Insper Instituto de Ensino e Pesquisa
Programa de Mestrado Profissional em Economia
Luiz Alberto Rocha Junqueira
IMPACTOS ECONÔMICOS DOS MEGAEVENTOS:
UMA ABORDAGEM ECONOMÉTRICA
São Paulo
2011
2
Luiz Alberto Rocha Junqueira
Impactos econômicos dos megaeventos:
uma abordagem econométrica
Dissertação apresentada ao Programa de Mestrado
Profissional em Economia do Insper Instituto de
Ensino e Pesquisa, como parte dos requisitos para a
obtenção do título de Mestre em Economia
Área de concentração: Finanças e Macroeconomia
Aplicadas
Orientador: Prof. Dr. Naercio Aquino Menezes
Filho – Insper Instituto de Ensino e Pesquisa
São Paulo
2011
3
Junqueira, Luiz Alberto Rocha
Impactos econômicos dos megaeventos: uma abordagem
econométrica/ Luiz Alberto Rocha Junqueira; Orientador Prof. Dr.
Naercio Aquino Menezes Filho. – São Paulo, Insper, 2011
Xx f.
Dissertação (Mestrado – Programa de Mestrado de
Profissional em Economia. Área de concentração: Finanças e
Macroeconomia Aplicadas) – Insper Instituto de Ensino e Pesquisa.
1.Economia 2. Megaeventos 3. Econometria
4
RESUMO
JUNQUEIRA, Luiz Alberto R., Impactos econômicos dos megaeventos: uma abordagem
econométrica. São Paulo, 2011. xx f. Dissertação (Mestrado) – Insper Instituto de Ensino e
Pesquisa, São Paulo, 2011.
Este trabalho objetiva verificar a existência da relação entre ser sede de um MegaEvento e a variação positiva do Produto Interno Bruto de um país. Serão considerados
Megaeventos a Copa do Mundo da FIFA e os Jogos Olímpicos. Este trabalho tem como
motivação trazer embasamento econométrico às declarações dando conta que ao se realizar
estes dois grandes eventos esportivos, o país sofrerá um impacto benéfico em sua economia.
A hipótese central deste trabalho será baseada na tese de que para se promover os
Megaeventos serão necessários investimentos públicos e principalmente privados substanciais
em infra-estrutura e serviços, que criarão condições para o país se modernizar ainda mais,
culminando na melhoria das condições para toda a população, não só aquelas mais próximas
dos centros que atenderão aos jogos, resultando numa modificação no padrão de crescimento
histórico (de 1900 a 2008) de países que organizaram os Megaeventos, analisando-se a
tendência de crescimento antes e depois do evento. Após estimações em POLS, Efeitos
Aleatórios e Efeitos Fixos, mostra-se que para este caso Efeitos Aleatórios é o melhor
estimador, porém não se consegue comprovar estatisticamente a hipótese central do estudo.
Logo não se pode atestar que a realização de Jogos Olímpicos ou de Copa do Mundo de
Futebol da FIFA traz um crescimento do PIB.
Palavras-chave: megaeventos; impactos; econometria; economia.
5
ABSTRACT
JUNQUEIRA, Luiz Alberto R, Economic impacts of mega-events: an econometric
approach. São Paulo, 2011. xx pp. Dissertation (Mastership) – Insper Instituto de Ensino e
Pesquisa, São Paulo, 2011.
This paper targets the existence of a positive correlation between hosting a MegaEvent (FIFA World Cup and Olympic games) and a positive variation in then GDP growth
pace. The motivation of this work is to econometrically base those declarations that assume as
true that after organizing these two enormous events a country will have a benefic impact in
its economy. The central hypothesis will be funded on the theses for those promoting a MegaEvent will be needed public but manly private investment in infrastructure and services
creating conditions to modernizing the country even more, resulting in a better environment
for the whole citizens not only those near to the hosting city-centers, modifying the growth
pattern for those hosting the event. This modification will be perceived analyzing the historic
growth from 1900 to 2008 from those countries that hosted Mega-Events, analyzing the
growth pattern before and after the event. After POLS, Random Effects and Fixed Effects
estimations, the study shows for this data set Random Effects fit better, but could not
statistically prove the central hypothesis. That means it could not been proven that hosting a
Mega-Event does not have a direct and positive GDP growth.
Keywords: mega-events; impacts; econometric; economy.
6
Lista de Abreviações
COI - Comitê Olímpico Internacional
COJO – Comitê dos Jogos Olímpicos
CPI – Consumer Price Index – índice de inflação ao varejo dos Estados Unidos da América
EA – Efeitos Aleatórios
EF – Efeitos Fixos
FIFA - Federação Internacional de Futebol (Fédération Internationale de Football
Association)
GDP – Gross Domestic Product – Produto Interno Bruto (PIB)
IOC (ou COI) – International Olympic Commitee, ou Comitê Olímpico Internacional
MQO – Mínimos Quadrados Ordinários , estimação
Megaeventos – Jogos Olímpicos e/ou Copa do Mundo da FIFA
OCOG – Organising Committees for the Olympic Games – Comitê organizador dos Jogos
Olímpicos
PIB – Produto Interno Bruto
POLS – Pooled Ordinary Least Squares: o mesmo que estimação com dados em painel pelo
método dos Mínimos Quadrados Ordinários
PPP – Power Purchase Parity – Paridade do pode de compra
7
Lista de Ilustrações e Tabelas
Figura 1 – Processo de Construção Planejada de Um Legado do Evento . . . . . . . . . . . . . . .14
Tabela 1 – Relação dos Próximos Megaeventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Tabela 2 – Características dos Coeficientes das Dummies da Regressão. . . . . . . . . . . . . . 20
Tabela 3 – Resultado das Regressões do modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Tabela 4 – Resultado do teste de Hausman. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Tabela 5 – Resumo das Hipóteses e dos coeficientes de Efeitos Aleatórios . . . . . . . . . . . 28
Tabela 6 – Consolidação de Hipóteses e Resultados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Tabela 7 – Tabela de Países e eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Tabela 8 – Tabela de Países (PIB) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
8
Sumário
1) Introdução .............................................................................................................................. 9
2) Revisão Bibliográfica ........................................................................................................... 11
3) Metodologia ......................................................................................................................... 18
4) Resultados ............................................................................................................................ 25
5) Conclusão ............................................................................................................................. 29
6) Referências...........................................................................................................................32
7) Anexos..................................................................................................................................35
Resultado das Regressões.................................................................................35
9
1) Introdução
O presente trabalho tem como objetivo verificar a existência de relação entre um país
sediar um megaevento e apresentar crescimento do Produto Interno Bruto. Será empregado o
termo megaeventos em referencia à Copa do Mundo da FIFA e aos Jogos Olímpicos. A
motivação é trazer embasamento econométrico, ou não, às declarações de políticos,
empresários e economistas de que o Brasil, ao sediar esses dois grandes eventos esportivos,
terá um impacto benéfico em sua economia.
A hipótese central baseia-se na tese de que, para se promoverem os megaeventos,
serão necessários investimentos públicos e principalmente privados, substanciais em
infraestrutura e serviços, que criarão condições para o país se modernizar ainda mais,
reverberando em diversos outros setores da economia e culminando na melhoria das
condições para toda a população, não só aquelas mais próximas dos centros que atenderão aos
jogos. Então, se realmente houver modificação no padrão de crescimento de um país que está
organizando o megaevento, essa modificação poderá ser percebida analisando-se a tendência
de crescimento antes e depois do evento. Se há antecipação e concentração de investimentos
no período que antecede os Jogos, é possível especular também que depois do evento o país
poderá sentir uma redução dos investimentos, tendo como conseqüência a redução do ritmo
de crescimento.
Para tentar estabelecer se há relação e se esta causalidade pode ser defendida do ponto
de vista estatístico, serão utilizados modelos econométricos POLS, Efeitos Aleatórios e
Efeitos Fixos.
Antecipando os resultados, não há como afirmar, com base em dados históricos, que
um megaevento impacte significativamente o crescimento do PIB no período anterior a sua
realização, mas há indícios que os jogos causem um efeito positivo no PIB após a sua
realização, ao contrário do que se esperava.
Este trabalho está dividido em cinco seções. A primeira é esta introdução, abrangendo
a motivação para o estudo. A segunda discorre sobre a bibliografia existente sobre o tema. A
terceira descreve a metodologia utilizada e o modelo econométrico aplicado. A quarta seção
explora os resultados das regressões e por fim, a quinta apresenta as conclusões do trabalho
incluindo também sugestões de aprofundamento no tema, eventuais alterações metodológicas
e possíveis melhorias na coleta de dados e refinamento do modelo.
10
11
2) Revisão Bibliográfica
Não são poucos os estudos sobre o impacto econômico de um megaevento, mas não
foi encontrado nenhum que analisasse este efeito através de regressões e hipóteses
econométricas das variações do PIB em países sede de Copas e Jogos Olímpicos, tampouco
estudos que fizessem menção a todos os megaeventos da era moderna, de 1896 a 2008 de
forma consolidada e analítica.
Existem outros jogos de importância relevante que não serão aqui tratados, pois além
de serem menos conhecidos, são de menor complexidade de organização, de orçamento,
realizações, de relevância na mídia mundial e principalmente por sua menor divulgação e de
legados econômicos e infraestruturais de menor porte. Dentre eles, citam-se: Super Bowl
(final do campeonato anual de Futebol Americano), Jogos Militares, Jogos Olímpicos de
Inverno, Eliminatórias para Copa do Mundo da FIFA, Copas da UEFA, Jogos PanAmericanos, entre outros vários. Nenhum destes citados tem características semelhantes aos
dois megaeventos selecionados.
Políticos (presidentes, governadores, entre outros representantes de órgãos executivos
e até mesmo legislativos) se envolvem diretamente na organização para ganhar a concorrência
e sediar um desses eventos. “O evento esportivo terá um efeito multiplicador capaz de
quintuplicar os investimentos diretos realizados no País e para viabilizar injetará o total de R$
142,39 bilhões na economia brasileira até 2014” segundo estudo Brasil Sustentável: impactos
Socioeconômicos da Copa do Mundo 2014, da consultoria Ernst & Young Brasil (2010).
Citando estudo do Ministério dos Esportes (2009) para a Olimpíada de 2016: “O estudo
aponta que a injeção de US$ 14,4 bilhões nominais na realização dos Jogos Olímpicos vai
gerar um multiplicador de produção de 4,26 que proporcionará uma movimentação na
economia brasileira de US$ 51,1 bilhões (R$ 102,2 bilhões se considerada a paridade cambial
prevista no dossiê) no período de 2009 a 2027.” Ou 0,70% do PIB brasileiro, chegando a
7,1% do PIB Regional de Natal, por exemplo. Assim, estariam os políticos corretos em
afirmar repetidamente que ao se apoiar, incentivar e até mesmo promover a isenção de
impostos, liberando e gastando-se verbas públicas criam-se condições favoráveis ao
crescimento de todo o país e não somente a cidade-sede? Se isso for realmente fato, deveria
então haver uma variação mensurável no crescimento do PIB nos anos que antecedem a
realização de um destes Jogos.
12
São raros os trabalhos que testaram empiricamente os impactos econômicos de um
megaevento na economia de um país-sede. Muitos estudos usaram a racionalidade para inferir
que haveria impactos econômicos (aumento do PIB, criação de empregos, melhora de índices
sociais, entre outras variáveis macroeconômicas), entretanto pouco se fala sobre custo de
manutenção, custo de oportunidade, beneficiados e prejudicados, além de muitas vezes até
negligenciarem os estudos de viabilidade econômica. Outro ponto que é tema de debate seria
qual a razão de existir um número cada vez maior de cidades candidatando-se para ser sede,
se não há comprovação da verdadeira oportunidade de ganho. Se nenhum estudo prova
empiricamente que a Copa do Mundo ou os Jogos Olímpicos trazem efeitos positivos,
inclusive de longo prazo, parece não fazer sentido todo o esforço nem mesmo para se planejar
e entrar no “leilão”, pois mesmo esse preparativo envolve gastos não desprezíveis.
Holger Preuss é sem duvida o pesquisador com mais artigos sobre o tema
megaeventos e seus impactos econômicos (7 livros e 50 artigos), e seu livro de 2000 serve de
referência também para este trabalho: “The economics of staging the Olimpics: A comparison
of the Games 1972 – 2008”. Nessa obra, atualizada em 2004, Preuss analisa profundamente
apenas os Jogos Olímpicos e mostra quem são seus principais interessados: a) comitê
organizador dos Jogos Olímpicos (OCOGs); b) políticos; c) patrocinadores; d) a mídia; e) o
comércio. A conseqüência mais flagrante a supercomercialização do espetáculo, levando a
perda do espírito olímpico e a prejuízos aos governos. Mesmo assim os governantes insistem
em se candidatar cada vez com mais determinação. Atlanta 1996 foi chamada pelos
jornalistas de a “Olimpíada Coca-Cola”, e outras vezes como a “Feira do Século”. Discorre
ainda Preuss (2000) que quem faz os cálculos e estudos de viabilidade são justamente aqueles
apontados como sendo os maiores interessados no evento e que esses cálculos e estudos de
custos/benefícios são viesados, muito mal feitos ou mesmo incompreensíveis. “Ao se
acreditar nessa teoria de comercialização, tem-se que temer a terrível endogeneidade advinda
de quem idealiza e promove o evento. Se forem os comitês olímpicos regionais e os políticos
que lideram a campanha e estes são os maiores interessados no seu lucro, como podemos ter
certeza que não estamos tendo, no final das contas, um tremendo prejuízo e que os legados
deixados por esses megaeventos não são perversos?”
Preuss (2000) ainda apresenta uma metodologia para comparação dos eventos, que a
primeira vista parece difícil de realizar, pois cada evento tem suas características, mas depois
de usar técnicas, segundo ele, especiais de conversões foi possível a comparação. Ele utilizou
13
o PPP (Power Purchase Parity) quando disponível e as taxas médias de câmbio do país e
deflacionou utilizando o CPI (Consumer Price Index) americano para o ano de 2000. O autor,
assim como Tavares (2005), cita ainda os efetivos ganhadores quando os jogos são realizados
são eles: a) políticos; b) construtores e empreiteiros; c) a elite da população (que se beneficia
financeiramente da valorização dos imóveis e da cidade após as melhorias); d) os turistas,
pois encontram uma cidade “nova”, com infraestrutura renovada e preparada para recebê-los.
Entretanto, a população em geral somente é beneficiada indiretamente, como conseqüência
das melhorias que se ofertam aos grupos acima. Como sempre, se há ganhadores existem os
perdedores (principalmente caso haja o fracasso: deterioração da imagem da cidade e
déficit/prejuízo causado). Ainda segundo Preuss (2000), os principais perdedores são: i)
“classes pobres: geralmente as instalações olímpicas são construídas em áreas degradadas
habitadas pela população de baixa renda, que será remanejada para lugares mais distantes,
perdendo assim o ambiente social que estavam inseridas; ii) comércio/indústria: com a
imagem deteriorada da cidade, há perda de negócios, desvalorização de imóveis e diminuição
de consumo e bens; iii) contribuintes: com o déficit e dívidas a serem pagos, os governos não
vêem outra solução que aumentos de impostos”. Para se evitar isso, Preuss (2000) sugere que
as três perguntas básicas deveriam ser respondidas a contento para se almejar sediar um
megaevento: Quais são os benefícios e custos para sua população? Quais são as fontes de
financiamento do OCOG? Quais são os gastos, e se é possível fazer os jogos sem déficit?
Zarnowski (1992) faz um levantamento minucioso dos custos de cada olimpíada a
partir de 1896, enquanto Preuss (2000) se dedica ao período de 1972 a 2008, e apenas
comenta brevemente sobre os jogos entre 1896 e 1972. Porém nem um nem outro relaciona
estes custos com a atividade do país e sua consequência no PIB. Preuss (2006), tenta definir a
palavra “legado” e lista os benefícios e os pontos negativos dele. Além disso, mostra como
medir o impacto dos legados e quais são as fases do planejamento (como na figura 1),
determinando que o evento seja composto de seis estruturas: a) infraestrutura; b)
desenvolvimento de conhecimento; c) imagem; d) emoções; e) network; f) cultura. Conclui
que não é claro que se sediar os Jogos é uma maneira eficiente de gastar recursos públicos
escassos.
14
Figura 1 – Processo de Construção Planejada de um Legado do Evento, segundo Preus (2000)
Tavares (2005) inclui os governos federais e locais como o grupo com mais interesse
na realização dos jogos Olímpicos, tanto como o COI, em principalmente em mostrar
superioridade do sistema político (até a década de 90), na melhoria das relações e na
demonstração de mudanças para a comunidade internacional, ganhar status e reconhecimento
global, solucionar problemas urbanos e ainda melhorar a imagem dos políticos.
Preuss (2008) mostra como o financiamento dos jogos acaba sendo transmitido a todo
o mundo, uma vez que são comercializados direitos de transmissão - que hoje são a maior
fonte de renda dos OCOGs – e que esses direitos pagam por todo o gasto da realização e
organização dos Jogos Olímpicos. Isso deixa os comitês em posição vantajosa em relação aos
governos, pois estes se encarregam do estabelecimento de toda infraestrutura municipal, que é
a parte mais cara dos jogos. Preuss (2009) afirma também que os jogos trazem grandes riscos
financeiros. Entretanto após 1984 o numero de concorrentes (ou bidders) é maior a cada
eleição, já que os políticos, ao realizar o evento e promover a cidade, se mostram como os
viabilizadores dos jogos, recebendo atenção e sendo considerados como aqueles que
transformaram a cidade em pólo global, atraindo investimento, turismo e respeito. A mídia
também é uma das maiores interessadas nos eventos, já que as cotas de patrocínio na TV
passaram a envolver cifras astronômicas. Apenas como exemplo: a NBC (rede de televisão
norte-americana) comprou o direito de transmissão dos Jogos de inverno e de verão de 2014 a
2020 por US$ 4.3 bilhões (fonte: NYTimes).
Matheson (2002) argumenta que não se deve prejulgar que sediar grandes eventos
esportivos é sempre a melhor maneira de estimular a economia local ou nacional, pois se pode
15
incorrer no crowding-out effect investments em que o dinheiro público não é ilimitado e
devem se escolher quais projetos priorizar e quais preterir para fazer frente aos investimentos
que foram determinados para a cidade-sede. Isto é ainda mais flagrante em países emergentes
onde a questão do contingenciamento é mais relevante e o trade-off parece ser um ponto
importante a observar. Afinal qual a melhor aplicação para os recursos públicos: um
ginásio/arena para uma competição de um mês ou uma rede de abastecimento de água ou
esgoto para populações carentes e desabastecidas?
O livro Legados de Megaeventos, DOSSIÊ (2008) é uma compilação de artigos e
transcrições de debates que se realizaram no Rio de Janeiro a respeito dos impactos dos
megaeventos, mas não somente no campo econômico a que se aplica esta dissertação. São
mais de 600 paginas em que se abordam diversos campos de pesquisa: culturais, sociais,
ambientais, mercadológicos, de planejamento, psicológicas, de inclusão social. No campo
econômico transcreve-se entrevista com Holger Preuss. A ele foi perguntado se eventos
esportivos são alternativas eficientes de investimento para recursos públicos escassos. Como
resposta, o professor afirma que, em relação ao PIB, os jogos são pequenos e a estratégia do
evento tem que ser administrada pelo governo, porque existe possibilidade de fracasso e não
se consegue falar em eficiência, pois é um caso muito complexo que não muda
significativamente o PIB (e é o que queremos mostrar empiricamente nesse trabalho),
devendo ser definida uma estratégia de comunicação e ter bom planejamento para não os
projetos não serem muito dispendiosos.
Na mesma obra, José Antônio Barra Alves (DOSSIÊ, 2008) relata que, depois de
1972, passou-se a considerar como custo dos eventos também as obras de melhoria, o que
eleva muito o custo total dos eventos, dando a entender que, se não fossem as melhorias de
infraestrutura nas cidades e nos entornos, os Jogos não custariam tanto. Todavia, esses custos
passaram a fazer parte do orçamento e da campanha para que uma cidade fosse escolhida
sede. E não poderia ser diferente, uma vez que sem essas melhorias (viária, aeroportuária,
rodoviária, de segurança, entre outras) que são realizadas paralelamente ao compromisso de
construir estádios, arenas, e ginásios, uma cidade não seria escolhida pelos comitês. O livro
mostra também que, por falta de planejamento prévio, procura-se fazer uma adequação posthoc, como foi o caso da Vila do Pan do Rio 2007, ou mesmo não se sabe o que se fazer com
alguns legados, como é o caso do Engenhão e seu altíssimo custo de manutenção
(aproximadamente R$ 2 milhões por mês). Nessa obra há ainda uma pergunta que ficou sem
16
resposta: O que realmente deseja uma cidade ao se candidatar a cidade sede? Reurbanização?
Turistas? A que custo?
“Mega Sports Events: Can we go? Will we go? Should we go for the events in
Copenhagen?”– MEGA (2006) também apresenta esse questionamento, mas as respostas não
são conclusivas e mostram que é arriscado lançar uma candidatura. O artigo trata mais
especificamente do caso da Dinamarca, mas as perguntas servem para todas as candidaturas.
A revista “Finance and Development” março 2010, traz na capa o titulo: “Prêmio ou Punição”
Prize or Penalty, IMF (2010). A reportagem central da edição relata que foram injetados US$
7,6 bilhões na economia sul-africana em 2008 com a criação de 400.000 empregos diretos e a
presença de 490.000 turistas, mas deixou uma preocupação com os “elefantes brancos” que
foram herdados, logo num país onde a maioria da população joga rúgbi ou críquete e relega o
futebol a segundo plano de interesse. A matéria comenta ainda o fato de que, no Rio de
Janeiro, quando a cidade foi escolhida para ser sede, milhares de pessoas foram dançar nas
praias, praças e ruas. Alerta, porém, argumenta que é difícil saber se a população que
comemorou entende quais são os reais impactos que os jogos trazem. Sidney esperava atrair
turistas após os jogos, mas não aconteceu como previsto, e poderá‟ acontecer de novo com o
Brasil se a Copa e os Jogos Olímpicos não forem bem planejados. Cita também que há o
potencial downside das incertezas, dos altos custos de construção de infraestrutura como
também o alto custo da manutenção, estimado em aproximadamente 10% ao ano. O artigo
termina por dizer que é muito importante repensar e reavaliar bem antes de se candidatar a
sediar um megaevento.
Outro artigo na mesma revista “The olympic trade effect”, (IMF 2010) é um pouco
mais critico e lembra que o Rio de Janeiro fez sua candidatura por R$ 15bi e que só a
cerimônia de abertura da olimpíada de Pequim custou US$ 100 milhões, comparando esses
fatos com o salário de um trabalhador na China. Termina fazendo a pergunta: “Porque
economias liberais candidatam-se a sede dos megaeventos?”. Para as economias em
desenvolvimento, especula o autor, pode ser uma sinalização de que o país está pronto para se
inserir na comunidade internacional e deseja ser respeitado.
No artigo “Leitura econômica dos Jogos Olímpicos: financiamento, organização e
resultados” de Proni, Araújo e Amorim (2008), analisa-se Barcelona 1992, Sidney 2000, e
Pequim 2008. Os autores fazem uma abordagem histórica do marketing por trás dos eventos.
Dissecam gastos e receitas, chegando a afirmar que os investimentos em Barcelona realmente
17
surtiram efeitos no PIB da Espanha nos últimos quatro anos antes do evento, mas
principalmente no ano anterior. Em Sidney inclusive foi quantificado qual foi o acréscimo em
dólares causado apenas pelos Jogos Olímpicos. O pós-evento também foi citado mostrando
que houve uma queda no crescimento nos anos seguintes. O artigo conclui que os jogos
nesses casos tiveram resultados bastante positivos, mas nada cita quanto aos impactos pósjogos e quanto aos legados deixados, como endividamento e altos custos de manutenção.
Apenas relata rapidamente o caso Grego de 2004, como exemplo de fracasso que deixou um
grande endividamento para o governo.
Considerando-se todo o exposto, passa-se à análise dos dados para se tentar
demonstrar que megaeventos esportivos provocam impactos positivos no PIB antes de sua
realização e negativo no curto prazo posteriormente.
18
3) Metodologia
A base de dados utilizada para mensuração da variação do PIB foi o resultado dos
estudos de Angus Maddison (2002), onde se encontram dados de crescimento do PIB da
maioria dos países do mundo desde 1dC até 2000 dC, com base de preços de 1990. Deste
estudo será utilizado apenas o PIB anual desde 1886 até 2008 dos 170 países, reorganizados
para se montar um painel em que cada país tenha 141 linhas com as variações anuais do PIB,
e isso „e uma vantagem para o modelo proposto, pois gera uma base de dados grande o
suficiente para se obterem resultados estatisticamente confiáveis.
Uma desvantagem desta série de dados e‟ justamente a falta de outros dados históricos
complementares necessários para expurgar efeitos macroeconômicos exógenos que
impactariam uniformemente o crescimento dos países. Utilizou-se o PIB mundial como
controle para tentar minimizar esses efeitos macro, mas então passando a haver
endogeneidade entre essa variável explicativa e a dependente. Sabe-se também que muitos
outros fatores deveriam e poderiam ser considerados para que se reduza ou se diminua o viés
da estimação. Por exemplo, a época que foi realizada os jogos, o tamanho dos
jogos/campeonatos, momento da economia mundial, tamanho do país-sede, tipo de governo
que está na organização, status econômico do país (país em desenvolvimento ou uma
economia madura). Porém, como a hipótese é apenas constatar se há indícios que se a
realização um megaevento acarreta uma variação positiva principalmente nos anos que
antecederam a sua realização vamos desconsiderá-los, apesar de estarmos cientes de que os
coeficientes estimados podem conter algum viés.
Será analisado o comportamento do PIB desde os Jogos Olímpicos de 1900 na França.
Serão eliminados da base de dados os Jogos Olímpicos realizados na Grécia em 1896, por não
haver dados gregos até 1916, não sendo possível fazer uma análise estatística satisfatória
desse período. Nem todos os países da base de dados têm histórico de PIB desde 1886, mas
com exceção da Grécia, todos os outros países-sede têm dados do PIB durante o período em
que se pretende analisá-los.
Têm-se, então, desde 1900, 25 jogos olímpicos e 18 Copas do Mundo. Inicialmente os
Jogos Olímpicos eram realizados a cada quatro anos. A primeira Copa do Mundo ocorreu em
1930, quando já haviam sido realizadas oito Olimpíadas. No começo do século XX a
seqüência de Olimpíadas a cada quatro anos foi interrompida em 1916 por razão da Primeira
19
Guerra Mundial. Após 1930 há a alternância entre a realização da Copa do Mundo e
Olimpíadas, com um intervalo de dois anos. Em 1940 há outra vez interrupção, agora de
ambos os eventos, por conta da Segunda Grande Guerra, no período de 1940 a 1946. Depois
deste período, não houve mais interrupções e os jogos vêem se realizando a cada dois anos, já
estando definidos os próximos países que sediarão tanto a Copa do Mundo de Futebol quanto
os Jogos Olímpicos. Para a Copa do Mundo de 2002 realizada em conjunto entre Coréia do
Sul e Japão foi considerada a variação do PIB conjunta (soma) dos dois países. Como a base
de dados termina em 2008, não serão considerados os efeitos que eventualmente estão
podendo ser sentidos nos próximos países a sediar os megaeventos:
Tabela 1 –
Ano
Cidade / País
2012
Londres
Jogos Olímpicos
2014
Brasil
Copa do Mundo
2016
Brasil
Jogos Olímpicos
2018
Rússia
Copa do Mundo
2020
A Ser escolhida em 2013
Jogos Olímpicos
2022
Catar
Relação dos Próximos Megaeventos
Evento
Copa do Mundo
Apesar de cada megaevento ter suas particularidades para a escolha da sede do evento
a sistemática é bastante similar. O País deve apresentar um dossiê composto das intenções e
motivações da candidatura, do respaldo do governo a apoio da população, assim como o
compromisso do Comitê ou Confederação Regional. A resposta positiva à candidatura a sede
geralmente „e dada sete anos antes do evento. Assim, entre o anúncio do vencedor do leilão e
o evento, temos um período de preparação, estudo e investimento. Este período será‟
designado como Pré-Evento, quando se acredita que haja o maior impacto na variação do
PIB. Assim serão definidos cinco períodos para estudo. Como o mais importante o PréEvento terá sete anos, outros três períodos também terão, arbitrariamente, duração de sete
anos além do ano específico do evento. O primeiro deles será definido como Antes, pois é o
período que antecede o Pré-Evento e também será importante, pois determina as condições
que o país estava enfrentando até haver o anúncio para o país ser sede. Apos o Pré-Evento,
segue-se o ano do Evento em si, podendo-se entender que no ano de realização do evento
ainda há um forte impacto dos efeitos que se quer estudar. O ano do Evento será separado por
uma dummy única e isolada para cada país. O período Pós-Evento será aquele que também se
define por sete anos e deveria ter variações de crescimento teoricamente negativas e menores
20
que durante o Pré-Evento e o ano do Evento propriamente dito, visto que na época de PréEvento os investimentos que estariam espalhados ao longo de todos os períodos se
concentrariam entre o Pré-Evento e o Evento, havendo assim uma diminuição do ritmo de
investimentos após os jogos. Depois deste, o período será definido como Depois, uma vez que
vem depois do Pós-Evento e será importante para medirmos os efeitos de longo prazo dos
eventos, caso ocorram. Logo podemos resumir a definição dos períodos e hipóteses centrais
deste trabalho em:
Tempo
(anos)
Período
Características e hipóteses
Antes
Sem nenhum efeito do evento (dummy=1 entre os anos 14 e 7 que
antecedem o Evento). Condições em que o país se encontra ao receber o
Anúncio. Coeficiente esperado: Positivo
-7
Pré-Evento
País sofre o efeito da Preparação para o Evento (dummy=1 entre os anos -7
e -1 que antecedem o evento). Supostamente há aumento do PIB por conta
da quantidade de investimentos necessária para realização do evento.
Coeficiente esperado: Positivo
0
Evento
Ano do Evento (dummy = 1 no ano evento). Coeficiente esperado: Positivo
+7
Pós-Evento
Efeitos de Curto Prazo do Evento. Teoricamente haveria uma diminuição do
ritmo de crescimento do PIB, devida a desaceleração dos investimentos.
Coeficiente esperado: Negativo
+14
Depois
Efeitos de Longo Prazo. Caso haja, devem ser conseqüências positivas da
realização do Evento. Coeficiente esperado: Positivo
-14
Tabela 2 – Características dos Coeficientes das Dummies da Regressão
O método do estudo econométrico base para esta dissertação será o texto Eearning
losses of displaced workers de Jacobson, LaLonde e Sullivan (1993), em que são analisados
salários pré e pós demissão. Uma análise num espaço de tempo determinado antes do evento
demissão e pós-evento, como o que se quer pesquisar neste trabalho. Os autores analisaram
dados administrativos dos históricos dos rendimentos dos trabalhadores nas suas firmas
empregadoras para estimação da magnitude monetária e temporal das perdas quando há uma
demissão. Além da quantificação da perda e do tempo que se leva para a recolocação, os
autores concluíram que há um declínio no salário antes de acontecer efetivamente à demissão,
que há dependência pequena do sexo e da idade, e que trabalhadores com menos tempo de
carreia estão mais suscetíveis à demissão. Os autores utilizaram dados de trabalho da
21
Pensilvânia entre meados dos anos 70 e 80, utilizando técnicas de regressões OLS e de
Efeitos Fixos com dummies para controlar os períodos: trimestres antes de haver a demissão,
e após haver a demissão. No trabalho de Jacobson, LaLonde e Sullivan (1993) os autores
inferiram que depois da demissão o salário médio reduz em 25% e que se demora 20
trimestres para que o demitido volte para o patamar de salário que tinha antes da demissão.
A especificação estatística do modelo deste trabalho segue a mesma lógica do estudo
de Jacobson, LaLonde e Sullivan (1993):
1
𝐿𝑛𝑦𝑖𝑡 = 𝛼𝑖𝑡 + 𝐴𝑛𝑡𝑒𝑠𝐷𝑖𝑡𝑘 + 𝑃𝑟é𝐷𝑖𝑡𝑘 + 𝐸𝑣𝑒𝑛𝑡𝑜𝐷𝑖𝑡𝑘 + 𝑃ó𝑠𝐷𝑖𝑡𝑘 + 𝐷𝑒𝑝𝑜𝑖𝑠𝐷𝑖𝑡𝑘 + 𝛽𝑚𝑢𝑛𝑑𝑜 + 𝑒𝑖𝑡
Onde 𝐿𝑁𝑦𝑖𝑡 é a ou a log razão entre os PIBs do mesmo país entre dois anos
consecutivos ln(PIBt/ PIBt-1) , t é o ano de referência, i é o país em questão, 𝛼𝑖𝑡 são os Efeitos
Fixos, que resumem as diferenças observáveis e não observáveis entre os países. Antes, Pré,
Evento, Pós e Depois são os coeficientes objeto de análise deste trabalho. Mundo é a variável
de controle do PIB mundial. 𝐷𝑖𝑡𝑘 é a variável dummy, que recebe 1 conforme tabela 2,
dependendo do ano que está sendo estimado, onde o índice k é o diferenciador entre os 5
vetores que compõem o estudo.
Também será utilizado o mesmo modelo para analisar separadamente os efeitos de
Jogos Olímpicos e Copas do Mundo com o intuito de verificar se há o mesmo padrão de
comportamento da variação do PIB, e se o tipo de evento é importante na análise.
Para averiguação das hipóteses serão estimadas regressões por três métodos distintos:
Mínimos Quadrados Ordinários para dados em painel (POLS), Efeitos Aleatórios e Efeitos
Fixos. Os dados têm uma conformação longitudinal desbalanceada, em que não temos dados
do PIB para todos os anos para alguns dos países da amostra – por exemplo, não há
informação anual da Grécia até 1916, porém a partir desta data temos os dados anuais
completos. Em geral usam-se os dados em painel de forma a identificar a heterogeneidade que
existe entre, nesse caso específico, os países mas de maneira geral o modelo básico para
análise de efeitos é dado por:
2
𝑦𝑖𝑡 = 𝑥𝑖𝑡 𝛽 + 𝑐𝑖 + 𝑢𝑖𝑡
22
onde 𝑥𝑖𝑡 é o vetor de variáveis observadas em cada período t, e 𝑐𝑖 é o efeito não observado, ou
também pode ser chamado de heterogeneidade individual e 𝑢𝑖𝑡 é o erro idiossincrático. O
parâmetro ci guarda as características constantes no tempo intrínsecas de cada país.
A
estimação por POLS ignora a estrutura em painel e trata as observações como sendo
serialmente não correlacionadas para um indivíduo único com erros homocedásticos entre os
indivíduos e entre períodos de tempo, seguindo a equação: bPOLS = (X'X)-1X'y. Onde bPOLS é a
estimação, X é a matriz de Variáveis explicativas e y o vetor das variáveis dependentes.
Esta equação ao ser estimada por POLS, teria um resíduo composto do efeito específico ci e
dos erros idiossincráticos, onde a principal hipótese é a constância de ci entre os países. Caso
essa hipótese seja verdadeira teríamos 𝜎𝑐2𝑖 = 0 , onde 𝜎𝑐2𝑖 é a variância da constante que se for
zero a estimação seria consistente, respeitadas as hipóteses tradicionais para a consistência do
estimador MQO. Caso contrário 𝜎𝑐2𝑖 ≠ 0 descarta-se o POLS e parte-se para a validade dos
outros dois modelos. Para testar essa hipótese, geralmente utiliza-se o teste d o multiplicador
Lagrange de Breusch-Pagan, mas na prática como essa hipótese é dificilmente verificada
utilizando-se raramente o POLS.
Ao se descartar o POLS, testa-se o modelo por Efeitos Aleatórios (EA), uma vez que a
base de dados tem mais observações na dimensão cross-section do que temporal (temos mais
países que anos analisados) sendo também que a variação do PIB entre países tem pouca
variação, mas pode ter grande variação ao longo do tempo. O modelo EA é estimado por bGLS
= [X' Ω-1 X]-1 X' Ω -1 y onde, Ω = (𝜎𝑢 2*InT + T* 𝜎𝑎2 *P). Onde X é X é a matriz de variáveis
explicativas, Ω é função dos parâmetros: 𝜎𝑢 é a variância do erro idiossincrático, σ2a é a
variância do termo aleatório.
A escolha em se utilizar o método de Efeitos Aleatórios também deve ser cautelosa,
pois este modelo coloca o termo ci no temos do erro, passando este a ser um termo aleatório
com variância diferente de zero, inserindo hipóteses ortogonalidade entre ci e xit e de
exogeneidade estrita, sendo esta última determinado que as variáveis explicativas em cada
período do tempo são não correlacionadas com o erro idiossincrático em nenhum período de
tempo ou que variáveis explicativas de um t não estão correlacionadas com choques aleatórias
em momento nenhum (nem passado, nem presente, nem no futuro).
A estimação por efeitos fixos (EF), dado por: bW = (X'QX)-1X'Qy onde P = D(D'D)1
D', (sendo X, Q, y já definido) transforma os dados em médias individuais e Q = I-P
transforma os dados em desvios da médias individuais e estima maior impacto para as
23
variáveis, ignorando o nível e estimando impactos de variações ao redor da média, segundo
Wooldridge (2003), e aplicada à teoria no modelo especificado em questão, o tratamento do
modelo por efeitos fixos é valido quando se sabe que o efeito do evento não muda entre os
períodos considerados, isto é, haverá sempre os cinco períodos que estamos tratando e o
evento afeta toda a população que estamos tratando. Assim, um mesmo efeito (fixo) afeta
todos os indivíduos, o que gera além do erro idiossincrático uit – erro usual que captura todos
os outros fatores que geram distúrbio nos valores observados das variáveis dependentes – o
termo ait ou erro heterogênico não observável, que significa que este termo agrega todos os
fatores únicos que não se alteram (ou não se alteram muito) em cada país. E, ao incluir as
variáveis dummies consegue-se que o intercepto varie entre os países nos vários períodos
considerados. A estimação por efeitos fixos de estimação possui algumas vantagens como
maior quantidade de informação, maior variabilidade dos dados, menor colinearidade entre as
variáveis, maior número de graus de liberdade. Desta maneira, pode-se afirmar que esta
técnica gera uma maior eficiência dos estimadores.
A aceitação da estimação de EA está condicionada a validade destas duas hipóteses
(hipóteses ortogonalidade entre ci e xit e de exogeneidade estrita), o que também neste caso
acontece: invalidando o método de EA, de acordo com Wooldridge (2003), “Se podemos
assumir que ci é não correlacionado com todos xit , então o método de efeito aleatório é
adequado. Porém, se ci for correlacionado com alguma variável explicativa, o método de
efeito fixo (...) é necessário; o uso do método de efeito aleatório neste caso geralmente resulta
em estimativas inconsistentes.” E ainda: “A comparação das estimativas pelo método de
efeito fixo e efeito aleatório pode ser um teste para averiguar se há correlação entre ci e xit ,
supondo que os erros idiossincráticos e variáveis explicativas são não correlacionadas entre
todos os períodos.” , para tanto utiliza-se o teste proposto por Hausman (1978), que é um teste
de Wald sob a hipótese nula de que as estimativas de EF são iguais as de EA e a hipótese de
que não existe correlação entre termos específicos e as variáveis explicativas é válida. Caso
contrário, rejeita-se o modelo de Efeitos Aleatórios e o modelo de EF é método de estimação
mais adequado. Assim no modelo proposto para este trabalho faremos as mesmas
considerações supracitadas, de forma a averiguar qual o Método mais adequado para a análise
e mostraremos os resultados de forma comparativa.
A base de dados contém 12.833 observações, de 181 variáveis, que representam 164
países diferentes, 15 agrupamentos de países (por exemplo, a somatória dos países de um
24
continente ou subgrupo dentro de um continente). Outra variável é a somatória de todos os
países que será utilizada no modelo como controle do pais estudado, o que serve para
observação do efeito do crescimento mundial do PIB e sua relação com o PIB do país que está
se estudando. A última entrada de dados é a construção de um país originalmente inexistente
com a variação do PIB do Japão e da Coréia do Sul, uma vez que em 2002 a Copa do Mundo
teve o compartilhamento do evento em dois países, fato único até hoje.
25
4) Resultados
Para todas as regressões tem-se o mesmo número de observações (12.833), em 181
países (como considerado na seção anterior) com uma média de 70,9 observações da variação
de PIB por país, sendo que o país com observações tem 17, e o que mais teve foi 138, ou seja,
neste caso houve observações em todos os anos desde 1870 e 2008.
Na Tabela 3 abaixo se apresentam os resultados das três estimações (POLS, EA e EF),
todos com erros padrão robustos, pois suspeitamos de heteroscedasticidade entre os países e
alguma correlação serial entre os anos.
Tabela 3 – Resultado das Regressões do modelo
Regressões estimadas para qualquer Evento
Variável Dependente
Ln (PIBt/PIBt-1)
Variáveis Independentes
Antes
-0.0093*
-0.0039
-0.0016
( 0.0051 )
( 0.0051 )
( 0.0049 )
-0.0067**
-0.0018*
0.0005
( 0.003 )
( 0.003 )
( 0.0031 )
-0.0004
0.0033
0.0050
( 0.0074 )
( 0.0074 )
( 0.0074 )
0.0008
0.0051*
0.0071**
( 0.0031 )
( 0.0031 )
( 0.0032 )
0.0052*
0.0096**
0.0116**
( 0.0031 )
( 0.0033 )
( 0.0034 )
0.2653**
0.2629**
0.2609**
( 0.0375 )
( 0.0374 )
( 0.0375 )
Regressão
MQO
Efeitos Aleatórios
Efeitos Fixos
Constante
0.0252
0.0252
0.0248
( 0.0015 )
( 0.0018 )
( 0.0016 )
12833
0,000
0.0198
12833
0,000
0.0199
12833
0,000
0.0200
Pré-Evento
Evento
Pós-Evento
Depois
PIB Mundo
Obs.
Prob>F
R²
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: ** 5%, *10%
26
Regressões estimadas para Olimpiadas e Copas do Mundo separadamente
Variável Dependente
Variáveis
Independentes
Ln (PIBt/PIBt-1)
Olimpiada
0.0052
( 0.004 )
0.0026
( 0.0043 )
0.0058
( 0.0105 )
-0.0003
( 0.003 )
-0.0099
( 0.0066 )
0.2651**
( 0.0375 )
Copa
0.0058
( 0.0043 )
-0.0020
( 0.0033 )
-0.0106
( 0.0098 )
-0.0127**
( 0.0049 )
-0.0069
( 0.0066 )
0.2655**
( 0.0376 )
Olimpiada
0.0105**
( 0.0041 )
0.0079*
( 0.0043 )
0.0110
( 0.0104 )
0.0059*
( 0.003 )
-0.0038
( 0.0066 )
0.2631**
( 0.0374 )
Copa
0.0104**
( 0.0044 )
0.0025
( 0.0034 )
-0.0057
( 0.01 )
-0.0080
( 0.005 )
-0.0014
( 0.0067 )
0.2632**
( 0.0374 )
Olimpiada
0.0126**
( 0.0043 )
0.0100**
( 0.0044 )
0.0131
( 0.0103 )
0.0085**
( 0.0032 )
-0.0014
( 0.0065 )
0.2613**
( 0.0375 )
Copa
0.0122**
( 0.0046 )
0.0043
( 0.0036 )
-0.0038
( 0.0103 )
-0.0061
( 0.005 )
0.0007
( 0.0066 )
0.2613**
( 0.0376 )
Regressão
MQO
MQO
Efeitos
Aleatórios
Efeitos
Aleatórios
Efeitos Fixos
Efeitos Fixos
Constante
0.0251
( 0.0016 )
0.0252
( 0.0016 )
0.0251
( 0.0018 )
0.0253
( 0.0018 )
0.0248
( 0.0016 )
0.0251
( 0.0016 )
12833
0,000
0.0196
12833
0,000
0.0197
12833
0,000
0.020
12833
0,000
0.0197
12833
0,000
0.020
12833
0,000
0.0197
Antes
Pre-Evento
Evento
Pós-Evento
Depois
PIB Mundo
Obs.
Prob>F
R²
Fonte: Elaboração própria.
Erro-padrão robusto em parênteses.
Significância dos coeficientes: ** 5%, *10%
Analise da estimação em separado dos efeitos dos Jogos Olímpicos: Era de se esperar
que as olimpíadas trouxessem um impacto menor que as copas por estarem localizadas em
apenas uma cidade, mas ao contrario do que se aguardava, o resultado foi significante,
mostrando que ha impacto positivo na ordem de 1ponto percentual no período Pré-Evento. A
estimação da variável Pós-Evento mostrou-se significante por EA e EF, porem com sinal
contrário ao que era esperado. A variável Depois e Evento não tiveram coeficientes
significativos. Copa do Mundo: Considerando-se EA ou EF apenas apresentou resultado
significativo a estimação da variável Antes. Nenhuma outra das variáveis de interesse teve
resultados significativos.
Analisando apenas a estimação onde Copa do Mundo e Jogos Olímpicos são
estimadas concomitantemente por se ter interesse em saber se qualquer um dos eventos
produz efeito positivo no PIB, tem-se:
27
Pode-se observar que POLS e FE são métodos significantes. O método RE, tem Chi2
também igual a zero, que também mostra que esse método também é significante. Os três
métodos têm baixo poder explicativo, R2, baixos e praticamente com os mesmos valores.
Como se assume que a variância da constante não é zero para este conjunto de dados, pode-se
descartar a utilização de POLS, tendo que se avaliar qual método deve-se preferir, segundo as
condições de eficiência e consistência.
Aplicando o teste de Hausman (1978), para apenas a estimação tem-se:
Teste de Hausman - Coeficientes
(b)
(B)
(b-B)
sqrt(diag(V_b-V_B))
teste_EA
teste_EF
Diferença
S.E.
Antes
-0.0039
-0.0016
-0.0023
0.0013
Pré
-0.0018
0.0005
-0.0022
Evento
0.0033
0.0050
-0.0017
Pós
0.0051
0.0071
-0.0020
Depois
0.0096
0.0116
-0.0020
Lnm
0.2629
0.2609
0.0020
b = Consistente por H0 e Ha, obtido da regressão de xtreg , RF
B = inconsistente por Ha, eficiente por H0, obtido por xtreg , FE
Teste: Ho: diferença nos coeficientes não sistemática
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 3.99
Prob>chi2
(V_b-V_B é definido não positivo)
=0.6777
Tabela 4
– Resultado do teste de Hausman para comparação entre estimação por EA e EF para a
estimação completa (eventos quaisquer, seja Copa do Mundo ou Jogos Olímpicos)
Pode-se observar que o teste estatístico tem como resultado (3.99), é maior que o valor
crítico Chi2 (1df, 5%) =3,84, porém o P-Valor é maior que 5%, não podendo assim rejeitar a
hipótese nula H0, e não se pode concluir que a melhor estimação é por Efeitos Fixos,
devendo-se analisar a estimação por Efeitos Aleatórios.
E assim por Efeitos Aleatórios tem-se que: o coeficiente Antes teve um sinal negativo
de 0,0039, e desvio padrão de 0,0051 porém não significativo. Pré-Evento teve sinal negativo
de 0,0018, ao contrário da hipótese que foi considerada inicialmente neste trabalho (quando o
país se prepara para um megaevento há impacto no PIB), com desvio padrão de 0,003, porém
este coeficiente mostrou-se também não significativo. Evento, coeficiente estimado para os
28
anos em que se realizou o megaevento, foi de 0,0033 positivo, como previsto na hipótese,
com desvio padrão de 0,0074, entretanto também não significativo. O estimador Pós-Evento
teve valor de 0,0051 positivo, o que contrariou a expectativa, com desvio padrão 0,0031 e
com significância a 10,0%. O coeficiente Depois foi estimado em 0,0096 positivo, como era
previsto na hipótese – que os megaeventos produzem um efeito positivo no longo prazo sobre
o PIB – com desvio padrão de 0,0033 e significância ao nível de 1,0%. A constante indica que
o país teve um crescimento médio de 2,52% positivo, com desvio padrão de 0,0017 com
significância ao nível de 1,0%. Também foi feita a regressão entre um país e a variação do
PIB mundial para controle de variáveis macroeconômicas, que teve coeficiente positivo de
0,2629, com desvio padrão de 0,0374, com significância ao nível de 1% .
Em resumo temos a comparação entre hipótese adotada neste trabalho e os resultados
das regressões:
Coeficiente
Antes
Pré-Evento
Evento
Pós-Evento
Depois
Hipótese
Positivo
Positivo
Positivo
Negativo
Positivo
Sinal do Coeficiente:
Estimação por
Significância do Coeficiente
Efeitos Aleatórios
da estimação por EA
Negativo
sem
Negativo
sem
Positivo
sem
Positivo
10,0%
Positivo
1,0%
Tabela 5 – resumo das hipóteses e dos coeficientes estimados por Efeitos Aleatórios.
29
5) Conclusão
Este trabalho se propôs a fazer a aferição de um conceito perpetuado principalmente
por governantes e alguns economistas, qual seja, o de que megaeventos (leia-se Jogos
Olímpicos e Copas do Mundo da FIFA) acarretam crescimento ao país principalmente no
período que antecede o evento em si. A hipótese então formulada seria que, ao se dividir
cronologicamente cinco períodos de tempo seqüenciais - Antes (período de quatorze a sete
anos antes do evento, inclui período que se disputa a candidatura e antes de ter sido
determinado o vencedor) , Pré-Evento (fase de preparação para o evento, a qual dura em geral
sete anos), Evento (ano da realização dos jogos ), Pós-Evento (período de sete anos depois de
realizado os jogos) e Depois (período em que o país sofreria as conseqüências de longo prazo
de se realizar o evento) - se conseguira inferir que estão corretos e assim justificar a
candidatura e a realização do Evento.
Com base numa amostragem histórica anual, e considerando os períodos descritos
acima, analisou-se a variação do PIB de todos os países que já foram sede de um megaevento
(foi analisado conjuntamente também a variação do PIB dos países que não os realizaram)
estimando econometricamente especialmente por Efeitos Aleatórios e buscou-se verificar a
hipótese inicial. A regressão produziu os seguintes sinais dos coeficientes:
Tempo
(anos)
Período
Hipóteses
Coeficiente
esperado
Coeficiente
Estimado por EA
Significância
-14
Antes
Candidatura e condições normais em que o país se
encontra ao receber o anúncio.
Positivo
Negativo
Sem
-7
Pré-Evento
Aumento do PIB por aumento de investimentos
necessários a realização
Positivo
Negativo
Sem
0
Evento
Realização dos Eventos
Positivo
Positivo
Sem
Negativo
Positivo
10,0%
Positivo
Positivo
1,0%
+7
Pós-Evento
+14
Depois
Diminuição do ritmo de crescimento do PIB, devido a
desaceleração dos investimentos.
Efeitos de Longo Prazo devido a conseqüências
positivas da realização do Evento. Coeficiente
esperado: Positivo
Tabela 6 – Consolidação de Hipóteses e Resultados
Assim, mostrou-se que não há como defender estatisticamente a hipótese inicial, de
que há um crescimento acelerado na fase Pré-Evento, isto é, a afirmação não tem precisão
estatística. Outros pontos ainda podem ser discutidos: com um grau elevado de significância
pode-se dizer que megaeventos trazem efeitos positivos de crescimento do PIB no longo
prazo. E ainda, ao contrário do que se esperava na hipótese inicial, que após o evento haveria
30
uma diminuição nos investimentos e por consequência uma redução no nível de crescimento
do PIB do país que realizou os jogos.
De uma forma geral, e em consonância com diversos pesquisadores que defendem a
mesma idéia, não foi possível afirmar que a realização de megaeventos é benéfica ao país que
os hospeda no período Pré-Evento. Porém, o resultado deste trabalho também não conseguiu
afirmar categoricamente que a realização não traz benefícios, ainda mais por ter sido
verificado que efeitos positivos de crescimento do PIB acontecem (estatisticamente
significativos) após a realização dos Jogos. Entretanto, o objetivo central deste trabalho foi
atingido: servir de argumento para contradizer alegações contundentes e algumas vezes
levianas de políticos de que a realização de grandes eventos esportivos é primordial e que há a
certeza de um retorno positivo ao país, como especialmente a ala governista vem declarando,
abrindo portas para emergencialmente serem aprovadas leis e emendas destinando recursos
públicos a projetos mal feitos e superfaturados. Sendo assim, por qual razão então se faz, e se
tem toda essa mobilização, inclusive popular, em apoio à candidatura e o incentivo à
realização destes? Será que de fato um desses jogos traz outros benefícios ao país não
mensuráveis através do PIB? E dois jogos? E em sequência, então? Ou mais uma vez a
população é manobrada pelos governantes através da ignorância, num típico festival panis et
circenses?
Preuss (2000), uma década atrás, notadamente discorreu sobre quem seriam os
maiores beneficiados nestes casos (políticos, servidores públicos, construtoras, bancos,
classes altas e médias da população e turistas) e sobre a endogeneidade perversa da forma
como se conduz uma candidatura a um megaevento, porque quem faz a preparação
orçamentária e arquiteta a situação e projeções financeiras, além das estimações de custobenefício, são os mesmos que serão os maiores beneficiados com a realização destes jogos. A
questão que se levanta então é: será que, em vez de se realizarem eventos estimados em
aproximadamente R$ 30 bilhões para sediar a Copa do Mundo da FIFA de 2014 e mais R$ 28
bilhões para a realização dos Jogos Olímpicos (como orçado inicialmente), montas que são
apenas a parte dos gastos públicos, não seria mais interessante, devido à escassez destes
recursos, abrir mão da aventura esportiva para melhorar escolas, presídios, saneamento,
infraestrutura hídrica, elétrica, de transportes ferroviários, entre tantas outras? Precisa-se
mesmo de incentivos da ordem de R$ 420 milhões para a construção do Itaquerão? Sabe-se
desde o início (e pode-se comprovar agora) que a execução das obras necessárias seria e será
31
adiada até o último momento possível quando, através de medidas provisórias, votações
secretas, acordos sigilosos muitas vezes indecorosos. resultarão em contratações sem
licitações (por terem sido classificadas como obras emergenciais) que quase certamente serão
superfaturadas.
Sabe-se que existem benefícios para o país e para as cidades que sediarão os eventos.
Muitos deles são intangíveis, como o orgulho de receber a Copa e os Jogos Olímpicos, a
propaganda e o marketing que uma boa execução e realização podem fazer pela imagem do
país e atrair negócios e turismo. Todavia, temos que pensar se estamos preparados para isso.
Preparados para arcar com dívidas e custos altos de manutenção de arenas e estádios que
tendem a ser utilizados pouquíssimas vezes ao ano, carregando ainda mais o custeio da
máquina e assim perpetuando a ineficiência do gasto público.
Este trabalho teve apenas o objetivo de levantar a dúvida sobre declarações comuns
dominantes no cenário atual de euforia em relação à realização dos Jogos Olímpicos do Rio
de Janeiro em 2016 e da Copa do Mundo do Brasil em 2014.
É necessário dizer que o modelo aqui utilizado pode ser refinado para diminuição da
endogeneidade, colocando variáveis de controle de efeitos macroeconômicos, entre outras,
para suavizar choques econômicos, ou variáveis instrumentais de termos defasados para
redução de heteroscedasticidade. Pode-se também expandir o estudo para análise do
endividamento dos países, numa análise Pré/Pós- Evento como foi feito com o PIB.
O problema desta abordagem, como outras, é encontrar dados históricos relativos a
todos os países da amostra de forma ampla completa, ao longo de vários anos.
32
6) Referências
COJO. Rio 2016 gerará impactos socioeconômicos positivos no Brasil. Site do Comitê
Organizador dos Jogos Olímpicos e Paraolímpicos Rio 2016, 27/09/2009. Disponível em
http://www.rio2016.org.br/rio-2016-agora/rio-2016-gerara-impactos-socioeconomicospositivos-no-brasil
DACOSTA, Lamartine; MIRAGAYA, Ana. Estado da arte do conhecimento sobre
legados de megaeventos esportivos no exterior e no Brasil, 2008. In: DACOSTA, Lamartine
et al. Legados de megaeventos esportivos. Ministério do Esporte, Brasília, p. 33-45.
ERNST YOUNG; Série Brasil Sustentável - O Brasil Sustentável – Impactos
socioeconômicos da Copa do Mundo 2014 , 6ª edição - Ernst & Young e a FGV Projetos
HAUSMAN, J.A. (1978). Specification Tests in Econometrics, Econométrica, 46 (6),
1251–1271
JACOBSON, L.S., R.J. LALONDE and D.G. SULLIVAN (1993), Earning Losses of
Displaced Workers, American Economic Review, 83 (4), 685-709, September
MADDISON, Angus Maddison http://www.ggdc.net/MADDISON/oriindex.htm,
Statistics on World Population, GDP and Per Capita GDP, 1-2008 AD (Vertical file,
copyright Angus Maddison, university of Groningen) 2002,
MATHESON, V. A. Upon Further Review: An Examination of Sporting Event
Economic Impact Studies. The Sport Journal, v. 5, n. 1, 2002
MEGA Sports, working Paper No. 5: Mega Sports Events – Can we, will we, should
we go for such events in Copenhagen? Mega Sports Events – Printed in Denmark,
Scandinavian Digital Printing | Larsen Media S/A September, 2006
MINISTÉRIO DO ESPORTE. Matriz de responsabilidades que entre si celebram os
entes federativos abaixo nominados com o objetivo de viabilizar a execução das ações
governamentais necessárias à realização da Copa das confederações FIFA 2013 e da COPA
do Mundo FIFA 2014. Ministério do Esporte. Janeiro de 2010.
PREUSS, The Economics of Staging the Olympics: A Comparison of the Games
1972-2008, Edward Elgar Publishing (2000), 332 pp.
PREUSS, H. The conceptualisation and measurement of mega sport event legacies.
Journal of Sport & Tourism, v. 12, n. 3–4, p. 207–227. Ago./nov. 2007.
33
PREUSS H. : The Economics of the Olympic Games: Winners and Losers, W: B.
Houlihan (eds.) Sport and Society, Sage Publications, pp. 252 – 271. London, 2005
PREUSS, H. Impactos econômicos de megaeventos: Copa do Mundo de Futebol e
Jogos Olímpicos. In: Legados de megaeventos esportivos. Editores: Lamartine DaCosta,
Dirce Corrêa, Elaine Rizzuti, Bernardo Villano e Ana Miragaya. Brasília: Ministério do
Esporte, 2008.
PRONI, M. Weishaupt, Observações sobre os impactos econômicos esperados dos
jogos olímpicos de 2016, in Revista Motrivivencia, UFSC, 2009
PRONI, M. W. , Araujo, L. S. , Amorim R. L. C. Weishaupt, Leitura Econômica dos
Jogos Olímpicos: Financiamento, Organização e Resultados Rio de Janeiro, 2008
ROSE, A. K., and SPIEGEL, M. M. Spiegel, “The Olympic Effect” CEPR Discussion
Paper 7248 (London: Centre for Economic Policy Research). Also published as Federal
Reserve Bank of San Francisco Working Paper 09–06 and National Bureau of Economic
Research Working, 2009 Paper 14,854.
TAVARES, O. Quem são os vencedores e os perdedores dos Jogos Olímpicos? Pensar
a prática. Goiânia, v. 8, n. 1, p. 69-84, jan./jun. 2005.
TAVARES, O. Esporte olímpico e sociedade: afinal, somos nós modernos? In: Fórum
Olímpico, 4, 2003, Curitiba. Anais... Rio de Janeiro / Vitória: Academia Olímpica Brasileira,
2003.
WATTS, J. Japanese Stadiums Turn into White Elephants. Article in The Guardian,
jul. 2002
WOOLDRIDGE, Jeffrey. Econometric analysis of cross section and panel data.
Boston: The MIT, 2003
ZARNOWSKI, C. Frank "A Look at Olympic Costs" (PDF). Citius, Altius, Fortius 1
(1): 16–32., Summer 1992.
Publicações na Internet:
34
DOSSIÊ de Candidatura do Rio de Janeiro a Sede dos Jogos Olímpicos e
Paraolímpicos de 2016. RIO2016. 2009. em: < http://www.rio2016.org.br/. > acesso em 20maio-2011.
GOLDEN GOAL: Calculando o impacto econômico de Megaeventos Esportivos. em:
< http://www.goldengoal.com.br/br/downloads/Retorno_Jogos_Olimpicos.pdf > acesso em
21-maio-2011
IMF, Prize or Penalty: Finance and and Development. março 2010, em:
<www.imf.org/external/pubs/ft/fandd/2010/03/pdf/fd0310.pdf>, acessado em 14-jun- 2011.
IMF, The Olympic Trade Effect, Finance and and Development. março 2010, em:
<http://www.imf.org/external/pubs/ft/fandd/2010/03/pdf/rose.pdf>, acessado em 15-jun2011.
NUZMAN, Todos orçamentos de Jogos foram além do previsto. Nuzman. Entrevista
a Allen Chahad publicada no Portal Terra, em 22/02/2010. em:
<http://esportes.terra.com.br/vancouver2010/noticias/0,,OI4278431-EI14373,00Todos+orcamentos+de+Jogos+foram+alem+do+previsto+diz+Nuzman.html> acessado em
04-jul-2011.
NYTimes, maio 2011. em: <http://www.nytimes.com/2011/06/08/sports/nbc-wins-tvrights-to-next-four-olympics.html?pagewanted=all> acessado em 04-jun-2011
PREUSS, H. Economic dimension of the Olympic Games: university lecture on the
Olympics. Barcelona: Centre d‟Estudis Olímpics (UAB). International Chair in Olympism
(IOC-UAB). 2002. em: http://olympicstudies.uab.es/lectures/web/pdf/preuss.pdf Acessado em
4-jul- 2011.
PREUSS H. : Lasting Effects of Major Sporting Events, 13th December 2006. em: <
www.idrottsforum.com> , acessado em 14-jun-2011
35
7) Anexos
Resultados das regressões:
log using mylog26
clear
set memory 512m
insheet using "C:\Users\beto\Documents\Mestrado\Tese Mestrado\data3.csv", comma
reg lny antes pre evento pos depois lnm , rob
iis cod
tis ano
xtreg lny antes pre evento pos depois lnm ,re rob
estimates store teste_re
xtreg lny antes pre evento pos depois lnm ,fe rob
estimates store teste_fe
hausman teste_re teste_fe
reg lny oantes opre oevento opos odepois lnm , rob
iis cod
tis ano
xtreg lny oantes opre oevento opos odepois lnm ,re rob
estimates store oteste_re
xtreg lny oantes opre oevento opos odepois lnm ,fe rob
estimates store oteste_fe
hausman oteste_re oteste_fe
reg lny cantes cpre cevento cpos cdepois lnm , rob
iis cod
tis ano
xtreg lny cantes cpre cevento cpos cdepois lnm ,re rob
estimates store cteste_re
xtreg lny cantes cpre cevento cpos cdepois lnm ,fe rob
estimates store cteste_fe
hausman cteste_re cteste_fe
log close
log: C:\Users\beto\Documents\STATA_9.1\Stata9\mylog28.smcl
log type: smcl
opened on: 10 Jul 2011, 02:59:48
. clear
.
. set memory 512m
(524288k)
.
. insheet using "C:\Users\beto\Documents\Mestrado\Tese Mestrado\data1.csv", comma
(23 vars, 24978 obs)
.
.
. reg lny antes pre evento pos depois lnm , rob
Linear regression
Number of obs
F( 6, 12826)
Prob > F
R-squared
Root MSE
=
=
=
=
=
12833
9.91
0.0000
0.0198
.07011
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------antes | -.0092954
.0050828
-1.83
0.067
-.0192585
.0006677
pre | -.0066933
.0029867
-2.24
0.025
-.0125477
-.0008389
evento | -.0004093
.0074341
-0.06
0.956
-.0149812
.0141626
pos |
.0008362
.0030548
0.27
0.784
-.0051517
.0068241
depois |
.0051986
.0031383
1.66
0.098
-.0009531
.0113502
36
lnm |
.2652528
.0375296
7.07
0.000
.1916891
.3388165
_cons |
.025236
.0015481
16.30
0.000
.0222014
.0282706
-----------------------------------------------------------------------------.
. iis cod
.
. tis ano
.
. xtreg lny antes pre evento pos depois lnm ,re rob
Random-effects GLS regression
Group variable (i): cod
Number of obs
Number of groups
=
=
12833
181
R-sq:
Obs per group: min =
avg =
max =
17
70.9
138
within = 0.0199
between = 0.1116
overall = 0.0194
Random effects u_i ~ Gaussian
corr(u_i, X)
= 0 (assumed)
Wald chi2(6)
Prob > chi2
=
=
62.53
0.0000
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------antes | -.0039331
.0050986
-0.77
0.440
-.0139262
.0060601
pre | -.0017519
.0029867
-0.59
0.557
-.0076057
.0041018
evento |
.003294
.0073856
0.45
0.656
-.0111815
.0177695
pos |
.0051496
.0030778
1.67
0.094
-.0008828
.0111819
depois |
.0096053
.0032519
2.95
0.003
.0032316
.015979
lnm |
.2629403
.0374282
7.03
0.000
.1895824
.3362983
_cons |
.0251573
.0017944
14.02
0.000
.0216404
.0286741
-------------+---------------------------------------------------------------sigma_u |
.011195
sigma_e | .06941619
rho | .02534986
(fraction of variance due to u_i)
-----------------------------------------------------------------------------.
. estimates store teste_re
.
. xtreg lny antes pre evento pos depois lnm ,fe rob
Fixed-effects (within) regression
Group variable (i): cod
Number of obs
Number of groups
=
=
12833
181
R-sq:
Obs per group: min =
avg =
max =
17
70.9
138
within = 0.0200
between = 0.0419
overall = 0.0189
corr(u_i, Xb)
= -0.0106
F(6,12646)
Prob > F
=
=
10.61
0.0000
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------antes | -.0015899
.0049296
-0.32
0.747
-.0112527
.0080729
pre |
.0004955
.003051
0.16
0.871
-.0054849
.0064759
evento |
.0050015
.007442
0.67
0.502
-.0095859
.0195888
pos |
.0071007
.0031655
2.24
0.025
.0008957
.0133056
depois |
.0115941
.0033864
3.42
0.001
.0049562
.018232
lnm |
.2609
.0375494
6.95
0.000
.1872975
.3345025
_cons |
.0248098
.0015531
15.97
0.000
.0217656
.0278541
-------------+---------------------------------------------------------------sigma_u | .01620133
sigma_e | .06941619
rho | .05165882
(fraction of variance due to u_i)
-----------------------------------------------------------------------------.
. estimates store teste_fe
37
.
. hausman teste_re teste_fe
---- Coefficients ---|
(b)
(B)
(b-B)
sqrt(diag(V_b-V_B))
|
teste_re
teste_fe
Difference
S.E.
-------------+---------------------------------------------------------------antes |
-.0039331
-.0015899
-.0023431
.0013019
pre |
-.0017519
.0004955
-.0022474
.
evento |
.003294
.0050015
-.0017075
.
pos |
.0051496
.0071007
-.0019511
.
depois |
.0096053
.0115941
-.0019888
.
lnm |
.2629403
.2609
.0020403
.
-----------------------------------------------------------------------------b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test:
Ho:
difference in coefficients not systematic
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
=
3.99
Prob>chi2 =
0.6777
(V_b-V_B is not positive definite)
___________________________________________________________________________________________
. reg lny oantes opre oevento opos odepois lnm , rob
Linear regression
Number of obs
F( 6, 12826)
Prob > F
R-squared
Root MSE
=
=
=
=
=
12833
8.92
0.0000
0.0196
.07012
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------oantes |
.0052266
.0039898
1.31
0.190
-.002594
.0130472
opre |
.0025516
.0042606
0.60
0.549
-.0057997
.0109029
oevento |
.0057654
.0105159
0.55
0.584
-.0148474
.0263782
opos | -.0003372
.0029882
-0.11
0.910
-.0061945
.0055201
odepois | -.0098995
.0065576
-1.51
0.131
-.0227534
.0029544
lnm |
.2651278
.0375179
7.07
0.000
.1915871
.3386685
_cons |
.0250571
.0015507
16.16
0.000
.0220174
.0280967
-----------------------------------------------------------------------------.
. iis cod
. tis ano
. xtreg lny oantes opre oevento opos odepois lnm ,re rob
Random-effects GLS regression
Group variable (i): cod
Number of obs
Number of groups
=
=
12833
181
R-sq:
Obs per group: min =
avg =
max =
17
70.9
138
within = 0.0200
between = 0.0642
overall = 0.0192
Random effects u_i ~ Gaussian
corr(u_i, X)
= 0 (assumed)
Wald chi2(6)
Prob > chi2
=
=
62.17
0.0000
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------oantes |
.0104638
.0041308
2.53
0.011
.0023676
.01856
opre |
.0078751
.0043213
1.82
0.068
-.0005945
.0163446
oevento |
.0110022
.0103834
1.06
0.289
-.0093488
.0313532
opos |
.0058726
.0030355
1.93
0.053
-.0000768
.0118221
38
odepois | -.0038292
.0066109
-0.58
0.562
-.0167864
.0091279
lnm |
.2631254
.0374167
7.03
0.000
.18979
.3364607
_cons |
.0250973
.0017953
13.98
0.000
.0215786
.028616
-------------+---------------------------------------------------------------sigma_u | .01117812
sigma_e | .06941505
rho |
.0252762
(fraction of variance due to u_i)
-----------------------------------------------------------------------------. estimates store oteste_re
. xtreg lny oantes opre oevento opos odepois lnm ,fe rob
Fixed-effects (within) regression
Group variable (i): cod
Number of obs
Number of groups
=
=
12833
181
R-sq:
Obs per group: min =
avg =
max =
17
70.9
138
within = 0.0200
between = 0.0319
overall = 0.0189
corr(u_i, Xb)
= -0.0138
F(6,12646)
Prob > F
=
=
10.57
0.0000
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------oantes |
.0125975
.0042849
2.94
0.003
.0041985
.0209965
opre |
.0100455
.0043809
2.29
0.022
.0014583
.0186327
oevento |
.0131429
.0103335
1.27
0.203
-.0071123
.0333982
opos |
.008454
.003198
2.64
0.008
.0021854
.0147226
odepois | -.0013575
.0064787
-0.21
0.834
-.0140568
.0113419
lnm |
.261273
.0375474
6.96
0.000
.1876745
.3348715
_cons |
.0247788
.0015551
15.93
0.000
.0217307
.027827
-------------+---------------------------------------------------------------sigma_u | .01620563
sigma_e | .06941505
rho | .05168642
(fraction of variance due to u_i)
-----------------------------------------------------------------------------. estimates store oteste_fe
. hausman oteste_re oteste_fe
---- Coefficients ---|
(b)
(B)
(b-B)
sqrt(diag(V_b-V_B))
|
oteste_re
oteste_fe
Difference
S.E.
-------------+---------------------------------------------------------------oantes |
.0104638
.0125975
-.0021337
.
opre |
.0078751
.0100455
-.0021704
.
oevento |
.0110022
.0131429
-.0021408
.001016
opos |
.0058726
.008454
-.0025814
.
odepois |
-.0038292
-.0013575
-.0024718
.0013152
lnm |
.2631254
.261273
.0018524
.
-----------------------------------------------------------------------------b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test:
Ho:
difference in coefficients not systematic
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
=
4.90
Prob>chi2 =
0.5573
(V_b-V_B is not positive definite)
______________________________________________________________________________________________
. reg lny cantes cpre cevento cpos cdepois lnm , rob
Linear regression
Number of obs
F( 6, 12826)
Prob > F
R-squared
Root MSE
=
=
=
=
=
12833
9.86
0.0000
0.0197
.07011
39
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------cantes |
.0057842
.0042945
1.35
0.178
-.0026338
.0142021
cpre | -.0020215
.0032648
-0.62
0.536
-.008421
.004378
cevento | -.0106054
.0097728
-1.09
0.278
-.0297616
.0085508
cpos | -.0127252
.0048964
-2.60
0.009
-.022323
-.0031274
cdepois | -.0068944
.0066062
-1.04
0.297
-.0198435
.0060547
lnm |
.2654587
.0375624
7.07
0.000
.1918309
.3390866
_cons |
.0251941
.0015536
16.22
0.000
.0221488
.0282394
-----------------------------------------------------------------------------. iis cod
. tis ano
. xtreg lny cantes cpre cevento cpos cdepois lnm ,re rob
Random-effects GLS regression
Group variable (i): cod
Number of obs
Number of groups
=
=
12833
181
R-sq:
Obs per group: min =
avg =
max =
17
70.9
138
within = 0.0197
between = 0.1715
overall = 0.0195
Random effects u_i ~ Gaussian
corr(u_i, X)
= 0 (assumed)
Wald chi2(6)
Prob > chi2
=
=
58.66
0.0000
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------cantes |
.0103591
.0044022
2.35
0.019
.001731
.0189872
cpre |
.002514
.0033524
0.75
0.453
-.0040567
.0090847
cevento | -.0057482
.0099613
-0.58
0.564
-.025272
.0137755
cpos | -.0080132
.0049631
-1.61
0.106
-.0177407
.0017143
cdepois | -.0013915
.006687
-0.21
0.835
-.0144978
.0117148
lnm |
.2631631
.0374325
7.03
0.000
.1897968
.3365294
_cons |
.0252683
.0018048
14.00
0.000
.021731
.0288056
-------------+---------------------------------------------------------------sigma_u | .01138925
sigma_e | .06942705
rho | .02620595
(fraction of variance due to u_i)
-----------------------------------------------------------------------------. estimates store cteste_re
. xtreg lny cantes cpre cevento cpos cdepois lnm ,fe rob
Fixed-effects (within) regression
Group variable (i): cod
Number of obs
Number of groups
=
=
12833
181
R-sq:
Obs per group: min =
avg =
max =
17
70.9
138
within = 0.0197
between = 0.1404
overall = 0.0193
corr(u_i, Xb)
= 0.0054
F(6,12646)
Prob > F
=
=
9.67
0.0000
-----------------------------------------------------------------------------|
Robust
lny |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------cantes |
.0121701
.0046003
2.65
0.008
.0031529
.0211873
cpre |
.0043157
.0036219
1.19
0.233
-.0027839
.0114152
cevento |
-.00382
.010266
-0.37
0.710
-.023943
.0163029
cpos | -.0061471
.0050468
-1.22
0.223
-.0160397
.0037454
cdepois |
.0007019
.00664
0.11
0.916
-.0123134
.0137173
lnm |
.2612649
.0375597
6.96
0.000
.1876421
.3348877
_cons |
.0250856
.0015554
16.13
0.000
.0220368
.0281344
-------------+---------------------------------------------------------------sigma_u | .01616113
sigma_e | .06942705
40
rho | .05140066
(fraction of variance due to u_i)
-----------------------------------------------------------------------------. estimates store cteste_fe
. hausman cteste_re cteste_fe
---- Coefficients ---|
(b)
(B)
(b-B)
sqrt(diag(V_b-V_B))
|
cteste_re
cteste_fe
Difference
S.E.
-------------+---------------------------------------------------------------cantes |
.0103591
.0121701
-.001811
.
cpre |
.002514
.0043157
-.0018017
.
cevento |
-.0057482
-.00382
-.0019282
.
cpos |
-.0080132
-.0061471
-.0018661
.
cdepois |
-.0013915
.0007019
-.0020934
.0007915
lnm |
.2631631
.2612649
.0018982
.
-----------------------------------------------------------------------------b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test:
Ho:
difference in coefficients not systematic
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
=
-2.78
chi2<0 ==> model fitted on these
data fails to meet the asymptotic
assumptions of the Hausman test;
see suest for a generalized test
. log close
log: C:\Users\beto\Documents\STATA_9.1\Stata9\mylog28.smcl
log type: smcl
closed on: 10 Jul 2011, 02:59:51
41
Tabelas de Países e Eventos:
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Evento
JO
JO
JO
JO
JO
JO
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
Ano
1900
1904
1908
1912
1920
1924
1928
1930
1932
1934
1936
1938
1948
1950
1952
1954
1956
1958
1960
1962
1964
1966
Pais
France
USA
UK
Sweden
Belgium
France
Netherlands
Uruguay
USA
Italy
Germany
France
UK
Brazil
Finland
Switzerland
Sweden
Sweden
Italy
Chile
Japan
UK
#
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
JO – Jogos Olímpicos ; CM – Copa do Mundo
Tabela 7 – Tabela de Países e eventos
Evento
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
CM
JO
Ano
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
Pais
Mexico
Mexico
Germany
Germany
Canada
Argentina
F. URSS
Spain
USA
Mexico
S. Korea
Italy
Spain
USA
USA
France
Australia
SK&JP
Greece
Germany
China
42
Tabelas de Países (PIB):
#
Pais
#
Pais
#
Pais
#
Pais
#
Pais
1 Austria
41 F. Czecho-slovakia
81 T. & Tobago
121 Turkey
161 Niger
2 Belgium
42 Armenia
82 15 L. America
122 UAE
162 Nigeria
3 Denmark
43 Azerbaijan
83 21 Caribbean
123 Yemen
163 Rwanda
4 Finland
44 Belarus
84 L. America
124 W. Bank & Gaza
164 S. Tomé & P.
5 France
45 Estonia
85 China
125 15 W. Asia
165 Senegal
6 Germany
46 Georgia
86 India
126 Asia
166 Seychelles
7 Italy
47 Kazakhstan
87 Indonesia (& Timor until
127'99)
Algeria
167 Sierra Leone
8 Netherlands
48 Kyrgyzstan
88 Japan
128 Angola
168 Somalia
9 Norway
49 Latvia
89 Philippines
129 Benin
169 South Africa
10 Sweden
50 Lithuania
90 S. Korea
130 Botswana
170 Sudan
11 Switzerland
51 Moldova
91 Thailand
131 Burkina Faso
171 Swaziland
12 UK
52 Russia
92 Taiwan
132 Burundi
172 Tanzania
13 12 W. Europe
53 Tajikistan
93 Bangladesh
133 Cameroon
173 Togo
14 Ireland
54 Turk-menistan
94 Burma
134 Cape Verde
174 Tunisia
15 Greece
55 Ukraine
95 Hong Kong
135 Centr. Afr. Rep.
175 Uganda
16 Portugal
56 Uzbekistan
96 Malaysia
136 Chad
176 Zaire (Congo-Kinshasa)
17 Spain
57 F. USSR
97 Nepal
137 Comoro Islands
177 Zambia
18 14 small WEC
58 Argentina
98 Pakistan
138 Congo 'Brazzaville'
178 Zimbabwe
19 30 W. Europe
59 Brazil
99 Singapore
139 Côte d'Ivoire
179 3 Small Afr.
20 Australia
60 Chile
100 Sri Lanka
140 Djibouti
180 Total Africa
21 N. Zealand
61 Colombia
101 16 E. Asia
141 Egypt
181 Japan+S.Korea
22 Canada
62 Mexico
102 Afghanistan
142 Equatorial Guinea
182 World Total
23 USA
63 Peru
103 Cambodia
143 Eritrea & Ethiopia
24 W. Offshoots
64 Uruguay
104 Laos
144 Gabon
25 Albania
65 Venezuela
105 Mongolia
145 Gambia
26 Bulgaria
66 8 L. America
106 North Korea
146 Ghana
27 Czecho-slovakia
67 Bolivia
107 Vietnam
147 Guinea
28 Hungary
68 Costa Rica
108 24 Sm. E. Asia
148 Guinea Bissau
29 Poland
69 Cuba
109 30 E. Asia
149 Kenya
30 Romania
70 Dominican Rep.
110 Bahrain
150 Lesotho
31 Yugoslavia
71 Ecuador
111 Iran
151 Liberia
32 7 E. Europe
72 El Salvador
112 Iraq
152 Libya
33 Bosnia
73 Guatemala
113 Israel
153 Madagascar
34 Croatia
74 Haïti
114 Jordan
154 Malawi
35 Macedonia
75 Honduras
115 Kuwait
155 Mali
36 Slovenia
76 Jamaica
116 Lebanon
156 Mauritania
37 Serbia/Montenegro/Kosovo
77 Nicaragua
117 Oman
157 Mauritius
38 F. Yugoslavia
78 Panama
118 Qatar
158 Morocco
39 Czech Rep.
79 Paraguay
119 Saudi Arabia
159 Mozambique
40 Slovakia
80 Puerto Rico
120 Syria
160 Namibia
Tabela 8 – Tabela de Países (PIB)