.83E+21 2.07E+11 3.09E+15
S.E. equation 55003.99 2289868. 2.45E+10 126240.5 15421688
F-statistic 1.126450 1.408030 49996.32 122.9541 1763.028
Log likelihood -253.9806 -332.2863 -527.1643 -271.4270 -372.3392
Akaike AIC 24.95053 32.40822 50.96803 26.61210 36.22278
Schwarz SC 25.34844 32.80613 51.36594 27.01001 36.62069
Mean dependent 1261.600 -381802.8 -1.34E+08 101.4786 -49823.23
S.D. dependent 56207.98 2447922. 3.25E+12 834371.7 3.83E+08
Determinant resid covariance (dof adj.) 7.97E+58
Determinant resid covariance 7.25E+57
206
Log likelihood -1547.883
Akaike information criterion 152.1793
Schwarz criterion 154.6663
Fonte: Elaboração própria.
Tabela 67 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(VA_IND,2)
Method: Least Squares
Sample (adjusted): 1993 2013
Included observations: 21 after adjustments
D(VA_IND,2) = C(1)*( D(VA_IND(-1)) + 0.000278211851245*D(R_IND(-1)) -
1800.82755065*D(P_E(-1)) - 3.23354913031*D(BC(-1)) -
291858.774653 ) + C(2)*( D(TC(-1)) - 0.0240463703995*D(R_IND(-1))
+ 145959.84669*D(P_E(-1)) + 238.461932989*D(BC(-1)) +
19555134.8029 ) + C(3)*D(VA_IND(-1),2) + C(4)*D(TC(-1),2) + C(5)
*D(R_IND(-1),2) + C(6)*D(P_E(-1),2) + C(7)*D(BC(-1),2) + C(8)
Coefficient Std. Error t-Statistic Prob.
C(1) -0.164654 0.159860 -1.029990 0.3218
C(2) -0.002236 0.002151 -1.039796 0.3174
C(3) -0.798713 0.474209 -1.684305 0.1160
C(4) 0.010612 0.011309 0.938358 0.3652
C(5) -7.27E-07 7.08E-07 -1.025832 0.3237
C(6) 29.11636 24.65274 1.181060 0.2587
C(7) -0.002045 0.001903 -1.074882 0.3020
C(8) 4597.044 12213.78 0.376382 0.7127
R-squared 0.377548 Mean dependent var 1261.600
Adjusted R-squared 0.042382 S.D. dependent var 56207.98
S.E. of regression 55003.99 Akaike info criterion 24.95053
Sum squared resid 3.93E+10 Schwarz criterion 25.34844
Log likelihood -253.9806 Hannan-Quinn criter. 25.03689
F-statistic 1.126450 Durbin-Watson stat 1.817150
Prob(F-statistic) 0.403932
Fonte: Elaboração própria.
Tabela 68 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.034483 Prob. F(1,12) 0.8558
Obs*R-squared 0.060173 Prob. Chi-Square(1) 0.8062
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 1993 2013
Included observations: 21
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) -0.015999 0.187158 -0.085483 0.9333
C(2) -0.000215 0.002517 -0.085392 0.9334
207
C(3) -0.123992 0.829914 -0.149403 0.8837
C(4) 0.001465 0.014157 0.103494 0.9193
C(5) -7.15E-08 8.31E-07 -0.086062 0.9328
C(6) 2.406136 28.71253 0.083801 0.9346
C(7) -0.000189 0.002225 -0.085064 0.9336
C(8) 347.3121 12831.33 0.027068 0.9789
RESID(-1) 0.130351 0.701957 0.185696 0.8558
R-squared 0.002865 Mean dependent var -2.64E-08
Adjusted R-squared -0.661891 S.D. dependent var 44345.63
S.E. of regression 57167.88 Akaike info criterion 25.04290
Sum squared resid 3.92E+10 Schwarz criterion 25.49055
Log likelihood -253.9504 Hannan-Quinn criter. 25.14005
F-statistic 0.004310 Durbin-Watson stat 1.844375
Prob(F-statistic) 1.000000
Fonte: Elaboração própria.
Modelo relacionado ao Valor Adicionado da Indústria - Forma Funcional F11
Tabela 69 – Critério de quantidade de defasagens.
VAR Lag Order Selection Criteria
Endogenous variables: VA_IND FB_CF CF_AP CF
Exogenous variables: C
Sample: 1991Q1 2014Q4
Included observations: 95
Lag LogL LR FPE AIC SC HQ
0 -15963.47 NA 1.2e+141 336.1572 336.2647 336.2007
1 -14381.72 2997.000* 5.6e+126* 303.1941* 303.7317* 303.4113*
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
Fonte: Elaboração própria.
Tabela 70 – Teste de Cointegração de Johansen.
Sample (adjusted): 1991Q3 2014Q4
Included observations: 94 after adjustments
Trend assumption: Linear deterministic trend
Series: VA_IND FB_CF CF_AP CF
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None 1.000000 NA 47.85613 NA
At most 1 * 1.000000 2390.944 29.79707 1.0000
At most 2 * 0.998246 988.2292 15.49471 0.0001
208
At most 3 * 0.984504 391.7142 3.841466 0.0000
Trace test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized Max-Eigen 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None 1.000000 NA 27.58434 NA
At most 1 * 1.000000 1402.715 21.13162 1.0000
At most 2 * 0.998246 596.5150 14.26460 0.0001
At most 3 * 0.984504 391.7142 3.841466 0.0000
Max-eigenvalue test indicates 4 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
VA_IND FB_CF CF_AP CF
8.55E-17 -7.04E-19 -3.62E-18 -5.72E-17
-1.15E-16 4.27E-18 5.25E-17 -9.64E-17
4.79E-16 4.11E-17 -7.46E-16 -2.29E-17
5.23E-15 -1.01E-16 -6.07E-16 -1.96E-15
Unrestricted Adjustment Coefficients (alpha):
D(VA_IND) -1.25E+17 1.41E+16 1.66E+15 7.62E+14
D(FB_CF) -2.69E+18 2.91E+17 3.74E+16 1.94E+16
D(CF_AP) -2.23E+17 2.59E+16 4.43E+15 1.34E+15
D(CF) -1.13E+17 1.71E+16 1.85E+15 7.58E+14
1 Cointegrating Equation(s): Log likelihood NA
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND FB_CF CF_AP CF
1.000000 -0.008229 -0.042358 -0.668871
(5.6E-07) (7.7E-06) (2.4E-06)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -10.65896
(0.12927)
D(FB_CF) -230.2960
(2.67956)
D(CF_AP) -19.06283
(0.23961)
D(CF) -9.685179
(0.15714)
2 Cointegrating Equation(s): Log likelihood NA
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND FB_CF CF_AP CF
209
1.000000 0.000000 0.075684 -1.097801
(1.1E-05) (2.3E-05)
0.000000 1.000000 14.34465 -52.12439
(0.00129) (0.00274)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -12.27229 0.147697
(0.02785) (0.00084)
D(FB_CF) -263.6677 3.135874
(0.64473) (0.01948)
D(CF_AP) -22.03118 0.267232
(0.07064) (0.00213)
D(CF) -11.64944 0.152731
(0.03052) (0.00092)
3 Cointegrating Equation(s): Log likelihood NA
Normalized cointegrating coefficients (standard error in parentheses)
VA_IND FB_CF CF_AP CF
1.000000 0.000000 0.000000 -0.951896
(3.6E-06)
0.000000 1.000000 0.000000 -24.47057
(0.00064)
0.000000 0.000000 1.000000 -1.927815
(4.4E-05)
Adjustment coefficients (standard error in parentheses)
D(VA_IND) -11.47935 0.215728 -0.045623
(0.04112) (0.00340) (0.06154)
D(FB_CF) -245.7280 4.675022 -2.923751
(1.04493) (0.08638) (1.56392)
D(CF_AP) -19.91101 0.449135 -1.137447
(0.07277) (0.00602) (0.10892)
D(CF) -10.76423 0.228679 -0.070025
(0.04091) (0.00338) (0.06123)
Fonte: Elaboração própria.
Tabela 71 – Regressão do Modelo VEC.
Vector Error Correction Estimates
Sample (adjusted): 1991Q3 2014Q4
Included observations: 94 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1 CointEq2 CointEq3
VA_IND(-1) 1.000000 0.000000 0.000000
FB_CF(-1) 0.000000 1.000000 0.000000
CF_AP(-1) 0.000000 0.000000 1.000000
CF(-1) -0.951896 -24.47057 -1.927815
(3.6E-06) (0.00065) (4.5E-05)
[-261480.] [-37830.7] [-42939.2]
C 1.68E+16 1.01E+18 3.91E+17
210
Error Correction: D(VA_IND) D(FB_CF) D(CF_AP) D(CF)
CointEq1 -11.47935 -245.7280 -19.91101 -10.76423
(0.04159) (1.05701) (0.07362) (0.04138)
[-275.996] [-232.474] [-270.473] [-260.109]
CointEq2 0.215728 4.675022 0.449135 0.228679
(0.00344) (0.08738) (0.00609) (0.00342)
[ 62.7416] [ 53.5016] [ 73.8023] [ 66.8440]
CointEq3 -0.045623 -2.923751 -1.137447 -0.070025
(0.06225) (1.58200) (0.11018) (0.06194)
[-0.73289] [-1.84813] [-10.3236] [-1.13057]
D(VA_IND(-1)) 0.726904 18.99528 1.639297 0.746411
(0.03885) (0.98723) (0.06876) (0.03865)
[ 18.7121] [ 19.2409] [ 23.8422] [ 19.3112]
D(FB_CF(-1)) 0.142134 3.510082 0.275871 0.146307
(0.00040) (0.01011) (0.00070) (0.00040)
[ 357.310] [ 347.216] [ 391.831] [ 369.658]
D(CF_AP(-1)) -0.890085 -22.69390 -1.903047 -0.941681
(0.03444) (0.87516) (0.06095) (0.03426)
[-25.8469] [-25.9311] [-31.2227] [-27.4832]
D(CF(-1)) -2.162454 -53.18686 -4.098689 -2.179782
(0.01627) (0.41353) (0.02880) (0.01619)
[-132.894] [-128.617] [-142.314] [-134.635]
C -6.31E+15 5.68E+17 3.27E+17 -2.19E+16
(2.0E+16) (5.1E+17) (3.6E+16) (2.0E+16)
[-0.31152] [ 1.10393] [ 9.13325] [-1.08409]
R-squared 1.000000 1.000000 1.000000 1.000000
Adj. R-squared 1.000000 1.000000 1.000000 1.000000
Sum sq. resids 5.59E+31 3.61E+34 1.75E+32 5.54E+31
S.E. equation 8.07E+14 2.05E+16 1.43E+15 8.03E+14
F-statistic 1.32E+08 1.15E+08 75022583 1.53E+08
Log likelihood -3355.638 -3659.755 -3409.306 -3355.165
Akaike AIC 71.56677 78.03733 72.70864 71.55669
Schwarz SC 71.78322 78.25378 72.92509 71.77314
Mean dependent -4.11E+17 -9.94E+18 -5.77E+17 -4.41E+17
S.D. dependent 2.55E+18 6.02E+19 3.39E+18 2.72E+18
Determinant resid covariance (dof adj.) 4.0E+107
Determinant resid covariance 2.8E+107
Log likelihood -12161.16
Akaike information criterion 259.6842
Schwarz criterion 260.8747
Fonte: Elaboração própria.
Tabela 72 – Regressão da primeira equação do modelo VEC.
Dependent Variable: D(VA_IND)
Method: Least Squares
Sample (adjusted): 1991Q3 2014Q4
211
Included observations: 94 after adjustments
D(VA_IND) = C(1)*( VA_IND(-1) - 0.951896265556*CF(-1) +
1.68360414465E+16 ) + C(2)*( FB_CF(-1) - 24.4705650555*CF(-1) +
1.00711752731E+18 ) + C(3)*( CF_AP(-1) - 1.92781464959*CF(-1) +
3.91101517366E+17 ) + C(4)*D(VA_IND(-1)) + C(5)*D(FB_CF(-1)) +
C(6)*D(CF_AP(-1)) + C(7)*D(CF(-1)) + C(8)
Coefficient Std. Error t-Statistic Prob.
C(1) -11.47939 0.041593 -275.9943 0.0000
C(2) 0.215725 0.003438 62.73986 0.0000
C(3) -0.045555 0.062251 -0.731793 0.4663
C(4) 0.726904 0.038847 18.71207 0.0000
C(5) 0.142134 0.000398 357.3097 0.0000
C(6) -0.890085 0.034437 -25.84686 0.0000
C(7) -2.162454 0.016272 -132.8939 0.0000
C(8) -6.31E+15 2.03E+16 -0.311520 0.7562
R-squared 1.000000 Mean dependent var -4.11E+17
Adjusted R-squared 1.000000 S.D. dependent var 2.55E+18
S.E. of regression 8.07E+14 Akaike info criterion 71.56677
Sum squared resid 5.59E+31 Schwarz criterion 71.78322
Log likelihood -3355.638 Hannan-Quinn criter. 71.65420
F-statistic 1.32E+08 Durbin-Watson stat 1.267172
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
Tabela 73 – Teste de Breusch-Godfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 13.59646 Prob. F(1,85) 0.0004
Obs*R-squared 12.96260 Prob. Chi-Square(1) 0.0003
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Sample: 1991Q3 2014Q4
Included observations: 94
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C(1) -0.022714 0.039331 -0.577521 0.5651
C(2) -0.001964 0.003255 -0.603354 0.5479
C(3) 0.035499 0.058930 0.602392 0.5485
C(4) -0.022085 0.036772 -0.600609 0.5497
C(5) -0.000207 0.000376 -0.550180 0.5836
C(6) 0.019386 0.032589 0.594856 0.5535
C(7) -0.008498 0.015371 -0.552845 0.5818
C(8) -1.15E+16 1.92E+16 -0.600842 0.5495
RESID(-1) 0.376517 0.102111 3.687337 0.0004
R-squared 0.137900 Mean dependent var 242.7896
Adjusted R-squared 0.056761 S.D. dependent var 7.76E+14
S.E. of regression 7.53E+14 Akaike info criterion 71.43966
Sum squared resid 4.82E+31 Schwarz criterion 71.68317
212
Log likelihood -3348.664 Hannan-Quinn criter. 71.53802
F-statistic 1.699557 Durbin-Watson stat 2.145253
Prob(F-statistic) 0.110206
Fonte: Elaboração própria.
Tabela 74 – Regressão da primeira equação do modelo VEC, com correção de
autocorrelação.
Dependent Variable: D(VA_IND)
Method: Least Squares
Sample (adjusted): 1991Q3 2014Q4
Included observations: 94 after adjustments
HAC standard errors & covariance (Bartlett kernel, Newey-West fixed
bandwidth = 4.0000)
D(VA_IND) = C(1)*( VA_IND(-1) - 0.951896265556*CF(-1) +
1.68360414465E+16 ) + C(2)*( FB_CF(-1) - 24.4705650555*CF(-1) +
1.00711752731E+18 ) + C(3)*( CF_AP(-1) - 1.92781464959*CF(-1) +
3.91101517366E+17 ) + C(4)*D(VA_IND(-1)) + C(5)*D(FB_CF(-1)) +
C(6)*D(CF_AP(-1)) + C(7)*D(CF(-1)) + C(8)
Coefficient Std. Error t-Statistic Prob.
C(1) -11.47939 0.023134 -496.2218 0.0000
C(2) 0.215725 0.002784 77.47591 0.0000
C(3) -0.045555 0.042006 -1.084480 0.2812
C(4) 0.726904 0.025253 28.78524 0.0000
C(5) 0.142134 0.000262 542.2996 0.0000
C(6) -0.890085 0.020408 -43.61365 0.0000
C(7) -2.162454 0.007504 -288.1886 0.0000
C(8) -6.31E+15 1.32E+16 -0.479055 0.6331
R-squared 1.000000 Mean dependent var -4.11E+17
Adjusted R-squared 1.000000 S.D. dependent var 2.55E+18
S.E. of regression 8.07E+14 Akaike info criterion 71.56677
Sum squared resid 5.59E+31 Schwarz criterion 71.78322
Log likelihood -3355.638 Hannan-Quinn criter. 71.65420
F-statistic 1.32E+08 Durbin-Watson stat 1.267172
Prob(F-statistic) 0.000000
Fonte: Elaboração própria.
213
APÊNDICE 3
214
Figura 15 – Índice puro de ligação para trás e para frente, para os anos de 1995, 2000, 2005 e
2013.
Fonte: Elaboração própria.
215
Figura 16 – Multiplicador tipo II Rasmussen-Hirschman, para os anos de 1995, 2000, 2005 e
2013.
Fonte: Elaboração própria.
216
APÊNDICE 4
217
Tabela 75 – Índice puro de ligação para trás e para frente, para o ano de 1995.
1995
Nº Setores GHSBL Ranking GHSFL Ranking GHSTL Ranking
1 Agropecuária 0,0909 10º 0,6079 6º 0,3464 9º
2 Indústria extrativa mineral 0,0089 12º 0,1154 12º 0,0616 12º
3 Indústria de transformação 1,5998 3º 4,2614 1º 2,9148 2º
4 Produção e distribuição de eletricidade, gás
e água 0,5051 5º 0,5535 7º 0,5290 7º
5 Construção 1,8534 2º 0,2416 11º 1,0571 4º
6 Comércio 0,4943 6º 1,3125 3º 0,8985 5º
7 Transporte, armazenagem e correios 0,3540 8º 0,9081 5º 0,6278 6º
8 Serviços de informação 0,4917 7º 0,2576 10º 0,3760 8º
9 Intermediação financeira, seguros e
previdência complementar 1,4807 4º 1,3041 4º 1,3935 3º
10 Atividades imobiliárias e aluguel 0,0239 11º 0,4753 8º 0,2469 11º
11 Outros serviços 4,7897 1º 1,6739 2º 3,2504 1º
12 Administração, saúde e educação pública 0,3076 9º 0,2885 9º 0,2981 10º
Fonte: Elaboração própria.
Tabela 76 – Índice puro de ligação para trás e para frente, para o ano de 2000.
2000
Nº Setores GHSBL Ranking GHSFL Ranking GHSTL Ranking
1 Agropecuária 0,0892 10º 0,6326 7º 0,3430 9º
2 Indústria extrativa mineral 0,0084 12º 0,2073 12º 0,1013 12º
3 Indústria de transformação 1,6405 4º 3,5617 1º 2,5377 1º
4 Produção e distribuição de eletricidade,
gás e água 0,5564 6º 0,6281 8º 0,5899 8º
5 Construção 1,6134 5º 0,2153 11º 0,9605 5º
6 Comércio 0,5277 7º 1,1957 3º 0,8396 6º
7 Transporte, armazenagem e correios 0,4613 8º 0,9222 5º 0,6765 7º
8 Serviços de informação 1,9853 3º 1,0255 4º 1,5371 4º
9 Intermediação financeira, seguros e
previdência complementar 2,2201 2º 0,7917 6º 1,5530 3º
10 Atividades imobiliárias e aluguel 0,0255 11º 0,3928 9º 0,1971 11º
11 Outros serviços 2,7215 1º 2,1757 2º 2,4666 2º
12 Administração, saúde e educação pública 0,1506 9º 0,2515 10º 0,1977 10º
Fonte: Elaboração própria.
218
Tabela 77 – Índice puro de ligação para trás e para frente, para o ano de 2005.
2005
Nº Setores GHSBL Ranking GHSFL Ranking GHSTL Ranking
1 Agropecuária 0,10421 10º 0,65509 8º 0,35935 9º
2 Indústria extrativa mineral 0,01052 12º 0,33649 9º 0,16149 12º
3 Indústria de transformação 1,64725 4º 3,7789 1º 2,63453 1º
4 Produção e distribuição de eletricidade, gás
e água 0,57824 6º 0,74418 6º 0,6551 8º
5 Construção 1,75151 3º 0,22098 11º 1,04263 5º
6 Comércio 0,57259 7º 1,227 3º 0,87568 6º
7 Transporte, armazenagem e correios 0,43641 8º 0,97947 5º 0,68793 7º
8 Serviços de informação 1,61407 5º 1,11475 4º 1,3828 3º
9 Intermediação financeira, seguros e
previdência complementar 1,86042 2º 0,72997 7º 1,33684 4º
10 Atividades imobiliárias e aluguel 0,05749 11º 0,32347 10º 0,18068 10º
11 Outros serviços 3,20686 1º 1,68938 2º 2,50403 2º
12 Administração, saúde e educação pública 0,16045 9º 0,20033 12º 0,17892 11º
Fonte: Elaboração própria.
Tabela 78 – Índice puro de ligação para trás e para frente, para o ano de 2013.
2013
Nº Setores GHSBL Ranking GHSFL Ranking GHSTL Ranking
1 Agropecuária 0,15337 10º 0,49083 9º 0,31292 9º
2 Indústria extrativa mineral 0,04469 11º 0,54263 7º 0,28013 10º
3 Indústria de transformação 1,45476 3º 3,30431 1º 2,32925 2º
4 Produção e distribuição de eletricidade, gás
e água 1,03936 6º 0,52868 8º 0,7979 7º
5 Construção 1,24967 4º 0,27186 12º 0,78735 8º
6 Comércio 0,89697 8º 1,51221 3º 1,18786 4º
7 Transporte, armazenagem e correios 0,94508 7º 1,05916 4º 0,99902 5º
8 Serviços de informação 1,05524 5º 0,92785 5º 0,99501 6º
9 Intermediação financeira, seguros e
previdência complementar 1,59339 2º 0,84191 6º 1,23808 3º
10 Atividades imobiliárias e aluguel 0,02347 12º 0,34556 10º 0,17576 12º
11 Outros serviços 3,34511 1º 1,89247 2º 2,65829 1º
12 Administração, saúde e educação pública 0,1989 9º 0,28253 11º 0,23844 11º
Fonte: Elaboração própria.
219
Tabela 79 – Multiplicador tipo II Rasmussen-Hirschman, para os anos de 1995 e 2000.
1995 2000
Nº Setores RHBL Ranking RHFL Ranking RHBL Ranking RHFL Ranking
1 Agropecuária 0,9492 8º 0,8867 7º 0,9811 9º 0,8869 8º
2 Indústria extrativa mineral 1,1895 2º 0,6739 12º 1,0902 3º 0,6924 11º
3 Indústria de transformação 1,2614 1º 2,2565 1º 1,2812 1º 2,2430 1º
4 Produção e distribuição de
eletricidade, gás e água 1,0022 6º 0,9139 6º 1,0194 7º 0,9658 5º
5 Construção 1,1015 4º 0,7057 9º 1,1085 2º 0,6968 10º
6 Comércio 0,8367 11º 0,9931 4º 0,8714 11º 0,9746 4º
7 Transporte, armazenagem e
correios 1,0237 5º 0,9243 5º 1,0369 4º 0,9385 7º
8 Serviços de informação 1,1231 3º 0,6834 11º 1,0244 6º 0,9390 6º
9
Intermediação financeira,
seguros e previdência
complementar
0,9272 10º 1,1427 3º 1,0287 5º 0,9940 3º
10 Atividades imobiliárias e
aluguel 0,6631 12º 0,7206 8º 0,6547 12º 0,7048 9º
11 Outros serviços 0,9806 7º 1,4097 2º 0,9978 8º 1,2903 2º
12 Administração, saúde e
educação pública 0,9420 9º 0,6895 10º 0,9057 10º 0,6738 12º
Fonte: Elaboração própria.
Tabela 80 – Multiplicador tipo II Rasmussen-Hirschman, para os anos de 2005 e 2013.
2005 2013
Nº Setores RHBL Ranking RHFL Ranking RHBL Ranking RHFL Ranking
1 Agropecuária 1,0544 5º 0,903 8º 0,9997 6º 0,8210 8º
2 Indústria extrativa mineral 1,1244 2º 0,744 9º 0,9187 10º 0,8117 9º
3 Indústria de transformação 1,3253 1º 2,43 1º 1,2936 1º 2,0118 1º
4 Produção e distribuição de
eletricidade, gás e água 1,0007 7º 0,959 4º 1,1685 2º 0,9507 6º
5 Construção 1,0814 3º 0,678 11º 1,1280 3º 0,7441 10º
6 Comércio 0,8679 11º 0,972 3º 0,9320 9º 1,0856 3º
7 Transporte, armazenagem e
correios 1,0742 4º 0,953 6º 1,1057 4º 1,0176 4º
8 Serviços de informação 1,0040 6º 0,957 5º 1,0375 5º 0,8818 7º
9
Intermediação financeira,
seguros e previdência
complementar
0,9027 10º 0,927 7º 0,9471 8º 0,9686 5º
10 Atividades imobiliárias e
aluguel 0,6550 12º 0,683 10º 0,6768 12º 0,6865 11º
11 Outros serviços 0,9961 8º 1,14 2º 0,9472 7º 1,3406 2º
12 Administração, saúde e
educação pública 0,9138 9º 0,654 12º 0,8452 11º 0,6801 12º
Fonte: Elaboração própria.
220
APÊNDICE 5
221
Tabela 81 - Tradutor para agregação das matrizes de 42 para 12 setores.
Formato de Agregação 12 setores Formato de agregação 48 setores
1 Agropecuária 1 Agropecuária
2 Indústria extrativa mineral 2 Extrat. Mineral
2 Indústria extrativa mineral 3 Petróleo e gás
3 Indústria de transformação 4 Mineral ñ metálico
3 Indústria de transformação 5 Siderurgia
3 Indústria de transformação 6 Metalurg. Ñ ferrosos
3 Indústria de transformação 7 Outros metalúrgicos
3 Indústria de transformação 8 Máquinas e equip.
3 Indústria de transformação 9 Material elétrico
3 Indústria de transformação 10 Equip. Eletrônicos
3 Indústria de transformação 11 Autom./cam/onibus
3 Indústria de transformação 12 Peças e out. Veículos
3 Indústria de transformação 13 Madeira e mobiliário
3 Indústria de transformação 14 Celulose, papel e gráf.
3 Indústria de transformação 15 Ind. Da borracha
3 Indústria de transformação 16 Elementos quimicos
3 Indústria de transformação 17 Refino do petróleo
3 Indústria de transformação 18 Químicos diversos
3 Indústria de transformação 19 Farmac. E veterinária
3 Indústria de transformação 20 Artigos plásticos
3 Indústria de transformação 21 Ind. Têxtil
3 Indústria de transformação 22 Artigos do vestuário
3 Indústria de transformação 23 Fabricação calçados
3 Indústria de transformação 24 Indústria do café
3 Indústria de transformação 25 Benef. Prod. Vegetais
3 Indústria de transformação 26 Abate de animais
3 Indústria de transformação 27 Indústria de laticínios
3 Indústria de transformação 28 Fabricação de açúcar
3 Indústria de transformação 29 Fab. Óleos vegetais
3 Indústria de transformação 30 Outros prod. Aliment.
3 Indústria de transformação 31 Indústrias diversas
4 Produção e distribuição de eletricidade, gás e água 32 S.i.u.p.
5 Construção 33 Construção civil
6 Comércio 34 Comércio
7 Transporte, armazenagem e correio 35 Transportes
8 Serviços de informação 36 Comunicações
9 Intermediação financeira, seguros e previdência
complementar 37 Instituições financeiras
1
1 Outros serviços 38 Serv. Prest. À família
1
1 Outros serviços 39 Serv. Prest. À empresa
1
0 Atividades imobiliárias e aluguel 40 Aluguel de imóveis
1
2 Administração, saúde e educação públicas 41 Administração pública
1
1 Outros serviços 42 Serv. Priv. Ñ mercantis
222
Tabela 82 - Tradutor para agregação das matrizes de 68 para 12 setores.
Formato de Agregação 12 setores Formato de agregação 48 setores
1 Agropecuária 1 Agricultura, inclusive o apoio à agricultura e a pós-
colheita
1 Agropecuária 2 Pecuária, inclusive o apoio à pecuária
1 Agropecuária 3 Produção florestal; pesca e aquicultura
2 Indústria extrativa mineral 4 Extração de carvão mineral e de minerais não-metálicos
2 Indústria extrativa mineral 5 Extração de petróleo e gás, inclusive as atividades de
apoio
2 Indústria extrativa mineral 6 Extração de minério de ferro, inclusive beneficiamentos
e a aglomeração
2 Indústria extrativa mineral 7 Extração de minerais metálicos não-ferrosos, inclusive
beneficiamentos
3 Indústria de transformação 8 Abate e produtos de carne, inclusive os produtos do
laticínio e da pesca
3 Indústria de transformação 9 Fabricação e refino de açúcar
3 Indústria de transformação 10 Outros produtos alimentares
3 Indústria de transformação 11 Fabricação de bebidas
3 Indústria de transformação 12 Fabricação de produtos do fumo
3 Indústria de transformação 13 Fabricação de produtos têxteis
3 Indústria de transformação 14 Confecção de artefatos do vestuário e acessórios
3 Indústria de transformação 15 Fabricação de calçados e de artefatos de couro
3 Indústria de transformação 16 Fabricação de produtos da madeira
3 Indústria de transformação 17 Fabricação de celulose, papel e produtos de papel
3 Indústria de transformação 18 Impressão e reprodução de gravações
3 Indústria de transformação 19 Refino de petróleo e coquerias
3 Indústria de transformação 20 Fabricação de biocombustíveis
3 Indústria de transformação 21 Fabricação de químicos orgânicos e inorgânicos, resinas
e elastômeros
3 Indústria de transformação 22 Fabricação de defensivos, desinfestantes, tintas e
químicos diversos
3 Indústria de transformação 23 Fabricação de produtos de limpeza,
cosméticos/perfumaria e higiene pessoal
3 Indústria de transformação 24 Fabricação de produtos farmoquímicos e farmacêuticos
3 Indústria de transformação 25 Fabricação de produtos de borracha e de material
plástico
3 Indústria de transformação 26 Fabricação de produtos de minerais não-metálicos
3 Indústria de transformação 27 Produção de ferro-gusa/ferroligas, siderurgia e tubos de
aço sem costura
3 Indústria de transformação 28 Metalurgia de metais não-ferosos e a fundição de metais
3 Indústria de transformação 29 Fabricação de produtos de metal, exceto máquinas e
equipamentos
3 Indústria de transformação 30 Fabricação de equipamentos de informática, produtos
eletrônicos e ópticos
3 Indústria de transformação 31 Fabricação de máquinas e equipamentos elétricos
3 Indústria de transformação 32 Fabricação de máquinas e equipamentos mecânicos
3 Indústria de transformação 33 Fabricação de automóveis, caminhões e ônibus, exceto
peças
3 Indústria de transformação 34 Fabricação de peças e acessórios para veículos
automotores
3 Indústria de transformação 35 Fabricação de outros equipamentos de transporte, exceto
veículos automotores
3 Indústria de transformação 36 Fabricação de móveis e de produtos de indústrias
diversas
223
Comtinuação Tabela 83
3 Indústria de transformação 37 Manutenção, reparação e instalação de máquinas e
equipamentos
4 Produção e distribuição de eletricidade, gás
e água 38 Energia elétrica, gás natural e outras utilidades
4 Produção e distribuição de eletricidade, gás
e água 39 Água, esgoto e gestão de resíduos
5 Construção 40 Construção
6 Comércio 41 Comércio e reparação de veículos automotores e
motocicletas
6 Comércio 42 Comércio por atacado e a varejo, exceto veículos
automotores
7 Transporte, armazenagem e correio 43 Transporte terrestre
7 Transporte, armazenagem e correio 44 Transporte aquaviário
7 Transporte, armazenagem e correio 45 Transporte aéreo
7 Transporte, armazenagem e correio 46 Armazenamento, atividades auxiliares dos transportes e
correio
11 Outros serviços 47 Alojamento
11 Outros serviços 48 Alimentação
8 Serviços de informação 49 Edição e edição integrada à impressão
8 Serviços de informação 50 Atividades de televisão, rádio, cinema e gravação/edição
de som e imagem
8 Serviços de informação 51 Telecomunicações
8 Serviços de informação 52 Desenvolvimento de sistemas e outros serviços de
informação
9 Intermediação financeira, seguros e
previdência complementar 53
Intermediação financeira, seguros e previdência
complementar
10 Atividades imobiliárias e aluguel 54 Atividades imobiliárias
11 Outros serviços 55 Atividades jurídicas, contábeis, consultoria e sedes de
empresas
11 Outros serviços 56 Serviços de arquitetura, engenharia, testes/análises
técnicas e P & D
11 Outros serviços 57 Outras atividades profissionais, científicas e técnicas
11 Outros serviços 58 Aluguéis não-imobiliários e gestão de ativos de
propriedade intelectual
11 Outros serviços 59 Outras atividades administrativas e serviços
complementares
11 Outros serviços 60 Atividades de vigilância, segurança e investigação
12 Administração, saúde e educação públicas 61 Administração pública, defesa e seguridade social
12 Administração, saúde e educação públicas 62 Educação pública
11 Outros serviços 63 Educação privada
12 Administração, saúde e educação públicas 64 Saúde pública
11 Outros serviços 65 Saúde privada
11 Outros serviços 66 Atividades artísticas, criativas e de espetáculos
11 Outros serviços 67 Organizações associativas e outros serviços pessoais
11 Outros serviços 68 Serviços domésticos
224
Tabela 83 - Tradutor para agregação das matrizes de 128 produtos para 12 setores.
Formato estrutura 12 setores Formato estrutura 128 produtos
1 Agropecuária 1 Arroz, trigo e outros cereais
1 Agropecuária 2 Milho em grão
1 Agropecuária 3 Algodão herbáceo, outras fibras da lav. temporária
1 Agropecuária 4 Cana-de-açúcar
1 Agropecuária 5 Soja em grão
1 Agropecuária 6 Outros produtos e serviços da lavoura temporária
1 Agropecuária 7 Laranja
1 Agropecuária 8 Café em grão
1 Agropecuária 9 Outros produtos da lavoura permanente
1 Agropecuária 10 Bovinos e outros animais vivos, prods. animal, caça e serv.
1 Agropecuária 11 Leite de vaca e de outros animais
1 Agropecuária 12 Suínos
1 Agropecuária 13 Aves e ovos
1 Agropecuária 14 Produtos da exploração florestal e da silvicultura
1 Agropecuária 15 Pesca e aquicultura (peixe, crustáceos e moluscos)
2 Indústria extrativa mineral 16 Carvão mineral
2 Indústria extrativa mineral 17 Minerais não-metálicos
2 Indústria extrativa mineral 18 Petróleo, gás natural e serviços de apoio
2 Indústria extrativa mineral 19 Minério de ferro
2 Indústria extrativa mineral 20 Minerais metálicos não-ferrosos
3 Indústria de transformação 21 Carne de bovinos e outros prod. de carne
3 Indústria de transformação 22 Carne de suíno
3 Indústria de transformação 23 Carne de aves
3 Indústria de transformação 24 Pescado industrializado
3 Indústria de transformação 25 Leite resfriado, esterilizado e pasteurizado
3 Indústria de transformação 26 Outros produtos do laticínio
3 Indústria de transformação 27 Açúcar
3 Indústria de transformação 28 Conservas de frutas, legumes, outros vegetais e sucos de frutas
3 Indústria de transformação 29 Óleos e gorduras vegetais e animais
3 Indústria de transformação 30 Café beneficiado
3 Indústria de transformação 31 Arroz beneficiado e produtos derivados do arroz
3 Indústria de transformação 32 Produtos derivados do trigo, mandioca ou milho
3 Indústria de transformação 33 Rações balanceadas para animais
3 Indústria de transformação 34 Outros produtos alimentares
3 Indústria de transformação 35 Bebidas
3 Indústria de transformação 36 Produtos do fumo
3 Indústria de transformação 37 Fios e fibras têxteis beneficiadas
3 Indústria de transformação 38 Tecidos
3 Indústria de transformação 39 Art. têxteis de uso doméstico e outros têxteis
3 Indústria de transformação 40 Artigos do vestuário e acessórios
3 Indústria de transformação 41 Calçados e artefatos de couro
3 Indústria de transformação 42 Produtos de madeira, exclusive móveis
225
Continuação
3 Indústria de transformação 43 Celulose
3 Indústria de transformação 44 Papel, papelão, embalagens e artefatos de papel
3 Indústria de transformação 45 Serviços de impressão e reprodução
3 Indústria de transformação 46 Combustíveis para aviação
3 Indústria de transformação 47 Gasoálcool
3 Indústria de transformação 48 Naftas para petroquímica
3 Indústria de transformação 49 Óleo combustível
3 Indústria de transformação 50 Diesel - biodiesel
3 Indústria de transformação 51 Outros produtos do refino do petróleo
3 Indústria de transformação 52 Etanol e outros biocombustíveis
3 Indústria de transformação 53 Produtos químicos inorgânicos
3 Indústria de transformação 54 Adubos e fertilizantes
3 Indústria de transformação 55 Produtos químicos orgânicos
3 Indústria de transformação 56 Resinas,elastômeros e fibras artif. e sintéticas
3 Indústria de transformação 57 Defensivos agrícolas e desinfestantes domissanitários
3 Indústria de transformação 58 Produtos químicos diversos
3 Indústria de transformação 59 Tintas, vernizes, esmaltes e lacas
3 Indústria de transformação 60 Perfumaria, sabões e artigos de limpeza
3 Indústria de transformação 61 Produtos farmacêuticos
3 Indústria de transformação 62 Artigos de borracha
3 Indústria de transformação 63 Artigos de plástico
3 Indústria de transformação 64 Cimento
3 Indústria de transformação 65 Artefatos de cimento, gesso e semelhantes
3 Indústria de transformação 66 Vidros, cerâmicos e outros prod. de minerais não-metálicos
3 Indústria de transformação 67 Ferro-gusa e ferroligas
3 Indústria de transformação 68 Semi-acabacados, laminados planos, longos e tubos de aço
3 Indústria de transformação 69 Produtos da metalurgia de metais não-ferrosos
3 Indústria de transformação 70 Peças fundidas de aço e de metais não ferrosos
3 Indústria de transformação 71 Produtos de metal, excl. máquinas e equipamentos
3 Indústria de transformação 72 Componentes eletrônicos
3 Indústria de transformação 73 Máquinas para escritório e equip. de informática
3 Indústria de transformação 74 Material eletrônico e equip. de comunicações
3 Indústria de transformação 75 Equip. de medida, teste e controle, ópticos e eletromédicos
3 Indústria de transformação 76 Máquinas, aparelhos e materiais elétricos
3 Indústria de transformação 77 Eletrodomésticos
3 Indústria de transformação 78 Tratores e outras máquinas agrícolas
3 Indústria de transformação 79 Máquinas para a extração mineral e a construção
3 Indústria de transformação 80 Outras máquinas e equipamentos mecânicos
3 Indústria de transformação 81 Automóveis, camionetas e utilitários
3 Indústria de transformação 82 Caminhões e ônibus, incl. cabines, carrocerias e reboques
3 Indústria de transformação 83 Peças e acessórios para veículos automotores
3 Indústria de transformação 84 Aeronaves, embarcações e outros equipamentos de transporte
3 Indústria de transformação 85 Móveis
226
Continuação
3 Indústria de transformação 86 Produtos de industrias diversas
3 Indústria de transformação 87 Manutenção, reparação e instalação de máquinas e equipamentos
4 Produção e distribuição de
eletricidade, gás e água 88 Eletricidade, gás e outras utilidades
4 Produção e distribuição de
eletricidade, gás e água 89 Água, esgoto, reciclagem e gestão de resíduos
5 Construção 90 Edificações
5 Construção 91 Obras de infra-estrutura
5 Construção 92 Serviços especializados para construção
6 Comércio 93 Comércio e reparação de veículos
6 Comércio 94 Comércio por atacado e a varejo, exceto veículos automotores
7 Transporte, armazenagem e
correio 95 Transporte terrestre de carga
7 Transporte, armazenagem e
correio 96 Transporte terrestre de passageiros
7 Transporte, armazenagem e
correio 97 Transporte aquaviário
7 Transporte, armazenagem e
correio 98 Transporte aéreo
7 Transporte, armazenagem e
correio 99 Armazenamento e serviços auxiliares aos transportes
7 Transporte, armazenagem e
correio 100 Correio e outros serviços de entrega
11 Outros serviços 101 Serviços de alojamento em hotéis e similares
11 Outros serviços 102 Serviços de alimentação
8 Serviços de informação 103 Livros, jornais e revistas
8 Serviços de informação 104 Serviços cinematográficos, música, rádio e televisão
8 Serviços de informação 105 Telecomunicações, TV por assinatura e outros serv. relacionados
8 Serviços de informação 106 Desenvolvimento de sistemas e outros serviços de informação
9 Intermediação financeira, seguros
e previdência complementar 107 Intermediação financeira, seguros e previdência complementar
10 Atividades imobiliárias e aluguel 108 Aluguel efetivo e serviços imobiliários
10 Atividades imobiliárias e aluguel 109 Aluguel imputado
11 Outros serviços 110 Serviços jurídicos, contabilidade e consultoria
11 Outros serviços 111 Pesquisa e desenvolvimento
11 Outros serviços 112 Serviços de arquitetura e engenharia
11 Outros serviços 113 Publicidade e outros serviços técnicos
11 Outros serviços 114 Aluguéis não-imob. e gestão de ativos de propriedade intelectual
11 Outros serviços 115 Condomínios e serviços para edifícios
11 Outros serviços 116 Outros serviços administrativos
11 Outros serviços 117 Serviços de vigilância, segurança e investigação
12 Administração, saúde e educação
públicas 118 Serviços coletivos da administração pública
12 Administração, saúde e educação
públicas 119 Serviços de previdência e assistência social
12 Administração, saúde e educação
públicas 120 Educação pública
11 Outros serviços 121 Educação privada
227
Continuação
12 Administração, saúde e educação
públicas 122 Saúde pública
11 Outros serviços 123 Saúde privada
11 Outros serviços 124 Serviços de artes, cultura, esporte e recreação
11 Outros serviços 125 Organizações patronais, sindicais e outros serviços associativos
11 Outros serviços 126 Manutenção de computadores, telefones e objetos domésticos
11 Outros serviços 127 Serviços pessoais
11 Outros serviços 128 Serviços domésticos
228
Tabela 84 - Tradutor para agregação das matrizes de 68 produtos para 12 setores.
Estrutura formato 12 setores Estrutura formato 42 produtos
1 Agropecuária 1 Café em coco
1 Agropecuária 2 Cana-de-açúcar
1 Agropecuária 3 Arroz em casca
1 Agropecuária 4 Trigo em grão
1 Agropecuária 5 Soja em grão
1 Agropecuária 6 Algodão em caroço
1 Agropecuária 7 Milho em grão
1 Agropecuária 8 Bovinos e suínos
1 Agropecuária 9 Leite natural
1 Agropecuária 10 Aves vivas
1 Agropecuária 11 Out. Prod. Agropecuários
2 Indústria extrativa mineral 12 Minério de ferro
2 Indústria extrativa mineral 13 Outros minerais
2 Indústria extrativa mineral 14 Petróleo e gás
2 Indústria extrativa mineral 15 Carvão e outros
2 Indústria extrativa mineral 16 Prod. Minerais ñ metálicos
3 Indústria de transformação 17 Prod. Siderúrgicos básicos
3 Indústria de transformação 18 Laminados de aço
3 Indústria de transformação 19 Prod. Metalúrg. Ñ ferrosos
3 Indústria de transformação 20 Out. Prod. Metalúrgicos
3 Indústria de transformação 21 Fabric. E manut. Maq. E equip.
3 Indústria de transformação 22 Tratores e maq. Terraplan.
3 Indústria de transformação 23 Material elétrico
3 Indústria de transformação 24 Equipamentos eletrônicos
3 Indústria de transformação 25 Autom., caminhões e ônibus
3 Indústria de transformação 26 Outros veículos e peças
3 Indústria de transformação 27 Madeira e mobiliário
3 Indústria de transformação 28 Papel, celul. papelão e artef.
3 Indústria de transformação 29 Produtos da borracha
3 Indústria de transformação 30 Elem. Quím. Ñ petroquímicos
3 Indústria de transformação 31 Álcool de cana e cereais
3 Indústria de transformação 32 Gasolina pura
3 Indústria de transformação 33 Óleos combustíveis
3 Indústria de transformação 34 Outros prod. Do refino
3 Indústria de transformação 35 Prod. Petroquímicos básicos
3 Indústria de transformação 36 Resinas
3 Indústria de transformação 37 Gasoalcool
3 Indústria de transformação 38 Adubos
3 Indústria de transformação 39 Tintas
3 Indústria de transformação 40 Outros prod. Químicos
3 Indústria de transformação 41 Prod. Farm. E de perfumaria
3 Indústria de transformação 42 Artigos de plástico
229
Continuação
3 Indústria de transformação 43 Fios têxteis naturais 3 Indústria de transformação 44 Tecidos naturais 3 Indústria de transformação 45 Fios têxteis artificiais 3 Indústria de transformação 46 Tecidos artificiais 3 Indústria de transformação 47 Outros prod. Têxteis 3 Indústria de transformação 48 Artigos do vestuário 3 Indústria de transformação 49 Prod. Couro e calçados 3 Indústria de transformação 50 Produtos do café 3 Indústria de transformação 51 Arroz beneficiado 3 Indústria de transformação 52 Farinha de trigo 3 Indústria de transformação 53 Out. Prod. Aliment. Benefic. 3 Indústria de transformação 54 Carne bovina 3 Indústria de transformação 55 Carne de aves abatidas 3 Indústria de transformação 56 Leite beneficiado 3 Indústria de transformação 57 Outros laticínios 3 Indústria de transformação 58 Açúcar 3 Indústria de transformação 59 Oleo vegetal em bruto 3 Indústria de transformação 60 Oleo vegetal refinado 3 Indústria de transformação 61 Rações e out. Alimentares 3 Indústria de transformação 62 Bebidas 3 Indústria de transformação 63 Produtos diversos
4 Produção e distribuição de eletricidade,
gás e água 64 Serv. Indust. De util. Pública
5 Construção 65 Prod. Da construção civil 6 Comércio 66 Margem de comércio 7 Transporte, armazenagem e correio 67 Margem de transporte 8 Serviços de informação 68 Comunicações
9 Intermediação financeira, seguros e
previdência complementar 69 Seguros
9 Intermediação financeira, seguros e
previdência complementar 70 Serviços financeiros
11 Outros serviços 71 Alojamento e alimentação 11 Outros serviços 72 Outros serviços 11 Outros serviços 73 Saúde e educ.mercantis 11 Outros serviços 74 Serv. Prest. À empresa 10 Atividades imobiliárias e aluguel 75 Aluguel de imóveis 10 Atividades imobiliárias e aluguel 76 Aluguel imputado
12 Administração, saúde e educação
públicas 77 Administração pública
12 Administração, saúde e educação
públicas 78 Saúde pública
12 Administração, saúde e educação
públicas 79 Educação pública
11 Outros serviços 80 Serv. Ñ mercantil privado
230
Catalogação na Publicação elaborada pela Biblioteca Universitária
UNIOESTE/Campus de Toledo.
Bibliotecária: Marilene de Fátima Donadel - CRB – 9/924
Centurião, Daniel Amorim Souza
C397d Determinação do valor adicionado e emprego na indústria
brasileira : desindustrialização e crescimento econômico / Daniel
Amorim Souza Centurião. – Toledo, PR : [s. n.], 2018.
229 f. : il. [algumas color.], tabs,, grafs., figs.
Orientador: Prof. Dr. Ricardo Luís Lopes
Dissertação (Mestrado em Economia) - Universidade Estadual
do Oeste do Paraná. Campus de Toledo. Centro de Ciências
Sociais Aplicadas
1. Economia - Dissertações 2. Indústria – Brasil 3. Mercado de
trabalho – Brasil 4. Desenvolvimento econômico 5. Modelos
econométricos 6. Desindustrialização 7. Valor adicionado I. Lopes,
Ricardo Luís, orient. II.T
CDD 20. ed. 338.981