4 ANÁLISE DOS RESULTADOS
4.1 ESTIMATIVA DA POLUIÇÃO MUNDIAL COM DADOS EM PAINEL PARA O PERÍODO 1996-
Os resultados econométricos deste artigo são baseados na equação de poluição padrão adotada na literatura empírica. A diferença básica é que nesta tese foi incluído na regressão de poluição padrão um regressor a mais, qual seja, a variável explicativa corrupção. Assim, este estudo colabora com a literatura empírica tradicional, revelando os efeitos da corrupção sobre as emissões de CO2.
Conforme explicado anteriormente, um país com altos níveis de corrupção apresenta um ambiente propício para que empresas vendam direitos de poluição que não possuem ou, de maneira equivalente, que reduções de níveis de poluição que não ocorreram sejam reportados (permitindo, assim, a venda de licenças de poluição ou o recebimento de créditos de emissão de poluentes). A questão dos efeitos da corrupção sobre o mercado de licenças ambientais (notadamente licenças de pesca nos Estados Unidos) já é conhecido. A contribuição deste estudo é mostrar que o nível de corrupção de um país (não apenas a corrupção individual que é endereçada nos modelos teóricos anteriores) é um importante determinante das emissões de CO2.
O Teste de Hausman (reportado no apêndice) sugere a adoção do estimador de efeitos fixos. O modelo de efeitos fixos estimado tem a seguinte forma:
'
17 ln eit t it x i it pol
i1,2,...n;t1,....,T
em que polit é um vetor do nível de poluição do país i no tempo t. O xi é um vetor de
características dos países, o T mede o tempo e n é o número de países. O eit é o termo erro que
varia entre países e no tempo. Uma formulação específica dessa equação, no qual se controla ambos os grupos, por heterogeneidade não observada (i) e para efeitos específicos de tempo
para países durante um curto período de tempo. Assim, a estrutura do termo erro assume a seguinte forma:
2 2eit
eitejs 0 se if i j ou ts
Como forma de se avaliar o impacto das variáveis sobre o nível de poluição com base na equação (1), quatro modelos foram estimados. Todas as variáveis foram logaritmizadas (logaritmo natural): lnpol é o logaritmo da poluição [emissões de CO2 em (kt)]; lnipc é o
logaritmo da variável índice de percepção de corrupção; lnenergy é o logaritmo do consumo de energia; lngdp é o logaritmo da renda per capita; lnPIBindustria é o logaritmo do PIB industrial.
A Tabela 3 reporta os resultados das estimativas com base em quatro métodos distintos: (1) OLS; (2) Efeitos Fixos Temporais; (3) Efeitos Fixos e (4) Sistema GMM Dinâmico. Ressalte-se novamente que os dados presentes nesta tese são dados anuais, referentes ao período de 1996 a 2007.
De acordo com os resultados estimados [colunas (1) a (4)], a estatística t para todas as variáveis explicativas se mostra estatisticamente diferente de zero ao nível de significância de 5% [exceto a variável independente “PIB industrial” nos modelos (2) e (3)]; isso mostra que o modelo aqui utilizado está em linha com os demais resultados presentes na literatura internacional. Pode-se verificar que os testes F nos modelos ajustados (1) OLS; (2) Efeitos Fixos Temporais; (3) Efeitos Fixos e (4) Sistema GMM Dinâmico são estatisticamente diferentes de zero aos níveis de significância de 5%.
Portanto, são significantes para explicar as mudanças observadas na geração de poluição, implicando a rejeição da hipótese nula, aceitando a hipótese alternativa de não nulidade dos parâmetros estimados e concluindo-se pela existência das regressões. No que se refere à análise qualitativa dos resultados da Tabela 3, observa-se que todos os coeficientes estimados apresentam os sinais esperados. Os resultados se mostraram bastante consistentes. De maneira geral, os resultados encontrados se mostraram robustos a diferentes estimadores.
Para a escolha do método econométrico mais adequado, utilizou-se o Teste de Hausman (1978). O objetivo aqui é decidir entre os dois modelos: o método de efeitos fixos ou de efeitos aleatórios. O resultado do Teste de Hausman indicou que o método de efeitos fixos é mais apropriado para os países poluidores, no período de 1996 a 2007. O segundo teste refere-se à presença de endogeneidade das variáveis. O Teste de Durbin-Wu-Hausman foi utilizado para a detecção da endogeneidade. Esse teste é verificado pela estimativa dos resíduos da variável endógena como função de todas as variáveis exógenas.
A estatística do Teste de Especificação de Hausman foi de chi2(4) = 17 com Prob > chi2 = 0.0019. O resultado do teste de especificação indicou a rejeição da hipótese de que os efeitos específicos não observados estariam não correlacionados com as variáveis explicativas. Portanto, o modelo de efeitos fixos é o mais apropriado para a estimativa. A estatística do Teste de Breusch e Pagan (lagrangian multiplier test for random effects, teste multiplicador de Lagrange para efeitos aleatórios) foi de chi2(1) = 365.04, com Prob > chi2 = 0,0000, o que leva à rejeição da hipótese nula, corroborando o resultado do Teste de Hausman.
Em função da presença da endogeneidade provocada pela relação entre poluição e renda é necessário considerar o procedimento do método das variáveis instrumentais para produzir coeficientes consistentes. Os dados longitudinais ajudam a controlar o problema da endogeneidade; por meio da utilização dos dados de painel, foram utilizados os estimadores de método de momentos generalizados (GMM) dinâmico. O GMM foi introduzido por Hansen (1982).
A hipótese fundamental para a consistência dos estimadores depende da validade de dois testes de especificação apontados por Arellano e Bond (1991), Arellano e Bover (1995) e Blundel e Bond (1998). A especificação do modelo é examinada através de um teste de validade das restrições de sobreidentificação fornecida pelo Teste de Sargan. Caso o Teste de Sargan rejeite a validade dos instrumentos, então se utiliza o método de Arellano e Bond. O segundo teste diz respeito à correlação serial da regressão residual (Teste de Arellano-Bond), que avalia a hipótese de que o termo de erro é não serialmente correlacionado.
O teste de autocorrelação dos resíduos AR(2) em diferença para a poluição rejeita a hipótese nula ao nível de significância de 5%. O resultado foi de 0.44(z=0.663), revelando a consistência dos coeficientes.
O Teste de Sargan não rejeitou, em nível de significância de 64.3% (Chi2(16)= [13.40(chi2=0.643))], a hipótese nula de validade conjunta dos instrumentos referentes aos modelos GMM reportados pelas Tabela 2. Os instrumentos utilizados para o modelo GMM foram as dummy para os países e as variáveis independentes das defasagens.
Um exemplo que retrata a relação entre poluição e corrupção diz respeito à indústria cuja matriz está instalada em países desenvolvidos que utiliza mecanismos menos poluentes. Por outro lado, suas filiais situam-se em países menos desenvolvidos, em razão de esses países não possuírem uma política de redução da poluição de fato implementada. Empresas multinacionais e/ou nacionais (acordos comerciais) subornam funcionários públicos para ter vantagem na licitação de obra pública. Os países desenvolvidos utilizam um duplo padrão na hora de concretizar negócios com os países em vias de desenvolvimento: vantagens econômicas imediatas e a possibilidade de uso de subterfúgios (tais como a corrupção).
De acordo com os resultados reportados, observa-se que o nível de poluição é significativamente e negativamente influenciado pela corrupção (medido pelo índice de percepção de corrupção da Transparência Internacional-IPC). Um aumento nessa variável de 10% provoca um acréscimo sensível da poluição (quantidade ofertada de emissões de CO2) de
9,01% (medido pelo modelo GMM). A pontuação do IPC varia de 0 a 10. Quando a corrupção é considerada alta, recebe nota 0. Se a corrupção é considerada baixa, tem nota 10, de acordo com a percepção acerca do grau de corrupção. Os índices são baseados na percepção de corrupção da população de cada país. Uma identificação importante está relacionada ao desenvolvimento econômico. Os países menos desenvolvidos apresentam os índices mais baixos no Índice de Percepção de Corrupção (IPC) da Transparência Internacional.
Com relação à variável explicativa energia (medida em logaritmo do consumo de energia), percebe-se um impacto maior desta sobre o nível de poluição do que as demais em todos os modelos estimados. Todos os coeficientes de energia têm aproximadamente os mesmos valores dos demais, evidenciando a consistência dos resultados, oscilando de 0.895 (efeitos fixos com efeitos temporais [EFTEM] até 0.955 [mínimos quadrados ordinários] [OLS]). Analisado o coeficiente energia (lnenergy) do modelo 4, um acréscimo de 10% do consumo de energia gera um aumento da poluição em 9,38%.
A variável econômica PIB per capita (medida em logaritmo) se mostrou significativa nos quatro modelos estimados. No modelo GMM, por exemplo, essa variável apresentou um coeficiente de 0.520. Isso indica que uma variação positiva de 10% do PIB gera um aumento do volume de carbono emitido (emissões de CO2) de 5,2%, que contribui para o efeito estufa.
Os valores dos coeficientes da variável setor de indústrias (lnPIBindustrial) mostraram ser estatisticamente nulos em dois modelos, 2 (EFTEM) e 3 (EF), enquanto nos modelos 1 (OLS) e 4 (GMM), os coeficientes foram estatisticamente significativos aos níveis de significância de 5%. Comparando as estimativas encontradas pelos dois métodos adotados, verifica-se que não há quase diferenças (0.233-OLS) e (0.257-GMM) entre esses dois métodos. Os resultados reportados mostram que um aumento de 10% na produção do setor de indústrias geraria um incremento de 2,57% nas emissões de CO2 no mundo.
As variáveis year1-year11 são “dummies de tempo”; a variável year1 (ano de 1996) até year11 (ano de 2006) são variáveis representativas do efeito tempo. Um fato interessante é que os efeitos individuais e de tempo afetam de maneira idêntica a poluição. Os modelos de efeitos fixos para os efeitos individuais, modelo 3 (EF), e para o efeito tempo, modelo 2 (EFTEM), são estatisticamente significativos aos níveis de significância de 5%. Os efeitos temporais mantêm uma relação negativa como o volume de carbono emitido. Compreende-se que, ao longo dos anos, novas tecnologias incorporadas ao sistema produtivo podem contribuir para reduzir a taxa de emissões de CO2, favorecendo, assim, para a melhoria do meio ambiente.
Tabela 3 - Estimativas da Poluição Mundial com Dados em Painel para o Período 1996-2007 (variável dependente LnCO2)
(1-OLS) (2-EFTEM) (3-EF) (4-GMM) Lnipc -0.521*** -0.207* -0.461*** -0.901* (-5.87) (-2.22) (-4.78) (-2.03) lnenergy 0.955*** 0.895*** 0.943*** 0.938*** (62.25) (56.12) (43.59) (22.68) lngdp 0.374*** 0.259*** 0.488*** 0.520*** (13.00) (8.71) (16.76) (3.69) lnPIBindustrial 0.233*** 0.0218 0.0593 0.257* (4.93) (0.45) (1.05) (2.03) year1 -0.238* (-2.20)
year2 -0.259* (-2.34) year3 -0.219* (-1.99) year4 -0.230* (-2.21) year5 -0.374*** (-3.46) year6 -0.215* (-2.00) year7 -0.282** (-2.69) year8 -0.340** (-3.16) year9 -0.321** (-2.87) year10 -0.334** (-3.03) year11 -0.275* (-2.53) _cons -1.955*** -2.435*** -2.466*** (-11.61) (-10.92) (-3.71) N 557 557 557 232 R2 0.9315 0.9975 0.8992 F 1891.13 15079.72 938.54 196.94 corr(u_i, Xb) = -0.2076 rho .75513306 Sargan test of overid. chi2(16) 13.40(chi2=0.643) Hansen test of overid. chi2(16) 13.52(chi2=0.634) Arellano-Bond test for AR(1): -1.94(z=0.053) Arellano-Bond test for AR(2): 0.44(z=0.663) Hausman chi2(4) = 17.00 [Prob>chi2 = 0.0019]
Fonte: autoria própria.
Nota: entre parênteses estão os valores t de cada variável. * p<0.10, ** p<0.05, *** p<0.01
4.2 ESTIMANDO A CURVA DE KUZNETS AMBIENTAL – CKA
O modelo econométrico estimado foi derivado dos estudos anteriores sobre a Curva de Kuznets Ambiental – CKA, os quais empregaram algumas medidas de emissão de poluentes como variáveis dependentes, o PIB per capita e o seu quadrado como as mais importantes
variáveis explicativas. Neste trabalho, porém, somente uma medida de emissão será considerada, o dióxido de carbono (CO2), por ser o principal responsável pelo efeito estufa e,
consequentemente, pelo fenômeno do aquecimento global.
Desse modo, foram empregadas variáveis que afetam as emissões de poluição (CO2),
introduzindo duas variáveis explanatórias adicionais, ou seja, a produção industrial per capita e o consumo de energia per capita. Além dessas, uma variável dummy também foi adicionada à regressão, assumindo o valor “um” para os países que ratificaram o Protocolo de Kyoto e “zero” aqueles que não o ratificaram.
A equação econométrica tem a seguinte estrutura:
(18)
onde Poli mede a poluição e na qual i representa as emissões de dióxido de carbono per capita
no país i (CO2); GDP é o símbolo para o PIB per capita no país i; i GDP2 é o quadrado da
variável i GDP; GDP3 é o cúbico da variável GDP; ENERGIA representa o consumo de energia
per capita do país i; a variável PIB Industrial representa a produção industrial per capita no
país i (em dólar); Kyoto é uma variável dummy para os países que ratificaram o Protocolo de Kyoto. O é termo aleatório i ε tem média zero e variância constante. Os , são os parâmetros a serem estimados.
Um importante estudo sobre emissões é o artigo de De Bruyn (1998), o qual mostra o comportamento e a mudança estrutural da Curva de Kuznets Ambiental com base nos acordos internacionais para reduzir as emissões de enxofre. A relação entre o rendimento e a pressão ambiental pode ser desenhada de maneiras diferentes. Num primeiro nível, pode-se distinguir entre as curvas monotônicas e não monotônicas representando esse relacionamento.
2: Se <0 e = 0, as emissões reduzem monotonicamente à medida que a renda
per capita cresce;
3: Se e 0, níveis maiores de renda per capita estão associados a níveis declinantes nas emissões depois que um certo nível de renda per capita é alcançado. Nesse caso, verifica-se a Curva Ambiental de Kuznets;
4: Se e 0, as emissões se reduzem enquanto a renda per capita cresce, a princípio, e depois que a renda per capita alcança certo nível, passam a crescer monoticamente. Trata-se de uma função na forma de U;
5: Se e 0, o comportamento é semelhante ao verificado na relação (3), porém ocorre um subsequente aumento nas emissões para níveis elevados de renda
per capita, representando uma figura na forma de N;
6: Se
10 e 2 0e3 0, implica uma situação oposta à verificada na relação (5). Trata-se de um N invertido.7: Se e 0, essa situação indica que as emissões não são afetadas pelo níveis de renda.
A Curva Ambiental de Kuznets na forma de U invertido ocorre quando e 0, quando acontece o ponto de inflexão: yt = exp (- .
A Tabela 4 abaixo reporta os resultados do modelo econométrico da Curva de Kuznets Ambiental estimada pela metodologia de Métodos Generalizados de Momentos (GMM). Nesse conjunto de regressões, optou-se por seguir a metodologia econométrica tradicional na estimativa da Curva de Kuznets Ambiental. A contribuição deste estudo é incluir a corrupção de maneira indireta no modelo, isto é, a corrupção foi incluída como uma variável instrumental que instrumentaliza o produto interno bruto per capita de cada país. A literatura da Curva de Kuznets Ambiental foi ligada à literatura de crescimento. Assim, os resultados presentes na Tabela 4 incluem explicitamente apenas as variáveis que comumente aparecem na estimativa da CKA. A corrupção entra apenas na instrumentalização do PIB per capita de cada país. A ideia
aqui é que a corrupção tem efeitos sobre o nível de renda de um determinado país. Afinal, países mais corruptos provavelmente possuem instituições mais fracas e menos eficientes. Com instituições menos sólidas, o crescimento em longo prazo de um país é comprometido. Svensson (2005), reinvindica que grande parte da literatura teórica, assim como a evidência microeconómica, parecem sugerir que a corrupção dificulta severamente o desenvolvimento económico. Méon e Sekkat (2005) mostra um impacto negativo significativo da corrupção sobre o crescimento que não só é independente do efeito da corrupção sobre o investimento como tende a agravar-se à medida que a qualidade da governabilidade se deteriora.
A Tabela 4 apresenta os resultados da regressão da emissão de CO2 contra o produto per
capita, seu valor ao quadrado, e as outras variáveis explanatórias pelo método generalizado de
momentos, isto é, de fato a variável renda per capita foi instrumentalizada. Todos os valores dos coeficientes estimados revelam-se estatisticamente significativos ao nível de significância de 10%. Os coeficientes para GDPpercapita, GDPpercapita2 e GDPpercapita3 corroboram as hipóteses da Curva de Kuznets Ambiental. Os outros coeficientes estão de acordo com a expectativa teórica. O coeficiente para o termo cúbico do PIB é positivo e significativo; isso significa que os resultados da Tabela 4 sugerem que o efeito na diminuição das emissões quando a renda está crescendo é transitório, pois quando ocorrem aumentos adicionais na renda
per capita, as emissões de CO2 voltam a crescer. Esse resultado – a CKA no formato de N –
corrobora as conclusões do trabalho de De Bruyn et al. (1998). Nesses termos, esta tese rejeita a hipótese de Grossman e Krueger (1991) de que a CKA tem forma de U invertido.
Em relação aos diagnósticos da regressão, pode-se observar que os testes de restrição – Teste de Sargan de sobreidentificação (0.497) e Teste de Hansen de sobreidentificação (0.502) – validam os instrumentos utilizados, corrigindo a endogeneidade apresentada entre poluição e renda.
Tabela 4 - Curva de Kuznets Ambiental – CKA: Modelo GMM Variável Dependente – Emissões de CO2
Variáveis
Coeficientes-
GMM Std. Err. t
PIBpercapita 0.00020 0.00003 7.54
PIBpercapita2 -1.02E-08 1.60E-09 -6.39
PIBpercapita3 1.35E-13 2.42E-14 5.58
PIB Industrial 0.035 0.016 2.22
Kyoto 0.004 0.001 2.56
Energia 1.047 0.032 32.33
_cons -1.342 0.314 -4.27
Prob > F = 0.000
Arellano-Bond test for AR(2) in first differences: z = 0.24 Pr > z = 0.811 Sargan test of overid. restrictions: chi2(57) = 56.43 Prob > chi2 = 0.497 Hansen test of overid. restrictions: chi2(57) = 56.28 Prob > chi2 = 0.502
CONCLUSÕES
Esta tese apresentou uma revisão da literatura sobre a Curva de Kuznets Ambiental (CKA). Além disso, quatro outras contribuições realizadas neste estudo merecem destaque. Em primeiro lugar, considerando os escassos trabalhos a respeito desse tema, este estudo verificou o impacto direto da corrupção nas emissões de CO2. Para isso, foram utilizadosquatro métodos
distintos, para o período de 1996 a 2007, numa amostra de 132 países. Em segundo lugar, foi feito um link entre duas literaturas distintas: economia do crime e aquecimento global.
Em terceiro lugar, comprovou-se que uma metodologia econométrica mais sofisticada (Método Generalizado de Momentos) rejeita a hipótese de uma CKA com forma de U invertido. Esse resultado fortalece a hipótese de que a CKA possui a forma de um N. Essa solução – a CKA no formato de N – corrobora as conclusões do trabalho de De Bruyn et al. (1998). Diante disso, esta tese rejeita a hipótese de Grossman e Krueger (1991) de que a CKA possui a forma de U invertido. Por fim, em quarto lugar, verificou-se o efeito de outras variáveis comumente listadas nos estudos sobre a CKA. A seguir, são detalhadas cada uma das contribuições.
Usando um conjunto de dados referente à percepção da corrupção no setor público, num painel de países considerado o período de 1996 a 2007, foi estimado o efeito da corrupção (ou sua percepção) na emissão de CO2. De acordo com as estimativas reveladas na Tabela 3, uma
melhoria de 10% na percepção da corrupção poderia reduzir a emissão de CO2 num
determinado país em até 9%. Isso aponta o forte impacto negativo da corrupção sobre a emissão de gases de efeito estufa.
A segunda contribuição desta tese se refere ao link entre duas literaturas distintas: economia do crime e aquecimento global. Enfatizou-se que os estudos de economia do crime, notadamente a parte que trata da corrupção e emissão de licenças, estão intimamente ligados aos incentivos que os agentes recebem para aumentar ou diminuir o grau de degradação ambiental. Desse resultado, pode-se inferir que a presença de instituições fortes, que coíbam a corrupção, colabora não apenas com o crescimento econômico, mas também para um meio ambiente mais limpo e sustentável.
A terceira contribuição reside na rejeição do formato de U invertido para a Curva de Kuznets Ambiental. Usando uma metodologia econométrica que leva em consideração a
endogeneidade entre as variáveis poluição e crescimento econômico, pôde-se demonstrar que o formato da CKA é similar a um N. Nessa metodologia, utilizou-se a variável “percepção da corrupção” para instrumentalizar a renda de um país, fazendo, dessa maneira, a ligação entre a literatura de poluição com a literatura de crescimento econômico. Assim, rejeita-se que a CKA tenha formato de U invertido. Com base nessa constatação, esta tese rejeita a hipótese levantada por Grossman e Krueger (1991). Os resultados aqui apresentados fortalecem o estudo de De Bruyn et al. (1998), o qual sugere um formato de N para a CKA.
A quarta contribuição mostra o efeito de outras variáveis, tais como a produção industrial e o consumo de energia, sobre a CKA. Cabe ressaltar que essas variáveis, apesar de não serem centrais na análise, comumente aparecem nos estudos econométricos que estimam a CKA. Por exemplo, foi incluída uma variável dummy para representar os países que ratificaram o Protocolo de Kyoto. O coeficiente estimado dessa variável dummy, que apresenta um valor positivo de 0,004, sugere que os países que ratificaram o Protocolo de Kyoto emitem mais kt de carbono do que os países que não assinaram.
Isso não deve ser compreendido como um resultado necessariamente ruim, uma vez que tal fato pode apenas estar representando a transferência de atividades poluidoras para países periféricos, onde o custo de se reduzir a poluição é menor. Se este for o caso, isso é um sinal de que o mecanismo de desenvolvimento limpo (créditos de carbono), proposto no Protocolo de Kyoto, está a operar em acordo com seu desenho e com as expectativas.