4. Dados e Metodologia
4.1 Resultados e Discussão
A primeira etapa deste estudo incide na análise evolutiva da variável base, o endividamento das famílias portuguesas, por forma a compreender o seu comportamento ao longo dos anos. O gráfico 2 ilustra a trajetória da variável e denota uma tendência relativamente constante aquando aumentos ou diminuição, como seria expectável.
GRÁFICO 2-EVOLUÇÃO DO ENDIVIDAMENTO DAS FAMÍLIAS PORTUGUESAS
Fonte: OECD, retirado de https://data.oecd.org/hha/household-debt.htm, acedido em 23/05/2022
De facto, entre o ano de 2000 até 2007 é notório um crescimento acelerado desta variável, sendo que a mesma se foi estabilizando até 2010.
Este endividamento poderá ter surgido maioritariamente por via da desregulamentação financeira que aliviou as limitações de acesso ao crédito, e a redução das taxas de juro motivada por um cenário de baixa inflação, o que torna visível a sensibilidade das famílias às decisões de política monetária.
Posteriormente denota-se uma queda no endividamento, e ainda que a sua leitura não seja de fácil compreensão pelo facto de existir um contraste entre o endividamento das famílias e o conjunto dos anos em que se
53
sucedeu a grande crise económico-financeira, a verdade é que apesar das conjunturas económicas desfavorecidas e de vulnerabilidades financeiras que o país atravessou, entre o ano de 2017 e 2020 o INE anunciou que os portugueses aumentaram a sua riqueza liquida média em 19,9%, dado que as taxas de juro diminuiu para níveis que até então se revelaram historicamente baixos e dada a valorização dos imóveis.
Posto isto, dá-se início ao estudo empírico cuja equação genérica pode ser especificada a partir da primeira diferença.
∆ 𝐸𝑛𝑑𝐹𝑡 = 𝛼0+ ∑ 𝛼1𝑖∆𝐸𝑛𝑑𝐹𝑡−𝑖
𝑚
𝑖=1
+ ∑ 𝛼2𝑖∆𝑇𝑥𝐽𝑡−𝑖
𝑚
𝑖=1
+ ∑ 𝛼3𝑖∆𝑃𝑟𝐻𝑎𝑏𝑡−𝑖
𝑚
𝑖=1
+ ∑ 𝛼4𝑖∆𝐶𝑟𝑒𝑑𝑃𝑡−𝑖
𝑚
𝑖=1
+ ∑ 𝛼5𝑖∆𝑇𝑥𝐶𝑎𝑚𝑏𝑡−𝑖
𝑚
𝑖=1
+ ∑ 𝛼6𝑖∆𝑅𝑒𝑚𝑡−𝑖
𝑚
𝑖=1
+ 𝛽1𝑦𝑡−𝑖 + 𝛽2𝑇𝑥𝐽𝑡−𝑖+ 𝛽3𝑃𝑟𝐻𝑎𝑏𝑡−𝑖+ 𝛽4𝐶𝑟𝑒𝑑𝑃𝑡−𝑖+ 𝛽5𝑇𝑥𝐶𝑎𝑚𝑏𝑡−𝑖+ 𝛽6𝑅𝑒𝑚𝑡−𝑖 + 𝜀𝑡
Em que TxJ, PrHab, CredP, TxCamb e Rem correspondem aos indicadores representativos dos mecanismos de transmissão de política monetária; 𝛼0 é o termo independente; ∆ o operador de primeiras diferenças; e ɛ o termo de erro.
Posteriormente, se for verificada a relação entre as variáveis a longo prazo, os coeficientes podem ser estimados:
𝐸𝑛𝑑𝐹𝑡 = 𝛼0+ ∑ 𝛼1𝑖𝐸𝑛𝑑𝐹𝑡−𝑖 𝑚
𝑖=1
+ ∑ 𝛼2𝑖𝑇𝑥𝐽𝑡−𝑖 𝑚
𝑖=1
+ ∑ 𝛼3𝑖𝑃𝑟𝐻𝑎𝑏𝑡−𝑖 𝑚
𝑖=1
+ ∑ 𝛼4𝑖𝐶𝑟𝑒𝑑𝑃𝑡−𝑖 𝑚
𝑖=1
+ ∑ 𝛼5𝑖𝑇𝑥𝐶𝑎𝑚𝑏𝑡−𝑖
𝑚
𝑖=1
+ ∑ 𝛼6𝑖𝑅𝑒𝑚𝑡−𝑖
𝑚
𝑖=1
+ 𝜀𝑡
E a dinâmica relativa ao curto prazo é feita através da aplicação do modelo de correção dos erros (ECM), uma vez que este mecanismo viabiliza o ajustamento da variável do endividamento das famílias ao seu percurso
54
de equilíbrio de longo prazo. Assim, o erro de correção é alcançado na seguinte equação (Brooks, 2008).
∆𝐸𝑛𝑑𝐹𝑡 = 𝛼0 + ∑𝑚𝑖=1𝛼1𝑖∆𝑇𝑥𝐽𝑡−𝑖+ ∑𝑚𝑖=1𝛼2𝑖∆𝑃𝑟𝐻𝑎𝑏𝑡−𝑖 + ∑𝑚𝑖=1𝛼3𝑖∆𝐶𝑟𝑒𝑑𝑃𝑡−𝑖+ ∑𝑚𝑖=1𝛼4𝑖∆𝑇𝑥𝐶𝑎𝑚𝑏𝑡−𝑖+ ∑𝑚𝑖=1𝛼5𝑖∆𝑅𝑒𝑚𝑡−𝑖+ 𝛾(𝐸𝑛𝑑𝐹𝑡−1− ( 𝛼1𝑇𝑥𝐽𝑡−𝑖+
𝛼2𝑃𝑟𝐻𝑎𝑏𝑡−𝑖+ 𝛼3𝐶𝑟𝑒𝑑𝑃𝑡−𝑖+ 𝛼4𝑇𝑥𝐶𝑎𝑚𝑏𝑡−𝑖+ 𝛼5𝑅𝑒𝑚𝑡−𝑖 )) + 𝜀𝑡
Dada a utilização da abordagem de cointegração através dos modelos ARDL, modelos auto-regressivos com desfasamentos distribuídos, a decisão sobre a estacionariedade da série é tomada através de testes de hipótese, nomeadamente do teste de raiz unitária Augmented Dickey-Fuller (ADF) e Phillips-Perron (PP). Este teste rejeita a hipótese nula quando o valor observado de estatística de teste for inferior ao valor crítico, sendo que a rejeição da hipótese nula indica que a serie é estacionária e em contrapartida a presença de raízes unitárias se houver não rejeição da mesma. A Tabela 3 e 4 indicam os resultados do teste em nível e primeiras diferenças, tendo sido feito um estudo com constante e com constante e tendência. Na prática, devem ser acrescentados tantos desfasamentos quanto os necessários para que a serie não sofra de autocorrelação.
Constante Constante e
Tendência Constante Constante e Tendência
TxJ 0,3557 0,5936 0,0013 0,0078 I (1)
PrHab 0,3721 0,9528 0,3584 0,3208 I (1)
TxCAMB 0,0666 0,4083 0,0000 0,0000 I (1)
Rem 0,2171 0,5133 0,0041 0,0097 I (1)
EndF 0,2487 0,9943 0,0422 0,0214 I (1)
H0: série com raíz unitária (hipótese nula rejeitada quando p<0.05)
Em nível (I0) Em primeiras diferenças (I1)
Variável Conclusão
TABELA 3– P-VALUES DO TESTE ADF
55 Constante Constante e
Tendência Constante Constante e Tendência
TxJ 0,2717 0,4945 0,0009 0,0055 I (1)
PrHab 0,6131 0,9925 0,3584 0,2931 I (1)
TxCAMB 0,0628 0,3868 0,0000 0,0000 I (1)
Rem 0,5453 0,9554 0,0038 0,0094 I (1)
EndF 0,3006 0,9889 0,0485 0,0214 I (1)
H0: série com raíz unitária (hipótese nula rejeitada quando p<0.05)
Em nível (I0) Em primeiras diferenças (I1)
Variável Conclusão
TABELA 4- P-VALUES DO TESTE PP
Para o efeito, concluiu-se através destes testes que para um nível de significância de 5%, existe evidência estatística para aceitar a hipótese nula do teste de raiz unitária para todas as variáveis, pelo que existe evidência para afirmar que a série temporal respeitante às variáveis taxa de juro (TxJ), preço de habitação (PrHab), taxa de câmbio (TxCamb), remunerações (Rem) e endividamento das famílias (EndfF), se apresentam como não estacionárias em ambos os testes, sendo que quando isso se sucede o recorrente é proceder à logaritmização das mesmas. Ainda assim, a conclusão das seis variáveis pode ser vista através da sua diferenciação, dado que quando não se rejeita a hipótese nula para determinada variável 𝑌𝑡 se analisa o comportamento em termos de estacionariedade de ∆ 𝑌𝑡. Note-se, portanto, que nenhuma das variáveis se revela estacionária de ordem I(0), mas estacionária em ordem I(1).
Após estimação dos testes de raízes unitárias, um outro ponto importante e crucial para o bom desempenho desta estimação volta-se para a decisão do número de desfasamentos a utilizar na regressão auxiliar. Por norma, a inclusão do número inicial de desfasamentos é ditada pela frequência dos dados, sendo que em dados anuais é recorrente utilizar-se duas observações. No entanto, de acordo com os resultados obtidos para o critério AIC, SC e HQ, o número ótimo de lags é 3, dado que o terceiro desfasamento se revelou significativo. Assim, devem incorporar-se 3 lags no modelo.
56 Endividamento
das Famílias Lag LR FPE AIC SC HQ
0 NA 0.014807 (-1.379124) (-1.139154) (-1.307768) 1 49.56050 0.001510 (-3.665073) (-3.377110) (-3.579447) 2 1.678923 0.001502 (-3.674946) (-3.338988) (-3.575048) 3 4.477638* 0.001286* (-3.836537)* (-3.452585)* (-3.722368)*
4 0.954106 0.001324 (-3.815468) (-3.383523) (-3.687028) Total
TABELA 5-VALORES DOS CRITÉRIOS DE INFORMAÇÃO POR DEFASAGEM
Convém referir ainda que, de acordo com este software, apesar de se ter avaliado os valores dos critérios de informação por desfasamento, ao selecionar a metodologia ARDL, o número de lags pode ser selecionado de forma automática e de acordo com o critério de seleção que pretendermos aquando estimação do modelo. Neste sentido, e dada a verificação anterior do número de desfasamentos, optou-se por colocar a seleção automática dos mesmos, mas com um máximo de 3 lags nos regressores e máximo de 4 lags para a variável dependente. Além disso, a especificação de tendência também pode ser selecionada, sendo que segundo os resultados de raiz unitária, selecionar as variáveis com constante e sem tendência revelou-se serem mais consistentes do ponto de vista econométrico, optando desse modo por utilizar-se apenas com constante. Ainda nessas especificações da equação, além dos lags e da tendência, existe um campo onde são colocadas as variáveis em estudo, onde a sua enumeração se inicia com a variável do endividamento, por ser a variável dependente, e se seguem as restantes. Porém, inicialmente as variáveis seriam colocadas na sua forma pura, I(0), mas quando procedemos à sua estimação e respetivos testes verificou-se a presença de heterocedasticidade. Como tal, a variável do endividamento foi transformada em logaritmo, com método de covariância de Huber White, sendo que à exceção desta, todas as outras são colocadas em ordem I(0), pois dado que são captados os efeitos a longo e curto prazo, o software coloca automaticamente a variável dependente em primeiras diferenças, D(ENDF).
57
Assim, com estes parâmetros, e após verificação da estacionariedade em primeiras diferenças, procedeu-se ao teste de cointegração do modelo ARDL, designado de Bounds Testes, que verifica a existência de relação de cointegração entre todas as variáveis. A estatística F é disponibilizada na tabela 6, pelo que o F-Statistic é de 7.919816, ou seja, surge acima do valor do limite superior. Logo, a hipótese nula é rejeita, pelo que existe evidência estatística para afirmar que existe de uma relação de longo prazo entre as variáveis a níveis de 1%, 2.5%, 5% e 10%, independentemente da sua ordem de integração.
Endividamento
das Famílias Estatística F Valor Crítico Limite Inferior Limite Superior
Total 7.919816 10% 2.2 3.09
5% 2.56 3.49
2.5% 2.88 3.87
1% 3.29 4.37
TABELA 6-BOUNDS TESTE (ANÁLISE COINTEGRAÇÃO)
Posteriormente são efetuados os testes de diagnóstico. Note-se que, quando são efetuados os testes de autocorrelação e de especificação, Breusch-Godfrey e Ramsey Reset respetivamente, é pedido que sejam colocados os números de desfasamentos, assim como termos ajustados (respetivamente). Nesse seguimento realizou-se o teste de autocorrelação com 1 desfasamento e o teste Reset com 1 termo ajustado, conforme mostra a tabela 7.
De acordo com o teste Breusch-Godfrey, para um nível de significância de 1%, o valor p obtido é de 0.185, ou seja, existe evidência estatística para aceitar a hipótese nula, concluindo que não existe correlação serial no modelo estimado. Relativamente ao teste Ramsey Reset, o valor p obtido é 0.115, pelo que para um nível de significância de 1%, não existe evidência estatística para rejeitar a hipótese nula em teste, concluindo-se que não existe influência das combinações não lineares. No entanto, pelo facto de
58
a estimação dos coeficientes poder ficar comprometida com a autocorrelação (os estimadores deixam de ser eficientes e os resultados tornam-se inválidos), assim como pelo facto de que com a seleção de 1 lag este modelo se apresenta ausente de autocorrelação, mas apenas para um nível de significância de 1%, tornou-se plausível estender ambos os testes a 2 desfasamentos e a 2 termos ajustados.
Assim, o p-value referente à autocorrelação, 0.174, revela-se estatisticamente significativo também a um nível de significância de 5%, o que demonstra uma consistência de resultados de correlação serial: não estamos perante autocorrelação. E continua-se a rejeitar a hipótese nula do teste Reset, dado o p-value de 0.217, o que significa que este modelo não apresenta incorreções.
No que toca ao teste de heterocedasticidade e normalidade, cuja avaliação não carece de desfasamentos e termos ajustados, este modelo assume que os resíduos possuem uma variação constante, ou seja, existe, homoscedasticidade, pelo que para um nível de significância de 5% não existe evidência estatística para rejeitar a hipótese nula em teste. Para finalizar, deve ser tido em consideração a normalidade dos resíduos através do teste de Jarque-Ber. Este confirma a normalidade, pois conforme o teste realizado, o valor p obtido é 0.803, pelo que para um nível de significância de 5%, não existe evidência estatística para rejeitar a hipótese nula em teste.
59
Testes de Diagnóstico Estatística F Valor P 1.976¹ 0.185 ¹ 2.051² 0.174 ² 1.696¹ 0.115¹ 1.718² 0.217² Breusch-Pagan
(Heterocedasticidade) 23.507³ 0.052³
Teste de Jarque-Bera
(Normalidade) 0.437 0.803
Nota: ¹ corresponde a 1 desfasamento no teste de autocorrelação e 1 termo ajustado no teste Reset de Ramsey;
²
corresponde a 2 desfasamentos no teste de autocorrelação e 2 termos ajustados no teste Reset de Ramsey;³
corresponde ao R² e respetiva Prob. Chi-SquareBreusch-Godfrey Serial
(Autocorrelação)
Ramsey Reset Test
TABELA 7-TESTES DE DIAGNÓSTICO
Ainda assim, realizou-se dois testes de estabilidade, o CUSUM e o CUSUMSQ, confirmando, portanto, a estabilidade dos coeficientes estimados e a ausência de quebras estruturais.
FIGURA 6-CUSUM(SOMA CUMULATIVA DOS RESÍDUOS RECURSIVOS)
60
FIGURA 7-CUSUMSQ(SOMA CUMULATIVA DOS QUADRADOS DOS RESÍDUOS RECURSIVOS)
Estamos, então, aptos a determinar os coeficientes de curto e longo prazo relativos às variáveis em estudo.
61 Variável Dependente: LOG(ENDF) Coeficiente
Estatística-t [Erro
Padrão] Significância
C (-0.948550)
(-1.0887)
[0.8712] 0.2960 (-0.166998)
(-2.5732)
[0.0648] 0.0231 (-2.409503)
(-3.2183)
[0.7486] 0.0067 3.142037
2.0089
[1.5639] 0.0658 (-0.001556)
(-0.2005)
[0.0077] 0.8442 (-0.907178)
(-1.7884)
[0.5072] 0.0970 (-0.593216)
(-2.9558)
[0.2006] 0.0111 (-0.597004)
(-3.2099)
[0.1859] 0.0068 (-1.065091)
(-2.3353)
[0.4560] 0.0362 0.801716
2.0365
[0.3936] 0.0626 3.230575
1.7406
[1.8560] 0.1054 2.600743
0.9338
[2.7848] 0.3674 5.659922
1.7253
[3.2804] 0.1081 0.024299
2.6055
[0.0093] 0.0218 0.024244
2.9388
[0.0082] 0.0115 (-0.166998)
(-8.1114)
[0.0205] 0.0000
Nota: estatística t em (), erro padrão em [], com n=28.
O nível de significância estatística está implicito no valor do p-value.
R ao quadrado=0.874 R-quadrado ajustado=0.811
Conditional Error Correction Regression Modelo ARDL (3,2,3,2,0)
(𝐸𝑁 𝐹 − ) 𝑃𝑅𝐻 (− )
𝑇 𝐶 (− ) 𝑇 𝐽
𝑅𝐸 (− )
𝐸𝐶𝑇𝑡 −1
(𝐸𝑁 𝐹 − ) (𝐸𝑁 𝐹 − ) (𝑃𝑅𝐻 )
(𝑃𝑅𝐻 − ) (𝑅𝐸 )
(𝑅𝐸 (− )) (𝑅𝐸 (− )) (𝑇 𝐶 ) (𝑇 𝐶 (− ))
TABELA 8-COEFICIENTES DE CURTO PRAZO DO ENDIVIDAMENTO DAS FAMÍLIAS (1991-2021)
62
O resultado da análise de correção de erros fornece algumas informações sobre os desvios da relação de longo prazo. A curto prazo, a parte mais importante é a análise da ECT, de tal modo que é possível mencionar que o coeficiente dos termos de correção de erro é fortemente significativo do ponto de vista estatístico, o que permite confirmar a estabilidade do modelo. O sinal do coeficiente é negativo, como esperado pela teoria, e portanto, este coeficiente estimado implica que cerca de 16,7% do desequilíbrio seja corrigido entre cada ano. Ou seja, de qualquer choque exógeno ao sistema, serão necessários 16,7% a cada ano para que a dívida das famílias volte ao equilíbrio. Pode ainda concluir-se que, o modelo descreve medianamente bem a dívida das famílias portuguesas dado os altos valores do R-quadrado e do R-quadrado ajustados.
Após observação dos resultados do teste ADF e PP, e de verificar a estacionariedade das variáveis, confirmou-se que as variáveis com desfasamentos podem ser usadas para explicar o endividamento das famílias.
No curto prazo, é importante destacar dois pontos. Em primeiro lugar, apenas duas variáveis são estatisticamente significativas a um nível de significância de 5%, nomeadamente os preços da habitação e a taxa de câmbio. A variável da taxa de juros e das remunerações têm efeitos estatísticos ao nível de 10% de significância. Portanto, estes resultados assentam no pressuposto de que o endividamento das famílias reage a aumentos dos preços dos imóveis, do rendimento auferido, de alterações na taxa de câmbio efetiva e taxas de juro.
A variável da taxa de juros apresenta um efeito negativo na elasticidade das dívidas das famílias, e suportam, portanto, os resultados obtidos em Bordo e Meissner (2012). O resultado confirma que um aumento de 1%
nas taxas de juro, induzirá o endividamento a mudar em 90,7%. Mais ainda, o resultado deste coeficiente vem trazer robustez à análise de Morais (2013), uma vez que este testou a hipótese de que a taxa de juro está negativamente associada ao endividamento das famílias, sustentando que
63
as famílias tendem a contrair menos créditos quando as condições de crédito não se revelam favoráveis.
No que concerne às remunerações, uma alteração de 1% nos salários aumenta a curto prazo o endividamento familiar, o que determina que tal como sublinhado por Levine (2010), as famílias não gastam apenas para satisfazer as suas necessidades, mas também para atualizar necessidades secundárias e viver em conformidade com o padrão de vida que lhes é proposto. De facto, este coeficiente permite-nos afirmar que quando as famílias tendem a antecipar maior rendimento, tendem a consumir mais, aumentando assim o endividamento, da mesma forma que famílias que auferem menores rendimentos tendem a estar menos endividadas. Não obstante, este coeficiente positivo apresentaria resultados inconsistentes de acordo com Stockhammer e Moore (2018) e consistentes com Farinha (2007).
O coeficiente dos preços da habitação não é corroborado nem com Stockhammer e Wildauer (2017) e Stockhammer e Moore (2018), uma vez que os autores encontraram fortes evidências de que esta variável afeta o endividamento das famílias em curto prazo, nem com Kleven et. al (2018), que determinou que um efeito positivo é explicado pelo efeito colateral, na medida em que preços mais elevados das casas permitem que as famílias contraiam mais empréstimos, dado que os credores aceitam o aumento do valor das casas como garantia. Porém, tal como aludido em P. Philbrick (2010), não é possível afirmar-se que preços mais elevados nos imóveis impulsionam o endividamento das famílias. Mais ainda, se estivermos perante o primeiro desfasamento desta variável, que apresenta significância a um nível de 10%, o que verificamos é que uma alteração de 1% nos preços aumenta o endividamento em 80,2% a curto prazo. Este coeficiente estimado já exprime o sinal esperado, pois sendo a habitação a principal componente de riqueza das famílias, verifica-se que quando os preços da habitação sobem, ainda que a riqueza se modifique positivamente, a dívida familiar cresce, provavelmente, em resultado da menor disponibilidade de crédito. Assim, torna-se relevante referir que este
64
último resultado vai de encontro ao estudo de Turdaliev e Zhang (2019), que constataram que a dívida das famílias são impulsionadas principalmente pela habitação, e pelos consequentes choques no setor bancário face ao não cumprimento da divida por parte das famílias, onde as fricções financeiras do setor bancário atuam como um acelerador financeiro, amplificando os efeitos dos choques que atingem a economia.
Logo, conforme argumenta Cloyne et al. (2015), as reações das famílias a possíveis choques da política monetária vão sempre variar dependendo da variação dos níveis de endividamento hipotecário.
Por fim, a taxa de câmbio apresenta uma relação positiva com o endividamento, no sentido de que um aumento de uma unidade nessa variável determina um acréscimo de 2,4% no endividamento. O efeito desta variável no endividamento não corrobora com os resultados em Mendes (2013), pois o autor apurou que as famílias tendem a contrair mais dívidas quando a taxa de câmbio é reduzida, dado o aumento do consumo de produtos importados. Ainda assim, esta diferença de sinal esperado poderá verificar-se pelo facto de este autor usar a variável taxa de câmbio como o coeficiente entre a moeda brasileira (real) e o dólar.
65 Variável Independente Coeficiente
Estatística-t [Erro
Padrão] Significância (-14.42832)
(-2.1945)
[6.5746] 0.0470 18.81481
1.2829
[14.6656] 0.2219 (-0.009320)
(-0.1895)
[0.0491] 0.8526 (-5.432265)
(-1.4601)
[3.7202] 0.1680 (-5.680005)
(-1.1379)
[4.9915] 0.2757 Nota: estatística t em (), erro padrão em [], com n=28.
O nível de significância estatística está implicito no valor do p-value.
Modelo ARDL (3,2,3,2,0)
𝑃𝑅𝐻 𝑅𝐸 𝑇 𝐶 𝑇 𝐽
𝐶
TABELA 9-COEFICIENTES DE LONGO PRAZO DO ENDIVIDAMENTO DAS FAMÍLIAS (1991-2021)
No longo prazo, apenas a variável dos preços da habitação é estatisticamente significativa nos níveis de significância tradicionais, verificando-se a existência de uma dependência linear negativa. Para cada aumento percentual nos preços de habitação, o endividamento das famílias em Portugal diminuirá no longo prazo. Porém, seria expectável que o efeito fosse exatamente o oposto, e que conforme argumentado por Iacoviello (2005), se verificasse que o aumento dos preços dos imóveis ao aliviar as restrições de crédito vinculativas, tivessem o potencial de aumentar o endividamento das famílias. Este resultado não corrobora com os estudos de Stockhammer and Wildauer (2017) and Stockhammer and Moore (2018), uma vez que estes encontraram fortes evidências para os preços da habitação: o determinante macroeconómico mais robusto da dívida das famílias.
Ainda a partir dos resultados, existem evidências de uma relação positiva entre as remunerações e o endividamento, concluindo que um aumento de 1% no rendimento auferido, alterará significativamente o endividamento em 18,81%. No entanto, esta relação é estatisticamente insignificante, o que demonstra consistência com os resultados obtidos por Stockhammer
66
e Moore (2018), uma vez que estes autores não encontraram nenhuma evidência de efeitos de longo prazo para esta hipótese.
No que concerne às taxas de juro, estas revelam ter efeitos estatísticos a um nível de 10%, sendo que um aumento da taxa de juro real de longo prazo faz com seja exercido um efeito negativo sobre a dívida das famílias portuguesas. Este resultado é suportado em Morais (2013), Lannoo et. al.
(2013) e Stockhammer and Wildauer (2017), e rejeitado por Stockammer and Moore (2018). Esta rejeição poderá provir essencialmente pelo facto de estes autores utilizarem dados diferentes, uma vez que a taxa de juros real de curto prazo foi utilizada como uma variável proxy. Meniago (2013) e Meng et ai. (2011) suportam de igual forma este resultado, dado que os resultados da análise de cointegração de longo prazo mostraram que a variação do rácio da dívida depende negativamente das taxas de juro.