DESINFLAÇÃO E ATIVIDADE ECONÔMICA NOS ESTADOS …



DESINFLAÇÃO E ATIVIDADE ECONÔMICA NOS ESTADOS BRASILEIROS: ALGUMAS EVIDÊNCIAS EMPÍRICAS

Airton Lopes Amorim[1]

Daniel Arruda Coronel[2]

Resumo: As políticas de combate à inflação podem ocasionar um custo transitório de perda de produto na economia. Esse custo é comumente medido pela “taxa de sacrifício”, que corresponde à perda acumulada de produto para um ponto percentual de redução da inflação. O objetivo deste artigo foi estimar “taxas de sacrifício” para a economia brasileira, como um todo, e para uma série de estados brasileiros, com base no método VAR estrutural aplicado às séries de produção física industrial e inflação, no período 1994-2008. Os resultados encontrados mostram que, apesar de a “taxa de sacrifício” da economia brasileira, como um todo, ser relativamente baixa, cerca de 3% do PIB, os valores encontrados para os estados brasileiros indicam que alguns sofreriam impactos adversos consideráveis de políticas monetárias restritivas. Santa Catarina, por exemplo, apresentou o maior valor dessa medida, 54,27% do PIB, seguida por Pernambuco e Espírito Santo, com 20,69% e 2,09% do PIB, respectivamente. Dessa forma, a condução da política monetária do país deveria considerar a diversidade econômica encontrada no Brasil, uma vez que os efeitos dessa política poderiam aprofundar ainda mais as disparidades regionais do país, sendo necessárias algumas políticas de compensação que reduzissem esses efeitos.

Palavras chaves: Política Monetária; Desinflação; Atividade Econômica; Economia Regional

Abstract: Policies to combat inflation may cause a transitory cost of product loss in economy. This cost is usually measure by “sacrifice ratio”, which is calculated by taking the cost of lost production and dividing it by the percentage change in inflation, and its quotient gives the loss of output per 1% change in inflation. The aim of this work was to estimate “sacrifice ratio” for Brazilian economy, as a whole, and for some Brazilian states, based on structural VAR method applied to industrial production series and inflation from 1994 to 2008. The results found show that, despite “sacrifice ratio” of Brazilian economy to be relatively low, about de 3% of GDP, the values found for Brazilian states indicate that some states would have considered impacts in restrictive monetary policies. Santa Catarina, for example, showed the highest values of this measure, 54,27% of GDP. The second and third ones were Pernambuco and Espírito Santo, with 20,69% and 2,09% of GDP. Thus, the monetary policy management of country should consider the economic diversity found in Brazil, since the effects of this policy could be deeper concerning the regional disparities in the country, being necessary some compensation policies that reduce these effects.

Keywords: Monetary Policy; Disinflation; Economic Activity; Regional Economy

JEL classification: E52; C51.

Área ANPEC: Área 9 - Economia Regional e Urbana

1 Introdução

As estratégias de combate à inflação dependem de considerações sobre os custos e benefícios de se atingir e manter um ambiente de baixa inflação. Os benefícios potenciais de uma inflação baixa incluem maiores taxas de crescimento econômico, ambiente econômico mais estável e menos distorções fiscais. Os custos transitórios da inflação baixa incluem perda de produção e aumento do desemprego. (Filardo, 1998)

Geralmente, esses custos são medidos pela chamada “taxa de sacrifício”, definida como a perda acumulada de produto nacional relacionada a uma desinflação permanente de um ponto percentual. Obviamente, o cálculo dessa taxa não é simples, uma vez que os fenômenos econômicos ocorrem de maneira simultânea, o que dificulta o isolamento do efeito da redução da inflação com a perda de produto.

Na literatura econômica, é possível encontrar uma série de estudos empíricos que apresentam estimativas das razões de sacrifício para países, em diferentes períodos de tempo. Nos Estados Unidos, Okun (1978) apresentou uma taxa de sacrifício de 10% do PIB; Gordon e King (1982), considerando o período 1954 a 1980, encontraram valores entre 0 e 8% do PIB, com média de cerca de 5%, enquanto Cecchetti e Rich (2001) apresentaram estimativas entre 1 e 10% do PIB, para o período 1959 a 1997. Para países da zona do euro, Cuñado e Gracia (2003) relataram estimativas que variaram entre 0,55 e 1,96% do PIB, considerando os anos 1960 a 1998, enquanto Durand, Huchet-Bourdon e Licheron (2007) apresentaram índices mais baixos que variaram entre 0,23 a 0,75% do PIB, para os anos 1972 a 2003.

Para países da OCDE, Ball (1994) obteve estimativas entre 0,0 a 3,6% do PIB, com média de 1,4%, ao analisar 65 episódios específicos de desinflações em 19 desses países, entre 1960 e 1991, e Gonçalves e Carvalho (2009), em episódios mais recentes, estimaram taxas de sacrifício variando de -1,41 a 21,18% do PIB, com uma média de 5,59% para os 39 episódios examinados. Estimando as mesmas taxas para mercados emergentes, Gonçalves e Carvalho (2008) encontraram valores variando entre 0 e 6,4% do PIB, com média de 1,66%, nos 45 episódios analisados. Para o Brasil, no único período examinado, de 2003/2 a 2004/2, Gonçalves e Carvalho (2008) encontraram uma taxa estimada de 0,07 do PIB.

De modo geral, parece haver pouca discordância entre os estudos empíricos quanto aos seguintes fatos: (i) a desinflação gera uma perda de produto no curto prazo; e (ii) o valor da razão de sacrifício varia entre países, períodos de tempo e métodos de estimação, situando-se em um intervalo entre 0,23 e 10% do PIB.

Apesar dos estudos citados anteriormente se preocuparem com os efeitos das políticas monetárias sobre os países, tomados em sua totalidade, recentemente, vários estudos têm se preocupado como os efeitos da condução única de política monetária sobre regiões, principalmente após a adoção do Euro por um grupo de países europeus. Trabalhos como os de Carlino e DeFina (1999) e Di Giacinto (2003) para os estados norte-americanos; De Lucio e Izquierdo (1999) para as regiões espanholas, Beenstock e Felsenstein (2005) para Israel, entre outros, têm apontado diferenças consideráveis nos efeitos da condução da política monetária sobre regionais de um mesmo país.

Dentre os trabalhos elaborados para o Brasil, destacam-se: Fonseca e Vasconcelos (2003), que analisam a influência da taxa SELIC sobre a produção industrial e o crédito bancário nas regiões brasileiras; Chumvichitra (2004), que analisou a relação entre choques monetários e o PIB per capita anual das macrorregiões do Brasil; Araújo (2004), que verificou os efeitos de choques monetários nas séries do Índice de Produção Industrial Mensal do IBGE para alguns estados do Nordeste e Sul, e também para o total dessas regiões; Bertanha e Haddad (2008), que estimaram os impactos da condução da taxa básica de juros no nível de atividade dos estados brasileiros, considerando os efeitos associados à interdependência espacial das unidades da Federação; e Rocha, Silva e Gomes (2011), que, além de investigar se choques na política monetária apresentam impactos diferenciados sobre os diferentes estados brasileiros, testaram empiricamente as razões pelas quais as respostas dos estados brasileiros a choques monetários são diferenciadas.

De modo geral, como observado por Bertanha e Haddad (2008), não parece haver padrão claro nos resultados, mesmo quando se comparam estudos que mediram impactos sobre a mesma variável, que, no caso, seria produção da indústria [Araújo (2004) e Fonseca e Vasconcelos (2002)]. Para os dois estudos com maior abrangência territorial [Fonseca e Vasconcelos (2002) e Chumvichitra (2004)], nota-se, contudo, alguma evidência de que estados do Norte seriam os mais afetados.

Seguindo a temática dos efeitos regionais da política monetária, o objetivo deste artigo foi estimar “taxas de sacrifício” para a economia brasileira, como um todo, e para uma série de estados brasileiros, tendo como referência o período de 1994 a 2008. A escolha dessa medida deve-se ao fato de a mesma ser um conceito muito conhecido, que pode sintetizar complexos fenômenos econômicos em uma medida informativa e muito simples de custo.

Para obter as estimativas das “taxas de sacrifício”, utilizou-se o método elaborado por Cecchetti e Rich (2001), uma vez que o mesmo permite a distinção entre choques monetários e outros choques de oferta, o que apresenta uma inovação em relação aos estudos que também estimaram taxas de sacrifico para a economia brasileira. Os resultados encontrados mostram que, apesar da “taxa de sacrifício” da economia brasileira como um todo ser relativamente baixa, os valores encontrados para os estados brasileiros indicam que alguns sofreriam impactos adversos consideráveis de políticas monetárias restritivas. Dessa forma, a condução da política monetária do país deveria considerar a diversidade econômica encontrada no Brasil, uma vez que os efeitos dessa política poderiam aprofundar ainda mais as disparidades regionais do país, sendo necessárias algumas políticas de compensação que reduzissem esses efeitos.

O artigo está estruturado em quatro seções, além desta introdução. Na segunda seção, faz uma revisão dos principais estudos empíricos sobre “taxas de sacrifico”, apontando as diferenças e limitações dos métodos de estimação utilizados; na seção seguinte, são apresentados os procedimentos metodológicos; na quarta, os resultados obtidos são analisados e discutidos e, por fim, são apresentadas algumas considerações finais

2 Razão de sacrifício

Parece haver um consenso entre economistas de que as tentativas de redução da taxa de inflação, por parte da autoridade monetária, levarão a um período de aumento do desemprego e redução da produção, pelo menos no curto prazo. De acordo com Cecchetti e Rich (2001), esses efeitos ocorrem porque a inflação exibe um comportamento inercial, ou seja, a inflação dos preços (medida por índices como o índice de preços ao consumidor) tende a mover-se lentamente ao longo do tempo, exibindo um comportamento muito diferente dos preços das ações ou commodities. Dessa forma, a redução da demanda agregada, pela autoridade monetária, necessária para criar um período de “trégua” temporária na economia, não reduzirá imediatamente a taxa de inflação por causa do lento processo de ajuste de preços.

Fuhrer (1995) forneceu uma visão geral da discussão sobre o lento ajustamento de preços na economia que se concentra em três possibilidades. Em primeiro lugar, a persistência da inflação pode surgir da ausência de sincronia nos reajustes de salários e preços na economia. Os salários e os preços se ajustam em momentos diferentes e, assim que um começa a subir, o outro o faz também, de forma que parar esse processo leva tempo. Em segundo lugar, as expectativas das pessoas sobre a inflação esperada podem ser formadas lentamente ao longo do tempo, baseando-se em uma espécie de mecanismo de adaptação. Uma vez que as decisões sobre salários e preços dependem das expectativas quanto a mudanças futuras, a adaptação lenta cria a inércia. Em terceiro lugar, se as pessoas não acreditam que a autoridade monetária está realmente empenhada em reduzir a inflação, então ela não cairá tão rapidamente. Ou seja, a credibilidade do formulador de política é importante para determinar a dinâmica da inflação, sendo que, quanto menor sua credibilidade, maior a persistência da inflação.

Embora as discussões teóricas levantem uma série de questões importantes, Cecchetti e Rich (2001) lembram que a concepção e implementação de políticas desinflacionárias exigem o conhecimento do impacto quantitativo da política monetária sobre o produto e inflação. Dessa forma, a estimação desse impacto é um pré-requisito para qualquer estudo que procure avaliar os efeitos de políticas alternativas sobre o custo da desinflação.

Os primeiros estudos empíricos que procuram calcular “taxas de sacrifício” geradas por processos deflacionários basearam-se na estimação da chamada curva de Phillips, que expressa a relação entre o hiato do produto e variação da inflação, ao longo de uma série temporal. Okum (1978), em um estudo pioneiro, obteve uma “taxa de sacrifício” média de 10% do PIB para os Estados Unidos. Gordon e King (1982) refinaram a abordagem de Okun (1978) (usando modelos VAR e a curva de Phillips tradicional) para obter estimativas da “taxa de sacrifício” dos Estados Unidos, que variaram de 0 a 8% do PIB, com uma média de cerca de 5%. Cunãdo e Gracia (2003), em estimativas recentes, também utilizaram a curva de Phillips para estimar “taxas de sacrifício” para alguns países da zona do euro, encontrando valores que variaram de 0,55 em Portugal a 1,96 na Finlândia. Além disso, esses autores mostraram que as “taxas de sacrifício” assumem valores maiores em subperiodos de baixas taxas de inflação, sugerindo que a curva de Phillips é uma função não linear da inflação atual. Apesar de sua grande utilização, a abordagem da curva de Phillips não está isenta de criticas, sendo as principais delas feitas por Ball (1994). Segundo esse autor, a abordagem da curva de Phillips assume que o trade-off entre inflação e produto é o mesmo, tanto em períodos de desinflação, como em períodos de aumento da tendência da inflação ou flutuações temporárias na demanda. De acordo com Ball (1994), essa suposição não se sustentaria caso a taxa de sacrifício fosse influenciada por fatores específicos de desinflações, tais como políticas de renda ou credibilidade induzidas por mudanças nas expectativas. Além disso, Ball (1994) argumenta que a abordagem da curva Phillips impõe que a “taxa de sacrifício” seja a mesma para todos os períodos de desinflação, ao longo de uma série de tempo.

Considerando as limitações da curva de Phillips, Ball (1999) propôs um método baseado na identificação de episódios de desinflação, por meio da observação de “picos” e “vales” na tendência da inflação (definida como uma média móvel centrada em nove trimestres da inflação atual). Ele então calculou a perda cumulativa de produto (isto é, a soma de hiatos do produto) para cada episodio predefinido de desinflação, e obteve, desta forma, estimativas da “taxa de sacrifício” para países da OCDE, que variaram de 0 até 3,5% do PIB, com uma média próxima a 1,4%, bem menor do que as estimativas anteriores.

Apesar de ter sido apontado como um avanço na busca por uma estimativa mais precisa da “taxa de sacrifico”, bem como ter gerado uma série de aplicações e refinamentos, o método elaborado por Ball (1994), assim como as estimativas anteriores baseadas na curva de Phillips, apresenta algumas limitações que, nas palavras de Cecchetti (1994) e Cecchetti e Rich (2001), poderiam gerar estimavas viesadas da “taxa de sacrifício”.

Como observado por Cecchetti (1994), Ball (1994) considera a influência da política monetária na economia apenas em episódios nos quais a inflação é reduzida e a produção cai, ignorando os períodos em que a inflação e a produção aumentam. Ainda de acordo com Cecchetti (1994), embora possa haver uma assimetria no impacto da política monetária sobre a produção e os preços, não parece natural supor que não haja informações sobre a política monetária quando a mesma se move em direção afrouxamento monetário.

Ainda de acordo com Cecchetti (1994), o método de Ball (1994) depende da dinâmica assumida pelo produto e inflação, na ausência de choques monetários. Ao calcular a perda inicial de uma desinflação particular, Ball (1994) assume que o produto está em seu nível potencial no período anterior à desinflação, reduzindo seu nível no início desse processo e retornando à sua tendência quatro períodos após. Dado que se assume que o crescimento do produto é linear (em logs) e que o processo de inflação não tem nenhum componente autorregressivo, seria necessário realizar algumas análises de sensibilidade nas séries temporais, como, por exemplo, testes de estacionaridade.

Por fim, Cecchetti e Rich (2001) argumentam que os cálculos realizados por Ball (1994) pressupõem que as recessões observadas por ele são causadas apenas por choques monetários, negligenciando os impactos de choques de oferta e demanda agregada (tais como choques de demanda por moeda e choques fiscais) sobre o comportamento da inflação e do produto durante esses episódios de desinflação.

Considerando as limitações apontadas no método de Ball (1994), Cecchetti e Rich (2001) construíram estimativas da “taxa de sacrifício” para a economia americana, baseadas em modelos VAR estruturais. De acordo com esses autores, a abordagem VAR estrutural apresenta algumas vantagens que permitem superar as limitações apontadas no método proposto por Ball (1994). Primeiro, ela utiliza informações sobre todos os movimentos da inflação e do produto, e não apenas aqueles relacionados às diminuições da inflação em períodos de recessões. Dessa forma, podem-se obter informações sobre o impacto de políticas de demanda agregada sobre a produção e os preços em períodos de ascensão e recessão. Segundo, ao identificar os choques explicitamente, torna-se claro a trajetória temporal desses efeitos.

Ao calcular funções acumuladas de resposta a impulso de três tipos diferentes do modelo VAR, para um dado horizonte de tempo (cinco anos), Cecchetti e Rich (2001) obtiveram estimativas da “taxa de sacrifico” para os Estados Unidos, no período 1959-1997, que variaram entre 1 a 10% do PIB. Durand, Huchet-Bourdon e Licheron (2007) aplicaram a abordagem de Cecchetti e Rich (2001) para uma amostra de países da OCDE e apresentaram índices entre 0,23 a 0,75% do PIB, entre os anos 1972 a 2003.

3 Metodologia

Neste trabalho, foi utilizada a abordagem Vetor Autorregressivo Estrutural (SVAR) para estimar a “taxa de sacrifício” da política de desinflação, conforme proposto por Cecchetti (1994) e, posteriormente, aperfeiçoada por Cecchetti e Rich (2001). Nessa abordagem, a política monetária é decomposta em um componente sistemático e um componente estocástico, com o primeiro sendo interpretado como uma função de reação que descreve a resposta da autoridade monetária a movimentos em um conjunto de variáveis econômicas chaves, e o segundo correspondendo a ações por parte da autoridade monetária que não podem ser explicadas pela função de reação, sendo, então, denominadas de “choques de política monetária”.

Uma vez que os componentes sistemáticos da política monetária seriam previsíveis pelos agentes econômicos (dado que representariam a resposta da autoridade monetária a variações na situação econômica, sendo, portanto, incluídos na formação das expectativas dos mesmos), os efeitos da política monetária sobre a atividade econômica passam a ser explicados pelos choques não antecipados dessa política. Esses choques são o principal foco da abordagem SVAR e permitem quantificar o impacto da política monetária sobre o produto e os preços.

Para ilustrar a estimação das “taxas de sacrifício” pela abordagem SVAR, considere um sistema bivariado simples, que inclui as séries temporais de produto e inflação. Usando a mesma notação que em Cecchetti (1994), define-se o seguinte modelo VAR estrutural:

[pic] , (1)

em que:

[pic] é o logaritmo do produto no período t;

[pic]é a taxa de inflação entre o tempo t-1 e t;

e [pic]é um vetor de processos de inovação estrutural, que contém os choques [pic] e [pic], considerados por Cecchetti (1994) e Cecchetti e Rich (2001) como choques de oferta agregada e demanda agregada, respectivamente. Assume-se, ainda, que [pic] tem média zero e é serialmente não correlacionado, com matriz de covariância [pic] para todo t.

Considerando os distúrbios estruturais como variáveis exógenas e aplicando o Teorema da decomposição de Wold, o sistema de equação (1) por ser representado pelo vetor de médias móveis infinito (VMA), que fornece as respostas a impulso do sistema a choques estruturais:

[pic] (2)

em que [pic] é um polinômio no operador de diferenças L.

Cecchetti (1994) e Cecchetti e Rich (2001) utilizam os choques de demanda [pic] para identificar as mudanças na política monetária. Dessa forma, aqueles autores fornecem uma representação conveniente para verificar o impacto dinâmico de um choque de política monetária sobre o produto e inflação.

A estimativa da “taxa de sacrifício” pode ser calculada com base nas funções de impulso resposta estrutural de (2). Nesse caso, a soma dos coeficientes em [pic] mede o efeito de um choque de política monetária sobre o nível da inflação, enquanto o efeito acumulado sobre o nível de produto da economia, resultante da incidência desse choque é expresso como uma função dos coeficientes em [pic].

Considerando o impacto da política monetária sobre o produto e a inflação, Cecchetti (1994) e Cecchetti e Rich (2001) calculam a “taxa de sacrifício” no horizonte de tempo τ, como o quociente desses dois efeitos, ou seja:

[pic] (3)

A Equação (3) mostra que, para uma política monetária desinflacionária (choque negativo de demanda agregada) no período t, o numerador mede a perda acumulada de produto ao longo dos τ primeiros períodos, enquanto o denominador é a diferença no nível de inflação τ períodos depois.

A Figura 1 ilustra a relação entre a razão de sacrifício e as funções impulso-resposta para o produto e a inflação. A ilustração mostra a resposta hipotética do produto e taxa de inflação a um choque de política monetária restritiva[3].

[pic]

Figura 1 -Relação entre Função Resposta a Impulso (FRI) e Razão de Sacrifício

Fonte: Adaptado de Cecchetti e Rich (2001).

Uma vez que os choques estruturais não são observados, a estimativa da função impulso-resposta estrutural deve ser obtida usando-se o VAR em sua forma reduzida, em conjunção com as restrições de identificação.

O primeiro conjunto de restrições de identificação utilizada neste trabalho baseia-se na suposição convencional de que os choques estruturais são não correlacionados e têm variância unitária, isto é, [pic], em que I é uma matriz identidade. O segundo conjunto de restrições segue os trabalhos de Cecchetti (1994), Cecchetti e Rich (2001) e Durand, Huchet-Bourdon e Licheron (2008), e corresponde à restrição de longo prazo, que considera que choques de demanda agregada não têm efeito permanente sobre o nível de produto, como definido inicialmente por Blanchard e Quah (1989). Esta última restrição é equivalente à condição de que [pic].

As análises seguintes assumem que a economia é conduzida apenas por dois conjuntos de choques e associa mudanças na política monetária com choques de demanda agregada[4].

3.1 Fonte de dados

Os dados utilizados neste estudo foram obtidos junto ao Instituto Brasileiro de Geografia e Estatística (IBGE) e ao Instituto de Pesquisa Econômica Aplicada (IPEA). As séries utilizadas apresentam frequência mensal e referem-se ao período entre agosto de 1994 a dezembro de 2008, correspondendo, portanto, a 172 observações. O período de análise compreende uma parte da história da economia brasileira onde grande esforço foi empreendido para que se alcançasse uma redução duradoura dos índices de inflação, o que o torna candidato natural para análise dos efeitos de processos desinflacionários permanentes sobre o nível de atividade econômica.

A medida de inflação escolhida foi a variação percentual anual do Índice de Preços ao Consumidor Amplo (IPCA). A escolha dessa medida de inflação deve-se aos seguintes fatores: (i) é o índice oficial do governo, funcionando como parâmetro para o sistema de metas inflacionárias adotado a partir 1999, (ii) é amplamente utilizado nos principais estudos acadêmicos sobre inflação, o que permite uma comparação com os mesmos; e (iii) é um índice econômico medido pelo IBGE, órgão que possui grande credibilidade no país.

Como não existe uma medida mensal do Produto Interno Bruto estadual para os estados brasileiros, adotou-se a Produção Física Industrial (PFI) como proxy para o produto da economia. As séries da Produção Física Industrial foram coletadas para uma amostra de 10 estados da federação, a saber: Bahia, Ceará, Pernambuco, Minas Gerais, Espírito Santo, Rio de Janeiro, São Paulo, Paraná, Santa Catarina e Rio Grande do Sul[5]; sendo as séries medidas em um índice de base fixa mensal, com ajuste sazonal (base: média de 2002 = 100).

Assim como em Cecchetti e Rich (2001), o IPCA foi medido em taxas mensais anualizadas, enquanto a taxa de crescimento da Produção Física Industrial foi medita a taxas trimestrais.

4 Análise e discussão dos resultados

A primeira etapa para estimar as “taxas de sacrifício” dos estados brasileiros consistiu em determinar a ordem de integração de cada uma das séries temporais, o que foi feito por meio do teste Kwiatkowski-Phillips-Schmidt-Shin (KPSS) para raiz unitária. Como observado por Fernandes e Toro (2005), os testes usuais de raiz unitária (DICKEY ; FULLER, 1979, PHILLIPS ; PERRON, 1988) são sensíveis à presença de valores atípicos e, uma vez que as séries em estudo sofreram influências de políticas econômicas no período pós-Plano Real, bem como de sucessivas crises econômicas internacionais, que geraram uma série de “irregularidades” nas mesmas, o teste KPSS seria mais indicado. Vale lembrar que esse teste inverte a hipótese nula usual e verifica a ausência de raiz unitária.

Os resultados encontram-se resumidos na Tabela 1. Para a série de inflação, adotou-se a especificação contendo constante e tendência, sendo a escolha dessa especificação feita a partir da análise comparativa entre a especificação com e sem tendência, com base no critério Razão de verossimilhança. Para as séries de índice de produção industrial, o modelo foi especificado seguindo o mesmo critério anterior, no entanto, aplicou-se o logaritmo natural nas séries originais, para suavizar sua variabilidade.

| Tabela 1- Teste Kwiatkowski-Phillips-Schmidt-Shin (KPSS) para raiz unitária |

|Variável |Modelo* |Estatística |Valor |Valor |

| | | |Crítico (1%) |Crítico (5%) |

|IPCA |cte+tend |0.1485 |0.216 |0.146 |

|PFIBahia |cte+tend |0.2466 |0.216 |0.146 |

|PFICeará |cte+tend |0.1120 |0.216 |0.146 |

|PFIPernambuco |cte+tend |0.4095 |0.739 |0.463 |

|PFIMinas Gerais |cte+tend |0.2526 |0.216 |0.146 |

|PFIEspírito Santo |cte+tend |0.1242 |0.216 |0.146 |

|PFIRio de Janeiro |cte+tend |0.3236 |0.216 |0.146 |

|PFISão Paulo |cte+tend |0.3181 |0.216 |0.146 |

|PFIParaná |cte+tend |0.1940 |0.216 |0.146 |

|PFIRio Grande do Sul |cte+tend |0.0553 |0.216 |0.146 |

|PFISanta Catarina |cte+tend |0.0900 |0.216 |0.146 |

|Fonte: Elaboração dos autores. |

|Nota: * cte: modelo apenas com constante; cte+tend: modelo com constante e tendência linear. A escolha do número de defasagens de |

|cada modelo foi realizada de forma automática pelo software, com base no critério de Newey-West. |

Em geral, todas as séries apresentaram evidência de raiz unitária, ainda que marginalmente a 5%, como é o caso das séries do índice de produção industrial para os estados Ceará e Espírito Santo. As únicas exceções que merecem destaque são as séries do índice de produção industrial do Rio Grande do Sul e Santa Catarina, que apresentam evidências de serem estacionárias. No entanto, para estimação e comparação das razões de sacrifício entre os estados brasileiros, essas séries foram consideradas como sendo não estacionárias[6].

Esses resultados fornecem suporte para a definição de “taxa de sacrifício”, assim como para a especificação do modelo, uma vez que o denominador dessa taxa corresponde ao efeito acumulado de um choque de política monetária sobre a taxa de inflação. Logo, para evitar um denominador igual a zero, os desvios na taxa de inflação em relação ao nível inicial devem ser permanentes, o que exige a não estacionaridade da série de inflação. Além disso, a restrição de identificação de longo prazo também exige a não estacionaridade das séries do produto da economia (Índice da Produção Física Industrial), uma vez que se assume que choques de oferta agregados exercem um impacto permanente sobre a trajetória do produto.

A segunda etapa na estimação das “taxas de sacrifício” consistiu em obter as funções resposta a impulso para um choque de política monetária restritiva (interpretado como um choque negativo de demanda agregada), para cada um dos estados, o que foi feito com a estimação dos modelos Vetor Autorregressivos Estruturais. A Tabela 2 apresenta o número de defasagens utilizadas nos modelos VAR.

|Tabela 2- Seleção de defasagens do modelo VAR |

|Modelo |Defasagem |Critérios de informação |

| | |Akaike |Final Prediction Error |Hannan-Quinn |Schwarz |

|[pic] |5 |5 |5 |3 |2 |

|[pic] |3 |2 |2 |2 |0 |

|[pic] |5 |5 |5 |2 |0 |

|[pic] |3 |2 |2 |0 |0 |

|[pic] |2 |2 |2 |0 |0 |

|[pic] |3 |2 |2 |2 |2 |

|[pic] |2 |0 |0 |0 |0 |

|[pic] |3 |3 |3 |3 |0 |

|[pic] |2 |0 |0 |0 |0 |

|[pic] |7 |7 |7 |0 |0 |

|Fonte: Elaboração dos autores. |

Alguns modelos apresentam defasagens maiores do que as indicadas pelos critérios de informação adotados, como é o caso do modelo VAR para Ceará e São Paulo, por exemplo. Essa opção foi feita para que se obtivesse um melhor ajustamento desses modelos em relação à autocorrelação.

Os modelos, em sua forma reduzida, são estimados por Mínimos Quadrados Ordinários (MQO). Uma vez estimados os modelos para cada um dos estados, os resíduos de cada modelo foram testados para a presença de autocorrelação, heterocedasticidade condicional e normalidade dos resíduos. A Tabelas 3 apresentam os resultados desta análise.

| Tabela 3: Testes de ajustamento dos modelos SVAR |

|Modelos |Teste |Lags |Estatistica |P-valores |

| |Autocorrelação/Heterocedasticidade | | | |

|[pic] |Portemanteu test* |8 |21,7714 |0,0402 |

| |LM test** |4 |48,9251 |0,0000 |

| |Multivariate ARCH-LM*** |5 |44,8746 |0,4772 |

| |Normalidade**** | | | |

| |Doornik & Hansen (1994) - teste conjunto | |1140,8744 |0,0000 |

| |Lütkepohl (1993) - teste conjunto | |1166,8519 |0,0000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |21,39140 |0,37440 |

| |LM test |4 |18,93450 |0,27210 |

| |Multivariate ARCH-LM |5 |76,49240 |0,00230 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |129,51620 |0,00000 |

| |Lütkepohl (1993) - teste conjunto | |122,33670 |0,00000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |20,8397 |0,0528 |

| |LM test |4 |15,0019 |0,5245 |

| |Multivariate ARCH-LM |5 |55,4305 |0,1371 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |463,65770 |0,00000 |

| |Lütkepohl (1993) - teste conjunto | |470,53570 |0,00000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |19,63840 |0,48070 |

| |LM test |4 |24,33210 |0,08250 |

| |Multivariate ARCH-LM |5 |94,63690 |0,00000 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |871,16410 |0,00000 |

| |Lütkepohl (1993) - teste conjunto | |861,45470 |0,00000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |21,41050 |0,61440 |

| |LM test |4 |21,51940 |0,15940 |

| |Multivariate ARCH-LM |5 |61,36850 |0,05260 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |255,21240 |0,00000 |

| |Lütkepohl (1993) - teste conjunto | |210,23660 |0,00000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |26,4252 |0,1522 |

| |LM test |4 |30,5920 |0,0152 |

| |Multivariate ARCH-LM |5 |103,2013 |0,0000 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |5183,1583 |0,0000 |

| |Lütkepohl (1993) - teste conjunto | |5420,8944 |0,0000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |20,17030 |0,68710 |

| |LM test |4 |25,66530 |0,05890 |

| |Multivariate ARCH-LM |5 |88,90250 |0,00010 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |556,14030 |0,00000 |

| |Lütkepohl (1993) - teste conjunto | |556,79810 |0,00000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |23,9559 |0,2443 |

| |LM test |4 |22,8494 |0,1178 |

| |Multivariate ARCH-LM |5 |43,7903 |0,5232 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |200,7712 |0,0000 |

| |Lütkepohl (1993) - teste conjunto | |200,9768 |0,0000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |18,9509 |0,7546 |

| |LM test |4 |20,1628 |0,2130 |

| |Multivariate ARCH-LM |5 |126,5745 |0,0000 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |314,0940 |0,0000 |

| |Lütkepohl (1993) - teste conjunto | |280,1067 |0,0000 |

|  |Autocorrelação/Heterocedasticidade |  |  |  |

|[pic] |Portemanteu test |8 |9,5681 |0,0484 |

| |LM test |4 |32,2273 |0,0093 |

| |Multivariate ARCH-LM |5 |51,1832 |0,2439 |

| |Normalidade | | | |

| |Doornik & Hansen (1994) - teste conjunto | |503,7749 |0,0000 |

|  |Lütkepohl (1993) - teste conjunto |  |546,4442 |0,0000 |

|Fonte: Elaboração dos autores. |

De um modo geral, os resultados deixam a desejar em termos de normalidade, mas são relativamente satisfatórios em termos de autocorrelação e de heterocedasticidade condicional. Uma vez que a recomendação usual é que as variáveis utilizadas nos modelos VAR estruturais sejam estacionárias, esses modelos foram estimados com a taxa de crescimento da proxy para o produto dos estados (primeira diferença do logaritmo natural do Índice de Produção Física Industrial) e com a variação na taxa de inflação anualizada (primeira diferença da taxa de inflação anualizada). Os modelos VAR estrutural para os diferentes subperiodos foram estimados considerando-se o mesmo número de defasagens determinado para os modelos do período completo[7].

A Figura 2 apresenta as funções de resposta a impulso acumuladas para os estados, a qual relaciona a resposta acumulada do índice de produção industrial a um choque estrutural na demanda agregada (interpretado como um choque de política monetária restritiva). As funções de impulso-resposta mostram que os estados tendem a ter reações assimétricas a choques na política monetária.

[pic]

Figura 2- Respostas acumuladas da Produção Física Industrial estadual e da Taxa de Inflação a um choque de Política Monetária - 1994:09-2008:12

Fonte: Elaboração própria.

Por fim, a Tabela 4 apresenta as estimativas do valor médio da “taxa de sacrifício” para o Brasil como um todo e para cada um dos estados brasileiros considerados na amostra. A primeira coluna dessa tabela apresenta as estimativas calculadas pela abordagem SVAR, considerando um período de 12 meses. A segunda coluna apresenta o valor médio da “taxa de sacrifício” para os mesmos estados brasileiros, obtido por Cuppelo (2006), com base no método proposto por Ball (1994)

Os resultados, com base no SVAR, revelam, inicialmente, que o valor médio da “taxa de sacrifício” para o Brasil foi de aproximadamente 3% do PIB, ficando dentro do intervalo encontrado pelas estimativas internacionais. Esse valor indica que uma política monetária que reduzisse em um ponto percentual a taxa de inflação, mantendo a mesma nesse patamar ao longo de um período de 12 meses, geraria uma perda acumulada de produto na economia brasileira de cerca de 3%. Este resultado é muito diferente daquele encontrado por Cuppelo (2006), que foi -0,52% do PIB. Nesse caso, o valor negativo da “taxa de sacrifício” sugere que a desinflação pode implicar um ganho de produção ou, inversamente, que um aumento na taxa de inflação pode implicar uma perda de produto[8].

|Tabela 3- "Taxas de Sacrifício" dos estados brasileiros, percentual da Produção Física Industrial |

|Estados/Região |1994:09-2008-12 |1996:07-2003:11* |

|Bahia |-0,27796 |0,01110 |

|Ceará |-0,09514 |-0,04130 |

|Pernambuco |0,20692 |0,02030 |

|Nordeste |-0,05539 |-0,00330 |

|Minas Gerais |-0,00621 |-0,02050 |

|Espírito Santo |0,02093 |-0,04273 |

|Rio de Janeiro |-0,02473 |0,01720 |

|São Paulo |0,01080 |0,00120 |

|Sudeste |0,00020 |-0,01121 |

|Paraná |-0,06287 |0,03360 |

|Rio Grande do Sul |-0,01744 |-0,03900 |

|Santa Catarina |0,54278 |0,00670 |

|Sul |0,15416 |0,00043 |

|Média |0,02971 |-0,00520 |

|Desvio-padrão |0,21612 |0,02827 |

|Fonte: Elaboração própria. |

|Nota: * Cuppelo (2006). |

Outro ponto revelado pelos resultados é que as estimativas das taxas não apresentam diferenças significativas entre os estados da mesma região, mas são assimétricas quando se compara regiões diferentes, o que se deve as diferenças estruturais dessas economias. Além disso, em sua maioria, as estimativas das taxas apresentaram sinal negativo, indicando que episódios de desinflação trariam mais ganhos do que perdas à maioria dos Estados considerados na amostra. No entanto, como as taxas positivas são maiores do que as negativas (em valores absolutos), o valor médio encontrado para a “taxa de sacrifício” da economia brasileira foi positivo.

Entre os estados com “taxa de sacrifico” positiva, o estado de Santa Catarina foi o que apresentou o maior valor dessa medida, 54,27% do PIB, seguido por Pernambuco e Espírito Santo, com 20,69% e 2,09% do PIB, respectivamente. Esses valores indicam que os estados da Região Nordeste e Sul seriam os mais afetados por políticas monetárias restritivas que visassem reduzir as taxas de inflação permanentemente. No entanto, ao se considerar o valor médio da razão de sacrifício dos estados que compõem cada região coberta pela amostra (Nordeste, Sudeste e Sul), apenas a região Sul apresenta-se como a mais afetada de forma adversa, ou seja, com a maior perda acumulada de produto, gerada por uma política monetária restritiva, uma vez que as perdas de Pernambuco seriam mais do que compensadas pelos ganhos de produto gerados na Bahia e no Ceará. Vale destacar, também, que a Região Sudeste praticamente não sofreria com um choque na demanda agregada.

Ao se comparar as estimativas da razão de sacrifício obtidas neste estudo com as estimativas encontradas em Cuppelo (2006), algumas observações podem ser feitas. A primeira diz respeito ao sinal da razão de sacrifício, isto é, dos dez estados analisados, seis apresentaram os mesmos sinais das “taxas de sacrifico” em ambos os estudos, o que reforça essas estimativas, pelo menos no sentido da relação entre desinflação e atividade econômica. As exceções foram os estados Bahia, Espírito Santo, Rio de Janeiro e Paraná. A segunda refere-se à dispersão das estimativas da razão de sacrifício obtida pelos diferentes métodos. Quando se considera as estimativas obtidas por Cuppelo (2006), percebe-se que, em termos absolutos, esses valores não se diferenciam muito, o que parece indicar certa convergência entre eles. No entanto, as estimativas obtidas neste trabalho revelam que, em termos absolutos, esses valores são muito dispersos, o que acentua ainda mais a questão da diferença estrutural entre os Estados brasileiros. A terceira está relacionada à magnitude das estimativas das “taxas de sacrifício” obtidas pelos dois métodos de calculo. Tanto para os valores positivos quanto para os valores negativos dessas estimativas, os resultados obtidos pelo método SVAR são maiores, sinalizando para uma subestimação das taxas no método de Ball (1994). Como discutido na seção 2 deste trabalho, o método de Ball (1994) considera apenas as informações de redução de produto e inflação causadas por políticas monetárias restritivas e é natural que ele apresente valores menores.

5 Conclusões

Neste trabalho, procurou-se quantificar o impacto de políticas monetárias restritivas sobre o produto da economia brasileira, como um todo, e sobre o produto de uma série de estados brasileiros. A análise foi baseada nas funções de resposta a impulso acumuladas obtidas a partir da estimação de modelos SVARs para cada um dos estados considerados na análise. Os resultados apontaram para uma “taxa de sacrifício” de aproximadamente 3% do PIB para a economia brasileira como um todo, bem como para a existência de impactos diferenciados em termos de intensidade das respostas dos produtos estaduais a choques monetários, com alguns estados respondendo com maior intensidade do que outros. Por exemplo, observou-se que a perda de produto, no Estado de Santa Catarina (estado que apresentou a maior queda a choques na política monetária), chega a ser quase 2,7 vezes maior que a observada para o Estado de Pernambuco (estado com a segunda maior perda).

Apesar do sistema de duas variáveis utilizado neste trabalho apontar que choques de demanda (choques de política monetária restritiva) têm um impacto relativamente baixo no produto de curto prazo da economia brasileira, essa estrutura resulta em estimativas pouco precisas da “taxa de sacrifício”. Primeiro vale observar que a razão de sacrifício calculada pela abordagem SVAR é sensível à defasagem utilizada no modelo VAR e ao período no qual se considera o ponto de corte para o efeito acumulado da política de desinflação. Segundo, a suposição de que choques de demanda correspondem a choques de política monetária restritiva deve ser visto com certa cautela, sendo que a inclusão da taxa de juros de curto prazo nesse sistema poderia indicar, de maneira mais satisfatória, os impactos de mudanças nessa variável sobre a inflação e o produto.

Por fim, as restrições estabelecidas neste trabalho não identificam os componentes separados de choques na demanda agregada, sendo que o choque estimado da política monetária não deveria incluir apenas mudanças políticas, mas também outros choques relacionados a despesas do governo ou mudanças na função consumo e investimento, o que poderia ser realizado por estudos posteriores.

Referências

ARAÚJO, E. Medindo o impacto regional da política monetária brasileira: uma comparação entre as regiões Nordeste e Sul. Revista Econômica do Nordeste, v. 35, n. 3, p. 356-393, 2004.

BALL, L, What Determines the Sacrifice Ratio? In: N,G, Mankiw (ed,): Monetary Policy, pg, 155-193, Chicago: The University of Chicago Press, 1994, 356 pg.

BEENSTOCK, M.; FELSENSTEIN, D. Spatial vector auto-regressions. Current working Papers, Department of Economics, Hebrew University of Jerusalem, 2005.

BERTANHA, M,; HADDAD, E, A, Efeitos regionais da política monetária no Brasil: impactos e transbordamentos espaciais, Revista Brasileira de Economia, v,62, n, 1, pg, 03-29, 2008.

BLANCHARD, O,; QUAH, D, The dynamic effects of aggregate demand and supply disturbances, American Economic Review, v, 79, n, 4, p. 655-73, 1989.

CARLINO, G.; DEFINA, R. The differential regional effects of monetary policy: Evidence from the U.S. states. Journal of Regional Science, v. 39, n.339–358, 1999.

CECCHETTI, S, G. Comment. In: N,G, Mankiw (ed,): Monetary Policy, pg, 155-193, Chicago: The University of Chicago Press, 1994.

CECCHETTI, S, G; RICH, R, W, Structural estimates of the US sacrifice ratio, Journal of Business and Economic Statistics, v, 19, n, 4, pag, 416-427, 2001.

CHUMVICHITRA, P. Efeitos regionais diferenciados da política monetária: A experiência brasileira. Contextus - Revista Contemporânea de Economia e Gestão, v. 2, n°. 1, p. 7–22, 2004.

CUÑADO, J.; GRACIA, F. P. Sacrifice Ratios: Some Lessons from EMU Countries, 1960-2001. International Review of Applied Economics, v.17. n. 3, p. 327-337, 2003.

CUPELLO, R. L. C. Razão de sacrifício no Brasil: uma análise exploratória. 2006, 52 f. Dissertação (Mestrado Profissionalizante) – Departamento de Economia, Faculdade de Economia e Finanças IBMEC, 2006.

DE LUCIO, J.; IZQUIERDO, M. Local responses to a global monetary policy: The regional structure of financial systems. Documento de Trabajo 99-14. Fundación de Estudios de Economia Aplicada FEDEA, 1999.

DI GIACINTO, V. Differential regional effects of monetary policy: a geographical Svar Approach. International Regional Science Review, v. 26, n. 3, p. 313--341, 2003.

DURAND, J,; HUCHET-BOURDON, M,; LICHERON, J, Sacrifice ratio dispersion within the Euro Zone: what can be learned about implementing a single monetary policy? International Review of Applied Economic, v, 22, n, 3, p. 601-621, 2008.

FERNANDES, M,; TORO, J, O mecanismo de transmissão monetária na economia brasileira pós-plano real, Revista Brasileira de Economia, v,59, n.1, p. 05-36, 2005.

FILARDO, A. J. New evidence on the output cost of fighting inflation. Federal Reserve Bank of Kansas City. Economic Review, 1998.

FONSECA, M. W.; VASCONCELOS, M. R. Política monetária: mecanismos de transmissão e impactos diferenciados nas regiões e estados do Brasil. Revista Econômica do Nordeste, Fortaleza, v. 34, n. 4, out./dez. 2003.

FUHRER, J. C. The persistence of inflation and the cost of disinflation. Federal Reserve Bank of Boston. New England Economic Review (January/February), p. 3-16, 1995.

GONÇALVES, C. E. S.; CARVALHO, A. Inflation Targeting Matters: Evidence from OECD Economies' Sacrifice Ratios. Journal of Money, Credit and Banking, v. 41, n. 1, p. 233–243, 2009.

GONÇALVES, C. E. S.; CARVALHO. Inflation Targeting and the Sacrifice Ratio. Revista Brasileira de Economia, v. 62, n. 2, pg. 233–243, pp. 177-188, 2008.

GORDON, R. J.; KING, S. R. The output cost of disinflation in traditional and vector autoregressive models. Brookings Papers on Economic Activity, v. 1, p. 205-242, 1982.

IBGE. Dados de produção industrial do Brasil. Disponível em: . Acesso em: mar. 2012.

IPEA. Dados de inflação. Disponível em: . Acesso em: mar. 2012.

OKUN, A. M. Efficient disinflationary policies. American Economic Review, v. 68, p. 348-52, 1978.

ROCHA, R. M.; SILVA, M. E. A.; GOMES, S. M. F. P. O. Por que os estados brasileiros têm reações assimétricas a choques na política monetária? Revista Brasileira de Economia, v. 65, n. 4, p. 413-441, 2011.

-----------------------

[1]Doutorando em Economia Aplicada pela Universidade Federal de Viçosa (UFV) e Bolsista de Doutorado do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). E-mail: aimorim2007@.br

[2]Professor Adjunto do Programa de Pós-Graduação em Administração da Universidade Federal de Santa Maria (UFSM). E-mail: daniel.coronel@ufv.br .

[3] Dois exemplos comuns de política monetária restritiva são a redução nos encaixes monetários da economia (diminuição da oferta de moeda) e o aumento na taxa básica de juros da economia (a taxa SELIC, no caso brasileiro, por exemplo). Desde a implementação da Política de Metas de Inflação pelos bancos centrais de uma série de países, o segundo tipo de política monetária restritiva vem sendo mais utilizado. Dessa forma, a política monetária restritiva, neste trabalho , será entendida como um aumento na taxa de juros que reduza a inflação em um ponto percentual, ao longo de um determinado período de tempo.

[4] Como os choques de demanda são representativos dos choques de política monetária, a segunda restrição indica que a política monetária é neutra no longo prazo. No entanto, como observado por Durand, Huchet-Bourdon e Licheron (2008), uma série de trabalhos teóricos e empíricos focados na área do Euro têm mostrado que a política monetária teria um efeito sobre o produto potencial devido ao fenômeno da “histerese”, o que implicaria a não neutralidade da política monetária.

[5]A amostra compreende apenas os estados do Brasil para os quais o IBGE calcula a produção física industrial desde 1991. Apesar de conter apenas dez estados da federação, a amostra é bastante representativa, uma vez que esses estados são responsáveis pela maior parte da produção industrial brasileira.

[6] Foram realizados testes KPSS nas séries temporais em primeira diferença, mostrando-se que todas elas são estacionárias, ou seja, todas as sa, mostrando-se que todas elas são estacionárias, ou seja, todas as séries são І(1).

[7] Os modelos VAR estrutural para o período completo e para os subperíodos foram estimados apenas com a inclusão de um termo constante como variável exógena.

[8] As diferenças entre os valores encontrados neste trabalho e no de Cuppelo (2006) devem-se, evidentemente, às diferenças nos métodos utilizados e nos períodos de tempo analisadas. No entanto, ao longo das discussões dos resultados, foram realizadas algumas comparações com os resultados encontrados por Cuppelo (2006), por ser este um dos únicos estudos no Brasil que calculam a razão de sacrifício em nível estadual.

................
................

In order to avoid copyright disputes, this page is only a partial summary.

Google Online Preview   Download