FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONALIZANTE EM ECONOMIA “UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E INFLAÇÃO NO BRASIL” CARLOS PERCY MISERENDINO ORTIZ ORIENTADOR: PROF. DR. FERNANDO NASCIMENTO DE OLIVEIRA Rio de Janeiro, 15 de dezembro de 2009.
59
Embed
DISSERTAÇÃO DE MESTRADO PROFISSIONALIZANTE EM …s3.amazonaws.com/public-cdn.ibmec.br/portalibmec-content/public/... · faculdade de economia e finanÇas ibmec programa de pÓs-graduaÇÃo
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA
“UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E
INFLAÇÃO NO BRASIL”
CCAARRLLOOSS PPEERRCCYY MMIISSEERREENNDDIINNOO OORRTTIIZZ ORIENTADOR: PROF. DR. FERNANDO NASCIMENTO DE OLIVEIRA
Rio de Janeiro, 15 de dezembro de 2009.
“UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E INFLAÇÃO NO BRASIL”
CARLOS PERCY MISERENDINO ORTIZ
Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Finanças e Controladoria
ORIENTADOR: FERNANDO NASCIMENTO DE OLIVEIRA
Rio de Janeiro, 15 de dezembro de 2009.
“UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E INFLAÇÃO NO BRASIL”
CARLOS PERCY MISERENDINO ORTIZ
Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Finanças e Controladoria
Professor: DR. FERNANDO NASCIMENTO DE OLIVEIRA (Orientador) Instituição: IBMEC/RJ _____________________________________________________
Professor: DR. FERNANDO AUGUSTO ADEODATO VELOSO Instituição: IBMEC/RJ _____________________________________________________
Professor: DR. OCTAVIO MANUEL BESSADA LION Instituição: BACEN
Rio de Janeiro, 15 de dezembro de 2009.
FICHA CATALOGRÁFICA
332.410981 O77
Ortiz, Carlos Percy Miserendino. Uma análise empírica da relação entre preços de commodities e inflação no Brasil / Carlos Percy Miserendino Ortiz - Rio de Janeiro: Faculdades Ibmec, 2009. Dissertação de Mestrado Profissionalizante apresentada ao Programa de Pós-Graduação em Economia das Faculdades Ibmec, como requisito parcial necessário para a obtenção do título de Mestre em Economia. Área de concentração: Finanças e Controladoria. 1. Inflação - Brasil. 2. Commodities - Preços. 3. IPCA (Índice de Preços ao Consumidor Amplo). 4. Econometria – Cointegração (elasticidade).
1
DEDICATÓRIA
Ao meu filho, que me fez enxergar a vida de uma maneira que desconhecia.
2
AGRADECIMENTOS
Agradeço à minha esposa Clarissa por todos os conselhos, pela paciência, pelo carinho e pelo
amor nestes anos que estamos juntos e que estes sentimentos continuem eternamente.
Aos meus colegas de turma, principalmente ao Leonardo Ramos, que me ajudou bastante
durante todo o curso. Os meus mais sinceros agradecimentos.
Em especial, agradeço ao meu orientador Fernando Nascimento, pelas discussões, sugestões e
orientações fundamentais no desenvolvimento desta dissertação.
Agradeço também aos familiares e amigos pela compreensão, paciência e o incentivo para a
conclusão deste trabalho e peço desculpas por eventuais faltas.
3
RESUMO
O presente trabalho tem por finalidade analisar empiricamente a relação entre os preços de
commodities e inflação no mercado brasileiro. Foram utilizados vários modelos
econométricos para observar o comportamento da relação entre o índice de preços de
commodities e inflação (IPCA) no período do primeiro trimestre de 1994 ao terceiro trimestre
de 2009. Os resultados obtidos contrariam as análises para os mercados internacionais e
sugerem que, no período amostral, alterações nos preços de commodities não explicam a
3.1 ANÁLISE EMPIRICA NÃO ESTRUTURAL ........................................................................................20 3.1.1 ANÁLISE DE DECOMPOSIÇÃO DE VARIÂNCIA .........................................................................20 3.1.2 MODELOS BI-VARIADOS ..............................................................................................................21 3.1.3 ANÁLISE DAS FUNÇÕES RESPOSTA AOS IMPULSOS PARA OS MODELOS BI-VARIADOS ..23 3.1.4 MODELOS MULTI-VARIADOS ......................................................................................................27 3.1.5 ANÁLISE DAS FUNÇÕES RESPOSTA AOS IMPULSOS PARA OS MODELOS MULTI-VARIADOS ...............................................................................................................................................29
3.2 ANÁLISE EMPIRICA ESTRUTURAL .................................................................................................32 3.2.1 MODELO SOMENTE COM LAGS DE INFLAÇÃO .........................................................................33 3.2.2 MODELO COM LAGS DE INFLAÇÃO E HIATO ............................................................................39 3.2.3 MODELO NOVO KEYNESIANO .....................................................................................................45
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆GERAL(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.O modelo de 2003T1 a 2006T4 foi corrigido pela matriz de White devido a presença de resíduos heteroscedásticos.
34
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável GERAL (índice de commodities geral), β2, pode ser considerado insignificante ou
estatisticamente igual a zero (p-valor igual a 0.2413). Este fato indica que, a priori, o índice de
commodities geral não explica os retornos da inflação brasileira. As estatísticas de Durbin-
Watson, o coeficiente de ajuste da regressão e o teste para autocorrelação serial também
podem ser observados na tabela. O teste para heterocedasticidade não detectou presença de
heterocedasticidade no modelo.
Iremos observar os resultados dos coeficientes do modelo em cada um dos
subperíodos. Os p-valores do coeficiente β2 para os períodos de 1994T1 a 2002T4, 2003T1 a
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para o período de 2003T1 a 2006T4 e foi utilizada a matriz de correção de White para
estimarmos corretamente os intervalos de confiança das estimativas.
35
Tabela 10: Resultados para a equação (1) com commodities minerias
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆MINERAIS(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.O modelo de 2007T1 a 2009T3 foi corrigido pela matriz de White devido a presença de resíduos heteroscedásticos.
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável MINERAIS (índice de commodities minerais), β2, pode ser considerado
insignificante ou estatisticamente igual a zero (p-valor igual a 0.2234). Este fato indica que, a
priori, o índice de commodities minerais não explica os retornos da inflação brasileira. As
estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para
autocorrelação serial também podem ser observados na tabela. O teste para
heterocedasticidade não detectou presença de heterocedasticidade no modelo.
Iremos observar os resultados dos coeficientes do modelo em cada um dos
subperíodos. Os p-valores do coeficiente β2 para os períodos de 1994T1 a 2002T4, 2003T1 a
36
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para o período de 2007T1 a 2009T3 e foi utilizada a matriz de correção de White para
estimarmos corretamente os intervalos de confiança das estimativas.
Tabela 11: Resultados para a equação (1) com commodities agrícola
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆AGRICOLA(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.O modelo de 2007T1 a 2009T3 foi corrigido pela matriz de White devido a presença de resíduos heteroscedásticos.
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável AGRICOLA (índice de commodities agrícola), β2, pode ser considerado
insignificante ou estatisticamente igual a zero (p-valor igual a 0.1483). Este fato indica que, a
priori, o índice de commodities agrícola não explica os retornos da inflação brasileira. As
estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para
37
autocorrelação serial também podem ser observados na tabela. O teste para
heterocedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada a
matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
Ao observar os resultados dos coeficientes do para os subperíodos 1994T1 a 2002T4,
2003T1 a 2006T4 e 2007T1 a 2009T3, os p-valores do coeficiente β2 indicaram que seus
valores também são estatisticamente iguais a zero. O teste para heterocedasticidade apontou a
presença de resíduos não homoscedásticos para o período de 2007T1 a 2009T3 e foi utilizada
a matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
Os resultados acima também contrariam o que acontece para outros países em estudos
empíricos. Como no caso anterior (modelo novo keynesiano), esta mudança estrutural pode
ter distorcido os resultados obtidos nas regressões.
Para verificarmos se de fato existe alguma quebra estrutural nos dados, aplicaremos no
modelo estimado para a equação (1) o teste de Chow para cada uma das variáveis de
commodities (geral, minerais e agrícola).
Tabela 12: Resultado para o teste de Chow no modelo com lag de inflação
Vari ável Teste de Chow: Quebra Es trutura l 2003T1 2008T1
Gera l Es ta tística F 6,009006 2,284386
P-Va lor 0,0043 0,1111
Minerais Es ta tística F 4,87917 1,401765
P-Va lor 0,0111 0,2545
Agrícola Esta tística F 5,59097 1,207348
P-Va lor 0,0061 0,3065
Teste de Chow aplicado sobre as estimativas do modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆COMMODITIES(-1)
Ho: Não existe quebra estrutural no período escolhido
38
No caso do modelo só com lag de inflação, nota-se que, pelo teste de Chow, a quebra
estrutural só acontece em 2008. Logo, torna-se adequado, neste trabalho investigarmos uma
correção para uma possível distorção dos resultados devido à quebra estrutural.
Iremos incorporar no modelo com lag de inflação uma variável binária para o período
de 2008. Desta forma, pode-se adotar o seguinte:
∆IPCAt=β1*∆IPCAt-1 + β2*∆ICOMMt-1 *D2 (2)
Onde D2 é a variável binária que assume valores iguais a 0 até o ano de 2007 e 1 após
o ano de 2008. Os resultados estimados para o modelo podem ser observados na Tabela 15,
abaixo:
Tabela 13: Resultados para a equação (2) com variável binária D2
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆COMMODITIES(-1)*D2 no período de 1994T1 a 2009T3 (61 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.
Es tima ti va dos Coefi cientes
Os resultados mostram que mesmo na presença de um termo de correção para a quebra
estrutural identificada, a estimativa para o coeficiente β2 continua a ser estatisticamente igual a
zero (p-valor de 0.9317 para a variável commodity geral, 0.8992 para a variável minerais e
0.6973 para a variável agrícola ). As estatísticas de Durbin-Watson, o coeficiente de ajuste da
regressão e o teste para autocorrelação serial também podem ser observados na tabela.
39
3.2.2 MODELO COM LAGS DE INFLAÇÃO E HIATO
A seguir mostraremos o modelo com lag de inflação e hiato para verificar a relação
entre o retorno da inflação e o índice de preços de commodities.
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆GERAL(-1) + β3*HIATO(-2) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos de 1994T1 a 2009T3, 1994T1 a 2002T4 e 2003T1 a 2006T4 foram corrigido pela matriz de White devido a presença de resíduos heteroscedásticos.
Estimativa dos Coefi cientes
40
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável GERAL (índice de commodities geral), β2, pode ser considerado insignificante ou
estatisticamente igual a zero (p-valor igual a 0.1016). Este fato indica que, a priori, o índice de
commodities geral não explica os retornos da inflação brasileira. As estatísticas de Durbin-
Watson, o coeficiente de ajuste da regressão e o teste para autocorrelação serial também
podem ser observados na tabela. O teste para heterocedasticidade apontou a presença de
resíduos não homoscedásticos e foi utilizada a matriz de correção de White para estimarmos
corretamente os intervalos de confiança das estimativas.
Iremos observar os resultados dos coeficientes do modelo em cada um dos
subperíodos. Os p-valores do coeficiente β2 para os períodos de 1994T1 a 2002T4, 2003T1 a
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para os períodos de 1994T1 a 2002T4 e 2003T1 a 2006T4 e foram utilizadas a matriz de
correção de White para estimarmos corretamente os intervalos de confiança das estimativas.
41
Tabela15: Resultados para a equação (3) com commodities minerais
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆MINERAIS(-1) + β3*HIATO(-2) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos de 1994T1 a 2009T3 e 1994T1 a 2002T4 foram corrigidos pela matriz de White devido a presença de resíduos heteroscedásticos.
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável MINERAIS (índice de commodities minerais), β2, pode ser considerado
insignificante ou estatisticamente igual a zero (p-valor igual a 0.0669). Este fato indica que, a
priori, o índice de commodities minerais não explica os retornos da inflação brasileira. As
estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para
autocorrelação serial também podem ser observados na tabela. O teste para
heterocedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada a
42
matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
Iremos observar os resultados dos coeficientes do modelo em cada um dos
subperíodos. Os p-valores do coeficiente β2 para os períodos de 1994T1 a 2002T4, 2003T1 a
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para o período de 1994T1 a 2002T4 e foi utilizada a matriz de correção de White para
estimarmos corretamente os intervalos de confiança das estimativas.
Tabela 16: Resultados para a equação (3) co commodities agrícola
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆AGRICOLA(-1) + β3*HIATO(-2) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos de 1994T1 a 2009T3 e 1994T1 a 2002T4 foram corrigidos pela matriz de White devido a presença de resíduos heteroscedásticos.
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
43
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável AGRICOLA (índice de commodities agrícola), β2, pode ser considerado
insignificante ou estatisticamente igual a zero (p-valor igual a 0.0563). Este fato indica que, a
priori, o índice de commodities agrícola não explica os retornos da inflação brasileira. As
estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para
autocorrelação serial também podem ser observados na tabela. O teste para
heterocedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada a
matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
Os p-valores do coeficiente β2 para os períodos de 1994T1 a 2002T4, 2003T1 a
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para o período de 1994T1 a 2002T4 e foi utilizada a matriz de correção de White para
estimarmos corretamente os intervalos de confiança das estimativas.
No caso do modelo com lag de inflação e hiato, também iremos verificar se há
mudança estrutural, aplicando no modelo estimado para a equação (6) o teste de Chow para
cada uma das variáveis de commodities (geral, minerais e agrícola).
44
Tabela 17: Resultado para o teste de Chow no modelo com lag de inflação e hiato
Variável Teste de Chow: Quebra Estrutural 2003T1 2008T1
Geral Estatísti ca F 4,409514 1,476031
P-Val or 0,0075 0,2311
Minerai s Estatísti ca F 3,037637 0,789731
P-Val or 0,0366 0,5048
Agrícol a Estatísti ca F 3,474378 0,64281
P-Val or 0,022 0,5908
Teste de Chow aplicado sobre as estimativas do modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆COMMODITIES(-1) + β3*HIATO(-2)
Ho: Não existe quebra estrutural no período escolhido
No caso do modelo com lag de inflação e hiato, nota-se que, pelo teste de Chow, a
quebra estrutural também só acontece em 2008. Logo, torna-se adequado, neste trabalho
investigarmos uma correção para uma possível distorção dos resultados devido à quebra
estrutural.
Iremos incorporar no modelo com lag de inflação e hiato uma variável binária para o
período de 2008. Desta forma, pode-se adotar o seguinte:
Estimativa para o modelo ∆IPCA = β1*∆IPCA(-1) + β2*∆COMMODITIES(-1)*D2 + β3*HIATO(-2) no período de 1994T1 a 2009T3 (61 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos foram corrigidos pela matriz de White devido a presença de resíduos heteroscedásticos.
Estimativa dos Coefi cientes
Os resultados mostram que mesmo na presença de um termo de correção para a quebra
estrutural identificada, a estimativa para o coeficiente β2 continua a ser estatisticamente igual a
zero (p-valor de 0.5638 para a variável commodity geral, 0.5791 para a variável minerais e
0.5482 para a variável agrícola ). As estatísticas de Durbin-Watson, o coeficiente de ajuste da
regressão e o teste para autocorrelação serial também podem ser observados na tabela. O teste
para heterocedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada a
matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
3.2.3 MODELO NOVO KEYNESIANO
Por último, iremos adotar o modelo novo keynesiano para verificar a relação entre o
retorno da inflação e o índice de preços de commodities.
Estimativa para o modelo ∆IPCA = (1-β1)*∆IPCA(-1) + β2*∆EXPECT + β3*HIATO(-2) + β4*DELTA(-1) + β5*∆GERAL(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (33 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos de 1994T1 a 2009T3 e 2003T1 a 2006T4 foram corrigidos pela matriz de White devido a presença de resíduos heteroscedásticos.
Esti mati va dos Coefici entes
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
47
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável GERAL (índice de commodities geral), β5, pode ser considerado insignificante ou
estatisticamente igual a zero (p-valor igual a 0.8062). Este fato indica que, a priori, o índice de
commodities geral não explica os retornos da inflação brasileira. As estatísticas de Durbin-
Watson, o coeficiente de ajuste da regressão e o teste para autocorrelação serial também
podem ser observados na tabela. O teste para heterocedasticidade apontou a presença de
resíduos não homoscedásticos e foi utilizada a matriz de correção de White para estimarmos
corretamente os intervalos de confiança das estimativas.
Iremos observar os resultados dos coeficientes do modelo em cada um dos
subperíodos. Os p-valores do coeficiente β5 para os períodos de 1994T1 a 2002T4, 2003T1 a
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para o período de 2003T1 a 2006T4 e foi utilizada a matriz de correção de White para
estimarmos corretamente os intervalos de confiança das estimativas.
48
Tabela 20: Resultados para a equação (5) com commodities minerais
Estimativa para o modelo ∆IPCA = (1-β1)*∆IPCA(-1) + β2*∆EXPECT + β3*HIATO(-2) + β4*DELTA(-1) + β5*∆MINERAIS(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (33 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos de 1994T1 a 2009T3 e 2003T1 a 2006T4 foram corrigidos pela matriz de White devido a presença de resíduos heteroscedásticos.
Esti mati va dos Coefici entes
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável MINERAIS (índice de commodities minerais), β5, pode ser considerado
insignificante ou estatisticamente igual a zero (p-valor igual a 0.9508). Este fato indica que, a
priori, o índice de commodities minerais não explica os retornos da inflação brasileira. As
estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para
autocorrelação serial também podem ser observados na tabela. O teste para
heterocedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada a
matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
49
Iremos observar os resultados dos coeficientes do modelo em cada um dos
subperíodos. Os p-valores do coeficiente β5 para os períodos de 1994T1 a 2002T4, 2003T1 a
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para o período de 2003T1 a 2006T4 e foi utilizada a matriz de correção de White para
estimarmos corretamente os intervalos de confiança das estimativas.
Tabela 21: Resultados para a equação (5) com commodities agrícola
Estimativa para o modelo ∆IPCA = (1-β1)*∆IPCA(-1) + β2*∆EXPECT + β3*HIATO(-2) + β4*DELTA(-1) + β5*∆AGRICOLA(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (33 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações) . Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos de 1994T1 a 2009T3 e 2003T1 a 2006T4 foram corrigidos pela matriz de White devido a presença de resíduos heteroscedásticos.
Esti mati va dos Coefici entes
Os valores entre parênteses representam o p-valor do teste t para os coeficientes
estimados, R2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin-
Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial
(Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também
entre parênteses).
Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da
variável AGRICOLA (índice de commodities agrícola), β5, pode ser considerado
insignificante ou estatisticamente igual a zero (p-valor igual a 0.0608). Este fato indica que, a
priori, o índice de commodities agrícola não explica os retornos da inflação brasileira. As
50
estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para
autocorrelação serial também podem ser observados na tabela. O teste para
heterocedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada a
matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
Iremos observar os resultados dos coeficientes do modelo em cada um dos
subperíodos. Os p-valores do coeficiente β5 para os períodos de 1994T1 a 2002T4, 2003T1 a
2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a
zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos
para o período de 2003T1 a 2006T4 e foi utilizada a matriz de correção de White para
estimarmos corretamente os intervalos de confiança das estimativas.
Os resultados acima contrariam o que acontece para outros países em estudos
empíricos. Uma possível explicação pode ser o fato de que no ano de 2003 tivemos a forte
demanda por commodities, sobretudo da China, e a crise mundial em 2008. Esta mudança
estrutural pode ter distorcido os resultados obtidos nas regressões.
Para verificarmos se de fato existe alguma quebra estrutural nos dados, aplicaremos no
modelo estimado para a equação (1) o teste de Chow para cada uma das variáveis de
commodities (geral, minerais e agrícola).
Tabela 22: Resultado para o teste de Chow no modelo novo keynesiano
Variável Tes te de Chow: Quebra Es trutura l 2003T1 2008T1
Geral Es tatística F 0,986727 0,206661
P-Valor 0,4355 0,9581
Minera is Es tatística F 0,247131 0,147887
P-Valor 0,9393 0,9797
Agrícola Es tatística F 0,626454 0,241115
P-Valor 0,6803 0,9423
Teste de Chow aplicado sobre as estimativas do modelo ∆IPCA = (1-β1)*∆IPCA(-1) + β2*∆EXPECT + β3*HIATO(-2) + β4*DELTA(-1) + β5*∆COMMODITIES(-1)
Ho: Não existe quebra estrutural no período escolhido
51
Como citamos anteriormente, a partir do ano de 2003 tivemos forte demanda por
commodities e em 2008 a crise financeira. Logo, torna-se adequado, neste trabalho
investigarmos uma correção para uma possível distorção dos resultados devido a quebra
estrutural.
Uma possível correção para o problema da quebra estrutural seria a incorporação de
uma variável binária no modelo. Desta forma, pode-se adotar o seguinte:
Estimativa para o modelo ∆IPCA = (1-β1)*∆IPCA(-1) + β2*∆EXPECT + β3*HIATO(-2) + β4*DELTA(-1) + β5*∆COMMODITIES(-1)*D1 no período de 1994T1 a 2009T3 (59 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.Os modelos foram corrigidos pela matriz de White devido a presença de resíduos heteroscedásticos.
Esti mati va dos Coefici entes
Os resultados mostram que mesmo na presença de um termo de correção para a quebra
estrutural identificada, a estimativa para o coeficiente β5 continua a ser estatisticamente igual a
52
zero (p-valor de 0.7692 para a variável commodity geral, 0.4723 para a variável minerais e
0.3174 para a variável agrícola ). As estatísticas de Durbin-Watson, o coeficiente de ajuste da
regressão e o teste para autocorrelação serial também podem ser observados na tabela. O teste
para heteroscedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada
a matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
Tabela 24: Resultados para a equação (7) com variável binária D2
Estimativa para o modelo ∆IPCA = (1-β1)*∆IPCA(-1) + β2*∆EXPECT + β3*HIATO(-2) + β4*DELTA(-1) + β5*∆COMMODITIES(-1)*D2 no período de 1994T1 a 2009T3 (59 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade.O modelo foI corrigido pela matriz de White devido a presença de resíduos heteroscedásticos.
Esti mati va dos Coefici entes
Os resultados mostram que mesmo na presença de um termo de correção para a quebra
estrutural identificada, a estimativa para o coeficiente β5 continua a ser estatisticamente igual a
zero (p-valor de 0.9335 para a variável commodity geral, 0.2729 para a variável minerais e
0.2939 para a variável agrícola ). As estatísticas de Durbin-Watson, o coeficiente de ajuste da
regressão e o teste para autocorrelação serial também podem ser observados na tabela. O teste
para heteroscedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada
a matriz de correção de White para estimarmos corretamente os intervalos de confiança das
estimativas.
53
4. CONCLUSÕES
O presente trabalho teve como objetivo estudar a relação entre a inflação e o índice de
commodities (geral, geral excluído petróleo, combustíveis, minerais e agrícola) no mercado
brasileiro. Foram utilizados dados trimestrais de 1994T1 a 2009T3 compostos pela variação
da inflação (IPCA), variação do índice de commodities (geral, minerais e agrícola), variação
da taxa de cambio e PIB, assim como os subperíodos de 1994T1 a 2002T4, 2003T1 a 2006T4
e 2007T1 a 2009T3.
Foram utilizados desde modelos VAR (bi-variados e multi-variados), a modelos
estruturais, como modelos somente com lags de inflação, modelos com lags de inflação
incorporando o hiato do produto e curvas de Phillips novo keynesianas. Foi verificado que
entre 1994T1 e 2009T3 o índice de preços de commodities não explica a inflação no Brasil. O
mesmo foi feito para os três subperíodos de 1994T1 a 2002T4, 2003T1 a 2006T4 e 2007T1 a
2009T3 e também não alterou a conclusão.
Os resultados encontrados neste trabalho são diferentes dos observados para a maioria
dos estudos da literatura internacional, onde foi registrada uma relação de longo prazo entre
índice de preços de commodities e inflação.
Uma possível explicação para nossos resultados talvez tenha relação com o regime de
câmbio flutuante do Brasil. Um aumento dos preços das commodities aumenta as exportações
do país, o que aumenta a demanda agregada e, portanto, tem efeitos positivos sobre a inflação.
Ao mesmo tempo, a maior entrada de recursos externos tende a apreciar o câmbio, fato que
tem efeitos negativos sobre a inflação. Nossos resultados mostram que na nossa amostra estes
efeitos parecem se compensar, refletindo na falta de correlação entre as commodities e a
inflação ao consumidor no Brasil.
54
REFERÊNCIAS BIBLIOGRÁFICAS
Awokuse, T. and J. Yang (2003), The Informational Role of Commodity Prices in
Formulating Monetary Policy: A Reexamination, Economics Letters, 79, 219-224.
Cody, B.J. and Mills, L.O., 1991. The Role of Commodity Prices in Formulating
Monetary Policy. Review of Economics and Statistics 73, 358-365.
Garner, A.C., 1989. Commodity Prices: Policy Target or Information Variables? Journal
of Money, Credit and Banking 21, 508-514.
Furlong, F. and R. Ingenito (1996), Commodity Prices and Inflation, Federal Reserve Bank
of San Francisco Economic Review, 27-47.
Hamorie, Shigeyuki (2007), The information role of commodity prices in formulating
monetary policy: some evidence from Japan, Federal Reserve Bank of San Francisco
Economic Review, 27-47.
Hua, P., 1998. On Primary Commodity Prices: The Impact of Macroeconomic/Monetary
Shocks. Journal of Policy Modeling 20, 767-790.
Kyrtsou, C. and W. Labys (2005), Evidence for Chaotic Dependence Between U.S.
Inflation and Commodity Prices, Economics Bulletin, Economics Bulletin, vol. 5(13),
pages 1-7.
Mahdavi, S. and S. Zhou (1997), Gold and Commodity Prices as Leading Indicators of
Inflation: Tests of Long-Run Relationship and Predictive Performance, Journal of
Economics and Business, 49, 475-489.
55
Marquis, M.H. and Cunningham, S.R., 1990. Is There a Role of Commodity Prices in the
Design of Monetary Policy? Some Empirical Evidence. Southern Economic Journal 57,
394-412.
Sephton, P. S., 1991. Commodity Prices: Policy Target or Information Variables? A
Comment. Journal of Money, Credit and Banking 23, 260-266.
Wooldridge, Jeffrey. Introdução à Econometria: Uma abordagem moderna. Ed. Pioneira