ESTIMATIVA DO MERCADO DE CARNE SUÍNA NO ESTADO DO CEARÁ:
uma aplicação do Método dos Mínimos Quadrados Ordinários em Dois Estágios
Sérgio Henrique de Almeida Freitas1
Verônica Damasceno de Matos2
RESUMO
A suinocultura brasileira é uma das atividades produtivas que vem ganhando destaque nos
últimos anos, principalmente devido a sua contribuição para o crescimento das exportações.
Esse é um setor que tem grandes possibilidades de crescimentos e é muito favorável a geração
de renda e emprego por ser intensivo em mão-de-obra. Essa pode ser uma atividade com
potencial para o crescimento do PIB e das exportações do Ceará, embora apresente limitações
como a necessidade da importação dos seus principais insumos, milho e farelo de soja. Isso
pode implicar em menores níveis de competitividade quando comparado aos Estados
produtores desses insumos. Diante desse fato, esse trabalho visa identificar, estimar e analisar
os fatores que influenciaram o mercado de carne suína no Ceará entre os anos de 1985 e 2000.
Como metodologia, utilizou-se o Método dos Mínimos Quadrados Ordinários em Dois
Estágios.
PALAVRAS-CHAVE: Mercado, Carne Suína, Método dos Mínimos Quadrados em Dois
Estágios.
1. INTRODUÇÃO
Desde meados dos anos 70, a suinocultura brasileira deixou de ser uma típica
atividade complementar e tornou-se uma moderna cadeia produtiva, que opera com altos
índices de produtividade integrada, e um grandioso complexo industrial. Antes, o sistema de
produção era extensivo3: uma atividade que exigia pouca mão-de-obra, os animais eram de
baixo potencial genético e alimentados com restos de lavoura ou comida, havia limitações
zootécnicas e de assistência técnica, as instalações eram inadequadas, sem qualquer tipo de
manejo e sanidade, e o resultado era o baixo nível de produtividade e rentabilidade
econômica.
O desempenho dos produtores foi reforçado pelos avanços no campo da genética, que
visa principalmente melhorias na saúde (dando resistência às doenças), na qualidade da carne
e nas características de produção, como prolificidade, habilidade materna, conversão
alimentar e taxa de crescimento. Atualmente, a atenção tem se concentrado na redução da
gordura, melhoria da eficiência4 alimentar e favorecimento do crescimento do tecido magro
para maximizar o desempenho dos suínos em terminação e qualidade das carcaças. Essa
transformação reflete um estágio de desenvolvimento, modernização e, em muitos casos,
1 Engenheiro Agrônomo, Mestranda em Economia Rural pela Universidade Federal do Ceará (UFC). E-mail: [email protected].
2 Economista, Mestranda em Economia Rural pela Universidade Federal do Ceará (UFC). E-mail: [email protected]
3 Também conhecido como sistema de produção tradicional, ele vem perdendo participação ao longo dos anos.
4 A maximização da eficiência alimentar busca minimizar os custos de produção. Em 2000, os gastos com alimentação corresponderam a
81% dos custos totais na produção suinícola, quando contabilizados em US$, e 84%, quando contabilizados em R$.
concentração da produção - uma exigência imposta aos suinocultores devido à necessidade de
eficiência e competitividade. Como resultado, ao longo dessas três décadas, a suinocultura
brasileira obteve indicadores de produtividade equiparáveis aos do Primeiro Mundo.
No Ceará, o programa de melhoramento genético iniciou-se no final da década de 60
com o apoio da Superintendência do Desenvolvimento do Nordeste, SUDENE. Na década de
80 foi criada a Associação de Suinocultores do Estado do Ceará (ASCE)5, o que contribuiu
para impulsionar ainda mais essa atividade. Nesse período, dado a facilidade de crédito e os
incentivos governamentais, o Ceará chegou a ter aproximadamente 15 mil matrizes e 300
criadores tecnificados. Mas devido à instabilidade econômica, que contribuiu para a elevação
da taxa de juros e dificultou a expansão da demanda, a suinocultura cearense foi prejudicada.
Atualmente existe em torno de 6 mil matrizes e 50 produtores tecnificados, pequenos, médios
e grandes produtores, com o plantel variando de 20 a 1000 matrizes.
O sistema de produção tradicional de suínos praticamente não existe mais no Ceará e a
produção tecnificada é equiparável a do Sul do País. Os produtores cearenses utilizam alta
tecnologia, animais de raça com alta eficiência produtiva e excelente linhagem sangüínea. São
suínos de grande porte e com elevada qualidade de carcaça. Os produtores estão localizados
na Região Metropolitana de Fortaleza (com destaque para Maranguape) e nos municípios de
Sobral, Acaraú, Aquiraz, Eusébio, Pacajus, São Gonsalo do Amarante, entre outros. Ao
contrário do que ocorre no Sul, Sudeste e Centro-Oeste, onde grande parte da produção é
integrada6, os produtores cearenses são independentes.
As maiores dificuldades apontadas pelos produtores cearenses são a falta de
financiamento, de apoio governamental e de abastecimento de milho e farelo de soja,
principais componentes da ração. A soja, apesar de não ser produzida no Ceará, tem a oferta
garantida pelos Estados produtores do Nordeste. A oferta de milho, por outro lado, depende
dos leilões realizados pela Companhia Nacional de Abastecimento, CONAB7, no CentroOeste. Somente os grandes produtores têm suporte para participar desses leilões. Os demais
ficam a mercê dos intermediários. Isso faz com que o preço do milho seja entre 30% e 50%
mais caro que no Sul, o que compromete a rentabilidade da suinocultura cearense.
Quanto a comercialização, toda a produção é vendida sob a forma de carne in natura e
salgada8 no próprio Estado, com exceção da venda de animais vivos, cerca de 10% a 15% da
produção, para os Estados do Piauí e Maranhão. A principal limitação ainda é o preconceito
quanto ao consumo de carne suína, associado à forte fundamentação religiosa e à crença de
que sua ingestão aumenta os níveis de colesterol. O mercado externo poderia ser uma
alternativa, entretanto o Ceará ainda não exporta esse produto por não atender às exigências
desse mercado, como, por exemplo, ser zona livre da peste suína da febre aftosa9.
5 Grande parte das informações sobre a suinocultura no Ceará foi obtida através de entrevistas junto a ASCE.
6 No sistema de integração, a agroindústria utiliza indiretamente as instalações do produtor, fornecendo os animais, ração, vacinas,
medicamentos e acompanhamento veterinário. Ao produtor integrado cabe o fornecimento de infra-estrutura e mão-de-obra. Apesar de
esse sistema garantir o escoamento da produção e assistência técnica, ele tira do integrado a tomada de decisões e a possibilidade de
maiores ganhos.
7 A oferta de milho através CONAB depende de recursos do Governo Federal, hoje escassos, e da sobra da produção que não atendeu a
outros mercados com os quais os produtores de milho já estão comprometidos, como por exemplo as empresas beneficiadoras desse
produto.
8 O produtor de São Gonçalo do Amarante já iniciou a produção de lingüiça, mas ainda é muito pequena, não podendo concorrer com as
agroindústrias, que já têm tradição no mercado.
9 O produtor mencionado na nota anterior está se adequado para a exportação de carne, mas esses é um processo que ainda vai levar algum
tempo, já que o Ceará ainda não é zona livre dessas doenças. Em 2002, foi iniciada uma campanha de vacinação do rebanho, mas a mesma
foi interrompida por falta de recursos.
2
Embora essa atividade venha mostrando bom desempenho, principalmente nos
Estados da Região Sul, o mesmo não tem acontecido com o Ceará, cuja produção diminuiu na
última década. Isso se deve, em grande parte, à falta de incentivos governamentais e de
financiamento.
Diante disso, esse trabalho visa identificar, estimar e analisar os fatores que
influenciaram o mercado de carne suína no Ceará entre os anos de 1985 e 2000. Como
metodologia, utilizou-se o Método dos Mínimos Quadrados Ordinários em Dois Estágios.
2. IMPORTÂNCIA ECONÔMICA
Em 2002, a produção de carne suína representou 39% da produção mundial de carnes,
seguida pela produção de frango, 26%, e de carne bovina, 24%. No período 2000-2004, de
acordo com as estimativas do Departamento de Agricultura dos Estados Unidos (USDA), a
carne suína é a que obterá maior incremento, 8,5%. Em seguida vem o frango, com 7,3%, e a
carne bovina, com 1,4%. Segundo a FAO, o crescimento do consumo mundial de carnes até
2015 será em torno de 2% a.a. Uma vez que a carne suína é a mais produzida no mundo, uma
parcela considerável desse percentual deverá ser atendida via aumento de sua produção. A
USDA estimou um consumo de carne suína, em 2004, de 87.904 mil toneladas, 45,3% do
consumo mundial de carnes.
Os principais países produtores de carne suína são a China, os Estados Unidos e a
Alemanha. Em 200010, a produção foi de 41.600, 8.572, 4.100 mil toneladas, respectivamente.
No mesmo ano, o Brasil ocupou a 6ª posição, com 1.950 mil toneladas, concorrendo com a
França pela 5ª posição. Entre 1995 e 2000, a produção brasileira cresceu aproximadamente
34,4%11, enquanto a produção francesa cresceu 8%. Entre os seis primeiros do ranking, o
Brasil foi o que apresentou a segunda maior taxa de crescimento, perdendo somente para a
Espanha, que cresceu 36%.
Quanto à produção mundial de rebanho suíno, o Brasil ocupou a 3ª posição em 2000,
totalizando 31.840 mil cabeças, perdendo somente para a China e os Estados Unidos. A
Região Sul se destaca na produção brasileira, totalizando aproximadamente 50% do rebanho
em 2000. Nela estão localizados os maiores Estados produtores. Em seguida vem a Região
Sudeste, com 18%, e o Nordeste, com 17%, destacando-se os Estados do Maranhão, Piauí,
Bahia e Ceará. No período 1992-2000, a Região Sul foi a única a apresentar taxa de
crescimento positiva, 24%. As Regiões Centro-Oeste, Norte, Nordeste e Sudeste tiveram
reduções de 11%, 48%, 27% e 5%, respectivamente. O Ceará teve um decréscimo de 9,5%,
no mesmo período.
Por ser um grande produtor de milho e soja e por dispor de áreas para o crescimento
do plantio e ampliação da atividade suinícola, o Brasil pode firmar-se como um grande
fornecedor de carne suína. O país apresenta um dos menores custos de produção mundial e
produz carcaças de qualidade, comparada a dos grandes exportadores. Em média, as carcaças
brasileiras passaram de 73,1Kg, em 1995, para 83,2Kg em 2002, graças a melhoria na
qualidade das rações e do material genético. Além disso, o mercado internacional tem
sinalizado para o crescimento das exportações brasileiras com a possibilidade de abertura de
novos mercados: como o NAFTA, o Mercado Europeu, a Coréia do Sul, o México e o Japão,
maior importador mundial.
O Canadá é o maior líder mundial na exportação de carne suína, com 800 mil
toneladas em 2002. O Brasil vem apresentando cifras cada vez maiores, passando a ocupar a
10 Dados fornecidos pelo USDA, FNP, SECEX e DECEX, apud www.suino.com.br.
11 O crescimento da produção brasileira tem sido estimulado pelo ótimo desempenho de suas exportações.
3
4ª posição no ranking dos exportadores, com 473 mil toneladas e participação de 12%, no
mesmo ano. Entre 1995 e 2002, o Brasil foi o país que apresentou a maior taxa de crescimento
no volume embarcado, 1.144,7%.
Os principais importadores do produto brasileiro são a Rússia, Hong Kong e a
Argentina. Em 2002, os embarque representaram cerca de 79%, 10,5% e 3% do total,
respectivamente. A Rússia passou a ocupar posição expressiva nas exportações de carne suína
brasileira a partir de 2000 e, entre 2001 e 2002, o volume das vendas para esse país cresceu
mais de 1.000%.
A estratégia do setor em buscar novos mercados e a diversificação das vendas tem
sido uma forma de ampliar as exportações, de enfrentar barreiras protecionistas e diminuir a
dependência do mercado russo. Esse vem impondo restrições através de cotas ao produto
brasileiro, principalmente devido às negociações da entrada desse país na Organização
Mundial do Comércio (OMC), que se viu obrigado a fazer maiores concessões à União
Européia. Dessa forma, as barreiras sanitárias e econômicas são os principais entraves à
exportação da carne suína brasileira.
Em 2003, 84% de toda a produção brasileira de carne suína foi destinada ao mercado
interno. O Brasil aparece na lista dos maiores consumidores de carne suína, em 6º lugar.
Apesar disso, o consumo per capita brasileiro ainda é baixo quando comparado ao dos países
desenvolvidos. Enquanto no Brasil ele foi de 11,1Kg, em 2001, em alguns países europeus o
mesmo chegou a ultrapassar os 70Kg. A média mundial nesse mesmo ano foi de 14,9Kg.
O aumento do consumo per capita de carne suína no Brasil é um dos principais
desafios para o setor nos próximos anos. Apesar de lento, ele cresce de forma constante;
passou de 7,05Kg, em 1990, para 11,1Kg, em 2001. No Ceará, o consumo per capita está
muito abaixo da média brasileira. Em 2000, ele foi de 5,5Kg, enquanto no Rio Grande do Sul,
Santa Catarina e São Paulo foi de 21,5Kg, 21Kg e 17Kg, respectivamente. Esse é dos
indicadores de que o desafio para suinocultura cearense é ainda maior que para os Estados das
Regiões Sul, Sudeste e Centro-Oeste.
3. OBJETIVO
3.1.
Objetivo Geral
O objetivo desse trabalho é identificar, estimar e analisar os fatores que influenciaram
a demanda e a oferta de carne suína no Estado do Ceará no período de 1985 a 2000.
3.2.
Objetivo Específico
Calcular, para o mercado de carne suína produzida no Ceará, as elasticidades preçoda-demanda e da oferta, a elasticidade renda da demanda, as elasticidades cruzadas da
demanda e da oferta e a elasticidade gastos com salário da oferta, além de verificar qual tem
sido o comportamento da oferta ao longo do período 1985-2000.
4. METODOLOGIA
4.1.
Fonte dos Dados
Foram utilizados dados de origem secundária, fornecidos pelo IPECE (Instituto de
Pesquisa e Estratégia Econômica do Ceará), referentes ao período de 1985 a 2000.
4
Os preços estão em R$, corrigidos pelo Índice Geral de Preços – Disponibilidade
Interna (IGP-DI) da Fundação Getúlio Vargas – Rio de Janeiro, com base em julho de 2001.
4.2.
Modelo Teórico
Equação da demanda:
Qdt = α0 + α1Pt + α2Pft + α3PPt
(1)
onde:
Qdt = quantidade per capita demandada de suínos em cabeça no período t, no Ceará.
Pt = preço médio da carne suína em R$/cabeça no período t, no Ceará.
Pft = preço médio da carne de frango em R$/cabeça no período t, no Ceará.
PPt = Produto Interno Bruto per capita do Ceará em R$, no período t. Por não dispormos de
dados sobre renda, o PP foi utilizado como uma proxy da mesma.
De acordo com a Teoria do Consumidor, a demanda é a quantidade máxima que os
consumidores estão dispostos a adquirir, aos diferentes níveis de preço, ceteris paribus. A
quantidade demandada é função inversa do preço do bem e do preço de bens complementares,
e uma função direta do preço de bens substitutos e da preferência do consumidor. A variável
renda pode ter uma relação direta (bem normal), inversa (bem inferior) ou nula com a
quantidade demanda. O modelo acima não inclui um bem complementar e nem a preferência
do consumidor. Essas variáveis são consideradas constantes no modelo.
Equação da oferta:
Qst = β0 + β1Pt + β2Pot + β3Salt + β4T
(2)
onde:
Qst = quantidade per capita ofertada de suínos em cabeça no período t, no Ceará.
Pt = preço médio da carne suína em R$/cabeça no período t, no Ceará.
Pot = preço médio da carne de ovino em R$/cabeça no período t, no Ceará.
Salt = salário do trabalhador rural em R$, no período t. Não dispondo de informações precisas,
foi utilizado como proxy um percentual de 75% sobre o salário mínimo do Ceará.
T = tendência.
Sabe-se da Teoria da Firma que a oferta é a quantidade máxima que os produtores
(ofertantes) estão disposto a oferecer aos diferentes níveis de preço, ceteris paribus. A
quantidade ofertada é uma função direta do preço do bem, do nível tecnológico, das condições
climáticas e de questões político-institucionais favoráveis, e é uma função inversa do preço
dos insumos e do preço de produtos substitutos na produção. O modelo acima não incluiu as
variáveis nível tecnológico, condições climáticas, nem questões político-institucionais. Essas
variáveis também são consideradas constantes no modelo.
O equilíbrio do mercado ocorre quando a quantidade demandada e ofertada se
igualam. Quando isso acontece, são determinados simultaneamente o preço e a quantidade,
demanda e ofertada, do bem.
5
4.3.
Modelo Econométrico
Para que seja possível estimar os parâmetros das equações de demanda e oferta, o
modelo econômico deve ser transformado em modelo econométrico. Optou-se pelo modelo
log-log porque o mesmo apresentou melhores resultados que o modelo linear.
Equação estrutural da demanda:
log(Qdt) = α0 + α1log(Pt) + α2log(Pft) + α3log(PPt) +u1t
(3)
Equação estrutural da oferta:
log(Qst) = β0 + β1log(Pt) + β2log(Pot) + β3log(Salt) +β4T + u2t
(4)
onde αi e βi são os parâmetros estruturais e u1t e u2t são os termos de perturbação estocástica
das equações da demanda e da oferta, respectivamente. Log(Qt) e log(Pt) são as variáveis
endógenas e as demais são as variáveis exógenas.
De acordo com a Teoria Microeconômica espera-se que:
» α0>, < ou = 0; α1<0; α2>0; α3> ou <0
» β0>, < ou = 0; β1>0; β2<0; β3<0 e β4>0
Como as variáveis exógenas são determinadas simultaneamente, esse é um modelo de
equações simultâneas que, no caso, será resolvido através do Método dos Mínimos Quadrados
Ordinários em Dois Estágios (MQO2E). Ele consiste em aplicar duas vezes o Método dos
Mínimos Quadrados Ordinários (MMQO). No primeiro estágio, estima-se os parâmetros da
equação na forma reduzida. Essa é obtida igualando-se as equações de demanda e de oferta
(condição de equilíbrio), conforme abaixo:
(5)
log(Qdt) = log(Qst)
α0 + α1log(Pt) + α2log(Pft) + α3log(PPt) + u1t
=
β0 + β1log(Pt) + β2log(Pot) + β3(Salt) + β4T + u2t
(6)
log(Pt) = c0 + c1log(Pft) + c2log(PPt) + c3log(Pot) + c4log(Salt) + c5T + v
onde:
c3 =
β2
α1 − β1
c0 =
β0 −α0
α1 − β1
c1 =
−α2
α1 − β1
c2 =
c4 =
β3
α1 − β1
c5 =
β4
α1 − β1
v=
(7)
−α3
α1 − β1
u 2t − u1t
α1 − β1
são os coeficientes na forma reduzida.
No segundo estágio, estima-se os parâmetros das equações estruturais da oferta e da
demanda utilizando o valor estimado do log(Pt) no lugar do logaritmo de seus valores
observados.
Antes que o MMQ2E seja aplicado, é necessário verificar se o sistema é completo e
atende as condições de identificação12. Para ser completo, o número de variáveis endógenas
12 A estimativa dos parâmetros estruturais depende da condição de identificação das equações. Se as mesmas não forem identificadas, não é
possível obter as estimativas numéricas dos parâmetros estruturais a partir dos coeficientes na forma reduzida.
6
do modelo deve ser igual ao número de equações estruturais. Quanto às condições de
identificação, GUJARATI (2000) apresenta duas formas de verificá-la: a condição necessária
ou de ordem e a condição suficiente ou de posto.
No primeiro caso, uma equação será identificada se: H – h ≥ g – 1, onde:
H: número total de variáveis exógenas no sistema;
h: número total de variáveis endógenas no sistema;
g: número de variáveis endógenas na equação estrutural particular a ser considerada.
Se H – h = g – 1, a equação é exatamente identificada.
Se H – h > g – 1, a equação é sobreidentificada.
Se H – h < g – 1, a equação é subidentificada.
O modelo é subidentificado se pelo menos uma das equações é subidentificada. Nesse
caso, não há informações suficientes para que se possa estimar todos os parâmetros
estruturais.
Considere G como o número de variáveis endógenas no modelo. Para a condição
suficiente ou de posto, deve-se formar todas as matrizes Ai quadradas de ordem (G – 1) com
os coeficientes das variáveis exógenas que aparecem nas outras (G – 1) equações estruturais,
mas não incluídas na equação cuja identificação está sendo verificada. Em seguida deve-se
calcular o determinante de cada uma dessas matrizes. Se pelo menos uma desses
determinantes for diferente de zero, a condição é satisfeita. Se cada uma das equações
estruturais tem pelo menos um determinante diferente de zero, a condição necessária e
suficiente é satisfeita para o modelo como um todo.
De acordo com as condições de ordem e de posto, tem-se:
Se H – h > g – 1 e o posto da matriz Ai é G – 1, a equação está sobreidentificada;
Se H - h = g – 1 e o posto da matriz Ai é G – 1, a equação está exatamente identificada;
Se H – h ≥ g – 1 e posto da matriz Ai é menor que G –1, a equação está subidentificada;
Se H – h < g – 1, a equação estrutural não está identificada.
O coeficiente de determinação R2, as estatísticas t, F e de Durbin-Watson são válidas
na regressão da equação na forma reduzida, o que não é verdade para as equações estruturais.
Isso ocorre porque não se conhece a função de probabilidade básica quando são utilizados, na
estimação da equação estrutural, os valores estimados da variável log(Pt) no lugar do
logaritmo de seus valores observados. Uma regra prática é comparar os valores absolutos dos
parâmetros estimados com seus respectivos erros-padrão. Se o coeficiente de uma variável na
equação estrutural é maior ou igual ao seu erro-padrão, esse é considerado significativo. Se o
coeficiente for pelo menos o dobro de seu erro-padrão, pode-se ficar seguro de sua
significância.
Para detectar a presença de multicolinearidade, utilizou-se o Índice de Condição (IC),
no qual calcula-se a raiz quadrada do quociente entre o maior e o menor autovalor. Se o IC
≤10, não há multicolinearidade; se 10 < IC ≤ 30 existe multicolinearidade moderada, se IC
>30 existe multicolinearidade severa.
O Teste de Heterocedasticidade de White foi utilizado para verificar se as
perturbações são homocedasticidade. Usando MMQO, calcula-se uma regressão auxiliar do
quadrado dos resíduos da regressão original sobre as variáveis explicativas, seus valores ao
quadrado e o(s) seu(s) produto(s) cruzado(s). Sob a hipótese de homocedasticidade, o
tamanho da amostra multiplicado pelo coeficiente de determinação (R2), obtido da regressão
auxiliar, segue assintoticamente distribuição por qui-quadrado com grau de liberdade igual ao
número de regressores da regressão auxiliar. Se o qui-quadrado calculado for maior que o quiquadrado tabelado, para um dado nível de significância, a hipótese de homocedasticidade não
é aceita.
Os teste de Durbin-Watson (d) e de Breusch-Godfrey foram utilizados para detectar a
presença de autocorrelação serial entre os resíduos. O primeiro é calculado tomando-se a
7
razão entre a soma dos quadrados das diferenças entre os sucessivos resíduos e a soma dos
quadrados dos resíduos. Na tabela de Durbin-Watson, encontra-se os valores inferior (di) e
superior (ds) de referência. Se o Durbin-Watson calculado (dc) for menor que di, há indícios
de autocorrelação positiva. Se dc > 4 – di, há indícios de autocorrelação negativa. Se ds < dc
< 4 – ds, a hipótese da ausência de autocorrelação positiva não deve ser rejeitada. Se di ≤ dc ≤
ds ou 4 – ds ≤ dc ≤ 4 – di, nada pode ser afirmado sobre a presença ou não de autocorrelação.
O Teste de Breusch-Godfrey consiste da regressão dos resíduos contra todos os regressores do
modelo e os resíduos defasados ût – 1, caso queira se verificar se há autocorrelação de primeira
ordem, ou ût – 1 e ût – 2, caso queira se verificar se há autocorrelação de segunda ordem, e assim
por diante. O produto da diferença entre o número de observações e o número de defasagens
(p) pelo R2 segue assintoticamente distribuição por qui-quadrado com p graus de liberdade. Se
o qui-quadrado calculado for maior que o qui-quadrado crítico em um nível de significância
escolhido, a hipótese nula de ausência de autocorrelação não é aceita.
5. RESULTADOS
A escolha das variáveis (Tabela A1) no modelo de oferta e demanda tenta representar
a estrutura e o comportamento do mercados de carne suína no Ceará. A análise do
comportamento desse mercado é útil para fornecer informações que podem ser utilizadas na
implementação de políticas com o objetivo de dinamizar esse setor.
Como pode ser verificado, se retornarmos as equações (3) e (4), o modelo escolhido é
completo, pois possui duas equações estruturais e duas variáveis endógenas, e satisfaz as
condições de identificação, conforme abaixo:
Condição necessária ou de ordem:
Sistema
H=5
Oferta
h=3
g=2
(5 – 3) > (2 – 1)
(5 – 2) > (2 – 1)
Oferta
Demanda
Demanda
h=2
g=2
sobreidentificada
sobreidentificada
Condição suficiente ou de posto:
Equações
log(Qdt)
Log(Pt)
log(Pft)
log(PPt)
Demanda
Oferta
1
1
α1
β1
α2
0
α3
0
Log(Pot) Log(Salt)
0
β2
0
β3
T
0
β4
As variáveis excluídas da equação da demanda foram log(Pot), log(Salt) e T. Logo,
pode-se obter três matrizes de ordem 1x1 formadas pelos coeficientes β2, β3 e β4, cujos
determinantes são diferentes de zero. As variáveis excluídas da equação da oferta foram
log(Pft) e log(PPt), o que possibilita obter duas matrizes de ordem 1x1 formadas pelos
coeficientes α2 e α3, com determinantes diferentes de zero.
A equação na forma reduzida (Tabela A2) não apresentou bons resultados: o R2 de
0,50 é baixo e as estatísticas t e F não são significativas ao nível de significância de 10%. Isso
pode ser decorrente da especificação do modelo, por não incluir outras variáveis como, por
exemplo, os gastos com ração, medicamento e instalações. Além disso, essa equação
apresentou, de acordo com o IC = 1.308,85, multicolinearidade severa. Nesse caso, os
8
coeficientes, embora determinados, possuem erros-padrão grandes, fazendo com que os
coeficientes não possam ser estimados com grande precisão. Um número pequeno de
observações também tem esse efeito (GUJARATI, 2000); é o caso da amostra utilizada nesse
trabalho.
A omissão de variáveis na tentativa de eliminar a multicolinearidade não apresentou
resultado satisfatório: embora tenha reduzido a multicolinearidade, ela ainda continuou muito
elevada, acima de 900. Além disso, a eliminação de variáveis pode ocasionar erro de
especificação. O acréscimo de observações não foi possível porque não existem dados de PIB
do Ceará para outros anos além dos já utilizados nesse trabalho. Não dispondo de informações
a priori e dados cross-section, não foi possível utilizar as técnicas de correção de Informação
a priori e nem a de combinação de dados cross-section com dados de séries temporais.
Métodos de correção, como, por exemplo, Componentes Principais, poderiam ser utilizados,
mas isso exigiria técnicas econométricas mais avançadas que não serão abordadas nesse
trabalho.
A equação estrutural também apresentou problema de heterocedasticidade ao nível de
significância de 5% (Tabela A4). Para tanto, a mesma foi corrigida (Tabela A3), mas os
resultados não foram satisfatórios: somente log(Pft) e T apresentaram erros-padrão menores.
Embora o teste de Durbin-Watson tenha sido inconclusivo, o Teste de BreuschGodfrey indicou a ausência de autocorrelação de primeira ordem (Tabela A5). O F calculado
foi igual a 1,056 com probabilidade de 33,09%, logo a hipótese nula de ausência de
autocorrelação não foi rejeitada.
A equação estrutural da demanda (Tabela A6) mostra que a quantidade per capita
demandada de carne suína produzida no Ceará é função inversa do seu preço, do preço da
carne de frango, bem substituto, e da renda per capita.
A elasticidade preço da demanda foi de – 0,2249, indicando que, se houver um
acréscimo de 100% no preço desse bem, a sua quantidade per capita demandada será reduzida
em 22,49%. A elasticidade preço-cruzado do bem substituto foi de 0,30, ou seja, se o preço da
carne de frango aumentar em 100%, a quantidade per capita demandada de carne suína se
elevará em 30%. A carne suína revelou-se como um bem inferior cuja elasticidade renda per
capita foi de –0,4623. Uma expansão na renda per capita de 100% provocará uma redução na
quantidade per capita demandada de carne suína em torno de 46%.
Todos os coeficientes revelaram-se significativos, duas vezes maiores que os seus
respectivos erros-padrão, com exceção do coeficiente da renda per capita, cuja razão
coeficiente/erro-padrão foi de 1,88.
A equação estrutural da oferta (Tabela A7) indica que a quantidade per capita
ofertada de carne suína produzida no Ceará é função direta do seu preço e função inversa do
preço da carne de ovino, produto substituto na produção, dos gastos com salário e do tempo.
A elasticidade preço da oferta foi de 0,1. Isso indica que se houver uma elevação de
100% no preço da carne suína, a sua quantidade per capita ofertada aumentará em 10%. A
elasticidade preço-cruzado da carne suína em relação à carne de ovino foi de –0,2273,
significando que para cada acréscimo de 100% no preço da carne de ovino, a quantidade per
capita ofertada de carne suína irá será reduzida em 22,73%. A elasticidade gastos com salário
da oferta foi de –0,1862, ou seja, um aumento de 100% nos gastos com salário, provocará
uma redução na quantidade per capita ofertada de 18,62%.
No caso da variável tempo, que indica o comportamento da oferta ao longo dos anos,
o valor do coeficiente foi –0,058, revelando que a oferta per capita de carne suína diminuiu
ao longo do período 1985-2000. Isso pode ser facilmente verificado na Tabela A1, na terceira
coluna. Esse comportamento é explicado, em grande parte, pela falta de incentivos, de
financiamento e de apoio governamental que o setor vem sofrendo, principalmente, a partir da
década de 90.
9
Os coeficientes da elasticidade preço e dos gastos com salário mostraram-se não
significativos, embora com o sinal correto. Estatisticamente isso significa que eles são iguais a
zero. Esse resultado pode ser decorrente do problema de multicolinearidade detectado na
equação na forma reduzida, que não foi corrigido. Os demais coeficientes revelaram-se
significativos.
6. CONCLUSÃO
De acordo com os dados e o modelo utilizados, os resultados desse trabalho
mostraram que a demanda per capita de carne suína produzida no Ceará é inelástica em
relação a variações no preço da mesma, no preço da carne de frango e da renda per capita.
Embora outros bens, como a carne bovina e caprina, também tenham se revelado
como bens substitutos, a estimativa da demanda utilizando a carne de frango apresentou
melhores resultados. A utilização de mais de um bem substituto não foi adequada devido ao
tamanho da amostra, nesse caso pequena.
Um fato importante quanto a inelasticidade preço da demanda é que uma estratégia
racional a ser adotada pelos produtores é a elevação do preço do produto, o que ocasionará um
acréscimo na sua receita total, já que o declínio da quantidade demandada será menor que o
aumento no preço.
A oferta per capita de carne suína produzida no Ceará também se revelou inelástica
em relação a variações no preço da mesma, no preço do produto substituto na produção, no
caso o ovino, e nos gastos com salário. A variável tempo, por sua vez, revelou um
comportamento decrescente da oferta ao longo do período analisado, o que pode ser explicado
pela falta de incentivos, de financiamento e de apoio governamental que o setor vem
sofrendo, principalmente, a partir da década de 90.
A oferta está limitada ao mercado cearense, cujo consumo per capita é muito baixo
quando comparado a outros Estados do Sul e Sudeste do País. Além disso, praticamente toda
a produção é comercializada sob a forma de carne in natura e salgada. O beneficiamento do
produto poderia aumentar a rentabilidade do setor e reduzir os riscos inerentes à atividade.
A busca do mercado exportador, bem como a oferta de diversidade e qualidade de
produtos industrializados são possíveis estratégias que podem ser adotadas pelos produtores.
Para tanto, eles necessitam de melhores condições de financiamento e políticas de
desenvolvimento voltadas para o setor.
Outro fator que pode contribuir para o aumento da produção é a diminuição dos
preços dos insumos via redução da carga tributária. A importação de farelo de soja e milho
através da ASCE também seria uma boa alternativa. Entretanto, segundo a ASCE, atualmente
essa é uma prática difícil, não só por conta do número de associados, hoje em torno de 25,
mas também pela falta de financiamento e de apoio governamental possibilitando a formação
de estoques desses produtos através da CONAB.
A falta de um bom trabalho de marketing e de organização do setor produtivo faz com
que a produção destinada ao mercado seja bastante irregular, ocasionando em certos períodos
excesso e em outros, escassez, o que acarreta oscilações do preço ao nível do produtor.
Embora os suinocultores brasileiros estejam realizando uma campanha de marketing para
estimular o consumo de carne suína, essa fica mais limitadas as Regiões Sul e Sudeste, uma
vez que seus Estados produtores são os que mais contribuem para a campanha.
10
7. REFERÊNCIAS BIBLIOGRÁFICAS
ABIPECS – Associação Brasileira da Indústria Produtora e Exportadora de Carne Suína. Em
Foco. Ano III, nº 31, nov.2003. Disponível em <http://www.abipecs.com.br> Acesso
em 20 de janeiro de 2004, as 14:00.
-------------- Relatório Anual 2002. Disponível em <http://www.abipecs.com.br> Acesso em
20 de janeiro de 2004, as 14:20.
EMBRAPA.
Produção
Suínos.
Disponível
em
<htt://sistemasdeproduçao.cnptia.embrapa.br/FontesHTML/Suinos/SPSuinos> Acesso
em 21 de janeiro de 2004, as 8:20.
ESTATÍSTICAS. Disponível em <http://www.suino.com.br> Acesso em 20 de janeiro de
2004, as 14:40.
FERGUSON,C.E. Teoria Microeconômica. 19ª ed. Rio de Janeiro: Forense Universitária,
1996.
GUJARATI, Damodar N. Econometria Básica. 3ed. São Paulo: Makron Books, 2000.
IPECE – Instituto de Pesquisa e Estratégia Econômica do Ceará. Dados agropecuários.
Disponível em <http://www.ipece.ce.gov.br> Acesso em 05 de janeiro de 2004, as 8:15.
KINPARA, Daniel Ioshiteru. Pespectivas no consumo de carne suína no Brasil. Disponível
em <http://www.ead.fea.usp.br/cad-pesq/arquivos/C01-art07.pdf> Acesso em 05 de
janeiro de 2004, as 10:00.
MARTIN, Marshall A., PEREZ, Maria Cândida R.C. O método de mínimos quadrados de
dois estágios: fundamentos e aplicação na estimação da demanda e da oferta de ovos
no Estado de São Paulo. Piracicaba: Universidade de São Paulo, 1975.
NEGRÃO, Sílvio Luiz. Curso de extensão em ética global – Colóquio 4. Disponível em
<http://www.vegetarianismo.com.br/artigos/etica-silvio1.html> Acesso em 10 de
janeiro de 2004, as 15:17.
SOCIL GUYOMARC´H. O consumo. Disponível em: < http://socil.com.br> Acesso em 21 de
janeiro de 2004, as 9:00.
11
APÊNDICE
Tabela A1 - Dados originais
Ano
Qt
Pt
Pft
1985
0,216378
62,59
4,26
1986
0,220620
80,73
3,92
1987
0,215249
57,26
3,36
1988
0,220571
62,63
3,20
1989
0,220293
54,85
3,72
1990
0,219352
60,65
3,10
1991
0,220389
52,43
2,87
1992
0,219994
44,05
1,81
1993
0,181385
49,05
1,71
1994
0,179278 135,89
2,30
1995
0,177675 114,14
1,63
1996
0,156952
83,83
1,51
1997
0,153461
77,44
1,40
1998
0,138346
70,19
1,39
1999
0,137939
74,07
1,39
2000
0,138183
82,40
1,30
Fonte: IPECE. www.ipece.ce.gov.br.
PPt
0,003211
0,003451
0,003085
0,002989
0,002981
0,002728
0,003076
0,002950
0,002878
0,002892
0,003222
0,003569
0,003657
0,003704
0,003356
0,003291
Pot
86,19
46,15
28,74
25,19
24,43
26,76
23,65
19,68
22,34
30,36
27,08
23,27
20,95
19,82
21,06
23,55
Salt
197,4000
201,0373
181,4591
190,6532
206,0946
159,6087
140,8129
162,5647
174,4469
146,1129
117,5624
126,9733
127,6923
132,0948
127.,4531
122,0417
T
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Tabela A2 – Equação na Forma Reduzida
Variável Dependente: log(Pt)
Variável
C
Log(Pft)
Log(PPt)
Log(Pot)
Log(Salt)
T
R2
R2 Ajustado
Durbin-Watson
Coeficiente
6,469379
0,501597
0,005512
0,426425
-0,889367
0,056300
0,497092
0,245638
1,279858
Erro padrão
Estatística t
6,805684
0,950585
0,530493
0,945530
0,899066
0,006131
0,267722
1,592793
0,766174
-1,160790
0,054266
1,037478
Estatística F
Prob(Estatística F)
Prob.
0,3642
0,3667
0,9952
0,1423
0,2727
0,3239
1,976871
0,167991
Fonte: Resultado do Trabalho.
12
Tabela A3 – Equação na Forma Reduzida com a correção da Heterocedasticidade
Variável Dependente: log(Pt)
Variável
C
Log(Pft)
Log(PPt)
Log(Pot)
Log(Salt)
T
R2
R2 Ajustado
Durbin-Watson
Coeficiente
6,469379
0,501597
0,005512
0,426425
-0,889367
0,056300
0,497092
0,245638
1,279858
Erro padrão
Estatística t
7,625457
0,848392
0,471960
1,062795
0,966117
0,005705
0,348380
1,224023
0,841741
-1,056580
0,052997
1,062307
Estatística F
Prob(Estatística F)
Prob.
0,4161
0,3129
0,9956
0,2490
0,3156
0,3131
1,976871
0,167991
Fonte: Resultado do Trabalho.
Tabela A4 – Teste de Heterocedasticidade de White
Estatística F
7,908848
Prob.
2
Variável Dependente: û
Variáveis
Coeficientes
Erro-padrão Estatística t
C
-51,98754
37,36267
-1,391430
Log(Pft)
1,691673
0,362814
4,662647
Log(Pft)2
-0,874151
0,203553
-4,294466
-18,24872
10,03798
-1,817967
Log(PPt)
Log(PPt)2
-1,619570
0,875963
-1,848903
Log(Pot)
-0,153593
0,444139
-0,345822
Log(Pot)2
0,048890
0,059698
0,818957
Log(Salt)
-0,274981
3,940137
-0,069790
0,043215
0,392028
0,110235
Log(Salt)2
T
0,029943
0,015177
1,972848
2
T
0,000210
0,000951
0,220987
2
R
0,940539
Estatística F
R2 Ajustado
0,821616
Prob(Estatística F)
Durbin-Watson
2,804995
0.017021
Prob.
0,2228
0,0055
0,0078
0,1287
0,1237
0,7436
0,4501
0,9471
0,9165
0,1055
0,8338
7,908848
0,017021
Fonte: Resultado do Trabalho.
13
Tabela A5 – Teste de Correlação de Breusch-Godfrey
Estatística F
1,056448
Prob.
Variável Dependente: û
Variáveis
Coeficientes
Erro-padrão Estatística t
C
-2,751098
7,295306
-0,377105
Log(Pft)
-0,062757
0,532514
-0,117851
Log(PPt)
-0,149256
0,908223
-0,164339
Log(Pot)
0,037563
0,269459
0,139402
Log(Salt)
0,344879
0,834454
0,413299
T
0,009212
0,054850
0,167947
û (-1)
0,365968
0,356056
1,027837
2
R
0,105052
Estatística F
R2 Ajustado
-0,491580
Prob(Estatística F)
Durbin-Watson
1,944022
0,330857
Prob.
0,7148
0,9088
0,8731
0,8922
0,6891
0,8703
0,3309
0,176075
0,976626
Fonte: Resultado do Trabalho.
Tabela A6 – Equação Estrutural da Demanda
Variável Dependente: log(Qdt)
Variáveis
C
Y
LOG(PFRA)
LOG(PP)
R2
R2 Ajustado
Durbin-Watson
Coeficientes
-3,631196
-0,224949
0,300595
-0,462345
0,882079
0,852599
1,450300
Erro-padrão Estatística t
1,603766
-2,264169
0,103587
-2,171596
0,050751
5,922905
0,245925
-1,880026
Estatística F
Prob(Estatística F)
Prob.
0,0429
0,0507
0,0001
0,0846
29,92096
0,000007
Fonte: Resultado do Trabalho.
*Y = valor estimado do log(Pt).
Tabela A7 – Equação Estrutural da Oferta
Variável Dependente: log(Qst)
Variáveis
Coeficientes
Erro-padrão
Estatística t
Prob.
0,033520
0,404817
-1,736982
-0,668700
-6,058635
0,9739
0,6934
0,1103
0,5175
0,0001
C
Y
Log(Pot)
Log(Salt)
T
0,066625
0,100796
-0,227345
-0,186158
-0,057941
1,987648
0,248991
0,130885
0,278388
0,009563
R2
R2 Ajustado
Durbin-Watson
0,922508
0,894330
1,129135
Estatística F
Prob(Estatística F)
32,73771
0,000005
Fonte: Resultado do Trabalho.
*Y = valor estimado do log(Pt).
14