SABESP
COMPANHIA DE SANEAMENTO BÁSICO DO ESTADO DE SÃO PAULO
Estimação da Elasticidade-Preço da Demanda dos
Clientes Comerciais e Industriais da SABESP
SÃO PAULO
FEVEREIRO DE 2009
SUMÁRIO
Introdução .................................................................................................................................................................. 3
1
Base de Dados .................................................................................................................................................. 4
1.1
Organização da Base de Dados.......................................................................................................... 4
1.2
Outras Variáveis do Estudo................................................................................................................. 7
2 Metodologia .......................................................................................................................................................... 10
2.1 Estudo da Demanda e Elasticidades ................................................................................................... 10
2.1.1 Resumo das principais especificações da equação de demanda usadas ............................ 12
2.1.2 Resumo de outros estudos de demanda industrial e comercial por água ......................... 14
2.2 Métodos de Estimação ............................................................................................................................. 16
2.2.1 Modelo de Heckman ............................................................................................................................. 17
2.2.2 Modelo de Efeitos Específicos.......................................................................................................... 19
2.2.2.1 Pooled OLS .......................................................................................................................................... 19
2.2.2.2 Efeitos Fixos (EF) .............................................................................................................................. 20
2.2.2.3 Primeiras Diferenças ......................................................................................................................... 21
2.2.2.4 Efeitos Aleatórios (EA).................................................................................................................... 22
2.2.2.5 Teste para comparação entre os métodos EF e EA ............................................................... 23
2.3 Conclusões sobre os Métodos de Estimação ................................................................................... 23
3. Resultados das Estimações ............................................................................................................................ 25
3.1 Modelos estimados com dados em painel ........................................................................................ 25
3.1.1 Modelo log-lin Geral ............................................................................................................................ 25
3.1.2 Modelo log-lin por Ramos de Atividade ....................................................................................... 32
3.2 Modelos estimados com dados em cross-section .......................................................................... 36
3.3 Limitações dos Modelos estimados .................................................................................................... 40
4. Considerações Finais ....................................................................................................................................... 43
Referências bibliográficas ................................................................................................................................... 45
Anexo A - Rotinas em STATA ......................................................................................................................... 47
1
A.1 Juntando as bases de dados dos anos ............................................................................................ 47
A.2 Preparando a base de dados para estimação: Base Data ..................................................... 47
A.3 Reamostragem da Base de Dados.................................................................................................... 49
Anexo B – Descrição dos Ramos de Atividades e Códigos – Painel ................................................. 53
Anexo C – Resultados das Estimações com dados em painel............................................................... 56
C.1 Método Efeitos Fixos para cada Grupo de Atividades .................................................................... 56
C.2 Método Efeitos Aleatórios para cada Grupo de Atividades .......................................................... 75
Anexo D – Ramos de Atividades Agregados e Descrição das Atividades.....................................103
Anexo E – Descrição dos Ramos de Atividades e Códigos – Cross-section.................................115
2
Estimação da Elasticidade-Preço da Demanda dos Clientes Comerciais e
Industriais da SABESP
Denisard Cneio de Oliveira Alves1
Paula Carvalho Pereda2
Daniel Grimaldi3
Alexsandros Fraga 3
Introdução
Este trabalho objetiva estudar a relação entre a demanda por água da SABESP e a estrutura de
preços da mesma, ou seja, a sensibilidade dos grandes clientes da SABESP face a estrutura
tarifária da empresa, observada por seus clientes. Acredita-se que, apesar de a água ser um
bem essencial para as pessoas e para a produção de determinados bens, a concorrência
enfrentada pela SABESP leva seus clientes a serem bastante sensíveis aos preços praticados
pela concessionária.
Em estudo anterior realizado pela FIPE, testou-se se a atual estrutura tarifária da SABESP leva
os grandes clientes da empresa a buscarem fontes alternativas de fornecimento de água. Os
resultados dos modelos estimados pelo estudo corroboraram a hipótese inicial, fornecendo
evidências de que a probabilidade de evasão dos clientes SABESP aumenta conforme cresce o
nível de consumo médio dos mesmos. O estudo também encontrou que os níveis de consumo
mensal em que a probabilidade chega próxima ao seu máximo, variaram entre 500m³ e
1200m³.
Este trabalho busca captar a sensibilidade dos clientes da SABESP aos preços. Acredita-se
que, a partir dos resultados aqui encontrados, torna-se possível a simulação de alternativas de
1
Professor Titular do Departamento de Economia FEA-USP.
2
Doutoranda em Economia pela FEA-USP.
3
Mestrando em Economia pela FEA-USP.
3
políticas tarifárias que permitam à SABESP defender ou ampliar sua participação no mercado
de fornecimento de água do Estado de São Paulo.
A estimação da demanda por água da SABESP foi feita com base no arquivo de clientes da
empresa e outras informações coletadas externamente. Os resultados sugerem que a
elasticidade-preço média dos clientes aqui analisados é baixa (-0,40), estando de acordo com a
teoria econômica. A sensibilidade aos preços por ramos de atividade mostraram ser
ligeiramente diferentes entre os tipos de atividades, entretanto, a maioria dos resultados
concentrou-se no intervalo de -1 a 0, para as elasticidades-preço. Dois outros resultados
relevantes foram: a elasticidade-preço crescente ao longo do tempo, o que indica o aumento da
sensibilidade dos consumidores aos preços da água nos últimos anos; e o viés positivo nas
estimações, o que indica que os grandes clientes são ligeiramente mais sensíveis do que foi
possível captar neste trabalho.
1 Base de Dados
1.1 Organização da Base de Dados
O trabalho se apóia em dados, disponibilizados diretamente pela SABESP, a respeito de seus
clientes comerciais e industriais, que foram considerados grandes clientes4 no Relatório de
Estimativa do Limiar de Evasão de Clientes. Para cada um desses clientes, foram fornecidas as
seguintes informações: código de RGI associado5; quantidade de água, esgoto e consumo
efluente faturados para cada mês do período de referência; valor da fatura de água, esgoto e
4
Foram considerados “grandes” clientes aqueles cujo consumo semestral médio superou 50 m3 em algum
momento do tempo entre julho de 2003 e agosto de 2008.
5
O número do RGI (determinado pelo campo CD_RGI no arquivo original) serviu para definir unicamente
cada cliente, de tal forma que todas as outras informações estão a ele ligadas. Vale ressaltar que é possível
que um determinado cliente mude de endereço e, com isso, passe a consumir do sistema SABESP através
de outro RGI. No entanto, não é possível identificar esses casos, dentro dessa base de dados. Apesar das
limitações da metodologia, a suposição de que os clientes permaneceram no mesmo RGI durante o período
analisado foi a única opção viável.
4
consumo efluente para cada mês do período de referência; tipo de ligação; código de categoria
de uso; tipo de tarifa; e ramo de atividade6.
Além dessas informações foram utilizados também os seguintes dados: o código de unidade de
negócio associado a cada RGI – informação trazida do Relatório de Estimativa do Limiar de
Evasão de Clientes. O período total de referência da pesquisa englobou 61 meses entre julho
de 2003 e agosto de 2008.
Outras duas variáveis fundamentais foram quantidade de água faturada (denominada
QT_CONSUMO_AGUA_FATURADO no arquivo original) e valor cobrado pela fatura
(denominada VL_AGUA no arquivo original). A partir do valor cobrado na fatura e da
quantidade de água faturada foi possível encontrar, através de uma divisão simples, o preço
pago por cada rgi em cada momento do tempo (mês/ano).
Para a criação de uma variável capaz de controlar, nas estimações, possíveis efeitos de
localidade, optou-se por utilizar o código de unidade de negócio atribuído a cada rgi (definido
pelo campo un). As unidades de negócio da SABESP foram codificadas da seguinte maneira:
Código
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Regional
Baixada Santista
Vale do Ribeira
Vale do Paraíba
Baixo Tietê e Grande
Pardo e Grande
Médio Tietê
Baixo Paranapanema
Alto Paranapanema
Litoral Norte
Capivari e Jundiaí
Centro de São Paulo
Norte de São Paulo
Sul de São Paulo
Leste de São Paulo
Oeste de São Paulo
6 As variáveis de ramos de atividade utilizadas estão descritas no Anexo B.
5
Por sua vez, o campo denominado ramo, que indicava o código do setor de atividade da
ligação, foi utilizado para controlar efeitos específicos à atividade fim dos clientes, pois se
espera que algumas atividades industriais induzam maior (ou menor) consumo de água.
Todas essas informações, exceto as informações de localidade, estavam contidas em 6
arquivos (um para cada ano do período de referência) de formato txt
denominados
FIPE_FATURAS_03, FIPE_FATURAS_04, FIPE_FATURAS_05, FIPE_FATURAS_06,
FIPE_FATURAS_07, FIPE_FATURAS_08. Cada linha (unidade de observação) desses
arquivos apresentava um RGI em um determinado momento do tempo (mês/ano). Sendo
assim, o número de observações é diferente em cada um dos arquivos basicamente por que o
número de RGIs ativos muda constantemente (alguns são desativados e outros ativados entre
um momento do tempo e outro). Deve-se ressaltar também que, para o ano de 2003 temos
apenas observações a partir de julho, e para 2008 temos apenas observações até agosto.
A montagem do banco de dados do trabalho começa, portanto, com a importação dos 6
arquivos em txt para um arquivo em Access denominado Faturas.mdb. Depois, esse arquivo é
convertido, fazendo uso do programa Statransfer, para banco de dados em STATA – dando
origem a outros 6 arquivos7. A rotina descrita no anexo A.1 foi usada para unir esses 6
arquivos em um único banco de dados denominado Todas.dta.
Unindo os arquivos unidadesdenegocio.dta8 e Todas.dta, através da rotina presente no anexo
A.2, foi montado o banco de dados Base Data.dta. Este banco de dados contém todas as
informações disponibilizadas para toda a amostra. Para fins de estimação, no entanto, foram
necessárias algumas alterações como exclusão de variáveis não utilizadas, a construção de
variáveis relevantes e extração de uma amostra aleatória9. A rotina disponível no anexo A.3
mostra as alterações feitas sobre o arquivo Base Data.dta que deram origem ao arquivo
Sample Base Data.dta. Este último arquivo serviu de base para todas as estimações do
trabalho.
7
Que são homônimos aos arquivos com extensão txt, mas com extensão dta.
8
Arquivo esse usado no Relatório Estimativa do Limiar de Evasão de Clientes.
9
Essas duas alterações são necessárias para tornar as estimações viáveis, dada capacidade de
processamento disponível.
6
Por fim, é importante destacar que a metodologia de cálculo de ex-clientes da SABESP
descrita no relatório anterior será utilizada neste trabalho.
1.2 Outras Variáveis do Estudo
As variáveis disponibilizadas pela SABESP, no entanto, não foram suficientes para a
especificação completa dos modelos que se pretendia estimar. Informações dos preços dos
concorrentes da SABESP – como os preços da água fornecida por empresas de caminhão-pipa
e por poços-artesianos e semi-artesianos perfurados – devem ser consideradas na estimação da
demanda. Além disso, medidas que controlem o tamanho dos clientes da SABESP, variável
esta importante para
a decisão dos mesmos em consumir água, permitem também a
identificação correta dos parâmetros que se pretende estimar.
Para encontrar as informações do tamanho do cliente, optou-se pelo levantamento, junto a
Prefeitura do Município de São Paulo e com o apoio da SABESP, da metragem quadrada dos
estabelecimentos comerciais e industriais de São Paulo. Esta informação pode ser considerada
uma aproximação da variável tamanho (produção, ou faturamento) da empresa, uma vez que
se acredita que empresas de maior porte de produção exijam maiores plantas ou espaços.
Os preços dos concorrentes foram coletados a partir dos resultados de pesquisa de campo
realizada por empresa contratada pela SABESP. A pesquisa calculou os preços da água, por
metros cúbicos, para caminhões-pipa em seis regiões de atuação da SABESP, todas dentro da
Região Metropolitana de São Paulo. Os preços são relativos à Janeiro de 2009, data de
aplicação dos questionários. Para poços artesianos e semi-artesianos, não foi possível calcular
preços consistentes para as seis regiões de interesse devido à falta de variabilidade nas regiões
e ao baixo nível de resposta das empresas perfuradoras e de consistência na formação de
preços.
7
Para deflacionar os preços da água, por caminhão-pipa para os períodos anteriores, foram
utilizados os seguintes índices de preços: Indice de Preços ao Consumidor (IPC-Fipe); e preço
dos Óleos Combustíveis da Associação Nacional de Petróleo (ANP)10.
Algumas questões sobre o mercado concorrente são importantes de serem destacadas. Um
exemplo seria a questão do preço e medição do esgoto produzido pelas ligações de água. Na
maioria dos clientes da SABESP, a quantidade utilizada de esgoto é calculada como sendo
equivalente ao consumo de água do período.
Segundo informado por técnicos da SABESP, em alguns clientes – principalmente aqueles em
que a água é insumo importante na produção – este cálculo é feito com maior precisão, de
maneira a não trazer prejuízos aos consumidores. No entanto, esta questão torna-se mais
relevante quando se analisa o mercado concorrencial, uma vez que não é realizada a medição
da água adquirida por fontes alternativas, o que é visto com grande preocupação, pois a
SABESP perde receita do consumo de água, devido à concorrência, e da utilização do esgoto.
Além disso, a SABESP ainda tem prejuízo devido aos custos de tratamento do esgoto
decorrentes da água comprada na concorrência.
Analisando os dados da SABESP e as informações extraídas da pesquisa de campo contratada
pela SABESP, pode-se verificar se o processo de formação de preço dos fornecedores de água
de caminhão-pipa tem alguma relação com o preço da água da SABESP. Com o intuito de
responder tal questão, realizou-se o seguinte exercício: Comparou-se o preço marginal da água
da SABESP para clientes comerciais e industriais com consumo acima de 50m3 com a média e
a mediana do preço da água de caminhão-pipa para cada unidade de negócio da região
metropolitana de São Paulo11.
De acordo com as tabelas abaixo, o preço médio da água de caminhão-pipa é sempre maior
que o preço marginal praticado pela SABESP nas unidades de negócio da capital. Quando se
considera a mediana dos preços para os mesmos locais, as estatísticas geram os mesmos
resultados. Contudo, o preço marginal da água para os clientes comerciais e industriais
10
Ver http://www.anp.gov.br/petro/precos_de_produtores.asp. Consulta feita em 30/01/2009.
11
Preços de acordo com o Comunicado 01/08 que comunica a estrutura tarifária da SABESP a todos os
municípios abastecidos.
8
SABESP é dobrado para grande parte dos consumidores, pois é considerado o volume de
esgoto recolhido, que se equipara ao volume de água faturado. Desta forma, o preço que os
consumidores exclusivos da Sabesp enfrentam é superior ao valor do m3 da água fornecida por
caminhão-pipa.
Preço Marginal da Água e Esgoto (SABESP) e Preço Médio do Caminhão-Pipa
Zona de SP
Centro
Norte
Sul
Leste
Oeste
Água Sabesp
preço
(marginal)
Esgoto
Sabesp preço
(marginal)
(Água + Esgoto)
Sabesp preço
(marginal)
10.18
10.18
10.18
10.18
10.18
10.18
10.18
10.18
10.18
10.18
20.36
20.36
20.36
20.36
20.36
Água de
Água de caminhãocaminhão-pipa pipa + Esgoto Sabesp
preço (média)
preço
14.42
20.32
18.22
15.62
17.45
24.60
30.50
28.40
25.80
27.63
Preço Marginal da Água e Esgoto (SABESP) e Mediana do Preço do Caminhão-Pipa
Zona de SP
Centro
Norte
Sul
Leste
Oeste
Água Sabesp Esgoto Sabesp (Água + Esgoto)
Água de
Água de caminhãopreço
preço
Sabesp preço
caminhão-pipa pipa + Esgoto Sabesp
(marginal)
(marginal)
(mediana)
preço (mediana)
preço (med + mg)
10.18
10.18
20.36
14.00
24.18
10.18
10.18
20.36
18.00
28.18
10.18
10.18
20.36
16.50
26.68
10.18
10.18
20.36
15.00
25.18
10.18
10.18
20.36
17.50
27.68
Com base nestas observações, pode-se concluir que os clientes desta região enxergam
vantagens artificiais no fornecimento alternativo (caminhão-pipa), uma vez que eles deixam de
pagar o valor devido pelo esgoto coletado. Na comparação entre os valores apenas da
distribuição da água, a SABESP apresenta preços mais vantajosos em todas as zonas da cidade
de São Paulo.
9
2 Metodologia
A seção metodológica está subdivida em três seções principais. A primeira discorre sobre a
importância da estimação da demanda e das elasticidades-preço, apresentando a maneira de
interpretação de cada especificação do modelo. Ainda nesta seção há um resumo dos
resultados de estudos anteriores sobre a demanda empresarial por água. A segunda seção
abrange os métodos de estimação utilizados, comparando e indicando a relevância de cada
metodologia. A seção final apresenta uma conclusão das especificações e metodologias para a
estimação do modelo.
2.1 Estudo da Demanda e Elasticidades
Segundo Varian (1994) e Pindyck e Rubinfeld (1994), a demanda pode ser definida como a
decisão de um consumidor adquirir determinado bem, seja este uma mercadoria ou um
serviço. Em outras palavras, seria a quantidade de produto que o consumidor, ou um conjunto
de consumidores, deseja consumidor frente a uma estrutura de preços dada no mercado em que
o produto é oferecido. É importante destacar que a quantidade demandada é medida em termos
da unidade de tempo do momento da decisão.
A quantidade demandada, ou quantidade desejada pelo consumidor, depende de diversos
fatores que influenciam os consumidores no momento em que este deseja adquirir
determinado produto. Entre os principais fatores de influência na decisão dos consumidores
destacam-se: preço do produto; preço dos produtos concorrentes (substitutos diretos ou
indiretos); preço dos produtos complementares; a renda do consumidor; preferência pelo
produto ou marca; tempo; entre outras variáveis específicas para cada mercado.
A demanda também impacta na quantidade ofertada, ou produzida das firmas, ou seja, a partir
de tendências observadas na quantidade demandada, as empresas vêem a necessidade de
aumentar a produção (oferta) para atender aos desejos de comprar dos consumidores.
A lei da demanda, decorrente da teoria do consumidor, define que a quantidade demandada de
um bem se reduz conforme aumenta o seu preço, tudo o mais constante. Assim, tem-se que,
10
em geral, a demanda por um bem, ou uma função de demanda pelo mesmo, é negativamente
relacionada com o preço do bem.
A principal característica da água é o fato de ser um recurso essencial à vida. A essencialidade
deste bem advém de dois principais usos deste fator: sobrevivência, ou seja, o uso da água
para hidratação do organismo; produção, uma vez que a aguá é utilizada como insumo na
processo produtivo de diversas indústrias – indústria de bebidas, resfriamento de motores,
mineração, agricultura, geração de energia, entre outras.
Neste trabalho pretende-se analisar a demanda por água para clientes industriais e comerciais.
Desta forma, acredita-se que a água possa ser caracterizada como um bem normal e apresente
elasticidades-preço (sensibilidade da demanda aos preços) negativas, sendo maiores para
ramos de atividade com processo produtivo intensivo em água.
Como a teoria econômica sempre se interessou em medir o quão sensível é a demanda em
relação aos preços e a renda, sendo a inclinação da curva de demanda sua principal medida,
temos que podemos descrevê-la por:
O principal problema desse tipo de medida é que a inclinação da curva de demanda depende
das unidades nas quais medimos a quantidade e o preço. Esse tipo de medida não permite
comparar a sensibilidade do consumo entre produtos com escalas de medida diferentes. Esse
tipo de comparação depende da existência de uma medida de sensibilidade que independa das
unidades de medida de preço e quantidade.
A elasticidade-preço da demanda é a principal medida adimensional para a sensibilidade do
consumo em relação à variação no preço. Ela é definida como a razão entre a variação
percentual na quantidade consumida e a variação percentual no preço. O coeficiente de
elasticidade-preço pode ser interpretado da seguinte forma: “Um incremento de 1% no preço
do bem x provoca uma variação de ε% na quantidade demandada do bem y”.
11
O sinal da elasticidade-preço da demanda em geral é negativo, uma vez que a teoria
econômica prevê uma relação negativa entre preço e quantidade demandada. Se um bem tiver
uma elasticidade da demanda maior que um em valor absoluto, dizemos que ele tem uma
demanda elástica. Se a elasticidade for menor que um em valor absoluto, dizemos que o bem
tem uma demanda inelástica.
A elasticidade-preço cruzada da demanda é uma medida usada para captar a sensibilidade do
consumo de um bem em relação à variação no preço dos outros bens. Ela é definida como a
razão entre a variação percentual na quantidade consumida e a variação percentual no preço de
outro bem qualquer. O coeficiente de elasticidade-preço cruzada pode ser interpretado da
seguinte forma: “Um incremento de 1% no preço do bem y provoca uma variação de δ% na
quantidade demandada do bem x”.
O sinal da elasticidade-preço cruzada da demanda depende da estrutura de preferências do
consumidor. Se o sinal da elasticidade cruzada for negativo, dizemos que os bens x e y são
complementares (exemplo: pão e manteiga; ou café e açúcar). Se o sinal da elasticidade
cruzada for positivo, dizemos que os bens x e y são substitutos, como por exemplo margarina e
manteiga.
2.1.1 Resumo das principais especificações da equação de demanda usadas
O modelo linear simples pode ser expresso da seguinte forma:
x = β 0 + β1 p x + β 2 w + β 3 p y + u
x: quantidade demandada do bem x.
px: preço do bem x.
w: renda dos consumidores.
12
py: preço do bem y (substituto ou complementar).
u: termo de erro.
O coeficiente β1 mede a inclinação da curva de demanda e possui a seguinte interpretação:
“Um incremento de uma unidade em px provoca uma variação de β1 unidades em x mantendo
tudo mais constante”. A elasticidade-preço é variável em um modelo de demanda linear e pode
ser calculada em cada ponto (ou na média das observações) através da seguinte fórmula:
O modelo log-log pode ser expresso da seguinte forma:
ln x = β 0 + β 1 ln p x + β 2 ln w + β 3 ln p y + u
O coeficiente β1 mede a elasticidade-preço da demanda e possui a seguinte interpretação: “Um
incremento de 1% em px provoca uma variação de β1% em x mantendo tudo mais constante”.
O modelo log-log pressupõe que a elasticidade seja constante ao longo de toda curva de
demanda.
O modelo log-lin pode ser expresso da seguinte forma:
ln x = β 0 + β 1 p x + β 2 w + β 3 p y + u
O coeficiente β1 possui a seguinte interpretação: “Um incremento de uma unidade em px
provoca uma variação de β1% em x mantendo tudo mais constante”. A elasticidade-preço é
variável em um modelo log-lin e pode ser calculada em cada ponto (ou na média das
observações) através da seguinte fórmula:
O modelo lin-log pode ser expresso da seguinte forma:
x = β 0 + β 1 ln p x + β 2 ln w + β 3 ln p y + u
O coeficiente β1 possui a seguinte interpretação: “Um incremento de 1% em px provoca uma
variação de β1 unidades em x mantendo tudo mais constante”. A elasticidade-preço é variável
13
em um modelo log-lin e pode ser calculada em cada ponto (ou na média das observações)
através da seguinte fórmula:
2.1.2 Resumo de outros estudos de demanda industrial e comercial por água
Alguns trabalhos podem ser encontrados na literatura de demanda por água, sendo a maior
parte realizada para consumidores residenciais, devido à disponibilidade de dados. A questão
crítica para a análise da demanda industrial e comercial é, na verdade, a existência de dados
para estes consumidores.
Em trabalho realizado por Feres et al. (2008), os autores estimaram a demanda por água de
usuários industriais no entorno da bacia do Rio Paraíba do Sul. A partir de uma pesquisa de
campo com 488 estabelecimentos industriais da região, o objetivo do estudo foi avaliar os
impactos financeiros e ambientais decorrentes da introdução da cobrança pelo uso da água na
bacia, através da análise do comportamento da demanda de água dos usuários industriais e da
estimação dos custos de controle de poluição.
Os autores estimaram um modelo econométrico especificando a estrutura de custos das
empresas, onde a água é vista como um insumo produtivo. A partir dos parâmetros estimados,
foram computadas as elasticidades-preço da demanda de água. Em seguida, avaliou-se o
impacto de aumentos no preço da água sobre a demanda de água e dos demais fatores de
produção, bem como sobre o custo total das empresas, através de simulações.
Adotou-se para a função custo de curto prazo uma especificação translog. Assim, a função de
demanda estimada foi a proporção de despesas com água em função dos preços dos demais
insumos de produção, do estoque de capital fixo e da produção total (todas estas variáveis em
logaritmo). A elasticidade-preço da demanda de água encontrada foi -0,58, o que significa que
um aumento de 1% no preço da água acarreta uma diminuição de 0,58% em sua demanda
14
total. Os autores também estimaram as elasticidades de água por ramo de atividade, sendo os
valores encontrados os seguintes:
•
Alimentos e bebidas: -0,82
•
Têxtil: -0,04
•
Vestuário, calçados e artigos de couro: -0,31
•
Madeira, borracha e plástico: -0,40
•
Papel e celulose: -0,76
•
Química: -0,71
•
Minerais não-metálicos: -0,22
•
Metalurgia: -0,48
•
Máquinas e equipamentos: -0,31
•
Material de transporte: -0,51
•
Outras: -0,33
Um estudo desenvolvido por Andrade et al. (1995) estimou a função demanda residencial
para consumidores da Empresa de Saneamento do Paraná (SANEPAR). Os dados também
foram coletados por meio de pesquisa de campo (feita em 1986) com 27 municípios e cerca de
cinco mil residências. Foram estimadas funções de demanda lineares para três classes de renda
(medidas em salários mínimos – SM), sendo variáveis independentes: o preço da água; a
diferença de preços entre o efetivamente pago e o devido; a renda familiar; e o número de
moradores. Os resultados mostram que a elasticidade-preço da demanda é menor que um para
todos os casos. A seguir estão listados os resultados encontrados pelos autores.
•
Elasticidade-preço Geral: -0,24
•
Elasticidade-preço para usuários com renda < 2 SM: -0,62
•
Elasticidade-preço para usuários com renda > 2 SM e < 10 SM: -0,17
•
Elasticidade-preço para usuários com renda > 10 SM: -0,22
A tabela a seguir resume os resultados das elasticidades-preço industriais, em módulo,
calculadas para alguns países por diversos estudos.
15
Fonte: Ribeiro et al. (1999).
Para os Estados Unidos, Grebenstein e Field (1979) estimaram elasticidades entre -0,33 e 0,80 para a demanda industrial de água. Resultados semelhantes foram encontrados por
Renzetti (1988) e Dupont e Renzetti (2001) para a indústria canadense. Já para a demanda
industrial de água da França, Reynaud (2003) calculou elasticidades-preço que variaram entre
-0,10 e -0,79 para os diversos ramos de atividade da indústria francesa.
2.2 Métodos de Estimação
Dois tipos de modelagens distintas foram utilizados para estimar a equação de demanda por
água da SABESP, sendo elas:
1) Modelo de Heckman com correção de viés de seleção com dados em corte transversal
empilhados;
2) Modelo de Efeitos Específicos (efeitos fixos e aleatórios) com dados em painel.
16
2.2.1 Modelo de Heckman
O procedimento proposto por Heckman (1979) busca corrigir problemas de viés de seleção.
Este tipo de problema ocorre quando a amostra que se pretende analisar é não-aleatória da
população. No caso da amostra disponibilizada pela SABESP, caso o objetivo fosse estimar a
demanda por água para os consumidores do Estado de São Paulo teríamos dois tipos de
problemas que causariam a não-aleatoriedade da amostra:
1) A amostra da SABESP é não representativa para explicar a população (Estado de São
Paulo): Existem questões tanto políticas, relacionadas à concessão da licença de fornecer água,
quanto econômicas, relacionadas à viabilidade no fornecimento para cidades pequenas e
afastadas, que fazem com que o fornecimento de água não seja feito pela SABESP nos demais
municípios de São Paulo;
2) A base de dados da SABESP não contém informações dos usuários das outras empresas de
água e saneamento, não contendo, portanto, informação do consumo e preços da água
adquirida nesta empresas. Assim, tem-se que ao longo do tempo os clientes que se retiraram
do sistema SABESP mantém um consumo residual.
Como a pretensão deste estudo engloba o entendimento da sensibilidade dos clientes da
SABESP, o primeiro item torna-se irrelevante e incorremos em apenas um tipo de viés de
seleção.
Assim, o procedimento em dois estágios pode ser sumariado da seguinte forma:
i)
Equação de Seleção: Estimação de um modelo Probit para a evasão de clientes
da SABESP (levando em conta, portanto, uma amostra com clientes que
evadiram e não evadiram), a partir da qual se pode obter a razão inversa de
Mills para cada ponto da amostra;
ii)
Equação Estrutural: Estimação por mínimos quadrados de uma equação de
demanda para a amostra de clientes da SABESP que inclua como regressor
adicional a razão inversa de Mills. Para contornar o problema de
17
heterocedasticidade dos erros da equação de retorno, é desejável utilizar erros
padrões robustos à heteroscedasticidade na linha de White (1980)12.
As variáveis independentes na equação de seleção foram: localidade do RGI; ramos de
atividade do cliente; volume médio faturado de água no nível (m³) e ao quadrado. A variável
dependente, conforme descrição em estudo anterior, foi definida por:
1, se o cliente saiu do sistema SABESP
Y= 
 0, caso contrário
A variável Y assume o valor 1 com base em critério definido anteriormente.
O primeiro estágio da estimação foi estimado por um Probit. A função Probit está relacionada
à função de distribuição da normal padronizada [Wooldridge, 2006]. Se Z for uma variável
aleatória normal padronizada, a sua função densidade de probabilidade é dada por:
φ (z) =
1 −0.5z 2
e
2π
A função Probit é, então, dada por:
z 1
2
Φ(z) = P(Z ≤ z) = ∫
e−0.5z
−∞ 2π
O modelo estatístico expressa a probabilidade do Y ser igual a 1, ou seja, o cliente saiu do
sistema SABESP, é dado por:
p = P[ Z ≤ Φ ( β1 + β 2 setor + β 3 (m 3 ) + β 4 (m 3 ) 2 )
em que os betas são os parâmetros a serem estimados usando-se as N observações da amostra.
O artigo de White (1980) recalcula os erros-padrão da re gressão, que são inconsistentes quando há
heterocedasticidade. White encontra um estimador robusto para a variância utilizando os mesmos
resultados da estimação por OLS.
12
18
A equação estrutural do modelo será uma equação de demanda, em que as variáveis
independentes são os preços da SABESP e concorrentes, dummies para os ramos de atividades
dos clientes, tamanho dos consumidores (via metragem quadrada dos imóveis), variáveis de
localidade (dummies para unidades de negócio). A equação estimada está descrita abaixo:
demanda t = β 0 + β 1 preçoSabes p i + β 2 preçoPipa i + αdummiesRa mos i +
+ αdummiesLo cal i + β 3 m 3 i + ε i
2.2.2 Modelo de Efeitos Específicos
As bases de dados que se encontram no formato de painel, ou seja, informações que tenham
tanto a dimensão de corte transversal (RGIs) quanto a dimensão temporal (meses e anos)
podem permitir um tratamento diferenciável. Isto porque dados em painel permitem que sejam
estimados efeitos intrínsecos aos RGIs que sejam constantes no tempo, chamados de efeitos
específicos.
Um modelo básico aplicado a dados em painel pode ser representado por:
yit = x'it β + z 'i α + ε it
O termo x’it possui K regressores, incluindo o vetor de 1’s (para a constante). Na equação
acima, o efeito específico, ou heterogeneidade, é representado por z’i α, onde zi contém um
conjunto de variáveis específicas para cada RGI, que podem ser observados ou não, e se
mantém constantes ao longo do tempo. O modelo a ser empregado depende do tipo de
heterogeneidade assumida. A seguir é apresentado um resumo de cada método de estimação.
Os textos a seguir foram escritos com base em Wooldridge (2006) e Wooldridge (2001).
2.2.2.1 Pooled OLS
Se o termo zi da equação anterior contiver apenas um termo constante, então o método dos
mínimos quadrados ordinários (Ordinary Least Squares, ou OLS) fornece estimativas
19
consistentes e eficientes de α e β. Neste caso, pode-se agrupar todos os dados em corte
transversal (ou cross section) para realizar uma regressão linear múltipla pelo método OLS,
que inclua, também, dummies temporais como variáveis explicativas.
A utilização do Pooled OLS pressupõe que os efeitos individuais (zi) tenham o seguinte
comportamento: E ( z i / xit ) = 0 e VAR ( z i / xit ) = 0 .
2.2.2.2 Efeitos Fixos (EF)
Se o mesmo termo zi discutido acima for não observado, mas correlacionado com xit, então o
estimador OLS é viesado e inconsistente, como conseqüência de uma variável relevante
omitida. Neste caso, o modelo pode ser formulado por: yit = x'it
β + α i + ε it
Nesta equação, αi = z’i α engloba os efeitos não observados, e constantes no tempo, que
afetam yit. Esta abordagem é chamada de efeito fixo exatamente por assumir que αi é um termo
constante específico de cada indivíduo que não varia ao longo do tempo.
Para cada i, pode-se tirar a média da equação: y i = x 'i β + α i + ε i
Como o termo αi é constante no tempo, ele aparecerá em ambas as equações. Subtraindo a
equação de sua média, temos:
yit − y i = ( xit − x i )' β + (ε it − ε i ) ou y it = x it β + ε it
em que y it = y it − y i ; x it = xit − x i e ε it = ε it − ε i .
É importante notar que o efeito individual, αi, desaparece, o que sugere que esta equação pode
ser estimada por Pooled OLS. Os estimadores obtidos por este procedimento são chamados de
estimadores de efeitos fixos ou estimadores within. O intuito da formulação por efeitos fixos é
eliminar αi, ou seja, todos os efeitos não observados que são constantes no tempo.
20
O modelo de EF perde N graus de liberdade na sua estimação, pois é preciso calcular as
médias para cada observação no tempo, assim o total de graus de liberdade é N.T-N=N(T-1)13.
É importante enfatizar que variáveis constantes no tempo não devem ser incluídas na
estimação de Efeitos Fixos, pois quando a média temporal é igual ao valor de cada observação
e ao se subtrair cada observação da média o resultado é zero e a variável fixa no tempo
desaparece da regressão (estas seriam perfeitamente colineares à variável αi, ou seja, não seria
possível estimar o modelo, pois a hipótese de inexistência de multicolinearidade perfeita não é
atendida).
2.2.2.3 Primeiras Diferenças
Outro método que corrige problemas de efeitos não observáveis, constantes no tempo e
correlacionados com os regressores é o método de First Differencing (FD) ou Primeiras
Diferenças (PD), que consiste em tirar as primeiras diferenças de todas as variáveis do
modelo.
Seja a equação a ser estimada: yit = x'it
β + α i + ε it ,
sabemos que no período anterior o
modelo é yit −1 = x'it −1 β + α i + ε it −1 . Tirando a diferença entre eles, temos:
yit − yit −1 = ( x'it − x'it −1 ) β + (ε it − ε it −1 ) ⇒ ∆yit = ∆x'it β + ∆ε it
Ou seja, o efeito não observável da regressão é eliminado e estima-se a mesma por OLS.
Entretanto, é importante notar que as hipóteses clássicas de regressão agora devem ser feitas
sobre o modelo das diferenças, e não mais sobre o modelo no nível.
Quando a dimensão temporal inclui apenas dois períodos (T=2), ambos os modelos geram os
mesmos resultados. No entanto, para mais períodos de tempo no painel (T>2), o melhor
estimador dependerá do padrão de autocorrelação dos erros. Se os erros são
Este método também é idêntico a se estimar a equação adicionando-se uma dummy para que cada indivíduo
tenha um intercepto diferente (modelo LSDV).
13
21
autocorrelacionados (são uma random walk, ou passeio aleatório), a primeira diferença deles
será estacionária, portanto o modelo de primeiras diferenças é melhor. Se os erros não são
autocorrelacionados, é melhor usar o estimador de efeitos fixos.
2.2.2.4 Efeitos Aleatórios (EA)
Caso o efeito individual não observado, ou específico, seja não correlacionado com xit, então,
o modelo pode ser formulado por:
yit = x'it β + E[ z 'i α ] + {z 'i α − E[ z 'i α ]} + ε it
yit = x'it β + (α + ui ) + ε it
A abordagem por efeitos aleatórios assume que ui é um erro específico aleatório, semelhante
ao termo εit, porém com a diferença de ser constante ao longo do tempo para cada indivíduo. A
equação acima pode ser consistentemente estimada por OLS, porém os estimadores serão
ineficientes (haverá termos constantes para os indivíduos somando no erro aleatório da
equação trazendo problema de autocorrelação). Assim, de maneira a corrigir este problema, a
metodologia de efeitos aleatórios estima os coeficientes utilizando o método GLS (Generalized
Least Squares). Além disso, as seguintes hipóteses sobre termo de erro aleatório específico
devem ser assumidas:
E (u i / xit ) = 0 e VAR (u i / xit ) = σ u2
O Modelo de Efeitos Aleatórios não tem perda de graus de liberdade tão grande quanto o
modelo de Efeitos Fixos, sendo o total de graus de liberdade = NT-k
22
2.2.2.5 Teste para comparação entre os métodos EF e EA
O que difere os dois modelos é justamente a correlação ou não dos regressores com os efeitos
específicos (heterogeneidades individuais), ou seja, o viés. Assim, utiliza-se o teste de
Haussman14 para comparar as duas metodologias. A hipótese nula do teste é:
H0: Corr(xit, αi)=0, i.e. β EF = β EA (não há viés, portanto, FE e EA são consistentes, mas EA é
mais eficiente, pois utiliza método GLS)
H1: Corr(xit, αi) ≠ 0, i.e. β EF ≠ β EA (há viés, portanto EA é inconsistente e EF é consistente)
A estatística do teste é dada pela seguinte expressão:
(
)[ (
H = βˆ EF − βˆ EA ' VAR βˆ EF ) − VAR ( βˆ EA
)] (βˆ
−1
EF
)
2
− βˆ EA ~ χ q
2.3 Conclusões sobre os Métodos de Estimação
A maioria das metodologias usadas para a estimação de curvas de demanda faz uso de
estimadores de variáveis instrumentais. Esse fato ocorre porque existe uma relação de
simultaneidade, ou dupla-causalidade, entre preço e quantidade, o que provoca violação da
hipótese clássica de exogeneidade das variáveis explicativas.
No presente estudo, não serão usados estimadores de variáveis instrumentais. O argumento
usado é que o preço é uma variável exógena no problema da firma. Esse argumento é
originário do fato de que a estrutura tarifária é de conhecimento prévio dos agentes na hora da
decisão de produção. Pode-se dizer que a estrutura tarifária é resultado de uma definição
institucional dos órgãos de gestão da Sabesp, logo ela pode ser considerada um dado para os
consumidores de água. Ou seja, a estrutura tarifária da Sabesp é definida por um processo
independente da decisão dos produtores na alocação de seus fatores de produção.
14
Ver Hausman (1978).
23
A escolha da especificação depende do comportamento que se espera da elasticidade na teoria.
É de se esperar que a elasticidade-preço da água não seja constante em relação à quantidade
consumida. Por isso, optou-se por escolher especificações com elasticidade variável. A
especificação escolhida foi o modelo log-lin. Estimou-se também um modelo log-log com
dummies de ano cruzadas com o logaritmo do preço para tentar mapear o comportamento da
elasticidade média dos clientes da SABESP ao longo do tempo.
A escolha do método de estimação variou com a natureza da base de dados. Os estimadores
mais apropriados para dados em painel foram os de efeito fixo e efeito aleatório. Já para a
amostra de dados em cross-section, o estimador mais apropriado foi o de Mínimos Quadrados
Ordinários com correção de viés de seleção via procedimento de Heckman.
Sabe-se que as duas bases de dados sofrem o problema de viés de seleção. Existem duas
explicações principais para esse problema: A primeira é que a base de dados da SABESP não
contém informações dos usuários das outras empresas de água e saneamento. A segunda
explicação é que ao longo do tempo uma série de clientes se retirou do sistema SABESP,
mesmo que tenha mantido algum consumo residual. Como vimos, a metodologia mais usada
para a solução da inconsistência causada pelo viés de seleção é o procedimento de Heckman.
A base de dados usada no trabalho só permite tratar o viés de seleção provocado pela evasão
de clientes da SABESP. Optou-se por tratar o problema do viés de seleção somente na base de
dados em cross-section. Essa escolha se deu por dois motivos. O primeiro motivo é que o
procedimento de Heckman envolve a estimação de uma equação de seleção. A correção do
viés de seleção para uma base de dados em painel envolve a estimação de um modelo não
linear para cada período de tempo da amostra. Esse procedimento não foi possível devido a
ausência de tempo. O segundo motivo é que o critério de definição de ex-cliente usado na
primeira fase do trabalho depende da média semestral de consumo e a base de dados em painel
do segundo envolve dados mensais. A mudança de periodicidade de cada uma das variáveis
(ex-clientes para mensal ou quantidade e preço para semestral) não obteve resultados
satisfatórios. Como somente uma parte dos modelos sofreu correção do viés de seleção, é
possível comparar as elasticidades dos dois modelos para saber o tamanho e o sinal do viés
assintótico.
24
A teoria prevê que a elasticidade-preço da água deve ser negativa e menor que um em
módulo. Esse fato aconteceria porque não existem fatores substitutos para a água no processo
produtivo. A redução no consumo desse fator se deve a racionalização de consumo e não pela
substituição. A teoria também prevê que o módulo da elasticidade deveria ser uma função
decrescente da quantidade consumida. Esse fato aconteceria porque a elasticidade-preço
cruzada entre água da SABESP e de fontes alternativa seria maior entre os grandes clientes. O
acesso a fontes alternativas de água seria maior entre os grandes clientes. Os projetos de poços
artesianos só seriam economicamente viáveis em grande escala porque demandam um grande
investimento. O preço da água de caminhão pipa deve ser menor para os grandes clientes
devido a um maior poder de barganha em relação aos fornecedores.
3. Resultados das Estimações
Optou-se por dividir os resultados em duas seções, uma para os modelos estimados com dados
em painel e outra para os modelos estimados com dados em cross-section. A parte dos
resultados dos modelos estimados com dados em painel foi dividida também em duas: uma
para os resultados do log-lin; e outra para os resultados do log-log com dummies de ano
cruzadas com o logaritmo do preço.
3.1 Modelos estimados com dados em painel
3.1.1 Modelo log-lin Geral
Os resultados das estimações do modelo log-lin por efeito fixo são mostrados a seguir:
25
Regressão de Efeitos Fixos
Variavel Grupo: rgi
R-sq: within = 0.1007
between = 0.1442
overall = 0.0566
Numero de obs
=
1121330
Numero de groups
=
22413
Obs por grupo: min =
1
avg =
50.0
max =
61
F(17,1098900)
=
7237.85
corr(u_i, Xb) = 0.1037
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf.]
-------------+---------------------------------------------------------------preco | -.0397846
.000118 -337.03
0.000
-.040016
-.0395532
m2 | -.0446056
.0025499
-17.49
0.000
-.0496032
-.0396079
m3 |
.0010611
.0025514
0.42
0.678
-.0039396
.0060617
m4 |
.0094581
.0025503
3.71
0.000
.0044595
.0144566
m5 |
.0044223
.0025497
1.73
0.083
-.0005751
.0094198
m6 |
.0008928
.0025469
0.35
0.726
-.0040991
.0058846
m7 | -.0331258
.0024648
-13.44
0.000
-.0379568
-.0282948
m8 | -.0719668
.0026083
-27.59
0.000
-.077079
-.0668547
m9 | -.0474607
.0026076
-18.20
0.000
-.0525715
-.0423499
m10 | -.0431305
.002607
-16.54
0.000
-.0482402
-.0380208
m11 | -.0130853
.0026037
-5.03
0.000
-.0181885
-.0079821
m12 |
-.002563
.0026021
-0.98
0.325
-.0076629
.002537
ano2 |
.0088415
.0021635
4.09
0.000
.0046011
.0130819
ano3 | -.0388726
.0021714
-17.90
0.000
-.0431285
-.0346168
ano4 | -.0519725
.0021773
-23.87
0.000
-.05624
-.047705
ano5 | -.0577352
.0021842
-26.43
0.000
-.0620161
-.0534543
ano6 |
-.072982
.0025458
-28.67
0.000
-.0779716
-.0679924
_cons |
3.519385
.0026935 1306.63
0.000
3.514106
3.524665
-------------+---------------------------------------------------------------sigma_u | 1.4205218
sigma_e | .54741635
rho | .87069747
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F para todo u_i=0:
F(22412, 1098900) =
322.35
Prob > F = 0.0000
O parâmetro de interesse – coeficiente da variável preço – apresenta o sinal previsto pela
teoria econômica e tem uma significância estatística elevada. As dummies de mês, com
exceção dos meses de março, junho e dezembro, também possuem uma significância
estatística muito elevada. Há evidências de que os meses de fevereiro, julho, agosto, setembro,
outubro e novembro apresentam, no nível, uma demanda de água menor que a do mês base
(janeiro). Os meses de abril e maio apresentam, em média, uma demanda levemente superior à
do mês base. As dummies de ano também possuem uma elevada significância estatística.
Pode-se concluir que todos os anos, exceto o de 2004, apresentaram uma demanda média de
água superior à do ano base (2003). Esse resultado era esperado porque, de acordo com o
relatório anterior, a demanda de água da SABESP apresenta uma tendência de crescimento
entre os anos de 2003 e 2008.
As estimações do modelo log-lin por efeito aleatório apresentaram os seguintes resultados15:
15
A descrição das variáveis dos ramos de atividade encontra-se no Anexo B deste relatório.
26
Regressão Efeitos Aleatórios GLS
Numero de obs
=
1121330
Variável de Grupo: rgi
Numero de grupos
=
22413
R-sq: within = 0.1006
Obs por group: min =
1
between = 0.4380
avg =
50.0
overall = 0.3726
max =
61
Efeitos Aleatorios u_i ~ Gaussian
Wald chi2(124)
= 142955.37
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf.]
-------------+---------------------------------------------------------------preco | -.0402844
.0001181 -341.24
0.000
-.0405157
-.040053
m2 | -.0445692
.0025551
-17.44
0.000
-.0495772
-.0395612
m3 |
.0011057
.0025567
0.43
0.665
-.0039053
.0061166
m4 |
.0095384
.0025556
3.73
0.000
.0045296
.0145473
m5 |
.0044622
.002555
1.75
0.081
-.0005455
.00947
m6 |
.0008357
.0025521
0.33
0.743
-.0041664
.0058378
m7 |
-.033193
.0024698
-13.44
0.000
-.0380337
-.0283522
m8 | -.0719705
.0026137
-27.54
0.000
-.0770931
-.0668478
m9 | -.0475032
.002613
-18.18
0.000
-.0526246
-.0423819
m10 | -.0430795
.0026124
-16.49
0.000
-.0481997
-.0379592
m11 | -.0130799
.0026091
-5.01
0.000
-.0181936
-.0079662
m12 | -.0024396
.0026074
-0.94
0.349
-.0075501
.0026709
ano2 |
.0093691
.0021677
4.32
0.000
.0051206
.0136177
ano3 | -.0382082
.0021754
-17.56
0.000
-.0424719
-.0339444
ano4 | -.0511302
.0021813
-23.44
0.000
-.0554055
-.0468549
ano5 | -.0568262
.002188
-25.97
0.000
-.0611147
-.0525377
ano6 | -.0723707
.0025499
-28.38
0.000
-.0773683
-.067373
ramo2 |
.6146703
.2893153
2.12
0.034
.0476228
1.181718
ramo3 | -.2620718
.1071176
-2.45
0.014
-.4720184
-.0521252
ramo4 | -.7298112
.1544631
-4.72
0.000
-1.032553
-.4270692
ramo5 |
1.038474
1.013229
1.02
0.305
-.9474195
3.024367
ramo6 |
.0191015
.1155266
0.17
0.869
-.2073264
.2455294
ramo7 | -.4560035
.2354116
-1.94
0.053
-.9174018
.0053949
ramo8 | -.2746203
.1151509
-2.38
0.017
-.500312
-.0489287
ramo9 | -.4595155
.1063342
-4.32
0.000
-.6679267
-.2511044
ramo10 | -.7253666
.1107845
-6.55
0.000
-.9425003
-.5082329
ramo11 |
.0723221
.5919907
0.12
0.903
-1.087958
1.232603
ramo12 | -.8328423
.1733427
-4.80
0.000
-1.172588
-.4930969
ramo13 |
.0374251
.1104997
0.34
0.735
-.1791503
.2540005
ramo14 | -.0850675
1.01421
-0.08
0.933
-2.072883
1.902748
ramo15 | -.5301549
.1606884
-3.30
0.001
-.8450984
-.2152115
ramo16 |
1.104021
1.013415
1.09
0.276
-.8822368
3.090279
ramo17 | -.8031789
.3108502
-2.58
0.010
-1.412434
-.1939238
ramo18 | -1.206636
.7210085
-1.67
0.094
-2.619787
.2065147
ramo19 |
-1.99598
1.05934
-1.88
0.060
-4.072249
.080288
ramo20 | -.8244769
.3738015
-2.21
0.027
-1.557114
-.0918394
ramo21 | -.6271051
.1068726
-5.87
0.000
-.8365716
-.4176386
ramo22 | -.4898432
.1095538
-4.47
0.000
-.7045648
-.2751217
ramo23 | -.4443183
.3393296
-1.31
0.190
-1.109392
.2207555
ramo24 | -1.769497
1.014424
-1.74
0.081
-3.757732
.2187377
ramo25 | -.6504823
.1082355
-6.01
0.000
-.8626199
-.4383447
ramo26 | -1.634491
.7211198
-2.27
0.023
-3.04786
-.2211218
ramo27 | -.4556202
.2407302
-1.89
0.058
-.9274428
.0162024
ramo28 |
1.71007
1.013415
1.69
0.092
-.2761876
3.696328
ramo29 | -.7533778
1.013679
-0.74
0.457
-2.740153
1.233397
ramo30 |
1.768905
.5158523
3.43
0.001
.7578531
2.779957
ramo31 | -.4175923
.1299203
-3.21
0.001
-.6722315
-.1629532
ramo32 | -.1623362
.132204
-1.23
0.219
-.4214513
.0967789
ramo33 | -.8408052
.1817063
-4.63
0.000
-1.196943
-.4846673
ramo34 | -.4371768
.1559627
-2.80
0.005
-.742858
-.1314957
ramo35 | -.4134203
.1578814
-2.62
0.009
-.722862
-.1039785
ramo36 | -.1196648
.1137838
-1.05
0.293
-.3426769
.1033474
ramo37 | -.0702066
.3368954
-0.21
0.835
-.7305094
.5900963
ramo38 | -.7333156
.298804
-2.45
0.014
-1.318961
-.1476705
ramo39 | -.0018745
.2663451
-0.01
0.994
-.5239014
.5201524
ramo40 |
.8818089
.5931714
1.49
0.137
-.2807858
2.044404
ramo41 | -.3836535
.1623334
-2.36
0.018
-.7018212
-.0654859
ramo42 | -.1273018
.5919309
-0.22
0.830
-1.287465
1.032861
ramo43 |
.0279546
.7295946
0.04
0.969
-1.402025
1.457934
ramo44 |
.2157916
.2896532
0.74
0.456
-.3519184
.7835015
ramo45 |
4.009354
1.013323
3.96
0.000
2.023276
5.995431
27
ramo46 |
4.818028
1.013229
4.76
0.000
2.832134
6.803921
ramo47 | -.1033363
.5151893
-0.20
0.841
-1.113089
.9064162
ramo48 |
1.824909
1.013449
1.80
0.072
-.1614145
3.811233
ramo49 |
1.027686
1.013323
1.01
0.310
-.9583913
3.013763
ramo50 |
1.143693
1.013323
1.13
0.259
-.8423846
3.12977
ramo51 | -.5212315
1.013763
-0.51
0.607
-2.508171
1.465708
ramo52 | -.1614326
1.013323
-0.16
0.873
-2.14751
1.824644
ramo53 |
1.250813
.3520041
3.55
0.000
.5608974
1.940728
ramo54 |
1.646264
.2986931
5.51
0.000
1.060836
2.231692
ramo55 |
.3036511
.3716352
0.82
0.414
-.4247406
1.032043
ramo56 | -.3489185
.1799513
-1.94
0.053
-.7016164
.0037795
ramo57 |
-.463593
.1194537
-3.88
0.000
-.6977179
-.2294681
ramo58 | -.2103919
.239623
-0.88
0.380
-.6800443
.2592606
ramo59 |
.3352936
.2004975
1.67
0.094
-.0576742
.7282615
ramo60 |
.2767586
.2006061
1.38
0.168
-.1164221
.6699392
ramo61 | -.2325688
.1336515
-1.74
0.082
-.4945209
.0293832
ramo62 | -.1023147
.1101403
-0.93
0.353
-.3181857
.1135563
ramo63 | -.3041297
.1572401
-1.93
0.053
-.6123146
.0040552
ramo64 |
.0830777
.1300079
0.64
0.523
-.1717331
.3378886
ramo65 |
.1445813
.1550378
0.93
0.351
-.1592871
.4484497
ramo66 | -.6039076
.1948324
-3.10
0.002
-.985772
-.2220431
ramo67 |
1.181561
1.01325
1.17
0.244
-.8043724
3.167495
ramo68 |
.2651062
.1516706
1.75
0.080
-.0321627
.562375
ramo69 | -.1813169
.1544191
-1.17
0.240
-.4839729
.121339
ramo70 |
2.360224
1.013415
2.33
0.020
.3739659
4.346482
ramo71 | -.8048873
.1181048
-6.82
0.000
-1.036368
-.5734061
ramo72 | -.0153779
.1286679
-0.12
0.905
-.2675623
.2368065
ramo73 | -.3602758
.5161048
-0.70
0.485
-1.371823
.651271
ramo74 | -1.331229
.5177874
-2.57
0.010
-2.346073
-.316384
ramo75 |
1.638287
1.013364
1.62
0.106
-.3478693
3.624444
ramo76 | -.4704409
.1690152
-2.78
0.005
-.8017045
-.1391773
ramo77 | -.5276877
.3008065
-1.75
0.079
-1.117258
.0618823
ramo78 | -.1149472
.1314536
-0.87
0.382
-.3725916
.1426972
ramo79 | -.5520101
.3233381
-1.71
0.088
-1.185741
.0817209
ramo80 | -.2467005
.5152842
-0.48
0.632
-1.256639
.763238
ramo81 |
.4582273
1.013516
0.45
0.651
-1.528227
2.444682
ramo82 | -1.298118
.6006044
-2.16
0.031
-2.475281
-.120955
ramo83 | -.2932095
.2247012
-1.30
0.192
-.7336158
.1471968
ramo84 | -.3480183
.4272201
-0.81
0.415
-1.185354
.4893176
ramo85 | -1.669314
1.013416
-1.65
0.100
-3.655572
.3169444
ramo86 | -.1177546
.2459214
-0.48
0.632
-.5997517
.3642425
ramo87 | -.1668965
.1102787
-1.51
0.130
-.3830386
.0492457
ramo88 | -.2900593
.2279149
-1.27
0.203
-.7367643
.1566457
ramo89 | -.4639346
.1128447
-4.11
0.000
-.6851061
-.2427631
ramo90 | -.6684825
.1095333
-6.10
0.000
-.8831637
-.4538013
ramo91 |
.3443845
.5149043
0.67
0.504
-.6648093
1.353578
ramo92 | -.8970323
.4648817
-1.93
0.054
-1.808184
.014119
ramo93 |
.8533247
.4251512
2.01
0.045
.0200437
1.686606
ramo94 | -.4479669
1.016006
-0.44
0.659
-2.439302
1.543368
un2 | -.5246212
.0536315
-9.78
0.000
-.629737
-.4195054
un3 | -.3237848
.028731
-11.27
0.000
-.3800966
-.2674731
un4 | -.6146682
.0449162
-13.68
0.000
-.7027024
-.5266341
un5 | -.5953283
.0318402
-18.70
0.000
-.6577338
-.5329227
un6 | -.4854245
.0345086
-14.07
0.000
-.55306
-.4177889
un7 | -.6504097
.0313471
-20.75
0.000
-.7118489
-.5889705
un8 | -.5734984
.0349535
-16.41
0.000
-.642006
-.5049909
un9 |
.3112538
.049196
6.33
0.000
.2148314
.4076762
un10 |
-.414016
.0377698
-10.96
0.000
-.4880434
-.3399886
un11 |
1.40965
.0247108
57.05
0.000
1.361218
1.458083
un12 |
.6926063
.0349737
19.80
0.000
.6240591
.7611535
un13 |
1.154683
.0337272
34.24
0.000
1.088578
1.220787
un14 |
.9162281
.050966
17.98
0.000
.8163366
1.01612
un15 |
1.031784
.0380479
27.12
0.000
.9572116
1.106357
_cons |
3.612666
.1063475
33.97
0.000
3.404229
3.821103
-------------+---------------------------------------------------------------sigma_u | 1.0030894
sigma_e | .54741711
rho | .77052142
(fraction of variance due to u_i)
------------------------------------------------------------------------------
28
Um fato curioso que pode ser observado na tabela acima é que os estimadores apresentam
valores muito parecidos aos da estimação por efeitos fixos, sobretudo para o parâmetro de
interesse. Como ambos os modelos foram estimados a partir de uma base de dados com mais
de 1.000.000 de observações, pode-se argumentar que o viés assintótico causado pela
correlação entre os efeitos específicos e os regressores é muito pequeno no nível. Entretanto,
deve-se analisar tal magnitude em relação ao erro-padrão da diferença entre os estimadores.
Outro ponto importante que pode ser observado na tabela acima é que todas as dummies de
unidade de negócio apresentaram elevada significância estatística. Clientes das unidades de
negócio com números 2 (Vale do Ribeira), 3 (Vale do Paraíba), 4 (Baixo Tietê e Grande), 5
(Pardo e Grande), 6 (Médio Tietê), 7 (Baixo Paranapanema), 8 (Alto Paranapanema) e 10
(Capivari e Jundiaí) apresentaram, em média, consumo de água inferior aos clientes da
unidade de negócio base (unidade 1). As unidades de negócio 9 (Litoral Norte), 11 (Centro de
São Paulo), 12 (Norte de São Paulo), 13 (Sul de São Paulo), 14 (Leste de São Paulo) e 15
(Oeste de São Paulo) apresentaram, em média, consumo de água superior ao da unidade de
negócio 1 (Baixada Santista). Esse resultado era esperado porque, de acordo com o relatório
anterior, o consumo médio de água é maior na região metropolitana do que no interior. Grande
parte das dummies de ramo de atividade é individualmente significante. Uma parcela razoável
dos ramos de atividade apresentou demanda de água menor que a do ramo-base (ramo1).
Como uma parcela considerável dos coeficientes das dummies de ano não se mostrou
estatísticamente significante individualmente, optou-se por fazer um teste de significância
conjunta para evitar o problema de inclusão de variáveis irrelevantes. O resultado do teste
encontra-se abaixo:
chi2( 93) = 1351.58
Prob > chi2 = 0.0000
O teste conjunto permite rejeitar, a 5% de nível de significância, a hipótese de que os
coeficientes de todas as dummies de ramo são iguais a zero. Optou-se, portanto, em manter
todas as dummies de ramo de atividade no modelo de efeito aleatório.
Como já foi descrito anteriormente, o coeficiente angular do preço no modelo log-lin não
mede diretamente a elasticidade-preço. Dado que, em um modelo log-lin, cada observação da
amostra apresenta uma elasticidade-preço diferente, optou-se por criar a variável elasticidade e
29
estudar o comportamento de suas estatísticas descritivas. A tabela abaixo fornece a estimação
pontual das elasticidades em cada nível de consumo16 e o intervalo de confiança de 95%.
Consumo (m3)
100
200
300
400
500
600
700
800
900
1000
1200
1400
1600
1800
2000
2200
2400
2600
2800
3000
3200
Elasticidade
-0.3633
-0.3918
-0.4013
-0.4061
-0.4089
-0.4108
-0.4122
-0.4132
-0.4140
-0.4146
-0.4156
-0.4162
-0.4167
-0.4171
-0.4175
-0.4177
-0.4179
-0.4181
-0.4183
-0.4184
-0.4116
IC Mín
-0.3651
-0.3938
-0.4033
-0.4081
-0.4110
-0.4129
-0.4142
-0.4153
-0.4161
-0.4167
-0.4176
-0.4183
-0.4188
-0.4192
-0.4196
-0.4198
-0.4200
-0.4202
-0.4204
-0.4205
-0.4137
IC Máx
-0.3614
-0.3898
-0.3993
-0.4040
-0.4068
-0.4087
-0.4101
-0.4111
-0.4119
-0.4125
-0.4135
-0.4141
-0.4146
-0.4150
-0.4154
-0.4156
-0.4158
-0.4160
-0.4162
-0.4163
-0.4096
A elasticidade média ou elasticidade calculada na média apresentou o valor de -0.40. O gráfico
abaixo ilustra a evolução da elasticidade com o aumento do consumo médio.
16
Para esta tabela, foram calculados os preços médios de cada volume consumido com base na estrutura
tarifária da Sabesp para a capital.
30
Elasticidade
0.43
0.42
0.41
e
d
a 0.40
id
c
it 0.39
s
a
l
E0.38
a
d0.37
o
l
u
d0.36
ó
M
0.35
0.34
0.33
Consumo faturado
Elasticidade
Pode-se perceber que o módulo da elasticidade apresenta um comportamento monotônico
crescente ao longo das faixas de consumo. A função cresce bastante até os 400-500 m3. Este
comportamente está de acordo com a teoria econômica, pois o módulo da elasticidade deveria
ser crescente nas faixas de consumo.
Em linhas gerais, os resultados que se pode extrair dos modelos log-lin são os seguintes:
(i) A água é um fator cuja demanda é pouco elástica;
(ii) A média da elasticidade-preço é de, aproximadamente, -0,4 e uma razoável dispersão em
relação a essa média;
(iii) Considerando a estrutura atual tarifária da Sabesp, a sensiblidade dos consumidores
aumenta conforme estes adquiram maiores volumes da concessionária.
31
3.1.2 Modelo log-lin por Ramos de Atividade
Foram estimados os modelos de efeitos fixos e aleatórios para os ramos de atividade em
separado. Os resultados dos modelos estão reportados no Anexo C deste relatório e as
agregações dos ramos de atividade, que geraram os grupos de atividades estimados, são
mostradas no Anexo D. As elasticidades médias de cada modelo estão resumidas nas tabelas a
seguir:
Resultados do Modelo de Efeitos Fixos
Ramos de Atividades
Atividades Agrícolas
Atividades não Identificadas
Comércio
Construção Civil
Serviços de Educação e Saúde
Eletricidade e Saneamento
Atividades Extrativistas
Fabricação de Máquinas e Equipamentos
Atividades Financeiras
Atividades Imobiliárias
Indústria Final
Indústria Metalúrgica
Outras Atividades
Pesquisa e Desenvolvimento
Petroquímicas e Indústria Química
Serviços Gráficos
Serviços - Outros
Telecomunicações
Serviços de Transporte
Elasticidade
-0,6357
-0,5698
-0,0904
-0,1315
-0,3690
-0,1417
-0,2290
0,3270
0,0221
-0,2290
-0,1437
-0,3678
-0,3389
-1,0307
0,5224
-0,3383
-0,4965
-0,4831
-0,3238
ErroPadrão
0,0479
0,0013
0,0008
0,0242
0,0046
0,0167
0,0635
0,0290
0,0164
0,0034
0,0086
0,0120
0,0031
0,0939
0,0234
0,0332
0,0024
0,0171
0,0118
Teste t
-13,3
-446,8
-112,7
-5,4
-81,1
-8,5
-3,6
11,3
1,4
-66,8
-16,6
-30,6
-109,4
-11,0
22,4
-10,2
-206,4
-28,3
-27,5
p-valor ICMin
0
0
0
0
0
0
0
0
0,18
0
0
0
0
0
0
0
0
0
0
-0,7295
-0,5723
-0,0920
-0,1789
-0,3779
-0,1744
-0,3535
0,2702
-0,0100
-0,2357
-0,1606
-0,3913
-0,3450
-1,2147
0,4766
-0,4034
-0,5012
-0,5166
-0,3468
ICMax
-0,5418
-0,5673
-0,0888
-0,0842
-0,3601
-0,1091
-0,1046
0,3839
0,0542
-0,2222
-0,1267
-0,3442
-0,3329
-0,8466
0,5681
-0,2732
-0,4918
-0,4496
-0,3007
32
Resultados do Modelo de Efeitos Aleatórios
Ramos de Atividades
Atividades Agrícolas
Atividades não Identificadas
Comércio
Construção Civil
Serviços de Educação e Saúde
Eletricidade e Saneamento
Atividades Extrativistas
Fabricação de Máquinas e Equipamentos
Atividades Financeiras
Atividades Imobiliárias
Indústria Final
Indústria Metalúrgica
Outras Atividades
Pesquisa e Desenvolvimento
Petroquímicas e Indústria Química
Serviços Gráficos
Serviços - Outros
Telecomunicações
Serviços de Transporte
Elasticidade
-0,4982
-0,5724
-0,0920
-0,1305
-0,3729
-0,1430
-0,0417
0,3380
0,0223
-0,2311
-0,1414
-0,3662
-0,3407
-1,0436
0,5348
-0,3322
-0,4998
-0,4846
-0,3234
ErroPadrão
0,0629
0,0013
0,0008
0,0241
0,0045
0,0166
0,0651
0,0290
0,0163
0,0034
0,0086
0,0120
0,0031
0,0898
0,0233
0,0331
0,0024
0,0170
0,0117
Teste t
-7,9
-449,8
-114,4
-5,4
-82,2
-8,6
-0,6
11,7
1,4
-67,3
-16,5
-30,5
-110,3
-11,6
22,9
-10,0
-208,7
-28,5
-27,6
p-valor ICMin
0
0
0
0
0
0
0,521
0
0,17
0
0
0
0
0
0
0
0
0
0
-0,6214
-0,5749
-0,0936
-0,1776
-0,3818
-0,1756
-0,1693
0,2812
-0,0097
-0,2378
-0,1582
-0,3897
-0,3467
-1,2195
0,4891
-0,3971
-0,5045
-0,5179
-0,3464
ICMax
-0,3751
-0,5699
-0,0905
-0,0833
-0,3640
-0,1105
0,0858
0,3948
0,0543
-0,2243
-0,1245
-0,3427
-0,3346
-0,8676
0,5805
-0,2673
-0,4951
-0,4513
-0,3004
Os resultados foram bastante parecidos. Os valores das elaticidades foram ao encontro dos
valores encontrados em análises empíricas anteriores e se mantiveram, em maioria, no
intervalo de -1 e 0. As exceções do modelo foram as atividades “Petroquímica e Indústria
Química” e “Fabricação de Máquinas e Equipamentos” que apresentaram elasticidades-preço
estimadas positivas. Este resultado pode ser conseqüência de um problema de endogeneidade
gerado pela viés de seleção amostral e pela omissão de variáveis relevantes, pois grande parte
das empresas destes setores utilizam água como insumo na produção, logo informações de
mercado e de outros insumos da indústria deveriam ser acrescidos ao modelo.
3.1.3 Modelo log-log com dummies de ano cruzadas com o logaritmo do preço.
Os resultados do modelo log-log foram os seguintes:
Regressao GLS – Efeitos Aleatorios
Numero de obs
=
1117261
Grupo variavel: rgi
Numero de groups
=
22284
R-sq: within = 0.3775
Obs por grupo: min =
1
between = 0.4571
avg =
50.1
overall = 0.3942
max =
61
Efeitos Aleat u_i ~ Gaussian
Wald chi2(28)
= 678055.58
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro pad.
z
P>|z|
[95% Intervalo de Conf]
-------------+---------------------------------------------------------------log_preco |
-.74368
.0025863 -287.55
0.000
-.7487491
-.738611
log_preco~o2 | -.0017407
.0028597
-0.61
0.543
-.0073457
.0038643
log_preco~o3 | -.0245147
.0028647
-8.56
0.000
-.0301294
-.0188999
33
log_preco~o4 | -.0331375
.0028755
-11.52
0.000
-.0387735
-.0275016
log_preco~o5 | -.0363465
.0028835
-12.61
0.000
-.041998
-.030695
log_preco~o6 | -.0463091
.0031732
-14.59
0.000
-.0525285
-.0400897
m2 | -.0293204
.0021359
-13.73
0.000
-.0335067
-.025
m3 |
.0021772
.002137
1.02
0.308
-.0020112
.0063656
m4 |
.0038072
.0021362
1.78
0.075
-.0003797
.007994
m5 |
.0026054
.0021357
1.22
0.222
-.0015804
.0067912
m6 | -.0018225
.0021332
-0.85
0.393
-.0060035
.0023584
m7 |
-.03025
.0020642
-14.65
0.000
-.0342957
-.0262042
m8 |
-.059087
.0021843
-27.05
0.000
-.0633682
-.0548057
m9 | -.0432186
.0021836
-19.79
0.000
-.0474984
-.0389388
m10 | -.0299662
.0021832
-13.73
0.000
-.0342451
-.0256873
m11 |
.0068489
.0021807
3.14
0.002
.0025748
.011123
m12 |
.0386577
.0021806
17.73
0.000
.0343837
.0429317
ano2 |
.0997069
.0041625
23.95
0.000
.0915485
.1078653
ano3 |
.1272832
.0042284
30.10
0.000
.1189957
.1355707
ano4 |
.1697045
.0043138
39.34
0.000
.1612496
.1781593
ano5 |
.1974015
.0043755
45.12
0.000
.1888257
.2059774
ano6 |
.224309
.0050037
44.83
0.000
.2145021
.234116
faixa1 |
1.069075
.0020428
523.35
0.000
1.065071
1.073078
faixa2 |
1.835296
.0045649
402.04
0.000
1.826349
1.844243
faixa3 |
2.448475
.0071762
341.19
0.000
2.43441
2.462541
faixa4 |
3.036047
.0129695
234.09
0.000
3.010627
3.061466
faixa5 |
3.608524
.0227194
158.83
0.000
3.563995
3.653053
faixa6 |
4.193937
.029965
139.96
0.000
4.135206
4.252667
_cons |
3.875752
.007274
532.82
0.000
3.861495
3.890009
-------------+---------------------------------------------------------------sigma_u | .90356936
sigma_e | .45492624
rho | .79777331
(fraction of variance due to u_i)
------------------------------------------------------------------------------
134
O parâmetro de interesse (coeficiente da variável log_preco) apresenta uma significância
estatística muito elevada. Pode-se observar também que todas as dummies cruzadas com o
logaritmo do preço, exceto a do segundo ano da amostra, também apresentam elevada
significância estatística. O valor da elasticidade-preço da água em cada ano é dado pela soma
do coeficiente da variável log_preco com a respectiva dummy de ano cruzada com o preço.
Pode-se observar no gráfico abaixo que o módulo da elasticidade-preço da água da SABESP
apresenta um comportamento crescente ao longo do tempo, ou seja, os consumidores estão se
tornando menos inelásticos, ou mais elásticos, com a evolução temporal. Esse fato pode ter
sido causado pelo aumento de fornecimento de fontes alternativas, aumentando a competição
pelo surgimento de novos fornecedores.
34
Como foi visto no estudo anterior realizado pela Fipe, existem evidências da saída de grandes
clientes comerciais e industriais da SABESP devido ao mercado concorrente. Diante dessa
evidência, pode-se afirmar que os fornecedores de fontes alternativas tiveram um ganho de
competitividade em relação a SABESP. Esse ganho de competitividade pode ter sido
ocasionado por fatores internos e externos aos produtores de fontes alternativas. Os fatores
internos são mudanças nos preços relativos causadas por melhorias na estrutura de custos
dessas firmas. Um exemplo possível seria alguma inovação no processo de perfuração de
poços artesianos. Os fatores externos às empresas de fontes alternativas seriam aqueles ligados
à estrutura tarifaria da SABESP. Pode-se supor que a relativa estabilidade da política de preços
da SABESP, relacionada à estrutura tarifaria pouco variante, pode ter levado a uma melhora
no preço relativo da água de fontes alternativas, o que levou ao aumento na saída de grandes
clientes e ao aumento na elasticidade-preço da água da SABESP.
As dummies temporais, com exceção dos meses de março, abril, maio e junho, também
possuem uma significância estatística elevada. Pode-se concluir que os meses do ano de
fevereiro, novembro e dezembro apresentaram, em média, uma demanda de água maior que a
do mês base (janeiro). Os outros meses apresentaram, em média, uma demanda menor que a
do mês base (janeiro). As dummies de ano também possuem uma elevada significância
estatística. As evidências deste modelo permitem concluir que todos os anos, apresentaram,
em média, uma demanda de água superior a do ano base (2003). Como já foi escrito
35
anteriormente, esse resultado é coerente com o fato da demanda por água da Sabes ter crescido
entre 2003 e 2008. Esses resultados são razoavelmente coerentes com os resultados da
especificação anterior.
3.2 Modelos estimados com dados em cross-section
3.2.1 Modelo log-lin para cross-section utilizando Procedimento de Heckman
Os resultados do modelo estimado por dois estágios estão descritos na tabela abaixo, seguidos
dos resultados da regressão de Mínimos Quadrados Ordinários (MQO)17:
Modelo de Seleção de Heckman
(modelo de regressão com selecão amostral)
Numero de obs
=
11925
Censored obs
=
11416
Uncensored obs
=
509
Wald chi2(41)
=
308.97
Log likelihood = -2502.984
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------|
Coef.
Erro-Pad
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------log_qtde
|
preco | -.0405803
.0026775
-15.16
0.000
-.0458281
-.0353326
area | -7.17e-07
.0000157
-0.05
0.964
-.0000315
.0000301
ramo2 | -.9995972
1.521236
-0.66
0.511
-3.981166
1.981971
ramo3 |
.9349537
1.247523
0.75
0.454
-1.510146
3.380053
ramo5 |
1.264958
1.272536
0.99
0.320
-1.229166
3.759082
ramo7 |
1.301614
1.263003
1.03
0.303
-1.173827
3.777055
ramo8 |
.6940542
1.648381
0.42
0.674
-2.536714
3.924823
ramo9 |
1.299423
1.266588
1.03
0.305
-1.183044
3.78189
ramo10 |
2.053251
1.500215
1.37
0.171
-.887117
4.993619
ramo11 |
.9436862
1.280273
0.74
0.461
-1.565602
3.452975
ramo13 |
.8055698
1.247009
0.65
0.518
-1.638522
3.249662
ramo14 |
1.319923
1.26479
1.04
0.297
-1.159019
3.798866
ramo15 |
1.076913
1.274477
0.84
0.398
-1.421015
3.574842
ramo16 |
2.595398
1.77295
1.46
0.143
-.8795196
6.070316
ramo18 |
1.412152
1.299521
1.09
0.277
-1.134863
3.959166
ramo19 |
1.779793
1.315797
1.35
0.176
-.7991214
4.358708
ramo20 |
1.224781
1.40302
0.87
0.383
-1.525089
3.97465
ramo21 |
1.753361
1.309597
1.34
0.181
-.8134015
4.320124
ramo22 |
1.237446
1.261491
0.98
0.327
-1.23503
3.709922
ramo23 |
.2248549
1.819342
0.12
0.902
-3.34099
3.790699
ramo24 |
.8283385
1.546051
0.54
0.592
-2.201865
3.858542
ramo33 |
1.138767
1.280383
0.89
0.374
-1.370736
3.648271
ramo34 |
1.465286
1.716332
0.85
0.393
-1.898664
4.829235
ramo35 |
.6409444
1.526521
0.42
0.675
-2.350982
3.632871
ramo36 |
2.437473
1.431478
1.70
0.089
-.3681733
5.243119
ramo37 | -.9084435
1.4741
-0.62
0.538
-3.797627
1.98074
ramo38 |
.9488212
1.267273
0.75
0.454
-1.534988
3.432631
ramo39 | -.0040127
1.52749
-0.00
0.998
-2.997839
2.989814
17
A descrição das variáveis dummy que descrevem os ramos de atividade da cross-section estão
reportandos no Anexo E.
36
ramo40 |
1.578577
1.29281
1.22
0.222
-.9552841
4.112438
ramo41 |
1.416873
1.466784
0.97
0.334
-1.457971
4.291717
ramo44 | -.1120569
1.775447
-0.06
0.950
-3.591869
3.367756
ramo45 |
2.349261
2.133423
1.10
0.271
-1.832172
6.530694
ramo47 |
1.507248
1.40498
1.07
0.283
-1.246463
4.260959
ramo48 |
1.707054
1.273742
1.34
0.180
-.7894349
4.203542
ramo49 |
1.327587
1.308108
1.01
0.310
-1.236258
3.891431
ramo53 |
1.412505
1.307104
1.08
0.280
-1.149372
3.974383
ramo54 |
3.21433
1.830285
1.76
0.079
-.3729626
6.801623
ramo56 |
2.874112
1.747165
1.65
0.100
-.5502685
6.298492
ramo58 |
1.654533
1.254837
1.32
0.187
-.804903
4.113969
ramo60 |
.6438489
1.257948
0.51
0.609
-1.821683
3.109381
ramo61 |
.4277769
1.282396
0.33
0.739
-2.085673
2.941227
_cons |
.7200895
1.246851
0.58
0.564
-1.723694
3.163873
-------------+---------------------------------------------------------------exclientes
|
qtde_tot | -.0018456
.0000875
-21.08
0.000
-.0020172
-.001674
qdte_tot2 |
1.19e-07
6.60e-09
18.07
0.000
1.06e-07
1.32e-07
un1 | -.0281833
.079967
-0.35
0.725
-.1849158
.1285492
un2 | -.0508858
.0924108
-0.55
0.582
-.2320075
.130236
un3 |
-.055761
.0927139
-0.60
0.548
-.2374769
.1259548
un4 | -.0188819
.1051756
-0.18
0.858
-.2250223
.1872585
ramo2 |
5.361628
71332.46
0.00
1.000
-139803.7
139814.4
ramo3 |
4.757605
71332.46
0.00
1.000
-139804.3
139813.8
ramo4 |
4.895664
71332.46
0.00
1.000
-139804.2
139814
ramo5 |
4.934169
71332.46
0.00
1.000
-139804.1
139814
ramo6 | -.7369048
90340.48
-0.00
1.000
-177064.8
177063.3
ramo7 |
5.191584
71332.46
0.00
1.000
-139803.9
139814.3
ramo8 |
4.366141
71332.46
0.00
1.000
-139804.7
139813.4
ramo9 |
4.975485
71332.46
0.00
1.000
-139804.1
139814
ramo10 |
5.168674
71332.46
0.00
1.000
-139803.9
139814.2
ramo11 |
4.806777
71332.46
0.00
1.000
-139804.3
139813.9
ramo12 | -.9871419
135643.9
-0.00
1.000
-265858.2
265856.2
ramo13 |
4.900291
71332.46
0.00
1.000
-139804.2
139814
ramo14 |
4.790015
71332.46
0.00
1.000
-139804.3
139813.9
ramo15 |
5.007657
71332.46
0.00
1.000
-139804.1
139814.1
ramo16 |
5.436262
71332.46
0.00
1.000
-139803.6
139814.5
ramo17 | -.7756695
106255.9
-0.00
1.000
-208258.6
208257
ramo18 |
5.122386
71332.46
0.00
1.000
-139803.9
139814.2
ramo19 |
5.210846
71332.46
0.00
1.000
-139803.9
139814.3
ramo20 |
5.26198
71332.46
0.00
1.000
-139803.8
139814.3
ramo21 |
5.473219
71332.46
0.00
1.000
-139803.6
139814.5
ramo22 |
5.159672
71332.46
0.00
1.000
-139803.9
139814.2
ramo23 |
5.170452
71332.46
0.00
1.000
-139803.9
139814.2
ramo24 |
5.231038
71332.46
0.00
1.000
-139803.8
139814.3
ramo25 |
.7123515
102615.4
0.00
1.000
-201121.8
201123.3
ramo26 | -.7872112
81082.1
-0.00
1.000
-158918.8
158917.2
ramo27 | -.1357454
111725.9
-0.00
1.000
-218978.8
218978.5
ramo28 | -.4088656
96837.88
-0.00
1.000
-189799.2
189798.3
ramo29 | -.5346233
120443.5
-0.00
1.000
-236065.4
236064.4
ramo30 | -.2881037
99732.66
-0.00
1.000
-195472.7
195472.1
ramo31 | -.8413916
110758.1
-0.00
1.000
-217082.8
217081.1
ramo32 | -.7507215
95364.23
-0.00
1.000
-186911.2
186909.7
ramo33 |
5.11401
71332.46
0.00
1.000
-139803.9
139814.2
ramo34 |
4.821624
71332.46
0.00
1.000
-139804.2
139813.9
ramo35 |
5.01267
71332.46
0.00
1.000
-139804
139814.1
ramo36 |
5.356929
71332.46
0.00
1.000
-139803.7
139814.4
ramo37 |
4.4044
71332.46
0.00
1.000
-139804.7
139813.5
ramo38 |
4.887212
71332.46
0.00
1.000
-139804.2
139813.9
ramo39 |
5.00309
71332.46
0.00
1.000
-139804.1
139814.1
ramo40 |
5.181964
71332.46
0.00
1.000
-139803.9
139814.2
ramo41 |
4.6054
71332.46
0.00
1.000
-139804.5
139813.7
ramo42 | -.6053115
110542.8
-0.00
1.000
-216660.5
216659.3
ramo43 |
-.738286
111629.4
-0.00
1.000
-218790.3
218788.8
ramo44 |
5.043024
71332.46
0.00
1.000
-139804
139814.1
37
ramo45 |
6.796929
71332.46
0.00
1.000
-139802.3
139815.9
ramo46 | -.7500861
75162.2
-0.00
1.000
-147316
147314.5
ramo47 |
4.843028
71332.46
0.00
1.000
-139804.2
139813.9
ramo48 |
5.505029
71332.46
0.00
1.000
-139803.6
139814.6
ramo49 |
4.82731
71332.46
0.00
1.000
-139804.2
139813.9
ramo50 | -.1285886
110615.2
-0.00
1.000
-216802
216801.8
ramo51 | -.8507044
119650
-0.00
1.000
-234510.5
234508.8
ramo52 | -.4889754
95069.67
-0.00
1.000
-186333.6
186332.6
ramo53 |
5.142065
71332.46
0.00
1.000
-139803.9
139814.2
ramo54 |
5.725594
71332.46
0.00
1.000
-139803.3
139814.8
ramo55 |
2.995959
111566.4
0.00
1.000
-218663.1
218669.1
ramo56 |
5.536833
71332.46
0.00
1.000
-139803.5
139814.6
ramo57 | -.9110796
119980.9
-0.00
1.000
-235159.2
235157.4
ramo58 |
5.104162
71332.46
0.00
1.000
-139804
139814.2
ramo59 | -.9066558
88137.46
-0.00
1.000
-172747.2
172745.3
ramo60 |
4.893723
71332.46
0.00
1.000
-139804.2
139814
ramo61 |
4.729472
71332.46
0.00
1.000
-139804.3
139813.8
ramo62 | -.2463394
111710.2
-0.00
1.000
-218948.1
218947.7
_cons |
-5.97043
71332.46
-0.00
1.000
-139815
139803.1
-------------+---------------------------------------------------------------/athrho |
1.568096
.0760062
20.63
0.000
1.419127
1.717066
/lnsigma |
.6149263
.0437235
14.06
0.000
.5292299
.7006227
-------------+---------------------------------------------------------------rho |
.9167224
.0121321
.8894166
.9375087
sigma |
1.84952
.0808674
1.697624
2.015007
lambda |
1.695497
.0918636
1.515447
1.875546
-----------------------------------------------------------------------------LR test of indep. eqns. (rho = 0):
chi2(1) =
332.02
Prob > chi2 = 0.0000
------------------------------------------------------------------------------
Regressão Linear
Numero de obs =
11864
R-squared
= 0.1606
Root MSE
= .97567
-----------------------------------------------------------------------------|
Robusto
|
Coef.
Erro-Pad
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------preco | -.0335309
.0023286
-14.40
0.000
-.0380954
-.0289665
area |
.0000465
.0000111
4.20
0.000
.0000248
.0000682
ramo2 | -.2130276
.2712383
-0.79
0.432
-.7446995
.3186442
ramo3 | -.1489706
.0210895
-7.06
0.000
-.1903095
-.1076318
ramo4 | -.4980556
.2792816
-1.78
0.075
-1.045494
.0493825
ramo5 | -.3404204
.0669761
-5.08
0.000
-.4717047
-.2091361
ramo6 |
.0030719
.2461383
0.01
0.990
-.4793998
.4855436
ramo7 | -.4348751
.0659309
-6.60
0.000
-.5641105
-.3056398
ramo8 |
.0412817
.0812022
0.51
0.611
-.117888
.2004513
ramo9 | -.2283535
.0472535
-4.83
0.000
-.3209782
-.1357288
ramo10 | -.2781931
.2092864
-1.33
0.184
-.688429
.1320428
ramo11 |
.5524278
.0620126
8.91
0.000
.430873
.6739827
ramo12 |
2.182993
.1156306
18.88
0.000
1.956338
2.409648
ramo13 | -.3821192
.0320013
-11.94
0.000
-.4448471
-.3193913
ramo14 | -.4087165
.0452655
-9.03
0.000
-.4974444
-.3199885
ramo15 | -.4408691
.071139
-6.20
0.000
-.5803133
-.3014249
ramo16 | -.2014911
.1073094
-1.88
0.060
-.4118352
.008853
ramo17 | -.9128501
.6876729
-1.33
0.184
-2.260802
.4351022
ramo18 |
-.380955
.0849057
-4.49
0.000
-.5473841
-.2145259
ramo19 | -.3536881
.1258471
-2.81
0.005
-.6003691
-.1070071
ramo20 | -.1692271
.1742946
-0.97
0.332
-.5108734
.1724192
ramo21 | -.1269353
.1089078
-1.17
0.244
-.3404126
.0865419
ramo22 | -.0498875
.0401639
-1.24
0.214
-.1286153
.0288403
ramo23 | -1.292105
.5760955
-2.24
0.025
-2.421347
-.1628625
ramo24 | -.4635949
.2200528
-2.11
0.035
-.8949347
-.0322552
ramo25 |
1.563576
.7232317
2.16
0.031
.1459221
2.981229
38
ramo26 | -.4407849
.1110475
-3.97
0.000
-.6584563
-.2231134
ramo27 |
-.419758
.0632351
-6.64
0.000
-.5437093
-.2958067
ramo28 |
-.003927
.3133266
-0.01
0.990
-.6180988
.6102447
ramo29 | -.5082199
.6249405
-0.81
0.416
-1.733206
.7167665
ramo30 |
.1193311
.1675202
0.71
0.476
-.2090361
.4476984
ramo31 | -.4672706
.2573676
-1.82
0.069
-.9717536
.0372125
ramo32 |
.03395
.3109389
0.11
0.913
-.5755415
.6434415
ramo33 | -.1905585
.0679167
-2.81
0.005
-.3236865
-.0574305
ramo34 | -.4203158
.2185197
-1.92
0.054
-.8486504
.0080188
ramo35 | -.2892007
.1693911
-1.71
0.088
-.6212351
.0428338
ramo36 | -.1005624
.1324102
-0.76
0.448
-.3601082
.1589834
ramo37 |
-.232922
.0945513
-2.46
0.014
-.4182581
-.0475859
ramo38 | -.0614788
.0360275
-1.71
0.088
-.1320986
.009141
ramo39 | -.1975212
.2133841
-0.93
0.355
-.6157892
.2207468
ramo40 | -.1185675
.0738383
-1.61
0.108
-.2633028
.0261679
ramo41 | -.0506651
.1020421
-0.50
0.620
-.2506844
.1493542
ramo42 | -1.276786
.0063724 -200.36
0.000
-1.289277
-1.264295
ramo43 | -2.431477
.105182
-23.12
0.000
-2.637651
-2.225303
ramo44 | -.5569645
.2927084
-1.90
0.057
-1.130721
.0167923
ramo45 | -.2222766
1.270668
-0.17
0.861
-2.712996
2.268442
ramo46 | -.0100928
.093835
-0.11
0.914
-.1940249
.1738392
ramo47 | -.1460022
.0979369
-1.49
0.136
-.3379746
.0459703
ramo48 | -1.032652
.1201668
-8.59
0.000
-1.268199
-.7971053
ramo49 | -.2167678
.0738977
-2.93
0.003
-.3616196
-.0719161
ramo50 | -.2274746
.0070741
-32.16
0.000
-.241341
-.2136083
ramo51 | -.0911317
.5562341
-0.16
0.870
-1.181442
.999179
ramo52 | -.3591399
.1726142
-2.08
0.037
-.6974923
-.0207875
ramo53 | -.1737851
.0869821
-2.00
0.046
-.3442843
-.0032859
ramo54 | -.0612767
.2277622
-0.27
0.788
-.5077282
.3851748
ramo55 |
1.497977
.0193348
77.48
0.000
1.460077
1.535876
ramo56 |
.0314827
.2860469
0.11
0.912
-.5292164
.5921819
ramo57 | -.6766692
.3606854
-1.88
0.061
-1.383672
.0303338
ramo58 | -.1089837
.0376251
-2.90
0.004
-.1827352
-.0352323
ramo59 |
-.474536
.3173709
-1.50
0.135
-1.096635
.1475634
ramo60 | -.0836818
.0438354
-1.91
0.056
-.1696065
.0022429
ramo61 | -.3597527
.0512352
-7.02
0.000
-.4601821
-.2593233
ramo62 | -.2248769
.0060188
-37.36
0.000
-.2366747
-.2130791
_cons |
6.293646
.0112706
558.41
0.000
6.271554
6.315738
------------------------------------------------------------------------------
Com base nas estimações acima, pode-se calcular as elasticidades médias e os erros-padrão,
que estão descritos abaixo:
Elasticidade Média calculada por MQO: -0,3413 (Erro-Padrão de 0,017).
Elasticidade Média calculada por Procedimento de Heckman: -0,4131 (Erro-Padrão de 0,019).
Os resultados sugerem que a estimação pelo Procedimento de Heckman é melhor que a
estimação pelo Método de Minimos Quadrados Ordinarios (MQO) para a mesma base de
dados, uma vez que não se pode rejeitar que a razão inversa de Mills seja diferente de zero, ou
seja, a regressão corrige o viés de seleção da amostra18. Com relação à magnitude das
18
Ver resultados do teste t com o parâmetro lambda na regressão de Heckman.
39
elasticidades, estas são estatisticamente significantes e um pouco superiores à elasticidade
média calculada com dados em Painel, entretanto, esta continua baixa e negativa.
3.3 Limitações dos Modelos estimados
A apresentação dos resultados das estimações dos modelos usados no presente estudo mostra
que, apesar de apresentar valores razoavelmente coerentes com a teoria econômica e a
literatura empírica de estimação de demanda, o módulo da elasticidade-preço da demanda de
água da Sabesp apresenta um valor menor que o da maioria dos estudos feitos no Brasil. A
principal justificativa encontrada para tal fato, se baseia no chamado viés de omissão de
variável. Por conta de uma série limitações da base de dados oferecida pela Sabesp, omitiu-se
um conjunto de variáveis relevantes, o que levou a um estimador inconsistente.
Outra limitação das informações fornecidas pela SABESP diz respeito à qualidade dos dados
de preço de água de fontes alternativas. Não foi possível calcular o preço do metro cúbico da
água de poço artesiano com os dados da pesquisa de campo contratada pela SABESP.
Ademais, os dados levantados para o preço da água de empresas distribuidoras de água, por
meio de caminhões-pipa, se restringiram a região metropolitana de São Paulo. Esse fato
reduziu bastante a população de interesse do estudo. Os dados também apresentaram pouca
variabilidade, o que prejudica o poder de explicação dos modelos. A pesquisa de campo
permitiu calcular, somente para o ano de 2008, o preço médio para cada uma das cinco
unidades de negócio da região metropolitana de São Paulo. Com o intuito de incluir essa
variável nos modelos com dados em painel, tentou-se deflacionar o preço médio preço usando
a série de preço do óleo diesel. Supõe-se que esta seja a melhor proxy19 de custo desse
concorrente. Os resultados mostraram elasticidades com um sinal diferente do previsto pela
teoria apesar de significantes. Os resultados nos modelos com dados em cross-section também
apresentaram o mesmo padrão.
A segunda limitação da base de dados da Sabesp diz respeito a ausência de dados sobre o
preço dos outros fatores de produção para os clientes comerciais e industriais. Diante disso,
19
Uma variável observada é considerada uma proxy de outra variável não observada se esta for altamente
correlacionada com a variável não observada e com a variável de interesse.
40
supôs-se que a água é um fator separável na função de produção dos clientes da Sabesp. Essa
hipótese garante que a função de demanda pelo fator água seja independente do preço dos
outros fatores relevantes na decisão de produção da agente representativo. Se a água não for
um fator de produção tão relevante, essa hipótese parece razoável. No entanto, para alguns
ramos de atividade, a água é um fator fundamental. Os principais exemplos são agricultura,
alimentos e bebidas, química e petroquímica. Espera-se, portanto, que exista algum grau de
substituição e complementaridade entre esses fatores e a hipótese de separabilidade leva a uma
especificação com omissão de variáveis relevantes. Neste caso, a hipótese de separabilidade na
função de produção é pouco razoável para os grandes clientes porque a água tem um impacto
considerável na função de lucro desses agentes. Esse tipo de viés pode ter provocado algumas
das elasticidades positivas nas regressões por ramo de atividade.
Pode-se argumentar que a omissão do preço da água de fontes alternativas gera uma
subestimação do módulo da elasticidade-preço da demanda de água da Sabesp. Considere um
modelo de demanda com a seguinte forma:
Em que:
Y: Vetor contendo a quantidade demandada de água de cada cliente;
X: Matriz contendo vetor de uns e todas as observações dos regressores observados (preço da
água da Sabesp, variáveis de controles, proxy de capacidade produtiva);
β: Vetor de coeficientes das variáveis não omitidas;
Z: Matriz contendo todas as observações das variáveis relevantes omitidas na regressão (preço
da água de fontes alternativas, preço dos fatores complementares e substitutos);
δ: Vetor de coeficientes das variáveis omitidas;
ε: Termo de erro bem comportado.
Sabe-se que toda variável relevante omitida aparece no termo de erro. O modelo acima pode
ser reescrito da seguinte forma:
41
Em que:
A fórmula do estimador de mínimos quadrados é dada por:
O valor do estimador em grandes amostras pode ser obtido tirando o limite em probabilidades
da fórmula acima. Após algumas manipulações algébricas obtém-se a seguinte fórmula:
Sabe-se que:
Em que:
Q: Matriz determinística e definida;
COV(X,Z): Matriz de covariância entre os elementos das matrizes X e Z.
Substituindo na equação acima:
Conclui-se que o sinal do viés assintótico depende da covariância entre as variáveis
explicativas omitidas e não omitidas e do sinal do parâmetro populacional que relaciona a
variável dependente e os regressores omitidos. Suponha que o preço da água de caminhãopipa, ou de poço, é omitido da regressão. Sabe-se que esses fatores são substitutos quase
perfeitos da água da SABESP. A elasticidade preço-cruzada deve ser positiva, ou seja, um
aumento no preço da água de caminhão-pipa (ou de poço) deve levar a um aumento na
demanda de água da Sabesp. A coordenada do vetor δ, que diz respeito a esse fator, deve ser
42
positiva. Supondo que a Sabesp exerça uma liderança via preço nesse mercado, pode-se
esperar que a covariância entre o preço da água da Sabesp e de caminhão pipa (ou de poço)
seja positiva também. O elemento da matriz COV(X, Z) seria, então, positivo.
Com o intuito de simplificar a análise, suponha que todos os outros elementos de δ e COV(X,
Z) não sejam significativos em relação aos elementos relacionados com pipa (ou poço). Pode-
se concluir que o sinal do viés é positivo. Sabe-se que o verdadeiro sinal da elasticidade-preço
da água da Sabesp é negativo, portanto o valor estimado é maior (menos negativo) que o valor
populacional da elasticidade. Se essas hipóteses são válidas, o que se acredita ser provável, a
conclusão de que o módulo da elasticidade foi subestimado é verdadeira. A mesma conclusão
é válida para outros fatores substitutos se a covariância entre os preços for positiva e para
outros fatores complementares, caso a covariância entre os preços for negativa.
4. Considerações Finais
Os
resultados
estimados
para
as
elasticidades-preço
se
mostraram
significantes
estatisticamente (ao nível de significância de 5%) e forneceram as seguintes evidências sobre o
mercado de água em São Paulo:
- Segundo os resultados do modelo com dados em painel, a elasticidade-preço da água da
SABESP apresenta um comportamento crescente ao longo do tempo, ou seja, os consumidores
estão se tornando menos inelásticos, ou seja, mais elásticos ao longo do tempo. Esse fato pode
ter sido causado pelo aumento de fornecimento de fontes alternativas, aumentando a
competição pelo surgimento de novos fornecedores;
- Com relação aos resultados por faixas de consumo, pode-se perceber que o módulo da
elasticidade-preço apresenta um comportamento monotônico crescente ao longo das faixas. A
função cresce com alta velocidade até a faixa de consumo entre 400 e 500 metros cúbicos. De
acordo com a teoria econômica, o módulo da elasticidade deveria ser crescente nas faixas de
consumo. Os resultados fornecem indícios de que a água é um fator cuja demanda é pouco
elástica e a média da elasticidade-preço é de, aproximadamente, -0,4;
43
- Os resultados dos modelos de efeitos fixos e aleatórios para os ramos de atividade
evidenciaram a existência de diferenças de sensibilidade aos preços da Sabesp por parte de
clientes de ramos de atividades distintos;
- A estimação pelo Procedimento de Heckman pode ser considerada superior à estimação por
Mínimos Quadrados Ordinários para dados em corte transversal e para clientes da cidade de
São Paulo. Os resultados para a elasticidade-preço média foram estatisticamente significantes
e maiores, em módulo, às elasticidades médias calculadas para dados em Painel.
É importante observar que este estudo pode sofrer imperfeições já que foi usada uma amostra
de clientes SABESP e não havia disponível todas as variáveis importantes para a especificação
da demanda. A alternativa proposta por este estudo foi menos dispendiosa e vale como
exercício de identificação da sensibilidade dos consumidores frente aos preços da água
propostos pela estrutura tarifária da SABESP. No entanto, para a obtenção de resultados mais
consistentes, a Fipe indicaria a realização de uma Pesquisa de Campo ampla que cobrisse
todas as informações importantes para a estimação.
A apresentação dos resultados das estimações dos modelos usados no presente estudo mostra
que, apesar de apresentar valores razoavelmente coerentes com a teoria econômica e a
literatura empírica de estimação de demanda, o módulo da elasticidade-preço da demanda de
água da Sabesp apresenta um valor menor que o da maioria dos estudos feitos no Brasil. A
justificativa encontrada para tal fato se baseia no chamado viés de omissão de variável, que a
partir das hipóteses levantadas na seção 3.3 deste trabalho provou-se ser positivo. Desta forma,
conclui-se que o módulo da elasticidade foi subestimado e o valor estimado é maior (menos
negativo) que o valor verdadeiro da elasticidade.
44
Referências bibliográficas
ANDRADE, T. A., BRANDÃO, A. S. P., LOBÃO, W. J. A. e SILVA, S. L. Q. da (1995)
Saneamento urbano: a demanda residencial por água. Pesquisa e Planejamento Econômico,
vol.25, n.3, p.427-448.
BHATIA, R., CESTTI, R. e WINPENNY, J. (1995) Water conservation and reallocation: best
practice cases in improving economic efficiency and environmental quality. World Bank –
ODI Joint Study.
DE ROOY, J. (1974) Price responsiveness of the industrial demand for water. Water
Resources Research, vol. 10, n. 3, p. 403-406.
DUPONT, D. P.; RENZETTI, S. (2001) The Role of Water in the Canadian Manufacturing
Sector. Department of Economics, Brock University, mimeo.
FERES, J.; REYNAUD, A.; ALBAN, T.; MOTTA, R. S. “Competitiveness and effectiveness
concerns in water charge implementation: a case study of the Paraíba do Sul River Basin”,
Water Policy, v. 10, p. 595, 2008.
GREBENSTEIN, C. R.; FIELD, B. C. (1979). “Substituting for Water Inputs in U. S.
Manufacturing”. Water Resources Research, v.15, n.2, pp.228-232.
GREENE, W. H. (2003), Econometric Analysis. New Jersey: Prentice Hall, 5th ed.
HAUSMAN, J. A. (1978). Specification Tests in Econometrics, Econometrica, Vol. 46, No. 6,
pp. 1251-1271.
HECKMAN, J. (1979). “Sample Selection Bias as a Specification Error”, Econometrica, vol.
49, p. 945-64.
PINDYCK, R.S. e RUBINFELD, D.L. (1994) Microeconomia, Rio de Janeiro, Makron
Books do Brasil, 968p.
RENZETTI, S. (1988). “An Econometric Study of Industrial Water Demands in British
Columbia, Canada”. Water Resources Research, v.24, n.10, pp.1569-1573.
45
RIBEIRO, M. M. R.; LANNA, A. E.; PEREIRA, J. S. Elasticidade-preço da demanda e a
cobrança pelo uso da água. XIII Simpósio Brasileiro de Recursos Hídricos. Belo Horizonte,
1999
SCHNEIDER, M. L. e WHITLACH, E. E. (1991) User-specific water demand elasticities.
Journal of Water Resources Planning and Management, vol. 117, n. 1, p. 52-73.
SUPERINTENDÊNCIA DE MARKETING DA SABESP, “Perda de grandes clientes”: agosto
de 2008. Estudo disponibilizado pela SABESP.
VARIAN, H. R. (1994) Microeconomia: Princípios Básicos. Rio de Janeiro, Ed. Campus,
710p.
WHITE, H. (1980) A Heteroskedasticity-Consistent Covariance Matrix Estimator and a
Discrete test for Heteroskedasticity. Econometrica, Vol. 48, p.817-840.
WILLIAMS, M. e SUH, B. (1986) The demand for urban water by customer class. Applied
Economics, vol. 18, n. 12, p. 1275-1289.
WOOLDRIDGE, J. M. (2001), Econometrics Analysis of Cross Section and Panel Data. The
Massachusetts Institute of Technology Press.
WOOLDRIDGE, J. M. (2006), Introdução à Econometria: Uma abordagem moderna.
Thomson Learning, São Paulo, 2006.
ZIEGLER, J. A. e BELL, S. E. (1984) Estimating demand for intake water by self-supplied
firms. Water Resources Research, vol. 20, n. 1, p. 4-8.
46
Anexo A - Rotinas em STATA
A.1 Juntando as bases de dados dos anos
** Append das bases de faturas **
use "F:\SABESP - fase 2\Faturas\faturas_03.dta", clear
append using "F:\SABESP - fase 2\Faturas\faturas_04.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_05.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_06.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_07.dta"
append using "F:\SABESP - fase 2\Faturas\faturas_08.dta"
drop FL_COMUM_ESPECIAL TP_LIGACAO CD_CATEGORIA_USO NR_FATOR_K TP_ECONOMIA
QT_ECONOMIAS
gen mes=month( AA_MM_REFERENCIA)
gen ano=year( AA_MM_REFERENCIA)
sort CD_RGI
save "F:\SABESP - fase 2\Faturas\Todas.dta", replace
A.2 Preparando a base de dados para estimação: Base Data
** Preparando BaseDATA, a partir do arquivos TODAS **
* Gerando preço da água *
gen preco = VL_AGUA / QT_CONSUMO_AGUA_FATURADO
* Variáveis de tempo *
gen mes = day(AA_MM_REFERENCIA)
gen ano = year(AA_MM_REFERENCIA)
gen tempo=1 if mes==6 & ano==2003
replace tempo=2 if mes==7 & ano==2003
replace tempo=3 if mes==8 & ano==2003
replace tempo=4 if mes==9 & ano==2003
replace tempo=5 if mes==10 & ano==2003
replace tempo=6 if mes==11 & ano==2003
replace tempo=7 if mes==12 & ano==2003
replace tempo=8 if mes==1 & ano==2004
replace tempo=9 if mes==2 & ano==2004
replace tempo=10 if mes==3 & ano==2004
replace tempo=11 if mes==4 & ano==2004
replace tempo=12 if mes==5 & ano==2004
replace tempo=13 if mes==6 & ano==2004
replace tempo=14 if mes==7 & ano==2004
replace tempo=15 if mes==8 & ano==2004
replace tempo=16 if mes==9 & ano==2004
replace tempo=17 if mes==10 & ano==2004
47
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
tempo=18
tempo=19
tempo=20
tempo=21
tempo=22
tempo=23
tempo=24
tempo=25
tempo=26
tempo=27
tempo=28
tempo=29
tempo=30
tempo=31
tempo=32
tempo=33
tempo=34
tempo=35
tempo=36
tempo=37
tempo=38
tempo=39
tempo=40
tempo=41
tempo=42
tempo=43
tempo=44
tempo=45
tempo=46
tempo=47
tempo=48
tempo=49
tempo=50
tempo=51
tempo=52
tempo=53
tempo=54
tempo=55
tempo=56
tempo=57
tempo=58
tempo=59
tempo=60
tempo=61
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
gen semestre=1 if
replace semestre=2
replace semestre=3
replace semestre=4
replace semestre=5
mes==11 & ano==2004
mes==12 & ano==2004
mes==1 & ano==2005
mes==2 & ano==2005
mes==3 & ano==2005
mes==4 & ano==2005
mes==5 & ano==2005
mes==6 & ano==2005
mes==7 & ano==2005
mes==8 & ano==2005
mes==9 & ano==2005
mes==10 & ano==2005
mes==11 & ano==2005
mes==12 & ano==2005
mes==1 & ano==2006
mes==2 & ano==2006
mes==3 & ano==2006
mes==4 & ano==2006
mes==5 & ano==2006
mes==6 & ano==2006
mes==7 & ano==2006
mes==8 & ano==2006
mes==9 & ano==2006
mes==10 & ano==2006
mes==11 & ano==2006
mes==12 & ano==2006
mes==1 & ano==2007
mes==2 & ano==2007
mes==3 & ano==2007
mes==4 & ano==2007
mes==5 & ano==2007
mes==6 & ano==2007
mes==7 & ano==2007
mes==8 & ano==2007
mes==9 & ano==2007
mes==10 & ano==2007
mes==11 & ano==2007
mes==12 & ano==2007
mes==1 & ano==2008
mes==2 & ano==2008
mes==3 & ano==2008
mes==4 & ano==2008
mes==5 & ano==2008
mes==6 & ano==2008
tempo>=2 & tempo<=7
if tempo>=8 & tempo<=13
if tempo>=14 & tempo<=19
if tempo>=20 & tempo<=25
if tempo>=26 & tempo<=31
48
replace
replace
replace
replace
replace
semestre=6 if
semestre=7 if
semestre=8 if
semestre=9 if
semestre=10 if
tempo>=32 & tempo<=37
tempo>=38 & tempo<=43
tempo>=44 & tempo<=49
tempo>=50 & tempo<=55
tempo>=56 & tempo<=61
* Gerando variáveis de controle *
tab DS_RAMO_ATIVIDADE, gen (RAMO)
* Anexando unidade de negócio, usando o arquivo unidadesdenegocio *
joinby CD_RGI using [filename]
A.3 Reamostragem da Base de Dados
** Sample para a Base de dados em painel **
* Observou-se que retirar uma amostra aleatória simples de um painel nãobalanceado pode piorar a qualidade da base de dados *
* Partindo do arquivo BaseData *
keep CD_RGI QT_CONSUMO_AGUA_FATURADO VL_AGUA DS_RAMO_ATIVIDADE tempo
unidade
* Renomeando as variáveis no formato do arquivo BaseData_Mensal *
rename QT_CONSUMO_AGUA_FATURADO quantidade
rename VL_AGUA receita
rename CD_RGI rgi
rename DS_RAMO_ATIVIDADE ramo
* Removendo outliers *
sort rgi tempo
drop if rgi==rgi[_n-1] & tempo==tempo[_n-1]
by rgi: egen sum_quantidade=sum(quantidade)
drop if sum_quantidade==0
* Dando rashape na base *
reshape wide quantidade receita unidade ramo, i(rgi) j(tempo)
* Criando a variável ex-clientes *
gen ex_clientes1 =1 if (quantidade2-quantidade1)/quantidade1<=-0.9
gen ex_clientes2 =1 if (quantidade3-quantidade2)/quantidade2<=-0.9
gen ex_clientes3 =1 if (quantidade4-quantidade3)/quantidade3<=-0.9
gen ex_clientes4 =1 if (quantidade5-quantidade4)/quantidade4<=-0.9
gen ex_clientes5 =1 if (quantidade6-quantidade5)/quantidade5<=-0.9
gen ex_clientes6 =1 if (quantidade7-quantidade6)/quantidade6<=-0.9
gen ex_clientes7 =1 if (quantidade8-quantidade7)/quantidade7<=-0.9
gen ex_clientes8 =1 if (quantidade9-quantidade8)/quantidade8<=-0.9
gen ex_clientes9 =1 if (quantidade10-quantidade9)/quantidade9<=-0.9
gen ex_clientes10 =1 if (quantidade11-quantidade10)/quantidade10<=-0.9
49
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
gen
ex_clientes11
ex_clientes12
ex_clientes13
ex_clientes14
ex_clientes15
ex_clientes16
ex_clientes17
ex_clientes18
ex_clientes19
ex_clientes20
ex_clientes21
ex_clientes22
ex_clientes23
ex_clientes24
ex_clientes25
ex_clientes26
ex_clientes27
ex_clientes28
ex_clientes29
ex_clientes30
ex_clientes31
ex_clientes32
ex_clientes33
ex_clientes34
ex_clientes35
ex_clientes36
ex_clientes37
ex_clientes38
ex_clientes39
ex_clientes40
ex_clientes41
ex_clientes42
ex_clientes43
ex_clientes44
ex_clientes45
ex_clientes46
ex_clientes47
ex_clientes48
ex_clientes49
ex_clientes50
ex_clientes51
ex_clientes52
ex_clientes53
ex_clientes54
ex_clientes55
ex_clientes56
ex_clientes57
ex_clientes58
ex_clientes59
ex_clientes60
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
=1
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
if
(quantidade12-quantidade11)/quantidade11<=-0.9
(quantidade13-quantidade12)/quantidade12<=-0.9
(quantidade14-quantidade13)/quantidade13<=-0.9
(quantidade15-quantidade14)/quantidade14<=-0.9
(quantidade16-quantidade15)/quantidade15<=-0.9
(quantidade17-quantidade16)/quantidade16<=-0.9
(quantidade18-quantidade17)/quantidade17<=-0.9
(quantidade19-quantidade18)/quantidade18<=-0.9
(quantidade20-quantidade19)/quantidade19<=-0.9
(quantidade21-quantidade20)/quantidade20<=-0.9
(quantidade22-quantidade21)/quantidade21<=-0.9
(quantidade23-quantidade22)/quantidade22<=-0.9
(quantidade24-quantidade23)/quantidade23<=-0.9
(quantidade25-quantidade24)/quantidade24<=-0.9
(quantidade26-quantidade25)/quantidade25<=-0.9
(quantidade27-quantidade26)/quantidade26<=-0.9
(quantidade28-quantidade27)/quantidade27<=-0.9
(quantidade29-quantidade28)/quantidade28<=-0.9
(quantidade30-quantidade29)/quantidade29<=-0.9
(quantidade31-quantidade30)/quantidade30<=-0.9
(quantidade32-quantidade31)/quantidade31<=-0.9
(quantidade33-quantidade32)/quantidade32<=-0.9
(quantidade34-quantidade33)/quantidade33<=-0.9
(quantidade35-quantidade34)/quantidade34<=-0.9
(quantidade36-quantidade35)/quantidade35<=-0.9
(quantidade37-quantidade36)/quantidade36<=-0.9
(quantidade38-quantidade37)/quantidade37<=-0.9
(quantidade39-quantidade38)/quantidade38<=-0.9
(quantidade40-quantidade39)/quantidade39<=-0.9
(quantidade41-quantidade40)/quantidade40<=-0.9
(quantidade42-quantidade41)/quantidade41<=-0.9
(quantidade43-quantidade42)/quantidade42<=-0.9
(quantidade44-quantidade43)/quantidade43<=-0.9
(quantidade45-quantidade44)/quantidade44<=-0.9
(quantidade46-quantidade45)/quantidade45<=-0.9
(quantidade47-quantidade46)/quantidade46<=-0.9
(quantidade48-quantidade47)/quantidade47<=-0.9
(quantidade49-quantidade48)/quantidade48<=-0.9
(quantidade50-quantidade49)/quantidade49<=-0.9
(quantidade51-quantidade50)/quantidade50<=-0.9
(quantidade52-quantidade51)/quantidade51<=-0.9
(quantidade53-quantidade52)/quantidade52<=-0.9
(quantidade54-quantidade53)/quantidade53<=-0.9
(quantidade55-quantidade54)/quantidade54<=-0.9
(quantidade56-quantidade55)/quantidade55<=-0.9
(quantidade57-quantidade56)/quantidade56<=-0.9
(quantidade58-quantidade57)/quantidade57<=-0.9
(quantidade59-quantidade58)/quantidade58<=-0.9
(quantidade60-quantidade59)/quantidade59<=-0.9
(quantidade61-quantidade60)/quantidade60<=-0.9
50
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
ex_clientes1 =0 if ex_clientes1 ==.
ex_clientes2 =0 if ex_clientes2 ==.
ex_clientes3 =0 if ex_clientes3 ==.
ex_clientes4 =0 if ex_clientes4 ==.
ex_clientes5 =0 if ex_clientes5 ==.
ex_clientes6 =0 if ex_clientes6 ==.
ex_clientes7 =0 if ex_clientes7 ==.
ex_clientes8 =0 if ex_clientes8 ==.
ex_clientes9 =0 if ex_clientes9 ==.
ex_clientes10 =0 if ex_clientes10 ==.
ex_clientes11 =0 if ex_clientes11 ==.
ex_clientes12 =0 if ex_clientes12 ==.
ex_clientes13 =0 if ex_clientes13 ==.
ex_clientes14 =0 if ex_clientes14 ==.
ex_clientes15 =0 if ex_clientes15 ==.
ex_clientes16 =0 if ex_clientes16 ==.
ex_clientes17 =0 if ex_clientes17 ==.
ex_clientes18 =0 if ex_clientes18 ==.
ex_clientes19 =0 if ex_clientes19 ==.
ex_clientes20 =0 if ex_clientes20 ==.
ex_clientes21 =0 if ex_clientes21 ==.
ex_clientes22 =0 if ex_clientes22 ==.
ex_clientes23 =0 if ex_clientes23 ==.
ex_clientes24 =0 if ex_clientes24 ==.
ex_clientes25 =0 if ex_clientes25 ==.
ex_clientes26 =0 if ex_clientes26 ==.
ex_clientes27 =0 if ex_clientes27 ==.
ex_clientes28 =0 if ex_clientes28 ==.
ex_clientes29 =0 if ex_clientes29 ==.
ex_clientes30 =0 if ex_clientes30 ==.
ex_clientes31 =0 if ex_clientes31 ==.
ex_clientes32 =0 if ex_clientes32 ==.
ex_clientes33 =0 if ex_clientes33 ==.
ex_clientes34 =0 if ex_clientes34 ==.
ex_clientes35 =0 if ex_clientes35 ==.
ex_clientes36 =0 if ex_clientes36 ==.
ex_clientes37 =0 if ex_clientes37 ==.
ex_clientes38 =0 if ex_clientes38 ==.
ex_clientes39 =0 if ex_clientes39 ==.
ex_clientes40 =0 if ex_clientes40 ==.
ex_clientes41 =0 if ex_clientes41 ==.
ex_clientes42 =0 if ex_clientes42 ==.
ex_clientes43 =0 if ex_clientes43 ==.
ex_clientes44 =0 if ex_clientes44 ==.
ex_clientes45 =0 if ex_clientes45 ==.
ex_clientes46 =0 if ex_clientes46 ==.
ex_clientes47 =0 if ex_clientes47 ==.
ex_clientes48 =0 if ex_clientes48 ==.
ex_clientes49 =0 if ex_clientes49 ==.
ex_clientes50 =0 if ex_clientes50 ==.
ex_clientes51 =0 if ex_clientes51 ==.
51
replace
replace
replace
replace
replace
replace
replace
replace
replace
ex_clientes52
ex_clientes53
ex_clientes54
ex_clientes55
ex_clientes56
ex_clientes57
ex_clientes58
ex_clientes59
ex_clientes60
=0
=0
=0
=0
=0
=0
=0
=0
=0
if
if
if
if
if
if
if
if
if
ex_clientes52
ex_clientes53
ex_clientes54
ex_clientes55
ex_clientes56
ex_clientes57
ex_clientes58
ex_clientes59
ex_clientes60
==.
==.
==.
==.
==.
==.
==.
==.
==.
* Gerando uma amostra aleatória simples da base de dados *
sample 35
* Dando reshape na base *
reshape long quantidade receita ramo unidade ex_clientes, i(rgi) j(tempo)
* Gerando a variável de mês *
gen mes =7 if tempo ==1
replace mes =8 if tempo ==2
replace mes =9 if tempo ==3
replace mes =10 if tempo ==4
replace mes =11 if tempo ==5
replace mes =12 if tempo ==6
replace mes =1 if tempo ==7
replace mes =2 if tempo ==8
replace mes =3 if tempo ==9
replace mes =4 if tempo ==10
replace mes =5 if tempo ==11
replace mes =6 if tempo ==12
replace mes =7 if tempo ==13
replace mes =8 if tempo ==14
replace mes =9 if tempo ==15
replace mes =10 if tempo ==16
replace mes =11 if tempo ==17
replace mes =12 if tempo ==18
replace mes =1 if tempo ==19
replace mes =2 if tempo ==20
replace mes =3 if tempo ==21
replace mes =4 if tempo ==22
replace mes =5 if tempo ==23
replace mes =6 if tempo ==24
replace mes =7 if tempo ==25
replace mes =8 if tempo ==26
replace mes =9 if tempo ==27
replace mes =10 if tempo ==28
replace mes =11 if tempo ==29
replace mes =12 if tempo ==30
replace mes =1 if tempo ==31
replace mes =2 if tempo ==32
replace mes =3 if tempo ==33
replace mes =4 if tempo ==34
replace mes =5 if tempo ==35
replace mes =6 if tempo ==36
replace mes =7 if tempo ==37
replace mes =8 if tempo ==38
replace mes =9 if tempo ==39
52
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
replace
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
mes
=10 if tempo ==40
=11 if tempo ==41
=12 if tempo ==42
=1 if tempo ==43
=2 if tempo ==44
=3 if tempo ==45
=4 if tempo ==46
=5 if tempo ==47
=6 if tempo ==48
=7 if tempo ==49
=8 if tempo ==50
=9 if tempo ==51
=10 if tempo ==52
=11 if tempo ==53
=12 if tempo ==54
=1 if tempo ==55
=2 if tempo ==56
=3 if tempo ==57
=4 if tempo ==58
=5 if tempo ==59
=6 if tempo ==60
=7 if tempo ==61
* Gerando a variável de ano *
gen ano=2003 if tempo>=1 & tempo<=6
replace ano=2004 if tempo>=7 & tempo<=18
replace ano=2005 if tempo>=19 & tempo<=30
replace ano=2006 if tempo>=31 & tempo<=42
replace ano=2007 if tempo>=43 & tempo<=54
replace ano=2008 if tempo>=55 & tempo<=61
Anexo B – Descrição dos Ramos de Atividades e Códigos – Painel
Código
ramo1
ramo2
ramo3
ramo4
ramo5
ramo6
ramo7
ramo8
ramo9
ramo10
ramo11
ramo12
ramo13
ramo14
Descrição do Ramo de Atividade
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL
AGRICULTURA,PECUARIA E SERV.RELACIONADO
ALOJAMENTO E ALIMENTACAO
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DO
ART CONCR,CIMENTO,FIBROCIM,GESSO,ESTUQU
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ATIVIDADE NAO IDENTIFICADA
ATIVIDADES ASSOCIATIVAS
ATIVIDADES DE ATENCAO A SAUDE
ATIVIDADES DE INFORMATICA E CONEXAS
ATIVIDADES IMOBILIARIAS
BIBLIOTECA,ARQ,MUSEU,ATIV CULTURAIS
53
ramo15
ramo16
ramo17
ramo18
ramo19
ramo20
ramo21
ramo22
ramo23
ramo24
ramo25
ramo26
ramo27
ramo28
ramo29
ramo30
ramo31
ramo32
ramo33
ramo34
ramo35
ramo36
ramo37
ramo38
ramo39
ramo40
ramo41
ramo42
ramo43
ramo44
ramo45
ramo46
ramo47
ramo48
ramo49
ramo50
ramo51
ramo52
ramo53
ramo54
ramo55
ramo56
ramo57
CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA
COM,MANUT,REPARACAO MOTO,PECA,ACESSORIO
COM. ATAC. DE MERCADORIAS EM GERAL
COM. ATAC. MAQ/EQUIP USO NAO ESPEC.ANTE
COM. VAREJ OUTROS PROD. EM LOJA ESPEC
COM. VAREJISTA NAO ESPECIALIZADO
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM.ATAC.:AGROP.IN NAT;ALIMENT.P/ANIMAL
COM.ATAC.PROD. ALIMENTICIOS,BEBIDAS,FUM
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.PECAS/ACESSORIOS P/ VEICULOS AUTOM
COM.VAREJ ALIM,BEBIDA,FUMO EM LOJA ESPE
COM.VAREJ TEC,ARMARIN,VEST EM LOJA ESPE
COMERCIO A VAREJO DE COMBUSTIVEIS
COMERCIO DE VEICULOS AUTOMOTORES
CONFECCAO DE ART.DO VESTUARIO/ACESSORIO
CONSTRUCAO
CONSTRUCAO E REPARACAO DE EMBARCACOES
CORREIO E TELECOMUNICACOES
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
EDUCACAO
EDUCACAO PRE-ESCOLAR E FUNDAMENTAL
ELETRICIDADE,GAS E AGUA QUENTE
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
ESTABELECIMENTO ALOJAMENTO TEMPORARIO
ESTABELECIMENTO DE SERV DE ALIMENTACAO
EXTRACAO DE CARVAO MINERAL
EXTRACAO DE MINERAIS METALICOS
EXTRACAO DE MINERAIS NAO METALICOS
EXTRACAO DE PETROLEO E GAS NATURAL
EXTRACAO DE PETROLEO E SERV. CORRELATOS
FABR ART CUTELARIA,SERRALH,FERRAM.MANUA
FABR ART PAPEL,PAPELAO,CARTOLINA,CARTAO
FABR DE ELETRODOMESTICOS
FABR DE PROD. DE LIMPEZA E PERFUMARIA
FABR DE TINTA,VERNIZ,ESMALTE,LACA,AFINS
FABR PECAS/ACESSORIOS P/VEIC AUTOMOTO
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
FABR.DE OUTROS EQUIP.DE TRANSPORTE
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
54
ramo58
ramo59
ramo60
ramo61
ramo62
ramo63
ramo64
ramo65
ramo66
ramo67
ramo68
ramo69
ramo70
ramo71
ramo72
ramo73
ramo74
ramo75
ramo76
ramo77
ramo78
ramo79
ramo80
ramo81
ramo82
ramo83
ramo84
ramo85
ramo86
ramo87
ramo88
ramo89
ramo90
ramo91
ramo92
ramo93
ramo94
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABRICACAO DE ART.DE BORRACHA/PLASTICO
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE PRODUTOS DE MADEIRA
FABRICACAO DE PRODUTOS DO FUMO
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS TEXTEIS
FABRICACAO DE TECIDOS E ART DE MALHA
IMOVEL DESOCUPADO
INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA
INTERMEDIARIOS DO COMERCIO
JURID,CONT,ASSES,ARQ,ENG,PUBL,ANAL.QLD
LATICINIOS
LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS
MANUT/REPARACAO DE VEICULOS AUTOMOTORES
METALURGIA BASICA
ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS
OUTRAS ATIVIDADES ASSOCIATIVAS
PESCA,AQUICULTURA E SERV.RELACIONADOS
PESQUISA E DESENVOLVIMENTO
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCAD
RECICLAGEM
REPARACAO DE OBJ. PESSOAIS/DOMESTICOS
RESIDENCIA E MISTOS
SAUDE E SERVICOS SOCIAIS
SEGUROS E PREVIDENCIA PRIVADA
SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
SERVICOS PESSOAIS
SERVICOS SOCIAIS
SERVICOS VETERINARIOS
TELECOMUNICACOES
TRAB.PEDRAS,FAB CAL/PROD MIN.NAO METALI
55
Anexo C – Resultados das Estimações com dados em painel
C.1 Método Efeitos Fixos para cada Grupo de Atividades
Atividades Agrícolas
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.2079
between = 0.1269
overall = 0.0060
Número de obs
=
856
Número de grupos
=
15
Obs por grupo: min =
34
avg =
57.1
max =
61
F(17,824)
=
12.72
corr(u_i, Xb) = -0.2686
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.1512081
.0113905
-13.27
0.000
-.1735658
-.1288503
m2 |
.0574181
.0976179
0.59
0.557
-.134191
.2490271
m3 | -.0193532
.0979893
-0.20
0.843
-.2116912
.1729847
m4 | -.0506808
.0979692
-0.52
0.605
-.2429794
.1416177
m5 | -.1315581
.0983166
-1.34
0.181
-.3245386
.0614224
m6 | -.0717892
.0987453
-0.73
0.467
-.2656111
.1220327
m7 | -.1314395
.0950882
-1.38
0.167
-.3180832
.0552042
m8 | -.1502605
.1005072
-1.50
0.135
-.3475407
.0470197
m9 | -.1362085
.1010417
-1.35
0.178
-.3345379
.062121
m10 | -.0929479
.1009157
-0.92
0.357
-.2910301
.1051342
m11 |
.0527952
.0998074
0.53
0.597
-.1431114
.2487019
m12 | -.0033682
.0994608
-0.03
0.973
-.1985944
.1918581
ano2 |
.167287
.0847586
1.97
0.049
.0009189
.3336552
ano3 | -.0266505
.0841482
-0.32
0.752
-.1918206
.1385196
ano4 |
.2545339
.0842638
3.02
0.003
.0891369
.4199309
ano5 |
.2434158
.0854996
2.85
0.005
.0755931
.4112384
ano6 |
.2543907
.0996736
2.55
0.011
.0587467
.4500348
_cons |
4.366096
.1080161
40.42
0.000
4.154077
4.578115
-------------+---------------------------------------------------------------sigma_u | 1.9090795
sigma_e | .58563949
rho | .91398906
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(14, 824) =
575.19
Prob > F = 0.0000
Elasticidades
y = Xb (previsto) = 3.8324049
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.6356667
.04788 -13.27
0.000 -.729519 -.541814
4.20392
m2 |
.0048296
.00821
0.59
0.556 -.011263 .020923
.084112
m3 | -.0016052
.00813
-0.20
0.843 -.017535 .014325
.082944
m4 | -.0042037
.00813
-0.52
0.605
-.02013 .011723
.082944
m5 | -.0107583
.00804
-1.34
0.181 -.026516
.005
.081776
m6 | -.0057867
.00796
-0.73
0.467 -.021387 .009814
.080607
m7 | -.0127447
.00922
-1.38
0.167 -.030816 .005326
.096963
m8 | -.0121121
.0081
-1.50
0.135 -.027991 .003767
.080607
m9 | -.0108203
.00803
-1.35
0.178 -.026552 .004912
.079439
m10 | -.0073837
.00802
-0.92
0.357 -.023096 .008329
.079439
m11 |
.004379
.00828
0.53
0.597 -.011846 .020604
.082944
m12 | -.0002833
.00837
-0.03
0.973
-.01668 .016113
.084112
ano2 |
.030096
.01525
1.97
0.048
.000209 .059983
.179907
ano3 | -.0052305
.01652
-0.32
0.751 -.037599 .027138
.196262
ano4 |
.0529288
.01752
3.02
0.003
.018586 .087272
.207944
ano5 |
.0497637
.01748
2.85
0.004
.015505 .084023
.204439
56
ano6 |
.0309073
.01211
2.55
0.011
.007172
.054642
.121495
Atividades não Identificadas
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.4188
between = 0.3981
overall = 0.3426
Número de obs
Número de grupos
Obs por grupo: min
avg
max
=
=
=
=
=
284848
5577
1
51.1
61
F(17,279254)
= 11837.30
corr(u_i, Xb) = 0.2529
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.1118946
.0002504 -446.83
0.000
-.1123855
-.1114038
m2 |
-.012113
.0041033
-2.95
0.003
-.0201552
-.0040707
m3 |
-.007012
.0041137
-1.70
0.088
-.0150749
.0010508
m4 | -.0198563
.0041166
-4.82
0.000
-.0279248
-.0117878
m5 | -.0011624
.0041144
-0.28
0.778
-.0092265
.0069017
m6 | -.0033377
.0041122
-0.81
0.417
-.0113976
.0047222
m7 | -.0349801
.0039637
-8.83
0.000
-.0427488
-.0272114
m8 | -.0592177
.0041803
-14.17
0.000
-.0674111
-.0510244
m9 |
-.051486
.0041829
-12.31
0.000
-.0596843
-.0432877
m10 | -.0448411
.0041852
-10.71
0.000
-.053044
-.0366381
m11 | -.0038285
.0041776
-0.92
0.359
-.0120165
.0043594
m12 |
.0405268
.0041747
9.71
0.000
.0323445
.0487091
ano2 |
.0532633
.0033882
15.72
0.000
.0466226
.059904
ano3 |
.0656239
.0034144
19.22
0.000
.0589316
.0723161
ano4 |
.1021793
.0034405
29.70
0.000
.0954361
.1089226
ano5 |
.1310874
.0034634
37.85
0.000
.1242993
.1378755
ano6 |
.1519791
.0040654
37.38
0.000
.1440111
.1599471
_cons |
3.02329
.0042926
704.30
0.000
3.014876
3.031703
-------------+---------------------------------------------------------------sigma_u | 1.0898604
sigma_e | .44417574
rho | .85755986
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(5576, 279254) =
295.80
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 2.5227569
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.5697563
.00128 -446.83
0.000 -.572256 -.567257
5.0919
m2 | -.0009959
.00034
-2.95
0.003 -.001657 -.000335
.082219
m3 | -.0005711
.00034
-1.70
0.088 -.001228 .000086
.081447
m4 | -.0016137
.00033
-4.82
0.000 -.002269 -.000958
.081268
m5 | -.0000947
.00034
-0.28
0.778 -.000751 .000562
.081426
m6 | -.0002723
.00034
-0.81
0.417
-.00093 .000385
.081594
m7 |
-.003442
.00039
-8.83
0.000 -.004206 -.002678
.0984
m8 | -.0048668
.00034 -14.17
0.000
-.00554 -.004193
.082184
m9 | -.0042221
.00034 -12.31
0.000 -.004894 -.00355
.082005
m10 | -.0036701
.00034 -10.71
0.000 -.004341 -.002999
.081847
m11 | -.0003155
.00034
-0.92
0.359
-.00099 .000359
.082419
m12 |
.0033493
.00035
9.71
0.000
.002673 .004026
.082644
ano2 |
.0107322
.00068
15.72
0.000
.009394
.01207
.201493
ano3 |
.0133004
.00069
19.22
0.000
.011944 .014657
.202677
ano4 |
.0199105
.00067
29.70
0.000
.018597 .021224
.194858
ano5 |
.0250511
.00066
37.85
0.000
.023754 .026348
.191102
ano6 |
.0169443
.00045
37.38
0.000
.016056 .017833
.111491
57
------------------------------------------------------------------------------
Comércio
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0594
between = 0.2071
overall = 0.0432
Número de obs
=
245663
Número de grupos
=
5234
Obs por grupo: min =
1
avg =
46.9
max =
61
F(17,240412)
=
893.82
corr(u_i, Xb) = 0.1146
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0166775
.0001479 -112.74
0.000
-.0169674
-.0163875
m2 | -.0211716
.0055945
-3.78
0.000
-.0321367
-.0102066
m3 |
.0053601
.0055922
0.96
0.338
-.0056005
.0163206
m4 |
.0027998
.0055881
0.50
0.616
-.0081528
.0137524
m5 | -.0033498
.0055845
-0.60
0.549
-.0142952
.0075957
m6 | -.0068108
.0055803
-1.22
0.222
-.0177481
.0041265
m7 | -.0371816
.0054083
-6.87
0.000
-.0477818
-.0265814
m8 | -.0721304
.0057392
-12.57
0.000
-.0833791
-.0608816
m9 | -.0522516
.0057308
-9.12
0.000
-.0634839
-.0410194
m10 |
-.048675
.0057284
-8.50
0.000
-.0599026
-.0374475
m11 |
-.024251
.0057196
-4.24
0.000
-.0354613
-.0130408
m12 | -.0210789
.0057124
-3.69
0.000
-.0322751
-.0098827
ano2 |
.0117427
.004825
2.43
0.015
.0022858
.0211995
ano3 | -.0705839
.0048417
-14.58
0.000
-.0800736
-.0610943
ano4 | -.1008387
.0048416
-20.83
0.000
-.110328
-.0913493
ano5 | -.1087358
.0048484
-22.43
0.000
-.1182385
-.0992332
ano6 | -.1251007
.0056243
-22.24
0.000
-.1361242
-.1140773
_cons |
3.159352
.0059099
534.59
0.000
3.147769
3.170935
-------------+---------------------------------------------------------------sigma_u | 1.3415999
sigma_e | .56210372
rho | .85066973
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(5233, 240412) =
257.79
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 2.9761274
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
-.090403
.0008 -112.74
0.000 -.091975 -.088831
5.42067
m2 | -.0017456
.00046
-3.78
0.000
-.00265 -.000842
.08245
m3 |
.000443
.00046
0.96
0.338 -.000463 .001349
.082654
m4 |
.0002322
.00046
0.50
0.616 -.000676 .001141
.082951
m5 | -.0002788
.00046
-0.60
0.549
-.00119 .000632
.083228
m6 |
-.000569
.00047
-1.22
0.222 -.001483 .000345
.083541
m7 | -.0036514
.00053
-6.87
0.000 -.004692 -.00261
.098204
m8 |
-.005781
.00046 -12.57
0.000 -.006683 -.004879
.080146
m9 | -.0042154
.00046
-9.12
0.000 -.005122 -.003309
.080676
m10 | -.0039354
.00046
-8.50
0.000 -.004843 -.003028
.080851
m11 | -.0019729
.00047
-4.24
0.000 -.002885 -.001061
.081351
m12 | -.0017246
.00047
-3.69
0.000 -.002641 -.000809
.081815
ano2 |
.0022104
.00091
2.43
0.015
.00043
.00399
.188233
ano3 | -.0135971
.00093 -14.58
0.000 -.015425 -.011769
.192638
ano4 | -.0201535
.00097 -20.83
0.000
-.02205 -.018257
.199859
ano5 | -.0224529
.001 -22.43
0.000 -.024415 -.020491
.20649
ano6 | -.0156295
.0007 -22.24
0.000 -.017007 -.014252
.124935
------------------------------------------------------------------------------
58
Construção Civil
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0362
between = 0.0097
overall = 0.0019
Número de obs
=
6873
Número de grupos
=
161
Obs por grupo: min =
1
avg =
42.7
max =
61
F(17,6695)
=
14.81
corr(u_i, Xb) = -0.0843
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0231529
.0042524
-5.44
0.000
-.031489
-.0148169
m2 | -.1043429
.0424728
-2.46
0.014
-.1876031
-.0210828
m3 | -.0204681
.0424687
-0.48
0.630
-.1037202
.0627841
m4 |
.0111976
.0423722
0.26
0.792
-.0718654
.0942606
m5 | -.0272014
.0425551
-0.64
0.523
-.1106229
.05622
m6 | -.0409599
.0425134
-0.96
0.335
-.1242996
.0423798
m7 | -.0934834
.0411047
-2.27
0.023
-.1740616
-.0129052
m8 | -.1139138
.0432779
-2.63
0.009
-.1987522
-.0290754
m9 | -.0723569
.0433068
-1.67
0.095
-.157252
.0125382
m10 | -.0426432
.0435504
-0.98
0.328
-.1280158
.0427294
m11 | -.0915409
.043378
-2.11
0.035
-.1765756
-.0065063
m12 | -.0668337
.0433604
-1.54
0.123
-.1518339
.0181664
ano2 | -.0305959
.0349167
-0.88
0.381
-.0990437
.0378519
ano3 |
-.209643
.0359596
-5.83
0.000
-.2801354
-.1391507
ano4 | -.2406419
.0367982
-6.54
0.000
-.3127781
-.1685057
ano5 | -.3288984
.0372517
-8.83
0.000
-.4019236
-.2558731
ano6 | -.3058124
.0438524
-6.97
0.000
-.3917771
-.2198477
_cons |
4.274444
.0478759
89.28
0.000
4.180592
4.368296
-------------+---------------------------------------------------------------sigma_u | 1.0738703
sigma_e |
.7116184
rho | .69486546
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(160, 6695) =
90.62
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.8986272
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.1315268
.02416
-5.44
0.000 -.178874 -.08418
5.68078
m2 | -.0085624
.00349
-2.46
0.014 -.015394 -.001731
.08206
m3 | -.0016826
.00349
-0.48
0.630 -.008525
.00516
.082206
m4 |
.0009303
.00352
0.26
0.792 -.005969
.00783
.083079
m5 | -.0022242
.00348
-0.64
0.523 -.009044 .004596
.081769
m6 | -.0033612
.00349
-0.96
0.335 -.010199 .003476
.08206
m7 | -.0091538
.00402
-2.27
0.023 -.017043 -.001265
.097919
m8 | -.0093809
.00356
-2.63
0.008 -.016366 -.002396
.082351
m9 | -.0059481
.00356
-1.67
0.095 -.012926 .001029
.082206
m10 | -.0034373
.00351
-0.98
0.327 -.010318 .003443
.080605
m11 | -.0074986
.00355
-2.11
0.035 -.014463 -.000534
.081915
m12 | -.0054941
.00356
-1.54
0.123
-.01248 .001492
.082206
ano2 | -.0067486
.0077
-0.88
0.381 -.021844 .008346
.220573
ano3 | -.0419103
.00719
-5.83
0.000
-.056 -.027821
.199913
ano4 | -.0435557
.00666
-6.54
0.000
-.05661 -.030502
.180998
ano5 | -.0617791
.007
-8.83
0.000 -.075493 -.048065
.187836
ano6 | -.0344834
.00494
-6.97
0.000 -.044175 -.024792
.11276
------------------------------------------------------------------------------
59
Serviços de Educação e Saúde
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.1074
between = 0.0673
overall = 0.0370
Número de obs
=
79727
Número de grupos
=
1494
Obs por grupo: min =
1
avg =
53.4
max =
61
F(17,78216)
=
553.33
corr(u_i, Xb) = 0.0231
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0690723
.0008516
-81.11
0.000
-.0707415
-.0674031
m2 | -.2332911
.0092978
-25.09
0.000
-.2515147
-.2150675
m3 | -.0934804
.0093015
-10.05
0.000
-.1117113
-.0752495
m4 |
.0324007
.0092765
3.49
0.000
.0142189
.0505826
m5 |
.0730327
.0092741
7.87
0.000
.0548555
.0912099
m6 |
.0989677
.0092483
10.70
0.000
.0808411
.1170944
m7 |
.0630378
.0089654
7.03
0.000
.0454656
.08061
m8 | -.0314629
.0094866
-3.32
0.001
-.0500566
-.0128692
m9 |
.0345713
.0094814
3.65
0.000
.0159878
.0531548
m10 |
.0382916
.0094722
4.04
0.000
.0197261
.056857
m11 |
.0929899
.0094618
9.83
0.000
.0744448
.111535
m12 |
.0765577
.0094596
8.09
0.000
.0580169
.0950984
ano2 |
-.00719
.0078919
-0.91
0.362
-.0226581
.008278
ano3 | -.0263782
.0079114
-3.33
0.001
-.0418845
-.0108719
ano4 | -.0153635
.0079507
-1.93
0.053
-.0309468
.0002199
ano5 | -.0290095
.0079971
-3.63
0.000
-.0446837
-.0133353
ano6 | -.0477605
.0093124
-5.13
0.000
-.0660127
-.0295083
_cons |
4.168434
.0102384
407.14
0.000
4.148367
4.188501
-------------+---------------------------------------------------------------sigma_u | 1.3671021
sigma_e | .53099283
rho | .86891507
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(1493, 78216) =
336.88
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.7919992
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3689754
.00455 -81.11
0.000 -.377892 -.360059
5.34187
m2 | -.0190403
.00076 -25.09
0.000 -.020528 -.017553
.081616
m3 | -.0076213
.00076 -10.05
0.000 -.009108 -.006135
.081528
m4 |
.0026712
.00076
3.49
0.000
.001172
.00417
.082444
m5 |
.0060266
.00077
7.87
0.000
.004527 .007527
.082519
m6 |
.0082573
.00077
10.70
0.000
.006745
.00977
.083435
m7 |
.0061807
.00088
7.03
0.000
.004458 .007904
.098047
m8 | -.0025474
.00077
-3.32
0.001 -.004053 -.001042
.080964
m9 |
.002806
.00077
3.65
0.000
.001298 .004314
.081164
m10 |
.0031276
.00077
4.04
0.000
.001611 .004644
.081679
m11 |
.0076315
.00078
9.83
0.000
.00611 .009153
.082068
m12 |
.0063031
.00078
8.09
0.000
.004777
.00783
.082331
ano2 | -.0013713
.00151
-0.91
0.362 -.004321 .001579
.190726
ano3 | -.0051478
.00154
-3.33
0.001 -.008174 -.002122
.195153
ano4 | -.0030657
.00159
-1.93
0.053 -.006175 .000044
.199543
ano5 | -.0058887
.00162
-3.63
0.000
-.00907 -.002707
.202993
ano6 | -.0057808
.00113
-5.13
0.000
-.00799 -.003572
.121038
60
------------------------------------------------------------------------------
Eletricidade e Saneamento
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0789
between = 0.0079
overall = 0.0163
Número de obs
=
2525
Número de grupos
=
84
Obs por grupo: min =
1
avg =
30.1
max =
61
F(17,2424)
=
12.21
corr(u_i, Xb) = 0.0014
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0700995
.0082484
-8.50
0.000
-.0862741
-.0539249
m2 |
.0631713
.081065
0.78
0.436
-.0957924
.2221351
m3 |
.1775343
.0812516
2.18
0.029
.0182047
.336864
m4 |
.0511343
.0813132
0.63
0.530
-.1083163
.2105848
m5 |
.0985018
.0809225
1.22
0.224
-.0601827
.2571862
m6 |
.1308662
.081433
1.61
0.108
-.0288194
.2905517
m7 |
.0486916
.0805737
0.60
0.546
-.1093089
.2066921
m8 | -.0168922
.086174
-0.20
0.845
-.1858745
.1520902
m9 |
.0288255
.0865708
0.33
0.739
-.140935
.198586
m10 |
.0044462
.0860502
0.05
0.959
-.1642934
.1731858
m11 |
.0861359
.0861477
1.00
0.317
-.0827948
.2550666
m12 |
.1320925
.0867101
1.52
0.128
-.037941
.3021261
ano2 | -.0329119
.1199212
-0.27
0.784
-.2680707
.2022468
ano3 | -.6279079
.1125764
-5.58
0.000
-.8486639
-.4071519
ano4 | -.5876869
.1129301
-5.20
0.000
-.8091365
-.3662374
ano5 | -.4290484
.1134061
-3.78
0.000
-.6514312
-.2066655
ano6 | -.6257858
.1203153
-5.20
0.000
-.8617173
-.3898543
_cons |
3.792502
.124676
30.42
0.000
3.54802
4.036985
-------------+---------------------------------------------------------------sigma_u | 2.1476862
sigma_e | .82111126
rho | .87246987
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(83, 2424) =
201.48
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.2137414
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.1417481
.01668
-8.50
0.000 -.174438 -.109058
2.0221
m2 |
.0058293
.00748
0.78
0.436 -.008832 .020491
.092277
m3 |
.0161011
.00737
2.18
0.029
.001658 .030544
.090693
m4 |
.0046375
.00737
0.63
0.529 -.009816 .019091
.090693
m5 |
.0090505
.00744
1.22
0.224 -.005522 .023623
.091881
m6 |
.0117132
.00729
1.61
0.108 -.002572 .025999
.089505
m7 |
.0046281
.00766
0.60
0.546 -.010382 .019638
.09505
m8 | -.0012711
.00648
-0.20
0.845
-.01398 .011438
.075248
m9 |
.0021234
.00638
0.33
0.739 -.010375 .014622
.073663
m10 |
.0003398
.00658
0.05
0.959 -.012551 .013231
.076436
m11 |
.0065156
.00652
1.00
0.317 -.006257 .019288
.075644
m12 |
.0097304
.00639
1.52
0.128 -.002789 .022249
.073663
ano2 | -.0023592
.0086
-0.27
0.784 -.019208 .014489
.071683
ano3 | -.1564175
.02804
-5.58
0.000 -.211382 -.101453
.249109
ano4 | -.1494238
.02871
-5.20
0.000 -.205701 -.093147
.254257
ano5 | -.1114676
.02946
-3.78
0.000 -.169214 -.053721
.259802
ano6 | -.0867426
.01668
-5.20
0.000
-.11943 -.054056
.138614
61
------------------------------------------------------------------------------
Atividades Extrativistas
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0414
between = 0.1070
overall = 0.0203
Número de obs
=
1091
Número de grupos
=
21
Obs por grupo: min =
5
avg =
52.0
max =
61
F(17,1053)
=
2.68
corr(u_i, Xb) = -0.2355
Prob > F
=
0.0003
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0457518
.0126815
-3.61
0.000
-.0706356
-.020868
m2 | -.1114889
.0748679
-1.49
0.137
-.2583962
.0354184
m3 | -.1992786
.0753517
-2.64
0.008
-.347135
-.0514221
m4 | -.0278493
.0748821
-0.37
0.710
-.1747844
.1190858
m5 |
.0121316
.0752545
0.16
0.872
-.1355342
.1597974
m6 | -.0551995
.0750444
-0.74
0.462
-.202453
.092054
m7 | -.1086916
.0723412
-1.50
0.133
-.2506408
.0332577
m8 |
-.104594
.0763321
-1.37
0.171
-.2543743
.0451863
m9 |
-.057746
.0764258
-0.76
0.450
-.2077101
.0922182
m10 |
.0147205
.0765425
0.19
0.848
-.1354727
.1649137
m11 | -.0448425
.0767844
-0.58
0.559
-.1955103
.1058253
m12 |
.0067831
.076581
0.09
0.929
-.1434857
.1570519
ano2 |
.0272072
.0618038
0.44
0.660
-.0940654
.1484798
ano3 | -.0754152
.0637328
-1.18
0.237
-.200473
.0496425
ano4 | -.0055073
.063126
-0.09
0.930
-.1293744
.1183598
ano5 |
.0091299
.0637085
0.14
0.886
-.1158801
.1341399
ano6 | -.1154459
.0749283
-1.54
0.124
-.2624717
.03158
_cons |
4.635351
.0927688
49.97
0.000
4.453318
4.817384
-------------+---------------------------------------------------------------sigma_u | 1.7037962
sigma_e | .50221311
rho | .92006122
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(20, 1053) =
496.24
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
=
4.327933
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
-.229048
.06349
-3.61
0.000 -.353481 -.104615
5.00632
m2 | -.0091971
.00618
-1.49
0.136 -.021302 .002908
.082493
m3 | -.0160738
.00608
-2.64
0.008 -.027986 -.004161
.08066
m4 | -.0022974
.00618
-0.37
0.710 -.014405
.00981
.082493
m5 |
.0009897
.00614
0.16
0.872 -.011043 .013022
.081577
m6 | -.0045536
.00619
-0.74
0.462 -.016687
.00758
.082493
m7 | -.0107596
.00716
-1.50
0.133 -.024795 .003276
.098992
m8 | -.0086283
.0063
-1.37
0.171
-.02097 .003713
.082493
m9 | -.0047636
.0063
-0.76
0.450
-.01712 .007593
.082493
m10 |
.0012008
.00624
0.19
0.847 -.011037 .013439
.081577
m11 |
-.003617
.00619
-0.58
0.559 -.015756 .008522
.08066
m12 |
.0005533
.00625
0.09
0.929 -.011691 .012798
.081577
ano2 |
.0054365
.01235
0.44
0.660 -.018768 .029641
.199817
ano3 | -.0145162
.01227
-1.18
0.237
-.03856 .009528
.192484
ano4 | -.0010752
.01232
-0.09
0.930
-.02523
.02308
.195234
ano5 |
.001841
.01285
0.14
0.886 -.023338
.02702
.20165
ano6 | -.0129096
.00838
-1.54
0.123 -.029332 .003513
.111824
62
------------------------------------------------------------------------------
Fabricação de Máquinas e Equipamentos
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0553
between = 0.0865
overall = 0.0598
Número de obs
=
8305
Número de grupos
=
146
Obs por grupo: min =
10
avg =
56.9
max =
61
F(17,8142)
=
28.05
corr(u_i, Xb) = 0.1117
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco |
.051236
.0045436
11.28
0.000
.0423294
.0601427
m2 | -.0494301
.030181
-1.64
0.102
-.1085926
.0097325
m3 | -.0422136
.030148
-1.40
0.161
-.1013114
.0168842
m4 |
.0452557
.0302381
1.50
0.135
-.0140186
.10453
m5 | -.0117536
.0302308
-0.39
0.697
-.0710137
.0475064
m6 |
.007763
.0301508
0.26
0.797
-.0513402
.0668662
m7 | -.0306927
.0292209
-1.05
0.294
-.0879732
.0265878
m8 | -.0428448
.0307579
-1.39
0.164
-.1031381
.0174484
m9 | -.0303398
.0308205
-0.98
0.325
-.0907559
.0300762
m10 | -.0722964
.0309078
-2.34
0.019
-.1328835
-.0117093
m11 |
-.081157
.0308904
-2.63
0.009
-.1417102
-.0206039
m12 | -.0726915
.0309756
-2.35
0.019
-.1334115
-.0119715
ano2 | -.1256166
.0256385
-4.90
0.000
-.1758746
-.0753586
ano3 | -.2471075
.0260709
-9.48
0.000
-.2982131
-.1960018
ano4 | -.3717342
.0264409
-14.06
0.000
-.423565
-.3199033
ano5 | -.4078415
.0270522
-15.08
0.000
-.4608706
-.3548123
ano6 | -.4988785
.0313352
-15.92
0.000
-.5603034
-.4374536
_cons |
4.37145
.0387072
112.94
0.000
4.295574
4.447326
-------------+---------------------------------------------------------------sigma_u | .85068059
sigma_e | .55797853
rho | .69918764
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(145, 8142) =
116.75
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 4.3806528
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
.3270248
.029
11.28
0.000
.270185 .383865
6.38271
m2 |
-.004083
.00249
-1.64
0.101 -.008969 .000803
.082601
m3 | -.0035021
.0025
-1.40
0.161 -.008404
.0014
.082962
m4 |
.0037164
.00248
1.50
0.134
-.00115 .008583
.082119
m5 | -.0009652
.00248
-0.39
0.697 -.005831
.0039
.082119
m6 |
.000644
.0025
0.26
0.797 -.004259 .005547
.082962
m7 | -.0029935
.00285
-1.05
0.294 -.008579 .002592
.097532
m8 | -.0035235
.00253
-1.39
0.164 -.008481 .001434
.08224
m9 | -.0024732
.00251
-0.98
0.325 -.007397 .002451
.081517
m10 | -.0058673
.00251
-2.34
0.019 -.010784 -.000951
.081156
m11 | -.0066352
.00253
-2.63
0.009 -.011585 -.001685
.081758
m12 | -.0058818
.00251
-2.35
0.019 -.010794 -.000969
.080915
ano2 | -.0249116
.00508
-4.90
0.000 -.034877 -.014946
.198314
ano3 | -.0491537
.00519
-9.48
0.000 -.059318 -.038989
.198916
ano4 | -.0739887
.00526 -14.06
0.000 -.084303 -.063674
.199037
ano5 |
-.080537
.00534 -15.08
0.000 -.091007 -.070067
.197471
ano6 | -.0576669
.00362 -15.92
0.000 -.064766 -.050568
.115593
63
------------------------------------------------------------------------------
Atividades Financeiras
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0155
between = 0.0235
overall = 0.0062
Número de obs
=
13234
Número de grupos
=
235
Obs por grupo: min =
2
avg =
56.3
max =
61
F(17,12982)
=
12.04
corr(u_i, Xb) = 0.0241
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco |
.0036859
.0027333
1.35
0.178
-.0016717
.0090436
m2 | -.0245012
.023029
-1.06
0.287
-.0696414
.0206391
m3 | -.0016627
.0230075
-0.07
0.942
-.0467607
.0434354
m4 |
.0191343
.022999
0.83
0.405
-.025947
.0642156
m5 |
.0172449
.023
0.75
0.453
-.0278384
.0623283
m6 |
.0294153
.0229358
1.28
0.200
-.0155423
.0743728
m7 | -.0083355
.0221754
-0.38
0.707
-.0518025
.0351315
m8 | -.0305623
.0234862
-1.30
0.193
-.0765987
.0154741
m9 | -.0179377
.0234932
-0.76
0.445
-.0639877
.0281123
m10 | -.0322075
.0234559
-1.37
0.170
-.0781845
.0137696
m11 | -.0350222
.0234489
-1.49
0.135
-.0809855
.010941
m12 | -.0560088
.0234985
-2.38
0.017
-.1020692
-.0099483
ano2 | -.0570276
.0192827
-2.96
0.003
-.0948245
-.0192308
ano3 | -.1681671
.0194259
-8.66
0.000
-.2062446
-.1300896
ano4 | -.1661705
.019686
-8.44
0.000
-.204758
-.127583
ano5 | -.1809611
.0198133
-9.13
0.000
-.2197982
-.1421241
ano6 | -.2428958
.0232475
-10.45
0.000
-.2884644
-.1973273
_cons |
4.215272
.0269466
156.43
0.000
4.162452
4.268091
-------------+---------------------------------------------------------------sigma_u |
1.116175
sigma_e | .53591231
rho | .81265955
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(234, 12982) =
213.56
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 4.0843887
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
.0221008
.01639
1.35
0.177
-.01002 .054222
5.99598
m2 | -.0020032
.00188
-1.06
0.287 -.005693 .001687
.081759
m3 | -.0001366
.00189
-0.07
0.942
-.00384 .003567
.082137
m4 |
.0015745
.00189
0.83
0.405 -.002135 .005284
.082288
m5 |
.0014191
.00189
0.75
0.453
-.00229 .005129
.082288
m6 |
.0024472
.00191
1.28
0.200 -.001293 .006187
.083195
m7 | -.0008245
.00219
-0.38
0.707 -.005123 .003475
.098912
m8 | -.0024803
.00191
-1.30
0.193 -.006216 .001255
.081155
m9 | -.0014544
.0019
-0.76
0.445 -.005188 .002279
.081079
m10 | -.0026333
.00192
-1.37
0.170 -.006392 .001125
.081759
m11 | -.0028713
.00192
-1.49
0.135 -.006639 .000897
.081986
m12 | -.0045623
.00191
-2.38
0.017 -.008314 -.000811
.081457
ano2 | -.0111737
.00378
-2.96
0.003 -.018579 -.003769
.195935
ano3 | -.0332675
.00384
-8.66
0.000 -.040799 -.025736
.197824
ano4 |
-.032885
.0039
-8.44
0.000 -.040521 -.025249
.197899
ano5 | -.0357574
.00392
-9.13
0.000 -.043431 -.028084
.197597
ano6 | -.0283752
.00272 -10.45
0.000 -.033698 -.023052
.11682
64
------------------------------------------------------------------------------
Atividades Imobiliárias
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0962
between = 0.1503
overall = 0.0375
Número de obs
=
45479
Número de grupos
=
876
Obs por grupo: min =
1
avg =
51.9
max =
61
F(17,44586)
=
279.12
corr(u_i, Xb) = 0.0898
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0354873
.0005316
-66.75
0.000
-.0365293
-.0344452
m2 | -.0565467
.0104346
-5.42
0.000
-.0769988
-.0360946
m3 |
.005497
.0104448
0.53
0.599
-.014975
.0259691
m4 |
.0436842
.0104361
4.19
0.000
.0232294
.0641391
m5 |
.0277927
.0104277
2.67
0.008
.0073542
.0482312
m6 |
.02262
.010427
2.17
0.030
.0021829
.0430571
m7 |
.0051536
.0100979
0.51
0.610
-.0146385
.0249456
m8 |
-.005234
.0106878
-0.49
0.624
-.0261821
.0157142
m9 |
.0245946
.0106953
2.30
0.021
.0036317
.0455576
m10 |
.0210523
.0106856
1.97
0.049
.0001082
.0419963
m11 |
.019451
.0106711
1.82
0.068
-.0014645
.0403664
m12 | -.0006184
.0106659
-0.06
0.954
-.0215237
.0202869
ano2 | -.0192132
.0089161
-2.15
0.031
-.0366889
-.0017375
ano3 | -.0282753
.008921
-3.17
0.002
-.0457607
-.01079
ano4 | -.0205651
.0089454
-2.30
0.022
-.0380983
-.0030319
ano5 | -.0111643
.0089575
-1.25
0.213
-.0287211
.0063924
ano6 | -.0212039
.0104463
-2.03
0.042
-.0416788
-.0007289
_cons |
4.571019
.0111819
408.79
0.000
4.549102
4.592935
-------------+---------------------------------------------------------------sigma_u |
1.684865
sigma_e |
.4515376
rho | .93299072
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(875, 44586) =
578.38
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 4.3328442
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.2289501
.00343 -66.75
0.000 -.235673 -.222228
6.45161
m2 | -.0046775
.00086
-5.42
0.000 -.006369 -.002986
.082719
m3 |
.0004531
.00086
0.53
0.599 -.001234 .002141
.082434
m4 |
.0036145
.00086
4.19
0.000
.001922 .005307
.082741
m5 |
.0023076
.00087
2.67
0.008
.000611 .004004
.083027
m6 |
.0018796
.00087
2.17
0.030
.000181 .003578
.083093
m7 |
.0005051
.00099
0.51
0.610 -.001435 .002445
.098001
m8 | -.0004232
.00086
-0.49
0.624 -.002117
.00127
.080851
m9 |
.0019847
.00086
2.30
0.021
.000293 .003676
.080697
m10 |
.0017067
.00087
1.97
0.049
8.8e-06 .003405
.08107
m11 |
.0015846
.00087
1.82
0.068 -.000119 .003288
.081466
m12 | -.0000506
.00087
-0.06
0.954 -.001761 .001659
.081796
ano2 | -.0036323
.00169
-2.15
0.031 -.006936 -.000329
.189054
ano3 | -.0055066
.00174
-3.17
0.002 -.008912 -.002101
.194749
ano4 | -.0040941
.00178
-2.30
0.022 -.007585 -.000604
.199081
ano5 | -.0022911
.00184
-1.25
0.213 -.005894 .001312
.205216
ano6 | -.0025848
.00127
-2.03
0.042 -.005081 -.000089
.121902
65
------------------------------------------------------------------------------
Indústria Final
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0189
between = 0.0391
overall = 0.0166
Número de obs
=
50925
Número de grupos
=
928
Obs por grupo: min =
2
avg =
54.9
max =
61
F(17,49980)
=
56.68
corr(u_i, Xb) = -0.2350
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0262518
.0015785
-16.63
0.000
-.0293457
-.0231579
m2 | -.0462199
.0112883
-4.09
0.000
-.0683452
-.0240946
m3 |
.0042586
.0112923
0.38
0.706
-.0178746
.0263917
m4 |
.0118183
.0112789
1.05
0.295
-.0102886
.0339251
m5 | -.0047046
.0112824
-0.42
0.677
-.0268182
.017409
m6 | -.0185502
.0112663
-1.65
0.100
-.0406322
.0035319
m7 | -.0452552
.0109076
-4.15
0.000
-.0666341
-.0238762
m8 | -.0641836
.0115137
-5.57
0.000
-.0867506
-.0416166
m9 | -.0452515
.011512
-3.93
0.000
-.0678152
-.0226877
m10 | -.0410635
.0115328
-3.56
0.000
-.063668
-.0184591
m11 | -.0211961
.0115274
-1.84
0.066
-.0437899
.0013977
m12 | -.0132957
.0115293
-1.15
0.249
-.0358932
.0093019
ano2 |
.0193145
.0094765
2.04
0.042
.0007405
.0378885
ano3 | -.0244029
.0095833
-2.55
0.011
-.0431864
-.0056195
ano4 | -.0695098
.009711
-7.16
0.000
-.0885435
-.0504761
ano5 | -.0955091
.0098754
-9.67
0.000
-.114865
-.0761532
ano6 |
-.105613
.0114982
-9.19
0.000
-.1281495
-.0830764
_cons |
4.237537
.0135002
313.89
0.000
4.211076
4.263997
-------------+---------------------------------------------------------------sigma_u | 1.0041624
sigma_e | .51574579
rho | .79126875
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(927, 49980) =
170.97
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 4.0241121
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.1436501
.00864 -16.63
0.000
-.16058 -.126721
5.47201
m2 |
-.003802
.00093
-4.09
0.000 -.005622 -.001982
.082258
m3 |
.0003498
.00093
0.38
0.706 -.001468 .002168
.08214
m4 |
.0009756
.00093
1.05
0.295 -.000849 .002801
.082553
m5 |
-.000388
.00093
-0.42
0.677 -.002212 .001436
.082474
m6 |
-.001539
.00093
-1.65
0.100 -.003371 .000293
.082965
m7 | -.0044371
.00107
-4.15
0.000 -.006533 -.002341
.098046
m8 | -.0052393
.00094
-5.57
0.000 -.007081 -.003397
.08163
m9 | -.0036965
.00094
-3.93
0.000
-.00554 -.001853
.081689
m10 | -.0033335
.00094
-3.56
0.000 -.005168 -.001499
.081178
m11 | -.0017286
.00094
-1.84
0.066 -.003571 .000114
.081551
m12 | -.0010861
.00094
-1.15
0.249 -.002932
.00076
.081689
ano2 |
.0038253
.00188
2.04
0.042
.000147 .007504
.198056
ano3 | -.0048212
.00189
-2.55
0.011 -.008532 -.00111
.197565
ano4 | -.0137559
.00192
-7.16
0.000 -.017523 -.009989
.197899
ano5 | -.0188561
.00195
-9.67
0.000 -.022677 -.015035
.197428
ano6 | -.0122422
.00133
-9.19
0.000 -.014854 -.00963
.115916
66
------------------------------------------------------------------------------
Indústria Metalúrgica
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0740
between = 0.0000
overall = 0.0014
Número de obs
=
21419
Número de grupos
=
386
Obs por grupo: min =
3
avg =
55.5
max =
61
F(17,21016)
=
98.86
corr(u_i, Xb) = -0.1321
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0608342
.0019873
-30.61
0.000
-.0647294
-.056939
m2 | -.0707921
.0197826
-3.58
0.000
-.1095674
-.0320167
m3 |
.0344526
.0197652
1.74
0.081
-.0042887
.0731938
m4 |
.0708961
.0197763
3.58
0.000
.0321331
.1096591
m5 |
.0263762
.0198241
1.33
0.183
-.0124806
.065233
m6 |
.0003531
.0197735
0.02
0.986
-.0384045
.0391107
m7 | -.0440721
.0191264
-2.30
0.021
-.0815613
-.006583
m8 | -.0595214
.0201643
-2.95
0.003
-.0990449
-.0199978
m9 | -.0406215
.0201876
-2.01
0.044
-.0801908
-.0010521
m10 | -.0170101
.0201798
-0.84
0.399
-.0565641
.0225438
m11 | -.0160912
.0201938
-0.80
0.426
-.0556725
.0234901
m12 | -.0035799
.0201752
-0.18
0.859
-.0431248
.0359651
ano2 |
.016935
.0165914
1.02
0.307
-.0155853
.0494554
ano3 | -.0969417
.016672
-5.81
0.000
-.1296202
-.0642632
ano4 | -.1353489
.0168345
-8.04
0.000
-.1683457
-.102352
ano5 | -.1691414
.0169797
-9.96
0.000
-.202423
-.1358598
ano6 | -.2030812
.0198373
-10.24
0.000
-.2419638
-.1641985
_cons |
4.458989
.022603
197.27
0.000
4.414686
4.503293
-------------+---------------------------------------------------------------sigma_u | 1.2049067
sigma_e | .58672548
rho | .80833084
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(385, 21016) =
212.22
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.9815417
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3677509
.01201 -30.61
0.000 -.391296 -.344205
6.04513
m2 |
-.005817
.00163
-3.58
0.000 -.009003 -.002631
.08217
m3 |
.0028438
.00163
1.74
0.081 -.000354 .006041
.082544
m4 |
.0058388
.00163
3.58
0.000
.002647 .009031
.082357
m5 |
.0021513
.00162
1.33
0.183 -.001018
.00532
.081563
m6 |
.0000291
.00163
0.02
0.986 -.003164 .003223
.082403
m7 | -.0043025
.00187
-2.30
0.021 -.007962 -.000643
.097624
m8 |
-.004877
.00165
-2.95
0.003 -.008115 -.001639
.081937
m9 | -.0033132
.00165
-2.01
0.044
-.00654 -.000086
.081563
m10 | -.0013914
.00165
-0.84
0.399 -.004627 .001844
.081797
m11 | -.0013162
.00165
-0.80
0.426 -.004554 .001921
.081797
m12 | -.0002938
.00166
-0.18
0.859 -.003539 .002952
.082077
ano2 |
.0033595
.00329
1.02
0.307 -.003091
.00981
.198375
ano3 | -.0193214
.00332
-5.81
0.000 -.025834 -.012809
.199309
ano4 | -.0268372
.00334
-8.04
0.000
-.03338 -.020295
.198282
ano5 | -.0333245
.00335
-9.96
0.000 -.039881 -.026768
.197021
ano6 |
-.023125
.00226 -10.24
0.000 -.027552 -.018698
.113871
67
------------------------------------------------------------------------------
Outras Atividades
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0874
between = 0.0176
overall = 0.0019
Número de obs
=
148376
Número de grupos
=
2898
Obs por grupo: min =
1
avg =
51.2
max =
61
F(17,145461)
=
818.98
corr(u_i, Xb) = -0.1466
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0655882
.0005997 -109.37
0.000
-.0667636
-.0644127
m2 | -.0377369
.0067598
-5.58
0.000
-.0509858
-.0244879
m3 |
.0629936
.006757
9.32
0.000
.04975
.0762372
m4 |
.0558763
.0067537
8.27
0.000
.0426392
.0691135
m5 |
.0064835
.0067524
0.96
0.337
-.006751
.0197181
m6 | -.0238048
.0067441
-3.53
0.000
-.0370231
-.0105864
m7 |
-.059486
.006536
-9.10
0.000
-.0722965
-.0466754
m8 | -.1169231
.0069204
-16.90
0.000
-.1304869
-.1033593
m9 | -.0858827
.006923
-12.41
0.000
-.0994515
-.0723138
m10 | -.0732037
.0069167
-10.58
0.000
-.0867603
-.0596471
m11 | -.0535334
.0069146
-7.74
0.000
-.0670859
-.039981
m12 | -.0272669
.0069151
-3.94
0.000
-.0408204
-.0137133
ano2 |
.0579345
.0057487
10.08
0.000
.0466672
.0692018
ano3 |
.0369834
.0057815
6.40
0.000
.0256518
.048315
ano4 |
.0271899
.0058094
4.68
0.000
.0158036
.0385763
ano5 |
.0229613
.0058444
3.93
0.000
.0115065
.0344162
ano6 |
.0041776
.0068047
0.61
0.539
-.0091595
.0175147
_cons |
4.051601
.0074455
544.16
0.000
4.037008
4.066194
-------------+---------------------------------------------------------------sigma_u | 1.1804391
sigma_e |
.5276438
rho | .83347255
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(2897, 145461) =
231.94
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.7121856
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3389394
.0031 -109.37
0.000 -.345014 -.332865
5.16769
m2 | -.0031143
.00056
-5.58
0.000 -.004208 -.002021
.082527
m3 |
.0052114
.00056
9.32
0.000
.004116 .006307
.082729
m4 |
.0046331
.00056
8.27
0.000
.003536 .005731
.082918
m5 |
.0005383
.00056
0.96
0.337
-.00056 .001637
.083019
m6 |
-.001987
.00056
-3.53
0.000
-.00309 -.000884
.08347
m7 | -.0058421
.00064
-9.10
0.000
-.0071 -.004584
.09821
m8 | -.0094491
.00056 -16.90
0.000 -.010545 -.008353
.080815
m9 | -.0069337
.00056 -12.41
0.000 -.008029 -.005838
.080734
m10 | -.0059357
.00056 -10.58
0.000 -.007035 -.004836
.081085
m11 | -.0043526
.00056
-7.74
0.000 -.005455 -.003251
.081307
m12 | -.0022175
.00056
-3.94
0.000
-.00332 -.001115
.081327
ano2 |
.011205
.00111
10.08
0.000
.009026 .013384
.193407
ano3 |
.0072241
.00113
6.40
0.000
.005011 .009438
.195335
ano4 |
.0054079
.00116
4.68
0.000
.003143 .007673
.198893
ano5 |
.0046354
.00118
3.93
0.000
.002323 .006948
.201879
ano6 |
.0005011
.00082
0.61
0.539 -.001099 .002101
.119945
68
------------------------------------------------------------------------------
Pesquisa e Desenvolvimento
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.7855
between = 0.9824
overall = 0.7653
Número de obs
=
81
Número de grupos
=
3
Obs por grupo: min =
3
avg =
27.0
max =
53
F(17,61)
=
13.14
corr(u_i, Xb) = 0.2573
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0987956
.0089994
-10.98
0.000
-.116791
-.0808001
m2 |
.0943291
.227467
0.41
0.680
-.3605192
.5491774
m3 |
.0870346
.2275513
0.38
0.703
-.3679823
.5420515
m4 |
.0869308
.2259782
0.38
0.702
-.3649407
.5388022
m5 |
.1077758
.2260766
0.48
0.635
-.3442922
.5598439
m6 |
.065433
.2262146
0.29
0.773
-.3869112
.5177771
m7 | -.0049733
.2201827
-0.02
0.982
-.4452558
.4353092
m8 |
.5444751
.2484105
2.19
0.032
.0477475
1.041203
m9 | -.1113071
.2399213
-0.46
0.644
-.5910594
.3684452
m10 | -.1464119
.2714598
-0.54
0.592
-.6892293
.3964054
m11 | -.0053462
.2359336
-0.02
0.982
-.4771247
.4664322
m12 |
.1931294
.2386721
0.81
0.422
-.284125
.6703839
ano2 | -.1893415
.1812944
-1.04
0.300
-.5518621
.1731791
ano3 | -.0148565
.1907243
-0.08
0.938
-.3962333
.3665203
ano4 | -.1347395
.2217502
-0.61
0.546
-.5781564
.3086773
ano5 | -.1981648
.2432941
-0.81
0.419
-.6846614
.2883317
ano6 |
.2443077
.2528901
0.97
0.338
-.2613773
.7499927
_cons |
2.029779
.2432236
8.35
0.000
1.543423
2.516134
-------------+---------------------------------------------------------------sigma_u | .80346655
sigma_e | .42258908
rho | .78331167
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(2, 61) =
11.64
Prob > F = 0.0001
Elasticidades
y = Xb (previsto)
= .99838269
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -1.030655
.09388 -10.98
0.000 -1.21466 -.846647
10.4322
m2 |
.0081519
.01966
0.41
0.678 -.030376
.04668
.08642
m3 |
.0075215
.01966
0.38
0.702 -.031021 .046064
.08642
m4 |
.0075125
.01953
0.38
0.700 -.030764 .045789
.08642
m5 |
.009314
.01954
0.48
0.634 -.028979 .047607
.08642
m6 |
.0056547
.01955
0.29
0.772 -.032661 .043971
.08642
m7 | -.0005526
.02446
-0.02
0.982 -.048503 .047397
.111111
m8 |
.0403315
.0184
2.19
0.028
.004267 .076396
.074074
m9 | -.0096191
.02073
-0.46
0.643 -.050257 .031019
.08642
m10 | -.0072302
.01341
-0.54
0.590 -.033504 .019044
.049383
m11 |
-.000462
.02039
-0.02
0.982 -.040424
.0395
.08642
m12 |
.0143059
.01768
0.81
0.418 -.020345 .048957
.074074
ano2 | -.0537636
.05148
-1.04
0.296
-.15466 .047133
.283951
ano3 | -.0034849
.04474
-0.08
0.938 -.091169
.0842
.234568
ano4 | -.0199614
.03285
-0.61
0.543
-.08435 .044427
.148148
ano5 | -.0195718
.02403
-0.81
0.415 -.066668 .027524
.098765
ano6 |
.021113
.02185
0.97
0.334 -.021721 .063947
.08642
69
------------------------------------------------------------------------------
Petroquímicas e Indústria Química
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0614
between = 0.1265
overall = 0.1096
Número de obs
=
12838
Número de grupos
=
225
Obs por grupo: min =
1
avg =
57.1
max =
61
F(17,12596)
=
48.45
corr(u_i, Xb) = 0.1893
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco |
.0844956
.0037786
22.36
0.000
.077089
.0919022
m2 | -.0565186
.0240378
-2.35
0.019
-.1036364
-.0094009
m3 |
-.006547
.0240407
-0.27
0.785
-.0536704
.0405765
m4 |
.0132538
.0240223
0.55
0.581
-.0338336
.0603413
m5 | -.0143541
.0240555
-0.60
0.551
-.0615066
.0327985
m6 | -.0318937
.0240238
-1.33
0.184
-.078984
.0151966
m7 |
-.041874
.0233131
-1.80
0.072
-.0875712
.0038233
m8 |
-.034135
.0246324
-1.39
0.166
-.0824184
.0141483
m9 | -.0152924
.0245945
-0.62
0.534
-.0635014
.0329166
m10 | -.0538974
.0246051
-2.19
0.029
-.1021272
-.0056677
m11 | -.0539641
.0246544
-2.19
0.029
-.1022906
-.0056377
m12 | -.0535173
.0246739
-2.17
0.030
-.1018819
-.0051527
ano2 |
-.025466
.020482
-1.24
0.214
-.0656139
.0146819
ano3 | -.1482298
.0206938
-7.16
0.000
-.1887928
-.1076668
ano4 | -.2470305
.0211231
-11.69
0.000
-.288435
-.205626
ano5 | -.3216901
.0214075
-15.03
0.000
-.363652
-.2797282
ano6 | -.3844031
.0248434
-15.47
0.000
-.4331
-.3357061
_cons |
4.118082
.0312512
131.77
0.000
4.056825
4.179339
-------------+---------------------------------------------------------------sigma_u | .91258838
sigma_e | .55176929
rho | .73229736
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(224, 12596) =
129.46
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 4.4194971
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
.522357
.02336
22.36
0.000
.476574
.56814
6.18206
m2 | -.0047018
.002
-2.35
0.019 -.008621 -.000782
.083191
m3 | -.0005436
.002
-0.27
0.785 -.004456 .003369
.083035
m4 |
.0011047
.002
0.55
0.581
-.00282 .005029
.083346
m5 | -.0011896
.00199
-0.60
0.551 -.005097 .002718
.082879
m6 | -.0026557
.002
-1.33
0.184 -.006576 .001265
.083268
m7 | -.0040804
.00227
-1.80
0.072 -.008533 .000372
.097445
m8 | -.0027573
.00199
-1.39
0.166 -.006657 .001142
.080776
m9 | -.0012424
.002
-0.62
0.534 -.005159 .002674
.081243
m10 | -.0043914
.002
-2.19
0.028 -.008321 -.000462
.081477
m11 |
-.00438
.002
-2.19
0.029 -.008302 -.000458
.081165
m12 | -.0043312
.002
-2.17
0.030 -.008245 -.000417
.080932
ano2 | -.0050583
.00407
-1.24
0.214 -.013032 .002915
.198629
ano3 | -.0295813
.00413
-7.16
0.000 -.037675 -.021487
.199564
ano4 | -.0488558
.00418 -11.69
0.000 -.057044 -.040668
.197772
ano5 | -.0640223
.00426 -15.03
0.000 -.072373 -.055672
.199019
ano6 | -.0442552
.00286 -15.47
0.000 -.049861 -.038649
.115127
70
------------------------------------------------------------------------------
Serviços Gráficos
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0582
between = 0.0318
overall = 0.0026
Número de obs
=
4026
Número de grupos
=
74
Obs por grupo: min =
1
avg =
54.4
max =
61
F(17,3935)
=
14.31
corr(u_i, Xb) = -0.2147
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0550282
.0054038
-10.18
0.000
-.0656227
-.0444337
m2 | -.1043236
.0482424
-2.16
0.031
-.1989061
-.0097412
m3 | -.0029223
.0481298
-0.06
0.952
-.097284
.0914393
m4 |
.0426663
.0482757
0.88
0.377
-.0519815
.137314
m5 |
.0146035
.0482104
0.30
0.762
-.0799163
.1091233
m6 |
.0398605
.0480517
0.83
0.407
-.054348
.134069
m7 |
.0081037
.0464084
0.17
0.861
-.0828831
.0990905
m8 |
.0162723
.0488764
0.33
0.739
-.0795533
.1120978
m9 |
.0876505
.0489083
1.79
0.073
-.0082376
.1835386
m10 |
.0366842
.049051
0.75
0.455
-.0594835
.132852
m11 |
.04041
.0492304
0.82
0.412
-.0561095
.1369295
m12 |
.0079147
.0493527
0.16
0.873
-.0888446
.1046739
ano2 |
.0921612
.0399401
2.31
0.021
.0138558
.1704665
ano3 | -.0252374
.0403256
-0.63
0.531
-.1042984
.0538236
ano4 | -.1111288
.0403982
-2.75
0.006
-.1903322
-.0319255
ano5 | -.0790229
.0408503
-1.93
0.053
-.1591127
.0010669
ano6 | -.1477246
.0480774
-3.07
0.002
-.2419836
-.0534655
_cons |
4.317588
.0572713
75.39
0.000
4.205304
4.429872
-------------+---------------------------------------------------------------sigma_u | 1.2028548
sigma_e | .61739985
rho | .79148044
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(73, 3935) =
179.90
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.9535108
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3382902
.03322 -10.18
0.000 -.403401 -.27318
6.14758
m2 | -.0084993
.00393
-2.16
0.031 -.016203 -.000796
.08147
m3 | -.0002403
.00396
-0.06
0.952 -.007996 .007515
.082216
m4 |
.0034654
.00392
0.88
0.377
-.00422 .011151
.081222
m5 |
.0011934
.00394
0.30
0.762 -.006528 .008915
.081719
m6 |
.003297
.00397
0.83
0.407 -.004493 .011087
.082712
m7 |
.0008051
.00461
0.17
0.861 -.008232 .009842
.099354
m8 |
.001358
.00408
0.33
0.739 -.006637 .009353
.083458
m9 |
.0073151
.00408
1.79
0.073 -.000685 .015315
.083458
m10 |
.0030069
.00402
0.75
0.455 -.004873 .010887
.081967
m11 |
.0032721
.00399
0.82
0.412 -.004541 .011085
.080974
m12 |
.000633
.00395
0.16
0.873 -.007103 .008369
.07998
ano2 |
.018359
.00796
2.31
0.021
.002765 .033953
.199205
ano3 | -.0048582
.00776
-0.63
0.531 -.020073 .010356
.192499
ano4 | -.0222202
.00808
-2.75
0.006 -.038052 -.006388
.19995
ano5 | -.0157221
.00813
-1.93
0.053 -.031652 .000207
.198957
ano6 |
-.016952
.00552
-3.07
0.002 -.027765 -.006139
.114754
71
------------------------------------------------------------------------------
Serviços - Outros
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.2291
between = 0.1962
overall = 0.1277
Número de obs
=
154064
Número de grupos
=
3198
Obs por grupo: min =
1
avg =
48.2
max =
61
F(17,150849)
=
2636.75
corr(u_i, Xb) = 0.1061
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0917177
.0004445 -206.35
0.000
-.0925889
-.0908466
m2 | -.0441458
.0064945
-6.80
0.000
-.056875
-.0314167
m3 |
.0043709
.0064958
0.67
0.501
-.0083608
.0171026
m4 |
.013434
.0064921
2.07
0.039
.0007096
.0261583
m5 |
.0047262
.0064927
0.73
0.467
-.0079995
.0174518
m6 |
.0044345
.0064792
0.68
0.494
-.0082646
.0171337
m7 | -.0269348
.0062841
-4.29
0.000
-.0392515
-.014618
m8 | -.0713367
.0066701
-10.70
0.000
-.08441
-.0582635
m9 |
-.045467
.0066635
-6.82
0.000
-.0585274
-.0324067
m10 | -.0382794
.0066625
-5.75
0.000
-.0513378
-.025221
m11 |
-.009907
.0066511
-1.49
0.136
-.0229431
.0031291
m12 |
.0080638
.0066447
1.21
0.225
-.0049598
.0210873
ano2 |
.0273768
.0056696
4.83
0.000
.0162644
.0384891
ano3 | -.0159781
.0056721
-2.82
0.005
-.0270952
-.0048609
ano4 | -.0058748
.005683
-1.03
0.301
-.0170134
.0052638
ano5 | -.0050768
.0057017
-0.89
0.373
-.016252
.0060985
ano6 | -.0212675
.0066017
-3.22
0.001
-.0342066
-.0083284
_cons |
3.736792
.007093
526.83
0.000
3.72289
3.750694
-------------+---------------------------------------------------------------sigma_u |
1.363715
sigma_e | .51728976
rho | .87421249
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(3197, 150849) =
333.81
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.2206689
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.4964737
.00241 -206.35
0.000 -.501189 -.491758
5.41306
m2 | -.0036571
.00054
-6.80
0.000 -.004712 -.002603
.082842
m3 |
.000362
.00054
0.67
0.501 -.000693 .001417
.082829
m4 |
.0011164
.00054
2.07
0.039
.000059 .002174
.083102
m5 |
.0003928
.00054
0.73
0.467 -.000665 .001451
.083121
m6 |
.000372
.00054
0.68
0.494 -.000693 .001437
.083881
m7 | -.0026448
.00062
-4.29
0.000 -.003854 -.001435
.098193
m8 | -.0057161
.00053 -10.70
0.000 -.006764 -.004669
.080129
m9 | -.0036609
.00054
-6.82
0.000 -.004713 -.002609
.080518
m10 | -.0030847
.00054
-5.75
0.000 -.004137 -.002032
.080583
m11 | -.0008041
.00054
-1.49
0.136 -.001862 .000254
.081161
m12 |
.0006577
.00054
1.21
0.225 -.000405
.00172
.081564
ano2 |
.0050322
.00104
4.83
0.000
.00299 .007075
.183813
ano3 | -.0030956
.0011
-2.82
0.005 -.005249 -.000942
.193738
ano4 | -.0011896
.00115
-1.03
0.301 -.003445 .001066
.202487
ano5 | -.0010596
.00119
-0.89
0.373 -.003392 .001273
.208725
ano6 | -.0026702
.00083
-3.22
0.001 -.004295 -.001046
.125552
72
------------------------------------------------------------------------------
Telecomunicações
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.1731
between = 0.3474
overall = 0.2317
Número de obs
=
4200
Número de grupos
=
83
Obs por grupo: min =
2
avg =
50.6
max =
61
F(17,4100)
=
50.50
corr(u_i, Xb) = 0.2181
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0701521
.0024834
-28.25
0.000
-.075021
-.0652833
m2 | -.0412264
.0489893
-0.84
0.400
-.137272
.0548192
m3 | -.0059568
.0489395
-0.12
0.903
-.1019049
.0899913
m4 | -.0089462
.0488484
-0.18
0.855
-.1047155
.0868232
m5 | -.0134163
.0489356
-0.27
0.784
-.1093567
.082524
m6 | -.0201569
.049031
-0.41
0.681
-.1162843
.0759705
m7 | -.0300193
.0474645
-0.63
0.527
-.1230754
.0630368
m8 | -.0141503
.0504945
-0.28
0.779
-.1131469
.0848463
m9 | -.0397784
.0501533
-0.79
0.428
-.1381062
.0585493
m10 | -.0462782
.0502017
-0.92
0.357
-.1447008
.0521445
m11 | -.0182898
.0501659
-0.36
0.715
-.1166422
.0800627
m12 |
.0023434
.0502095
0.05
0.963
-.0960945
.1007812
ano2 |
.0944608
.0420962
2.24
0.025
.0119293
.1769922
ano3 |
.0295422
.0423465
0.70
0.485
-.0534799
.1125642
ano4 | -.0240982
.0423399
-0.57
0.569
-.1071075
.058911
ano5 | -.0113326
.0425019
-0.27
0.790
-.0946594
.0719941
ano6 |
.0756784
.0497743
1.52
0.128
-.0219062
.173263
_cons |
3.894287
.0529315
73.57
0.000
3.790512
3.998061
-------------+---------------------------------------------------------------sigma_u | 1.4003789
sigma_e | .64451002
rho | .82520464
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(82, 4100) =
224.36
Prob > F = 0.0000
Elasticidades
y = Xb (previsto)
= 3.4175515
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.4830697
.0171 -28.25
0.000 -.516587 -.449552
6.88603
m2 | -.0034257
.00407
-0.84
0.400 -.011404 .004553
.083095
m3 | -.0004964
.00408
-0.12
0.903
-.00849 .007497
.083333
m4 | -.0007519
.00411
-0.18
0.855 -.008799 .007295
.084048
m5 | -.0011212
.00409
-0.27
0.784 -.009137 .006894
.083571
m6 | -.0016701
.00406
-0.41
0.681 -.009633 .006292
.082857
m7 | -.0029233
.00462
-0.63
0.527 -.011983 .006136
.097381
m8 | -.0011152
.00398
-0.28
0.779 -.008915 .006684
.07881
m9 | -.0032296
.00407
-0.79
0.428 -.011211 .004751
.08119
m10 | -.0037463
.00406
-0.92
0.357 -.011712 .004219
.080952
m11 |
-.001485
.00407
-0.36
0.715 -.009468 .006498
.08119
m12 |
.0001908
.00409
0.05
0.963 -.007822 .008204
.081429
ano2 |
.0187122
.00834
2.24
0.025
.002368 .035056
.198095
ano3 |
.0058522
.00839
0.70
0.485 -.010589 .022294
.198095
ano4 | -.0048139
.00846
-0.57
0.569 -.021391 .011763
.199762
ano5 | -.0022908
.00859
-0.27
0.790
-.01913 .014548
.202143
ano6 |
.008649
.00569
1.52
0.128
-.0025 .019798
.114286
73
------------------------------------------------------------------------------
Serviços de Transporte
Regressão de Efeitos Fixos
Variável Grupo: rgi
R-sq: within = 0.0565
between = 0.0015
overall = 0.0004
Número de obs
=
24144
Número de grupos
=
458
Obs por grupo: min =
1
avg =
52.7
max =
61
F(17,23669)
=
83.31
corr(u_i, Xb) = -0.1224
Prob > F
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
t
P>|t|
[95% Intervalo Conf]
-------------+---------------------------------------------------------------preco | -.0558579
.0020291
-27.53
0.000
-.059835
-.0518807
m2 | -.0378889
.0210334
-1.80
0.072
-.0791157
.003338
m3 |
.0095737
.0210298
0.46
0.649
-.0316462
.0507935
m4 |
.054679
.0210079
2.60
0.009
.0135022
.0958557
m5 |
.0081222
.0210148
0.39
0.699
-.0330681
.0493125
m6 | -.0250785
.0209985
-1.19
0.232
-.0662369
.0160798
m7 |
-.059591
.0203345
-2.93
0.003
-.0994479
-.0197341
m8 | -.1019021
.021486
-4.74
0.000
-.1440161
-.0597881
m9 | -.0870553
.0214477
-4.06
0.000
-.1290942
-.0450164
m10 | -.0889794
.0214335
-4.15
0.000
-.1309906
-.0469683
m11 | -.0504451
.0214474
-2.35
0.019
-.0924833
-.0084069
m12 | -.0633845
.021459
-2.95
0.003
-.1054455
-.0213235
ano2 | -.0263292
.0176963
-1.49
0.137
-.0610151
.0083568
ano3 | -.1508653
.0178402
-8.46
0.000
-.1858332
-.1158975
ano4 | -.1992665
.0179764
-11.08
0.000
-.2345014
-.1640315
ano5 | -.2006651
.01817
-11.04
0.000
-.2362795
-.1650507
ano6 | -.2295058
.0213234
-10.76
0.000
-.2713011
-.1877106
_cons |
4.576567
.0236097
193.84
0.000
4.53029
4.622844
-------------+---------------------------------------------------------------sigma_u | 1.4388149
sigma_e | .66184314
rho | .82536001
(fraction of variance due to u_i)
-----------------------------------------------------------------------------Teste F p/ todo u_i=0:
F(457, 23669) =
219.60
Prob > F = 0.0000
Elasticidades
y = Xb (previsto) = 4.0750093
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3237677
.01176 -27.53
0.000 -.346819 -.300716
5.79627
m2 | -.0031103
.00173
-1.80
0.072 -.006495 .000274
.082091
m3 |
.0007871
.00173
0.46
0.649 -.002602 .004176
.082215
m4 |
.0045136
.00173
2.60
0.009
.001115 .007912
.082546
m5 |
.0006698
.00173
0.39
0.699 -.002727 .004066
.082464
m6 | -.0020743
.00174
-1.19
0.232 -.005478
.00133
.082712
m7 | -.0058174
.00199
-2.93
0.003 -.009708 -.001927
.097623
m8 | -.0082555
.00174
-4.74
0.000 -.011667 -.004844
.081014
m9 | -.0071104
.00175
-4.06
0.000 -.010544 -.003677
.081677
m10 | -.0072933
.00176
-4.15
0.000 -.010737 -.00385
.081967
m11 | -.0041264
.00175
-2.35
0.019 -.007565 -.000688
.081801
m12 | -.0051849
.00176
-2.95
0.003 -.008625 -.001744
.081801
ano2 |
-.005193
.00349
-1.49
0.137 -.012034 .001648
.197233
ano3 | -.0298806
.00353
-8.46
0.000 -.036806 -.022955
.198062
ano4 | -.0396156
.00357 -11.08
0.000
-.04662 -.032611
.198807
ano5 | -.0398438
.00361 -11.04
0.000 -.046915 -.032773
.198559
ano6 | -.0262548
.00244 -10.76
0.000 -.031036 -.021474
.114397
74
C.2 Método Efeitos Aleatórios para cada Grupo de Atividades
Atividades Agrícolas
Efeitos Aleatorios - GLS
Efeitos Aleatorios - reg GLS
Grupo Variável: rgi
R-sq: within = 0.2059
between = 0.1921
overall = 0.1808
Efeit. Aleatorios u_i ~ Gaussian
corr(u_i, X)
= 0 (assumed)
Numero de obs
Numero de Grupos
Obs per Grupo: min
avg
max
Wald chi2(24)
Prob > chi2
=
=
=
=
=
=
=
856
15
34
57.1
61
2222.29
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.1185179
.0149501
-7.93
0.000
-.1478195
-.0892163
m2 |
.0531497
.1296496
0.41
0.682
-.2009588
.3072582
m3 | -.0114951
.1301414
-0.09
0.930
-.2665676
.2435774
m4 | -.0456156
.1301155
-0.35
0.726
-.3006373
.2094061
m5 | -.1325862
.1305775
-1.02
0.310
-.3885133
.123341
m6 | -.0592142
.131144
-0.45
0.652
-.3162518
.1978234
m7 | -.1199748
.1262866
-0.95
0.342
-.3674919
.1275423
m8 | -.1519497
.1334865
-1.14
0.255
-.4135784
.109679
m9 | -.1574775
.1341851
-1.17
0.241
-.4204755
.1055205
m10 | -.0914229
.1340261
-0.68
0.495
-.3541093
.1712635
m11 |
.0406863
.1325526
0.31
0.759
-.2191121
.3004847
m12 | -.0159763
.1320918
-0.12
0.904
-.2748715
.2429189
ano2 |
.1597146
.1125669
1.42
0.156
-.0609125
.3803418
ano3 | -.0569089
.1117219
-0.51
0.610
-.2758798
.1620619
ano4 |
.2101162
.1117939
1.88
0.060
-.0089959
.4292283
ano5 |
.1920482
.1134072
1.69
0.090
-.0302257
.4143222
ano6 |
.1795304
.1322034
1.36
0.174
-.0795836
.4386444
ramo2 |
4.945247
.2358752
20.97
0.000
4.48294
5.407554
ramo81 |
3.900487
.4337888
8.99
0.000
3.050276
4.750697
un3 | -2.755355
.3805196
-7.24
0.000
-3.50116
-2.00955
un6 | -.1094536
.249612
-0.44
0.661
-.5986841
.3797768
un7 | -2.166657
.2967637
-7.30
0.000
-2.748303
-1.585011
un10 | -.7716105
.2975853
-2.59
0.010
-1.354867
-.188354
un12 | -.7452526
.3776044
-1.97
0.048
-1.485344
-.0051615
un15 |
.0060361
.3762948
0.02
0.987
-.7314882
.7435604
-------------+---------------------------------------------------------------sigma_u | .23266538
sigma_e | .58563949
rho | .13631895
(fraction de variance due to u_i)
-----------------------------------------------------------------------------Elasticidades
y = Xb (predict)
= 3.7982071
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.4982398
.06285
-7.93
0.000 -.621421 -.375058
4.20392
m2 |
.0044705
.01091
0.41
0.682 -.016903 .025844
.084112
m3 | -.0009534
.01079
-0.09
0.930
-.02211 .020203
.082944
m4 | -.0037835
.01079
-0.35
0.726 -.024936 .017369
.082944
m5 | -.0108423
.01068
-1.02
0.310 -.031771 .010086
.081776
m6 | -.0047731
.01057
-0.45
0.652 -.025492 .015946
.080607
m7 | -.0116331
.01225
-0.95
0.342 -.035633 .012367
.096963
m8 | -.0122483
.01076
-1.14
0.255 -.033338 .008841
.080607
75
m9 | -.0125099
.01066
-1.17
0.241 -.033402 .008382
.079439
m10 | -.0072626
.01065
-0.68
0.495
-.02813 .013605
.079439
m11 |
.0033747
.01099
0.31
0.759 -.018174 .024923
.082944
m12 | -.0013438
.01111
-0.12
0.904
-.02312 .020432
.084112
ano2 |
.0287337
.02025
1.42
0.156 -.010959 .068426
.179907
ano3 |
-.011169
.02193
-0.51
0.610 -.054145 .031807
.196262
ano4 |
.0436924
.02325
1.88
0.060 -.001871 .089255
.207944
ano5 |
.0392622
.02318
1.69
0.090 -.006179 .084704
.204439
ano6 |
.0218121
.01606
1.36
0.174 -.009669 .053293
.121495
ramo2 |
4.598618
.21934
20.97
0.000
4.16872 5.02852
.929907
ramo81 |
.2733986
.03041
8.99
0.000
.213804 .332993
.070093
un3 | -.1416304
.01956
-7.24
0.000 -.179966 -.103295
.051402
un6 | -.0351633
.08019
-0.44
0.661 -.192334 .122008
.321262
un7 | -.3062681
.04195
-7.30
0.000 -.388487 -.224049
.141355
un10 | -.1072683
.04137
-2.59
0.010 -.188352 -.026185
.139019
un12 | -.0504961
.02559
-1.97
0.048 -.100642 -.00035
.067757
un15 |
.0004301
.02682
0.02
0.987 -.052127 .052987
.071262
------------------------------------------------------------------------------
Atividades não Identificadas
Efeitos Aleatorios - reg GLS
Numero de obs
=
284848
Grupo Variável: rgi
Numero de Grupos
=
5577
R-sq: within = 0.4188
Obs per Grupo: min =
1
between = 0.4217
avg =
51.1
overall = 0.3742
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(31)
= 237810.55
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.1124156
.0002499 -449.75
0.000
-.1129055
-.1119257
m2 | -.0120359
.0041085
-2.93
0.003
-.0200885
-.0039834
m3 | -.0068838
.004119
-1.67
0.095
-.0149569
.0011893
m4 | -.0196705
.0041219
-4.77
0.000
-.0277492
-.0115917
m5 | -.0010565
.0041197
-0.26
0.798
-.0091309
.0070179
m6 | -.0032921
.0041175
-0.80
0.424
-.0113623
.0047781
m7 |
-.034858
.0039687
-8.78
0.000
-.0426365
-.0270795
m8 | -.0591236
.0041857
-14.13
0.000
-.0673273
-.0509199
m9 | -.0513893
.0041882
-12.27
0.000
-.059598
-.0431805
m10 | -.0447091
.0041906
-10.67
0.000
-.0529224
-.0364957
m11 | -.0038129
.0041829
-0.91
0.362
-.0120113
.0043854
m12 |
.0407221
.0041801
9.74
0.000
.0325294
.0489149
ano2 |
.0538465
.0033919
15.87
0.000
.0471985
.0604945
ano3 |
.0663163
.0034179
19.40
0.000
.0596172
.0730153
ano4 |
.1031967
.003444
29.96
0.000
.0964465
.1099468
ano5 |
.1322695
.0034668
38.15
0.000
.1254746
.1390644
ano6 |
.1532245
.0040696
37.65
0.000
.1452483
.1612007
ramo9 |
2.185481
.567645
3.85
0.000
1.072917
3.298045
un2 |
.7963888
.5715548
1.39
0.164
-.323838
1.916616
un3 |
.9946412
.5686356
1.75
0.080
-.1198641
2.109146
un4 |
.5470186
.5700255
0.96
0.337
-.5702108
1.664248
un5 |
.6133859
.5683794
1.08
0.281
-.5006173
1.727389
un6 |
.6998141
.5688238
1.23
0.219
-.41506
1.814688
un7 |
.5876945
.5685343
1.03
0.301
-.5266122
1.702001
un8 |
.6688136
.568924
1.18
0.240
-.446257
1.783884
un9 |
1.492224
.5748301
2.60
0.009
.3655778
2.61887
un10 |
.9186597
.5694657
1.61
0.107
-.1974726
2.034792
un11 |
2.64747
.5972556
4.43
0.000
1.47687
3.818069
un12 |
2.303133
.6296861
3.66
0.000
1.068971
3.537295
un13 |
2.243876
.5802197
3.87
0.000
1.106666
3.381086
un14 |
2.09673
.6655272
3.15
0.002
.7923208
3.40114
un15 |
2.35879
.6404865
3.68
0.000
1.103459
3.61412
_cons | (dropped)
76
-------------+---------------------------------------------------------------sigma_u |
.9797697
sigma_e | .44417653
rho | .82951458
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 2.4580503
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.5724088
.00127 -449.75
0.000 -.574903 -.569914
5.0919
m2 | -.0009896
.00034
-2.93
0.003 -.001652 -.000328
.082219
m3 | -.0005607
.00034
-1.67
0.095 -.001218 .000097
.081447
m4 | -.0015986
.00033
-4.77
0.000 -.002255 -.000942
.081268
m5 |
-.000086
.00034
-0.26
0.798 -.000743 .000571
.081426
m6 | -.0002686
.00034
-0.80
0.424 -.000927
.00039
.081594
m7 |
-.00343
.00039
-8.78
0.000 -.004195 -.002665
.0984
m8 |
-.004859
.00034 -14.13
0.000 -.005533 -.004185
.082184
m9 | -.0042142
.00034 -12.27
0.000 -.004887 -.003541
.082005
m10 | -.0036593
.00034 -10.67
0.000 -.004332 -.002987
.081847
m11 | -.0003143
.00034
-0.91
0.362
-.00099 .000361
.082419
m12 |
.0033654
.00035
9.74
0.000
.002688 .004043
.082644
ano2 |
.0108497
.00068
15.87
0.000
.00951 .012189
.201493
ano3 |
.0134407
.00069
19.40
0.000
.012083 .014798
.202677
ano4 |
.0201087
.00067
29.96
0.000
.018793 .021424
.194858
ano5 |
.025277
.00066
38.15
0.000
.023978 .026575
.191102
ano6 |
.0170832
.00045
37.65
0.000
.016194 .017972
.111491
ramo9 |
2.185481
.56764
3.85
0.000
1.07292 3.29804
1
un2 |
.0303125
.02175
1.39
0.164 -.012326 .072951
.038062
un3 |
.1577155
.09017
1.75
0.080 -.019006 .334437
.158565
un4 |
.0350816
.03656
0.96
0.337 -.036569 .106732
.064132
un5 |
.1133367
.10502
1.08
0.281
-.0925 .319174
.184772
un6 |
.089995
.07315
1.23
0.219 -.053376 .233366
.128598
un7 |
.1012963
.09799
1.03
0.301 -.090768 .293361
.172362
un8 |
.0805705
.06854
1.18
0.240
-.05376 .214901
.120468
un9 |
.0324955
.01252
2.60
0.009
.007961
.05703
.021777
un10 |
.0810142
.05022
1.61
0.107 -.017415 .179443
.088187
un11 |
.0149267
.00337
4.43
0.000
.008327 .021527
.005638
un12 |
.0060965
.00167
3.66
0.000
.00283 .009363
.002647
un13 |
.0243965
.00631
3.87
0.000
.012032 .036761
.010872
un14 |
.0034891
.00111
3.15
0.002
.001318
.00566
.001664
un15 |
.0041073
.00112
3.68
0.000
.001921 .006293
.001741
------------------------------------------------------------------------------
Comércio
Efeitos Aleatorios - reg GLS
Numero de obs
=
245663
Grupo Variável: rgi
Numero de Grupos
=
5234
R-sq: within = 0.0594
Obs per Grupo: min =
1
between = 0.3910
avg =
46.9
overall = 0.3347
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(48)
= 19612.27
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0169781
.0001484 -114.44
0.000
-.0172689
-.0166873
m2 | -.0211098
.0056167
-3.76
0.000
-.0321183
-.0101012
m3 |
.005345
.0056143
0.95
0.341
-.0056589
.0163489
77
m4 |
.0028685
.0056102
0.51
0.609
-.0081273
.0138644
m5 | -.0033185
.0056065
-0.59
0.554
-.014307
.00767
m6 | -.0068406
.0056022
-1.22
0.222
-.0178207
.0041394
m7 | -.0374042
.005429
-6.89
0.000
-.0480449
-.0267634
m8 | -.0720932
.0057619
-12.51
0.000
-.0833863
-.0608002
m9 | -.0523739
.0057534
-9.10
0.000
-.0636502
-.0410975
m10 | -.0487649
.005751
-8.48
0.000
-.0600367
-.0374932
m11 | -.0243209
.0057422
-4.24
0.000
-.0355755
-.0130664
m12 | -.0210638
.0057349
-3.67
0.000
-.0323041
-.0098235
ano2 |
.0122711
.0048431
2.53
0.011
.0027788
.0217635
ano3 | -.0699645
.0048594
-14.40
0.000
-.0794886
-.0604403
ano4 | -.1000903
.0048589
-20.60
0.000
-.1096136
-.0905671
ano5 | -.1079511
.0048652
-22.19
0.000
-.1174866
-.0984155
ano6 | -.1245768
.0056417
-22.08
0.000
-.1356342
-.1135193
ramo16 |
1.930001
1.294077
1.49
0.136
-.6063442
4.466346
ramo17 | -.0168159
.9537251
-0.02
0.986
-1.886083
1.852451
ramo18 | -.0878848
1.121131
-0.08
0.938
-2.285261
2.109491
ramo19 |
-1.12005
1.33204
-0.84
0.400
-3.730801
1.490701
ramo20 | -.0849603
.9722809
-0.09
0.930
-1.990596
1.820675
ramo21 |
.2067858
.9152059
0.23
0.821
-1.586985
2.000556
ramo22 |
.3699127
.9154787
0.40
0.686
-1.424393
2.164218
ramo23 |
.4271418
.961493
0.44
0.657
-1.45735
2.311633
ramo24 | -.7937899
1.294503
-0.61
0.540
-3.330969
1.743389
ramo25 |
.1940213
.9155051
0.21
0.832
-1.600336
1.988378
ramo26 | -.5868981
1.121206
-0.52
0.601
-2.784422
1.610626
ramo27 |
.3764675
.936036
0.40
0.688
-1.458129
2.211064
ramo28 |
2.491991
1.294077
1.93
0.054
-.0443534
5.028336
ramo30 |
2.1075
1.023106
2.06
0.039
.1022495
4.112751
ramo73 |
.4741061
1.02415
0.46
0.643
-1.533191
2.481403
ramo77 |
.2583355
.9500478
0.27
0.786
-1.603724
2.120395
ramo85 | -1.012002
1.294077
-0.78
0.434
-3.548347
1.524343
un2 | -.3287485
.1011571
-3.25
0.001
-.5270128
-.1304842
un3 | -.3399975
.0494406
-6.88
0.000
-.4368994
-.2430957
un4 | -.3334778
.0864112
-3.86
0.000
-.5028406
-.164115
un5 | -.3520744
.0518988
-6.78
0.000
-.4537941
-.2503546
un6 | -.3000622
.0582761
-5.15
0.000
-.4142813
-.1858431
un7 | -.2981756
.0578418
-5.16
0.000
-.4115434
-.1848077
un8 | -.2598637
.0607207
-4.28
0.000
-.3788741
-.1408533
un9 |
.1779146
.0942072
1.89
0.059
-.0067281
.3625572
un10 | -.1950774
.0635082
-3.07
0.002
-.3195512
-.0706036
un11 |
1.693966
.0457723
37.01
0.000
1.604254
1.783678
un12 |
.9053786
.0652789
13.87
0.000
.7774343
1.033323
un13 |
1.444848
.065235
22.15
0.000
1.31699
1.572707
un14 |
1.244771
.0987501
12.61
0.000
1.051224
1.438318
un15 |
1.321504
.0637045
20.74
0.000
1.196646
1.446363
_cons |
2.456497
.9156653
2.68
0.007
.661826
4.251168
-------------+---------------------------------------------------------------sigma_u | .90693798
sigma_e | .56210489
rho | .72247488
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 2.8839096
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.0920328
.0008 -114.44
0.000 -.093609 -.090457
5.42067
m2 | -.0017405
.00046
-3.76
0.000 -.002648 -.000833
.08245
m3 |
.0004418
.00046
0.95
0.341 -.000468 .001351
.082654
m4 |
.0002379
.00047
0.51
0.609 -.000674
.00115
.082951
m5 | -.0002762
.00047
-0.59
0.554 -.001191 .000638
.083228
78
m6 | -.0005715
.00047
-1.22
0.222 -.001489 .000346
.083541
m7 | -.0036732
.00053
-6.89
0.000 -.004718 -.002628
.098204
m8 |
-.005778
.00046 -12.51
0.000 -.006683 -.004873
.080146
m9 | -.0042253
.00046
-9.10
0.000 -.005135 -.003316
.080676
m10 | -.0039427
.00046
-8.48
0.000 -.004854 -.003031
.080851
m11 | -.0019785
.00047
-4.24
0.000 -.002894 -.001063
.081351
m12 | -.0017233
.00047
-3.67
0.000 -.002643 -.000804
.081815
ano2 |
.0023098
.00091
2.53
0.011
.000523 .004097
.188233
ano3 | -.0134778
.00094 -14.40
0.000 -.015313 -.011643
.192638
ano4 |
-.020004
.00097 -20.60
0.000 -.021907 -.018101
.199859
ano5 | -.0222908
.001 -22.19
0.000
-.02426 -.020322
.20649
ano6 |
-.015564
.0007 -22.08
0.000 -.016946 -.014183
.124935
ramo16 |
.0004792
.00032
1.49
0.136 -.000151 .001109
.000248
ramo17 | -.0000335
.0019
-0.02
0.986 -.003754 .003687
.001991
ramo18 | -.0000358
.00046
-0.08
0.938
-.00093 .000859
.000407
ramo19 | -.0000137
.00002
-0.84
0.400 -.000046 .000018
.000012
ramo20 | -.0000999
.00114
-0.09
0.930 -.002342 .002142
.001176
ramo21 |
.1063546
.47071
0.23
0.821 -.816222 1.02893
.514322
ramo22 |
.082292
.20366
0.40
0.686 -.316875 .481459
.222463
ramo23 |
.0005581
.00126
0.44
0.657 -.001904 .003021
.001307
ramo24 | -.0001357
.00022
-0.61
0.540 -.000569 .000298
.000171
ramo25 |
.0482812
.22782
0.21
0.832 -.398236 .494798
.248845
ramo26 | -.0002317
.00044
-0.52
0.601 -.001099 .000636
.000395
ramo27 |
.0014344
.00357
0.40
0.688 -.005556 .008424
.00381
ramo28 |
.0006188
.00032
1.93
0.054 -.000011 .001249
.000248
ramo30 |
.0015442
.00075
2.06
0.039
.000075 .003013
.000733
ramo73 |
.0003783
.00082
0.46
0.643 -.001223
.00198
.000798
ramo77 |
.0006657
.00245
0.27
0.786 -.004132 .005464
.002577
ramo85 | -.0002513
.00032
-0.78
0.434 -.000881 .000379
.000248
un2 | -.0048965
.00151
-3.25
0.001
-.00785 -.001943
.014894
un3 | -.0353847
.00515
-6.88
0.000
-.04547
-.0253
.104073
un4 | -.0074226
.00192
-3.86
0.000 -.011192 -.003653
.022258
un5 | -.0289742
.00427
-6.78
0.000 -.037345 -.020603
.082296
un6 | -.0179551
.00349
-5.15
0.000
-.02479 -.01112
.059838
un7 | -.0189261
.00367
-5.16
0.000 -.026122 -.01173
.063473
un8 |
-.014968
.0035
-4.28
0.000 -.021823 -.008113
.057599
un9 |
.0033684
.00178
1.89
0.059 -.000127 .006864
.018932
un10 | -.0097657
.00318
-3.07
0.002 -.015997 -.003534
.05006
un11 |
.2786328
.00753
37.01
0.000
.263876 .293389
.164485
un12 |
.049455
.00357
13.87
0.000
.042466 .056444
.054624
un13 |
.0774466
.0035
22.15
0.000
.070593
.0843
.053602
un14 |
.0262571
.00208
12.61
0.000
.022174
.03034
.021094
un15 |
.0730299
.00352
20.74
0.000
.06613
.07993
.055263
------------------------------------------------------------------------------
Construção Civil
Efeitos Aleatorios - reg GLS
Numero de obs
=
6873
Grupo Variável: rgi
Numero de Grupos
=
161
R-sq: within = 0.0362
Obs per Grupo: min =
1
between = 0.2378
avg =
42.7
overall = 0.2166
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(30)
=
3114.85
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0229643
.0042366
-5.42
0.000
-.0312679
-.0146607
m2 | -.1034791
.0425029
-2.43
0.015
-.1867832
-.0201751
m3 | -.0195914
.042498
-0.46
0.645
-.102886
.0637031
m4 |
.0117691
.0424011
0.28
0.781
-.0713356
.0948737
m5 | -.0267319
.0425832
-0.63
0.530
-.1101936
.0567297
m6 | -.0405099
.0425423
-0.95
0.341
-.1238913
.0428714
79
m7 | -.0951911
.0411261
-2.31
0.021
-.1757968
-.0145854
m8 | -.1137847
.0433075
-2.63
0.009
-.1986658
-.0289036
m9 | -.0714873
.0433363
-1.65
0.099
-.1564249
.0134503
m10 | -.0415153
.0435778
-0.95
0.341
-.1269261
.0438956
m11 | -.0914668
.0434065
-2.11
0.035
-.176542
-.0063917
m12 | -.0666286
.0433888
-1.54
0.125
-.151669
.0184118
ano2 | -.0292721
.0349069
-0.84
0.402
-.0976883
.0391442
ano3 | -.2106235
.0359416
-5.86
0.000
-.2810677
-.1401793
ano4 | -.2408071
.0367739
-6.55
0.000
-.3128826
-.1687315
ano5 |
-.328532
.037206
-8.83
0.000
-.4014543
-.2556096
ano6 | -.3069974
.0437954
-7.01
0.000
-.3928348
-.22116
ramo32 |
2.848592
.4650206
6.13
0.000
1.937169
3.760016
un2 | -.1703807
.819015
-0.21
0.835
-1.775621
1.434859
un3 |
.904639
.5188873
1.74
0.081
-.1123614
1.921639
un5 |
.7263406
1.037948
0.70
0.484
-1.308001
2.760682
un6 |
1.846431
.621462
2.97
0.003
.6283881
3.064475
un7 |
2.068079
.8384607
2.47
0.014
.424726
3.711431
un8 |
.8091006
.7077941
1.14
0.253
-.5781502
2.196351
un9 |
.5519651
.5815526
0.95
0.343
-.587857
1.691787
un10 |
.5877007
.5480222
1.07
0.284
-.4864031
1.661804
un11 |
1.834298
.4806473
3.82
0.000
.8922463
2.776349
un12 |
1.591078
.5353075
2.97
0.003
.5418946
2.640261
un13 |
1.604962
.4990844
3.22
0.001
.6267747
2.58315
un14 |
1.586718
.5430499
2.92
0.003
.5223593
2.651076
un15 |
1.514109
.5514742
2.75
0.006
.433239
2.594978
-------------+---------------------------------------------------------------sigma_u | .92062774
sigma_e |
.7116184
rho | .62598439
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 3.8567638
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.1304552
.02407
-5.42
0.000 -.177626 -.083285
5.68078
m2 | -.0084915
.00349
-2.43
0.015 -.015327 -.001656
.08206
m3 | -.0016105
.00349
-0.46
0.645 -.008458 .005237
.082206
m4 |
.0009778
.00352
0.28
0.781 -.005926 .007882
.083079
m5 | -.0021859
.00348
-0.63
0.530
-.00901 .004639
.081769
m6 | -.0033243
.00349
-0.95
0.341 -.010167 .003518
.08206
m7 | -.0093211
.00403
-2.31
0.021 -.017214 -.001428
.097919
m8 | -.0093703
.00357
-2.63
0.009
-.01636 -.00238
.082351
m9 | -.0058767
.00356
-1.65
0.099 -.012859 .001106
.082206
m10 | -.0033463
.00351
-0.95
0.341 -.010231 .003538
.080605
m11 | -.0074925
.00356
-2.11
0.035 -.014461 -.000524
.081915
m12 | -.0054773
.00357
-1.54
0.125 -.012468 .001514
.082206
ano2 | -.0064566
.0077
-0.84
0.402 -.021547 .008634
.220573
ano3 | -.0421063
.00719
-5.86
0.000 -.056189 -.028024
.199913
ano4 | -.0435856
.00666
-6.55
0.000 -.056631 -.03054
.180998
ano5 | -.0617103
.00699
-8.83
0.000 -.075408 -.048013
.187836
ano6 | -.0346171
.00494
-7.01
0.000 -.044296 -.024938
.11276
ramo32 |
2.848592
.46502
6.13
0.000
1.93717 3.76002
1
un2 | -.0016113
.00775
-0.21
0.835 -.016793
.01357
.009457
un3 |
.0900295
.05164
1.74
0.081 -.011182 .191241
.09952
un5 |
.0038045
.00544
0.70
0.484 -.006851
.01446
.005238
un6 |
.0736101
.02478
2.97
0.003
.025051 .122169
.039866
un7 |
.006018
.00244
2.47
0.014
.001236
.0108
.00291
un8 |
.0178937
.01565
1.14
0.253 -.012786 .048573
.022116
un9 |
.0282688
.02978
0.95
0.343 -.030107 .086645
.051215
un10 |
.0452341
.04218
1.07
0.284 -.037437 .127906
.076968
80
un11 |
.5671297
.14861
3.82
0.000
.275865 .858394
.309181
un12 |
.1224618
.0412
2.97
0.003
.041708 .203215
.076968
un13 |
.2879264
.08953
3.22
0.001
.112442 .463411
.179398
un14 |
.0477885
.01636
2.92
0.003
.015732 .079845
.030118
un15 |
.0940673
.03426
2.75
0.006
.026916 .161219
.062127
------------------------------------------------------------------------------
Serviços de Educação e Saúde
Efeitos Aleatorios - reg GLS
Numero de obs
=
79727
Grupo Variável: rgi
Numero de Grupos
=
1494
R-sq: within = 0.1074
Obs per Grupo: min =
1
between = 0.3679
avg =
53.4
overall = 0.2978
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(36)
= 10303.64
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0698029
.0008494
-82.18
0.000
-.0714676
-.0681381
m2 | -.2334504
.0093048
-25.09
0.000
-.2516875
-.2152133
m3 | -.0933715
.0093085
-10.03
0.000
-.1116158
-.0751272
m4 |
.0325584
.0092834
3.51
0.000
.0143632
.0507537
m5 |
.0731426
.009281
7.88
0.000
.0549521
.091333
m6 |
.0989873
.0092552
10.70
0.000
.0808475
.1171272
m7 |
.0631259
.0089719
7.04
0.000
.0455413
.0807104
m8 | -.0314686
.0094937
-3.31
0.001
-.0500759
-.0128613
m9 |
.0346269
.0094885
3.65
0.000
.0160298
.053224
m10 |
.0383944
.0094792
4.05
0.000
.0198155
.0569733
m11 |
.0931653
.0094689
9.84
0.000
.0746067
.1117239
m12 |
.0767892
.0094666
8.11
0.000
.058235
.0953433
ano2 | -.0069032
.0078975
-0.87
0.382
-.022382
.0085757
ano3 | -.0259005
.0079166
-3.27
0.001
-.0414167
-.0103843
ano4 | -.0147216
.0079555
-1.85
0.064
-.0303142
.0008709
ano5 | -.0281667
.0080013
-3.52
0.000
-.0438489
-.0124845
ano6 | -.0472689
.0093162
-5.07
0.000
-.0655282
-.0290095
ramo11 | -.2094588
.8274633
-0.25
0.800
-1.831257
1.41234
ramo36 | -.2823612
.5473193
-0.52
0.606
-1.355087
.7903649
ramo37 | -.4060031
.6438666
-0.63
0.528
-1.667959
.8559522
ramo87 | -.3577592
.545923
-0.66
0.512
-1.427749
.7122303
ramo92 |
-1.13976
.727625
-1.57
0.117
-2.565879
.2863586
un2 | -.2849547
.3700709
-0.77
0.441
-1.01028
.440371
un3 | -.0651966
.1208224
-0.54
0.589
-.3020041
.171611
un4 |
.0052979
.3094582
0.02
0.986
-.601229
.6118249
un5 | -.1640868
.1757774
-0.93
0.351
-.5086043
.1804306
un6 | -.1518411
.2082322
-0.73
0.466
-.5599686
.2562865
un7 | -.4789974
.1473766
-3.25
0.001
-.7678503
-.1901445
un8 |
-.620092
.1371774
-4.52
0.000
-.8889547
-.3512293
un9 |
.7860586
.3188233
2.47
0.014
.1611764
1.410941
un10 |
-.265458
.2405612
-1.10
0.270
-.7369493
.2060334
un11 |
1.410597
.0843189
16.73
0.000
1.245335
1.575859
un12 |
1.372325
.1125975
12.19
0.000
1.151638
1.593012
un13 |
1.351003
.110954
12.18
0.000
1.133537
1.568469
un14 |
1.140992
.1522172
7.50
0.000
.8426517
1.439332
un15 |
1.311093
.1307864
10.02
0.000
1.054757
1.56743
_cons |
3.742126
.5493694
6.81
0.000
2.665382
4.81887
-------------+---------------------------------------------------------------sigma_u | 1.0790339
sigma_e | .53099283
rho | .80504755
(fraction de variance due to u_i)
------------------------------------------------------------------------------
81
Elasticidades
y = Xb (predict)
=
3.725687
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3728779
.00454 -82.18
0.000 -.381771 -.363985
5.34187
m2 | -.0190533
.00076 -25.09
0.000 -.020542 -.017565
.081616
m3 | -.0076124
.00076 -10.03
0.000
-.0091 -.006125
.081528
m4 |
.0026842
.00077
3.51
0.000
.001184 .004184
.082444
m5 |
.0060357
.00077
7.88
0.000
.004535 .007537
.082519
m6 |
.008259
.00077
10.70
0.000
.006745 .009772
.083435
m7 |
.0061893
.00088
7.04
0.000
.004465 .007913
.098047
m8 | -.0025478
.00077
-3.31
0.001 -.004054 -.001041
.080964
m9 |
.0028105
.00077
3.65
0.000
.001301
.00432
.081164
m10 |
.003136
.00077
4.05
0.000
.001619 .004654
.081679
m11 |
.0076459
.00078
9.84
0.000
.006123 .009169
.082068
m12 |
.0063221
.00078
8.11
0.000
.004795
.00785
.082331
ano2 | -.0013166
.00151
-0.87
0.382 -.004269 .001636
.190726
ano3 | -.0050546
.00154
-3.27
0.001 -.008083 -.002027
.195153
ano4 | -.0029376
.00159
-1.85
0.064 -.006049 .000174
.199543
ano5 | -.0057176
.00162
-3.52
0.000 -.008901 -.002534
.202993
ano6 | -.0057213
.00113
-5.07
0.000 -.007931 -.003511
.121038
ramo11 | -.0003626
.00143
-0.25
0.800
-.00317 .002445
.001731
ramo36 | -.1053378
.20418
-0.52
0.606
-.50553 .294854
.373061
ramo37 |
-.002312
.00367
-0.63
0.528 -.009498 .004874
.005694
ramo87 | -.2197073
.33526
-0.66
0.512
-.87681 .437395
.614121
ramo92 | -.0028735
.00183
-1.57
0.117 -.006469 .000722
.002521
un2 |
-.001569
.00204
-0.77
0.441 -.005563 .002425
.005506
un3 | -.0049866
.00924
-0.54
0.589 -.023099 .013126
.076486
un4 |
.0000348
.00203
0.02
0.986 -.003944 .004014
.00656
un5 | -.0046966
.00503
-0.93
0.351 -.014558 .005164
.028623
un6 | -.0028282
.00388
-0.73
0.466
-.01043 .004774
.018626
un7 | -.0207155
.00637
-3.25
0.001 -.033208 -.008223
.043248
un8 | -.0312274
.00691
-4.52
0.000 -.044767 -.017688
.050359
un9 |
.0067734
.00275
2.47
0.014
.001389 .012158
.008617
un10 | -.0034095
.00309
-1.10
0.270 -.009465 .002646
.012844
un11 |
.3703819
.02214
16.73
0.000
.326989 .413775
.262571
un12 |
.1300771
.01067
12.19
0.000
.109159 .150995
.094786
un13 |
.1281239
.01052
12.18
0.000
.1075 .148748
.094836
un14 |
.0456958
.0061
7.50
0.000
.033747 .057644
.040049
un15 |
.0822568
.00821
10.02
0.000
.066174 .098339
.062739
------------------------------------------------------------------------------
Eletricidade e Saneamento
Efeitos Aleatorios - reg GLS
Numero de obs
=
2525
Grupo Variável: rgi
Numero de Grupos
=
84
R-sq: within = 0.0789
Obs per Grupo: min =
1
between = 0.3404
avg =
30.1
overall = 0.3266
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(31)
=
240.77
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0707345
.0082108
-8.61
0.000
-.0868274
-.0546416
m2 |
.0634856
.0809382
0.78
0.433
-.0951503
.2221215
m3 |
.1775969
.0811474
2.19
0.029
.0185509
.3366428
m4 |
.051621
.0812067
0.64
0.525
-.1075411
.2107831
m5 |
.0988383
.0808195
1.22
0.221
-.059565
.2572416
m6 |
.1314455
.0813312
1.62
0.106
-.0279606
.2908517
82
m7 |
.0493237
.0804723
0.61
0.540
-.108399
.2070465
m8 | -.0157585
.0860657
-0.18
0.855
-.1844442
.1529273
m9 |
.0287879
.0864619
0.33
0.739
-.1406744
.1982502
m10 |
.005434
.0859394
0.06
0.950
-.1630041
.1738721
m11 |
.0861496
.0860388
1.00
0.317
-.0824833
.2547825
m12 |
.1298151
.0865894
1.50
0.134
-.039897
.2995273
ano2 | -.0320523
.1197745
-0.27
0.789
-.2668061
.2027015
ano3 | -.6272398
.1124313
-5.58
0.000
-.8476011
-.4068784
ano4 | -.5857557
.1127787
-5.19
0.000
-.806798
-.3647135
ano5 | -.4284546
.1132491
-3.78
0.000
-.6504188
-.2064905
ano6 | -.6244978
.1201502
-5.20
0.000
-.8599878
-.3890078
ramo15 |
1.463204
1.194318
1.23
0.221
-.8776161
3.804025
un3 | -2.452529
.9311756
-2.63
0.008
-4.2776
-.6274588
un4 | -1.257609
.965845
-1.30
0.193
-3.15063
.635413
un5 | -.9779965
.8706763
-1.12
0.261
-2.684491
.7284977
un6 |
-.939244
.9026673
-1.04
0.298
-2.708439
.8299514
un7 | -3.105668
.8135135
-3.82
0.000
-4.700126
-1.511211
un8 | -2.021112
1.326284
-1.52
0.128
-4.62058
.5783562
un9 |
.5178782
2.098382
0.25
0.805
-3.594876
4.630632
un10 |
1.893959
1.882127
1.01
0.314
-1.794942
5.582859
un11 |
1.438139
1.596269
0.90
0.368
-1.690491
4.56677
un12 |
.0568882
1.882099
0.03
0.976
-3.631958
3.745734
un13 |
1.821709
1.275922
1.43
0.153
-.6790519
4.322471
un14 | -.8180188
2.100371
-0.39
0.697
-4.93467
3.298632
un15 | -.6344664
2.352507
-0.27
0.787
-5.245295
3.976362
_cons |
3.152589
1.252855
2.52
0.012
.6970375
5.608141
-------------+---------------------------------------------------------------sigma_u | 1.9932844
sigma_e | .82111126
rho | .85492473
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 2.8269953
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.1430321
.0166
-8.61
0.000 -.175574 -.110491
2.0221
m2 |
.0058583
.00747
0.78
0.433
-.00878 .020497
.092277
m3 |
.0161068
.00736
2.19
0.029
.001682 .030531
.090693
m4 |
.0046817
.00736
0.64
0.525 -.009753 .019117
.090693
m5 |
.0090814
.00743
1.22
0.221 -.005473 .023636
.091881
m6 |
.011765
.00728
1.62
0.106 -.002503 .026033
.089505
m7 |
.0046882
.00765
0.61
0.540 -.010303
.01968
.09505
m8 | -.0011858
.00648
-0.18
0.855 -.013879 .011507
.075248
m9 |
.0021206
.00637
0.33
0.739 -.010363 .014604
.073663
m10 |
.0004154
.00657
0.06
0.950 -.012459
.01329
.076436
m11 |
.0065167
.00651
1.00
0.317 -.006239 .019273
.075644
m12 |
.0095626
.00638
1.50
0.134 -.002939 .022064
.073663
ano2 | -.0022976
.00859
-0.27
0.789 -.019126
.01453
.071683
ano3 |
-.156251
.02801
-5.58
0.000 -.211145 -.101357
.249109
ano4 | -.1489327
.02867
-5.19
0.000 -.205134 -.092731
.254257
ano5 | -.1113134
.02942
-3.78
0.000
-.16898 -.053647
.259802
ano6 |
-.086564
.01665
-5.20
0.000 -.119206 -.053922
.138614
ramo15 |
1.049451
.8566
1.23
0.221 -.629451 2.72835
.717228
un3 | -.2758488
.10473
-2.63
0.008 -.481124 -.070574
.112475
un4 | -.0961261
.07382
-1.30
0.193
-.24082 .048568
.076436
un5 | -.1100004
.09793
-1.12
0.261 -.301939 .081938
.112475
un6 | -.0948543
.09116
-1.04
0.298 -.273526 .083817
.10099
un7 | -.5079767
.13306
-3.82
0.000 -.768773 -.24718
.163564
un8 | -.0592326
.03887
-1.52
0.128 -.135415
.01695
.029307
un9 |
.0086142
.0349
0.25
0.805 -.059796 .077024
.016634
83
un10 |
.0862595
.08572
1.01
0.314
-.08175 .254269
.045545
un11 |
.1292902
.14351
0.90
0.368 -.151977 .410557
.089901
un12 |
.0024332
.0805
0.03
0.976 -.155347 .160214
.042772
un13 |
.1435723
.10056
1.43
0.153 -.053517 .340662
.078812
un14 | -.0113389
.02911
-0.39
0.697 -.068401 .045724
.013861
un15 |
-.011056
.04099
-0.27
0.787 -.091403 .069291
.017426
------------------------------------------------------------------------------
Atividades Extrativistas
Efeitos Aleatorios - reg GLS
Numero de obs
=
1091
Grupo Variável: rgi
Numero de Grupos
=
21
R-sq: within = 0.0336
Obs per Grupo: min =
5
between = 0.9363
avg =
52.0
overall = 0.8297
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(30)
=
2829.12
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0083387
.0129956
-0.64
0.521
-.0338096
.0171323
m2 | -.1097166
.0856368
-1.28
0.200
-.2775617
.0581285
m3 | -.2009776
.086186
-2.33
0.020
-.369899
-.0320561
m4 | -.0282709
.0856498
-0.33
0.741
-.1961414
.1395996
m5 |
.0050019
.0859709
0.06
0.954
-.1634981
.1735018
m6 | -.0640825
.0857343
-0.75
0.455
-.2321186
.1039536
m7 | -.1132356
.0826666
-1.37
0.171
-.2752592
.048788
m8 | -.0990571
.0872767
-1.13
0.256
-.2701163
.0720021
m9 | -.0503886
.0874139
-0.58
0.564
-.2217167
.1209394
m10 |
.0156277
.0875519
0.18
0.858
-.1559708
.1872262
m11 | -.0473372
.0878252
-0.54
0.590
-.2194714
.1247969
m12 |
-.00084
.0875803
-0.01
0.992
-.1724943
.1708143
ano2 |
.0069773
.0705963
0.10
0.921
-.1313889
.1453435
ano3 | -.1120884
.0725172
-1.55
0.122
-.2542195
.0300427
ano4 | -.0325176
.071963
-0.45
0.651
-.1735625
.1085273
ano5 | -.0308654
.0724819
-0.43
0.670
-.1729274
.1111966
ano6 | -.1485772
.0853067
-1.74
0.082
-.3157754
.0186209
ramo42 | -2.585872
.2537644
-10.19
0.000
-3.083241
-2.088503
ramo43 |
-1.50727
.1756379
-8.58
0.000
-1.851514
-1.163026
ramo44 | -2.792277
.1772656
-15.75
0.000
-3.139711
-2.444843
ramo46 |
6.486772
.4176487
15.53
0.000
5.668195
7.305348
un2 |
5.321502
.4451549
11.95
0.000
4.449015
6.19399
un3 |
5.395255
.3890992
13.87
0.000
4.632635
6.157876
un4 |
3.526144
.4429851
7.96
0.000
2.657909
4.394379
un5 |
4.992646
.4239394
11.78
0.000
4.161741
5.823552
un8 |
3.285223
.4216007
7.79
0.000
2.458901
4.111545
un11 |
5.415194
.3990704
13.57
0.000
4.63303
6.197358
un12 |
5.134874
.4116903
12.47
0.000
4.327976
5.941772
un13 |
6.014965
.3999861
15.04
0.000
5.231007
6.798923
un14 |
4.998041
.4137315
12.08
0.000
4.187142
5.808939
_cons |
1.785753
.4532803
3.94
0.000
.8973401
2.674166
-------------+---------------------------------------------------------------sigma_u |
.0874518
sigma_e | .50221311
rho | .02942987
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 4.3224241
------------------------------------------------------------------------------
84
Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.0417459
.06506
-0.64
0.521 -.169262
.08577
5.00632
m2 | -.0090509
.00706
-1.28
0.200 -.022897 .004795
.082493
m3 | -.0162108
.00695
-2.33
0.020 -.029836 -.002586
.08066
m4 | -.0023322
.00707
-0.33
0.741
-.01618 .011516
.082493
m5 |
.000408
.00701
0.06
0.954 -.013338 .014154
.081577
m6 | -.0052864
.00707
-0.75
0.455 -.019148 .008575
.082493
m7 | -.0112094
.00818
-1.37
0.171 -.027248
.00483
.098992
m8 | -.0081715
.0072
-1.13
0.256 -.022283
.00594
.082493
m9 | -.0041567
.00721
-0.58
0.564
-.01829 .009977
.082493
m10 |
.0012749
.00714
0.18
0.858 -.012724 .015273
.081577
m11 | -.0038182
.00708
-0.54
0.590 -.017703 .010066
.08066
m12 | -.0000685
.00714
-0.01
0.992 -.014071 .013934
.081577
ano2 |
.0013942
.01411
0.10
0.921 -.026254 .029042
.199817
ano3 | -.0215752
.01396
-1.55
0.122 -.048933 .005783
.192484
ano4 | -.0063485
.01405
-0.45
0.651 -.033885 .021188
.195234
ano5 |
-.006224
.01462
-0.43
0.670 -.034871 .022423
.20165
ano6 | -.0166145
.00954
-1.74
0.082 -.035311 .002082
.111824
ramo42 | -.4053017
.03977 -10.19
0.000 -.483258 -.327346
.156737
ramo43 | -.0911822
.01063
-8.58
0.000 -.112007 -.070357
.060495
ramo44 | -1.873462
.11894 -15.75
0.000 -2.10657 -1.64035
.670944
ramo46 |
.3626884
.02335
15.53
0.000
.31692 .408457
.055912
un2 |
.0829198
.00694
11.95
0.000
.069325 .096515
.015582
un3 |
.8901429
.0642
13.87
0.000
.764321 1.01596
.164986
un4 |
.3555232
.04466
7.96
0.000
.267984 .443063
.100825
un5 |
.5582978
.04741
11.78
0.000
.465383 .651213
.111824
un8 |
.310154
.0398
7.79
0.000
.232142 .388166
.094409
un11 |
.6055487
.04463
13.57
0.000
.518084 .693013
.111824
un12 |
.5742022
.04604
12.47
0.000
.483972 .664433
.111824
un13 |
1.042006
.06929
15.04
0.000
.906196 1.17782
.173236
un14 |
.2748693
.02275
12.08
0.000
.230274 .319465
.054995
------------------------------------------------------------------------------
Fabricação de Máquinas e Equipamentos
Efeitos Aleatorios - reg GLS
Numero de obs
=
8305
Grupo Variável: rgi
Numero de Grupos
=
146
R-sq: within = 0.0553
Obs per Grupo: min =
10
between = 0.2411
avg =
56.9
overall = 0.1718
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(32)
=
531.90
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco |
.0529554
.0045378
11.67
0.000
.0440616
.0618493
m2 | -.0492049
.030286
-1.62
0.104
-.1085644
.0101547
m3 | -.0422661
.0302529
-1.40
0.162
-.1015607
.0170285
m4 |
.0451151
.0303431
1.49
0.137
-.0143563
.1045864
m5 |
-.011843
.0303359
-0.39
0.696
-.0713002
.0476143
m6 |
.0077227
.0302556
0.26
0.799
-.0515772
.0670226
m7 | -.0307473
.0293225
-1.05
0.294
-.0882184
.0267238
m8 |
-.04282
.0308649
-1.39
0.165
-.103314
.0176741
m9 | -.0302519
.0309277
-0.98
0.328
-.0908691
.0303653
m10 | -.0728726
.0310148
-2.35
0.019
-.1336605
-.0120847
m11 | -.0819215
.030997
-2.64
0.008
-.1426745
-.0211685
m12 | -.0736712
.0310823
-2.37
0.018
-.1345914
-.012751
ano2 | -.1262625
.0257248
-4.91
0.000
-.1766823
-.0758428
ano3 | -.2484703
.0261522
-9.50
0.000
-.2997277
-.1972128
ano4 | -.3734846
.0265199
-14.08
0.000
-.4254627
-.3215065
ano5 | -.4105456
.0271276
-15.13
0.000
-.4637147
-.3573765
85
ano6 | -.5018348
.0314251
-15.97
0.000
-.5634269
-.4402427
ramo39 | -.1556691
.7175753
-0.22
0.828
-1.562091
1.250753
ramo55 |
.2723132
.7386992
0.37
0.712
-1.175511
1.720137
ramo56 |
.6107279
.7397476
0.83
0.409
-.8391508
2.060607
ramo63 |
.0086572
.7095884
0.01
0.990
-1.382111
1.399425
ramo65 |
.1918558
.7073965
0.27
0.786
-1.194616
1.578327
un3 | -1.158222
.7074725
-1.64
0.102
-2.544843
.2283983
un5 | -1.769737
.7894539
-2.24
0.025
-3.317038
-.2224355
un6 | -1.906919
.7553413
-2.52
0.012
-3.38736
-.426477
un7 |
-4.31043
.9819917
-4.39
0.000
-6.235098
-2.385761
un10 | -1.530103
.7786798
-1.96
0.049
-3.056288
-.0039188
un11 | -1.166352
.6797349
-1.72
0.086
-2.498608
.1659036
un12 | -1.335622
.6859701
-1.95
0.052
-2.680099
.0088543
un13 | -.9350332
.6805146
-1.37
0.169
-2.268817
.398751
un14 |
-1.71096
.729532
-2.35
0.019
-3.140817
-.2811039
un15 | -1.072689
.6921234
-1.55
0.121
-2.429226
.283848
_cons |
5.380299
.9749069
5.52
0.000
3.469517
7.291082
-------------+---------------------------------------------------------------sigma_u | .66365169
sigma_e | .55797853
rho | .58585931
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 4.3477776
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
.3379993
.02896
11.67
0.000
.281232 .394766
6.38271
m2 | -.0040644
.0025
-1.62
0.104 -.008968 .000839
.082601
m3 | -.0035065
.00251
-1.40
0.162 -.008426 .001413
.082962
m4 |
.0037048
.00249
1.49
0.137 -.001179 .008589
.082119
m5 | -.0009725
.00249
-0.39
0.696 -.005855
.00391
.082119
m6 |
.0006407
.00251
0.26
0.799 -.004279
.00556
.082962
m7 | -.0029988
.00286
-1.05
0.294 -.008604 .002606
.097532
m8 | -.0035215
.00254
-1.39
0.165 -.008497 .001454
.08224
m9 | -.0024661
.00252
-0.98
0.328 -.007407 .002475
.081517
m10 |
-.005914
.00252
-2.35
0.019 -.010847 -.000981
.081156
m11 | -.0066977
.00253
-2.64
0.008 -.011665 -.001731
.081758
m12 | -.0059611
.00252
-2.37
0.018
-.01089 -.001032
.080915
ano2 | -.0250397
.0051
-4.91
0.000 -.035039 -.015041
.198314
ano3 | -.0494248
.0052
-9.50
0.000 -.059621 -.039229
.198916
ano4 | -.0743372
.00528 -14.08
0.000 -.084683 -.063992
.199037
ano5 |
-.081071
.00536 -15.13
0.000
-.09157 -.070572
.197471
ano6 | -.0580086
.00363 -15.97
0.000 -.065128 -.050889
.115593
ramo39 | -.0184629
.08511
-0.22
0.828 -.185269 .148343
.118603
ramo55 |
.015542
.04216
0.37
0.712 -.067091 .098175
.057074
ramo56 |
.0370628
.04489
0.83
0.409 -.050925 .125051
.060686
ramo63 |
.0017857
.14636
0.01
0.990 -.285076 .288647
.206261
ramo65 |
.1055265
.38909
0.27
0.786 -.657075 .868128
.55003
un3 |
-.08535
.05213
-1.64
0.102 -.187531 .016831
.073691
un5 | -.0185391
.00827
-2.24
0.025 -.034748 -.00233
.010476
un6 |
-.046611
.01846
-2.52
0.012 -.082798 -.010424
.024443
un7 |
-.030622
.00698
-4.39
0.000 -.044295 -.016949
.007104
un10 | -.0313206
.01594
-1.96
0.049 -.062561 -.00008
.02047
un11 | -.3394429
.19782
-1.72
0.086 -.727169 .048283
.29103
un12 | -.2100328
.10787
-1.95
0.052 -.421458 .001392
.157255
un13 | -.2285512
.16634
-1.37
0.169 -.554569 .097467
.244431
un14 | -.0702514
.02995
-2.35
0.019 -.128961 -.011542
.04106
un15 | -.1316159
.08492
-1.55
0.121 -.298059 .034827
.122697
------------------------------------------------------------------------------
86
Atividades Financeiras
Efeitos Aleatorios - reg GLS
Numero de obs
=
13234
Grupo Variável: rgi
Numero de Grupos
=
235
R-sq: within = 0.0155
Obs per Grupo: min =
2
between = 0.3441
avg =
56.3
overall = 0.2552
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(30)
=
330.44
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco |
.003723
.0027251
1.37
0.172
-.0016182
.0090642
m2 | -.0244829
.0230462
-1.06
0.288
-.0696527
.020687
m3 | -.0017495
.0230246
-0.08
0.939
-.0468768
.0433779
m4 |
.0192538
.023016
0.84
0.403
-.0258567
.0643643
m5 |
.0175707
.0230168
0.76
0.445
-.0275415
.0626828
m6 |
.0294075
.0229524
1.28
0.200
-.0155785
.0743934
m7 | -.0084086
.0221915
-0.38
0.705
-.0519031
.035086
m8 | -.0305597
.0235036
-1.30
0.194
-.0766259
.0155066
m9 | -.0179584
.0235106
-0.76
0.445
-.0640384
.0281215
m10 | -.0322605
.0234733
-1.37
0.169
-.0782673
.0137463
m11 | -.0351173
.0234662
-1.50
0.135
-.0811102
.0108756
m12 | -.0559867
.0235158
-2.38
0.017
-.1020768
-.0098966
ano2 | -.0570366
.0192962
-2.96
0.003
-.0948564
-.0192167
ano3 | -.1680367
.0194378
-8.64
0.000
-.2061342
-.1299393
ano4 |
-.166085
.019696
-8.43
0.000
-.2046885
-.1274816
ano5 | -.1810311
.0198228
-9.13
0.000
-.2198831
-.142179
ano6 | -.2429522
.0232562
-10.45
0.000
-.2885334
-.1973709
ramo72 |
.5001711
.2153088
2.32
0.020
.0781737
.9221685
ramo88 |
.0921212
.2759813
0.33
0.739
-.4487921
.6330346
un3 |
.3988755
.2571029
1.55
0.121
-.1050369
.9027879
un6 | -.6752899
.4251623
-1.59
0.112
-1.508593
.158013
un7 | -1.582854
.3501717
-4.52
0.000
-2.269178
-.89653
un8 | -.6719279
.5633182
-1.19
0.233
-1.776011
.4321555
un9 | -.2340527
.9053133
-0.26
0.796
-2.008434
1.540329
un10 | -.6837306
.6792296
-1.01
0.314
-2.014996
.647535
un11 |
.9574301
.1738013
5.51
0.000
.6167858
1.298074
un12 |
.259376
.257495
1.01
0.314
-.2453049
.764057
un13 |
.4243018
.2308348
1.84
0.066
-.0281261
.8767297
un14 |
1.199279
.4705252
2.55
0.011
.2770664
2.121491
un15 |
.3987454
.2758953
1.45
0.148
-.1419994
.9394902
_cons |
3.271851
.251442
13.01
0.000
2.779033
3.764668
-------------+---------------------------------------------------------------sigma_u | .88878546
sigma_e | .53591231
rho | .73336653
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 4.0491269
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
.0223229
.01634
1.37
0.172 -.009703 .054348
5.99598
m2 | -.0020017
.00188
-1.06
0.288 -.005695 .001691
.081759
m3 | -.0001437
.00189
-0.08
0.939
-.00385 .003563
.082137
m4 |
.0015844
.00189
0.84
0.403 -.002128 .005296
.082288
m5 |
.0014459
.00189
0.76
0.445 -.002266 .005158
.082288
m6 |
.0024465
.00191
1.28
0.200 -.001296 .006189
.083195
m7 | -.0008317
.0022
-0.38
0.705 -.005134
.00347
.098912
m8 | -.0024801
.00191
-1.30
0.194 -.006219 .001258
.081155
87
m9 | -.0014561
.00191
-0.76
0.445 -.005192
.00228
.081079
m10 | -.0026376
.00192
-1.37
0.169 -.006399 .001124
.081759
m11 | -.0028791
.00192
-1.50
0.135
-.00665 .000892
.081986
m12 | -.0045605
.00192
-2.38
0.017 -.008315 -.000806
.081457
ano2 | -.0111754
.00378
-2.96
0.003 -.018586 -.003765
.195935
ano3 | -.0332417
.00385
-8.64
0.000 -.040778 -.025705
.197824
ano4 | -.0328681
.0039
-8.43
0.000 -.040508 -.025229
.197899
ano5 | -.0357712
.00392
-9.13
0.000 -.043448 -.028094
.197597
ano6 | -.0283817
.00272 -10.45
0.000 -.033707 -.023057
.11682
ramo72 |
.4091622
.17613
2.32
0.020
.06395 .754375
.818044
ramo88 |
.0092511
.02771
0.33
0.739 -.045069 .063571
.100423
un3 |
.0311348
.02007
1.55
0.121 -.008199 .070468
.078057
un6 | -.0155122
.00977
-1.59
0.112 -.034654
.00363
.022971
un7 | -.0456891
.01011
-4.52
0.000
-.0655 -.025878
.028865
un8 |
-.001117
.00094
-1.19
0.233 -.002952 .000718
.001662
un9 | -.0009904
.00383
-0.26
0.796 -.008499 .006518
.004232
un10 | -.0048048
.00477
-1.01
0.314
-.01416
.00455
.007027
un11 |
.4141822
.07519
5.51
0.000
.26682 .561544
.432598
un12 |
.0204224
.02027
1.01
0.314 -.019314 .060159
.078737
un13 |
.0446296
.02428
1.84
0.066 -.002958 .092218
.105184
un14 |
.0206616
.00811
2.55
0.011
.004773
.03655
.017228
un15 |
.026575
.01839
1.45
0.148 -.009464 .062614
.066647
------------------------------------------------------------------------------
Atividades Imobiliárias
Efeitos Aleatorios - reg GLS
Grupo Variável: rgi
R-sq: within = 0.0962
between = 0.5079
overall = 0.4036
Numero de obs
Numero de Grupos
Obs per Grupo: min
avg
max
=
=
=
=
=
45479
876
1
51.9
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(31)
= 17301.52
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0358139
.0005321
-67.30
0.000
-.0368568
-.0347709
m2 |
-.056525
.0104564
-5.41
0.000
-.0770191
-.0360309
m3 |
.005448
.0104665
0.52
0.603
-.0150659
.0259618
m4 |
.0436583
.0104577
4.17
0.000
.0231615
.0641551
m5 |
.0279302
.0104494
2.67
0.008
.0074499
.0484106
m6 |
.0224524
.0104485
2.15
0.032
.0019737
.0429312
m7 |
.0049531
.0101186
0.49
0.624
-.014879
.0247852
m8 | -.0053037
.0107099
-0.50
0.620
-.0262948
.0156873
m9 |
.0244917
.0107175
2.29
0.022
.0034859
.0454975
m10 |
.0209436
.0107078
1.96
0.050
-.0000432
.0419305
m11 |
.0194622
.0106932
1.82
0.069
-.001496
.0404205
m12 | -.0006097
.010688
-0.06
0.955
-.0215578
.0203384
ano2 | -.0191258
.0089344
-2.14
0.032
-.0366369
-.0016147
ano3 | -.0280395
.0089391
-3.14
0.002
-.0455598
-.0105192
ano4 | -.0203165
.0089633
-2.27
0.023
-.0378843
-.0027487
ano5 | -.0110877
.0089751
-1.24
0.217
-.0286784
.0065031
ano6 | -.0215895
.0104657
-2.06
0.039
-.0421019
-.001077
ramo13 |
3.711875
.0820974
45.21
0.000
3.550967
3.872783
un2 | -1.224215
.5069284
-2.41
0.016
-2.217776
-.2306537
un3 | -.7964381
.1770505
-4.50
0.000
-1.143451
-.4494255
un4 | -.4673574
.6456731
-0.72
0.469
-1.732854
.7981387
un5 | -2.350108
.4604192
-5.10
0.000
-3.252513
-1.447703
un6 | -1.265979
.361198
-3.50
0.000
-1.973914
-.558044
un7 | -1.704338
.2030367
-8.39
0.000
-2.102282
-1.306393
un8 | -1.819224
.3610892
-5.04
0.000
-2.526946
-1.111502
un9 |
.9644835
.3440081
2.80
0.005
.29024
1.638727
88
un10 | -1.408166
.1740533
-8.09
0.000
-1.749304
-1.067028
un11 |
1.577285
.0981979
16.06
0.000
1.384821
1.76975
un12 | -.9996941
.2677406
-3.73
0.000
-1.524456
-.4749322
un13 |
1.271324
.1810098
7.02
0.000
.9165513
1.626097
un14 |
.5703784
.5025976
1.13
0.256
-.4146947
1.555452
un15 |
.6249379
.2181639
2.86
0.004
.1973445
1.052531
_cons | (dropped)
-------------+---------------------------------------------------------------sigma_u | 1.1039193
sigma_e |
.4515376
rho | .85667293
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
=
4.215428
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.2310572
.00343 -67.30
0.000 -.237786 -.224328
6.45161
m2 | -.0046757
.00086
-5.41
0.000 -.006371 -.00298
.082719
m3 |
.0004491
.00086
0.52
0.603 -.001242
.00214
.082434
m4 |
.0036124
.00087
4.17
0.000
.001916 .005308
.082741
m5 |
.002319
.00087
2.67
0.008
.000619 .004019
.083027
m6 |
.0018656
.00087
2.15
0.032
.000164 .003567
.083093
m7 |
.0004854
.00099
0.49
0.624 -.001458 .002429
.098001
m8 | -.0004288
.00087
-0.50
0.620 -.002126 .001268
.080851
m9 |
.0019764
.00086
2.29
0.022
.000281 .003671
.080697
m10 |
.0016979
.00087
1.96
0.050 -3.5e-06 .003399
.08107
m11 |
.0015855
.00087
1.82
0.069 -.000122 .003293
.081466
m12 | -.0000499
.00087
-0.06
0.955 -.001763 .001664
.081796
ano2 | -.0036158
.00169
-2.14
0.032 -.006926 -.000305
.189054
ano3 | -.0054607
.00174
-3.14
0.002 -.008873 -.002049
.194749
ano4 | -.0040446
.00178
-2.27
0.023 -.007542 -.000547
.199081
ano5 | -.0022754
.00184
-1.24
0.217 -.005885 .001335
.205216
ano6 | -.0026318
.00128
-2.06
0.039 -.005132 -.000131
.121902
ramo13 |
3.711875
.0821
45.21
0.000
3.55097 3.87278
1
un2 | -.0028264
.00117
-2.41
0.016
-.00512 -.000533
.002309
un3 | -.0380365
.00846
-4.50
0.000 -.054609 -.021464
.047758
un4 | -.0013976
.00193
-0.72
0.469 -.005182 .002387
.00299
un5 | -.0134871
.00264
-5.10
0.000 -.018666 -.008308
.005739
un6 | -.0106336
.00303
-3.50
0.000
-.01658 -.004687
.008399
un7 | -.0387494
.00462
-8.39
0.000 -.047797 -.029702
.022736
un8 | -.0150405
.00299
-5.04
0.000 -.020892 -.009189
.008268
un9 |
.0113883
.00406
2.80
0.005
.003427
.01935
.011808
un10 | -.0705337
.00872
-8.09
0.000 -.087621 -.053446
.050089
un11 |
.8402315
.05231
16.06
0.000
.737704 .942759
.532707
un12 | -.0134746
.00361
-3.73
0.000 -.020548 -.006401
.013479
un13 |
.0716743
.0102
7.02
0.000
.051673 .091676
.056378
un14 |
.0027968
.00246
1.13
0.256 -.002033 .007627
.004903
un15 |
.0218898
.00764
2.86
0.004
.006912 .036867
.035027
------------------------------------------------------------------------------
Indústria Final
Efeitos Aleatorios - reg GLS
Grupo Variável: rgi
R-sq: within = 0.0189
between = 0.2873
overall = 0.1870
Numero de obs
Numero de Grupos
Obs per Grupo: min
avg
max
=
=
=
=
=
50925
928
2
54.9
61
89
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(40)
=
1336.78
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0258372
.0015704
-16.45
0.000
-.0289152
-.0227592
m2 | -.0461396
.0112919
-4.09
0.000
-.0682714
-.0240078
m3 |
.0043156
.0112959
0.38
0.702
-.017824
.0264553
m4 |
.0118188
.0112825
1.05
0.295
-.0102945
.0339321
m5 | -.0046913
.0112859
-0.42
0.678
-.0268113
.0174286
m6 |
-.018602
.0112697
-1.65
0.099
-.0406903
.0034862
m7 | -.0452714
.0109109
-4.15
0.000
-.0666565
-.0238864
m8 | -.0641955
.0115173
-5.57
0.000
-.086769
-.0416219
m9 | -.0452244
.0115156
-3.93
0.000
-.0677946
-.0226542
m10 | -.0411061
.0115364
-3.56
0.000
-.0637171
-.0184952
m11 | -.0213591
.0115309
-1.85
0.064
-.0439593
.0012411
m12 | -.0134402
.0115327
-1.17
0.244
-.0360439
.0091636
ano2 |
.0189373
.0094787
2.00
0.046
.0003593
.0375152
ano3 | -.0249405
.009584
-2.60
0.009
-.0437249
-.0061561
ano4 | -.0701088
.0097102
-7.22
0.000
-.0891404
-.0510772
ano5 | -.0961957
.0098724
-9.74
0.000
-.1155453
-.0768462
ano6 | -.1067703
.0114942
-9.29
0.000
-.1292986
-.084242
ramo31 | -1.702687
.8436587
-2.02
0.044
-3.356228
-.0491463
ramo60 | -1.102877
.8524059
-1.29
0.196
-2.773562
.5678075
ramo62 | -1.333389
.8404576
-1.59
0.113
-2.980655
.3138779
ramo66 |
-2.21585
.8492438
-2.61
0.009
-3.880338
-.5513631
ramo67 |
.0166535
1.183638
0.01
0.989
-2.303235
2.336542
ramo69 | -1.499601
.8457043
-1.77
0.076
-3.157151
.1579491
ramo70 |
.1269676
1.196239
0.11
0.915
-2.217618
2.471553
ramo75 | -.1857017
1.176364
-0.16
0.875
-2.491332
2.119929
ramo83 | -1.838133
.8613655
-2.13
0.033
-3.526379
-.1498878
un2 |
.0914615
.5926902
0.15
0.877
-1.07019
1.253113
un3 |
-.252113
.1388558
-1.82
0.069
-.5242654
.0200395
un4 | -.8356013
.2099029
-3.98
0.000
-1.247003
-.4241992
un5 | -.7304065
.1603948
-4.55
0.000
-1.044775
-.4160384
un6 | -.4282853
.1687951
-2.54
0.011
-.7591176
-.097453
un7 | -.6521547
.1968206
-3.31
0.001
-1.037916
-.2663934
un8 | -.0919162
.1968928
-0.47
0.641
-.4778191
.2939866
un9 |
.0322118
.1882803
0.17
0.864
-.3368108
.4012344
un10 | -.6891702
.3244103
-2.12
0.034
-1.325003
-.0533376
un11 |
.770803
.0923152
8.35
0.000
.5898686
.9517374
un12 |
.422691
.1089815
3.88
0.000
.2090912
.6362908
un13 |
.5659799
.1097227
5.16
0.000
.3509274
.7810325
un14 |
.3642584
.131057
2.78
0.005
.1073913
.6211254
un15 |
.6484008
.129626
5.00
0.000
.3943385
.902463
_cons |
5.315097
.8434662
6.30
0.000
3.661933
6.96826
-------------+---------------------------------------------------------------sigma_u | .82882806
sigma_e | .51574579
rho | .72087328
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 3.9839201
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.1413814
.00859 -16.45
0.000 -.158224 -.124539
5.47201
m2 | -.0037954
.00093
-4.09
0.000 -.005616 -.001975
.082258
m3 |
.0003545
.00093
0.38
0.702 -.001464 .002173
.08214
m4 |
.0009757
.00093
1.05
0.295
-.00085 .002801
.082553
m5 | -.0003869
.00093
-0.42
0.678 -.002211 .001437
.082474
90
m6 | -.0015433
.00093
-1.65
0.099 -.003376 .000289
.082965
m7 | -.0044387
.00107
-4.15
0.000 -.006535 -.002342
.098046
m8 | -.0052403
.00094
-5.57
0.000 -.007083 -.003398
.08163
m9 | -.0036943
.00094
-3.93
0.000 -.005538 -.001851
.081689
m10 | -.0033369
.00094
-3.56
0.000 -.005172 -.001501
.081178
m11 | -.0017419
.00094
-1.85
0.064 -.003585 .000101
.081551
m12 | -.0010979
.00094
-1.17
0.244 -.002944 .000749
.081689
ano2 |
.0037506
.00188
2.00
0.046
.000071
.00743
.198056
ano3 | -.0049274
.00189
-2.60
0.009 -.008639 -.001216
.197565
ano4 | -.0138745
.00192
-7.22
0.000 -.017641 -.010108
.197899
ano5 | -.0189917
.00195
-9.74
0.000 -.022812 -.015172
.197428
ano6 | -.0123763
.00133
-9.29
0.000 -.014988 -.009765
.115916
ramo31 | -.2160248
.10704
-2.02
0.044 -.425814 -.006235
.126873
ramo60 |
-.042166
.03259
-1.29
0.196 -.106041 .021709
.038233
ramo62 | -.9097416
.57343
-1.59
0.113 -2.03364 .214152
.682278
ramo66 | -.0781911
.02997
-2.61
0.009 -.136926 -.019456
.035287
ramo67 |
.0000199
.00142
0.01
0.989 -.002759 .002799
.001198
ramo69 | -.1334255
.07525
-1.77
0.076 -.280904 .014053
.088974
ramo70 |
.0001521
.00143
0.11
0.915 -.002656 .002961
.001198
ramo75 | -.0002188
.00139
-0.16
0.875 -.002935 .002498
.001178
ramo83 | -.0434583
.02036
-2.13
0.033 -.083373 -.003544
.023643
un2 |
.0002191
.00142
0.15
0.877 -.002564 .003002
.002396
un3 | -.0122579
.00675
-1.82
0.069
-.02549 .000974
.048621
un4 | -.0143082
.00359
-3.98
0.000 -.021353 -.007264
.017123
un5 | -.0319988
.00703
-4.55
0.000 -.045771 -.018226
.04381
un6 | -.0133469
.00526
-2.54
0.011 -.023657 -.003037
.031163
un7 | -.0128958
.00389
-3.31
0.001 -.020524 -.005268
.019774
un8 | -.0020269
.00434
-0.47
0.641 -.010537 .006483
.022052
un9 |
.0007641
.00447
0.17
0.864
-.00799 .009518
.023721
un10 | -.0048313
.00227
-2.12
0.034 -.009289 -.000374
.00701
un11 |
.2102548
.02518
8.35
0.000
.160901 .259609
.272774
un12 |
.0510466
.01316
3.88
0.000
.025251 .076842
.120766
un13 |
.0637943
.01237
5.16
0.000
.039555 .088034
.112715
un14 |
.0237045
.00853
2.78
0.005
.006989
.04042
.065076
un15 |
.0455058
.0091
5.00
0.000
.027675 .063336
.070182
------------------------------------------------------------------------------
Indústria Metalúrgica
Efeitos Aleatorios - reg GLS
Numero de obs
=
21419
Grupo Variável: rgi
Numero de Grupos
=
386
R-sq: within = 0.0740
Obs per Grupo: min =
3
between = 0.2691
avg =
55.5
overall = 0.1750
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(35)
=
1819.81
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0605694
.0019834
-30.54
0.000
-.0644569
-.0566819
m2 | -.0707139
.0197906
-3.57
0.000
-.1095029
-.0319249
m3 |
.0344524
.0197732
1.74
0.081
-.0043024
.0732071
m4 |
.0709209
.0197843
3.58
0.000
.0321444
.1096974
m5 |
.0265308
.0198322
1.34
0.181
-.0123396
.0654011
m6 |
.0004334
.0197815
0.02
0.983
-.0383377
.0392044
m7 | -.0440426
.0191341
-2.30
0.021
-.0815448
-.0065404
m8 | -.0594467
.0201723
-2.95
0.003
-.0989838
-.0199096
m9 |
-.04063
.0201957
-2.01
0.044
-.0802128
-.0010472
m10 | -.0170601
.0201878
-0.85
0.398
-.0566276
.0225073
m11 | -.0162578
.0202019
-0.80
0.421
-.0558527
.0233371
m12 | -.0036948
.0201833
-0.18
0.855
-.0432533
.0358638
ano2 |
.0167085
.0165976
1.01
0.314
-.0158222
.0492393
ano3 | -.0973302
.0166773
-5.84
0.000
-.1300172
-.0646432
ano4 | -.1360093
.0168392
-8.08
0.000
-.1690136
-.103005
91
ano5 | -.1698637
.0169839
-10.00
0.000
-.2031515
-.136576
ano6 | -.2039309
.0198424
-10.28
0.000
-.2428213
-.1650404
ramo5 |
3.136046
1.4843
2.11
0.035
.2268717
6.045221
ramo47 |
.425104
1.148832
0.37
0.711
-1.826566
2.676774
ramo57 |
1.354807
1.061862
1.28
0.202
-.7264042
3.436017
ramo59 |
2.107595
1.072704
1.96
0.049
.0051332
4.210057
ramo78 |
1.653932
1.058493
1.56
0.118
-.4206768
3.728541
un3 |
1.228001
.3088473
3.98
0.000
.6226714
1.833331
un4 | -1.115966
.7486434
-1.49
0.136
-2.58328
.3513483
un5 |
.6184542
.490317
1.26
0.207
-.3425495
1.579458
un6 |
-.062541
.3337701
-0.19
0.851
-.7167183
.5916364
un7 |
2.876295
1.039683
2.77
0.006
.8385534
4.914037
un8 | -1.623836
1.057971
-1.53
0.125
-3.697421
.4497496
un9 | -.1423385
.7444022
-0.19
0.848
-1.60134
1.316663
un10 |
.6819285
.3336929
2.04
0.041
.0279024
1.335955
un11 |
1.67881
.203057
8.27
0.000
1.280825
2.076794
un12 |
1.153066
.2244026
5.14
0.000
.7132447
1.592887
un13 |
1.537345
.2183033
7.04
0.000
1.109478
1.965212
un14 |
1.364112
.2313181
5.90
0.000
.9107372
1.817488
un15 |
1.521416
.2319406
6.56
0.000
1.06682
1.976011
_cons |
1.677555
1.073668
1.56
0.118
-.4267958
3.781905
-------------+---------------------------------------------------------------sigma_u | 1.0218886
sigma_e | .58672548
rho | .75207346
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 3.9402599
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3661502
.01199 -30.54
0.000
-.38965 -.34265
6.04513
m2 | -.0058106
.00163
-3.57
0.000 -.008998 -.002623
.08217
m3 |
.0028438
.00163
1.74
0.081 -.000355 .006043
.082544
m4 |
.0058408
.00163
3.58
0.000
.002647 .009034
.082357
m5 |
.0021639
.00162
1.34
0.181 -.001006 .005334
.081563
m6 |
.0000357
.00163
0.02
0.983 -.003159 .003231
.082403
m7 | -.0042996
.00187
-2.30
0.021 -.007961 -.000638
.097624
m8 | -.0048709
.00165
-2.95
0.003
-.00811 -.001631
.081937
m9 | -.0033139
.00165
-2.01
0.044 -.006542 -.000085
.081563
m10 | -.0013955
.00165
-0.85
0.398 -.004632 .001841
.081797
m11 | -.0013298
.00165
-0.80
0.421 -.004569 .001909
.081797
m12 | -.0003033
.00166
-0.18
0.855
-.00355 .002944
.082077
ano2 |
.0033146
.00329
1.01
0.314 -.003139 .009768
.198375
ano3 | -.0193988
.00332
-5.84
0.000 -.025914 -.012884
.199309
ano4 | -.0269682
.00334
-8.08
0.000 -.033512 -.020424
.198282
ano5 | -.0334668
.00335 -10.00
0.000 -.040025 -.026908
.197021
ano6 | -.0232218
.00226 -10.28
0.000
-.02765 -.018793
.113871
ramo5 |
.0089313
.00423
2.11
0.035
.000646 .017216
.002848
ramo47 |
.0045251
.01223
0.37
0.711 -.019443 .028494
.010645
ramo57 |
.801663
.62832
1.28
0.202 -.429826 2.03315
.591718
ramo59 |
.1862682
.09481
1.96
0.049
.000454 .372083
.088379
ramo78 |
.5045423
.3229
1.56
0.118
-.12833 1.13741
.305056
un3 |
.0692574
.01742
3.98
0.000
.035118 .103397
.056399
un4 | -.0027614
.00185
-1.49
0.136 -.006392 .000869
.002474
un5 |
.0078538
.00623
1.26
0.207
-.00435 .020058
.012699
un6 | -.0018687
.00997
-0.19
0.851 -.021416 .017678
.02988
un7 |
.0081915
.00296
2.77
0.006
.002388 .013995
.002848
un8 | -.0006065
.0004
-1.53
0.125 -.001381 .000168
.000374
un9 | -.0008107
.00424
-0.19
0.848 -.009121
.0075
.005696
un10 |
.0196438
.00961
2.04
0.041
.000804 .038484
.028806
92
un11 |
.4169004
.05043
8.27
0.000
.318069 .515732
.248331
un12 |
.1668847
.03248
5.14
0.000
.103229 .230541
.144731
un13 |
.2202769
.03128
7.04
0.000
.15897 .281583
.143284
un14 |
.1448243
.02456
5.90
0.000
.096691 .192958
.106167
un15 |
.1853202
.02825
6.56
0.000
.129947 .240693
.121808
------------------------------------------------------------------------------
Outras Atividades
Efeitos Aleatorios - reg GLS
Numero de obs
=
148376
Grupo Variável: rgi
Numero de Grupos
=
2898
R-sq: within = 0.0874
Obs per Grupo: min =
1
between = 0.3664
avg =
51.2
overall = 0.2702
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(38)
= 15594.86
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco |
-.06592
.0005976 -110.31
0.000
-.0670913
-.0647488
m2 | -.0377987
.0067611
-5.59
0.000
-.0510502
-.0245472
m3 |
.0629213
.0067583
9.31
0.000
.0496753
.0761672
m4 |
.0558065
.0067549
8.26
0.000
.0425671
.0690459
m5 |
.0063465
.0067536
0.94
0.347
-.0068904
.0195833
m6 | -.0240022
.0067453
-3.56
0.000
-.0372226
-.0107817
m7 | -.0596986
.006537
-9.13
0.000
-.0725109
-.0468863
m8 |
-.117025
.0069216
-16.91
0.000
-.1305912
-.1034589
m9 | -.0860016
.0069242
-12.42
0.000
-.0995729
-.0724304
m10 | -.0732674
.0069179
-10.59
0.000
-.0868263
-.0597085
m11 | -.0535176
.0069158
-7.74
0.000
-.0670724
-.0399628
m12 | -.0272419
.0069164
-3.94
0.000
-.0407978
-.013686
ano2 |
.0582617
.0057492
10.13
0.000
.0469936
.0695298
ano3 |
.0373223
.0057815
6.46
0.000
.0259908
.0486539
ano4 |
.0275838
.005809
4.75
0.000
.0161985
.0389691
ano5 |
.02328
.0058433
3.98
0.000
.0118273
.0347326
ano6 |
.0041504
.0068023
0.61
0.542
-.0091819
.0174827
ramo3 | -1.118854
.544247
-2.06
0.040
-2.185558
-.052149
ramo4 | -1.586425
.5548858
-2.86
0.004
-2.673981
-.4988687
ramo12 | -1.626537
.5597285
-2.91
0.004
-2.723584
-.5294889
ramo41 | -1.238222
.5569896
-2.22
0.026
-2.329902
-.1465425
ramo61 | -.9454872
.5518444
-1.71
0.087
-2.027082
.1361079
ramo79 | -1.290925
.6173143
-2.09
0.037
-2.500838
-.0810109
ramo84 | -1.040246
.6682652
-1.56
0.120
-2.350021
.2695299
un2 | -.4977007
.2154364
-2.31
0.021
-.9199483
-.0754532
un3 | -.4416981
.0715753
-6.17
0.000
-.5819832
-.301413
un4 |
-.718039
.1741844
-4.12
0.000
-1.059434
-.3766438
un5 | -.7873898
.1603853
-4.91
0.000
-1.101739
-.4730404
un6 | -.6265747
.1239475
-5.06
0.000
-.8695074
-.383642
un7 | -.6237387
.1075334
-5.80
0.000
-.8345003
-.4129771
un8 | -.8222267
.1099705
-7.48
0.000
-1.037765
-.6066886
un9 |
.3574242
.0861162
4.15
0.000
.1886394
.5262089
un10 | -.7729393
.1261964
-6.12
0.000
-1.02028
-.5255989
un11 |
1.158812
.0498303
23.26
0.000
1.061147
1.256478
un12 |
.2578011
.076931
3.35
0.001
.1070191
.4085831
un13 |
.8140902
.0750827
10.84
0.000
.6669307
.9612496
un14 |
.6181395
.1154497
5.35
0.000
.3918622
.8444168
un15 |
.6954785
.0857766
8.11
0.000
.5273594
.8635975
_cons |
4.720391
.5447061
8.67
0.000
3.652786
5.787995
-------------+---------------------------------------------------------------sigma_u | .93575007
sigma_e | .52764561
rho | .75875156
(fraction de variance due to u_i)
------------------------------------------------------------------------------
93
Elasticidades
y = Xb (predict)
= 3.6504084
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3406545
.00309 -110.31
0.000 -.346707 -.334602
5.16769
m2 | -.0031194
.00056
-5.59
0.000 -.004213 -.002026
.082527
m3 |
.0052054
.00056
9.31
0.000
.00411 .006301
.082729
m4 |
.0046273
.00056
8.26
0.000
.00353 .005725
.082918
m5 |
.0005269
.00056
0.94
0.347 -.000572 .001626
.083019
m6 | -.0020035
.00056
-3.56
0.000 -.003107
-.0009
.08347
m7 |
-.005863
.00064
-9.13
0.000 -.007121 -.004605
.09821
m8 | -.0094574
.00056 -16.91
0.000 -.010554 -.008361
.080815
m9 | -.0069433
.00056 -12.42
0.000 -.008039 -.005848
.080734
m10 | -.0059409
.00056 -10.59
0.000
-.00704 -.004841
.081085
m11 | -.0043514
.00056
-7.74
0.000 -.005453 -.003249
.081307
m12 | -.0022155
.00056
-3.94
0.000 -.003318 -.001113
.081327
ano2 |
.0112682
.00111
10.13
0.000
.009089 .013448
.193407
ano3 |
.0072904
.00113
6.46
0.000
.005077 .009504
.195335
ano4 |
.0054862
.00116
4.75
0.000
.003222 .007751
.198893
ano5 |
.0046997
.00118
3.98
0.000
.002388 .007012
.201879
ano6 |
.0004978
.00082
0.61
0.542 -.001101 .002097
.119945
ramo3 |
-.997743
.48533
-2.06
0.040 -1.94898 -.046504
.891755
ramo4 | -.0394853
.01381
-2.86
0.004 -.066554 -.012417
.024889
ramo12 | -.0237114
.00816
-2.91
0.004 -.039704 -.007719
.014578
ramo41 |
-.029158
.01312
-2.22
0.026 -.054865 -.003451
.023548
ramo61 |
-.037558
.02192
-1.71
0.087 -.080523 .005407
.039723
ramo79 | -.0040196
.00192
-2.09
0.037 -.007787 -.000252
.003114
ramo84 | -.0016616
.00107
-1.56
0.120 -.003754 .000431
.001597
un2 | -.0021837
.00095
-2.31
0.021 -.004036 -.000331
.004388
un3 | -.0350469
.00568
-6.17
0.000 -.046178 -.023916
.079346
un4 | -.0063202
.00153
-4.12
0.000 -.009325 -.003315
.008802
un5 | -.0086446
.00176
-4.91
0.000 -.012096 -.005193
.010979
un6 | -.0137539
.00272
-5.06
0.000 -.019087 -.008421
.021951
un7 | -.0173868
.003
-5.80
0.000 -.023262 -.011512
.027875
un8 | -.0221494
.00296
-7.48
0.000 -.027956 -.016343
.026938
un9 |
.0179126
.00432
4.15
0.000
.009454 .026371
.050116
un10 | -.0167636
.00274
-6.12
0.000 -.022128 -.011399
.021688
un11 |
.3751988
.01613
23.26
0.000
.343577 .406821
.323779
un12 |
.0167563
.005
3.35
0.001
.006956 .026557
.064997
un13 |
.0622134
.00574
10.84
0.000
.050967 .073459
.076421
un14 |
.0162725
.00304
5.35
0.000
.010316 .022229
.026325
un15 |
.0381966
.00471
8.11
0.000
.028963
.04743
.054921
------------------------------------------------------------------------------
Pesquisa e Desenvolvimento
Efeitos Aleatorios - reg GLS
Numero de obs
=
81
Grupo Variável: rgi
Numero de Grupos
=
3
R-sq: within = 0.7853
Obs per Grupo: min =
3
between = 0.9998
avg =
27.0
overall = 0.8405
max =
53
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(18)
=
784.21
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.1000325
.0086064
-11.62
0.000
-.1169008
-.0831643
m2 |
.0980119
.2259783
0.43
0.664
-.3448974
.5409212
m3 |
.0908146
.2260559
0.40
0.688
-.3522469
.533876
m4 |
.0878307
.2246081
0.39
0.696
-.3523931
.5280545
94
m5 |
.1090602
.2246986
0.49
0.627
-.3313409
.5494613
m6 |
.0671151
.2248256
0.30
0.765
-.3735351
.5077653
m7 | -.0019492
.2187733
-0.01
0.993
-.430737
.4268386
m8 |
.5427039
.2468874
2.20
0.028
.0588134
1.026594
m9 | -.1047524
.2381238
-0.44
0.660
-.5714665
.3619617
m10 | -.1529168
.2695175
-0.57
0.570
-.6811613
.3753277
m11 |
.0092453
.2327399
0.04
0.968
-.4469166
.4654072
m12 |
.1982528
.2370174
0.84
0.403
-.2662927
.6627983
ano2 | -.1728937
.1772603
-0.98
0.329
-.5203175
.1745301
ano3 |
.0084818
.1839073
0.05
0.963
-.3519699
.3689336
ano4 | -.0837807
.1961934
-0.43
0.669
-.4683128
.3007514
ano5 | -.1497511
.2222002
-0.67
0.500
-.5852554
.2857532
ano6 |
.2851856
.2380998
1.20
0.231
-.1814815
.7518527
ramo82 |
3.358643
.3147542
10.67
0.000
2.741736
3.97555
un6 |
-1.39677
.2893477
-4.83
0.000
-1.963881
-.8296589
-------------+---------------------------------------------------------------sigma_u |
0
sigma_e | .42258908
rho |
0
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= .99838269
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
-1.04356
.08978 -11.62
0.000 -1.21953 -.867587
10.4322
m2 |
.0084702
.01953
0.43
0.664 -.029806 .046746
.08642
m3 |
.0078482
.01954
0.40
0.688 -.030441 .046137
.08642
m4 |
.0075903
.01941
0.39
0.696 -.030454 .045634
.08642
m5 |
.009425
.01942
0.49
0.627 -.028634 .047484
.08642
m6 |
.0058001
.01943
0.30
0.765 -.032281 .043881
.08642
m7 | -.0002166
.02431
-0.01
0.993
-.04786 .047427
.111111
m8 |
.0402003
.01829
2.20
0.028
.004357 .076044
.074074
m9 | -.0090527
.02058
-0.44
0.660 -.049386 .031281
.08642
m10 | -.0075514
.01331
-0.57
0.570 -.033638 .018535
.049383
m11 |
.000799
.02011
0.04
0.968 -.038622
.04022
.08642
m12 |
.0146854
.01756
0.84
0.403 -.019725 .049096
.074074
ano2 | -.0490933
.05033
-0.98
0.329 -.147744 .049558
.283951
ano3 |
.0019896
.04314
0.05
0.963 -.082561
.08654
.234568
ano4 |
-.012412
.02907
-0.43
0.669
-.06938 .044556
.148148
ano5 | -.0147902
.02195
-0.67
0.500 -.057803 .028223
.098765
ano6 |
.0246457
.02058
1.20
0.231 -.015684 .064975
.08642
ramo82 |
3.358643
.31475
10.67
0.000
2.74174 3.97555
1
un6 | -1.345038
.27863
-4.83
0.000 -1.89114 -.798931
.962963
------------------------------------------------------------------------------
Petroquímicas e Indústria Química
Efeitos Aleatorios - reg GLS
Grupo Variável: rgi
Numero de obs
Numero de Grupos
=
=
12838
225
R-sq:
Obs per Grupo: min =
avg =
max =
1
57.1
61
within = 0.0614
between = 0.2515
overall = 0.1952
Efeit. Aleatorios u_i ~ Gaussian
corr(u_i, X)
= 0 (assumed)
Wald chi2(32)
Prob > chi2
=
=
917.76
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
95
-------------+---------------------------------------------------------------preco |
.0865101
.0037728
22.93
0.000
.0791157
.0939046
m2 | -.0556197
.0241319
-2.30
0.021
-.1029173
-.0083221
m3 |
-.006831
.0241369
-0.28
0.777
-.0541385
.0404765
m4 |
.0129776
.0241184
0.54
0.591
-.0342936
.0602487
m5 | -.0143832
.0241517
-0.60
0.551
-.0617197
.0329534
m6 | -.0319578
.0241199
-1.32
0.185
-.079232
.0153164
m7 | -.0418478
.0234063
-1.79
0.074
-.0877234
.0040277
m8 | -.0338361
.024731
-1.37
0.171
-.0823079
.0146357
m9 | -.0153122
.0246929
-0.62
0.535
-.0637094
.033085
m10 | -.0545156
.0247031
-2.21
0.027
-.1029328
-.0060984
m11 | -.0547814
.0247524
-2.21
0.027
-.1032952
-.0062677
m12 | -.0543552
.0247719
-2.19
0.028
-.1029072
-.0058032
ano2 | -.0266294
.0205609
-1.30
0.195
-.0669281
.0136693
ano3 | -.1509486
.0207713
-7.27
0.000
-.1916596
-.1102377
ano4 | -.2503835
.0211973
-11.81
0.000
-.2919295
-.2088375
ano5 | -.3256305
.0214785
-15.16
0.000
-.3677277
-.2835334
ano6 | -.3886105
.0249274
-15.59
0.000
-.4374672
-.3397538
ramo51 |
.8248968
1.01707
0.81
0.417
-1.168524
2.818318
ramo53 |
1.417085
.7693682
1.84
0.065
-.0908487
2.925019
ramo64 |
1.058495
.7306689
1.45
0.147
-.3735898
2.49058
ramo68 |
.976479
.7274243
1.34
0.179
-.4492464
2.402204
un3 |
.5072822
.3455508
1.47
0.142
-.169985
1.184549
un4 | -.6546335
.8060659
-0.81
0.417
-2.234494
.9252265
un5 | -1.233715
.7630623
-1.62
0.106
-2.729289
.26186
un6 | -.8305696
.3497752
-2.37
0.018
-1.516116
-.1450228
un8 | -2.095234
.5784192
-3.62
0.000
-3.228915
-.9615533
un10 | -1.103152
.4546912
-2.43
0.015
-1.99433
-.2119732
un11 | -.5667836
.3016512
-1.88
0.060
-1.158009
.0244419
un12 | -.9147651
.3218234
-2.84
0.004
-1.545527
-.2840027
un13 | -.3235468
.3078154
-1.05
0.293
-.9268538
.2797602
un14 | -.8747173
.3408379
-2.57
0.010
-1.542747
-.2066873
un15 |
-.498562
.320825
-1.55
0.120
-1.127367
.1302434
_cons |
3.587628
.7792491
4.60
0.000
2.060328
5.114929
-------------+---------------------------------------------------------------sigma_u | .69151178
sigma_e | .55176929
rho |
.6109959
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 4.3961234
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
.5348108
.02332
22.93
0.000
.489098 .580524
6.18206
m2 |
-.004627
.00201
-2.30
0.021 -.008562 -.000692
.083191
m3 | -.0005672
.002
-0.28
0.777 -.004495 .003361
.083035
m4 |
.0010816
.00201
0.54
0.591 -.002858 .005022
.083346
m5 | -.0011921
.002
-0.60
0.551 -.005115 .002731
.082879
m6 | -.0026611
.00201
-1.32
0.185 -.006598 .001275
.083268
m7 | -.0040779
.00228
-1.79
0.074 -.008548 .000392
.097445
m8 | -.0027331
.002
-1.37
0.171 -.006648 .001182
.080776
m9 |
-.001244
.00201
-0.62
0.535 -.005176 .002688
.081243
m10 | -.0044418
.00201
-2.21
0.027 -.008387 -.000497
.081477
m11 | -.0044464
.00201
-2.21
0.027 -.008384 -.000509
.081165
m12 | -.0043991
.002
-2.19
0.028 -.008328 -.00047
.080932
ano2 | -.0052894
.00408
-1.30
0.195 -.013294 .002715
.198629
ano3 | -.0301239
.00415
-7.27
0.000 -.038248 -.021999
.199564
ano4 | -.0495189
.00419 -11.81
0.000 -.057736 -.041302
.197772
ano5 | -.0648065
.00427 -15.16
0.000 -.073185 -.056428
.199019
ano6 | -.0447395
.00287 -15.59
0.000 -.050364 -.039115
.115127
96
ramo51 |
.0035982
.00444
0.81
0.417 -.005097 .012294
.004362
ramo53 |
.0604894
.03284
1.84
0.065 -.003878 .124857
.042686
ramo64 |
.589601
.407
1.45
0.147 -.208096
1.3873
.557018
ramo68 |
.3819814
.28456
1.34
0.179 -.175737
.9397
.391182
un3 |
.0290429
.01978
1.47
0.142 -.009732 .067818
.057252
un4 |
-.000204
.00025
-0.81
0.417 -.000696 .000288
.000312
un5 |
-.005862
.00363
-1.62
0.106 -.012968 .001244
.004752
un6 | -.0384295
.01618
-2.37
0.018 -.070149 -.00671
.046269
un8 | -.0187687
.00518
-3.62
0.000 -.028924 -.008613
.008958
un10 | -.0174435
.00719
-2.43
0.015 -.031535 -.003352
.015812
un11 |
-.15951
.08489
-1.88
0.060 -.325899 .006879
.28143
un12 | -.1393738
.04903
-2.84
0.004 -.235477 -.043271
.15236
un13 | -.0686258
.06529
-1.05
0.293
-.19659 .059338
.212105
un14 | -.0594137
.02315
-2.57
0.010 -.104789 -.014039
.067923
un15 | -.0596115
.03836
-1.55
0.120 -.134796 .015573
.119567
------------------------------------------------------------------------------
Serviços Gráficos
Efeitos Aleatorios - reg GLS
Numero de obs
=
4026
Grupo Variável: rgi
Numero de Grupos
=
74
R-sq: within = 0.0582
Obs per Grupo: min =
1
between = 0.4208
avg =
54.4
overall = 0.2969
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(25)
=
1930.68
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0540345
.0053886
-10.03
0.000
-.0645959
-.0434731
m2 | -.1035357
.048371
-2.14
0.032
-.198341
-.0087303
m3 | -.0025033
.0482581
-0.05
0.959
-.0970875
.0920809
m4 |
.0428997
.0484045
0.89
0.375
-.0519713
.1377708
m5 |
.0150137
.0483389
0.31
0.756
-.0797288
.1097563
m6 |
.0398902
.0481798
0.83
0.408
-.0545405
.1343208
m7 |
.0081111
.0465318
0.17
0.862
-.0830896
.0993117
m8 |
.0164917
.0490064
0.34
0.736
-.079559
.1125424
m9 |
.0880089
.0490276
1.80
0.073
-.0080833
.1841012
m10 |
.0365998
.0491816
0.74
0.457
-.0597943
.132994
m11 |
.0403636
.0493612
0.82
0.414
-.0563827
.1371098
m12 |
.0080086
.0494841
0.16
0.871
-.0889785
.1049956
ano2 |
.0923216
.0400451
2.31
0.021
.0138345
.1708086
ano3 | -.0247035
.0404243
-0.61
0.541
-.1039336
.0545267
ano4 | -.1116912
.0405006
-2.76
0.006
-.1910709
-.0323116
ano5 | -.0796512
.0409449
-1.95
0.052
-.1599017
.0005993
ano6 | -.1489822
.0481907
-3.09
0.002
-.2434342
-.0545301
ramo35 |
2.669075
.3419141
7.81
0.000
1.998935
3.339214
un3 |
.1450094
.5113856
0.28
0.777
-.857288
1.147307
un6 | -.3217685
.9115793
-0.35
0.724
-2.108431
1.464894
un7 | -.7449052
.8910778
-0.84
0.403
-2.491386
1.001575
un8 | -.1939273
.8912133
-0.22
0.828
-1.940673
1.552819
un11 |
1.870135
.362386
5.16
0.000
1.159872
2.580399
un12 |
1.706658
.4767393
3.58
0.000
.7722663
2.64105
un13 |
2.039249
.4353365
4.68
0.000
1.186005
2.892493
un15 |
2.434759
.4767661
5.11
0.000
1.500315
3.369204
-------------+---------------------------------------------------------------sigma_u | .81872505
sigma_e | .61739985
rho | .63748454
(fraction de variance due to u_i)
------------------------------------------------------------------------------
97
Elasticidades
y = Xb (predict)
= 3.9325019
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco |
-.332181
.03313 -10.03
0.000 -.397108 -.267254
6.14758
m2 | -.0084351
.00394
-2.14
0.032 -.016159 -.000711
.08147
m3 | -.0002058
.00397
-0.05
0.959 -.007982
.00757
.082216
m4 |
.0034844
.00393
0.89
0.375 -.004221
.01119
.081222
m5 |
.0012269
.00395
0.31
0.756 -.006515 .008969
.081719
m6 |
.0032994
.00399
0.83
0.408 -.004511
.01111
.082712
m7 |
.0008059
.00462
0.17
0.862 -.008255 .009867
.099354
m8 |
.0013764
.00409
0.34
0.736
-.00664 .009393
.083458
m9 |
.007345
.00409
1.80
0.073 -.000675 .015365
.083458
m10 |
.003
.00403
0.74
0.457 -.004901 .010901
.081967
m11 |
.0032684
.004
0.82
0.414 -.004566 .011102
.080974
m12 |
.0006405
.00396
0.16
0.871 -.007117 .008398
.07998
ano2 |
.0183909
.00798
2.31
0.021
.002756 .034026
.199205
ano3 | -.0047554
.00778
-0.61
0.541 -.020007 .010496
.192499
ano4 | -.0223327
.0081
-2.76
0.006 -.038205 -.006461
.19995
ano5 | -.0158471
.00815
-1.95
0.052 -.031814 .000119
.198957
ano6 | -.0170963
.00553
-3.09
0.002 -.027935 -.006258
.114754
ramo35 |
2.669075
.34191
7.81
0.000
1.99894 3.33921
1
un3 |
.0069515
.02452
0.28
0.777 -.041097
.055
.047938
un6 | -.0007193
.00204
-0.35
0.724 -.004713 .003275
.002235
un7 | -.0112864
.0135
-0.84
0.403 -.037748 .015175
.015152
un8 | -.0029383
.0135
-0.22
0.828 -.029404 .023528
.015152
un11 |
1.019145
.19749
5.16
0.000
.632081 1.40621
.544958
un12 |
.1475204
.04121
3.58
0.000
.066753 .228287
.086438
un13 |
.2456621
.05244
4.68
0.000
.142874
.34845
.120467
un15 |
.2171084
.04251
5.11
0.000
.133784 .300433
.08917
------------------------------------------------------------------------------
Serviços - Outros
Efeitos Aleatorios - reg GLS
Numero de obs
=
154064
Grupo Variável: rgi
Numero de Grupos
=
3198
R-sq: within = 0.2291
Obs per Grupo: min =
1
between = 0.5377
avg =
48.2
overall = 0.4576
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(39)
= 48607.77
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0923339
.0004425 -208.66
0.000
-.0932012
-.0914666
m2 | -.0441701
.0064986
-6.80
0.000
-.056907
-.0314332
m3 |
.0043961
.0064998
0.68
0.499
-.0083434
.0171355
m4 |
.0134591
.006496
2.07
0.038
.0007273
.026191
m5 |
.0047238
.0064966
0.73
0.467
-.0080093
.017457
m6 |
.0044073
.0064829
0.68
0.497
-.008299
.0171137
m7 | -.0269647
.0062875
-4.29
0.000
-.039288
-.0146413
m8 | -.0713304
.0066741
-10.69
0.000
-.0844114
-.0582494
m9 | -.0454891
.0066676
-6.82
0.000
-.0585573
-.0324209
m10 | -.0382113
.0066665
-5.73
0.000
-.0512775
-.0251451
m11 |
-.00981
.0066551
-1.47
0.140
-.0228537
.0032337
m12 |
.0082013
.0066488
1.23
0.217
-.0048301
.0212326
ano2 |
.0279564
.0056725
4.93
0.000
.0168385
.0390742
ano3 | -.0151719
.0056744
-2.67
0.008
-.0262935
-.0040503
ano4 | -.0049419
.0056848
-0.87
0.385
-.0160839
.0062001
ano5 | -.0040925
.005703
-0.72
0.473
-.0152701
.0070851
ano6 | -.0203571
.0066015
-3.08
0.002
-.0332959
-.0074184
ramo8 | -.1684022
.1135007
-1.48
0.138
-.3908595
.0540551
98
ramo10 |
-.562226
.109142
-5.15
0.000
-.7761404
-.3483117
ramo14 | -.0216263
1.000449
-0.02
0.983
-1.98247
1.939218
ramo74 | -.9168283
.5103789
-1.80
0.072
-1.917152
.0834959
ramo76 | -.3685298
.1685346
-2.19
0.029
-.6988515
-.0382081
ramo80 | -.1253359
.5096241
-0.25
0.806
-1.124181
.873509
ramo89 | -.4124483
.1123692
-3.67
0.000
-.6326879
-.1922088
ramo90 | -.5439526
.1080403
-5.03
0.000
-.7557077
-.3321975
un2 | -.7610755
.1314748
-5.79
0.000
-1.018761
-.5033896
un3 | -.4385292
.0676392
-6.48
0.000
-.5710996
-.3059589
un4 | -.7958505
.1275733
-6.24
0.000
-1.04589
-.5458115
un5 | -.6988493
.0906827
-7.71
0.000
-.8765841
-.5211144
un6 | -.3778071
.1055448
-3.58
0.000
-.5846711
-.1709431
un7 | -.6137236
.0674337
-9.10
0.000
-.7458912
-.481556
un8 | -.6143646
.0961057
-6.39
0.000
-.8027284
-.4260008
un9 |
.1358276
.1591336
0.85
0.393
-.1760686
.4477237
un10 | -.5527349
.1144625
-4.83
0.000
-.7770773
-.3283926
un11 |
1.609896
.0559215
28.79
0.000
1.500292
1.7195
un12 |
.4916435
.0851105
5.78
0.000
.32483
.6584571
un13 |
1.246457
.0805882
15.47
0.000
1.088507
1.404407
un14 |
.8821744
.1386423
6.36
0.000
.6104405
1.153908
un15 |
1.049926
.0956695
10.97
0.000
.8624169
1.237434
_cons |
3.746582
.1089338
34.39
0.000
3.533076
3.960088
-------------+---------------------------------------------------------------sigma_u | .98345768
sigma_e | .51729147
rho | .78328886
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 3.1409875
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.4998088
.0024 -208.66
0.000 -.504504 -.495114
5.41306
m2 | -.0036591
.00054
-6.80
0.000 -.004714 -.002604
.082842
m3 |
.0003641
.00054
0.68
0.499 -.000691 .001419
.082829
m4 |
.0011185
.00054
2.07
0.038
.00006 .002177
.083102
m5 |
.0003926
.00054
0.73
0.467 -.000666 .001451
.083121
m6 |
.0003697
.00054
0.68
0.497 -.000696 .001436
.083881
m7 | -.0026477
.00062
-4.29
0.000 -.003858 -.001438
.098193
m8 | -.0057156
.00053 -10.69
0.000 -.006764 -.004667
.080129
m9 | -.0036627
.00054
-6.82
0.000 -.004715 -.00261
.080518
m10 | -.0030792
.00054
-5.73
0.000 -.004132 -.002026
.080583
m11 | -.0007962
.00054
-1.47
0.140 -.001855 .000262
.081161
m12 |
.0006689
.00054
1.23
0.217 -.000394 .001732
.081564
ano2 |
.0051388
.00104
4.93
0.000
.003095 .007182
.183813
ano3 | -.0029394
.0011
-2.67
0.008 -.005094 -.000785
.193738
ano4 | -.0010007
.00115
-0.87
0.385 -.003257 .001255
.202487
ano5 | -.0008542
.00119
-0.72
0.473 -.003187 .001479
.208725
ano6 | -.0025559
.00083
-3.08
0.002
-.00418 -.000931
.125552
ramo8 | -.0255482
.01722
-1.48
0.138 -.059297 .008201
.15171
ramo10 | -.1487236
.02887
-5.15
0.000
-.20531 -.092138
.264526
ramo14 | -8.56e-06
.0004
-0.02
0.983 -.000785 .000768
.000396
ramo74 |
-.001095
.00061
-1.80
0.072
-.00229
.0001
.001194
ramo76 |
-.005406
.00247
-2.19
0.029 -.010252 -.00056
.014669
ramo80 | -.0001977
.0008
-0.25
0.806 -.001773 .001378
.001577
ramo89 | -.0865675
.02358
-3.67
0.000 -.132793 -.040342
.209887
ramo90 |
-.179451
.03564
-5.03
0.000 -.249309 -.109593
.329902
un2 | -.0102999
.00178
-5.79
0.000 -.013787 -.006813
.013533
un3 | -.0399835
.00617
-6.48
0.000 -.052071 -.027896
.091176
un4 | -.0142574
.00229
-6.24
0.000 -.018737 -.009778
.017915
un5 | -.0266632
.00346
-7.71
0.000 -.033444 -.019882
.038153
99
un6 | -.0112388
.00314
-3.58
0.000 -.017392 -.005085
.029747
un7 | -.0581202
.00639
-9.10
0.000 -.070637 -.045604
.094701
un8 | -.0235316
.00368
-6.39
0.000 -.030746 -.016317
.038302
un9 |
.0016486
.00193
0.85
0.393 -.002137 .005434
.012138
un10 | -.0140745
.00291
-4.83
0.000 -.019787 -.008362
.025463
un11 |
.3869877
.01344
28.79
0.000
.360641 .413334
.240381
un12 |
.026426
.00457
5.78
0.000
.01746 .035392
.05375
un13 |
.0820378
.0053
15.47
0.000
.071642 .092434
.065817
un14 |
.017619
.00277
6.36
0.000
.012192 .023046
.019972
un15 |
.0435197
.00397
10.97
0.000
.035747 .051292
.04145
------------------------------------------------------------------------------
Telecomunicações
Efeitos Aleatorios - reg GLS
Numero de obs
=
4200
Grupo Variável: rgi
Numero de Grupos
=
83
R-sq: within = 0.1731
Obs per Grupo: min =
2
between = 0.5911
avg =
50.6
overall = 0.4785
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(30)
=
958.67
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco |
-.070372
.0024676
-28.52
0.000
-.0752083
-.0655356
m2 | -.0415008
.0489917
-0.85
0.397
-.1375227
.0545212
m3 |
-.006222
.0489423
-0.13
0.899
-.1021472
.0897032
m4 | -.0091083
.048851
-0.19
0.852
-.1048546
.0866379
m5 | -.0136693
.0489381
-0.28
0.780
-.1095862
.0822476
m6 | -.0206883
.0490313
-0.42
0.673
-.1167879
.0754114
m7 | -.0303956
.0474654
-0.64
0.522
-.1234261
.0626348
m8 | -.0139924
.0504969
-0.28
0.782
-.1129646
.0849798
m9 |
-.039726
.0501555
-0.79
0.428
-.138029
.0585769
m10 | -.0465601
.0502037
-0.93
0.354
-.1449576
.0518374
m11 | -.0183767
.0501682
-0.37
0.714
-.1167046
.0799512
m12 |
.002135
.0502113
0.04
0.966
-.0962774
.1005474
ano2 |
.0942795
.0420952
2.24
0.025
.0117744
.1767846
ano3 |
.0293083
.0423422
0.69
0.489
-.053681
.1122976
ano4 | -.0241242
.0423354
-0.57
0.569
-.1071
.0588516
ano5 | -.0119599
.0424959
-0.28
0.778
-.0952503
.0713305
ano6 |
.0748375
.0497605
1.50
0.133
-.0226913
.1723663
ramo93 |
2.295593
.7435815
3.09
0.002
.8382001
3.752986
un2 | -.2128462
1.174944
-0.18
0.856
-2.515694
2.090002
un3 | -1.823257
.6195286
-2.94
0.003
-3.037511
-.6090037
un4 | -2.248488
1.173071
-1.92
0.055
-4.547664
.0506885
un6 | -1.133919
.7020348
-1.62
0.106
-2.509882
.2420438
un7 | -1.235286
.4471003
-2.76
0.006
-2.111587
-.358986
un8 | -.3272506
1.171882
-0.28
0.780
-2.624097
1.969596
un9 | -.8035372
1.176979
-0.68
0.495
-3.110374
1.503299
un10 | -2.073407
.8491338
-2.44
0.015
-3.737679
-.4091352
un11 |
.7942135
.391257
2.03
0.042
.027364
1.561063
un12 |
.3173689
.4906555
0.65
0.518
-.6442982
1.279036
un13 |
1.565648
.5619139
2.79
0.005
.4643166
2.666979
un15 |
.4621542
.6179531
0.75
0.455
-.7490116
1.67332
_cons |
3.751523
.2322507
16.15
0.000
3.29632
4.206726
-------------+---------------------------------------------------------------sigma_u | 1.1467227
sigma_e | .64451002
rho | .75993914
(fraction de variance due to u_i)
------------------------------------------------------------------------------
100
Elasticidades
y = Xb (predict)
=
3.309365
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.4845834
.01699 -28.52
0.000 -.517887 -.45128
6.88603
m2 | -.0034485
.00407
-0.85
0.397 -.011427
.00453
.083095
m3 | -.0005185
.00408
-0.13
0.899 -.008512 .007475
.083333
m4 | -.0007655
.00411
-0.19
0.852 -.008813 .007282
.084048
m5 | -.0011424
.00409
-0.28
0.780 -.009158 .006874
.083571
m6 | -.0017142
.00406
-0.42
0.673 -.009677 .006248
.082857
m7 |
-.00296
.00462
-0.64
0.522 -.012019 .006099
.097381
m8 | -.0011027
.00398
-0.28
0.782 -.008903 .006697
.07881
m9 | -.0032254
.00407
-0.79
0.428 -.011207 .004756
.08119
m10 | -.0037691
.00406
-0.93
0.354 -.011735 .004196
.080952
m11 |
-.001492
.00407
-0.37
0.714 -.009475 .006491
.08119
m12 |
.0001738
.00409
0.04
0.966
-.00784 .008187
.081429
ano2 |
.0186763
.00834
2.24
0.025
.002332
.03502
.198095
ano3 |
.0058058
.00839
0.69
0.489 -.010634 .022246
.198095
ano4 | -.0048191
.00846
-0.57
0.569 -.021395 .011756
.199762
ano5 | -.0024176
.00859
-0.28
0.778 -.019254 .014419
.202143
ano6 |
.0085529
.00569
1.50
0.133 -.002593 .019699
.114286
ramo93 |
.191846
.06214
3.09
0.002
.07005 .313642
.083571
un2 | -.0018244
.01007
-0.18
0.856 -.021563 .017914
.008571
un3 | -.2322483
.07892
-2.94
0.003 -.386921 -.077575
.127381
un4 | -.0273031
.01424
-1.92
0.055 -.055222 .000616
.012143
un6 | -.0399571
.02474
-1.62
0.106 -.088443 .008529
.035238
un7 | -.1058817
.03832
-2.76
0.006 -.180993 -.03077
.085714
un8 | -.0047529
.01702
-0.28
0.780 -.038112 .028606
.014524
un9 | -.0063135
.00925
-0.68
0.495 -.024439 .011812
.007857
un10 | -.0350504
.01435
-2.44
0.015 -.063185 -.006916
.016905
un11 |
.1350163
.06651
2.03
0.042
.004652 .265381
.17
un12 |
.0265985
.04112
0.65
0.518 -.053998 .107195
.08381
un13 |
.1107137
.03974
2.79
0.005
.032834 .188593
.070714
un15 |
.0257486
.03443
0.75
0.455 -.041731 .093228
.055714
------------------------------------------------------------------------------
Serviços de Transporte
Efeitos Aleatorios - reg GLS
Numero de obs
=
24144
Grupo Variável: rgi
Numero de Grupos
=
458
R-sq: within = 0.0565
Obs per Grupo: min =
1
between = 0.1402
avg =
52.7
overall = 0.0916
max =
61
Efeit. Aleatorios u_i ~ Gaussian
Wald chi2(34)
=
1490.53
corr(u_i, X)
= 0 (assumed)
Prob > chi2
=
0.0000
-----------------------------------------------------------------------------log_quantid. |
Coef.
Erro-Pad
z
P>|z|
[95% IntervaloConf]
-------------+---------------------------------------------------------------preco | -.0557908
.0020249
-27.55
0.000
-.0597595
-.0518222
m2 | -.0378395
.021046
-1.80
0.072
-.0790889
.00341
m3 |
.009745
.021042
0.46
0.643
-.0314965
.0509865
m4 |
.0546568
.0210204
2.60
0.009
.0134576
.095856
m5 |
.008005
.0210273
0.38
0.703
-.0332078
.0492177
m6 | -.0252026
.021011
-1.20
0.230
-.0663835
.0159783
m7 |
-.060002
.0203457
-2.95
0.003
-.099879
-.0201251
m8 | -.1019747
.0214988
-4.74
0.000
-.1441115
-.0598379
m9 | -.0871572
.0214604
-4.06
0.000
-.1292189
-.0450956
m10 | -.0890315
.0214463
-4.15
0.000
-.1310654
-.0469976
m11 | -.0505175
.02146
-2.35
0.019
-.0925783
-.0084567
m12 | -.0632625
.0214716
-2.95
0.003
-.105346
-.0211791
ano2 | -.0264336
.0177052
-1.49
0.135
-.0611352
.0082679
ano3 | -.1509258
.0178481
-8.46
0.000
-.1859073
-.1159442
101
ano4 | -.1994723
.0179833
-11.09
0.000
-.2347189
-.1642257
ano5 | -.2009473
.0181752
-11.06
0.000
-.2365701
-.1653245
ano6 | -.2299705
.0213274
-10.78
0.000
-.2717715
-.1881694
ramo6 |
1.192672
1.33312
0.89
0.371
-1.420195
3.805539
ramo52 |
.876585
1.89542
0.46
0.644
-2.838369
4.591539
ramo54 |
2.666426
1.38628
1.92
0.054
-.0506321
5.383485
ramo58 |
1.234729
1.36352
0.91
0.365
-1.437722
3.907179
un3 | -.6340829
.3224324
-1.97
0.049
-1.266039
-.0021269
un4 | -1.483291
1.317682
-1.13
0.260
-4.0659
1.099319
un5 | -1.751813
.7660245
-2.29
0.022
-3.253193
-.2504323
un6 |
-.376357
.8040692
-0.47
0.640
-1.952304
1.19959
un7 | -1.296471
.5975484
-2.17
0.030
-2.467645
-.1252979
un8 |
-2.07769
.611832
-3.40
0.001
-3.276858
-.8785208
un9 |
.1105209
.3149011
0.35
0.726
-.5066739
.7277158
un10 | -1.538513
.9374422
-1.64
0.101
-3.375866
.2988395
un11 |
.6966887
.1727741
4.03
0.000
.3580577
1.03532
un12 |
.5054362
.2028965
2.49
0.013
.1077664
.9031059
un13 |
.3502791
.2298301
1.52
0.127
-.1001795
.8007378
un14 | -.1473243
.4205416
-0.35
0.726
-.9715708
.6769222
un15 |
.2936174
.2401698
1.22
0.222
-.1771068
.7643416
_cons |
3.044551
1.337676
2.28
0.023
.4227535
5.666348
-------------+---------------------------------------------------------------sigma_u | 1.3095651
sigma_e | .66184314
rho | .79654578
(fraction de variance due to u_i)
------------------------------------------------------------------------------
Elasticidades
y = Xb (predict)
= 3.9887231
-----------------------------------------------------------------------------Variável |
dy/ex
Erro-Pad
z
P>|z| [
95% C.I.
]
X
---------+-------------------------------------------------------------------preco | -.3233791
.01174 -27.55
0.000 -.346382 -.300376
5.79627
m2 | -.0031063
.00173
-1.80
0.072 -.006492
.00028
.082091
m3 |
.0008012
.00173
0.46
0.643 -.002589 .004192
.082215
m4 |
.0045117
.00174
2.60
0.009
.001111 .007913
.082546
m5 |
.0006601
.00173
0.38
0.703 -.002738 .004059
.082464
m6 | -.0020846
.00174
-1.20
0.230 -.005491 .001322
.082712
m7 | -.0058576
.00199
-2.95
0.003
-.00975 -.001965
.097623
m8 | -.0082614
.00174
-4.74
0.000 -.011675 -.004848
.081014
m9 | -.0071187
.00175
-4.06
0.000 -.010554 -.003683
.081677
m10 | -.0072976
.00176
-4.15
0.000 -.010743 -.003852
.081967
m11 | -.0041324
.00176
-2.35
0.019 -.007573 -.000692
.081801
m12 | -.0051749
.00176
-2.95
0.003 -.008617 -.001732
.081801
ano2 | -.0052136
.00349
-1.49
0.135 -.012058 .001631
.197233
ano3 | -.0298926
.00354
-8.46
0.000 -.036821 -.022964
.198062
ano4 | -.0396565
.00358 -11.09
0.000 -.046664 -.032649
.198807
ano5 | -.0398998
.00361 -11.06
0.000 -.046973 -.032827
.198559
ano6 | -.0263079
.00244 -10.78
0.000
-.03109 -.021526
.114397
ramo6 |
1.088145
1.21628
0.89
0.371 -1.29573 3.47202
.912359
ramo52 |
.0022147
.00479
0.46
0.644 -.007171 .011601
.002527
ramo54 |
.0857002
.04456
1.92
0.054 -.001627 .173028
.03214
ramo58 |
.0638229
.07048
0.91
0.365 -.074316 .201962
.05169
un3 | -.0255535
.01299
-1.97
0.049 -.051021 -.000086
.0403
un4 | -.0037475
.00333
-1.13
0.260 -.010273 .002777
.002527
un5 | -.0131328
.00574
-2.29
0.022 -.024388 -.001877
.007497
un6 | -.0027435
.00586
-0.47
0.640 -.014232 .008745
.00729
un7 | -.0147668
.00681
-2.17
0.030 -.028106 -.001427
.01139
un8 | -.0119615
.00352
-3.40
0.001 -.018865 -.005058
.005757
un9 |
.0047515
.01354
0.35
0.726 -.021783 .031286
.042992
un10 | -.0049066
.00299
-1.64
0.101 -.010766 .000953
.003189
un11 |
.1480579
.03672
4.03
0.000
.076093 .220023
.212517
102
un12 |
.0714695
.02869
2.49
0.013
.015238 .127701
.141402
un13 |
.0355444
.02332
1.52
0.127 -.010166 .081254
.101474
un14 | -.0030693
.00876
-0.35
0.726 -.020241 .014103
.020833
un15 |
.0257572
.02107
1.22
0.222 -.015536 .067051
.087724
------------------------------------------------------------------------------
Anexo D – Ramos de Atividades Agregados e Descrição das Atividades
Descrição do Ramo de Atividade
AGRICULTURA,PECUARIA E SERV.RELACIONADOS
LAVOURAS TEMP,HORTICULTURA,PROD.VIVEIRO
AGRICULTURA,PECUARIA E SERV.RELACIONADOS
PRODUCAO DE LAVOURAS PERMANENTES
AGRICULTURA,PECUARIA E SERV.RELACIONADOS
PECUARIA, LAVOURA C/ PECUARIA
AGRICULTURA,PECUARIA E SERV.RELACIONADOS
SILVICULTURA,EXPLOR.FLORESTAL,SERV.RELAC
SILVICULTURA,EXPL FLORESTAL E SERV RELAC
SILVICULTURA,EXPLOR.FLORESTAL,SERV.RELAC
PESCA,AQUICULTURA E SERV.RELACIONADOS
PESCA, AQUICULTURA E SERV RELACIONADOS
PESCA,AQUICULTURA E SERV.RELACIONADOS
ATIVIDADE NAO IDENTIFICADA
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COMERCIO DE VEICULOS AUTOMOTORES
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
MANUT/REPARACAO DE VEICULOS AUTOMOTORES
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM.PECAS/ACESSORIOS P/ VEICULOS AUTOM
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM,MANUT,REPARACAO MOTO,PECA,ACESSORIO
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COMERCIO A VAREJO DE COMBUSTIVEIS
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM.ATACADO E INTERMEDIARIOS COMERCIO
INTERMEDIARIOS DO COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATAC.:AGROP.IN NAT;ALIMENT.P/ANIMAL
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATAC.PROD. ALIMENTICIOS,BEBIDAS,FUMO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
Variável no
Modelo
agric
agric
agric
agric
agric
agric
agric
agric
agric
agric
agric
agric
agric
ativ_nao_id
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
Código
Sabesp
100000
110000
111104
130000
131105
140000
141100
200000
210000
211109
500000
510000
511102
9999999
5000000
5010000
5010101
5020000
5020107
5020204
5030000
5030102
5040000
5041104
5042100
5050000
5050103
5050200
5050308
5100000
5110000
5111102
5120000
5121000
5121108
5121205
5122104
5130000
5131103
5133106
103
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM. ATAC. ART. USO PESSOAL/DOMESTICO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATAC.PROD.INTERM.NAO-AGROP,RESID,SUC
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM. ATAC. MAQ/EQUIP USO NAO ESPEC.ANTES
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM. ATAC. DE MERCADORIAS EM GERAL
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJISTA NAO ESPECIALIZADO
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM.VAREJ ALIM,BEBIDA,FUMO EM LOJA ESPEC
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM.VAREJ TEC,ARMARIN,VEST EM LOJA ESPEC
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJ OUTROS PROD. EM LOJA ESPEC
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM. VAREJISTA DE ART USADOS EM LOJA
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COMERCIO VAREJISTA NAO REALIZADO EM LOJA
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
REPARACAO DE OBJ. PESSOAIS/DOMESTICOS
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
CONSTRUCAO
PREPARACAO DO TERRENO
CONSTRUCAO
CONSTRUCAO DE EDIF OBRAS DE ENG CIVIL
CONSTRUCAO
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
comercio
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
5136000
5136105
5136202
5140000
5141109
5144108
5145104
5147107
5149100
5150000
5151104
5153107
5154103
5155100
5159105
5160000
5161100
5190000
5191106
5200000
5210000
5211107
5212103
5213100
5213207
5214106
5215102
5220000
5221102
5229103
5230000
5231108
5240000
5241103
5242100
5243106
5244102
5245109
5246105
5247101
5249104
5250000
5250102
5260000
5261104
5270000
5271100
4500000
4510000
4511107
4520000
4521102
104
CONSTRUCAO
CONSTRUCAO
OBRAS INFRAESTR ENG ELETRICA/TELECOMUNIC
CONSTRUCAO
CONSTRUCAO
OBRAS DE INSTALACOES
CONSTRUCAO
CONSTRUCAO
OBRAS ACABAMENTOS E SERV. AUX DA CONSTR
CONSTRUCAO
ALUGUEL EQUIP CONSTR/DEMOL C/ OPERARIOS
CONSTRUCAO
IMOVEL DESOCUPADO
EDUCACAO
EDUCACAO PRE-ESCOLAR E FUNDAMENTAL
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
EDUC MEDIA FORMACAO GERAL PROF/TECNICA
EDUCACAO
EDUCACAO
EDUCACAO SUPERIOR
EDUCACAO
EDUCACAO
FORM PERMANENTE E OUTRAS ATIV DE ENSINO
EDUCACAO
EDUCACAO
EDUCACAO
EDUCACAO
SAUDE E SERVICOS SOCIAIS
ATIVIDADES DE ATENCAO A SAUDE
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
constr_civil
desocupado
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
4525108
4529103
4530000
4531108
4533100
4540000
4541103
4549104
4550000
4551109
4560000
4560108
9999998
8000000
8010000
8011000
8011109
8011117
8011125
8011133
8012000
8012105
8012113
8012121
8012130
8020000
8021104
8021112
8030000
8030103
8030111
8090000
8091102
8093105
8094101
8095108
8500000
8510000
8511000
8511101
8511110
8511209
8511217
8511306
8512000
8512108
8512116
8513000
8513104
8513201
8513309
8513406
105
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SERVICOS VETERINARIOS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
SAUDE E SERVICOS SOCIAIS
ELETRICIDADE,GAS E AGUA QUENTE
PRODUCAO E DISTRIB DE ENERGIA ELETRICA
ELETRICIDADE,GAS E AGUA QUENTE
PRODUCAO E DISTRIB DE GAS POR TUBULACOES
ELETRICIDADE,GAS E AGUA QUENTE
PRODUCAO/DISTRIB DE VAPOR E AGUA QUENTE
ELETRICIDADE,GAS E AGUA QUENTE
CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA
CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA
EXTRACAO DE CARVAO MINERAL
EXTRACAO DE CARVAO MINERAL
EXTRACAO DE PETROLEO E SERV. CORRELATOS
EXTRACAO DE PETROLEO E GAS NATURAL
EXTRACAO DE PETROLEO E SERV. CORRELATOS
EXTRACAO DE MINERAIS METALICOS
EXTRACAO DE MINERIO DE FERRO
EXTRACAO DE MINERAIS METALICOS
EXTRACAO DE MINERAIS METALICOS NAO FERRO
EXTRACAO DE MINERAIS METALICOS
EXTRACAO DE MINERAIS NAO METALICOS
EXTRACAO DE PEDRA, AREIA E ARGILA
EXTRACAO DE MINERAIS NAO METALICOS
EXTRACAO DE OUTROS MINERAIS NAO METALICO
EXTRACAO DE MINERAIS NAO METALICOS
EXTRACAO DE MINERAIS NAO METALICOS
EXTRACAO DE MINERAIS NAO METALICOS
FABRICACAO DE MAQUINAS E EQUIP.
FABR
MOTOR,BOMBA,COMPRESSOR,EQUIP.TRANSM
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
educ_saude
eletric_san
eletric_san
eletric_san
eletric_san
eletric_san
eletric_san
eletric_san
eletric_san
eletric_san
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
extrat
fabr_maq
8514000
8514100
8514208
8514305
8514402
8514500
8515107
8516000
8516103
8516200
8520000
8520100
8520208
8520305
8530000
8531102
8532000
8532109
8532206
8532214
4000000
4010000
4010108
4020000
4020103
4030000
4030109
4100000
4100107
1000000
1000101
1100000
1110000
1110101
1300000
1310000
1310100
1320000
1321102
1400000
1410000
1410105
1420000
1421107
1422103
1429108
2900000
fabr_maq
fabr_maq
fabr_maq
fabr_maq
2910000
2911108
2912104
2913100
106
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABR DE MAQ E EQUIP DE USO GERAL
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABR MAQ/EQUIP AGRIC,AVIC,OBT PROD ANIMA
FABRICACAO DE MAQUINAS E EQUIP.
FABR DE MAQUINA-FERRAMENTA
FABRICACAO DE MAQUINAS E EQUIP.
FABR MAQ/EQUIP IND EXTR MINERAL E CONSTR
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABR DE OUTRAS MAQ/EQUIP USO ESPECIFICO
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABR DE ARMA,MUNICAO,EQUIP. MILITAR
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE MAQUINAS E EQUIP.
FABR DE ELETRODOMESTICOS
FABRICACAO DE MAQUINAS E EQUIP.
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
FABRICACAO DE MAQ. P/ ESCRITORIO
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
FABR MAQ/EQUI SIST ELETRON P/ PROC DADOS
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABR GERADOR,TRANSFORMADOR,MOTOR ELETR
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABR EQUIP DISTRIB/CONTROLE ENERG ELETR
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABR FIO,CABO E CONDUTOR ELETR ISOLADO
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABR PILHA,BATERIA E ACUMULADOR ELETRICO
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABR DE LAMPADAS E EQUIP. DE ILUMINACAO
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABR MAT ELETRICO P/ VEIC-EXCLUI BATERIA
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABR DE OUTROS EQUIP/APARELHOS ELETRICOS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
2914107
2915103
2920000
2921103
2923106
2924102
2925109
2929104
2930000
2931109
2940000
2940108
2950000
2951100
2952106
2960000
2961105
2962101
2963108
2965100
2969106
2970000
2971100
2972107
2980000
2981106
3000000
3010000
3011100
3012107
3020000
3021106
3100000
3110000
3111105
3113108
3120000
3121100
3122107
3130000
3130100
3140000
3141101
3142108
3150000
3151107
3160000
3160106
3190000
3191109
3192105
3199100
107
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
FABRICACAO DE MAT. ELETRONICO BASICO
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
FAB EQUIP TELEF/RADIOTEL,TRANSM TV/RADIO
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
FABR RADIO/TV,REPR,GRAV,AMPL SOM/VIDEO
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
FABR INSTR MED-HOSP,ODONT,LABOR,AP ORTOP
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
FABR APAR/INSTR MEDIDA,TESTE,CONTROLE
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
FAB SIST ELETRON P/ AUT IND/CONT PROC PR
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
FAB INSTR/MAT OPTIC,FOTOGR,CINEMAT,RELOG
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA
INTERMED FINANC,EXCL SEGURO/PREV PRIVADA
INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA
SEGUROS E PREVIDENCIA PRIVADA
SEGUROS E PREVIDENCIA PRIVADA
SEGUROS E PREVIDENCIA PRIVADA
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA
ATIVIDADES IMOBILIARIAS
ATIVIDADES IMOBILIARIAS
ATIVIDADES IMOBILIARIAS
CONDOMINIOS PREDIAIS
ATIVIDADES IMOBILIARIAS
ATIVIDADES IMOBILIARIAS
ATIVIDADES IMOBILIARIAS
ATIVIDADES IMOBILIARIAS
ATIVIDADES IMOBILIARIAS
ATIVIDADES IMOBILIARIAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
ABATE E PREP DE PROD DA CARNE E PESCADOS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
PROCES DE CONSERVAS DE FRUTAS/VEGETAIS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
PROD DE OLEO E GORDURA VEGETAL/ANIMAL
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
LATICINIOS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
MOAGEM, FABR DE PROD AMILACEOS E RACOES
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRICACAO E REFINO DE ACUCAR
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
TORREFACAO E MOAGEM DE CAFE
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
fabr_maq
financ
financ
financ
financ
financ
financ
financ
financ
financ
imobil
imobil
imobil
imobil
imobil
imobil
imobil
imobil
imobil
imobil
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
3200000
3210000
3210103
3220000
3221105
3230000
3230104
3300000
3310000
3310108
3320000
3320103
3330000
3330109
3350000
3350100
6500000
6510000
6510108
6600000
6610000
6611109
6700000
6710000
6711103
7000000
7010000
7010109
7040000
7040105
7040202
7040253
7040300
7040407
7040504
1500000
1510000
1511106
1513109
1520000
1521101
1530000
1531107
1540000
1541102
1543105
1550000
1551108
1555103
1560000
1561103
1570000
108
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRICACAO DE OUTROS PROD. ALIMENTICIOS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRICACAO DE BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRICACAO DE PRODUTOS DO FUMO
FABRICACAO DE PRODUTOS DO FUMO
FABRICACAO DE PRODUTOS DO FUMO
FABRICACAO DE PRODUTOS TEXTEIS
BENEFICIAMENTO FIBRAS TEXTEIS NATURAIS
FABRICACAO DE PRODUTOS TEXTEIS
FIACAO
FABRICACAO DE PRODUTOS TEXTEIS
TECELAGEM
FABRICACAO DE PRODUTOS TEXTEIS
FABR DE ART TEXTEIS, INCLUI TECELAGEM
FABRICACAO DE PRODUTOS TEXTEIS
ACABAMENTO EM FIOS,TECIDOS E ART.TEXTEIS
FABRICACAO DE PRODUTOS TEXTEIS
FABR DE ART TEXTEIS - EXCLUI VESTUARIO
FABRICACAO DE PRODUTOS TEXTEIS
FABRICACAO DE TECIDOS E ART DE MALHA
FABRICACAO DE PRODUTOS TEXTEIS
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS
CONFECCAO DE ART. DO VESTUARIO
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS
FABR ACESSORIO DO VEST E SEGURANCA PROF
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS
CONFECCAO DE ART.DO VESTUARIO/ACESSORIOS
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO
CURTIMENTO E OUTRAS PREP DE COURO
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO
FABR DE ART P/ VIAGEM E ART DIV DE COURO
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO
FABRICACAO DE CALCADOS
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCADO
FABRICACAO DE PRODUTOS DE MADEIRA
DESDOBRAMENTO DA MADEIRA
FABRICACAO DE PRODUTOS DE MADEIRA
FABR PROD MADEIRA,MAT.TRANCADO-EXC MOVEL
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
1571109
1580000
1581104
1582100
1583107
1584103
1585100
1586106
1589000
1589105
1589202
1590000
1591100
1592106
1593102
1594109
1600000
1600109
1600206
1700000
1710000
1711105
1720000
1721100
1730000
1731106
1740000
1741101
1750000
1750100
1760000
1761102
1770000
1771108
1800000
1810000
1811100
1813102
1820000
1821105
1822101
1900000
1910000
1910108
1920000
1921100
1930000
1931105
2000000
2010000
2010100
2020000
109
FABRICACAO DE PRODUTOS DE MADEIRA
FABRICACAO DE PRODUTOS DE MADEIRA
FABRICACAO DE PRODUTOS DE MADEIRA
FABRICACAO DE PRODUTOS DE MADEIRA
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABR CELULOSE E PASTAS P/ FABR DE PAPEL
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABR DE EMBALAGENS DE PAPEL/PAPELAO
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABR ART PAPEL,PAPELAO,CARTOLINA,CARTAO
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRICACAO DE VIDRO E DE PROD DO VIDRO
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRICACAO DE CIMENTO
FABRIC. PROD. DE MINERAIS NAO-METALICOS
ART CONCR,CIMENTO,FIBROCIM,GESSO,ESTUQUE
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRICACAO DE PROD CERAMICOS
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRIC. PROD. DE MINERAIS NAO-METALICOS
TRAB.PEDRAS,FAB CAL/PROD MIN.NAO METALIC
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRIC. PROD. DE MINERAIS NAO-METALICOS
METALURGIA BASICA
SIDERURGICAS INTEGRADAS
METALURGIA BASICA
FABR PROD SIDERURGICOS-EXCLUI SID.INTEGR
METALURGIA BASICA
FABR DE TUBO-EXCLUI SIDERURGIA INTEGRADA
METALURGIA BASICA
METALURGIA DE METAIS NAO-FERROSOS
METALURGIA BASICA
METALURGIA BASICA
METALURGIA BASICA
FUNDICAO
METALURGIA BASICA
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR ESTR METALICAS,OBRAS CALDEIR.PESADA
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR TANQUES,CALDEIRAS,RESERV.METALICOS
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FORJARIA,ESTAMPARIA,SERV.TRAT.METAIS
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR ART CUTELARIA,SERRALH,FERRAM.MANUAL
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
ind_final
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
2021102
2022109
2023105
2029103
2100000
2110000
2110105
2121000
2121107
2130000
2131102
2140000
2141108
2600000
2610000
2611104
2620000
2620103
2630000
2630109
2630206
2640000
2641100
2642107
2690000
2691108
2692104
2699109
2700000
2710000
2711109
2720000
2721104
2730000
2731100
2740000
2741105
2742101
2749106
2750000
2751100
2800000
2810000
2811103
2813106
2820000
2821109
2822105
2830000
2831104
2839105
2840000
110
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABRICACAO DE PROD. DIV. DE METAL
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
ALOJAMENTO E ALIMENTACAO
ESTABELECIMENTO ALOJAMENTO TEMPORARIO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ESTABELECIMENTO DE SERV DE ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALOJAMENTO E ALIMENTACAO
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DOM
ALUGUEL DE VEIC.AUTOMOTORES,MAQ/EQUIP
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DOM
ALUGUEL DE OBJETOS PESSOAIS/DOMESTICOS
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DOM
ATIVIDADES DE INFORMATICA E CONEXAS
ATIVIDADES DE INFORMATICA
ATIVIDADES DE INFORMATICA E CONEXAS
MANUT/REPARACAO DE MAQ. DE ESCR/INFORM
ATIVIDADES DE INFORMATICA E CONEXAS
ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS
ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS
PESQUISA E DESENVOLVIMENTO
PESQUISA E DESENVOLVIMENTO DAS CIENCIAS
PESQUISA E DESENVOLVIMENTO
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
COQUERIAS
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
REFINO DE PETROLEO
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
ELABORACAO DE COMBUSTIVEIS NUCLEARES
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
PRODUCAO DE ALCOOL
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PROD QUIMICOS INORGANICOS
FABRICACAO DE PRODUTOS QUIMICOS
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
metalurg
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
p_e_d
p_e_d
p_e_d
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
2841100
2842106
2843102
2890000
2891107
2892103
2893100
5500000
5510000
5511000
5511100
5511208
5511305
5519000
5519101
5519209
5519306
5520000
5521106
5522102
5523109
5524000
5524105
5524202
5529107
7100000
7110000
7110103
7140000
7140100
7200000
7210000
7210108
7250000
7250100
9900000
9900101
7300000
7310000
7310102
2300000
2310000
2310104
2320000
2320100
2330000
2330105
2340000
2340100
2400000
2410000
2411105
111
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PROD QUIMICOS ORGANICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE RESINAS E ELASTOMEROS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABR FIBRA,FIO,CABO,FILAMENTO CONT ARTIF
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PROD. FARMACEUTICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE DEFENSIVOS AGRICOLAS
FABRICACAO DE PRODUTOS QUIMICOS
FABR DE PROD. DE LIMPEZA E PERFUMARIA
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABR DE TINTA,VERNIZ,ESMALTE,LACA,AFINS
FABRICACAO DE PRODUTOS QUIMICOS
FABR DE PROD. E PREPARADOS QUIMICOS DIV.
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE ART.DE BORRACHA/PLASTICO
FABRICACAO DE ART. DE BORRACHA
FABRICACAO DE ART.DE BORRACHA/PLASTICO
FABRICACAO DE PROD. DE PLASTICO
FABRICACAO DE ART.DE BORRACHA/PLASTICO
RESIDENCIAS E MISTOS
CONDOMINIOS RESIDENCIAIS
CONDOMINIOS RESIDENCIAIS HORIZONTAIS
CONDOMINIOS RESIDENCIAIS VERTICAIS
CINGAPURA
PROMORAR
COHAB
CDHU
NOSSO TETO
INOCOOP
IPESP
CONDOMINIOS MISTOS
COND.HORIZ/VERT MISTOS-PREDOM RESID/IND
COND.HORIZ/VERT MISTOS-PREDOM RESID/COM
COND.HORIZ/VERT MISTOS-PREDOM RESID/PUBL
RESIDENCIAS
RESIDENCIA E MISTOS
FAVELA
CORTICO
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
petroq
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
resid
serv_graf
2412101
2414104
2419106
2420000
2421100
2430000
2431106
2433109
2440000
2441101
2450000
2451107
2452103
2460000
2461102
2470000
2471108
2472104
2480000
2481103
2490000
2491109
2492105
2493101
2494108
2495104
2499100
2500000
2510000
2511100
2520000
2521105
1000
10000
10103
10200
10308
10405
10502
10600
10707
10804
10901
30000
30104
30201
30309
40000
40100
40207
40304
2200000
112
EDICAO; EDICAO E IMPRESSAO
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
IMPRESSAO E SERV.CONEXOS P/ TERCEIROS
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
REPRODUCAO DE MAT. GRAVADOS
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
JURID,CONT,ASSES,ARQ,ENG,PUBL,ANAL.QLD
SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
AGENCIA EMPR;INVESTIGACAO/SEGUR;LIMPEZA
SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
OUTRAS SERV PREST PRINCIP AS EMPRESAS
SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL
ADM DO ESTADO E POLITICA ECON E SOCIAL
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL
SERV COLETIVOS PELA ADM PUBL/SEG SOCIAL
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL
LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS
LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS
ATIVIDADES ASSOCIATIVAS
ATIVIDADES ASSOCIATIVAS
ATIVIDADES ASSOCIATIVAS
OUTRAS ATIVIDADES ASSOCIATIVAS
ATIVIDADES ASSOCIATIVAS
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ATIV CINEMATOGRAFICAS/DE VIDEO,RADIO/TV
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ATIV ARTISTICAS/ESPETACULOS;AG NOTICIAS
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
BIBLIOTECA,ARQ,MUSEU,ATIV CULTURAIS
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ATIV DESPORTIVAS E RELACIONADAS AO LAZER
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
SERVICOS PESSOAIS
CORREIO E TELECOMUNICACOES
CORREIO
CORREIO E TELECOMUNICACOES
TELECOMUNICACOES
CORREIO E TELECOMUNICACOES
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABR AUTOMOVEIS,CAMIONETAS,UTILITARIOS
serv_graf
serv_graf
serv_graf
serv_graf
serv_graf
serv_graf
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
servicos
telecom
telecom
telecom
telecom
telecom
transp
transp
2210000
2211106
2220000
2221101
2230000
2231107
7400000
7410000
7411103
7450000
7450109
7490000
7491107
7500000
7510000
7511108
7520000
7521103
9000000
9000100
9100000
9111000
9111107
9190000
9191100
9200000
9210000
9211101
9230000
9231102
9250000
9251103
9253106
9260000
9261109
9300000
9301000
9301100
9301208
9302107
9303103
9304100
9309000
9309101
9309209
6400000
6410000
6411100
6420000
6420109
3400000
3410000
113
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABRICACAO DE CAMINHOES E ONIBUS
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABR DE CABINES, CARROCERIAS E REBOQUES
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABR PECAS/ACESSORIOS P/ VEIC AUTOMOTOR
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
RECONDIC/RECUP MOTOR P/ VEIC AUTOMOTOR
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABR.DE OUTROS EQUIP.DE TRANSPORTE
CONSTRUCAO E REPARACAO DE EMBARCACOES
FABR.DE OUTROS EQUIP.DE TRANSPORTE
FABR.DE OUTROS EQUIP.DE TRANSPORTE
CONSTR,MONTAGEM,REPAR VEIC FERROVIARIOS
FABR.DE OUTROS EQUIP.DE TRANSPORTE
CONSTRUCAO,MONTAGEM,REPARACAO
AERONAVES
FABR.DE OUTROS EQUIP.DE TRANSPORTE
FABRICACAO DE OUTROS EQUIP DE TRANSPORTE
FABR.DE OUTROS EQUIP.DE TRANSPORTE
FABR.DE OUTROS EQUIP.DE TRANSPORTE
FABR.DE OUTROS EQUIP.DE TRANSPORTE
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
MOVIMENTACAO/ARMAZENAMENTO DE CARGA
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ATIVIDADES AUXILIARES AOS TRANSPORTES
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ATIVID AGENCIAS/ORGANIZADORES DE VIAGEM
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ATIVID RELAC A ORG DO TRANSP DE CARGAS
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRICACAO DE ART. DO MOBILIARIO
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRICACAO DE PROD. DIVERSOS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
RECICLAGEM
RECICLAGEM DE SUCATAS METALICAS
RECICLAGEM
RECICLAGEM DE SUCATAS NAO-METALICAS
RECICLAGEM
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
3410102
3420000
3420108
3430000
3431100
3439100
3440000
3441105
3450000
3450104
3500000
3510000
3511103
3512100
3520000
3521109
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
transp
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
outros
3530000
3531104
3590000
3591107
3592103
3599108
6300000
6310000
6312101
6320000
6321100
6322107
6323103
6330000
6330100
6340000
6340105
3600000
3610000
3611108
3614107
3690000
3691101
3692108
3693104
3694100
3695107
3696103
3697100
3699102
3700000
3710000
3710106
3720000
3720101
114
Anexo E – Descrição dos Ramos de Atividades e Códigos – Cross-section
Código
ramo1
ramo2
ramo3
ramo4
ramo5
ramo6
ramo7
ramo8
ramo9
ramo10
ramo11
ramo12
ramo13
ramo14
ramo15
ramo16
ramo17
ramo18
ramo19
ramo20
ramo21
ramo22
ramo23
ramo24
ramo25
ramo26
ramo27
ramo28
ramo29
ramo30
ramo31
ramo32
ramo33
ramo34
ramo35
ramo36
ramo37
ramo38
ramo39
ramo40
Descrição do Ramo de Atividade
ABATE E PREP DE PROD DA CARNE E PESCADO
ADM.PUBL.,DEFESA,SEGURIDADE SOCIAL
ALOJAMENTO E ALIMENTACAO
ALUG.VEIC,MAQ.S/OPERADOR,OBJ.PESSOAL/DO
ATIV.ANEXAS/AUX. TRANSP.AGENCIAS VIAGEM
ATIVID.AUX.DA INTERMEDIACAO FINANCEIRA
ATIVID.RECREATIVA,CULTURAL E DESPORTIVA
ATIVIDADE NAO IDENTIFICADA
ATIVIDADES ASSOCIATIVAS
ATIVIDADES DE INFORMATICA E CONEXAS
ATIVIDADES IMOBILIARIAS
CAPTACAO, TRATAMENTO E DISTRIB.DE AGUA
COM. VAREJO,REPAR.OBJ.PESSOAL/DOMEST.
COM./REPAR.VEIC;COM. VAREJO COMBUSTIVEL
COM.ATACADO E INTERMEDIARIOS COMERCIO
COM.VAREJ ALIM,BEBIDA,FUMO EM LOJA ESPE
COMERCIO A VAREJO DE COMBUSTIVEIS
CONFECCAO DE ART.DO VESTUARIO/ACESSORIO
CONSTRUCAO
CORREIO E TELECOMUNICACOES
EDICAO,IMPRESSAO E REPROD.DE GRAVACOES
EDUCACAO
ELETRICIDADE,GAS E AGUA QUENTE
EQ.MED-HOSP,PRECISAO,OPTICOS,AUTOM.IND
ESTABELECIMENTO ALOJAMENTO TEMPORARIO
ESTABELECIMENTO DE SERV DE ALIMENTACAO
EXTRACAO DE MINERAIS METALICOS
EXTRACAO DE MINERAIS NAO METALICOS
FABR.COQUE,PETROLEO,COMBUSTIVEIS,ALCOOL
FABR.DE OUTROS EQUIP.DE TRANSPORTE
FABR.MAQ. P/ESCRITORIO E EQUIP.INFORM.
FABR.MAT. ELETRONICO,EQUIP.COMUNICACAO
FABR.PROD.METAL-EXCLUI MAQ.E EQUIP.
FABR.VEICULOS AUTOM,REBOQUE,CARROCERIA
FABRIC. PROD. DE MINERAIS NAO-METALICOS
FABRIC.CELULOSE,PAPEL E PROD.DE PAPEL
FABRIC.DE MOVEIS E INDUSTRIAS DIVERSAS
FABRIC.DE PROD.ALIMENTICIOS E BEBIDAS
FABRIC.MAQ.,APARELHOS E MAT.ELETRICOS
FABRICACAO DE ART.DE BORRACHA/PLASTICO
115
ramo41
ramo42
ramo43
ramo44
ramo45
ramo46
ramo47
ramo48
ramo49
ramo50
ramo51
ramo52
ramo53
ramo54
ramo55
ramo56
ramo57
ramo58
ramo59
ramo60
ramo61
ramo62
FABRICACAO DE MAQUINAS E EQUIP.
FABRICACAO DE PROD. DE PLASTICO
FABRICACAO DE PROD. FARMACEUTICOS
FABRICACAO DE PRODUTOS DE MADEIRA
FABRICACAO DE PRODUTOS DO FUMO
FABRICACAO DE PRODUTOS QUIMICOS
FABRICACAO DE PRODUTOS TEXTEIS
IMOVEL DESOCUPADO
INTERMED.FINANC,EXCLI SEG./PREV.PRIVADA
INTERMEDIARIOS DO COMERCIO
LIMPEZA URBANA,ESGOTO E ATIVID.CONEXAS
MANUT/REPARACAO DE VEICULOS AUTOMOTORES
METALURGIA BASICA
ORG.INTERNAC.E INSTIT.EXTRATERRITORIAIS
PESQUISA E DESENVOLVIMENTO
PREPAR/FABRIC.COURO,ART.VIAGEM E CALCAD
RECICLAGEM
SAUDE E SERVICOS SOCIAIS
SEGUROS E PREVIDENCIA PRIVADA
SERV.PRESTADOS PRINCIPALMENTE AS EMPR.
SERVICOS PESSOAIS
SERVICOS SOCIAIS
116