O EFEITO PASS-THROUGH DA TAXA DE CÂMBIO SOBRE OS PREÇOS
AGRÍCOLAS
CLEYZER ADRIAN CUNHA (1) ; ALEX AIRES CUNHA (2) .
1.UNIVERSIDADE
FEDERAL
DE
GOIÁS,
GOIANIA,
GO,
BRASIL;
2.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL.
[email protected]
APRESENTAÇÃO ORAL
COMERCIALIZAÇÃO, MERCADOS E PREÇOS AGRÍCOLAS
O EFEITO PASS-THROUGH DA TAXA DE CÂMBIO SOBRE OS PREÇOS
AGRÍCOLAS
Resumo: O objetivo deste trabalho foi analisar os efeitos da taxa de câmbio sobre os preços
agrícolas no período de janeiro de 2000 a dezembro de 2004. Para isto utilizou-se testes de
raiz unitária, co-integração e causalidade. Dentre os principais resultados destaca-se: 1) os
resultados mostram que existe uma relação de equilíbrio de longo prazo entre a taxa de
câmbio e os preços agrícolas; 2) prevalece o efeito pass-through da taxa de câmbio sobre
os preços agrícolas, ou seja, os movimentos passados da taxa de câmbio afetam o
comportamento dos preços no presente ( hipótese de causalidade com uma defasagem).
Palavras-chaves: taxa de câmbio, preços agrícolas, efeito pass-through
Abstract:
The objective of this paper is to analyze the effects pass-through of the
exchange rate on the agricultural prices in Brazil. The results indicate: 1) there is
relationship of balance of long period among the variables; 2) The last movements of the
exchange rate affect the behavior of the prices in the present. The study period was January
of 2000 to December of 2004.
Keywords: The exchange rate, agricultural prices and effects pass-through
1. INTRODUÇÃO
O regime cambial brasileiro foi muito distinto ao longo dos anos 90. Primeiramente,
adotou-se em 1990 o regime de taxas flutuantes com crescente conversibilidade.
Posteriormente, deslocou-se para o regime de taxa de câmbio fixa e alta conversibilidade,
com a predominância do enfoque das metas reais. A partir de 1994, com a implantação do
Plano Real adotou-se a âncora cambial, com a taxa fixa em um regime de bandas cambiais
(crawlingpeg) buscando a estabilização dos preços. Finalmente, com a crise financeira de
1999, o câmbio foi liberado para flutuar sem a intervenção direta do governo.
A taxa de câmbio é o indicador das trocas entre as economias, ou seja, ela tende a
afetar os bens tradable e os non-tradable, de forma a implicar maior ou menor
competitividade, assim como alocação intersetorial dos recursos produtivos na economia.
A taxa de câmbio apreciada ou valorizada implica perdas de competitividade dos
produtos internos vis-à-vis os externos, ou seja, os importadores são favorecidos enquanto
se penalizam os exportadores. Em contrapartida, no caso inverso, ou seja, a taxa de câmbio
depreciada ou desvalorizada, leva a ganhos para os exportadores e perda para os
importadores.
Desta forma, para o setor agrícola, a apreciação da taxa de câmbio implica em
perda de competitividade das commodities agrícolas; a depreciação, por sua vez, implica
em ganho de competitividade.
Este trabalho teve como objetivo principal investigar, empiricamente, os efeitos da
taxa de cambio sobre os preços agrícolas e industriais, no período de janeiro de 2000 a
dezembro de 2004. Utilizou-se na analise testes de raiz unitária, co-integração e teste de
causalidade. O trabalho buscou mostrar que efeitos na taxa de câmbio precedem efeitos
sobre os preços agrícolas e que também existe uma relação de integração ou de equilíbrio
de longo prazo entre essas variáveis. Assim, o presente trabalho está dividido em três partes
além desta introdução, na primeira parte é apresentado a metodologia, na segunda
apresentam-se os resultados e discussões e no final apresentam-se as considerações finais.
2. METODOLOGIA
2.1.TESTES DE RAIZ UNITARIA KWIATKOWSKI, PHILLIPS, SCHMIDT E
SHIN (KPSS)
Antes de estimar o modelo de co-integração de JOHANSEN (1988) e de
causalidade de GRANGER (1969), deve-se analisar a estacionariedade das séries temporais
em questão para não incorrer em uma regressão espúria, o que pode invalidar os resultados
estimados. Para GUJARATI (2000), processo estocástico pode ser chamado de estacionário
se sua média e variância forem constantes ao longo do tempo e se o valor da co-variância
entre dois períodos de tempo depender apenas da defasagem entre esses períodos e não do
período atual, no qual a variância é calculada.
A série temporal precisa ser diferenciada d vezes para se tornar estacionária, então
se diz que ela é integrada de ordem d ou I(d). Se a série temporal for integrada de I(0), dizse que ela é estacionária em nível e uma serie de ordem 1 é estacionaria I(1). Assim, a
ordem de integração de uma série temporal pode ser verificada por diversos testes de raiz
unitária. Dentre os mais utilizados, citam-se como exemplos os de Dickey-Fuller
Aumentado (ADF) e o de Phillips-Perron (PP) e Kwiatkowski, Phillips, Schmidt e Shin
(KPSS).
Nesse trabalho optou-se por utilizar o teste KPSS (1992) que pode ser formalizado
pela seguinte expressão:
Y t= δX t+u t
(1)
em que Y t é a variável para a qual será analisada a estacionariedade e X t é a
variável exógena. O teste estatístico é baseado nos resíduos oriundos da equação (1), pelo
teste de LM (Maximoverossimilhança) :
LM =
∑ S (t )
2
t
T 2 fo
(2)
em que fo é o estimador espectral de freqüência zero ( frequency zero spectrum
estimator ) dos resíduos e S (t ) é a função de resíduos cumulativa denotada por:
t
^
S (t ) =∑ u t
r =1
(3)
O teste KPSS difere dos demais testes de raiz unitária, pois deve-se aceitar a
hipótese nula para que a serie temporal seja estacionaria.
2.2. CO-INTEGRAÇÃO
Quando duas séries econômicas são co-integradas, diz-se que estas possuem
relação estável de longo prazo. Essas variáveis devem ter a mesma ordem de integração, ou
seja, se uma série Y for I(1), a outra X deve ser também I(1) para serem co-integradas.
Forças de equilíbrio tendem a fazer com que essas variáveis caminhem juntas, no longo
prazo.
O teste de ENGLE e GRANGER (1987), para co-integração consiste em verificar
se et da equação (4) é estacionário.
Y1t =
+
2
ou seja, se et = Y1t -
0
0
Y2 + ... +
-
2
YKt + et
K
Y2t - ... -
k
(4)
Ykt é I(0).
Assim, o resíduo et será testado (teste de raiz unitária), para se observar se o et é o
não-estacionário. Entretanto, o teste de raiz unitária para co-integração requer distribuições
especiais diferentes daquelas de um simples teste raiz unitária. Essas distribuições
encontram-se tabeladas em ENGLE e GRANGER (1987).
Segundo JOHANSEN (1988), pode-se adotar a seguinte forma para estimar as
relações de co-integração:
∆Y t =φ1 ∆Y t −1+... +φ p −1 ∆Y tp +1+ ηY t −1+e t
(5)
em que Yt é um vetor (kx1) de varáveis estocásticas; et são os erros; e
e
/
= αβ , em que
são matrizes (k x r), sendo r o posto da matriz (η ), que é igual ao número de vetores de
co-integração linearmente independentes.
O número de relações (vetores) de co-integração é igual ao número de raízes
características ( ) de η estatisticamente diferentes de zero. Podem ocorrer as seguintes
possibilidades: a) r = k, então o vetor Yt é estacionário; b) r = 0, então ∆Y t é estacionário; e
c) 0 < r < k, então existem matrizes α e β , tais que
/
= αβ .
JOHANSEN e JUSELIUS (1990) indicaram o teste do traço e o teste do auto-valor
máximo. Os valores críticos de ambos os testes são utilizados para verificar a existência do
número máximo de vetores de co-integração.
Segundo ENDERS (1995), o teste estatístico de traço é dado pela seguinte
expressão algébrica:
P(ro) = T ∑ro+1 Ln (1 −λ i )
n
em que ro = 0, 1, ..., k-1, quando
i
(6)
é o i-ésimo auto-valor; P é a estatística de traço e T é o
número de observações. O teste de traço testa a seguinte hipótese:
Ho: r
ro
HA: r > ro
Segundo ENDERS (1995), o teste do auto-valor máximo é dado pela seguinte
expressão algébrica:
P (ro, ro + 1) = T ln (1 -
ro+1
)
(7)
em que se testa a seguinte hipótese:
Ho: r = ro
HA: r = ro + 1
OSTERWALD-LENUM (1992) tabelou os valores críticos para modelos com até 11
variáveis, com termo constante ou não. Utilizaram-se, neste trabalho, os valores críticos
calculados por esse autor.
2.3. CAUSALIDADE DE GRANGER
A precedência temporal entre series econômicas pode ser investigada pela utilização
do teste de causalidade proposto por Granger (1969). Cabe ressaltar que o teste não
propicia inferências do tipo causa e efeito do ponto de vista econômico. Desta forma, se X
causa Y no sentido de Granger (precedência) se o passado de X ajuda a prever Y. O teste de
causalidade de Granger pode ser aplicado a variáveis estacionárias.
Segundo GUJARATI (2000), o teste de causalidade de Granger supõe que as
informações relevantes para a previsão das respectivas variáveis em analise estejam
contidas exclusivamente nos dados de series temporais destas variáveis. Então o teste
envolve a estimativa das equações (8) e (9), utilizando as variáveis taxa de câmbio (TC) e
preço agrícola (PA):
n
n
i =1
j =1
TC t = ∑ α i PA t −1 + ∑ β j TC t − j +u 1t
PAt =
(8)
m
m
i =1
j =1
∑ δ i PAt −i + ∑ φ jTC t − j +u 2t
(9)
A equação 8 mostra que a TC no período t relaciona com os valores passados de
TC e de PA. Já a equação 9 evidencia que o valor presente de PA relaciona com os
passados de PA e de TC. Os termos de erros
u1t
e
u 2t
são não correlacionados. A
definição do tamanho do lag ou defasagem do modelo mostra qual seria o período de tempo
mais longo para que o movimento de uma variável ajude a prever movimentos da outra
variável. Para escolher corretamente o número de defasagens no modelo, pode –se usar os
critérios de de Schwarz Criterion (SC) e de Akaike Information Criterion (AIC). De acordo
com BACHI (1995) apud LUKTEPOHL (1991), o teste de SC é mais parcimonioso que o
teste de AIC.
2.4. FONTE DE DADOS
Para a analise empírica, consideraram-se as seguintes variáveis: PA= índice de
preços agrícolas no atacado, base 2000 =100 e a taxa de câmbio efetiva, base (2000 =100) e
correspondem ao período de janeiro de 2000 a dezembro de 2004.
Os dados foram
coletados junto ao Instituto de Pesquisa em Economia Aplicada (IPEA).
3. RESULTADOS E DISCUSSÃO
Com base nos resultados apresentados na Tabela 1 pode-se concluir que as duas
séries não são estacionárias, em nível, pois se rejeita hipótese nula de estacionariesdade.
Em contrapartida, pode-se afirmar que tais séries são integradas de ordem I(1), pois aceitase a hipótese nula a 1% de probabilidade. Conclui-se que todos os testes posteriores
devem ser efetuados com as series diferenciadas uma vez ou d(1).
Tabela 1- Teste de estacionariedade KPSS para as series TC e PA no período de janeiro de
2000 a dezembro de 2004.
Valor calculado Valor calculado Valor crítico Valor crítico Valor crítico
Série
PA
KPSS para I(0) KPSS para I(1)
0,916
0,095
KPSS (1%)
0,739
KPSS (5%) KPSS(10%)
0,463
0,347
TC
0,218
0,103
0,739
0,463
0,347
Fonte: dados da pesquisa
Nota: O teste KPSS deve-se aceitar a hipótese nula para que a serie temporal seja
estacionaria.
Segundo GUJARATI (2000), o número de defasagens a serem consideradas nos
modelos co-integração e causalidade são importantes, pois um número excessivo de
defasagens implica perda de graus de liberdade dos modelos.
Na Tabela 2, apresentam-se os critérios para o máximo de uma defasagen, pois
defasagens muitos extensas podem levar a estimativas imprecisas dos parâmetros. Pelo
critério de SC e AIC haveria uma defasagem. De acordo com os testes utilizou-se um lag
nos modelos de co-integraçao e de causalidade.
Tabela 2 - Critérios de informação para escolha do número de defasagens (P)
P
0
1
2
3
4
Fonte: dados da pesquisa
AIC(P)
SC(P)
11,151
10,290*
10,421
10,536
10,589
11,224
10,509*
10,786
11,047
11,246
Nota: * indica o menor valor do critério como sendo o numero de defasagem do modelo.
Então, utilizou-se uma defasagem no teste das relações de co-integração. As
relações de co-integração foram definidas a partir do teste de JOHANSEN E JUSELIUS
(1990), podem ser evidenciados na Tabela 3.
Tabela 3 - Teste de JOHANSEN E JUSELIUS (1990) para as relações de co-integração.
Hipótese nula
R=0
R 1
Eigenvalue
0,332
0,169
Estatística do
Valor crítico
Valor crítico
traço
33,572*
10,565*
(5%)
15,41
3,76
(1%)
20,04
6,65
Fonte: dados da pesquisa
Pela Tabela 3, verifica-se que a estatística de traço mostra que se rejeita as hipóteses
nulas de R = 0 e de R
1 aos níveis de 1% e 5% de significância, podendo-se concluir que
há ao menos uma relação de co-integração ou relação de longo prazo ligando as duas
séries.
Na Figura 1, evidenciam-se as primeiras diferenças das series TC e PA no período
de janeiro de 2000 a dezembro de 2004.
15
10
5
0
-5
-10
-15
-20
2001
2002
D TC
2003
2004
D P
Fonte: dados da pesquisa
Figura 1: Primeiras diferenças das series TC e PA no período de janeiro de 2000 a
dezembro de 2004.
Pela analise da figura, ocorre a confirmação do resultado do teste de co-integracao
de JOHANSEN E JUSELIUS (1990), pois a primeira diferença das series são estacionarias
e apresentam relação de equilíbrio de longo prazo.
O teste de Granger apresentado na Tabela 4 procurou mostrar a precedência
temporal entre TC e PA.
Na literatura econômica, prevalece a hipótese que a taxa de
câmbio precede efeitos sobre os preços agrícola. Esse efeito é conhecido como repasse
cambial ou efeito pass-through.
Tabela 4- Resultados dos testes de causalidade de Granger para as variáveis TC e PA
no período de janeiro de 2000 a dezembro de 2004.
Teste
Hipótese nula
Estatística F
Lag
Probabilidade
1
DP não causa DTC
0,32896
1
0,56861
2
DTC não causa DP
19,2232
1
0,000053
Fonte: dados da pesquisa
De acordo com a Tabela 4, os resultados do teste de causalidade mostram que a
que a hipótese nula (H0) de que DPA não causa DTC no sentido de Granger não foi
rejeitada. Conclui-se que os preços agrícolas não afetam os movimentos da taxa de câmbio.
Já a hipótese nula (H0) de que DTC não causa DPA foi rejeitada, então se conclui que os
efeitos nos preços agrícolas são precedidos pelos movimentos da taxa de câmbio no período
de janeiro de 2000 a dezembro de 2004. Assim, prevalece o efeito pass-through da taxa de
câmbio sobre os preços agrícolas.
4. CONSIDERAÇÕES FINAIS
Dentre os principais resultados destaca-se: 1) os resultados mostram que existe
uma relação de equilíbrio de longo prazo entre a taxa de câmbio e os preços agrícolas; 2)
prevalece o efeito pass-through da taxa de câmbio sobre os preços agrícolas, ou seja, os
movimentos passados da taxa de câmbio afetam o comportamento dos preços no presente.
A hipótese de causalidade de Granger apresentou-se com uma defasagem conforme os
testes de AIC e SC.
Para a conjuntura brasileira de janeiro de 2000 a dezembro de 2004, a partir do
exposto neste trabalho, evidencia-se que a agricultura tem efeitos diretos da política
cambial. A resposta de uma defasagem encontrada neste trabalho pode ser explicada pelo
fato de que a agricultura apresentar comportamento de preços flexíveis ( flex price).
5. REFERENCIAS BIBLIOGRÁFICAS
BACCHI, M.R.P. Integracao, co-integração e modelo de correção de erro: uma
introdução. Universidade Federal de Vicosa, 1995, Mimeo.
DORNBUSCH, R., STANLEY, F. Macroeconomia. 5.ed. São Paulo: Makron, 1991.
ENGLE, R. F.; GRANGER, C.W.J. Co-integration and error correction representation,
estimation and testing. Econometrica, n. 55, p. 251-276, 1987.
EVIEWS 4.1. User's guide. 2002.
GRANGER, C. W. J. Investigating causal relations by econometric models and
cross-spectral methods, Econometrica 37, 424—438, 1969.
GUJARATI, D.N. Econometria básica. 3.ed. São Paulo: Markron Books, 2000. 830 p.
INSTITUTO DE PESQUISA EM ECONOMIA APLICADA - IPEA.
Informações
econômicas. [10 junho 2005]. (www.ipeadata.gov.br).
JOHANSEN, S. Statistical analysis of cointegration vectors. Journal of Economic
Dynamics and Control, n. 12, p. 231-254, 1988.
JOHANSEN, S., JUSELIUS, K. Maximum likelihood estimation and inference on
cointegration: with applications to the demand for money. Oxford Bulletin of
Economics and Statistics, n. 52, p. 169-219, 1990.
KWIATKOWSKI, D., P. C. B. PHILLIPS, P. SCHMIDT; SHIN, Y. Testing the null
hypothesis of stationarity against the alternative of a unit root: How sure are we that
economic time series have a unit root?, Journal of Econometrics, 54, 159-178, 1992.
LUTKEPOHL, H. Introduction to multiple times series. Berlin, Spring-Verlang, 1991.
OSTERWALD-LENUM, M. A note with quantiles of the asymptotic distribution of the
maximum likelihood cointegration rank test statistic. Oxford Bulletin of Economic
and Statistics, v. 54, n. 3, p. 462-472, 1992.