Painel estático

No caso da estimação25 de painéis estáticos, a priori, não há como saber se o estimador é de efeitos fixos (FE) ou aleatórios (RE). Aplicou-se, então, o Teste de Hausman (1978) ao modelo original, em nível, tal qual proposto por Feenstra (1989). O resultado apontou para uma estatística Chi2 = 2.69, sendo Prob> Chi2 = 0.8469. Não foram encontradas, portanto, evidências para rejeitar a hipótese nula de que o painel é de efeitos aleatórios. O estimador eficiente é o FGLS (Feasible Generalized Least Square), que corrige a heterocedasticidade.

Em seguida, estimou-se o modelo de Feenstra (1989) em nível de forma a identificar possíveis problemas e utilizar especificações alternativas26. Utilizou-se uma das especificações sugeridas pelo autor, permitindo que o custo dos fatores internacionais (ln wt*)

e o câmbio (ln st-i) entrassem separadamente na equação. Não se trabalhou com a ideia de

câmbio esperado, uma vez que, diferentemente dos exportadores, a taxa de câmbio é conhecida no momento da definição de preços pelo produtor nacional. Vale lembrar que o autor concluiu pela existência de raiz unitária da série norte-americana de câmbio e ainda assim estimou o modelo em nível. A equação estimada inicialmente foi a (6).

Tendo em vista os resultados mostraram sinais contrários ao esperado para algumas variáveis, estimou-se a equação (6) com a tarifa em primeira diferença, considerando-se que a variação da tarifa seria responsável pelo efeito sobre preços, conforme equação (9).

(

...(9)

Novamente os resultados – em relação aos sinais e à significância estatística - não foram os esperados. Testou-se o modelo com o câmbio defasado, a tendência, o minério de ferro e o consumo de energia elétrica, os dois últimos como itens representativos dos custos

25 _{A estimação dos modelos estático e dinâmico foi realizada com o software STATA (versão 12.1).}

26 _{Testou-se, inclusive, a tendência quadrática, que não apresentou significância estatística. Isto pode indicar que}

de produção, estimando-se as equações (10), (11) e (12), a seguir. Ressalte-se que para todos os modelos estimados o Teste de Hausman (1978) apontou para um painel de efeitos aleatórios. ( ...(10) ( ...(11) ( ...(12)

Observa-se, a partir da Tabela 12, que todas as variáveis, exceto as importações, são significativas ao nível de 5% e que não há diferenças consideráveis entre os cinco modelos (exceto que no segundo modelo, a tarifa não apresenta significância estatística). Somente foram incluídas as defasagens significantes do câmbio. Todavia, esperava-se um sinal positivo para a variável tarifa, pois quanto maior a tarifa, menor o volume importado, menor a concorrência interna e maiores são preços. Este problema poderia ser explicado pela existência de colinearidade da tarifa com a constante, haja vista a pouca variabilidade daquela variável. Vale lembrar que as reduções de tarifa para o setor siderúrgico ocorreram a partir do primeiro trimestre de 2005 e foram aplicadas para apenas cinco dos dez indivíduos. Para produção, câmbio, preço internacional e custo de fator o sinal positivo era esperado. O fato de as importações não terem significância estatística corroboraria a hipótese deste estudo, segundo a qual a tarifa afeta preços internos independentemente da quantidade importada, ou seja, a expectativa de aumento de importações por si só evitaria grandes aumentos de preços.

Tabela 12: Estimação de painel de efeito aleatório do modelo original em nível

lnpreço Equação (6) Equação (9) Equação (10) Equação (11) Equação (12)

Coef DP Coef DP Coef DP Coef DP Coef DP

t - - - 0,005** 0,001 0,002** 0,001 constante -3,478** 0,153 -3,719** 0,129 -3,318** 0,160 -2,847** 0,212 -3,552** 0,673 lnprod 0,026** 0,006 0,032** 0,006 0,025** 0,006 0,025** 0,006 0,024** 0,006 lnimp 0,000 0,003 0,000 0,003 0,001 0,003 -0,002 0,003 -0,003 0,003 lntarifa -0,546** 0,197 -0,039 0,407 -0,594** 0,197 -0,598** 0,195 -0,469** 0,197 lnpreint 0,116** 0,018 0,120** 0,018 0,118** 0,018 0,115** 0,018 0,097** 0,018 lncâmbio 0,637** 0,016 0,633** 0,017 0,387** 0,071 0,308** 0,075 0,259** 0,075 lncâmbio (-1) - - - - 0,253** 0,071 0,247** 0,071 0,256** 0,069 lnfator 1,147** 0,027 1,161** 0,027 1,123** 0,027 0,938** 0,061 0,709** 0,084 lnmferro - - - 0,203** 0,053 lnmenergia - - - 0,215** 0,080

Fonte: Dados da pesquisa. DP = desvio padrão

Estimou-se, então, o modelo em primeira diferença, haja vista que não havia ficado evidenciada a estacionariedade das séries de preço nacional e de custo de fator. O teste de Hausman se torna desnecessário, vez que em primeira diferença o painel será de efeito fixos. O principal problema desta estimação é que se perde informação de longo prazo, tendo em vista a retirada da tendência, trabalhando-se num modelo de curto-prazo. Procedeu-se à estimação da equação (6) em primeira diferença, com uso do estimador within groups.27 Os sinais dos coeficientes foram os esperados, todavia, as variáveis importação, tarifa e produção não apresentaram significância estatística. O poder explicativo do modelo foi de 22% (R2

overall = 0,22). Buscou-se, então, melhorar a especificação do modelo acrescentando uma defasagem do câmbio, o preço do minério de ferro e o consumo de energia elétrica, que foram significantes na estimação do modelo em nível. Ademais, observou-se que a variável preço apresenta oscilações em torno do 3º trimestre de 2002 ao 2º trimestre de 2005 (momento de elevação de preços internacionais diante das medidas norte-americanas de proteção ao setor siderúrgico) e do 1º trimestre de 2008 ao 4º trimestre de 2009 (período da crise do subprime dos EUA). Testou-se, então o modelo com as duas variáveis dummy temporais D1 e D2, equivalentes aos períodos citados, sugestão esta apresentada em Feenstra (1989). Observou-se que a dummy do segundo período não apresentou significância estatística e que a variável do câmbio defasada em primeira diferença apresentava coeficiente próximo de zero; estas variáveis foram então retiradas da estimação. Por fim, obteve-se o modelo abaixo:

(

...(13)

Os principais resultados estão na Tabela 13. O poder explicativo do modelo aumentou para 32% (R2 overall = 0,32). Todas as variáveis apresentaram o sinal esperado, embora produção e importações não tenham apresentado significância estatística28. O custo da mão de obra foi a variável mais importante do modelo (coeficiente =0,594), seguida da tarifa (0,29) e do câmbio (0,24). Em resumo, a variação de 1% da tarifa impacta em 0,29% na variação do preço do produto nacional, independentemente do volume importado, e a variação de 1% no câmbio, 0,24%. Quanto à possível igualdade de pass-through entre câmbio e tarifa, procedeu-

27 _{Utilizou-se também o estimador FGLS, de efeito aleatório, para fins de verificação. Não foram encontradas}

diferenças nos resultados da estimação com FGLS e Within Groups.

28 _{Estimou-se a equação (12) sem as variáveis produção e importação, não tendo havido alteração relevante no}

se ao Teste de Wald, testando as seguintes hipóteses nula e alternativa, a partir da equação (12):

H0:

Ha:

Obteve-se a estatística qui-quadrado _{, com prob = 0,75. Este resultado não} permite rejeitar a hipótese nula de que os coeficientes das variáveis tarifa e câmbio são iguais, indicando que o pass-through de tarifa e câmbio, no curto prazo, é o mesmo, comprovando a hipótese de simetria.

Tabela 13: Estimação de painel de efeito fixo para o novo modelo em primeira diferença com inclusão de minério de ferro, consumo de energia elétrica e dummy temporal

dlnpreço FE – Within Group

Coef DP constante 0,005** 0,002 dlnprod -0,011 0,015 dlnimp -0,001 0,001 dlntarifa 0,294** 0,147 dlnpreint 0,023*** 0,012 dlncâmbio 0,247** 0,025 dlnfator 0,594** 0,073 dlnmferro 0,075** 0,019 dlnenergia 0,178** 0,033 D1 0,031** 0,002 R2 _{overall 0,326} Observações 610 Fonte: Dados da pesquisa. (**) Significante ao nível de 5% (***) Significante ao nível de 10%

Portanto, a partir do modelo (13) apresentado, pode-se confirmar a hipótese de que no setor siderúrgico a alteração do imposto de importação afeta o preço do produto nacional, no curto-prazo, independentemente da variação no volume de importações. O pass-through estimado para a tarifa foi de 0,29%. Vale dizer que a redução da tarifa no setor siderúrgico, a partir de 2005, de 12% para 0%, teria levado a uma redução de preços de 3,5 % (0,29*0,12 = 0,035). No caso do setor siderúrgico, o pass-through de tarifas e de câmbio é incompleto. Nos modelos testados, a variável que apresentou maior impacto sobre os preços foi o custo da mão

de obra; resultado interessante e que merece estudos futuros, visto que a siderurgia é intensiva em capital29. Quando se compara os modelos de longo prazo (o mais completo da Tabela 12) e curto prazo (Tabela 13), verifica-se que não há alteração significativa no coeficiente da variável custo de fator (0,70 no de longo prazo ante 0,59 no de curto prazo). No caso do câmbio, há uma diferença considerável entre os modelos. No modelo de longo prazo, o pass-

through seria a soma dos coeficientes da variável câmbio e de sua defasagem: 0,25 + 0,25

=0,50; já no modelo de curto prazo, o coeficiente de repasse foi de apenas 0,24, vez que a diferença do câmbio defasado apresentou coeficiente próximo de zero. O Teste de Wald apontou para a simetria de pass-through de câmbio e tarifa. Deve-se ressaltar que em todos os modelos estimados, o câmbio aparece como variável significativa.