RELAÇÃO ENTRE A INFLAÇÃO E SUAS POSSÍVEIS CAUSAS: UMA ANÁLISE COMPARATIVA DO BRASIL A PARTIR DE UMA ABORGAGEM ECONOMÉTRICA PARA OS PERÍODOS 1995-2002\2003-2011
Anne Karolline G. Santiago1 Karen de Oliveira Campos2
RESUMO
Este trabalho analisa por meio de instrumentos econométricos a relação entre a taxa de inflação e suas possíveis causas no Brasil. O principal objetivo consiste em identificar a influência da inflação do mês anterior, da quantidade de moeda em poder do público, da taxa de câmbio e do salário mínimo real sobre o nível de preços. Para tanto, aplicou-se o modelo de regressão linear múltipla. Como medida de inflação para a estimação foi utilizado o Índice de Preços ao Consumidor Amplo (IPCA). Os dados levantados para o período estudado foram retirados do site do Instituto de Pesquisa Econômica Aplicada (IPEADATA), sendo analisados com o auxílio do programa estatístico STATA 11, no qual foram feitos testes e avaliação dos resultados. Foram realizadas duas regressões, sendo uma para o período 1995 a 2002 e outra para a série 2003 a 2011, estabelecendo uma comparação das principais influências sobre a inflação entre os governos de FHC e do PT, que abarca o governo Lula e o primeiro ano do governo Dilma. Não foram constatados erros de estimação, com exceção do teste de Breusch-Pagan que acusou a presença de heterocedastidade. Confrontando as duas séries temporais, o exame dos resultados demonstrou que a variação da inflação, na série 1995-2002, foi influenciada pela variação da taxa de câmbio e pela inflação do mês anterior, enquanto que para o período de 2003-2011 a variação foi proveniente da quantidade de moeda em poder do público e da inflação mês anterior.
Palavras-Chave: Inflação; IPCA; Taxa de câmbio; M1; Salário mínimo real; Inflação do mês anterior.
1. INTRODUÇÃO
Inflação é um fenômeno encontrado em quase todas as economias mundiais, embora suas consequências sejam mais sentidas em países em fase de desenvolvimento, como o Brasil, em que a inflação chegou a atingir até três dígitos (GUTIERRES, 2004).
1 Graduanda do curso de Ciências Econômicas da Universidade Estadual do Sudoeste da Bahia (UESB) e Estagiária do Núcleo de Estudos e Pesquisa sobre Trabalho, Política e Sociedade (NETPS). Email: anne.karolline.santiago@gmail.com
2 Graduanda do curso de Ciências Econômicas da Universidade Estadual do Sudoeste da Bahia (UESB) e Bolsista do Programa de Educação Tutorial em Economia (PET). Email: karen.oliveiracampos@gmail.com.
De acordo com Gremaud et al (2010, p. 95) “a inflação é definida como um aumento generalizado dos preços. [...] Se a maioria dos preços se tornarem mais caros tem-se a inflação”. Quando os aumentos são pequenos, a inflação é tida como moderada; se os aumentos são grandes, ocorre a hiperinflação. Gutierres (2004, p.1) amplia a noção e sublinha que “a inflação se caracteriza por altas persistente e generalizada dos preços dos bens de consumo durável, não durável, bens de capital, insumos, mão-de-obra e recursos naturais”.
São identificadas várias causas de inflação, mas duas são consideradas causas básicas: a inflação de demanda, que é provocada pelo excesso de procura em relação à oferta disponível, e a inflação de custos, provocada pela elevação dos custos de produção que, consequentemente, são repassados para os preços (CASTRO, 2012). Simonsen (1985) ainda identifica a inflação inercial, associada à realimentação em uma economia que é altamente indexada.
Na inflação de demanda, os fatores que podem provocar a pressão da demanda são o aumento da renda disponível, a expansão dos gastos públicos, a expansão do crédito e da taxa de juros e a expectativa dos agentes econômicos. Já na inflação de custos, os fatores que elevam os custos de produção são a taxa de juros, a desvalorização cambial, o aumento dos preços externos, o custo da mão-de-obra e o aumento dos impostos.
O Brasil possui um histórico de elevadas taxas de inflação. O período compreendido entre 1980 e início de 1990, é marcado pela hiperinflação. Com o início da redemocratização brasileira, segundo Gremaud et al (2010), o governo estabeleceu como meta de política econômica principal o combate à inflação, o que foi tentado utilizando vários planos estabilizadores, sendo o Plano real o mais bem sucedido no controle da inflação.
Desde a implantação do Plano Real a inflação vem apresentando uma trajetória descendente no Brasil. Porém, o reaquecimento na produção e no consumo interno do país sempre traz consigo o fantasma da inflação. Para evitar uma hiperinflação como a vivida na década de 1980, a fim de promover crescimento econômico e desenvolvimento, são estabelecidas metas que, senão cumpridas, podem por em cheque tal finalidade.
A adoção do regime de metas de inflação pós-Plano Real também proporcionou a estabilidade reconhecida no país. No sistema de metas da inflação no Brasil, o Comitê de Política Monetária, COPOM, do Banco Central, tem como objetivo calibrar a taxa de juros, para atingir uma meta pré-determinada de inflação. A política monetária, dentro do regime de metas, tem o papel de conter as pressões inflacionárias. A meta central de inflação é de 4,5%, com tolerância de 2% para mais ou para menos.
Com base nessas considerações, o presente estudo objetiva por meio da utilização de um modelo econométrico, relacionar a inflação com suas possíveis causas. Procura-se, por meio de uma regressão linear múltipla, identificar a influência da inflação do mês anterior, da quantidade de moeda emitida, do câmbio e do salário mínimo real sobre o valor médio do nível de preços no Brasil comparando os períodos de 1995 a 2002 e 2003 a 2011. Para tanto, o texto está organizado como segue: Na seção 2 é apresentado um breve histórico de metas para inflação no Brasil. A seção 3 traz a apresentação do modelo econométrico. O item 4 mostra a estimação do modelo. Na seção 5 são expostos os testes de violações dos pressupostos básicos de uma regressão, a multicolinearidade (subseção 5.1), a heteroscedasticidade (subseção 5.2) e o teste de especificação e omissão de variáveis (subseção 5.3). Na seção 6 são exibidos os resultados da regressão. E, por fim, na seção 7 são apresentadas as conclusões.
2. BREVE HISTÓRICO DE METAS PARA INFLAÇÃO NO BRASIL
A inflação no Brasil é estimada pelo sistema de metas de inflação, com base no Índice de Preços ao Consumidor Amplo, IPCA, calculado pelo Instituto Brasileiro de Geografia e Estatística, IBGE, considerada a inflação oficial do país. O regime de metas criado em 1999, é definida pelo Conselho Monetário Nacional, CMN, que é uma das instituições que influenciam na regulação da taxa de juros, no qual o Comitê de Política Monetária, COPOM, do Banco Central do Brasil se coloca como órgão responsável por atingir essas metas pré- determinadas.
De acordo com o Banco Central do Brasil (2012), nos anos de 1999 e 2000 as metas estabelecidas pelo órgão responsável foram de 8% e 6% alcançando ao fim do ano 8,94% e 5,97%, respectivamente. Em 2001, houve um descumprimento das metas inflacionárias para o período que tinha por limite 6% e acabou alcançando 7,7% de inflação efetiva medida pelo Índice de Preços ao Consumidor Amplo, IPCA. A razão pode estar nos choques externos e internos que atingiram a economia nesse período, como a crise energética, a crise na Argentina, a depreciação cambial, a incerteza quanto a sucessão presidencial em 2002, o ataque terrorista aos Estados Unidos e problemas climáticos. O ano de 2002 foi marcado pela alta inflação que fechou em 12,53%, bem acima da meta acertada internamente pelo governo no início do ano de 3,5%.
No primeiro ano de gestão do novo presidente (2003), o IPCA mesmo mostrando uma alta menor de 9,30%, comparada a taxa de 2002, ficou acima da meta ajustada de 8,5% anunciada pelo Banco Central. A explicação estava na inércia inflacionária do ano anterior e
os efeitos da alta do dólar. No ano seguinte, o CMN estipulou uma meta de inflação acumulada de 5,5% com tolerância de 2,5 pontos porcentuais para baixo ou para cima e o IPCA acabou por atingir uma taxa de 7,60%, bastante próxima do teto estabelecido. Já em 2005, a inflação oficial do país fechou o período dentro da meta de 4,5%, com uma alta acumulada de 5,69%, contribuindo para isso a boa oferta de produtos agrícolas, alimentos e bebidas. A partir de 2006, o CMN manteve o ponto da meta inflacionária do Brasil em 4,5%, mas reduziu as margens de tolerância de 2,5% para 2% para cima ou para baixo e a inflação fechou em 3,14%, em que o real valorizado, a boa oferta de produtos agrícolas e os menores aumentos de tarifas públicas contribuíram para conter a inflação se mantendo dentro dos limites estabelecidos. A meta estipulada é atingida em todos os anos até 2011, com exceção de 2009 que, em razão da alta menor nos preços dos alimentos, o IPCA acumulado desacelerou para a marca de 4,31% inferior ao teto proposto. (BANCO CENTRAL DO BRASIL, 2012).
O que se mostra de mais relevante nesse período apresentado é que entre os anos de 2002 e 2011, a taxa de inflação oficial do país representada pelo Índice de Preços ao Consumidor Amplo (IPCA), ficou em seis ocasiões dentro da meta estabelecida pelo, com exceção dos anos de 2002 e 2003.
3. APRESENTAÇÃO DO MODELO ECONOMÉTRICO
O presente trabalho propõe estimar o nível médio de inflação, utilizando o Índice de Preços ao Consumidor Amplo, IPCA, dado que a inflação está associada a um índice, a partir da variação dos fatores que influenciam na dinâmica dos preços: a inflação do mês anterior, a quantidade de moeda em poder do público, a taxa de câmbio e o valor do salário mínimo real. Para tanto, será utilizado um modelo econométrico de regressão linear múltipla.
De acordo com Wooldridge (2010, p. 64), “a análise de regressão múltipla é mais receptiva à análise ceteris paribus, pois ela nos permite controlar explicitamente muitos outros fatores que, de maneira simultânea, afetam a variável dependente”. Com a regressão múltipla obtemos o valor médio da variável dependente para os valores dados das variáveis independentes.
A relevância de trazer a luz tais relações vem do papel das mesmas na condução da política econômica. Uma vez que o objetivo almejado é a estabilização de preços, é de fundamental importância que seja conhecido o comportamento das variáveis que afetam a inflação da economia em questão. Quanto maior conhecimento sobre essas variáveis, mais
apuradas podem ser as previsões da inflação futura, fundamentais para o bom desempenho da economia e para a adequada aplicação dos instrumentos de política monetária. Optou-se como amostra, pelos dados mensais de 1995 a 2002, que abrange o governo de Fernando Henrique Cardoso, FHC, e de 2003 a 2011, que compreende o governo do PT, abarcando as presidências de Luís Inácio Lula da Silva e o primeiro ano de governo de Dilma Roussef, formando assim, duas séries temporais para a análise da variação do nível de preços no Brasil, formando um grupo de 188 observações.
As variáveis escolhidas para a análise de regressão da inflação estão condicionadas as influências que as mesmas proporcionaram sobre o nível de preços na década de 1980, com os seus efeitos podendo ser notados mesmo após a relevância que o Plano Real obteve para a estabilização econômica.
Aqui propõe-se estimar o nível médio de inflação, utilizando o Índice de Preços ao Consumidor Amplo - IPCA. Este é o índice mais relevante do ponto de vista da política monetária, já que foi escolhido pelo Conselho Monetário Nacional (CMN) como referência para o sistema de metas para a inflação implantada em junho de 1999. O período de coleta do IPCA estende-se, em geral, do dia 01 a 30 do mês de referência. A população-objetivo do IPCA abrange as famílias com rendimentos mensais compreendidos entre 1 (um) e 40 (quarenta) salários-mínimos, qualquer que seja a fonte de rendimentos, e residentes nas áreas urbanas das regiões (IBGE, 2012).
Como variáveis explicativas para a variação de preços foram utilizadas a inflação do mês anterior, a quantidade de moeda em poder do público, M1, a taxa de câmbio e o salário mínimo real.
Inflação do mês anterior: É entendida como uma espécie de memória inflacionária que regula a influência da inflação passada na definição da inflação presente. Está diretamente associada à formação das expectativas sobre o futuro, explicada pelo comportamento defensivo dos agentes econômicos no sentido de preservar a sua renda real. O efeito dessa variável será captado a partir da inclusão dos valores defasados da inflação no modelo de regressão.
Papel moeda em poder do público mais depósitos à vista nos bancos comerciais, M1: é o total de moeda que não rende juros e é de liquidez imediata. O controle dessa base monetária como instrumento de política monetária, foi um dos instrumentos utilizados para promover a estabilidade da inflação nos anos 1990. Quando um governo aumenta a quantidade de moeda, a consequência é a queda progressiva do poder de compra da unidade monetária e a
correspondente elevação dos preços. Para evitar certos erros de distorções em termos absolutos, será empregada na regressão a proporção de M1 em relação ao PIB.
Taxa de câmbio: Os movimentos cambiais de uma economia, desvalorização ou apreciação, podem ter impactos relevantes sobre a inflação a longo prazo. Na medida em que o país mantém sua economia aberta ao comércio externo, uma mudança na taxa cambial afeta os bens comercializáveis, que são influenciados diretamente pela cotação da taxa de câmbio e, eventualmente se reflete em toda cadeia de preços.
Salário mínimo real: Atua como um mecanismo de indexação, no qual é feita a correção automática dos principais preços da economia pela inflação passada, promovendo um repasse das variações dos salários para os preços, realimentando o processo inflacionário. Um aumento do salário mínimo real, por exemplo, serve de base de referência para outras remunerações e na composição de gastos de alguns serviços. Além disso, estimula o consumo devido ampliação da renda disponível, causando uma pressão na demanda da economia.
Para a estimação do valor médio do nível de preços, dado pelo IPCA, a partir dos valores dados mensais da inflação passada, da quantidade de moeda em poder do público, da taxa de câmbio e do salário mínimo real, será utilizado o seguinte modelo econométrico de regressão múltipla em formato logarítmico:
lnY = β0 + β1i lnX1i + β2i lnX2i + β3i lnX3i + β4i lnX4i + ui Em que:
Y: valor mensal do IPCA
X1: valor mensal da inflação passada
X2: proporção mensal da quantidade de moeda em poder do público + depósitos à vista, M1, em relação ao PIB.
X3: valor mensal da taxa de câmbio X4: valor mensal do salário mínimo real
A equação acima mostra que o valor médio do Y, IPCA, está condicionado aos valores fixados de X1, X2, X3 e X4. O parâmetro β, mede o efeito que uma variável explicativa exerce sobre a variável explicada, mantendo as demais constantes. Dessa forma, os parâmetros β1i, β2i, β3i e β4i darão o efeito que cada variável exercerá sobre Y. O parâmetro β0 dará o efeito que todas as variáveis excluídas do modelo exerce sobre Y e ui é a variável estocástica que captura a influência de variáveis que se encontram exógenas ao modelo. Para efeito de simplificação, ui será igual à zero.
4. ESTIMAÇÃO DO MODELO
Segundo Gujarati (2006), uma das ferramentas indispensáveis para a econometria é o computador que permite o acesso a um leque de softwares estatísticos. Dentro da regressão múltipla, a primeira etapa é a identificação da variável dependente e quais são as variáveis independentes. Feito isso, é necessário escolher de forma adequada o software que será utilizado para análise da regressão. No presente estudo foi utilizado o software estatístico STATA 11 para a análise econométrica. Serão realizadas duas regressões a partir da seguinte equação:
ln_ipca = β0 + β1l.ln_ipca + β2ln_m1pib + β3ln_cambiov +β4ln_wreal
A equação da regressão está em formato log-log em que os dados são obtidos em variação percentual. As variáveis utilizadas foram renomeadas com base na equação da seção 3, sendo Y equivalente ao ipca, X1 a inflação do mês anterior, X2 a M1 proporção do PIB, X3 ao câmbio3 e X4 ao salário mínimo real.
Estimada a regressão, a partir do resultado, identifica-se o nível de significância das variáveis utilizadas no modelo. Para tanto, são utilizados os testes t e F de significância estatística. “Um teste de significância é um procedimento em que os resultados amostrais são usados para verificar a veracidade ou a falsidade de uma hipótese nula” (GUJARATI, 2006, p. 104).
O teste t verifica a significância dos coeficientes individualmente. Com o cálculo da estatística t, obtêm-se o nível de significância, o valor p, “que é o menor nível de significância ao qual a hipótese nula pode ser rejeitada” (GUJARATI, 2006, p. 111), também conhecido como erro Tipo I. Admite-se, nesse modelo, um nível de significância de 5%. A partir da operacionalização da estatística t, serão levantadas duas hipóteses: a primeira de que, para todos os valores dos parâmetros, a hipótese nula será igual a zero; a segunda de que todos os valores dos coeficientes sejam diferentes de zero, chamada hipótese alternativa. Procura-se, no presente estudo, rejeitar a hipótese nula, postulando:
H0: β1i = 0; H0: β2i = 0; H0: β3i = 0; H0: β4i = 0 H1: β1i ≠ 0; H1: β2i ≠ 0; H1: β3i ≠ 0; H1: β43i ≠ 0
No caso do teste de significância F é verificado, simultaneamente, se os valores dos coeficientes da regressão múltipla são iguais à zero. É uma medida geral da significância da
3 Foi utilizado na regressão o valor de venda do câmbio.
regressão estimada. No teste F, se a hipótese nula for verdadeira, conclui-se que a variação da variável dependente se deve a forças exógenas. Por outro lado, se a hipótese nula for rejeitada, significa que as variáveis explicativas exercem influência sobre a variável dependente. Se a hipótese nula for rejeitada, a soma dos quadrados explicados, SQE, será maior que a soma dos quadrados dos resíduos, SQR (GUJARATI, 2006). Se o valor F, dado pelo valor p de significância, for baixo, ao nível de significância de 5%, rejeita-se a hipótese nula. Dessa forma, será postulado, com base na estatística F, que:
H0: β1 = β2i = β3i = β4i = 0 H1: β1 ≠ β2i ≠ β3i ≠ β4i ≠ 0
O programa econométrico STATA também registra o coeficiente de determinação R², que mede o percentual da variação total da variável dependente que é explicada pelo modelo de regressão. Abaixo do R² é registrado o R² ajustado, em que “o termo ajustado significa ajustado pelos graus de liberdade associados à soma dos quadrados totais” (GUJARATI, p. 175, 2006). O R² ajustado considera o número de parâmetros a serem estimados e os graus de liberdade.
Baseado nas informações, a primeira regressão a ser estimada foi para o período de 1995 a 2002, sendo obtidos os seguintes resultados por meio do STATA:
Fonte: Elaboração Própria
Figura 1 – Resultado da regressão para o período de 1995-2002
O que se constata, a partir da operacionalização do teste t, para todas as variáveis explicativas, testadas individualmente, é que todas são estatisticamente significativas para o modelo de regressão, com a observação do valor-p ao nível de significância de 5% e, portanto, rejeita-se a hipótese nula; com exceção da variável salário mínimo real que
_cons 10.88731 6.960273 1.56 0.122 -2.95639 24.73102 ln_wreal -2.632174 1.465797 -1.80 0.076 -5.547586 .283237 ln_cambiov 1.343958 .5077674 2.65 0.010 .3340293 2.353887 ln_m1pib -1.475991 .5917593 -2.49 0.015 -2.652977 -.299006
L1. .3979576 .1035764 3.84 0.000 .1919484 .6039669 ln_ipca
ln_ipca Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 75.2129223 87 .864516348 Root MSE = .80333 Adj R-squared = 0.2535 Residual 53.5635912 83 .645344472 R-squared = 0.2878 Model 21.6493311 4 5.41233278 Prob > F = 0.0000 F( 4, 83) = 8.39 Source SS df MS Number of obs = 88
demonstra não afetar o nível de inflação no Brasil para o período de 1995-2002. No caso do teste F, o resultado para a regressão desse período mostra-se extremamente significativo com o valor prob > F 0,000. Na regressão desse período, obteve-se um valor F de 8,39, o que significa que a hipótese que está sendo testada é provavelmente verdadeira. Como o valor do p é menor que o nível de significância estipulado, rejeita-se a hipótese nula.
Com base na interpretação do R² e do R² ajustado, com o objetivo de identificar a proporção da variação do IPCA que é explicada, conjuntamente, pelas variáveis inflação do mês anterior, M1 em relação ao PIB, taxa de câmbio e salário mínimo real para a série temporal correspondente aos anos de 1995-2002 obteve-se o valor de R² de 0,2878, significando que cerca de 28,78% da variação sob as causas da inflação são explicadas pela inflação do mês anterior, M1 em relação ao PIB, câmbio e salário mínimo real. Aqui, verifica- se que há uma correlação positiva baixa entre a variável tida como dependente e as explanatórias. O valor do R-ajustado, 0,2535, aponta que as variáveis explanatórias tem pouco poder explicativo sobre a variável dependente, responsável apenas por 25,35%.
Para efeito de comparação, foi elaborada uma segunda regressão a partir de uma série temporal que engloba os anos de 2003 a 2011.
Fonte: Elaboração Própria
Figura 2 – Resultado da regressão para o período de 2003-2011
Realizando os testes de significância estatísticas das variáveis do modelo, por meio da realização do teste t para todas as variáveis explicativas para o período 2003-2011, constata-se que todas as variáveis são estatisticamente significativas para o modelo de regressão ao nível de significância de 5%, exceto a taxa de câmbio que apresentou um nível de significância maior do que o especificado para o modelo, 0,791 e o salário mínimo real com nível de significância de 0,277. Dessa forma o resultado mostra que a taxa de câmbio e o salário
_cons 3.6353 3.715587 0.98 0.330 -3.741072 11.01167 ln_wreal -.7002796 .6404621 -1.09 0.277 -1.971758 .5711983 ln_cambiov .122735 .4610837 0.27 0.791 -.792632 1.038102 ln_m1pib 1.251677 .6128617 2.04 0.044 .0349927 2.468361
L1. .5194118 .0654525 7.94 0.000 .3894722 .6493514 ln_ipca
ln_ipca Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 36.9743779 99 .373478565 Root MSE = .44452 Adj R-squared = 0.4709 Residual 18.7718822 95 .19759876 R-squared = 0.4923 Model 18.2024957 4 4.55062393 Prob > F = 0.0000 F( 4, 95) = 23.03 Source SS df MS Number of obs = 100
mínimo real não tiveram relevância na influência no nível de preços para a regressão de 2003- 2011. Já para o teste de significância conjunta, com o valor-p inferior a 0,05, com prob >F 0,000, conclui-se que os coeficientes são diferentes de zero e que, portanto, as variáveis explicativas estão diretamente relacionadas a variável dependente. Aqui, rejeita-se a hipótese nula de que os regressores não influenciam o regressando, visto que o resultado obtido revela- se altamente significativo dado a admissão do valor crítico como margem de segurança configurando 5% de chance de erro ou 95% de chance de estar certo.O valor obtido para F é dado por 23,03.
Para essa série temporal, o valor de R² em 0,4923 sugere que 49,23% da variação na inflação são explicadas pelas variáveis da inflação do mês anterior, M1 em relação ao PIB, câmbio e salário mínimo real. Como R² pode ser, no máximo, igual a 1, o resultado observado sugere que a linha de regressão se ajusta muito bem aos dados. Já o coeficiente de determinação ajustado para graus de liberdade (Adjusted R-squared) ficou no valor de 0,4709 indicando que o modelo é capaz de explicar 47,09% da proporção da variação na variável explicada pelos regressores.
5. IDENTIFICAÇÃO DE PROBLEMAS NO MODELO DE REGRESSÃO
Alguns problemas relacionados ao modelo estimado podem surgir, como o aparacimento da multicolinearidade e da heteroscedasticidade. Esses problemas violam as hipóteses básicas dos modelos econométricos. Dessa forma, com objetivo de detectar e corrigir eventuais problemas que poderão existir no modelo de regressão múltipla apresentado anteriormente, foram realizados testes, sendo os resultados analisados a seguir.
5.1. Multicolinearidade
De acordo com Gujarati (2006), a multicolinearidade é uma situação em que há uma relação linear exata ou aproximadamente exata entre as variáveis explanatórias, sendo a multicolinearidade um fenômeno da amostra. Um dos pressupostos básicos do modelo de regressão é que não haja multicolinearidade, pois a existência de tal relação dificulta a estimação dos coeficientes dos regressores.
Alguns testes foram desenvolvidos para detectar a presença de quase multicolinearidade, o teste de fator de inflação da variância, FIV (variance inflation factor, VIF). Esse teste mostra como a variância de um estimador é inflada pela multicolinearidade.
Com o propósito de detectar a presença de multicolinearidade foi realizado o teste VIF para a regressão da série temporal que compreende de 1995 a 2002, obtendo os seguintes resultados:
Fonte: Elaboração Própria
Figura 3 – Teste VIF
Uma das regras para a interpretação quanto à existência da multicolinearidade na regressão é que média do VIF não pode ser maior 1 e o maior VIF para as variáveis não pode ser maior que 10. Ao lado, aparece a estatística TOL (tolerância), o inverso do VIF, que postula que quanto mais próximo de 0 maior é a existência de multicolinearidade e que mais próximo de 1 menores as chance de haver indício de multicolinearidade. Com média VIF de 2,67 e com o maior valor VIF para as variáveis explicativas sendo 3,62, conclui-se que o modelo não apresenta indícios de alta multicolinearidade.
Fonte: Elaboração Própria
Figura 4 – Teste de correlação para os anos 1995-2002
O Stata também permite a realização do teste de correlação a fim de identificar o grau de correlação entre as variáveis. A figura acima apresenta a matriz de correlação que mostra as inter-correlações entre os quatro regressores. Essa matriz mostra a correlação de cada variável explicativa com ela mesma e com as demais variáveis. De acordo com Gujarati (2006), por definição, a correlação de uma variável com ela mesma é sempre igual a 1.
Mean VIF 2.67
ln_wreal 1.73 0.578631 ln_cambiov 2.32 0.431226 ln_m1pib 3.00 0.333620 L1. 3.62 0.276437 ln_ipca
Variable VIF 1/VIF
ln_wreal -0.4546 0.6391 0.4024 1.0000 ln_cambiov -0.7478 0.5371 1.0000
ln_m1pib -0.7397 1.0000 L1. 1.0000
ln_ipca
ln_ipca ln_m1pib ln_cam~v ln_wreal L.
A partir da realização do teste para essa série temporal de 1995-2002, o resultado aponta para uma baixa correlação entre as variáveis, o que sugere não haver problema de correlação. Os testes VIF e de correlação entre as variáveis também foram aplicados para a série temporal de 2003-2011 e apresentaram os mesmos valores mencionados anteriormente para o período 1995-2002.
Com base nos testes aplicados ao modelo de regressão utilizados para verificar a variação no nível de preços a partir da influência da inflação do mês anterior, M1, taxa de câmbio e salário minímo real, não se verifica a existência de multicolinearidade elevada, devido a baixa correlação linear existente entre as variáveis explicativas.
5.2. Heteroscedasticidade
A heteroscedasticidade é um problema que acontece quando as variâncias não são as mesmas para todas as observações do modelo de regressão. De acordo com Gujarati (2006, p. 313) “umas das premissas importantes do modelo de regressão linear clássico é que a variância de cada termo de erro ui, condicionado aos valores selecionados das variáveis explanatórias é algum número constante”. Quando todas as observações possuem a mesma variância, tem-se a premissa da homocedasticidade, sendo desejável que a variância dos resíduos da regressão seja constante, pois, caso contrário, haverá violação de um dos pressupostos básicos do modelo, apresentando heteroscedasticidade.
Para detectar se há a ocorrência do problema no modelo trabalhado foram realizados testes de existência da heteroscedasticidade. Para tanto, assume-se as seguintes hipóteses: H0: Homocedasticidade
H1: Heterocedasticidade
A hipótese nula aponta que as variâncias do modelo são constantes, ou seja, o modelo é homocedástico. A hipótese alternativa, por sua vez, identifica o modelo como sendo heteroscedástico. As hipóteses assumem um nível de significância de 5%.
O primeiro método de identificação da presença ou ausência da heteroscedasticidade utilizado no modelo é o teste Breusch-Pagan (teste BP). Breusch e Pagan (1979) sugeriram um teste em que os erros são distribuídos. Nesse teste o modelo é avaliado por Mínimos Quadrados Ordinários (MQO) para a obtenção dos quadrados dos resíduos para cada observação. Então, é executada a regressão tendo como variável dependente û² para a obtenção do valor p das variáveis explicativas. Se o valor p estiver abaixo do nível de
significância selecionado, então a hipótese nula de homoscedasticidade é rejeitada. (WOOLDRIDGE, 2010).
Com base na realização desse teste no Stata para os anos de 1990-1999, obteve-se uma probabilidade de 0,0198. O resultado sugere que, para essa série temporal, a um nível de significância de 5%, o modelo é heteroscedástico. Da mesma forma, para os anos de 2003- 2011, com um resultado probabilístico de 0,0001, o resultado aponta a presença de heterocedasticidade.
Outra forma de identificar a presença ou ausência da heteroscedasticidade é através do teste de White. Este é explicitamente destinado a testar formas de heteroscedasticidade que invalidem os erros-padrão e as estatísticas de testes habituais, estimados por MQO. Para verificar a existência de heteroscedasticidade, o teste White envolve a regressão dos quadrados dos resíduos de MQO sobre os valores ajustados e o quadrado destes (WOOLDRIDGE, 2010).
As hipóteses a serem testadas são:
H0: δ1 = 0; δ2 = 0; δ3 = 0; δ4 = 0 H1: δ1 ≠ 0; δ2 ≠ 0; δ3 ≠ 0; δ4 ≠ 0
Ao aplicar o teste de White aos resíduos obtidos ao nível de significância de 5%, foram gerados os seguintes resultados: para os anos de 1995-2002 o valor-p é de 0,8569 confirmando que o modelo é homoscedástico, não havendo presença de heteroscedasticidade. Ou seja, aceita-se a hipótese nula de que a variância do erro ui, condicional nas variáveis explicativas, é constante. Para a regressão dos anos 2003-2011 o resultado obtido do p-valor é de 0,2876 aceitando a hipótese nula de que os termos de erro da função de regressão têm a mesma variância, que ambas as regressões para esse teste não são afetadas pela heteroscedasticidade.
5.3. Teste de Erro de Especificação e Omissão de Variáveis
Em um modelo de regressão linear clássico, podem ocorrer erros de especificação do modelo ou erros de omissão de variáveis. Para detecção destes erros é necessário realizar alguns testes, como o teste RESET.
O teste RESET foi proposto por Ramsey (1969) para detectar má-especificação da forma funcional. Um modelo de regressão múltipla sofre de má-especificação da forma funcional quando não explica de maneira apropriada a relação entre as variáveis explicativas e
a dependente observadas, conduzindo a estimadores viesados de , β1, β2, β3 e β4 (WOOLDRIDGE, 2010).
As hipóteses a serem testadas no modelo são:
H0: Modelo corretamente especificado H1: Erro de especificação
A estatística do teste RESET se aproxima da estatística F que, se significativa, sugere algum tipo de problema na forma funcional. Ao aplicar o teste de RESET ao modelo, a um nível de significância de 5%, foram obtidos os seguintes resultados: para a regressão referente aos anos de 1995-2002 a Prob > F é de 0,1176. Portanto, aceita-se a hipótese nula ao nível de significância de 5%, evidenciando que o modelo está corretamente especificado. Para a regressão dos anos 2003-2011 os valores obtidos com teste RESET foram Prob > F de 0,5960. Aqui, se aceita a hipótese nula de que o modelo está corretamente especificado, não apresentando erro de forma funcional.
Outro erro em que o modelo pode incorrer é o de omissão de variáveis que pode causar uma correlação entre o erro e as variáveis explicativas gerando uma inconsistência em estimadores de MQO (GUJARATI, 2006). O teste usado para verificar existência ou não de variáveis omitidas foi o ovtest, considerando as seguintes hipóteses:
H0: Não há omissão de variáveis H1: Há omissão de variáveis
Os dados encontrados na regressão referente aos anos de 1995-2002 com Prob > F 0,1120, aceita H0, afirmando que não existem variáveis omitidas no modelo. Assim como os resultados para os anos 2003-2011, com Prob > F 0,1014, aceita-se a hipótese nula de que não existem variáveis omitidas no modelo. A realização destes dois testes comprova que nenhuma das regressões apresenta erro por omissão de variáveis.
6. DISCUSSÃO DOS RESULTADOS
Após a realização dos testes de significância estatística e de detecção de erros de estimação, os parâmetros do modelo estimado para o primeiro período obtiveram os seguintes valores, os quais foram introduzidos na equação:
ln_ipca = 10,88 + 0,39l.ln_ipca - 1,47ln_m1pib + 1,34ln_cambiov - 2,63ln_wreal Os resultados mostram que para o período 1995-2002, a inflação do mês anterior exerceu influência positiva sobre a inflação do mês corrente. O parâmetro dessa variável indica que um aumento de 1% no valor da inflação passada provocou, em média, uma
variação de 0,39% na inflação corrente. Esse resultado aponta que, mesmo após a implantação do Plano Real de estabilização com intuito de reverter o quadro inflacionário que assolava a economia, houve o repasse da inflação passada para a inflação presente no governo FHC. Isso se deve aos resquícios ainda existentes da inflação inercial na economia brasileira, pois, de acordo com Giambiagi e Villela (2005), sob a ótica estatística, a principal causa da elevada inflação entre as décadas de 1980 e 1990 decorria do componente de realimentação pela inflação passada. Em suma, mesmo a inflação apresentando trajetória descendente pós-Plano Real, nesse período ainda persistia a memória inflacionária o que afetava as expectativas dos agentes com relação à inflação futura.
O coeficiente angular M1 em relação ao PIB, mantendo constantes os efeitos da inflação do mês anterior, da taxa de câmbio e do salário mínimo real, exerceu uma influência negativa sobre o valor médio do IPCA, em que esse coeficiente é estimado em aproximadamente -1,47%, indicando que, no período amostrado, um aumento de 1% no montante de papel moeda em poder do público provocou, em média, uma variação de -1,47% no nível de preços. Parece ser um resultado surpreendente se colocada em prática à relação de que uma variação positiva de M1 provoca uma variação positiva no nível de preços. A explicação para essa relação negativa obtida pode estar no fato de que a partir de 1994, com o Plano Real de estabilização, a inflação se situou em um nível muito baixo não sendo afetada pelos aumentos pouco significativos na quantidade de moeda em poder do público para provocar altas flutuações dos preços, para assim se constatar a existência de inflação.
Percebe-se, assim, que houve certo controle por parte do governo sobre a liquidez na economia por meio de uma política monetária restritiva. Nesse período de queda brusca da inflação, houve a necessidade de maior demanda real por papel moeda, uma vez que o custo de se ter dinheiro na forma líquida deixou de existir, mas não houve aumentos excessivos de moeda. Em períodos de alta inflação o que se verifica é o desejo por parte dos agentes de não deter um volume grande de moedas em mãos, fato que não ocorre em períodos de inflação baixa. Porém, mesmo com pequenos aumentos no volume monetário em poder do público, observa-se que os instrumentos econômicos e políticos para a redução da inflação utilizados no Plano Real tiveram êxito, pois o nível de preços permaneceu reduzido.
Com relação à influência do câmbio, observa-se uma relação positiva entre o IPCA e a taxa de câmbio, ou seja, uma desvalorização (ou apreciação) cambial provoca um aumento (ou diminuição) dos preços dos produtos importados. Uma mudança na taxa de câmbio afeta os preços dos bens comercializáveis que são influenciados pela taxa de câmbio, influenciando o resto da cadeia de preços. No período amostrado, um aumento (ou diminuição) de 1% na
taxa de câmbio provocou, em média, um aumento (ou diminuição) de 1,34% no IPCA. No contexto do período de 1995 a 2002, o câmbio teve tendência à apreciação com uma taxa de inflação cada vez menor. Esse fato está relacionado com a maior abertura econômica do Brasil nesse período, uma das ferramentas do Plano Real para conter a elevada inflação. Em 1994, o valor do real chegou a equiparar-se ao valor do dólar, revelando alta apreciação do real perante o dólar. Porém, em 1999, diante da impossibilidade de sustentar um câmbio apreciado, o real desvalorizou-se.
A taxa de câmbio, nesse período, foi utilizada como instrumento adicional como forma de estabilização. “A política era calcada na realização de contínuas minidesvalorizações cambiais necessárias à manutenção da paridade da moeda brasileira em relação às moedas estrangeiras” (SOARES, 2006, p.7). A utilização da ancoragem cambial visava reduzir os preços dos insumos importados, diminuindo assim os custos de produção, e estimular a competitividade dos produtos nacionais. Essa competição agia no sentido de apoiar o controle da inflação. Percebe-se que o mecanismo da âncora nominal influenciou significativamente a taxa de inflação, pois nesse período o câmbio se mostrou apreciado registrando uma trajetória descendente da taxa de inflação.
Quanto à variação do salário mínimo real, o parâmetro aponta um resultado negativo, porém, com base no teste t de significância, analisado anteriormente, infere-se que essa variável não é estatisticamente significativa para explicar as variações no nível de preço nesse período.
A partir dos resultados do STATA para a segunda série temporal, tem-se a seguinte equação de regressão:
ln_IPCA = 3,63 + 0,51l.ln_ipca + 1,25ln_m1pib + 012ln_cambiov - 0,70ln_wreal O primeiro coeficiente angular da equação para a regressão do período 2003 a 2011 é a inflação do mês anterior, indicando que um aumento de 1% dessa variável acarretou, em média, uma variação de 0,51 no nível de preços corrente. Dessa forma, o resultado corrobora a existência do caráter inercial da inflação na economia brasileira, mesmo após anos de estabilização, no governo do PT. Esse fato pode estar relacionado à existência de alguns mecanismos de indexação ainda conservados pelo governo, como salário, aluguel e condomínio, o que faz com que a inflação passada conduza a uma elevação no nível de preços.
O parâmetro de M1, quantidade de moeda em poder do público, dado pela proporção do PIB, β2, indica que um aumento de 1% no montante monetário em poder do público, provocou, em média, um aumento de cerca de 1,25% no IPCA. Isso reforça a tese de que um
maior volume de moeda em poder do público pode impulsionar para um aumento da demanda por consumo de bens e serviços e, consequentemente, acarretar em um aumento dos preços.
Oreiro (2005) assinala que a partir de 2004 a política monetária do governo Lula foi claramente expansionista, emitindo sinais contraditórios, com várias medidas sendo adotadas para a expansão do crédito, resultando em uma elevação dos agregados monetários como o M1. Essas medidas de expansão decorreram da redução gradativa da taxa de juros ao longo do governo Lula. De acordo com Pinheiro e Souza (2012), o primeiro mandato do governo Lula (2003-2007) manteve a mesma política econômica do segundo mandato de FHC de manter altas taxas de juros com o intuito de controlar a inflação, mas que, no entanto, flexibilizou as operações de crédito em trajetória expansionista durante o período de 2003 a 2010. Já ao longo do ano de 2011, o governo segue a política do governo anterior, ora expandindo, ora restringindo a política monetária.
O parâmetro que mede a influência do câmbio sobre o nível de preços, β3, constatou a estimativa de 0,122735. Porém, com base no teste t de significância, apreende-se que a variável não é estatisticamente significativa para o modelo, como foi discutido anteriormente. Com a técnica da regressão, obteve-se a estimativa de -0,70 para o parâmetro do salário real, β4. Porém, da mesma forma que a taxa de câmbio, o salário mínimo real não é estatisticamente significativo para explicar a variação no nível de preços.
Confrontando as duas séries temporais, o verificado é que as maiores influências sobre o nível de preços foram exercidas por variáveis diferentes em ambos os períodos, com ressalva para a inflação do mês anterior. A variação no nível de preços, na série que compreende os anos de 1995 a 2002, foi influenciada substancialmente pela variação da taxa de câmbio e pela inflação do mês anterior, se comparada com as demais variáveis. Por outro lado, a variação do nível de preços para o período de 2003 a 2011, teve seu maior efeito proveniente da variação da quantidade de moeda em poder do público e da inflação do mês anterior.
7. CONCLUSÕES
Este artigo se propôs a estudar a relação da inflação e suas possíveis causas, a inflação do mês anterior, a quantidade de moeda em poder do público mais depósitos a vista, a taxa de câmbio e o salário mínimo real, utilizando um modelo de regressão linear múltipla, estabelecendo uma comparação entre os anos de 1995 a 2002 e 2003 a 2011. Como medida de inflação para a estimação foi utilizado o Índice de Preços ao Consumidor Amplo, IPCA. A
relevância de se estudar tal relação está no fato de que, se o objetivo de uma economia é estabilização dos preços, é substancial o conhecimento do comportamento das variáveis que afetam a inflação. As variáveis escolhidas para a análise de regressão da inflação estão condicionadas as influências que as mesmas proporcionaram sobre o nível de preços na década de 1980, com os seus efeitos podendo ser notados mesmo após a implantação do Plano Real para a estabilização, nos governos de FHC e Lula, bem como o primeiro ano do governo Dilma.
Realizando testes de hipóteses de significância estatísticas das variáveis explicativas utilizadas no modelo, constatou-se que todas as variáveis são estatisticamente significativas para o modelo de regressão, ao nível de significância de 5%, para ambas as séries temporais, exceto a taxa de câmbio que apresentou um nível para os anos de 2003 a 2011, e o salário mínimo real para ambos os períodos, mostrando que essas variáveis não tiveram relevância na influência no nível de preços. O teste F empregado para o modelo como um todo mostra tanto para o período de 1995 a 2002 quanto para 2003 a 2011, que os coeficientes das variáveis são diferentes de zero e que, portanto, as variáveis explicativas estão diretamente relacionadas a variável dependente.
Procurando identificar a proporção da variação do IPCA que é explicada, conjuntamente, pelas variáveis explicativas, para a série temporal correspondente aos anos de 1995 a 2002 obteve-se o valor de R² de 28,78% e de R² ajustado ligeiramente menor, 25,35%. Por outro lado, para os anos de 2003 a 2011, o valor encontrado para o R² foi de apenas 49,23% e de R² ajustado de 47,09%, mostrado que para esse período o poder de explicação das variáveis utilizadas sobre a variação no nível de preços é significativamente maior.
Com relação aos problemas que violam os pressupostos básicos de uma regressão linear clássica, os testes realizados revelaram não haver a presença de uma relação de alta multicolinearidade para ambas as séries temporais devido à baixa correlação linear existente entre as variáveis explicativas. Quanto à identificação da presença de heteroscedaticidade foram utilizados dois métodos, os testes Breusch-Pagan e de White. O primeiro teste revelou que para os dois períodos o modelo é heteroscedástico. Por outro lado, o segundo teste mostra que ambas as regressões não são afetadas pela heteroscedasticidade. O teste RESET acusou não haver erro de especificação funcional, assim como omissão de variáveis.
Confrontando as duas séries temporais, a partir dos resultados das regressões, o verificado é que as maiores influências sobre o nível de preços foram exercidas por variáveis diferentes em ambos os períodos. A variação no nível de preços, na série que compreende os anos de governo de FHC, foi influenciada substancialmente pela variação da taxa de câmbio e
pela inflação do mês anterior. Por outro lado, a variação do nível de preços para o período do governo Lula e início do governo Dilma, teve seu maior efeito proveniente da variação da quantidade de moeda em poder do público, M1, e pela inflação do mês anterior.
Um aspecto importante a ser destacado é a herança que a economia brasileira ainda carrega no que se refere à realimentação da inflação corrente pela inflação passada, pois em ambos os períodos essa variável exerceu influência sobre o IPCA. Isso se deve a presença de alguns mecanismos de indexação ainda mantidos pelo governo.
8. REFERÊNCIAS
BANCO CENTRAL DO BRASIL. Histórico de Metas para a Inflação no Brasil. Disponível em: <http://www.bcb.gov.br/Pec/metas/TabelaMetaseResultados.pdf>. Acesso em: 13 de fev 2013
CASTRO, Gilberto Ribeiro de. Inflação: causas, efeitos e tipos. 2012. Disponível em: http://www.fanserrana.com.br/painel_dados/conteudo/files/(INFLA+%C3%A7+%C3%A2O
%20causa,%20efeitos%20e%20principais%20tipos%20_Salvo%20Automaticamente_).pdf. Acesso em 29 de jan 2013.
GREMAUD, Amaury Patrick; VASCONCELLOS, Marco Antonio Sandoval; TONETO, Rudinei Júnior. Economia brasileira contemporânea.7º Edição. Atlas: São Paulo, 2010. GIAMBIAGI, Fábio; VILLELA, André. Economia brasileira contemporânea. 10º Edição Elsevier: Rio de Janeiro, 2005.
GUJARATI, Damodar N. Econometria básica. Elsevier: Rio de Janeiro, 2006.
GUTIERRES, Ana Paula. O que é inflação? Revista Eletrônica de Administração. Edição nº 6, 2004. Disponível em: <http://www.revista.inf.br/adm06/pages/resenhas/nota1.pdf>. Acesso em 29 de jan 2013.
INSTITUO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE): Disponível em:
<http://www.ibge.gov.br>. Acesso em 14 de fev de 2013
INSTITUTO DE PESQUISA ECONÔMICA APLICADA (Ipeadata). Disponível em:
<http://www.ipeadata.gov.br/>. Acesso em: 17 de nov 2012.
PINHEIRO, Katsuk Rodrigues; PINHEIRO, Valéria Feitosa. A política de crédito do governo Lula , no período de 2003 a 2010.In: II Colóquio Sociedade, Políticas Públicas, Cultura e Desenvolvimento-CEURCA. Universidade Regional do Cariri-URCA. Ceará, 2012. Disponível em:http://www.urca.br/coloquioeconomia/IIcoloquio/anais/trab_est_pol_pub_bra_ident_lim_ nov_possib/2.pdf. Acesso em: 19 de maio 2013.
OREIRO, José Luís. Os sinais contraditórios da política monetária do governo Lula. Boletim de Conjuntura Economia & Tecnologia. Universidade Federal do Paraná, ano 01, vol. 01,
mai/jun, 2005. Disponível em:
http://www.economiaetecnologia.ufpr.br/revista/1%20Capa/Jose%20Luis%20Oreiro.pdf. Acesso em: 19 de maio 2013.
SIMONSEN, Mário Henrique. A inflação brasileira: lições e perspectivas. Revista de Economia Política, vol. 5, nº 4, out - dez 1985. Disponível em:
<http://www.rep.org.br/pdf/20-2.pdf >. Acesso em 22 de dez 2011.
SOARES, Fernando Antônio Ribeiro. A administração da taxa de câmbio no plano real e os fundamentos econômicos brasileiros. 2006. 187f. Tese (Doutorado em Economia). Universidade de Brasília. Brasília, 2006. Disponível em:
<http://www.planejamento.gov.br/secretarias/upload/Arquivos/seges/EPPGG/producaoAcade mica/Tese_%20FernandoSoares.pdf>. Acesso em 17 de fev 2013.
WOOLDRIGE, Jeffrey M. Introdução à econometria. 4ª edição. Cengage Learnig: São Paulo, 2010.
