Metodologia de Análise

Tomando como base a literatura revisada, podemos definir o clima econômico como uma função de variáveis econômicas (VE) e variáveis políticas (VP). Dessa maneira, estabelecemos o Índice de Clima Econômico (ICE) como a variável dependente do estudo e as variáveis econômicas e políticas como as variáveis de controle. O que buscamos é verificar como as VE e VP se correlacionam com o ICE, identificando, consequentemente, o impacto dos escândalos políticos sobre o clima econômico avaliado pelos especialistas. Assim, definimos a seguinte função a ser verificada:

��� = � � , ��

Variáveis Econômicas (VE). Sabemos, por meio da literatura de voto

econômico na América Latina, que indicadores econômicos tais como a taxa de inflação, taxa de desemprego e a variação no crescimento do PIB são, em geral, dados sensíveis para a o público e que apresentam grande correlação com o desempenho econômico (CARLIN;LOVE;GALLARDO, 2015). Levando-se em conta a exclusiva participação dos especialistas na avaliação de clima econômico, adicionamos, ainda, dois indicadores que julgamos importantes para a avaliação econômica da região sul- americana: a taxa de câmbio e o índice GET (Good Economic Times).

O índice GET, elaborado por Campello e Zucco (2016), é formado pela combinação de dois indicadores econômicos – preço de commodities e taxas de juros norte-americanas -, gerando um índice composto de variáveis exógenas capazes de explicar ciclos de crescimento das economias sul-americanas exportadoras de commodities. O índice GET é medido por meio de uma unidade. Valores mais altos representam “bons tempos” (altos preços de commodities e baixos juros norte- americanos) e valores mais baixos representam “maus tempos” para a região (baixos preços de commodities e altos juros norte-americanos). A razão para adicionar o índice GET na análise é que ele pode ser utilizado como uma variável “proxy” capaz de

substituir as variáveis econômicas domésticas, respondendo pelo desempenho econômico que não depende das decisões de governos.

Os indicadores econômicos foram coletados no site tradingeconomics.com que compila os principais dados econômicos com base em informações diárias (taxas de câmbio), mensais (taxa de inflação e taxa de desemprego) e trimestrais (crescimento do PIB em preços constantes) obtidas em fontes oficiais das agências governamentais competentes de cada país. O índice GET foi disponibilizado por seus autores. Os dados econômicos foram então transformados em períodos trimestrais como forma de compatibilizá-los com o ICE, divulgado trimestralmente. Utilizamos um recorte temporal de 10 anos para a coleta dos dados (de 2005 até 2014).

Operacionalizamos as VEs como uma função dos seguintes indicadores referentes a cada um dos setes países sul-americanos incluídos no estudo: variação da taxa de crescimento do PIB _{�� , taxa de inflação � , taxa de câmbio � , taxa de} desemprego _{� e índice GET � � .}

�� = ��, �, �, �, � �

Variáveis Políticas (VP). Seguindo a literatura apresentada sobre os

determinantes políticos da confiança do público na economia e nosso interesse em identificar correlações entre os escândalos políticos e o ICE, identificamos a VP como uma função de três importantes elementos políticos: escândalos políticos (EP); as eleições presidenciais (E) e a ideologia do presidente no poder (ID).

A identificação de escândalos políticos seguiu de acordo com a pesquisa apontada na seção que versa sobre a variável explicativa do estudo (2.1.2). Sua identificação detalhada pode ser encontrada no ANEXO A. Para modelagem dos dados, transformamos os escândalos políticos em uma variável binária (dummy) – forma de introduzir características qualitativas em modelos econométricos,- utilizando o valor 1 (um) para identificar presença de escândalos políticos em um determinado trimestre e 0 (zero) para completar períodos com ausência de escândalos.

O período das eleições foi identificado nos sites dos principais órgãos eleitorais dos países sul-americanos, sendo identificado, também como uma variável binária, o primeiro turno das eleições ocorridas entre 2005 e 2014. A justificativa para inclusão das eleições no presente trabalho está nas evidências apontadas por estudos que

encontram correlações entre períodos eleitorais e confiança do público na economia de seus países (DE BOEF; KELLSTEDT, 2004; NORPOTH, 1996).

Incluímos, ainda, a ideologia do presidente como um elemento que julgamos importante na avaliação por especialistas do clima econômico de países sul-americanos. Mercados reagem a declarações e posicionamentos políticos. Apresentam, dessa forma, reações diversas a depender das inclinações ideológicas e do discurso utilizado pelo candidato vencedor das eleições e sua predisposição em intervir mais ou menos na economia de seu país (liberal vs intervencionista). Para identificação da orientação ideológica do presidente no poder, utilizamos os conceitos apresentados por Campello (2014) que interpreta campanhas eleitorais e ideologias de governos a partir da alteridade “market-oriented” (liberais) vs “state-oriented” (intervencionistas). Utilizamos os critérios propostos por Campello (2014) para atualizar sua base de dados de ideologias dos presidentes sul-americanos. Codificamos as ideologias em variáveis binárias, sendo computado o valor 0 (zero) para presidentes intervencionistas e 1 (um) para presidentes liberais. No ANEXO B, encontra-se a codificação detalhada. A identificação dos posicionamento ideológicos dos presidentes se deu por interpretação de notícias veiculadas pelo LAWR.

Dessa maneira, apresentamos as variáveis políticas da seguinte forma:

�� = �, , �

2.2.1 Modelo de Dados em Painel

O interesse empírico do trabalho está na busca da possível correlação entre os escândalos políticos e o ICE. Para isso, é usado um modelo econométrico de painel que contém informações do país i no tempo t. Os países são Argentina, Brasil, Colômbia, Equador, Paraguai, Peru e Venezuela e o recorte temporal vai do primeiro trimestre de 2005 ao quarto de 2014.

O modelo do painel permite combinar séries temporais com dados de corte transversal. Segundo Gujarati (2006), os dados em painel proporcionam “dados mais informativos, mais variabilidade e menos colinearidade entre variáveis, mais graus de liberdade e mais eficiência”.

O modelo de regressão com dados em painel utilizado nessa metodologia, com n observações em T períodos e K variáveis pode ser representado da seguinte forma:

���= ��� � + ���

Onde _��� é a variável dependente, ��� é um vetor 1 x K contendo as variáveis explicativas, _{� é um vetor K x 1 de parâmetros a serem estimados e �}�� corresponde aos erros aleatórios. Os sub-índice i correspondem à unidade observacional (países) e o t ao período de cada variável.

O coeficiente encontrado de uma variável corresponderá ao seu efeito sobre o ICE, independente das variações das outras variáveis incluídas no modelo. Caso o p- valor encontrado seja superior a 0,05 não podemos rejeitar a hipótese de que o coeficiente estimado é diferente de zero (a um nível de confiança de 95%).

O modelo empregado utiliza efeitos fixos para o tempo e para os países. Os efeitos fixos-tempo ajudam a retirar do modelo a influência de ciclos econômicos comuns aos países selecionados. Ao utilizarmos o índice GET, no entanto, torna-se redundante adicionar os efeitos fixos-tempo, pois trata-se de uma variável exógena que determina em grande parte as flutuações da economia sul americana (Campello e Zucco, 2013).

Já os efeitos fixos-país ajudam a retirar do modelo a influencia de características estruturais não observáveis de cada país. Para não se criar um modelo com muitas variáveis, os efeitos fixos-país pode ser substituído por um modelo em diferenças ou com a diferença em relação à média.