5 RESULTADOS E DI SCUSSÃO
5.1 Caracterização dos dados
5.2.1 Aspectos econométricos
Os modelos de respostas qualitativas têm sido geralmente aplicados a
dados cross-section ou longitudinais. Recentemente, esses modelos têm se tornado
populares em estudos de séries temporais, tais como de recessão comercial, de crise financeira e de mudança nas taxas de juros (Dueker, 1999). Na maioria dos trabalhos desenvolvidos até a metade da década de 90, pouca importância vinha sendo dada à
0 200 400 600 800 1000 1200
Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
(mês) (R $ / h a ) Quase-renda*
129
natureza dos dados. Segundo Dueker (1999) e Girard & Parent (2001), a hipótese de independência nos erros pode não ser completamente válida quando os dados são coletados ao longo do tempo. Nesse caso, alternativamente, esses autores recomendam usar, no processo de estimação dos parâmetros, os procedimentos de simulação desenvolvidos dentro do paradigma Bayesiano (The Gibbs Sampling). Esses procedimentos não foram utilizados no presente estudo. Portanto, além da tradicional cautela que se deve ter com relação à interpretação dos parâmetros em modelos de respostas qualitativas multinomiais, conforme enfatiza Greene (1997), acrescente-se mais esta. Nos modelos lineares, a presença de autocorrelação serial pode subestimar (seρ
>0
)71 ou superestimar (seρ<0
) as variâncias dos parâmetros e gerar problemas com os testes de hipóteses, sem, contudo, causar viés nas estimativas dos parâmetros, porque os mesmos são não tendenciosos (Hoffmann & Vieira, 1978 e Diaz, 2000).Mesmo assumindo que essas restrições possam ser comuns aos modelos de respostas qualitativas, prosseguiu-se com o modelo lógite ordenado, porque há indicativos de um bom ajustamento e de que o mesmo permite avaliar o impacto das decisões de políticas pública ou privada na competitividade, conforme será demonstrado em seguida.
Conforme comentado no capítulo 4, os modelos de respostas qualitativas podem ser ordenados e não ordenados. A depender das características da variável dependente, enquadra-se o modelo em uma dessas duas subclasses. Isso implica procedimentos metodológicos diferentes. Portanto, depois de atendidos os critérios de convergência (ver Anexo C), antes de qualquer outra análise, é necessário testar se o modelo apresenta consistência.
O programa de análise estatística, Statistics Analysis System (SAS), no procedimento Logistic, produz uma estatística que testa se as regressões são paralelas. O modelo simples de resposta ordenada, ou o modelo de resposta qualitativa ordenado, envolve a regressão de linhas paralelas, baseadas em alguma escala apropriadamente escolhida. Para a escala lógite, o modelo de regressão de linhas
paralelas é freqüentemente chamado de modelo de possibilidades proporcionais (proportional odds model) (SAS, 1989).
Os resultados do teste para a suposição de linhas paralelas apresentam-se na Tabela 10. O valor do qui-quadrado (6,0619) é não significativo, com 8 graus de liberdade (Prob > χχχχ2 = 0,6403), indicando que não se pode rejeitar a hipótese de que
as linhas são paralelas; portanto o modelo lógite ordenado é apropriado aos dados.
Tabela 10. Indicador de consistência do modelo aos dados da amostra (Ho: as linhas são paralelas)1.
Indicadores Valores
Qui-quadrado (χχχχ2) 6,0619
Graus de liberdade 8
Nível de significância (Prob > χχχχ2) 0,6403
Fonte: Dados da pesquisa
1Score test for proportional odds assumption
Atendidos os critérios de convergência e de consistência do modelo, examinaram-se as estimativas dos parâmetros e a qualidade do ajustamento. Quanto à qualidade do ajustamento, pode-se observa,r na Tabela 11 que, exceto para as variáveis insumos, transporte e plano real (binária que capta o efeito do Plano Real sobre a competitividade), os parâmetros apresentaram significância estatística, pelo menos no nível de 10% . Os sinais associados aos parâmetros portaram-se todos de acordo com o esperado. Ou seja, as variáveis que compõem os custos apresentaram sinal negativo e aquelas que compõem a receita, sinal positivo. I sso significa que um aumento nos custos (na receita) reduz (aumenta) a competitividade do segmento agrícola, o que é natural.
Apesar de os parâmetros estimados para as variáveis insumos e transporte apresentarem sinais coerentes com a teoria econômica, ambos não foram estatisticamente significativos. No caso da variável insumo (formada pela soma dos gastos com sementes, fertilizantes e agrotóxicos), isso se justifica pela proporção que a mesma representa na composição dos custos variáveis (10,97% - Tabela 8). No
131
entanto, a justificativa para o comportamento da variável transporte não segue apenas a mesma lógica. Os custos de transporte representam mais de 16% nos custos variáveis. O que também pode justificar a não significância estatística do parâmetro estimado é o fato de que o mercado de frete sofre influência de vários outros produtos agrícolas, comercializados no estado do Paraná. Os equipamentos utilizados no transporte de mandioca não apresentam especificidade e podem ser utilizados no transporte de outros produtos. Portanto, fatores exógenos ao mercado de mandioca podem estar determinando a formação dos preços de frete pagos pelos mandiocultores.Tabela 11. Estimativas dos parâmetros do modelo lógite ordenado.
Variáveis Estimativas dos
parâmetros Desvio- padrão χχχχ 2 Prob > χχχχ2 Média Mão-de-obra (R$/ ha) -0,0388 0,0178 4,7191 0,0298 551,80 I nsumos (R$/ ha) -0,0224 0,0188 1,4183 0,2337 129,32
Outros gastos (R$/ ha) -0,0418 0,0168 6,2151 0,0127 305,62
Transporte (R$/ ha) -0,0016 0,0118 0,0180 0,8934 190,95
Rendimento médio (t/ ha) 5,1680 2,6051 3,9355 0,0473 21,44
Preço de raiz (R$/ t) 0,2922 0,0908 10,3585 0,0013 82,97
Plano real (binária) -2,0321 2,4631 0,6806 0,4094 0,64
Safra (binária) 3,7074 1,8834 3,8749 0,0490 0,53
1
µ
-109,4000 51,3687 4,5317 0,03332
µ
-89,8710 48,2533 3,4689 0,0625Fonte: Dados da pesquisa
O mecanismo de formação e de determinação dos preços do frete reflete o grau de apropriação das margens geradas, afetando, assim, a quase-renda produzida e, conseqüentemente, o indicador de competitividade. É importante destacar que, tendo o insumo transporte uma demanda derivada do mercado dos outros produtos agrícolas, conforme já comentado, o nível de oferta para o setor mandioqueiro vai depender da demanda daqueles outros produtos.
Além dos aspectos ligados à demanda derivada e aos mecanismos de formação e de determinação dos custos de transporte, a não significância estatística do parâmetro da variável transporte também se explica pelo aspecto de que o custo do frete, embora seja debitado aos produtores, nem sempre é diretamente negociado e pago por eles, reduzindo-se, assim, a capacidade de o mesmo influenciar significativamente os indicadores de competitividade. Em épocas de escassez de matéria-prima (raiz), por exemplo, é comum se comprar a produção na propriedade (“na roça”). Nesse caso, o custo de transporte é assumido pelos feculeiros, ou pelos intermediários proprietários dos caminhões.
No caso das variáveis binárias (plano real e safra) não se fez nenhuma hipótese a respeito dos sinais esperados para os parâmetros estimados. O sinal
negativo associado ao parâmetro da variável plano real embora a estimativa do
parâmetro não seja estatisticamente significativa sugere que, no período do Plano Real, o segmento agrícola da cadeia foi menos competitivo do que no período anterior ao plano econômico.
Intuitivamente, como decorrência da combinação dos preços da raiz com os custos da mão-de-obra, os quais, relativamente, se deprimem e se elevam, respectivamente, na safra, poder-se-ia esperar sinal negativo para o parâmetro da variável safra. Entretanto isso não se verificou, certamente porque o indicador de competitividade foi calculado a partir da ponderação dos preços de mercado da raiz pelo teor médio de amido observado nos diferentes meses do ano. A comercialização com base no teor de amido (remuneração da qualidade) é uma necessidade determinada pelas novas relações comerciais, que se vêm estabelecendo no mercado, entre produtores e processadores.
O sinal positivo da variável safra indica que, quando se comercializam as raízes na safra e o pagamento é realizado com base na qualidade da matéria-prima (teor de amido), a competitividade aumenta. Para os produtores que não estão sendo remunerados pelo diferencial de qualidade observada ao longo do ano, a capacidade competitiva tem se comprometido, favorecendo, no curto prazo, ganhos para as fecularias e penalizando a cadeia com um tudo, no médio e no longo prazos, haja vista
133
que a perda de competitividade dos produtores conduze à saída do mercado e, conseqüentemente a pressões sobre os preços, em virtude da redução na oferta.A qualidade do ajustamento é também demonstrada na Tabela 12. Nessa tabela, observam-se os resultados da razão de verossimilhança (LR) e do pseudo-R2
(LRI ). A razão de verossimilhança apresentou-se altamente significativa e sugere que se pode rejeitar a hipótese de que todos os parâmetros são iguais a zero. O índice da razão de verossimilhança indica que 85% das variações na variável dependente, ou seja, no indicador de competitividade, são explicadas pela regressão. Essas interpretações são similares ao teste F e ao R2 nos tradicionais modelos de regressão linear (Greene, 1997).
Tabela 12. Indicador da qualidade do ajustamento do modelo lógite ordenado estimado (teste de nulidade dos parâmetros).
Indicadores Valores
Valor da função log-verossimilhança (ln L) -14,55
Valor da função log-verossimilhança restrita (ln L0) -96,99
Razão de verossimilhança (LR)72 (χχχχ2) 164,88
Grau de liberdade 8
Nível de significância 0,0001
Número de observações 117
Pseudo-R2 (LRI )73 0,85
Fonte: Dados da pesquisa
Concluídas as análises a respeito das restrições, das vantagens, das qualidades do modelo empírico e das interpretações dos sinais dos parâmetros, resta compreender como se comportou a competitividade do segmento agrícola do setor em estudo, na década de 90.
72 A Razão de Verossimilhança é calculada com base na formula, LR=− (lnL) −lnL)) 0
2 (Greene, 1997;
Judge et al., 1988).
73 LRI (Í ndice da Razão de Verossimilhança):
o L L LRI ) ) ln ln −