Espacios. Vol. 34 (11) 2013. Pág. 20


Determinantes da demanda brasileira por importação de trigo do Mercosul

Determinants of the brazilian demand for wheat import from Mercosul

Reisoli BENDER FILHO 1, Airton Lopes AMORIM 2,Daniel Arruda CORONEL 3 y Eliane Pinheiro de SOUSA 4

Recibido: 30-09-2013 - Aprobado: 25-11-2013


Contenido

Gracias a sus donaciones esta página seguirá siendo gratis para nuestros lectores.
Graças a suas doações neste site permanecerá gratuito para os nossos leitores.
Thanks to your donations this site will remain free to our readers.

RESUMO:
A identificação dos determinantes da demanda brasileira por importação de trigo em grão, provenientes do MERCOSUL, consistiu no objetivo central deste texto. Para isso, inicialmente fez-se uma identificação das variáveis que explicariam os fluxos da importação brasileira dessa commodity, no período entre 2002 e 2012. Tendo identificado tais variáveis, estimou-se, então, uma equação de excesso de demanda por importação de trigo, por meio de um modelo vetorial autorregressivo com correção de erros (VEC), uma vez que todas as variáveis mostraram-se integradas de primeira ordem. Os resultados indicaram que a quantidade de trigo importada pelo Brasil sofreu influência negativa do preço externo, sugerindo que essa variável é importante para explicar a importação brasileira de trigo, ao contrário do encontrado em trabalhos anteriores sobre o mesmo tema. No que tange à taxa de câmbio efetiva real, constatou-se que desvalorizações cambiais incrementam as exportações, contrariando o que indica a teoria econômica. Devido à dependência de importação de trigo em grão para atender a demanda nacional, essa variável tende a corrigir desequilíbrios de curto prazo de forma rápida, sendo que o ajustamento completo ocorre em um prazo não superior a seis meses, para choques tanto nos preços internos quanto externos.
Palavras-chave: Demanda de Trigo; Importações Brasileiras; MERCOSUL

ABSTRACT:
The identification of the determinants of Brazilian demand for imports of wheat grain from MERCOSUR consisted of the central goal of this text. In order to achieve that, it has been conducted initially an identification of the variables that would explain the flows of the Brazilian import of this commodity in the period between 2002 and 2012. Having identified such variables, it was estimated, then, an equation of excess demand due to wheat import, by means of an autoregressive error-correction vector model (VEC), since all variables proved to be first-order integrals. The results indicated that the amount of wheat imported by Brazil suffered negative influence from the external price, suggesting that this variable is important to explain the Brazilian import of wheat, as opposed to what had been found in previous works on the same theme. So far as the real effective exchange rate is concerned, it has been observed that exchange rate devaluations increase exports, thus opposing what the economic theory indicates. Due to the dependence on wheat grain import to meet the national demand, this variable tends to rapidly correct short-term imbalances, with the complete adjustment taking place in a period not longer than six months, for shocks both in internal and external prices.
Key words: Demand for Wheat; Brazilian Imports; MERCOSUR


1. Introdução

O Brasil, apesar de ser um dos principais exportadores de produtos agrícolas mundialmente, também se configura como um grande importador desses produtos, sendo o trigo o segundo de maior participação na pauta de importações do país. Além disso, o Brasil encontra-se como o terceiro maior importador mundial da commodity, ficando somente atrás da União Europeia e do Egito.

No entanto, as importações de trigo brasileiras são altamente concentradas e oriundas dos países-membros do MERCOSUL (Argentina, Paraguai e Uruguai); sendo a Argentina responsável por cerca de 80% do total importado, enquanto os outros dois países vêm ganhando espaço nos últimos anos, substituindo as importações que antes se originavam dos Estados Unidos e Canadá, conforme o Ministério do Desenvolvimento Indústria e Comércio (MDIC, 2013).

A Argentina, de longa data, tem sido o principal parceiro comercial do Brasil no intercâmbio do trigo. De acordo com Rabelo (2003), esse processo se intensificou com a abertura da economia brasileira a partir do início dos anos 1990, com as políticas cambiais pró-importações e com a produção de grandes excedentes daquele país, fator que desestimulou internamente a produção de trigo.

Complementam Perosa e Paulillo (2009), enfatizando que abertura econômica e a saída do Estado como coordenador das transações de trigo internacionalizou os mecanismos de governança utilizados no mercado de trigo brasileiro. Com isso, a partir de 1990, mudanças institucionais alteraram o ambiente regulatório e competitivo dessa cadeia produtiva tritícola brasileira.

Nestes termos, a desregulamentação e a abertura econômica reduziram o controle estatal e permitiram que traders internacionais entrassem no mercado brasileiro da commodity, sendo esse cenário intensificado com a implementação do Mercado Comum do Sul (MERCOSUL), em 1994.

Apesar da elevada dependência do trigo, determinada pela importação de mais da metade do que consome, internamente, o consumo vem se mantendo praticamente constante nos últimos anos, em torno de 10 milhões de toneladas (EMBRAPA, 2013). Com isso, as importações têm apresentado comportamento estável, oscilando em uma faixa entre 5,5 e 6,5 milhões de toneladas anuais na última década, e exceção ocorreu nos anos de 2004 e 2005, quando as importações foram inferiores a 5,0 milhões de toneladas, consequência, entre outros fatores, de um aumento na produção interna (MDIC, 2013).

Porém, essa estabilidade está sujeita às intempéries climáticas, as quais introduzem um alto componente de risco à triticultura brasileira, ainda mais pela produção doméstica concentrar-se (cerca de 90%) em uma única região do país, a Sul (EMBRAPA, 2013). Nesse sentido, torna-se essencial o estabelecimento de ações e políticas econômicas e comerciais que busquem reduzir as flutuações não previstas no abastecimento doméstico desse produto.

Portanto, esse trabalho justifica-se pelo fato de o Brasil ser um grande importador de trigo, sendo este um produto essencial à dieta alimentar. Assim, conhecer as relações que influenciam os fluxos de importações e o funcionamento do mercado torna-se relevante para definir ações que garantam o abastecimento doméstico, ao mesmo tempo em que se minimiza o risco de oscilações bruscas nos preços do mercado externo impactar o preço e o consumo brasileiro. Além disso, dada à dinâmica dos produtos agrícolas, estudos atualizados são necessários para averiguarem-se as mudanças na evolução desses mercados.

Em face dessas considerações, estudos que tratem sobre a demanda brasileira de importação do trigo revestem-se de importância, porém ainda têm sido poucos explorados e não se encontraram na literatura econômica estudos recentes. Essa questão foi abordada por Alves e Lima (1998), que utilizaram as variáveis referentes ao preço pago pela importação de trigo e à produção doméstica de trigo. Viana (1999), ao analisar as importações brasileiras de cereais, dentre eles, o trigo, buscou verificar o comportamento das importações diante das alterações ocorridas na renda e nos preços, considerando o período de 1970 a 1996. Além dessas variáveis determinantes da demanda brasileira por importação de trigo, o estudo de Silva e Lima (2004) também incluiu a taxa de câmbio, enfocando o período de 1980 a 2002.

Dada à relevância dessa discussão, o objetivo geral deste estudo centrou-se em identificar os determinantes da demanda de trigo em grão importado pelo Brasil, por meio da análise das variáveis que determinam os fluxos da importação brasileira da commodity oriundo dos países-membros do MERCOSUL, no período que compreende os anos entre 2002 a 2012. A escolha do período de análise deve-se, em primeiro lugar, à disponibilidade dos dados, uma vez que, não há dados disponíveis para a variável rendimentos médios dos trabalhadores, considerada como proxy da renda, em períodos anteriores a 2002; em segundo lugar, à trajetória crescente das importações de trigo nesse período.

O presente trabalho está estruturado em cinco seções, além desta introdução. Na segunda é apresentado o modelo teórico. Na terceira, descrevem-se o modelo analítico e os procedimentos metodológicos utilizados. Na seção quatro, os dados são analisados e discutidos e; por fim, na última seção apresentam-se as principais conclusões do trabalho.

2. Modelo teórico

Sendo o objetivo examinar os fatores que influenciaram as importações brasileiras de trigo em grão provenientes dos países-membros do MERCOSUL, utilizou-se como arcabouço teórico um modelo de excesso de demanda, conforme se encontra em Castro e Cavalcanti (1997), Carvalho e Negri (2000) e Capitani, Miranda e Filho (2011). Esse modelo tem como pressuposto que o excesso de demanda doméstico levaria necessariamente a um aumento das importações de uma determinada região, conforme postulado pela teoria econômica, desde que não haja proibição ou restrições às mesmas.

Nessa perspectiva, modelos de fluxos de comércio, fundamentados em funções de importação e exportação, procuram analisar o comportamento do comércio entre os países, tendo como contribuição a compreensão dos efeitos de alterações das políticas macroeconômicas e comerciais sobre o comércio entre regiões, conforme discorrem Capitani, Miranda e Filho (2011).

Dentro desse contexto, parte-se, então, da relação entre oferta e demanda domésticas por trigo em grão, sendo este mercado representado matematicamente pelo seguinte modelo estrutural:

em que Md corresponde àquantidade importada de trigo em grão, que é resultado do excesso de demanda interna; Qs representa a quantidade ofertada de trigo em grão no mercado nacional e Qd a quantidade de trigo em grão demandada no mercado interno.

As quantidades ofertadas e demandas de trigo em grão no mercado interno são explicadas pelas seguintes variáveis:

em que Pd = Preço do trigo em no mercado nacional (em R$); W = Variáveis deslocadoras da oferta (safra, melhoramento genético, estoques, disponibilidade de crédito aos produtores de trigo no mercado interno), Pm = Preço do trigo em grão importado do MERCOSUL (em US$); Yn = Renda nominal doméstica; E= Taxa de câmbio real; Z = Variáveis deslocadoras da demanda (preço do produto substituto, mudanças nas preferências dos consumidores);

Substituindo-se as Equações (2) e (3) em (1), têm-se as variáveis que explicam as importações de trigo em grão são expressas pela equação em (4):

Após a definição do modelo teórico e de suas condições, na seção seguinte é apresentado o modelo empírico e os procedimentos metodológicos utilizados para a obtenção dos resultados.

3. Modelo empírico e procedimentos metodológicos

3.1 Modelo empírico

A equação em (4) mostra uma relação determinística entre a quantidade importada de trigo em grão e as variáveis preço do trigo doméstico, preço de importação do trigo, renda da população brasileira, taxa de câmbio real e variáveis deslocadoras da demanda e da oferta de trigo. Entretanto, como se sabe, a dependência da quantidade importada de trigo, com relação às variáveis explicativas, é de natureza estocástica, no sentido de que as variáveis explicativas, embora sejam importantes, não permitirão prever com exatidão a quantidade importada de trigo em virtude dos erros envolvidos na medição dessas variáveis, bem como à intervenção de muitos outros fatores (variáveis) que coletivamente afetam a importação de trigo, mas cuja identificação individual pode ser difícil. Assim, tende a existir uma variável aleatória na variável dependente (quantidade importada de trigo em grão) que não pode ser totalmente explicada qualquer que seja o número de variáveis explicativas consideradas.

Para estimar a relação estocástica entre quantidade importada de trigo em grão e as demais variáveis explicativas, considera-se que exista uma relação linear entre as variáveis em questão e acrescenta-se um temo de erro estocástico com distribuição normal, o que leva ao seguinte modelo empírico:

ou,

em que são coeficientes associados às variáveis explicativas do modelo e é o termo de erro.

Uma vez que as variáveis de modelo de oferta e de demanda são consideradas endógenas, uma forma simples de obter estimativas não-viesadas dos coeficientes da equação apresentada em (6) consiste na utilização do Modelo Aurtorregressivo (VAR), o qual se baseia em um sistema de equações, conforme proposto por Sims (1980). Nesse caso, cada uma das variáveis que compõem o sistema é função dos valores das demais variáveis no presente, dos seus valores e dos valores das demais variáveis defasadas no tempo, mais o termo de erro. As equações de um modelo VAR podem conter também tendências determinísticas e variáveis exógenas (ENDERS, 2004).

Matematicamente, o modelo VAR de ordem p que representa a relação entre essas variáveis em questão pode ser expresso da seguinte forma reduzida:

em que: , é um vetor (k x 1) de parâmetros representado o intercepto das equações; , j = 1, 2,.., p-1 são matrizes (k x k) referentes aos parâmetros autoregressivos; e é um vetor (kx1) de perturbações aleatórias com média zero e matriz variância-covariância positiva definida .

Após estimado o modelo VAR, pode-se analisar os efeitos de choques e a importância de cada variável para a explicação da variância dos erros das demais, procedimentos conhecidos como função impulso-resposta e decomposição da variância do erro de previsão.

Vale lembrar que uma das condições para se estimar o modelo VAR é que as séries sejam estacionárias. Nesse caso, existem vários testes que podem ser utilizados. Entre os mais empregados está o teste de Dickey e Fuller (1981). O presente estudo também utilizou o procedimento de Dickey e Fuller (1981) para verificar a ordem de integração das séries temporais utilizadas. Na sequência, a metodologia de Dickey-Fuller Aumentado (DFA) foi empregada, conforme descrito por Enders (2004), para identificação da presença ou não de raiz unitária.

Caso as variáveis sejam não estacionárias, o passo seguinte consiste em testar a existência de cointegração entre as variáveis, a qual parte da observação de uma relação de longo prazo entre elas. A metodologia utilizada foi a proposta por Johansen (1988), que busca determinar o ranking (número de vetores de cointegração) através de um VAR de ordem p. Testa-se, portanto, a existência de n vetores de cointegração, e é indicada para modelos com mais de duas variáveis explicativas. Mesmo que variáveis individuais não sejam estacionárias, mas exista pelo menos uma combinação linear estacionária entre elas, então se pode afirmar que essas variáveis são cointegradas (Greene, 2008). Logo é possível verificar uma relação de equilíbrio de longo prazo entre elas, que pode ser estimada e analisada 5.

O procedimento de Johansen (1988) para verificação de cointegração entre séries de tempo considera que todas as variáveis são endógenas e sua utilização não é limitada pela existência de endogeneidade do regressor (relação causal no sentido da variável dependente para a variável explicativa). Esse procedimento utiliza Máxima Verossimilhança (MV) para estimar os vetores de cointegração e permite testar e calcular a presença de vários vetores e não só de um.

Ainda, conforme Harris (1995), a equação em (7) pode ser reparametrizada em termos de um modelo Vetorial de Correção de Erro (VEC) esboçado como:

em que: ? corresponde à primeira diferença das séries, , (i = 1,..., k-1) e . Da forma como especificado, o sistema contém informações de curto e longo prazo à mudanças de , via estimativas de e , respectivamente, onde é a matriz que corresponde ao número de relações e vetores de cointegração, com α representando a velocidade de ajustamento ao desequilíbrio e β a matriz de coeficientes de longo prazo.

O número de vetores de cointegração depende do posto ou rank (r) da matriz . Para Enders (1995), o rank de uma matriz é igual ao número de raízes características estritamente diferentes de zero, que pode ser identificado por meio de dois testes estatísticos: o teste do traço e o teste do máximo autovalor 6.

Verificada a cointegração entre as séries em estudo, estima-se o modelo VEC, conforme em (8). A importância do modelo de correção de erro reside no fato de permitir a ligação entre aspectos relacionados à dinâmica de curto prazo com os de longo prazo (Hamilton, 1994). Dessa forma, o mecanismo de correção de erro fornece um caminho para combinar as vantagens de se modelar tanto em nível quanto nas diferenças.

3.2 Fonte de dados

Os dados referentes às importações de trigo em grão pelo Brasil provenientes do MERCOSUL foram coletados em quantidade (em toneladas) e em valor (US$ FOB). Os dados foram obtidos no sistema ALICEWEB do Ministério do Desenvolvimento, Indústria e Comércio Exterior, em periodicidade mensal, sendo os mesmos divulgados por categorias: trigo duro para semeadura até misturas de trigo com centeio, exceto para semeadura. Essas categorias foram agrupadas e reclassificadas em quantidade importada de trigo em grão do MERCOSUL, sendo o total importado de trigo em grão convertido em sacas de 60 kg. Observa-se que o MERCOSUL foi considerado como uma única região.

O preço médio pago pelo quilo do trigo em grão importado mensalmente foi calculado como a razão entre valor (em US$ FOB) e quantidade importada (em toneladas). Essa série foi, então, transformada em preço médio US$/saca de 60 kg e deflacionada pelo Índice de Preços ao Consumidor (IPC) americano, com o valor médio de 2005 servindo como base. O preço doméstico do trigo em grão utilizado foi coletado do sítio do Instituto de Pesquisa Econômica Aplicada (IPEA) e corresponde ao preço em moeda doméstica, Real, saca de 60 KG, recebido pelo produtor do Paraná; definiu-se esse estado por ser um dos maiores produtores nacional deste cereal. Esta série foi deflacionada pelo Índice Geral de Preços – Disponibilidade Interna (IGP-DI), com base em dezembro de 2012.

As informações referentes à renda e taxa de câmbio efetiva real foram coletadas do sítio do IPEA. Com relação à renda, assumiu-se como proxy a série dos rendimentos médios dos trabalhadores da região metropolitana de São Paulo, sendo a mesma deflacionada pelo IGP-DI, com base em dezembro de 2012 7. A escolha dessa variável deveu-se ao fato de que São Paulo é o estado brasileiro que mais importa trigo em grão. Em relação à taxa de câmbio, foi adotada a série da taxa de câmbio efetiva real, com a média de 2005 servindo como base 8.

Por fim, a série do IGP-DI que é calculado pela Fundação Getúlio Vargas (FGV), foi obtida no sítio do IPEA. Todos os dados foram coletados para o período de fevereiro de 2002 a novembro de 2012.

4. Resultados e discussões

4.1 Estimativas de curto e longo prazos

Nesta primeira seção são apresentados e discutidos os resultados dos coeficientes de curto e longo prazos obtidos para as importações brasileiras de trigo em grão. Os resultados apresentados foram obtidos por meio da estimação do modelo de excesso de demanda interna de trigo em grão, com base nas seguintes variáveis: logaritmo da quantidade importada de trigo em grão (logimportação), em sacas de 60 kg; logaritmo do preço médio do trigo importado (logpexterno), US$/saca de 60Kg; logaritmo do preço médio do trigo recebido pelo produtor nacional (logpinterno), R$/saca de 60Kg; logaritmo da renda média (logrenda); e logaritmo da taxa de câmbio efetiva real (logcambio).

O primeiro passo na estimação da equação de importação de trigo em grão do MERCOSUL foi identificar a ordem de integração das séries econômicas em questão. Para isso, foi realizado o teste Dickey-Fulher Aumentado (ADF), no qual o número de defasagens necessárias a serem incluídas na autorregressão é estimado de forma a eliminar a autocorrelação dos resíduos. Dessa forma, a ordem do processo autorregressivo (AR) foi determinada de acordo com os valores apontados pelo Critério de Informação de Akaike 9. Os resultados do teste de raiz unitária estão expostos na Tabela 1.

Tabela 1 – Resultados do teste de raiz unitária (ADF) para as séries econômicas analisadas entre fevereiro de 2002 a novembro de 2012

Variável

Modelo

Defasagens*

Valor
Calculado

Valor
Crítico

logimportação

Sem constante e tendência

10

0,2064

- 1,9400

logpexterno

Com constante e tendência

1

-2,9472

-3,4100

logpinterno

Com constante e tendência

2

-3,3447

-3,4100

logrenda

Com constante e tendência

10

-3,5665

-3,4100

logcambio

Com constante e sem tendência

1

-1,6846

-2,8600

?logimportação

Com constante e sem tendência

10

-6,2541

-2,8600

?logpexterno

Com constante e sem tendência

0

-6,1472

-2,8600

?logpinterno

Com constante e sem tendência

1

-6,7399

-2,8600

?logrenda

Com constante e sem tendência

10

-18,0224

-2,8600

?logcambio

Com constante e sem tendência

0

-7,5342

-2,8600

Fonte: Resultados da pesquisa. Elaborada pelos autores.
Nota: - representa a primeira diferença da série temporal; * - Definido pelo Critério de Informação de Akaike. Para as variáveis em nível, considera-se um nível de significância de 5%. Para as variáveis em primeira diferença, considera-se um nível de significância de 1%

Os resultados do teste indicam que todas as séries são não estacionárias em nível, isto é, possuem raiz unitária, considerando o nível de 5% de significância. Ao repetir o ajustamento para as séries em primeira diferença, todas se mostraram estacionárias, sendo assim I(1), com coeficientes significativos a 1%.

Uma vez que as séries estão em periodicidade mensal, é muito provável que elas estejam sujeitas a algum padrão sazonal, o que leva à necessidade de se verificar se existe raiz unitária sazonal nas séries analisadas 10. Essa necessidade torna-se imperativa quando se considera que Silva, Ferreira e Nogueira Junior (2004) identificaram a existência de um padrão sazonal, com relação ao preço recebido pelos triticultores do Paraná, ao preço Free on Board (FOB) da Argentina e dos Estados Unidos 11.

Para atender a esse aspecto, foi realizado o teste Hegy, que identifica se uma série de periodicidade mensal possui raiz unitária sazonal ou não. Os resultados da aplicação deste teste às séries temporais em questão encontram-se na Tabela 2.

Tabela 2 – Resultados do teste Hegy para raiz unitária sazonal e não-sazonal nas séries mensais - fevereiro de 2002 a novembro de 2012

Hipótese
nula (H0)

Estatística do teste

Valor critico (5%)

logimportação

logpexterno

logpinterno

logrenda

logcambio

π1 = 0

2,23NR

2,40NR

1,71NR

2,53NR

1,36NR

-3,35

π2 = 0

2,13NR

1,94NR

2,16NR

2,51NR

1,46NR

-2,81

π3 = π4 = 0

6,44**

13,61**

14,24**

6,47**

12,57**

6,35

π5 = π6 = 0

12,20**

14,00**

20,65**

9,57**

9,58**

6,48

π7 = π8 = 0

8,21**

10,15**

10,20**

11,98**

9,05**

6,30

π 9 = π 10 = 0

8,89**

13,06**

21,01**

7,86**

8,23**

6,40

π 11 = π 12 = 0

6,79**

12,78**

14,17**

10,75**

11,96**

6,46

π 1, π 2, ..., π 12 = 0

25,09**

15,59**

367,79**

24,92**

17,93**

4,44

π 2, π 3, ..., π 12 = 0

26,98**

14,60**

396,48**

25,76**

17,85**

4,58

Fonte: Resultados da pesquisa. Elaborada pelos autores.

Notas: (1) equação do teste inclui intercepto, tendência e 11 dummies sazonais; (2) valores críticos obtidos em Franses e Hobijn (1997); (3) **indica rejeição de H0 a 5%; (4) NR indica não rejeição de H0 a 5%.

Segundo os resultados do teste de Hegy, a hipótese de raiz unitária não sazonal (π1=0) não deve ser rejeitada em nenhuma das séries, o que corrobora os resultados do teste ADF de que as séries são não estacionarias em nível. Em relação à presença ou não de raiz unitária sazonal, constatou-se que a mesma estava presente em todas as séries, na frequência semi-anual, uma vez que a hipótese (π2=0) não foi rejeitada em nenhuma das séries. No que tange à presença de raízes unitárias sazonais complexas, pode-se verificar que os pares de raízes unitárias complexas foram simultaneamente diferentes de zero, em todos os pares de , o que indica ausência de tipo de raiz unitária. Uma vez que as séries das variáveis logimportação, logpexteno, logpinterno, logrenda e logcambio possuem raiz unitária sazonal, o modelo econométrico estimado conta com a inclusão de variáveis do tipo dummy que marcam os meses como forma de trabalhar com a sazonalidade – dummies sazonais.

Dado que todas as séries são não estacionárias de mesma ordem, I(1), é possível que exista uma relação de equilíbrio de longo prazo entre elas (ou seja, as séries são cointegradas). Portanto, o passo seguinte na estimação da equação de importação de trigo em grão do MERCOSUL foi a especificação de um VAR irrestrito inicial, que é a base para os testes de cointegração, sendo o número de defasagens do mesmo definido de acordo com os critérios LR - teste estatístico Razão de Verossimilhança; FPE – Erro de Previsão Final; AIC – Critério de Informação de Akaike; SC – Critério de Informação de Schwarz, HQ – Critério de Informação de Hannan-Quinn, para uma versão multiequacional, com a inclusão de um termo constante e 11 variáveis dummies sazonais. Os resultados desses critérios são apresentados na Tabela 3.

Tabela 3 – Definição do número de defasagem utilizada no teste de cointegração

Defasagem

LR

FPE

AIC

SC

HQ

0

NA

1,03E-07

-1,90175

-0,52273

-1,34163

1

1226,404

1,32E-12

-13,172

-11,21833*

-12,3785

2

83,66394

8,72E-13

-13,5988

-11,0705

-12,57188*

3

56,51556

7,37E-13

-13,7838

-10,681

-12,5236

4

44,05370*

6,98e-13*

-13,86347*

-10,1861

-12,3698

5

26,71309

7,96E-13

-13,7679

-9,51591

-12,0409

6

21,83746

9,58E-13

-13,631

-8,80445

-11,6706

7

19,30083

1,19E-12

-13,4786

-8,07736

-11,2848

8

18,08886

1,50E-12

-13,3271

-7,35134

-10,9

Fonte: Resultados da pesquisa. Elaborada pelos autores.

Nota: * indica a ordem de defasagem selecionada pelo critério.

Considerando-se, inicialmente, um número máximo de defasagens igual a oito, é possível verificar que os critérios utilizados indicaram diferentes defasagens. O critério SC indicou a inclusão de uma defasagem no VAR inicial. O critério HQ, por sua vez, indicou a inclusão de duas defasagens. Por fim, os critérios LR, FPE e AIC indicaram que o VAR inicial deveria ser estimado com quatro defasagens.

Entretanto, para definir o número de defasagens a ser incluído no VAR que irá embasar o teste de cointegração, foram realizados testes de ajustamento nos modelos para cada uma das defasagens sugeridas. O critério de definição consiste na escolha do número de defasagens que fornece o melhor ajustamento para o modelo VAR. Esses valores são apresentados na Tabela 4.

Tabela 4 – Resultados do teste de diagnóstico para as especificações do VAR (p)

Defasagens

Teste
LM

Teste Jarque-Bera Multivariado

Multivariado
ARCH-LM

1

2

4

1

2

4

1

2

4

1

0,00

0,00

0,41

0,00

0,00

0,00

0,00

0,00

0,06

2

0,00

0,00

0,64

3

0,00

0,01

0,30

4

0,16

0,71

0,90

5

0,25

0,24

0,70

6

0,35

0,83

0,91

7

0,34

0,71

0,52

8

0,24

0,61

0,43

9

0,09

0,46

0,17

10

0,55

0,83

0,46

11

0,23

0,68

0,58

12

0,43

0,11

0,42

Fonte: Resultados da pesquisa. Elaborada pelos autores.

Nota: os valores apresentados correspondem ao p-valor dos testes. Valores elevados da probabilidade indicam aceitação de hipótese nula de não autocorrelação, não heterocedasticidade e normalidade.

Os testes de ajustamento dos modelos VAR (p), em que p é o número de defasagens indicada pelos critérios, correspondem ao teste de LM para autocorrelação residual até a i-ésima defasagem, ao teste de normalidade residual de Jarque-Bera e ao teste de heterocedasticidade (Multivariado ARCH-LM). O VAR (1) sugerido pelo critério de SC mostrou alguns sinais de autocorrelação residual (de primeira, segunda e terceira ordem), não normalidade e heterocedasticidade residual. O VAR (2) indicado pelo critério HQ também mostrou problemas relacionados à autocorrelação, não normalidade e heterocedasticidade. Por fim, embora o VAR (4) tenha apresentado resíduos não normalmente distribuídos, ele não apresenta autocorrelação residual de nenhuma ordem e nem heterocedasticidade. Dessa forma, o teste de cointegração das séries foi realizado com base no modelo VAR com quatro defasagens.

O procedimento seguinte foi testar a hipótese de cointegração das séries, por meio do procedimento de Johansen (1988), sendo que, no caso de não rejeição da hipótese, o vetor de cointegração estimado deveria ser incorporado ao modelo VAR, caracterizando um modelo VEC 12. Conforme apresentado na Tabela 5, os testes de máximo autovalor e do traço apresentam valores significativos a partir da hipótese nula de que não há vetor de cointegração (r≤0), contra a hipótese alternativa de que existe um vetor de cointegração (r=1). Essa significância foi verificada até a hipótese de que há no máximo dois vetores de cointegração.

Tabela 5- Resultado do teste de cointegração de Johansen entre as variáveis logimportação, logpinterno, logpexterno, logrenda e logcambio

Hipótese Nula

Hipótese alternativa

Teste do traço

Teste do Rank

r ≤ 0

r = 0

1,1383*

4,7265*

r ≤ 1

r = 1

6,6570*

3,1850*

r ≤ 2

r = 2

3,4719

1,8911

r ≤ 3

r = 3

1,5808

1,1813

r ≤ 4

r = 4

3,9948

3,9948

Fonte: Resultados da pesquisa. Elaborada pelos autores.

Nota: * indica a rejeição da Hipótese Nula ao nível de 5% de significância.

Os vetores de cointegração estimados são apresentados na Tabela 6, sendo que a especificação indica o modelo com intercepto e sem tendência determinística. O primeiro vetor foi normalizado pelo coeficiente de logimportação, correspondente a quantidade importada, a qual se torna igual à unidade, uma vez que o objetivo do trabalho é verificar os determinantes da demanda por importação de trigo em grão. O segundo vetor foi normalizado pela variável logpinterno, correspondente ao preço interno, pois, conforme Margarido et al. (2007), os produtores brasileiros de trigo em grão podem ser considerados como tomadores de preço em relação ao mercado internacional. Logo, essa equação informa como o preço do trigo em grão no mercado externo é transmitido para o preço do trigo em grão recebido pelo produtor brasileiro.

Tabela 6 – Estimativa dos vetores de cointegração entre as variáveis logimportação, logpinterno, logpexterno, logrenda e logcambio

logimportação

logpinterno

Logpexterno

logrenda

Logcambio

C

1

0

-0,4173**

0,579***

0,435**

-10.164

(2.072)

(2.516)

(1,982)

0

1

0.887***

0.295***

0.168**

-2.408

(9.548)

(2.783)

(1.961)

Fonte: Resultados da pesquisa. Elaborada pelos autores.
Nota: Entre parênteses estão as estatísticas t de student. *** indica a rejeição da hipótese nula ao nível de significância de 1%, ** indica a rejeição da hipótese nula ao nível de significância de 5%; * indica a rejeição da hipótese nula ao nível de significância de 10%.

As estimativas dos parâmetros da primeira equação de longo prazo (demanda por importação de trigo em grão), que já se encontram com os sinais invertidos, mostram que, com exceção da taxa de câmbio, o sinal das demais variáveis encontra-se em conformidade com teoria econômica. Os resultados apontaram que no longo prazo um aumento de 1% no preço externo do trigo em grão reduz a quantidade importada desse produto em aproximadamente 0,42%, sendo esse parâmetro significativo ao nível de 5%. Já um aumento de 1% na renda média, aumenta a quantidade importada de trigo em grão em aproximadamente 0,58%, enquanto um aumento de 1% na taxa de câmbio efetiva real aumenta a quantidade demanda de trigo em grão em 0,43%, com os resultados sendo significativos aos níveis de 1% e 5%, respectivamente.

Embora os resultados encontrados neste trabalho guardem grande semelhança com outros trabalhos já realizados sobre o mesmo tema, principalmente no que diz respeito à elasticidade renda da demanda por importação de trigo, eles apontam para uma diferença fundamental quanto à elasticidade preço da importação de trigo. Alves e Lima (1998) encontraram resultado significativo da demanda interna de trigo em relação às mudanças na renda, cuja elasticidade foi igual a 0,59; enquanto que Viana (1999), por sua vez, encontrou um valor significativo para elasticidade renda em torno de 0,56. Como a elasticidade renda da demanda por importação encontrada neste trabalho foi igual a 0,58, isso reforça a evidência de que a demanda por importação de trigo se comporta como um bem normal ou de necessidade 13.

No entanto, ao contrário de encontrado por Alves e Lima (1998) e Viana (1999), neste trabalho, obteve-se resultado significativo para elasticidade-preço direta da demanda de importação de trigo em grão, indicando que os importadores de trigo são sensíveis à variação no preço de importação do produto. Para aqueles autores, a não significância estatística do parâmetro relacionado ao preço de importação em grão indica que a demanda de importação de trigo não responde a preços, já que a preocupação maior do setor é com o abastecimento do mercado interno mediante importações suficientes para complementar à produção doméstica.

Para a taxa de câmbio se esperava que uma desvalorização cambial, ao tornar os preços de importação do trigo em grão, medidos em moeda doméstica, mais elevados desestimulasse as importações da commodity, levando a uma relação inversa entre as variáveis importação de trigo do MERCOSUL e taxa de câmbio efetiva real. Todavia, como fora observado anteriormente, o sinal do coeficiente relacionado a variável taxa de câmbio indicou uma relação direta entre essa variável e a quantidade importada de trigo em grão, sendo o resultado bastante significativo. Porém, a relação direta entre taxa de câmbio e quantidade importada de trigo em grão também foi encontrada por Silva e Lima (2004), sendo que a desvalorização da moeda doméstica com relação às moedas dos principais parceiros comerciais, em uma magnitude de 10%, tende a elevar as importações de trigo em grão em aproximadamente 14,5%.

No que diz respeito às estimativas dos parâmetros da segunda equação de longo prazo (preço interno do trigo em grão), averiguou-se que a variável logpexterno é significativa ao nível de 1%, indicando que variações no preço externo do trigo são transferidas menos que proporcionalmente ao preço interno do trigo, dado pelo coeficiente de 0,88%, mostrando uma relação inelástica entre as variáveis. Verificou-se ainda, que variações na renda da população, além de significativas ao nível de 1%, são transferidas parcialmente para o preço interno do trigo em grão. Por fim, constatou-se, também, que variações na taxa de câmbio efetiva real são transferidas menos que proporcionalmente para o preço interno do trigo em grão, contudo, em menor magnitude do que as demais variáveis, em torno de 16,8%.

A partir desses resultados é possível inferir que o preço interno do trigo em grão de longo prazo é mais sensível às variações de preços do trigo no mercado externo do que às variações na renda interna e variações na taxa de câmbio, reforçando a evidência de que o Brasil é tomador de preços no mercado internacional de trigo em grão, conforme já demonstrado em Margarido et al. (2007).

Na sequencia, a Tabela 7 apresenta os resultados dos coeficientes de ajuste de curto prazo do modelo VEC. Segundo Harris (1995), os valores dos coeficientes dos parâmetros α mostram a velocidade de ajustamento das respectivas variáveis em direção ao equilíbrio de longo prazo.

Tabela 7 - Coeficientes de ajustamento do modelo VEC

?(logimportação)

? (loginterno)

? (logpexterno)

? (logrenda)

?(logcambio)

ec1(t-1)

-0.570***

0.039

0.031

-0.027

-0.013

(-4.400)

( 1.558)

(1.644)

(-1.75)

(-0.936)

ec2(t-1)

-0.544**

-0.147***

0.013

-0.023

-0.173***

(-1.982)

(-2.498)

(0.310)

(-0.647)

(-5.02)

Fonte: Elaboração própria.
Nota: entre parênteses estão as estatísticas t de student. *** indica a rejeição da hipótese nula ao nível de significância de 1%, ** indica a rejeição da hipótese nula ao nível de significância de 5%; * indica a rejeição da hipótese nula ao nível de significância de 10%.

Conforme a Tabela 7, o valor estimado do primeiro coeficiente de correção de desequilíbrio associado à ?logimportação é significativo e igual a 0,57, em valor absoluto. Isso indica que os desequilíbrios na quantidade importada de trigo em grão, em relação a seu valor de longo prazo, tendem a ser corrigidos rapidamente, com velocidade de ajuste de 57% em cada período, implicando um tempo relativamente curto para o desequilíbrio ser totalmente corrigido.

Esse resultado pode ser justificado pelo fato de o Brasil ser muito dependente da importação de trigo em grão para manter equilibrada a demanda interna do próprio produto, como também de seus derivados. Logo, quando a quantidade importada de trigo em grão, em um período t, estiver abaixo do seu valor de equilíbrio de longo prazo, os importadores aumentam as compras externas desse produto para restabelecer aquele equilíbrio, e, o contrário é valido quando a quantidade importada de trigo estiver acima de seu equilíbrio 14.

Por fim, vale observar, ainda, que o coeficiente da variável ?logimportação, associado ao ec2(t-1), também foi significativo, sendo seu valor igual a 0,544. Da mesma forma, os coeficientes associados à ?logpinterno e ?logcambio também foram significativos, e iguais, em valores absolutos, a 0,147 e 0,173, respectivamente.

4.2 Decomposição da variância

A segunda parte dos resultados apresenta as estimativas da decomposição da variância dos erros de previsão para a quantidade importado de trigo em grão pelo Brasil oriundo do MERCOSUL (ver Tabela 8 e 9) e das funções impulso-resposta (ver Figura 1). Em relação à decomposição da variância, a primeira coluna apresenta os períodos, que nesse caso estão expressos em número de meses, enquanto as demais se relacionam ao percentual da variância dos erros de previsão da quantidade importada de trigo em grão que decorre de choques não antecipados sobre essa variável (mede qual o efeito que um choque não antecipado sobre logimportação tem sobre ela mesma ao longo do tempo), sobre o preço interno, sobre o preço externo, sobre a renda média da população e sobre a taxa de câmbio nominal.

Tabela 8 – Resultados da decomposição da variância do erro de previsão do logaritmo da quantidade importada de trigo em grão (logimportação)

Período

Logimportação

logpinterno

Logpexterno

logrenda

logcambio

1

100,00

0,00

0,00

0,00

0,00

5

86,00

1,00

4,00

2,00

7,00

10

72,00

1,00

11,00

6,00

9,00

15

63,00

2,00

16,00

8,00

11,00

20

56,00

2,00

19,00

10,00

12,00

Fonte: Resultados da pesquisa. Elaborada pelos autores.

Com base nos resultados da Tabela 8, verifica-se que, decorridos vinte meses após um choque não antecipado sobre a quantidade importada de trigo em grão, 56,00% da variância dos erros de previsão dessavariávelsão atribuídas a ela própria, enquanto que 19,00%, 12,00% e 10,00% da sua decomposição da variância dos erros de previsão devem-se ao logexterno, logcambio e loginterno, respectivamente. Portanto, esse resultado indica que a quantidade importada de trigo em grão pelo Brasil proveniente do MERCOSUL é influenciada em primeiro lugar pela própria dinâmica dessa variável e, em segundo lugar, pelas variáveis preço externo da commoditiy e taxa de câmbio.

Na Tabela 9 estão expostos os resultados relativos à decomposição da variância dos erros de previsão do preço interno do trigo em grão recebido pelos triticultores do estado do Paraná.

Tabela 9 – Resultados da decomposição da variância do erro de previsão do logaritmo do preço interno do trigo em grão

Período

logimportação

logpinterno

logpexterno

logrenda

logcambio

1

4,00

96,00

0,00

0,00

0,00

5

9,00

83,00

6,00

1,00

0,00

10

11,00

60,00

25,00

2,00

2,00

15

10,00

49,00

36,00

2,00

3,00

20

10,00

44,00

41,00

2,00

4,00

Fonte: Resultados da pesquisa. Elaborada pelos autores.

Observa-se que os resultados sugerem que, decorridos vinte meses após um choque não antecipado sobre o preço interno do trigo em grão, 44,00% da variância dos erros de previsão dessavariávelsão atribuídas a ela própria, enquanto que 41,00%, 10,00% e 4,00% da sua decomposição da variância dos erros de previsão têm origem na dinâmica das variáveis logpexterno, logimportação e logcambio, respectivamente. Nesse caso, o preço doméstico chama a atenção, pois demonstra que ele está altamente relacionado à dinâmica do mercado de trigo brasileiro. Entretanto, deve-se destacar a relevância do preço externo do trigo em grão, o que vem a corroborar os resultados anteriores, indicando que tem papel fundamental na determinação do preço interno, uma vez que, conforme observado por Margarido et al. (2007), isso reflete o fato de que o Brasil é tomador de preços no mercado internacional de trigo em grão 15.

A última etapa consistiu na obtenção das respostas estimadas da quantidade de trigo em grão importada pelo Brasil do MERCOSUL a choques positivos de 1% em uma cada uma das variáveis específicas no modelo empírico. Os resultados das funções impulso-resposta são mostrados na Figura 1.

Figura 1 - Função de impulso-resposta da quantidade
de trigo importada pelo Brasil
Fonte: Elaborada pelos autores.

No que diz respeito a um choque não antecipado no preço externo do trigo sobre a quantidade importada desse produto, é possível visualizar duas fases distintas. Inicialmente, a função de resposta decai até o terceiro mês, aproximadamente, depois há uma tentativa de recuperação do volume importado, que se estabiliza a partir do décimo segundo mês. Apesar da quantidade importada se manter negativa durante todo o período considerado, a tentativa de reverter a queda na importação indica que os agentes no Brasil apresentam relativa dependência do trigo importado, o que não possibilita reverter abruptamente a demanda por esse produto do MERCOSUL, substituindo-o imediatamente pelo trigo brasileiro. Essa dependência é explicada, primeiro, pelos custos operacionais de se buscar, de imediato, fornecedores de trigo nacional com qualidade compatível à demandada e, segundo, pela existência de contratos no curto prazo firmados tanto com produtores estrangeiros quanto com as indústrias beneficiadoras.

Um choque positivo não antecipado no preço interno do trigo em grão aumenta a quantidade importada do produto. No entanto, este aumento é de pequena magnitude, 0,05%, ocorrendo apenas até o quarto mês e, a partir de então, a importação volta a se estabilizar. Esse comportamento reforça aquele encontrado pela decomposição da variância da quantidade importada de trigo em grão do MERCOSUL, que demonstrou a reduzida influência que o preço interno do trigo recebido pelo triticultor brasileiro exerce sobre essa variável.

Em relação à resposta da quantidade importada de trigo a um choque não esperado na renda interna, verifica-se que o volume de importação de trigo aumenta. No entanto, esse aumento também se estabiliza rapidamente, a partir do quarto mês, mas em um volume superior ao obtido nos períodos iniciais. Destaca-se, ainda, que, em termos de magnitude, o choque na renda é inferior apenas ao choque no preço externo do trigo em grão, mostrando a importância dessa variável para explicar a demanda por importação brasileira de trigo.

Por fim, um choque não antecipado na taxa de câmbio nominal induz a redução na quantidade demanda de trigo em grão do MERCOSUL até o quarto mês. Posteriormente, a quantidade importada de trigo cresce e se estabiliza. Isso ocorre porque a desvalorização cambial faz com que os importadores passem a despender mais reais por dólar na aquisição do produto no exterior. Outra consequência da desvalorização cambial, conforme demonstrado em Margarido et al. (2007), deve-se ao fato de que a desvalorização eleva os custos de produção dos moinhos, visto que o preço da principal matéria-prima eleva-se, implicando em reajuste de preços, o qual é repassado parcial ou integralmente para a farinha e para os produtos derivados do trigo no segmento varejista.

5. Conclusões

As particularidades do mercado brasileiro de trigo em grão forneceram condições ao desenvolvimento do presente texto, o qual partiu da proposta de identificar os determinantes da demanda de trigo brasileiro em grão importado dos países-membros do MERCOSUL nos últimos dez anos (2002-2012). Para atingir esse objetivo, fez-se uso de modelos vetoriais autorregressivo (VAR) e de correção de erros (VEC), buscando assim informações tanto de curto quanto de longo prazo.

A partir da estimação da função de demanda de importação, foi possível extrair informações que possibilitam traçar um cenário para o comportamento dos fluxos de comercialização do trigo em grão importado pelo Brasil. Nessa esteira, verificou-se que a quantidade importada da commodity sofreu influência negativa do preço externo, evidenciando, além disso, a inelasticidade característica desse tipo de produto, enquanto que apresenta tendência de elevação a partir de níveis mais elevados de renda.

Tais resultados sugerem que incentivos à redução do preço externo quanto para o aumento da renda doméstica elevariam a demanda brasileira por importações de trigo em grão. Por outro lado, a taxa de câmbio apresentou sinal contrário ao esperado, indicando que desvalorizações cambiais incrementariam as importações. Está na expressiva dependência externa uma hipótese para justificar essa relação direta, ao passo que as variações cambiais teriam reduzido impacto sobre as importações de trigo em grão. Ademais, esse resultado também foi encontrado em outros trabalhos sobre a commodity.

Outros pontos relevantes na compreensão das importações do trigo em grão estão na expressiva parcela do volume importado pelo Brasil que é explicada por sua própria dinâmica, como também pelo preço externo, o qual tem exercido influência significativa sobre a determinação do preço doméstico, caraterística que confirma o Brasil como um aceitador de preço; enquanto que, o preço interno do produto não tem influenciado fortemente o preço de importação do trigo em grão.

Observou-se também que a demanda de importação de trigo em grão tende a corrigir desequilíbrios de forma rápida, ao passo que o ajustamento completo ocorre em um prazo não superior a seis meses, tanto para choques nos preços internos quanto externos. Esses resultados permitem concluir que as oscilações nos preços do trigo, apesar de relevantes, são suavizadas pelas condições de mercado.

Em suma, é evidente a dependência das importações de trigo em grão pelo Brasil, aspecto que torna ainda mais relevante à realização de estudos dessa natureza, na medida em que servem como arcabouço para políticas governamentais que busquem minimizar a suscetibilidade do setor a choques externos e mudanças não previstas na comercialização dessa commodity. Porém, embora tenham sido verificados resultados satisfatórios, sugerem-se outros estudos, como a utilização de modelos dinâmicos e de equilíbrio geral, com a finalidade de fornecer alternativas ao setor, seja em termos de produção doméstica ou em termos de negociações comerciais.

Referências

ALVES, L. B.; LIMA, J. E (1998). Análise Econométrica da Oferta e Demanda de Trigo no Brasil (1979-94). Economia em revista, Maringá, v. 6, n. 2, p. 81-92.

Capitani, D. H. D.; MIRANDA, S. H. C.; MARTINES FILHO, J. G. (2011). Determinantes da Demanda Brasileira por Importação de Arroz do MERCOSUL. Revista de Economia e Sociologia Rural, vol. 49, nº 03, p. 545-572.

CARVALHO, A.; NEGRI, J. A. de. (2000). Estimação de equações de importação e exportação de produtos agropecuários para o Brasil (1977/1998). Brasília: Instituto de Pesquisa Econômica Aplicada – IPEA (Texto para discussão, 698).

CASTRO, A. S. de; CAVALCANTI, M. A. F. H. (1997). Estimações das equações de exportação e importação para o Brasil – 1955/95. Rio de Janeiro: Instituto de Pesquisa Econômica Aplicada – IPEA, mar.(Texto para discussão, 469).

DICKEY, D. A.; FULLER, W. A (1991). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, v.49, p.1057-1073.

DICKEY, D. A.; FULLER, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, v.74, n.366, p.427-431.

DOOMIK, J. A.; HANSEN, H.(1994). A practical test of multivariate normality, unpublished paper, Nuffield College.

EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA (EMBRAPA, 2013). Seção Trigo. Disponível em: http://www.cnpt.embrapa.br/culturas/trigo/index.html. Acesso em: 26 / mar.

ENDERS, W. (2004). Applied econometrics time series. 2. ed. New York: Wiley.

ENGLE, R. F.; GRANGER, C. W. (1987) Co-integration and error-correction: representation, estimation and testing. Econometrica, Chicago, v.55, n.2, p. 251-276.

FRANSES, P. H.; HOBIJN, B. (1997).Critical values for unit root tests in seasonal time series, Journal of Applied Statisticsv.24, p. 25–46.

SILVA, T. A.; LIMA, J. E. (2004).Estimativa da demanda de importação brasileira de trigo, 1980 – 2002. In: Anais do XLII Congresso Brasileiro de Economia e Sociologia Rural, Cuiabá-MT.

GREENE, W. H. (2008). Econometrics Analysis. 6.ed. New Jersey: Pearson. Education.

HALL, R. E.; LIEBERMAN, M. (2003). Microeconomia: Princípios e Aplicações. 2 ed. São Paulo: Editora Thomson.

HAMILTON, J. D. (1994). Time series analysis. New Jersey: Princeton University Press.

HARRIS, R. I. D. (1995). Using cointegration analysis in econometric modelling. Prentice Hall/Havester Wheatsheaf.

INSTITUTO DE PESQUISA ECONÔMICA APLICADA (IPEA, 2013.). Disponível em: http://www.ipeadata.gov.br. Acesso em: 15 / mar.

JOHANSEN, S. (1988). Statistical analysis of cointegration vectors. Journal of Economic Dynamic and Control, v.12, p.231-254.

LÜKEPOHL, H. (1991). Introduction to Multiple Time Series Analysis, Springer Verlag, Berlin.

MARGARIDO, M. A.; BUENO, C. R. F.; MARTINS, V. A.; TOMAZ, I. F. (2007). Análise dos efeitos preço e câmbio sobre os preços da farinha de trigo na cidade de São Paulo: uma aplicação de modelos de séries de tempo. Pesquisa & Debate, SP, v. 18, n.2, p. 251-281.

MINISTÉRIO DO DESENVOLVIMENTO, INDÚSTRIA E COMÉRCIO EXTERIOR (MDIC, 2013). Disponível em: http://www.desenvolvimento.gov.br/sitio/. Acesso em: 26/ mar./ 2013

PEROSA, B. B.; PAULILLO, L. F. (2009). Novas formas de coordenação setorial em cadeias agroindustriais após 1990: o caso dos elos tritícola e moageiro brasileiros. Gest. Prod., São Carlos, v. 16, n. 1, p. 85-98.

RABELO, P. M. (2003). Mercado de Trigo – Conjuntura e Cenário no Brasil e no Mundo. (Texto para Discussão). Brasília

SILVA, J. R.; FERREIRA, C. R. R. P. T.; NOGUEIRA JUNIOR, S. (2004). Padrão sazonal de preços de trigo: São Paulo, Paraná, Estados Unidos e Argentina. Informações Econômicas, SP, v.34, n.3, mar..

SIMS, C. (1980). Macroeconomics and reality. Econometrica, v.48, p. 1–48.

VIANA, J. J. S. (1999). Análise da Demanda Brasileira de Importações de Cereais, 1970-96. Dissertação (Mestrado em Economia Rural), Universidade Federal de Viçosa.


1 Programa de Pós-Graduação em Administração da Universidade Federal de Santa Maria (UFSM) E-mail: reisolibender@yahoo.com.br.
2 Universidade Federal de Viçosa (UFV). E-mail: aimorim2007@yahoo.com.br
3 Programa de Pós-Graduação em Administração da UFSM. E-mail: daniel.coronel@ufv.br
4 Departamento de Economia da Universidade Regional do Cariri (URCA). E-mail: pinheiroeliane@hotmail.com


7 Rendimento médio real do trabalho principal, efetivamente recebido no mês de referência, pelas pessoas de 10 anos ou mais de idade.
8 Medida da competitividade das exportações brasileiras calculada pela média ponderada do índice de paridade do poder de compra dos 16 maiores parceiros comerciais do Brasil. A paridade do poder de compra é definida pelo quociente entre a taxa de câmbio nominal (em R$/unidade de moeda estrangeira) e a relação entre o Índice de Preço por Atacado (IPA) do país em caso e o Índice Nacional de Preços ao Consumidor (INPC/IBGE) do Brasil. As ponderações utilizadas são as participações de cada parceiro no total das exportações brasileiras em 2001.
9 Todos os testes e estimativas foram obtidos com a utilização do software estatístico JMulTi, versão 4.
10 De acordo com Harris (1995), existe a tendência de que o testes de Dickey-Fullher sejam viesados para unidade quando a variável é sazonal, assim rejeita-se a hipótese nula de não estacionariedade com uma frequência do que ela deveria ser rejeitada, em situação normal.
11 Segundo Silva, Ferreira e Nogueira Junior (2004), o padrão sazonal dos preços recebidos pelos produtores paranaenses apresentou formato semelhante ao obtido para os preços do produto argentino, coincidindo junho como o mês de ocorrência do índice máximo e o mínimo em janeiro, enquanto para os preços argentinos o mínimo ocorreu em dezembro. O período de índices sazonais mensais inferiores à média, considerando todo o período analisado, foi de setembro a março, e os que superaram a média de abril a agosto, períodos de safra e entressafra, respectivamente, e coincidente com os resultados da análise dos preços argentinos. O período de índices de preços superiores à média, no caso do produto argentino, estende-se até outubro, ocorrendo uma defasagem de dois meses entre as duas séries analisadas, fato parcialmente explicado pela época do plantio de trigo ser mais tardia na Argentina, de junho a setembro, enquanto no Paraná ocorre de abril a junho.
12 O teste de cointegração de Johansen (1988) foi realizado com uma constante e 11 variáveis dummies sazonais. Vale lembrar, ainda, que, embora o teste de cointegração de Johansen seja baseado no VAR com quadro defasagens, ele é realizado com apenas três, uma vez que este teste é feito com as séries em primeira diferença.
13 De acordo com Hall e Lieberman (2003), um bem é considerado normal essencial quando um aumento em porcentagem da renda provoca um aumento, em porcentagem, menor na quantidade demandada; e é considerado bem normal de luxo em caso contrário.
14 Uma vez que o coeficiente de correção de desequilíbrio da primeira equação de cointegração não se mostrou significativo para nenhuma das demais variáveis endógenas do VEC, tem-se que o preço externo do trigo, o preço interno trigo, a renda e a taxa de câmbio efetiva real não têm seu valor de curto prazo modificado para manter o equilíbrio da quantidade importada de trigo no longo prazo.
15 É importante observar que, por se tratar de uma commodity, o preço do trigo é determinado no mercado internacional. De forma efetiva, o trigo na Argentina tem seu preço balizado por Chicago, na mesma lógica que se encontra o comportamento da soja no Brasil, por exemplo. No entanto, os resultados apresentados com a estimação do modelo econométrico utilizado neste trabalho mostram que o preço do trigo na Argentina pode ser influenciado pela demanda brasileira por importação de trigo argentino.


Vol. 34 (11) 2013
[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]