EXPORTAÇÃO DE UVA NO VALE DO SÃO FRANCISCO: UMA ANÁLISE A PARTIR DE VETORES AUTORREGRESSIVOS

EXPORTAÇÃO DE UVA NO VALE DO SÃO FRANCISCO: UMA

ANÁLISE A PARTIR DE VETORES AUTORREGRESSIVOS

Grape exports in São Francisco Valley: An analysis from autoregressive vectors

Cláudia César Batista Julião

Economista. Doutoranda em Economia Aplicada pela Universidade Federal de Viçosa (UFV). claudiacesarbj@gmail.com

Danyelle Karine Santos Branco

Economista. Doutoranda em Economia Aplicada (UFV). danyellebranco@gmail.com

João Eustáquio de Lima

Engenheiro Agrônomo. Doutor em Economia Rural (Michigan State University). Professor Titular do Departamento de Economia Rural - DER/UFV. jelima@ufv.br

Resumo: (VWH WUDEDOKR WHYH FRPR REMHWLYR DQDOLVDU

GXUDQWHRSHUtRGRGHDDVH[SRUWDo}HVGH XYDGR9DOHGR6mR)UDQFLVFRH[DPLQDQGRTXDORFRP-SRUWDPHQWRGHVWDVDSyVYDULDo}HVQRVSUHoRVH[WHUQRV SUHoRVLQWHUQRVUHQGDLQWHUQDHWD[DGHFkPELR3DUD LVVRHVWLPRXVHXPPRGHOR9$5YHWRUHVDXWRUUHJUHV-VLYRV UHDOL]DQGRVH DQiOLVH EDVHDGD QDV IXQo}HV GH impulso-resposta e na decomposição da variância do HUURGHSUHYLVmR2VUHVXOWDGRVUHYHODUDPTXHFKRTXHV QRVSUHoRVH[WHUQRVHQDWD[DGHFkPELRWLYHUDPXP HIHLWRSRVLWLYRVREUHDVH[SRUWDo}HVGHXYDQR¿QDOGR SHUtRGR(QTXDQWRTXHRVSUHoRVLQWHUQRVSURYRFDUDP um efeito predominantemente negativo e os efeitos dos FKRTXHVGDUHQGDLQWHUQDSUDWLFDPHQWHGLVVLSDVHDR¿-nal do período. Com relação aos resultados da decom-posição da variância do erro de previsão, observou-se TXHRSULQFLSDOGHWHUPLQDQWHGDH[SRUWDomRGHXYDGR 9DOHGR6mR)UDQFLVFRpDSUySULDVpULHGHH[SRUWDomR

Palavras-chave: 9HWRUHV DXWRUUHJUHVVLYRV

([SRUWD-o}HVGHXYD9DOHGR6mR)UDQFLVFR

Abstract: The objective of this study was to analyze

JUDSHH[SRUWVIURPWKH6mR)UDQFLVFR9DOOH\GXULQJWKH SHULRGIURPWRH[DPLQLQJWKHLUEHKDYLRUDI- WHUFKDQJHVLQH[WHUQDOSULFHVGRPHVWLFSULFHVGRPHV-WLFLQFRPHDQGH[FKDQJHUDWHV)RUWKLVD9$5PRGHO DXWRUHJUHVVLYH YHFWRUV ZDV HVWLPDWHG SHUIRUPLQJ analysis based on the impulse response functions and on the decomposition of the prediction error variance. 7KHUHVXOWVVKRZHGWKDWVKRFNVLQH[WHUQDOSULFHVDQG WKHH[FKDQJHUDWHKDGDSRVLWLYHH൵HFWRQJUDSHH[SRUWV DWWKHHQGRIWKHSHULRG:KLOHGRPHVWLFSULFHVKDYHKDG DSUHGRPLQDQWO\QHJDWLYHH൵HFWDQGWKHH൵HFWVRIGR-mestic income shocks practically dissipates at the end RIWKHSHULRG:LWKUHVSHFWWRWKHUHVXOWVRIWKHGHFRP-position of the variance of the prediction error, it was REVHUYHG WKDW WKH PDLQ GHWHUPLQDQW RI JUDSH H[SRUWV IURPWKH6mR)UDQFLVFR9DOOH\LVWKHH[SRUWVHULHVLWVHOI

Keywords: $XWRUHJUHVVLYH YHFWRU ([SRUWV RI JUDSH

1 Introdução

2VHWRUIUXWtFRODpXPGRVVHJPHQWRVPDLVLP-portantes do agronegócio brasileiro pela crescen-te participação no comércio increscen-ternacional e pelo abastecimento do mercado doméstico. Além de DSUHVHQWDUHOHYDGDUHQWDELOLGDGHHH[SUHVVLYDXWL-lização de mão de obra, representando, assim, uma alternativa valiosa para o avanço dos produtos DJUtFRODVHH[SRUWDo}HVEUDVLOHLUD3DUD)LRUDYDQoR H3DLYDWUDWDVHGHXPVHJPHQWRHVWUDWp-JLFRHPWHUPRVGHGHVHQYROYLPHQWRHFRQ{PLFRH social do país. 6HJXQGR GDGRV GD 2UJDQL]DomR GDV 1Do}HV 8QLGDVSDUD$JULFXOWXUDH$OLPHQWDomR)$2R %UDVLOSURGX]LXPLOK}HVGHWRQHODGDVGHIUX-WDVQRDQRGH&RPLVVRIRLRSDtVTXHREWHYH a terceira maior produção de frutas, permanecendo DWUiVDSHQDVGD&KLQDHGDËQGLDTXHSURGX]LUDP UHVSHFWLYDPHQWHHPLOK}HVGHWRQHODGDV GHIUXWDVHP&RPUHODomRjH[SRUWDomRGH IUXWDVHPR%UDVLORFXSDYDRžOXJDUQR rakingGDVH[SRUWDo}HVPXQGLDLVGHVVHVHWRU1R DQRGHR%UDVLOH[SRUWRXWLSRVGLIHUHQ-tes de frutas, com destaque para castanha de caju, manga, melão e uva, que juntas representaram GDSDXWDGHH[SRUWDomRIUXWtFRODEUDVLOHLUD &$9$/&$17( 0,1'Ç//2 0$*$/+­(6 

Dentro desse cenário da fruticultura nacional, a UHJLmRGR9DOHGR6mR)UDQFLVFR1 _{tem elevado sua}

SDUWLFLSDomRQDSURGXomRHH[SRUWDomRGHVVHVHWRU (VVH GHVWDTXH SRGH VHU H[SOLFDGR SHOD IDYRUiYHO condição de clima e de solo da região, bem como pela sua abundância de recursos hídricos e de mão de obra.

$UHJLmRGR9DOHGR6mR)UDQFLVFRWHPFRQFHQ-WUDGR VXD SDXWD GH H[SRUWDomR HP XYD H PDQJD culturas de maior valor agregado e que são bem DFHLWDVQD(XURSDH(VWDGRV8QLGRVVHXVSULQFL- SDLVPHUFDGRVFRQVXPLGRUHV(PSRUH[HP-SOR IRUDP H[SRUWDGRV  PLOK}HV GH TXLORVGDXYDSURGX]LGDQDUHJLmR(VWHYDORUIRL HTXLYDOHQWHDGDVH[SRUWDo}HVEUDVLOHLUDV de uva, representando assim, quase a totalidade da H[SRUWDomRGR%UDVLO0',&$/,&(WEB

1 A região, também conhecida por Polo Petrolina-Juazeiro, localiza-se no Nordeste e é composta pelos municípios baianos de Casa Nova, Curaçá, Juazeiro e Sobradinho, além dos municípios GH/DJRD*UDQGH2URFy3HWUROLQDH6DQWD0DULDGD%RD9LVWD situados no estado de Pernambuco.

1HVWHFHQiULRRV3DtVHV%DL[RVVmRRVTXHPDLV importam a fruta, comprando, em 2013, quase 50% GDSURGXomRGDUHJLmR25HLQR8QLGRpRVHJXQGR país com maior representatividade na importação de uva do Polo Petrolina-Juazeiro; em 2013, hou-ve uma elevação no consumo de 8% comparado ao volume importado em 2012. Porém, enquanto o Polo aumenta sua participação no mercado eu-ropeu, perde espaço no mercado norte-americano SDUDDXYDSURGX]LGDQR3HUX(PGR YROXPH GH XYD H[SRUWDGR WLQKD RV (8$ FRPR GHVWLQR¿QDOQRDQRGHHVVHYROXPHGLPL-nuiu consideravelmente não chegando nem a 10% %5$1&2

$VH[SRUWDo}HVGHXYDFRQFHQWUDPVHHPPH-VHVHVSHFt¿FRVGRDQRRYROXPHH[SRUWDGRDWLQJH VHX Pi[LPR QRV PHVHV GH RXWXEUR H QRYHPEUR GH¿QLQGR EHP R SHUtRGR GH H[SRUWDomR GD

com-modity2TXHGH¿QHDVRSRUWXQLGDGHVGHPHUFDGR

SDUDRVSURGXWRUHVGHXYDGR9DOH6XEPpGLR6mR )UDQFLVFRpDGL¿FXOGDGHHPFRPSHWLUFRPRXWURV grandes fornecedores. No primeiro semestre do ano, os principais fornecedores no mercado são África do Sul e Chile. Nos meses de junho e julho, R(JLWRYHQGHVXDSURGXomR$VDIUDHXURSHLDWHP LQtFLR HP DJRVWR$VVLP RV SURGXWRUHV GR 9DOH 6XEPpGLR 6mR )UDQFLVFR WrP PDLRUHV RSRUWXQL-dades de comercializar sua produção no mercado H[WHUQRDSDUWLUGRPrVGHRXWXEUR2VSURGXWRUHV DSURYHLWDPDMDQHODH[LVWHQWHSDUDYHQGHUVXDVIUX-tas a preços mais elevados, já que a oferta e com-petição são restritas.

Dada a importância dessa atividade na geração de divisas nacionais, este trabalho tem como obje-tivo principal analisar, durante o período de 2004 a DVH[SRUWDo}HVGHXYDGR9DOHGR6mR)UDQ-FLVFR H[DPLQDQGR TXDO R FRPSRUWDPHQWR GHVWDV DSyVDVYDULDo}HVQRVSUHoRVH[WHUQRVSUHoRVLQ-WHUQRVUHQGDLQWHUQDHWD[DGHFkPELR3DUDLVVR HVWLPRXVHXPPRGHOR9$5YHWRUHVDXWRUUHJUHV-VLYRVUHDOL]DQGRVHDQiOLVHEDVHDGDQDVIXQo}HV de impulso-resposta e na decomposição da variân-cia do erro de previsão.

Não obstante, trabalhos como os de Monte $UD~MRSousa e Santos $OYHV H

%DFKL6LOYDH0DLDH%DUURVHWDO  DQDOLVDP SULQFLSDOPHQWH DV H[SRUWDo}HV nacionais e regionais de commodities, utilizando SULPRUGLDOPHQWH D PHWRGRORJLD 9$5 &RQWXGR DVH[SRUWDo}HVGHXYDHPDLVHVSHFL¿FDPHQWHGD

UHJLmRGR9DOHGR6mR)UDQFLVFRDLQGDQmRIRUDP analisadas nessa perspectiva metodológica. Por-tanto, buscando preencher essa lacuna, este traba-OKRDQDOLVDHVVDVH[SRUWDo}HV

Além desta introdução, o presente trabalho está organizado em mais quatro seções. Na seção a seguir, apresenta-se o embasamento teórico. Nas terceira e quarta seções são apresentados, respec-tivamente, a estratégia empírica e a base de dados XWLOL]DGDQRWUDEDOKR$TXLQWDVHomRGHGLFDVHj apresentação dos principais resultados encontra-GRV3RU¿PWrPVHDVFRQVLGHUDo}HV¿QDLV

2 Embasamento teórico

(PERUDH[LVWDPGLYHUVRVPRGHORVWHyULFRVTXH DQDOLVDPRVGHWHUPLQDQWHVGDVH[SRUWDo}HVGHGH-terminado produto por uma região ou país, nesta pesquisa, optou-se por utilizar o embasamento te-órico proposto por Barros et al. HDGDSWDGR SRU$OYHVH%DFKL1HVVDDERUGDJHPWHyUL-ca, o quantum H[SRUWDGRGHGHWHUPLQDGRSURGXWRp considerado como dependente dos montantes que o mercado doméstico não absorve.

%DUURVHWDOLQLFLDPDDQiOLVHDSDUWLU das equações de oferta e demanda doméstica e da UHODomR GH HTXLOtEULR GH PHUFDGR HQWUH HODV (P VHJXLGD RV DXWRUHV PRVWUDP TXH DV H[SRUWDo}HV GHSHQGHPGRVSUHoRVGHH[SRUWDomRH[SUHVVRHP PRHGD HVWUDQJHLUD GR SUHoR LQWHUQR GD WD[D GH câmbio real, da renda interna e de um deslocador da oferta.

Sendo assim, o modelo pode ser representado da seguinte forma:

qx = f (pe, tc, pd, w, y)

em que qx é o quantumH[SRUWDGRpe é o preço GDVH[SRUWDo}HVHPPRHGDHVWUDQJHLUDtcpDWD[D de câmbio ; pd é o preço doméstico; w representa deslocadores de oferta ; y representa deslocadores de demanda.

De acordo com o modelo, espera-se encontrar FRH¿FLHQWHV QHJDWLYRV HQWUH DV H[SRUWDo}HV H R SUHoRLQWHUQRDVVLPFRPRHQWUHDVH[SRUWDo}HVH UHQGDLQWHUQD3UHoRVEDL[RVUHÀHWHPPDLRUGLVSR-nibilidade do produto, logo maior dispoUHQGDLQWHUQD3UHoRVEDL[RVUHÀHWHPPDLRUGLVSR-nibilidade GHH[SRUWDomR$VVLPYDULDo}HVSRVLWLYDVQRSUHoR interno, provavelmente, indicam uma escassez de

RIHUWDHPUHODomRjTXDQWLGDGHGHPDQGDGDVLQDOL- ]DQGRXPDTXHGDGDVH[SRUWDo}HV-iHQWUHDTXDQ- WLGDGHH[SRUWDGDHDVYDULiYHLVSUHoRGDVH[SRUWD-o}HVHWD[DGHFkPELRRGHVHMiYHOVHULDHQFRQWUDU uma relação positiva.

(P FRQWUDSDUWLGD j SURSRVWD GH %DUURV HW DO.  TXH XWLOL]DP RV SURFHGLPHQWRV GH DQiOL-VH GH UHJUHVVmR FOiVVLFRV$OYHV H %DFKL  propõem um ajustamento da função de oferta de H[SRUWDomRGRSURGXWRDSDUWLUGDPHWRGRORJLDGH $XWRUUHJUHVVmR9HWRULDO(VVDDGDSWDomRDOpPGH permitir que as variáveis sejam consideradas endó-genas, permite a análise dos efeitos dinâmicos de alterações nas variáveis incluídas no modelo.

3 Estratégia empírica

A estratégia empírica adotada para anali-VDUFRPRDVH[SRUWDo}HVGHXYDGR9DOHGR6mR )UDQFLVFRFRPSRUWDPVHDSyVYDULDo}HVQRSUHoR H[WHUQRSUHoRLQWHUQRUHQGDLQWHUQDHQDWD[DGH câmbio, foi seguida de algumas etapas. Inicial-mente, aplicaram-se os testes de estacionariedade GH 'LFNH\)XOOHU $XPHQWDGR $') .ZLDWNR-ZVNL3KLOOLSV6FKPLGW6KLQ .366 H R 3KLOOLSV-3HUURQ33SDUDHQFRQWUDUDRUGHPGHLQWHJUDomR das variáveis analisadas.

(PXPVHJXQGRPRPHQWRFRPDRUGHPGHLQWH-JUDomRMiLGHQWL¿FDGDHVWLPRXVHXPPRGHOR9$5 que é um modelo multiequacional composto de uma equação para cada variável, em que cada equação é função de valores defasados daquela variável e de valores defasados das outras variáveis do sistema, SDUDLGHQWL¿FDUDRUGHPGHGHIDVDJHPyWLPD

(PVHJXLGDUHDOL]RXVHRWHVWHGHFRLQWHJUDomR de Johansen para analisar se as variáveis envolvi-das no sistema teriam trajetórias temporais inter-ligadas, de forma que no longo prazo apresentas-VHPUHODomRGHHTXLOtEULR6HJXQGR/LPD o procedimento de Johansen consiste em testar o número de relações e vetores de cointegração entre as variáveis através de dois testes: teste do traço e WHVWHGDUDL]FDUDFWHUtVWLFDPi[LPD2WHVWHGRWUD-oRH[DPLQDDKLSyWHVHGHTXHH[LVWHPQRPi[LPR

r YHWRUHVGHFRLQWHJUDomRH₀ U”U₀, contra H₁ = r > r₀HQTXDQWRTXHRWHVWHGHUDL]FDUDFWHUtVWLFD

Pi[LPDH[DPLQDDKLSyWHVHQXODGHTXHKir veto-res de cointegração, contra a hipótese alternativa GHTXHKir + 1

1D VHTXrQFLD HVWLPRXVH XP PRGHOR 9$5 que pode ser representado da seguinte forma:

Y_t = ԕ₁Y_t-1൅ԕ₃Y_t-3+ ...൅ԕ_pY_t-p + İ_t 

em que Y_té um vetor de variáveis endógenas; ș₁ș_p são vetores de parâmetros a serem estima-dos e İ_t é um vetor deerros/choques ou inovações GRPRGHOR9$5

3RU¿PDSDUWLUGRPRGHOR9$5DQDOLVRXVHRV efeitos de choques nas variáveis por meio da fun-ção impulso-resposta. A funfun-ção impulso-resposta mostra os efeitos de choques nas variáveis do sis-tema, possibilitando calcular o impacto dinâmico de mudança em uma variável sobre ela e sobre as outras ao longo do tempo.

$OpPGLVVRDQDOLVRXVHDLPSRUWkQFLDGDWD[D GHFkPELRGDUHQGDLQWHUQDHGRVSUHoRVH[WHUQRV HLQWHUQRVSDUDH[SOLFDUDYDULkQFLDGRHUURGHSUH- YLVmRGDYDULiYHOGHH[SRUWDomR$DQiOLVHGHGH-composição do erro de previsão de uma variável procura determinar qual o percentual da variância GR HUUR GH SUHYLVmR GH XPD YDULiYHO p GHYLGR j SUySULDYDULiYHOHTXDOSHUFHQWXDOpGHYLGRjFDGD uma das outras variáveis do modelo ao longo do KRUL]RQWHGHSUHYLVmR/,0$

4 Base de dados

Para operacionalização desta pesquisa, utiliza-UDPVHYDULiYHLVUHIHUHQWHVjTXDQWLGDGHH[SRUWDGD GHXYDNJGR9DOHGR6mR)UDQFLVFROQBH[SRUW SUHoRH[WHUQRGDXYDOQBSUHFRH[WSUHoRLQWHUQR GDXYDOQBSUHFRLQWHR3,%3URGXWR,QWHUQR%UX-WRFRPRproxyGDUHQGDLQWHUQDOQBUHQGDLQWHD WD[DGHFkPELRHIHWLYDUHDOOQBW[FDPELR&RPRDV variáveis possuem diferentes unidades de medidas, RSWRXVHSRUH[SUHVVDUWRGDVHPORJDULWPRQDWXUDO As fontes de cada uma das variáveis, bem como suas siglas e os respectivos índices utilizados para GHÀDFLRQDUHVWmRHVSHFL¿FDGRVQD7DEHOD

2VGDGRVGHVWDSHVTXLVDVmRPHQVDLV2_{, com}

iní-cio em janeiro de 2004 e término em novembro de 2014, abrangendo uma série temporal de onze DQRV(VWHSHUtRGRFRPSUHHQGHXFHQiULRVPDUFDQ-tes para economia brasileira e mundial, tanto posi-tivos, como o boom nos preços das commodities QRPXQGRLQWHQVL¿FDGRDSDUWLUGHTXDQWR negativos, como a crise de 2008.

7DEHOD±9DULiYHLVXWLOL]DGDV

Variável Sigla ËQGLFHGHIlator Fonte

4XDQWLGDGHH[SRUWDGDGHXYD OQBH[SRUW - 0GLF6HFH[$OLFH:HE 3UHoRGHH[SRUWDo}HVGHXYD OQBSUHFRH[W ,3$2* 0GLF6HFH[$OLFH:HE

Preço interno da uva ln_precoint ,*3', Cepea

PIB – proxy da renda interna ln_rendaint IPCA Ipeadata 7D[DGHFkPELRHIHWLYDUHDO OQBW[FDPELR ,3$2* )*9GDGRV )RQWHHODERUDGDSHORVDXWRUHVFRPEDVHQRVGDGRVGDSHVTXLVD

Dessa forma, considerou-se, nesse trabalho, TXHDTXDQWLGDGHH[SRUWDGDpGHSHQGHQWHGRSUHoR H[WHUQRSUHoRLQWHUQRUHQGDLQWHUQDHGDWD[DGH FkPELR2VUHVXOWDGRVGHVWDDQiOLVHVmRDSUHVHQWD-GRVQRSUy[LPRWySLFR

5 Resultados

A análise dos resultados contemplou as seguin-tes etapas: seguin-teste de raiz unitária, seguin-teste de cointe-gração e obtenção das funções impulso-resposta e decomposição da variância do erro de previsão por PHLRGRPRGHOR9$5

Primeiramente, analisou-se a estacionarieda-de das variáveis através dos seguintes testes estacionarieda-de UDL] XQLWiULD 'LFNH\)XOOHU $XPHQWDGR $') .ZLDWNRZVNL3KLOOLSV6FKPLGW6KLQ .366 H R

3KLOOLSV3HUURQ332VUHVXOWDGRVGRVWHVWHVHV-tão descritos na Tabela 2.

Tabela 2 – Testes de raiz unitária para as variáveis

Variáveis* ADF K KPSS K PP K OQBH[SRUW -8,13* 1  10 -5,5*  OQBSUHFRH[W  0 0,07 4  0 ln_precoint -7,57* 1 0,33 0 -5,13* 15 ln_rendaint -1,7 12 1,37*   34 OQBW[FDPELR -2,42 1    1 )RQWHHODERUDGDSHORVDXWRUHVFRPEDVHQRVGDGRVGDSHVTXLVD $KLSyWHVHQXODpUHMHLWDGDDRQtYHOGHVLJQL¿FkQFLDGH.LQGL-ca o número de defasagens de $KLSyWHVHQXODpUHMHLWDGDDRQtYHOGHVLJQL¿FkQFLDGH.LQGL-cada teste para as variáveis.

 2VYDORUHV]HURVRXmissing valuesGDGRVIDOWDQWHVGDVVpULHV escolhidas foram preenchidos por meio de técnica de imputação de dados.

$KLSyWHVHQXODGRVWHVWHV$')H33pGHQmR estacionariedade da série. Assim, como se pode REVHUYDUQD7DEHODWDQWRQRWHVWH$')TXDQWR QRWHVWH33DVVpULHVGHTXDQWLGDGHH[SRUWDGDHGH SUHoRVH[WHUQRVHLQWHUQRVUHMHLWDPDRQtYHOGH GHVLJQL¿FkQFLDDKLSyWHVHQXODGHH[LVWrQFLDGH raiz unitária, sendo, portanto, séries estacionárias HPQtYHO(QTXDQWRTXHRUHVXOWDGRGRVWHVWHV$') H33SDUDDVVpULHVUHQGDLQWHUQDHWD[DGHFkPELRp de não estacionariedade em nível, sendo a hipótese QXODUHMHLWDGDDSHQDVDRQtYHOGHGHVLJQL¿-cância e 40%, respectivamente.

2 WHVWH .366 SRU VXD YH] WHP FRPR KLSy-WHVH QXOD D HVWDFLRQDULHGDGH 2V UHVXOWDGRV GHV-se teste, apreGHV-sentados na Tabela 2, para as séries TXDQWLGDGH H[SRUWDGD H SUHoRV H[WHUQR H LQWHUQR GDXYDFRQGX]HPjQmRUHMHLomRGDKLSyWHVHQXOD concluindo-se que ambas as séries são estacioná-rias em nível. Por outro lado, paras as séries renda LQWHUQDHWD[DGHFkPELRHIHWLYDUHDOUHMHLWDVHD hipótese nula do teste KPSS, ao nível de 1% de VLJQL¿FkQFLDFRQFOXLQGRVHTXHDVVpULHVVmRQmR estacionárias em nível.

Como os resultados dos testes de raiz unitária, H[LELGRV QD7DEHOD  QmR IRUDP XQLIRUPHV SDUD todas as séries, seguiu-se o procedimento adotado por Alves e Bacchi H$UD~MRSousa e San-tos  FRQVLGHUDQGRVH QD HVSHFL¿FDomR GR

modelo, que todas as séries são estacionárias em primeira diferença. Logo, foi aplicada a primeira diferença nas séries e constatou-se que as variáveis tornaram-se todas estacionárias, sendo, portanto, LQWHJUDGDVGHRUGHPXP,

3DUDLGHQWL¿FDUDTXDQWLGDGHGHGHIDVDJHQVQH-cessárias para o modelo e, então, prosseguir com os testes de cointegração, adotaram-se os critérios GH5D]mRGH9HURVVLPLOKDQoD/5(UURGH3UH-YLVmR)LQDO)3($NDLNH$,&6FKZDU]6&H +DQQDQ4XLQQ+41D7DEHODHQFRQWUDPVH os resultados da aplicação desses critérios.

Tabela 3 – Critérios de seleção para o número de GHIDVDJHQVGRPRGHOR9$5

Lag LR FPE AIC SC HQ

0 NA H 0,330784 0,445703*  1 102,1584 H   0,140003* 2  H   0,315270 3  H    4  4,24e-07    5  H     57,00152* H   0,537800 )RQWHHODERUDGDSHORVDXWRUHVFRPEDVHQRVGDGRVGDSHVTXLVD * Indica a ordem de defasagem escolhida pelo critério.

Como pode ser observado na Tabela 3, tanto o FULWpULR/5TXDQWRR)3(H$,&VXJHULUDPRXVRGH VHLVGHIDVDJHQV(QTXDQWRTXHRVFULWpULRVGH6&H HQ divergiram, indicando, respectivamente, nenhu-ma e unenhu-ma defasagem. Como a nenhu-maioria dos critérios convergiu para o parecer do uso de seis defasagens, utilizou-se essa quantidade de defasagens.

2 SURFHGLPHQWR VHJXLQWH IRL UHDOL]DU WHVWH GH FRLQWHJUDomRSDUDLGHQWL¿FDUDH[LVWrQFLDGHYHWR-res de cointegração e, então, a necessidade de esti-PDomRGHXPPRGHOR9$5FRPFRUUHomRGHHUURV 9(&2VUHVXOWDGRVGRWHVWHGHFRLQWHJUDomRGH Johansen encontram-se na Tabela 4.

3HORH[SRVWRQD7DEHODDPERVUHVXOWDGRVGRV WHVWHVRWHVWHGRWUDoRHRGHPi[LPRDXWRYDORULQGL-cam cinco vetores de cointegração. Logo, como a hi-SyWHVHQXODGHQmRFRLQWHJUDomRIRLUHMHLWDGDXP9$5 FRPFRUUHomRGHHUURV9(&GHYHULDVHUDMXVWDGR

(QWUHWDQWR DLQGD GH DFRUGR FRP D 7DEHOD  nota-se que o número de vetores de cointegração é igual ao número de variáveis, isto é, o rank é pleno. Portanto, seguindo procedimento adotado SRU0D\RUJDHWDOH$UD~MRSousa e Santos

XWLOL]RXVHRPRGHOR9HWRULDO$XWRUUHJUHV-VLYR9$5HPQtYHO$VVLPFRORFDQGRWRGDVDV YDULiYHLVHPQtYHOQR9$5DFRPELQDomROLQHDU entre elas produz um relacionamento estacionário. Tabela 4 – Teste de cointegração de Johansen

Hipóteses sobre número

de vetores de cointegração Autovalor Teste do Traço

0.05 Valor

Crítico Prob.

7HVWHGR0i[LPR Autovalor

0.05

Valor Crítico Prob.

None *    0,0000 114,4334  0,0000 At most 1 * 0,371141   0,0000 57,51715 27,58434 0,0000 At most 2 * 0,341018   0,0000 51,71534  0,0000 At most 3 *    0,0000   0,0000 At most 4 * 0,083431   0,0010   0,0010 )RQWHHODERUDGDSHORVDXWRUHVFRPEDVHQRVGDGRVGDSHVTXLVD 1RWD $KLSyWHVHQXODpUHMHLWDGDDRQtYHOGHVLJQL¿FkQFLDGH

2SDVVRVHJXLQWHIRLDQDOLVDUDVIXQo}HVGHLPSXO- VRUHVSRVWDTXHLOXVWUDPRFRPSRUWDPHQWRGDVH[SRU-WDo}HVGHXYDGR9DOHGR6mR)UDQFLVFRDSyVFKRTXHV QRV SUHoRV H[WHUQRV OQBSUHoRH[W SUHoRV LQWHUQRV

OQBSUHFRLQWUHQGDLQWHUQDOQBUHQGDLQWHQDWD[DGH FkPELROQBW[FDPELR1D)LJXUDH[LEHVHRFRP-SRUWDPHQWRGDVH[SRUWDo}HVDRORQJRGRVPHVHV após os choques em cada uma das variáveis.

)LJXUD±)XQo}HVGHLPSXOVRUHVSRVWDSDUDDVH[SRUWDo}HVGHXYD

)RQWHHODERUDGDSHORVDXWRUHVFRPEDVHQRVGDGRVGDSHVTXLVD

&RPRSRGHVHUREVHUYDGRQD)LJXUDDXPD elevação de um desvio padrão na variável de pre- oRH[WHUQROQBSUHFRH[WSURYRFDLQLFLDOPHQWHDX-PHQWRQDVH[SRUWDo}HVDWLQJLQGRSLFRSRUYROWDGR segundo mês. No entanto, a partir do segundo mês, KiXPDTXHGDQDVH[SRUWDo}HVTXHSHUPDQHFHPGH-crescendo deste mês em diante, com poucas oscila-ções de impactos positivas. Apesar das oscilaoscila-ções e da aparentemente rápida dissipação do choque, DR¿QDOGR~OWLPRSHUtRGRREVHUYDVHXPGLVFUHWR LPSDFWRSRVLWLYRGRSUHoRH[WHUQRQDVH[SRUWDo}HV conforme o esperado. ,QLFLDOPHQWHQRWDVHQD)LJXUDTXHXPDHOH-YDomRGHXPGHVYLRSDGUmRQDYDULiYHOOQBSUHFRH[W SUHoRH[WHUQRSURYRFDDXPHQWRQDVH[SRUWDo}HV após o choque inicial, atingindo pico por volta do se-gundo mês. A partir do sese-gundo mês, há uma redução QDVH[SRUWDo}HVTXHSHUPDQHFHPGHFUHVFHQGRDWp

RVH[WRPrV&RQWXGRDVH[SRUWDo}HVYROWDPDVXELU do sétimo mês em diante, com poucas oscilações de impactos negativos. Apesar das oscilações e da aparentemente rápida dissipação do choque, de IRUPDJHUDOSRGHVHLQIHULUTXHDVH[SRUWDo}HVGH uva reagem positivamente a choques nos preços H[WHUQRVFRQIRUPHHVSHUDGR

(PFRQWUDSDUWLGDQD)LJXUDEQRWDVHTXH uma elevação de um desvio padrão na variável que UHSUHVHQWDRVSUHoRVLQWHUQRVOQBSUHFRLQWSURYRFD UHGXomRQDVH[SRUWDo}HVGHDFRUGRFRPRHVSHUDGR QRPRGHORWHyULFR$SyVRFKRTXHLQLFLDODVH[SRU-WDo}HV¿FDPHPXPSDWDPDULQIHULRUDWpPHDGRVGR sétimo mês. Do sétimo ao nono mês, o choque nos SUHoRVLQWHUQRVDOWHUDSRVLWLYDPHQWHDVH[SRUWDo}HV Após esse período, o impacto do choque oscila em WRUQRGRHIHLWR]HUR(PUHVXPRREVHUYDVHTXHD UHODomRHQWUHDVYDULiYHLVSUHoRVLQWHUQRVHH[SRUWD-o}HVpSUHGRPLQDQWHQHJDWLYD,VWRVHMXVWL¿FDSRLV

SRUH[HPSORSUHoRVLQWHUQRVDOWRVGDXYDSRGHPHV- WDUUHÀHWLQGRXPDHVFDVVH]GDRIHUWDHFRQVHTXHQ-WHPHQWHXPDPHQRUGLVSRQLELOLGDGHGHH[SRUWDomR 3RUVXDYH]DUHVSRVWDGDVH[SRUWDo}HVDFKR-TXHV QD UHQGD LQWHUQD OQBUHQGDLQW )LJXUD  F OHYDLQLFLDOPHQWHDXPDXPHQWRQDVH[SRUWDo}HVGH uva. Contudo, observa-se também impactos negati- YRVRVTXDLVSURYRFDPSLFRGHTXHGDGDVH[SRUWD-ções por volta do nono mês. De modo geral, durante o período analisado é possível observar algumas RVFLODo}HV QD WUDMHWyULD GDV H[SRUWDo}HV SRUpP R FKRTXHSUDWLFDPHQWHGLVVLSDVHDR¿QDOGRSHUtRGR

)LQDOL]DQGR D DQiOLVH GDV IXQo}HV GH LPSXOVR-UHSRVWDSDUDDVH[SRUWDo}HVGHXYDYHUL¿FDVHQD )LJXUDGTXHFKRTXHVQDYDULiYHOWD[DGHFkP- ELROQBW[FDPELRWrPLQLFLDOPHQWHXPHIHLWRSRVL-WLYRQDVH[SRUWDo}HVSRGHQGRVHUREVHUYDGRDWpR VH[WRPrV(QWUHRVPHVHVVHLVHQRYHKiXPEUHYH impacto negativo. Após esse período, o impacto do FKRTXHGDWD[DGHFkPELRQDVH[SRUWDo}HVpSUHGR-minante positivo de acordo com o esperado.

Como último passo da análise, investigou-se a decomposição da variância do erro de previsão das H[SRUWDo}HVGHXYDGR9DOHGR6mR)UDQFLVFR&RP isso, buscou-se inferir quanto da variância do erro GHSUHYLVmRGDVH[SRUWDo}HVGHXYDHUDPGHFRUUHQ-tes da sua própria série e o quanto era devido a cada uma das outras variáveis do modelo ao longo do ho-rizonte de previsão. Na Tabela 5, apresentam-se os resultados da decomposição.

2EVHUYDVHQD7DEHODTXHDYDULkQFLDGRHUUR GH SUHYLVmR GDV H[SRUWDo}HV GH XYD UHFHEH PDLRU impacto da própria série. Isto pode estar relacionado DRIDWRGHTXHSRGHPH[LVWLUIDWRUHVH[yJHQRVTXH LQÀXHQFLDPDVH[SRUWDo}HVHTXHQmRIRUDPHVSH-FL¿FDGRVQRPRGHORHVWLPDGRHHQWmRVHXVHIHLWRV VmRFDSWDGRVSHORHUURFRPRSRUH[HPSORDFRP-SHWLWLYLGDGH QR kPELWR GR PHUFDGR H[WHUQR WHF- QRORJLDRXPHVPRIDWRUHVFOLPiWLFRVTXHLQÀXHQ-ciam a produção de uva e, consequentemente, as H[SRUWDo}HV5HVXOWDGRVHPHOKDQWHIRLHQFRQWUDGR por Araújo, Sousa e SantosDRDQDOLVDUHPD

H[SRUWDomREUDVLOHLUDGHPHOmRGHVFREULUDPTXHD PDLRUSDUWHGRFRPSRUWDPHQWRGDVH[SRUWDo}HVGH PHOmRDSyVFKRTXHVVREUHDVYDULiYHLVHUDPH[SOL-cados pela própria série.

&RPUHODomRDRSUHoRH[WHUQRQRWDVHQD7DEH-la 5, que inicialmente é a segunda variável que tem maior impacto no erro de previsão da quantidade de XYDH[SRUWDGD(VVHSRGHUGHH[SOLFDomRVHPDQWpP DRORQJRGRVPHVHVDQDOLVDGRVH[FHWRQRVGRLV~O-WLPRVSHUtRGRVHPTXHSHUGHSRGHUGHH[SOLFDomRH HQFHUUDRSHUtRGRFRPLQÀXrQFLDGH 2SUHoRLQWHUQRSRUVXDYH]QDPDLRULDGRVSH-UtRGRVWHPRPHQRUSRGHUGHH[SOLFDomRYDULDQGR de 2,05% a 5,3%, dependendo do período anali-VDGR(PERUDRSUHoRLQWHUQRDSUHVHQWHRWHUFHLUR PDLRUSRGHUGHH[SOLFDomRQRVHJXQGRSHUtRGRDR ORQJRGRWHPSRHVVHSRGHUGHH[SOLFDomRGLPLQXL

7DEHOD±'HFRPSRVLomRGDYDULkQFLDGRHUURGHSUHYLVmRGDVH[SRUWDo}HVGHXYD

Período (meses) Desvio Padrão ([SRUWDomR 3UHoR([WHUQR Preço Interno Renda Interna 7D[DGH&kPELR

1  100,0000 0,000000 0,000000 0,000000 0,000000 2 3,038175  2,541141    3 3,058507   2,108735   4    2,050343 2,122005  5    2,102755     84,23255  2,573383   7       8  81,47184 5,408770     3,512254   4,758588   10  77,35004     )RQWHHODERUDGDSHORVDXWRUHVFRPEDVHQRVGDGRVGDSHVTXLVD

Ainda de acordo com a Tabela 5, observa-se que DUHQGDLQWHUQDWHPSRGHUGHH[SOLFDomRYDULDQGRGH DGHSHQGHQGRGRSHUtRGRHPTXHV-tão. A partir do nono período, a renda interna passa DVHUDVHJXQGDYDULiYHOTXHPDLVH[SOLFDRHUURGH SUHYLVmRGDTXDQWLGDGHGHXYDH[SRUWDGD

3RU¿PDLQGDQD7DEHODQRWDVHTXHDWD[D de câmbio apresenta, incialmente, o menor impacto QRHUURGHYDULDomRGDVpULHTXDQWLGDGHH[SRUWDGD GHXYD'HQWUHRSHUtRGRDQDOLVDGRRSRGHUGHH[-plicação dessa variável varia entre 0,30% e 5,17. $SHVDUGDVRVFLODo}HVDWD[DGHFkPELRHQFHUUD

o último período com o menor impacto no erro de SUHYLVmRGDTXDQWLGDGHH[SRUWDGDGHXYD

 KJOE@AN=¾ËAOłJ=EO

(VWHWUDEDOKRWHYHFRPRREMHWLYRDQDOLVDUGX-UDQWHRSHUtRGRGHDDVH[SRUWDo}HVGH XYDGR9DOHGR6mR)UDQFLVFRH[DPLQDQGRFRPR estas comportam-se após variações nos preços H[WHUQRVSUHoRVLQWHUQRVUHQGDLQWHUQDHWD[DGH FkPELR 3DUD LVVR HVWLPRXVH XP PRGHOR 9$5 YHWRUHV DXWRUUHJUHVVLYRV UHDOL]DQGRVH DQiOLVH baseada nas funções de impulso-resposta e na de-composição da variância do erro de previsão.

2VUHVXOWDGRVGRVWHVWHVGHFRLQWHJUDomRLQGLFD-ram cinco de vetores de cointegração, que é mes-ma quantidade de variáveis. Sendo assim, por ter

rank pleno, prosseguiu-se a análise por meio da

HVWLPDomRGHXPPRGHOR9$5HPQtYHO

A partir da análise das funções de impulso--resposta, os resultados do trabalho mostraram que RVSUHoRVH[WHUQRVHQFHUUDPR~OWLPRSHUtRGRSUR- YRFDQGRXPGLVFUHWRLPSDFWRSRVLWLYRQDVH[SRU-tações, enquanto que os preços internos causaram HIHLWR SUHGRPLQDQWHPHQWH QHJDWLYR QDV H[SRUWD-o}HVGHXYDGR9DOHGR6mR)UDQFLVFR$UHODomR LQYHUVDHQWUHSUHoRLQWHUQRHH[SRUWDo}HVHUDHV-SHUDGRYLVWRTXHSRUH[HPSORRVEDL[RVSUHoRV LQWHUQRVGDXYDSRGHPHVWDUUHÀHWLQGRXPDPDLRU disponibilidade do produto e, consequentemente, XPDPDLRUGLVSRQLELOLGDGHGHH[SRUWDomR4XDQWR aos choques na renda interna, observou-se algumas RVFLODo}HVQRFRPSRUWDPHQWRGDVH[SRUWDo}HVHD TXDVHWRWDOGLVVLSDomRGRFKRTXHDR¿QDOGRSHUtR-GR3RU¿PFRPRHVSHUDGRRFKRTXHSRVLWLYRQD WD[DGHFkPELRSURYRFRXLPSDFWRSUHGRPLQDQWH-PHQWHSRVLWLYRQDVH[SRUWDo}HVGHXYD

A análise da decomposição do erro de previsão GDVH[SRUWDo}HVGHXYDGR9DOHGR6mR)UDQFLVFR SRU VXD YH] SRVVLELOLWRX LGHQWL¿FDU TXH WDQWR RV SUHoRVH[WHUQRVHLQWHUQRVTXDQWRDUHQGDLQWHUQD HDWD[DGHFkPELRWrPGLVFUHWRLPSDFWRH[SOLFDP menos de 7% da variação do erro de previsão das H[SRUWDo}HVGHXYD'HWDOPRGRTXHDYDULkQFLD GRHUURGHSUHYLVmRGDVH[SRUWDo}HVUHFHEHPDLRU LPSDFWRGDSUySULDVpULH(VWHUHVXOWDGRSRGHHVWDU UHODFLRQDGRDRIDWRGHTXHSRGHPH[LVWLUIDWRUHV H[yJHQRV TXH LQÀXHQFLDP DV H[SRUWDo}HV H TXH QmR IRUDP HVSHFL¿FDGRV QR PRGHOR HVWLPDGR H então, seus efeitos são captados pelo erro como,

SRUH[HPSORDFRPSHWLWLYLGDGHQRkPELWRGRPHU- FDGRH[WHUQRWHFQRORJLDRXPHVPRIDWRUHVFOLPi- WLFRVTXHLQÀXHQFLDPDSURGXomRGHXYDHFRQVH-TXHQWHPHQWHDVH[SRUWDo}HV

3RU ¿P UHVVDOWDVH TXH R WUDEDOKR SRGH VHU estendido em diferentes aspectos. Dentre eles, SRGHVHLQFOXLUQRPRGHORSRUH[HPSORYDULiYHLV FOLPiWLFDV$OpP GLVVR ¿FD FRPR VXJHVWmR SDUD trabalhos futuros a aplicação de metodologias al-ternativas como o modelo econométrico de autor-UHJUHVVmR YHWRULDO 9$5 FRP FDXVDOLGDGHV FRQ-temporâneas.

Referências

$/9(6/5$%$&&+,0532IHU-

WDGHH[SRUWDomRGHDo~FDUGR%UDVLORe-vista de Economia e Sociologia Rural,

Brasília, v. 42, n. 1, jan./mar. 2004.

$5$Ò-2$$6286$$*6$17265% N

([SRUWDomREUDVLOHLUDGHPHOmRXPHVWX-do de séries temporais,Q&21*5(662'$

62&,('$'(%5$6,/(,5$'((&2120,$ $'0,1,675$d­2(62&,2/2*,$585$/ 62%(5Anais5LR%UDQFR %$5526*6GH&%$&&+,053 %85148,67+/Estimação de equações GHRIHUWDGHH[SRUWDomRGHSURGXWRVDJURSH-cuários para o Brasil (1992/2000).7H[WRSDUD

GLVFXVVmRQ%UDVtOLD,3($PDU %5$1&2'.6Impactos da ferrovia

WUDQVQRUGHVWLQDQDH[SRUWDomRGHPDQJD e uva do vale do são Francisco. Dissertação

0HVWUDGR±3URJUDPDGH3yV*UDGXDomR HP(FRQRPLD±33*(&218QLYHUVLGDGH )HGHUDOGH3HUQDPEXFR&DUXDUX %5$6,/0LQLVWpULRGR'HVHQYROYLPHQWR ,QG~VWULDH&RPpUFLR([WHULRU6LVWHPDGH $QiOLVHGDV,QIRUPDo}HVGH&RPpUFLR([WH-

ULRUYLD,QWHUQHW0',&$/,&(WEB'LV-ponível em: www.desenvolvimento.gov. br$FHVVRHPGHMDQHLURGH &$9$/&$17($/0,1'Ç//20 *0$*$/+­(6059$QiOLVHGD di- QkPLFDGDVH[SRUWDo}HVGHIUXWDVQRSHUt-odo de 2007 a 2012: Brasil e Ceará.

),25$9$1d2-&3$,9$0& Competitividade e fruticultura brasilei-ra. Informações Econômicas, São Pau-lo, v. 32, n. 7, p. 24-40, jul. 2002. /,0$-(Curso básico de

análi-se e previsão de séries temporais

8QL-YHUVLGDGH)HGHUDOGH9LoRVD

0$<25*$52.+$1$60$<25*$ 5'HWDO$QiOLVHGHWUDQVPLVVmRGHSUH-ços do mercado atacadista de melão do Brasil.

Revista de Economia Rural 5(55LRGH

-DQHLURYQSMXOVHW

0217((=([SRUWDo}HVGHFDIpGR(VStULWR 6DQWRDSOLFDomRGDPHWRGRORJLD9$5Revista

de Política AgrícolaYS

6,/9$(.0$,$6)$VH[SRUWDo}HV EUDVLOHLUDVGHFDIp: uma análise XVDQGR9HWRUHV$XWRUUHJUHVVLYRV9$5,Q &21*5(662'$62&,('$'( %5$6,/(,-5$'((&2120,$$'0,1,675$d­2 (62&,2/2*,$585$/62%(5 -XL]GH)RUDAnais-XL]GH)RUD