Inovação e capital humano: uma aplicação de testes de cointegração em dados em painel

INOVAÇÃO E CAPITAL HUMANO: UMA APLICAÇÃO DE TESTES

DE COINTEGRAÇÃO EM DADOS EM PAINEL

Renato Silveira Joiozo

Agradecimentos

Em especial para meu orientador Vladimir Kuhl Teles que tanto tempo e paciência dedicou a este trabalho, como também a seu filho Elias Teles que permitiu que seu pai me ajudasse no dia do seu aniversário.

Também aos professores Maria Carolina Leme e Carlos Eduardo Soares Gonçalves por aceitarem participar da banca de dissertação.

Também ao prof. Ernesto Colla que auxiliou muito a execução dos testes em GAUSS de McCoskey e Kao e de Westerlund. Outro especial agradecimento ao professor Joakim Westerlund que enviou o programa para execução do teste por ele proposto, bem como esclareceu dúvidas para sua aplicação.

Outra grande ajuda foi dos meus colegas de turma bem como a todos meus mestres durante o curso de mestrado.

1- Introdução

As teorias recentes de crescimento econômico endógeno destacam a mudança tecnológica endógena como o motivo que explica os padrões de crescimento mundiais. De acordo com o artigo pioneiro Romer (1990) o progresso tecnológico é criado utilizando tanto o capital humano, quanto o estoque de conhecimento existente, em empresas especializadas em pesquisa e desenvolvimento, onde a principal atividade é a invenção de novas tecnologias para o aumento da eficiência econômica. Desta forma, surgiu o interesse em aprofundar o estudo no capital humano e sua relação com inovação.

Existem muitos trabalhos empíricos que buscam explicar os motivos relacionados à inovação, por exemplo, Furman, Porter e Stern (2002) e Versakelis (2006), que estudam de forma alternativas a relação entre capital humano e inovação.

Mais recentemente, Vandenbussche, Aghion e Meghir (2006) sugerem que apenas o estudo terciário leva a um aumento das inovações, enquanto que o estudo secundário aumenta as imitações de novas tecnologias, devendo ser privilegiado por países que estiverem distantes da fronteira tecnológica. Tal estudo deixa claro que a relação entre inovação e capital humano não é trivial e nem está suficientemente desvendada.

capital humano serão utilizadas para lançar luz sobre a o elo de ligação entre tais variáveis. Em outras palavras, variáveis de estoque e de fluxo de capital humano serão usadas, bem como variáveis de diferentes hierarquias educacionais ou mesmo de investimento público.

Tanto as inovações, independente de como forem medidas, quanto o capital humano, tendem a ser integrados em primeira ordem. Tal natureza das variáveis torna necessário o uso de técnicas de cointegração para uma avaliação de qualquer relação estável de longo-prazo. Entretanto, o tamanho restrito das séries de tempo impõe restrições sobre o poder dos testes de cointegração, podendo levar a conclusões distorcidas.

Dessa forma, o presente trabalho busca estudar a relação entre capital humano e inovações utilizando testes de cointegração em painel para 27 países da base de dados de Barro e Lee (2001) e de 24 países da base de dados de Cohen e Sato (2007), elevando o poder dos testes e comprando os resultados entre as duas bases. Além disso, propõe-se realizar todos os esforços possíveis para trabalhar os dados da forma mais eficiente possível. Para tanto, diversos testes alternativos de cointegração são realizados, como testes com coeficientes comuns e idiossincráticos entre os cross-sections (testes de Pedroni, de Kao e

2 - Revisão da Literatura

Quais são as origens da mudança tecnológica endógena ou chamada inovação? O que faz um país ser mais inovador do que outro? Quais políticas devem ser incentivadas para acelerar a inovação nos países? Estas perguntas tem sido objeto de estudo central nos anos 90 e continuam vivas até hoje para quem estuda inovação.

Alguns fatores principais que têm sido reconhecidos como motores na função de produção do crescimento entre eles: gastos em pesquisas e desenvolvimento e número de cientistas empregados (Teitel, 1994; Acs et al., 2002; Furman, Porter e Stern (2002) ) , fatores institucionais propostos pelo sistema nacional de inovação (Edquist, 1997; Lundvall et al., 2002),o nível de desenvolvimento inicial (Teitel, 1994), direito de propriedade intelectual (Varsakelis, 2001), crescimento específico da inovação através dos grupos (Furman, Porter e Stern (2002)).

Motivados pelas diferenças na intensidade da inovação nas economias avançadas, Furman, Porter e Stern (2002) buscaram as determinantes que influenciam a produção de patentes de um país.

pública para aplicar estes recursos?A inovação é relacionada ao curso primário, secundário ou terciário?

Vandenbussche, Aghion e Meghir (2006) sugerem que apenas o estudo terciário leva a um aumento das inovações, enquanto que o estudo secundário aumenta as imitações de novas tecnologias, devendo ser privilegiado por países que estiverem distantes da fronteira tecnológica.

Versakelis (2006) faz um estudo empírico de como a qualidade da educação e a política das instituições afetam a atividade inovadora interna dos países.

Focando novamente nas variáveis de capital humano, o desempenho dos estudantes em competições internacionais está estatisticamente associado com a produção de patentes. O número de estudantes de nível superior em ciências não se mostrou significante na amostra testada. Um possível problema é a restrição da amostra pelos países que participaram na competição internacional em ciências e matemática.

Já com uma visão qualitativa de como a educação afeta a inovação e visando buscar trabalhos que apresentem variáveis sobre o grau de escolaridade, encontramos a pesquisa de Krueger e Lindahl (2001). Apesar de não tratar especificamente de inovação, o trabalho usa dados agregados para estimar o efeito da educação na taxa de crescimento do PIB.

• Aumento nos anos médios de educação tem um efeito positivo e é

estatisticamente significante no crescimento econômico em períodos de 10 ou 20 anos.

• Países com níveis iniciais de escolaridade tendem a ter efeitos positivos

no crescimento.

Assim, apesar de existirem muitas outras pesquisas publicadas, após esta breve análise, concluímos que podemos agregar valor da seguinte forma a literatura de como o capital humano influencia a inovação:

1 – O estudo entre a relação do capital humano e da inovação pode ser ampliado, introduzindo Barro e Lee, Unesco, Cohen e Soto e outras em um mesmo trabalho.

2 – Podemos introduzir novas sugestões alternativas para a Proxy de mão de obra qualificada e não qualificada para a atividade inovadora, como a de Vandenbussche, Aghion e Meghir (2004).

3 – A possibilidade de aprimoramento da técnica econométrica, utilizando testes mais recentes de cointegração específicos para painel para um resultado mais apurado nas estimativas.

3 – Testes econométricos

Com o crescente uso de países em cross-section, o foco do estudo

econométrico de séries de tempo individuais tem migrado para macro painéis. Paralelamente as técnicas têm evoluído muito nos últimos anos. A seguir serão explicados os testes de cointegração em painel utilizados. A descrição dos testes foi baseada no manual do e-views 6.0 bem como em Baltagi (2005).

Os testes de cointegração em painel são motivados por uma busca de alcançar mais poder nos resultados do que aqueles obtidos aplicando-se testes individuais de cointegração de séries de tempo.

Segue uma breve descrição dos testes de cointegração que serão utilizados. O teste de Pedroni e o teste de Kao são baseados em Engle-Granger (1987), ou seja, testes de cointegração em dois passos (baseado no resíduo). O teste de Fisher é uma combinação do teste de Johansen para cada cross-section. O

teste McCoskey e Kao é um teste LM que tem como vantagem a hipótese nula de cointegração e o teste de Westerlund é uma extensão do de McCoskey e Kao para quebras-estruturais.

3.1.1 Teste de cointegração de Pedroni (Baseado em Engle-Granger)

Pedroni propôs alguns testes para cointegração que leva em conta interceptos e coeficientes heterogêneos entre os “cross-sections”. Considere a seguinte regressão: t i t Mi Mi t i i t i i i i

it t x x x e

y =α +δ +β_{1 1,} +β_{2 2,} +...+β _, + _, (1)

para t=1,...,T; i=1,...,N; m=1,...,M ; onde ye xsão assumidos de serem integrados de ordem um, por exemplo. I(1).Os parâmetros α_ie δ_isão individuais

e os efeitos de tendência podem ser fixados em zero, caso desejado.

Sob a hipótese nula de não integração, os resíduos ei,t serão I(1). A abordagem geral é de obter os resíduos da equação (1) e depois testar se os resíduos são I(1) utilizando a seguinte regressão auxiliar:

it it i

it e u

e =ρ ₋₁+ (2) ou it j j it ij it i

it e e u

e i + Δ + =

∑

A estatística em painel de cointegração de Pedroni ΝN,T, é construída a partir dos resíduos da equação (1) ou (2). Um total de onze series com vários graus de liberdade (tamanho e intensidade para Ne T) são geradas.

Pedroni mostra que a série normalizada assintoticamente normal distribuída:

) 1 , 0 ( ,

N v

N T

N − _⇒

Ν μ

onde μe v são termos de ajuste gerados através de Monte Carlo.

3.1.2 Teste de cointegração de Kao (baseado em Engle-Granger)

O teste de Kao segue a mesma abordagem básica do teste de Pedroni, mas estipula interceptos específicos dos “cross-section” e coeficientes homogêneos nos regressores de primeiro estágio.

No caso com duas variáveis, descrito por Kao (1999), temos:

it it i

it x e

y =α +β +

para

it it

it y u

y = ₋₁+

it it it x x = ₋₁+ε

i

β seja homogêneo através das seções cruzadas “cross-sections”, e fixando todos os coeficientes de tendência γipara zero.

Kao então roda a regressão auxiliar agrupada,

it it

it e v

e =ρ ₋₁+

ou a versão argumentada da especificação agrupada,

it j j it j it

it e e v

e

∑

=ρ ρ ψ

1 1

Sob a hipótese nula de cointegração, Kao mostra as seguintes séries,

2 . 10 3 ) 1 ( ^ N N T

DF_ρ = ρ− +

N t

DF_t = 1.25_ρ + 1.875

) 5 /( 36 3 / 3 ) 1 ( 4 0 ^ 4 ^ 2 0 2 ^ ^ * ψ ψ ψ ψ ρ σ σ σ σ ρ + + −

= NT N

DF ) 10 /( 3 ) 2 /( ) 2 /( 6 2 0 ^ 2 ^ 2 ^ 2 0 ^ 2 0 ^ * ψ ψ ψ ψ ψ ψ ρ σ σ σ σ σ σ + +

= t NT

DF_t

e para p>0 (ou seja, a versão aumentada),

) 10 /( 3 ) 2 /( ) 2 /( 6 2 0 ^ 2 ^ 2 ^ 2 0 ^ 0 ^ ^ ψ ψ ψ ψ ψ ψ ρ σ σ σ σ σ σ + +

= t N

convergindo para N(0,1) assintoticamente, onde a variância estimada é 2 2 ^ 2 ^ 2 ^ − −

= ε ε

ψ σ σ σ

σ u u com a variância de longo prazo estimada em

2 0 2 0 ^ 2 0 ^ 2 0 ^ − −

= ε ε

ψ σ σ σ

σ u u .

A covariância de

⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = it it it u w ε

é estimada como

∑∑

' ^ ^ 2 ^ ^ ^ 2 ^ ^ ₁ ε ε ε σ σ σ σ

e a variância de longo prazo é estimada em

∑ ∑

^ ' ^ ^ 2 0 ^ 0 ^ 0 ^ 2 0 ^ ^ ) ( 1 1 ε ε ε σ σ σ σ

onde ké uma função de kernel qualquer.

3.1.3 Combinação de testes individuais (Fisher/Johansen)

Caso Πié o p-valor de teste de cointegração individual para a secção cruzada i, então sobre a hipótese nula para o painel:,

N X N

i

i) 2

log(

2 2

1

→ Π −

∑

=

3.2 Testes LM de cointegração em painel

3.2.1 Teste de McCoskey e Kao

McCoskey e Kao (1998) derivaram um teste baseado no resíduo com a hipótese nula de cointegração ao invés da hipótese nula de não cointegração em painel. Este teste é uma extensão do teste LM e o teste de melhor invariante local (ou “the locally best invariant test – LBI”) para uma raiz unitária de um MA na literatura de série de tempo. Para modelos que permitem que o vetor de cointegração mude através das observações das seções cruzadas as propriedades assintóticas dependem somente dos resultados das séries de tempo, uma vez que cada seção cruzada é estimada separadamente. Para modelos com inclinação comum, a estimação é feita conjuntamente e então a teoria assintótica e baseada em uma estimação conjunta de uma relação de cointegração de dados em painel.

Phillips e Hansen (1990) e o estimador dos quadrados dinâmicos ordinários ( ou Dynamic least squares) DOLS proposto por Saikkonen (1991) e Stock e Watson (1993). Para dados em painel, Kao e Chiang (2000) mostraram que ambos os métodos FM e DOLS podem produzir estimadores que são assimptóticamente normal distribuído com média zero.

O apresentado modelo permite a mudança das inclinações e dos interceptos:

it i it i

it x e

y =α + 'β +

it it it x x = ₋₁+ε

it it

it u

e =γ +

e

it it

it γ θu γ = ₋₁+

onde uit é IID (0,

2

u

σ _{). A hipótese nula de cointegração é equivalente a θ =0.} O teste estatístico proposto por McCoskey e Kao (1998) é definido como:

₂ ^ 1 2 1 2 1 1 e T i it N

i _T S

N LM σ

∑

∑

onde Sité a soma parcial do processo dos resíduos, =

∑

) , 0 ( )

(LM uv N v2

N − ⇒ σ

Os momentos uve

2

v

3.2.2 Teste de Westerlund

O teste de Westerlund (2006) é um teste que expande o teste de McCoskey e Kao para a possibilidade de quebras estruturais. Dessa forma o teste segue exatamente a mesma lógica do anterior, porém incluindo quebras que são determinadas endogenamente seguindo o procedimento de Bai and Perron (1998, 2003), que obtêm o local das quebras por minimizar localmente a soma dos quadrados

dos resíduos. Assim, os pontos de quebra são dados por,

∑ ∑

T y z x

T γ β

onde T^ é o vetor de pontos de quebra estimados, γ e β são os parâmetros de cointegração estimados baseados na partição Ti. Assim, como a minimização é realizada a partir de todos os possíveis tamanhos das subamostras, os estimadores de pontos de quebra são chamados de minimizadores globais.

Westerlund demonstra que a estatística LM derivada para o caso de quebras é dada por,

∑ ∑ ∑

) , 0 ( )

(

2

− −

Σ ⇒

−

N N

M

Z θ

4 – Análise Empírica

4.1. Base de Dados

A seguir descrevemos os dados utilizados como Proxy de capital humano e de inovação.

4.1.1 Proxy de inovação

Gráfico de patentes concedidas ao longo do tempo. 24 países que possuem dados de capital humano na base Cohen Soto (2007)

0 4,000 8,000 12,000 16,000 20,000 24,000 28,000 32,000

1965 1970 1975 1980 1985 1990 1995 2000

PAT_AST PAT_AUS PAT_BEL

PAT_BRZ PAT_CAN PAT_CHN

PAT_DEN PAT_FIN PAT_FRA

PAT_HUN PAT_IND PAT_IRL

PAT_ITL PAT_JPL PAT_MAL

PAT_MEX PAT_NOR PAT_NTL

PAT_NZD PAT_SAF PAT_SPA

PAT_SWD PAT_SWT PAT_UKD

* o nome dos países encontra-se na secção 4.1.3.1

4.1.2 Proxy de capital humano

Gráfico de anos médios de estudo da população maior que 25 anos 24 países que possuem dados de capital humano na base Cohen Soto (2007)

0 2 4 6 8 10 12 14

1965 1970 1975 1980 1985 1990 1995 2000

HAVGSCH_AST HAVGSCH_AUS HAVGSCH_BEL

HAVGSCH_BRZ HAVGSCH_CAN HAVGSCH_CHN

HAVGSCH_DEN HAVGSCH_FIN HAVGSCH_FRA

HAVGSCH_HUN HAVGSCH_IND HAVGSCH_IRL

HAVGSCH_ITL HAVGSCH_JPL HAVGSCH_MAL

HAVGSCH_MEX HAVGSCH_NOR HAVGSCH_NTL

HAVGSCH_NZD HAVGSCH_SAF HAVGSCH_SPA

HAVGSCH_SWD HAVGSCH_SWT HAVGSCH_UKD

* o nome dos países encontra-se na secção 4.1.3.1

A segunda medida é dada pelos gastos per capita do governo em educação (GGEDUC). Tal variável é construída como segue:

kg rgdpl ggeducperc

onde, ggeducperc corresponde ao percentual dos gastos do governo com educação em relação ao total gasto pelo governo (fonte:UNESCO), rgdpl corresponde ao PIB real per capta (preços constantes: Laspeyres) ajustados pela ppp (ano base 2000, fonte: Penn World Tables 6.1) e Kg, gastos totais do governo em percentual do PIB (fonte: Penn World Tables 6.1)

Gráfico de gastos per capta dos governos com educação. 24 países que possuem dados de capital humano na base Cohen Soto (2007)

0 100 200 300 400 500 600

1965 1970 1975 1980 1985 1990 1995 2000

GGPEDUC_AST GGPEDUC_AUS GGPEDUC_BEL

GGPEDUC_BRZ GGPEDUC_CAN GGPEDUC_CHN

GGPEDUC_DEN GGPEDUC_FIN GGPEDUC_FRA

GGPEDUC_HUN GGPEDUC_IND GGPEDUC_IRL

GGPEDUC_ITL GGPEDUC_JPL GGPEDUC_MAL

GGPEDUC_MEX GGPEDUC_NOR GGPEDUC_NTL

GGPEDUC_NZD GGPEDUC_SAF GGPEDUC_SPA

GGPEDUC_SWD GGPEDUC_SWT GGPEDUC_UKD

O terceiro tipo de medida de capital humano é a sugerida por Vandenbussche Aghion Meghir (2006) que visam avaliar qual o tipo de capital humano, em termos de hierarquia, é que importa para inovação. Tais medidas são médias de anos de estudo terciário (yearsT) e primário-secundário (yearsPS) construídos a partir da base de Barro e Lee, bem como com a base de Daniel Cohen e Marcelo Soto. Existem sete categorias propostas pelos autores, assim foram definidos:

7 7 6 7

6 )

(p p n p n

yearsT = + +

e

∑ ∑

1 7

) ( i j i

i i n

p yearsPS

onde p_ié a fração da população na categoria que alcançou o nível i e n_ié o número extra de educação no qual o indivíduo na categoria i acumulou a mais que um indivíduo em uma categoria (i-1). Temos (n1, n2, n3, n4, n5, n6, n7) = (0, 3, 3, 3, 3, 2, 2). A variável yearsT representa o número médio de anos de

educação no terceiro grau do adulto médio da população. Com estas premissas uma graduação na faculdade contribui com 12 anos na variável yearsPS e 4

Gráfico de média de anos de estudo primário secundário. 24 países utilizados da Base Cohen Soto (2007)

0 4 8 12 16 20

1965 1970 1975 1980 1985 1990 1995 2000

HYEARSPS_AST HYEARSPS_AUS HYEARSPS_BEL

HYEARSPS_BRZ HYEARSPS_CAN HYEARSPS_CHI

HYEARSPS_DEN HYEARSPS_FIN HYEARSPS_FRA

HYEARSPS_HUN HYEARSPS_IND HYEARSPS_IRL

HYEARSPS_ITL HYEARSPS_JPL HYEARSPS_MAL

HYEARSPS_MEX HYEARSPS_NOR HYEARSPS_NTL

HYEARSPS_NZD HYEARSPS_SAF HYEARSPS_SPA

HYEARSPS_SWD HYEARSPS_SWT HYEARSPS_UKD

Gráfico de média de anos de estudo terciário.

24 países que possuem dados de capital humano na base Cohen Soto (2007)

0.0 0.4 0.8 1.2 1.6 2.0 2.4

1965 1970 1975 1980 1985 1990 1995 2000

HYEARST_AST HYEARST_AUS HYEARST_BEL

HYEARST_BRZ HYEARST_CAN HYEARST_CHN

HYEARST_DEN HYEARST_FIN HYEARST_FRA

HYEARST_HUN HYEARST_IND HYEARST_IRL

HYEARST_ITL HYEARST_JPL HYEARST_MEX

HYEARST_MLI HYEARST_NOR HYEARST_NTL

HYEARST_NZD HYEARST_SAF HYEARST_SPA

HYEARST_SWD HYEARST_SWT HYEARST_UKD

* o nome dos países encontra-se na secção 4.1.3.1

4.1.3 Fonte de dados

Inicialmente utilizamos os dados disponibilizados por Barro e Lee (2001). Esta base tem sido freqüentemente utilizada por vários pesquisadores. Outra fonte mais recente disponível e a de Daniel Cohen e Marcelo Soto (2007).

4.1.3.1 Barro e Lee (2001)

As variáveis de capital humano apresentavam periodicidade qüinqüenal em sua maioria, de forma que foi necessário realizar uma interpolação linear para ter os dados ano a ano. De fato, como o estoque de capital humano não varia muito de ano a ano esta não é um método que seja comprometedor. Além disso, os países que não apresentavam valores de patentes constantes, ou seja, que freqüentemente tinham valores zero de patentes, e que nunca chegaram a patentear 50 inovações em qualquer ano foram excluídos da amostra por apresentarem séries estacionárias com alguns anos outliers, o que poderia comprometer a validade dos resultados. No cruzamento dos dados da base de Barro e Lee e patentes, encontramos 27 países com dados comuns. Os países são: África do Sul (SAF), Austrália, (AUS), Áustria (AST), Bélgica (BEL), Brasil (BRZ), Canadá (CAN), China (CHN), Dinamarca (DEN), Espanha (SPA), Finlândia (FIN), França (FRA), Holanda (NTL), Hong Kong (HKG), Hungria (HUN), Índia (IND), Inglaterra (UKD), Irlanda (IRL), Israel (ISR), Itália (ITL), Japão (JPN), Malásia (MAL), México (MEX), Noruega (NOR), Nova Zelândia (NZD), Rússia (USS) Suécia (SWD) e Suíça (SWT).

4.1.3.2 Daniel Cohen e Marcelo Soto (2007)

- A utilização de pesquisas baseadas em uma classificação do sistema educacional uniforme através do tempo

- Uso intensivo de informação por grupos de idades

Para podermos comparar os resultados entre as duas séries foram utilizados os mesmos países da regressão anterior com exceção de Hong Kong (HKG), Japão (JPN) e Rússia (USS), onde os dados de capital humano não estão disponíveis.

5 – Resultados

Os testes de cointegração foram realizados incluindo tendência e constante para todos os casos. Os lags foram selecionados utilizando-se o Critério de Informação de Akaike (AIC).

Tabela 1 G, Teste de Pedroni variável GGPEDUC   

v statistic rho Statistic PP Statistic ADF Statistic

Séries

32.40  3.72  ‐8.04  ‐1.24 

GGPEDUC 

0.00  0.00  0.00  0.18 

Tabela 1 B, Teste de Pedroni. Base Barro e Lee (2001) 

v statistic rho Statistic PP Statistic ADF Statistic

Séries

0.93  2.96  2.99  2.37 

AVGSCH 

0.26  0.01  0.00  0.02 

1.15  3.10  3.16  2.47 

YEARST 

0.21  0.00  0.00  0.00 

1.57  3.04  3.34  2.68 

YEARSPS 

0.12  0.00  0.00  0.01 

Tabela 1 S, Teste de Pedroni. Base Cohen e Soto (2007) 

v statistic rho Statistic PP Statistic ADF Statistic

Séries

12.04  ‐6.48  ‐7.26  ‐7.26 

HAVGSCH 

0.00  0.00  0.00  0.00 

0.22  ‐5.25  ‐6.15  ‐6.18 

HYEARST 

0.39  0.00  0.00  0,00 

12.82  ‐7.42  ‐8.60  ‐8.74 

HYEARSPS 

Tabela 2 G. Teste de Kao variável GGPEDUC

Séries ADF

5.12 

GGPEDUC 

0.00 

Tabela 2 B. Teste de Kao. Base Barro e Lee (2001)

Séries ADF

4.62 

AVGSCH 

0.00 

4.95 

YEARST 

0.00 

4.63 

YEARSPS 

0.00 

Tabela 2 S. Teste de Kao. Base Cohen e Soto (2007) 

Séries ADF

3.89 

HAVGSCH 

0.00 

3.80 

HYEARST 

0.00 

3.74 

HYEARSPS 

0.00 

Tabela 3 G. Testes de Fischer. Variável GGPEDUC   

trace test max-eigen test

Séries

83.84  72.91 

GGPEDUC 

0.01  0.04 

Tabela 3 B. Teste de Kao. Base Barro e Lee (2001) 

trace test max-eigen test

Séries

101.70  107.30 

AVGSCH 

0.00  0.00 

106.50  103.30 

YEARST 

0.00  0.00 

119.40  127.10 

YEARSPS 

0.00  0.00 

Tabela 3 S. Teste de Kao. Base Cohen e Soto (2007) 

trace test max-eigen test

Séries

91.03  83.80 

HAVGSCH 

0.00  0.00 

95.10  88.18 

HYEARST 

0.00  0.00 

92.53  87.50 

HYEARSPS 

Tabela 4 G. Testes LM. Variável GGPEDUC

Séries McCoskey e Kao Westerlund

8.06 3.56

GGPEDUC

0.00 0.17

Tabela 4 B. Testes LM. Base Barro e Lee (2001)

Séries McCoskey e Kao Westerlund

11.35 2.39 AVGSCH

0.00 0.30

7.05 1.94

YEARST

0.01 0.38

8.56 2.34

YEARSPS

0.00 0.31

Tabela 4 S. Testes LM. Base Cohen e Soto (2007)

Séries McCoskey e Kao Westerlund

18.80 1.423 HAVGSCH

0.00 0.23

2.66 1.697 HYEARST

0.10 0.43 17.92 8.766 HYEARSPS

0.00 0.00

contribui para o aumento das inovações e, logo, para o crescimento econômico de longo prazo.

Além disso, todas as variáveis testadas foram relevantes na explicação da inovação. Isso nos leva a crer que os gastos em educação do governo são produtivos no longo-prazo, aumentando as inovações, o progresso técnico, e o crescimento.

Quando foi utilizada a base de dados de Barro-Lee, não foi encontrada evidência de que a hierarquia da educação seja relevante no desenvolvimento de inovações, contrariando as conclusões de Vandenbussche, Aghion e Meghir (2006) e Teles (2007), que previam que o ensino terciário é a força motriz das inovações. Entretanto, utilizando a base de Cohen-Soto, que é considerada uma base melhorada com relação à base Barro-Lee os resultados se modificam na direção de comprovar que a hierarquia das inovações é relevante na determinação das inovações. Tal resultado é obtido pelo teste LM com quebras, de Westerlund, onde o nível educacional primário e secundário é irrelevante na determinação da inovação, enquanto que a educação terciária é muito significante nesta direção.

6 – Conclusão e considerações finais

Este paper utilizou 2 bases de dados, Barro e Lee (2001) e Cohen e Soto (2007) no período de 1963 a 2000 para investigar a relação entre capital humano e inovação. O trabalho busca dar contribuições nesse tipo de estudo em três aspectos: 1) Usa uma base de dados mais extensa que as utilizadas anteriormente; 2) Usa variáveis de capital humano novas para este fim; 3) Aplica técnicas de cointegração em painel que aumentam a eficiência dos resultados, bem como testes com quebras estruturais, que fornecem resultados mais poderosos. 4) Compara os resultados entre 2 bases de dados diferentes para verificar os resultados obtidos.

As conclusões principais são a evidência forte de que estoque de capital humano aumenta de forma significativa o número de inovações. Tal resultado é importante, pois corrobora com modelos de crescimento endógeno. Além disso, foram encontradas evidências de que a hierarquia da educação importe para o aumento de inovações quando foi usada a base de educação de Cohen-Soto.

Bibliografia

- Aghion, P., Howitt,P., 1992. Model of Growth Through Creative Destruction. Econometrica. JSTOR

- Baltagi, B.H., 2005. Econometric analysis of painel data.

- Barro, R.J., Lee, J.W., 2000. International data on educational attainment. Updates and implications, NBER, Working Paper no. 7911.

- Comanor, W.S., Scherer, F.M., 1969. Patent Statistics as a Measure of Technical Change. The Journal of Political Economy. JSTOR

- Fisher, R. A., 1932. Statistical Methods for Research Workers, 4th Edition, Edinburgh: Oliver & Boyd

- Furman, J.L., Porter, M.E., Stern, S., 2002. The determinants of national innovative capacity. Research Policy 31, 899–933.

- Griliches ,Z., 1990. Patent Statistics as Economic Indicators: A Survey .Journal of Economic Literature.

- Griliches, Z., Schmookler,J., 1963. Inventing and maximizing. The American Economic Review.

- Hall, B.H., Jaffe,A.B., Trajtenberg, M., 2001 The NBER Patent Citation Data File: Lessons, Insights and Methodological Tools.

- Hall, B.H., Griliches, Z., Hausman, J.A., 1986. Patents and R and D: Is There a Lag? International Economic Review.

- Kao, C. , Chiang, M.H., 2000. On the estimation and inference of a cointegrated regression in panel data. Advances in Econometrics.

- Maddala, G. S., Wu, S., 1999. A Comparative Study of Unit Root Tests with Panel Data and A New Simple Test. Oxford Bulletin of Economics and Statistics, 61, 631-52.

- Manual do Eviews 6.0 , 2007. Autores não especificados.

- McCoskey, S. and Kao, C. (1998). A residual-based test of the null of cointegration in panel data. Econometric Reviews, Vol. 17, pp. 57–84.

- Pakes, A., 1985. Patents, R and D, and the Stock Market Rate of Return. NBER

- Pedroni, P. 1999. Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors. Oxford Bulletin of Economics and Statistics, 61, 653-70.

- Pedroni, P. ,2004. Panel Cointegration; Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis. Econometric Theory, 20, 597-625

- Phillips, P. C. B., Hansen, B. E., 1990. Statistical Inference in instrumental variables regression with I(1) process. Review of Economic Studies, 57, 99-125.

- Romer, P.M., 1990. Endogenous Technological Change .The Journal of Political Economy.

- Schmookler,J., Brownlee, O., 1962. Determinants of inventive activity.The American Economic Review.

- Stock, J.H., Watson, M.W.,1993. A Simple estimator of cointegrating vectors in higher order integrated systems. . Econometrica. JSTOR

- Teles, V.K., 2007. Public Investment in Basic Education and Economic Growth. Journal of Economic Studies.

- Vandenbussche, J., Aghion†, P. , Meghir, C.,2004. Growth, Distance to Frontier and Composition of Human Capital.

- Varsakelis, Nikos C., 2006. Education, political institutions and innovative activity: A cross-country empirical investigation. Department of Economics, Aristotle University of Thessaloniki.