OFERTA DE EXPORTAÇÃO DE SOJA NO BRASIL, 1996 A 2008

(1)

Campo Grande, 25 a 28 de julho de 2010, 1 Sociedade Brasileira de Economia, Administração e Sociologia Rural

OFERTA DE EXPORTAÇÃO DE SOJA NO BRASIL, 1996 A 2008 roniprojeto@yahoo.com.br

APRESENTACAO ORAL-Comércio Internacional

RONI BARBOSA MOREIRA; MARÍLIA FERNANDES MACIEL GOMES. UFV, VIÇOSA - MG - BRASIL.

OFERTA DE EXPORTAÇÃO DE SOJA NO BRASIL, 1996 A 2008

SUPPLY OF EXPORT OF SOYBEANS IN BRAZIL, FROM 1996 TO 20081

Grupo de Pesquisa: Comércio Internacional

RESUMO - O Brasil é um dos principais produtores e exportadores de soja. Em 2008, o total exportado do complexo soja, equivalente a US$ 18 bilhões, representou 25% da balança comercial do agronegócio brasileiro e 7% do total exportado pelo país. Entretanto, o preço doméstico da soja pode vir a sofrer influência da cotação internacional deste produto e, assim, constituir uma barreira a um consumo mais elevado internamente. O presente trabalho objetivou estimar uma função de oferta de exportação para a soja, no período de 1996 a 2008, considerando, no modelo teórico, a quantidade exportada como a diferença entre a produção interna e o consumo doméstico. Analiticamente, utilizou-se o modelo Auto-Regressivo Vetorial (VAR) Estrutural, introduzido por Bernanke (1986). Os resultados mostraram o impacto significativo da taxa de câmbio e do preço internacional da soja na quantidade exportada, além da relação direta entre variações de preço internacional afetando os preços domésticos. Tal influência entre os preços justifica-se pela abertura econômica ocorrida na economia brasileira a partir da década de 90, que implicou numa vulnerabilidade maior da economia quanto às mudanças do cenário internacional. Dessa forma, as variáveis externas devem ser consideradas, no tocante à formulação de políticas agrícolas relacionadas a este setor.

PALAVRAS-CHAVE: oferta, exportação de soja, preço doméstico, VAR Estrutural. CLASSIFICAÇÃO JEL: Q17.

ABSTRACT - Brazil is a leading producer and exporter of soybeans. In 2008, total exports of soybean complex, equivalent to US$ 18 billion, representing 25% of the trade balance of Brazilian agribusiness and 7% of the total exported by the country. However, the domestic price of soybeans can be influenced by the international price of this product and thus constitute a barrier to a higher level of domestic consumption. This study estimates to estimate a function of supply of soybeans for export in the period 1996 to 2008, considering the theoretical model, the quantity exported as the difference between domestic production and domestic consumption. Analytically, using the model Vector Auto-regressive (VAR) Estrutural, introduced by Bernanke (1986). It can be concluded that exchange rate and international price of soybeans effectively carry out influence in export quantity, besides the direct relationship between changes in international prices and domestic prices. This influence

1_{Os autores agradecem à Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) o apoio} financeiro que permitiu a participação no evento.

(2)

of the international prices can be justified by the economic opening occurred in the Brazilian economy from the 90’s, which resulted in a greater vulnerability of our economy when changes in the international economy occurs. Therefore, the external variables must be considered to the formulation of agricultural policies related to the exporter sector.

KEY WORDS: supply, exports of soybeans, home prices, Structural VAR. JEL CLASSIFICATION: Q17.

1. INTRODUÇÃO

O Brasil tem-se destacado, no cenário internacional, como um dos maiores produtores e exportadores mundiais do complexo de soja. A evolução do plantio de soja foi fundamental para explicar o potencial e a vocação agrícola brasileira, notadamente no que concerne ao desempenho no setor externo. Ao se espalhar pelo território nacional, chegando, inclusive, ao Cerrado, a produção de soja garantiu a formação de um setor exportador forte e competitivo, condição necessária para reduzir a dependência do capital internacional.

No final da década de 60, enquanto a soja ainda era um subproduto no Sul do Brasil e o trigo, a principal cultura, o país começava a incentivar a demanda de farelo de soja, visto o elevado crescimento que se estabelecia na produção de suínos e aves, setores tipicamente demandantes de tal produto. Dessa forma, a produção comercial de soja passou a representar uma necessidade estratégica. Dada a elevação do preço da soja no mercado mundial, em meados de 1970, os incentivos à sua produção foram intensificados não só pelos agricultores, como também pelo governo. Nesse cenário, destacaram-se a elevada produtividade da soja brasileira e o fato de o escoamento da safra ocorrer durante a entressafra norte-americana, país com maior volume de produção mundial, permitindo aos agricultores brasileiros desfrutarem de preços mais elevados. Desde então, o investimento em tecnologia para adaptação da cultura de soja às condições brasileiras permite que o grão seja plantado, com sucesso, em regiões de baixas latitudes, contribuindo, significativamente, para aumentos na oferta mundial de soja a partir da década de 90 (EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA - EMBRAPA, 2009).

Em 2008, segundo o Ministério do Desenvolvimento, Indústria e Comércio Exterior (MDIC), o total exportado do complexo produtivo da soja (grão, farelo e óleo), equivalente a US$ 18 bilhões, representou, aproximadamente, 25% da balança comercial do agronegócio brasileiro e 7% do total exportado pelo país, o que evidencia a expressiva contribuição das exportações de soja para o equilíbrio das contas no Balanço de Pagamentos do Brasil. Dentro do complexo, o grão, que gerou um total exportado no valor de cerca de US$ 11 bilhões, foi o produto mais comercializado (61%), seguido do farelo (25%) e do óleo (12%).

No tocante à produção externa, o Brasil é o segundo maior produtor mundial, visto que produz uma quantidade inferior apenas à produzida nos Estados Unidos, que contam com uma área plantada muito expressiva. Em conjunto, Argentina, Brasil e Estados Unidos foram responsáveis por 80% da produção mundial de soja, em 2008, enquanto China, Índia e Paraguai são outros países que se destacam no cenário internacional como grandes produtores de tal commodity. Segundo a Embrapa (2009), a cultura de soja, em nível mundial, foi a que apresentou o maior crescimento na produção, nos últimos anos. De 1970 a 2007, a elevação foi de 500%, saltando de 44 para 220 milhões de toneladas produzidas, superior ao crescimento na produção de grãos, como trigo, arroz, milho, feijão, cevada e girassol.

(3)

Em contraste com o expressivo desempenho do complexo produtivo da soja no cenário externo, o consumo doméstico de soja está aquém do cenário apresentado e difere de países orientais, como a China, que incorporam largamente a soja e seus derivados em seus hábitos alimentares. Dada a grande participação no comércio internacional da soja brasileira, a cotação de tal commodity no mercado externo pode vir a influenciar, direta e contemporaneamente, os preços domésticos, contribuindo para que estes sejam elevados, assim, reduzindo o consumo doméstico de tal produto.

A quantidade exportada de determinado produto, ao longo do tempo, tem sido explicada por distintas variáveis, quais sejam, a taxa de câmbio, em que são firmados os contratos de compra e venda; a cotação da commodity no mercado internacional; a renda mundial, que atua no deslocamento da demanda de exportações; o nível de preços domésticos, que estimula ou desestimula a demanda interna e, consequentemente, altera os níveis de oferta do produto destinado à exportação; e os incentivos e subsídios governamentais à produção de tal cultura agrícola.

Distintos trabalhos podem ser citados, no que tange ao complexo soja, entre os quais os de Figueiredo e Silva (2004), Rocha e Mendonça (2006), Fraga et al. (2006) e Souza et al. (2007).

Figueiredo e Silva (2004), ao analisarem a exportação brasileira de soja em grãos, utilizaram um modelo de correção de erros, no período de 1980 a 2001, incorporando as variáveis mencionadas anteriormente além de uma variável dummy, com o propósito de identificar o momento em que o câmbio passou a operar em um sistema flutuante. O desempenho das exportações de soja também foi analisado por Rocha e Mendonça (2006), que, ao utilizarem o modelo de comércio internacional Constant-Market-Share, identificaram o efeito competitividade como o principal determinante do crescimento das exportações de soja, no período de 1986 a 2000, e, em menor grau, o crescimento do mercado mundial. Fraga et al. (2006), ao estimarem um coeficiente de repasse (pass-through) das variações da taxa de câmbio para os preços de exportação da soja no Brasil no período pós-Plano Real, afirmaram que a política cambial acarreta efeitos positivos sobre o quantum exportado, razão pela qual não deve ser implementada como a única política de estímulo. Souza et al. (2007), ao analisarem o efeito da taxa de câmbio, da quantidade exportada e do preço internacional da soja sobre a sua receita de exportação, e utilizarem o método shift-share, concluíram que, mesmo com variações adversas no câmbio e no preço internacional, a quantidade exportada manteve-se crescente durante o período de 1994 a 2005.

Em face da importância da soja na economia brasileira, como grande geradora de divisas, devido a sua relevante participação no comércio internacional, busca-se, neste trabalho, analisar os determinantes da oferta de exportação deste produto, no período de 1996 a 2008. Especificamente, pretende-se identificar a relação contemporânea entre o preço de exportação de soja e o preço doméstico, bem como os principais condicionantes na explicação do quantum exportado de soja, por meio da decomposição histórica do erro de previsão e os efeitos sobre a quantidade exportada, mediante choques nas principais variáveis incluídas no modelo VAR Estrutural: taxa de câmbio, preço doméstico da soja, preço internacional, variável proxy da renda.

Ao utilizar a metodologia de Auto-Regressão Vetorial, identificada pelo processo de Bernanke (1986), considera-se, segundo o modelo econômico proposto por Barros et al. (2002), que o quantum exportado depende dos excedentes do consumo doméstico. Assim,

(4)

busca-se investigar os principais determinantes da exportação de soja no período abarcado. Segundo Borges e Silva (2006), o uso de tal metodologia supera a limitação do modelo VAR em sua forma reduzida, pois este é um modelo ateórico que, embora tenha bom desempenho para previsões de curto prazo, considera todas as variáveis incluídas no modelo como endógenas, diferindo-se, também, das metodologias mencionadas anteriormente para estudos sobre a soja. O uso de modelos VAR Estrutural permite obter funções de impulso-resposta, decomposição dos erros de previsão, ou seja, analisa os efeitos dinâmicos de alterações nas principais variáveis incluídas no modelo.

O presente artigo, além desta seção introdutória, conta com mais três seções. A segunda faz referência aos aspectos metodológicos, incluindo modelo teórico e procedimentos econométricos da estimação do modelo VAR Estrutural; na seção seguinte, os resultados são apresentados e discutidos; e, por fim, serão feitas as considerações finais.

2. METODOLOGIA

2.1. Modelo teórico

O referencial teórico, a ser utilizado neste trabalho e que dá sustentação ao problema proposto, baseia-se na Lei da Oferta e Demanda, da Teoria Econômica, evidenciada por meio das relações diretas e inversas entre os preços e quantidades demandadas e ofertadas, além de fatores deslocadores das curvas de demanda e oferta.

A literatura nacional apresenta uma série de trabalhos que tratam de estimativas de função de exportação e importação para produtos diversificados do comércio internacional. Dentre os estudos realizados especificamente para produtos agrícolas, podem-se citar os de Castro e Cavalcanti (1997), Cavalcanti e Ribeiro (1998), Carvalho e Negri (1999), Barros et al. (2002), Alves e Bacchi (2004), Souza Neto et al. (2006), Santos e Barros (2007), Mazzotti (2008).

Neste estudo, faz-se uma adaptação da metodologia utilizada por Alves e Bacchi (2004), que estimaram uma função de exportação para o açúcar fundamentados no modelo econômico proposto por Barros et al. (2002), que consideraram a quantidade exportada como uma função do diferencial de produção e consumo domésticos.

As funções de demanda e de oferta doméstica são descritas por

ܵ = ݂ ሺ݌ݎ݁݀݋݉݁ݏ, ܹሻ, ሺ1ሻ ܦ = ݂ ሺ݌ݎ݁݀݋݉݁ݏ, ܻሻ, ሺ2ሻ

em que ݌ݎ݁݀݋݉݁ݏ é o preço doméstico do produto; W, deslocador da oferta; e Y, o deslocador da demanda. Considera-se, portanto,

ݍ݁ݔ݌݋ݎݐ = ܵ − ܦ , ሺ3ሻ

em que ݍ݁ݔ݌݋ݎݐ é o quantum exportado.

A relação entre o preço de exportação e o preço doméstico é expressa por uma margem de exportação ݉ que cobre o custo dessa operação. Tal margem pode ser expressa por

(5)

em que α é a elasticidade relacionando ݉ a ݌ݎ݁݀݋݉݁ݏ. O preço do produto exportado, expresso em moeda nacional (݌ݔ), é igual ao preço praticado no mercado doméstico mais a margem de exportação:

݌ݔ = ݌ݎ݁݀݋݉݁ݏ + ݉ , ሺ5ሻ ݌ݎ݁݀݋݉݁ݏ = ݌ݔ − ݉ , ሺ6ሻ

ou, ainda,

݌ݎ݁݀݋݉݁ݏ = ݌ݔ − ߙ × ݌ݎ݁݀݋݉݁ݏ . ሺ7ሻ

As equações (1), (2) e (3) caracterizam a função de oferta de exportação, afetada pelas variáveis de influência da demanda e oferta doméstica. Partindo de (7), a função de oferta de exportação pode ser expressa por

ݍ݁ݔ݌݋ݎݐ = ℎሺ݌ݎ݁݀݋݉݁ݏ, ݌ݔ, ܹ, ܻሻ . ሺ8ሻ

Como o preço de exportação, expresso em moeda nacional (px), é igual ao preço de exportação expresso em moeda estrangeira (݌݁ݔ݌݋ݎݐሻ mais a taxa de câmbio (ݐݔܾܿܽ݉݅݋ሻ, a função de oferta de exportação também pode ser expressa por

ݍ݁ݔ݌݋ݎݐ = ℎሺ݌݁ݔ݌݋ݎݐ, ݐݔܾܿܽ݉݅݋, ݌ݎ݁݀݋݉݁ݏ, ܹ, ܻሻ. ሺ9ሻ

Assim, a função da quantidade exportada de soja depende do preço da soja exportada, expresso em moeda estrangeira, taxa de câmbio real, preço doméstico, e dos deslocadores da demanda e da oferta. De acordo com Krugman (2005), espera-se uma relação direta entre o preço de exportação e a quantidade exportada, bem como a mesma relação entre a taxa de câmbio e esta última, ou seja, níveis mais elevados de preços incentivam os produtores a aumentarem a sua oferta para exportação, em face dos retornos maiores; enquanto uma taxa de câmbio desvalorizada torna os produtos nacionais relativamente mais baratos em relação aos produtos estrangeiros.

O diferencial entre a quantidade produzida e a quantidade exportada é refletido no comportamento do nível de preços domésticos. Considerando que uma sinalização de aumento de preço é identificada como reflexo do aquecimento da demanda pelo produto nacional, tem-se redução na quantidade disponível de soja para exportação, ou seja, há relação inversa entre essas variáveis. Quanto aos deslocadores da demanda, a variável proxy da renda caminha na mesma direção da quantidade exportada de soja, na medida em que uma variação positiva da renda estimula as exportações; enquanto o deslocador da oferta, como o preço de um bem substituto, por exemplo, também apresenta relação direta com o total exportado de soja, ou seja, um aumento no preço do bem substituto aumenta a demanda por soja e, por conseguinte, o volume exportado. No presente estudo, esta última variável não foi incluída, considerando-se que a soja, enquanto commodity, não possui um bem substituto.

Alves e Bacchi (2004), em estudo citado anteriormente, a fim de identificar as relações contemporâneas entre as variáveis do modelo, basearam-se em estudos preliminares,

(6)

apontados por Alves (2002), acerca do setor exportador de açúcar. Nesse estudo, consideraram que havia relação contemporânea apenas entre o preço do açúcar exportado e o preço doméstico de tal produto. De modo similar, no presente trabalho considera-se relação contemporânea somente entre preço internacional da soja e preço doméstico, enquanto o choque (impacto) destas e das demais variáveis sobre a quantidade exportada de soja ocorre apenas no decorrer de períodos mais longos, ou seja, não existe relação de contemporaneidade. Dessa forma, a matriz de relações contemporâneas é elaborada da seguinte forma:

Tabela 1 – Matriz de relação contemporânea do modelo VAR Estrutural Efeito de →

Sobre ↓ PEXPORT

PREDOMES

ܽ

_ଵ(+)

Fonte: Elaboração com base em Alves e Bacchi (2004).

A matriz identificada na Tabela 1 mostra a relação contemporânea direta entre o preço da soja exportada e o preço praticado internamente de tal produto. O sinal positivo do coeficiente ܽ_ଵ denota que, dado um aumento na cotação internacional da soja, os preços internos serão afetados positivamente. O que se pretende inferir, a partir de tal relação, é que esse efeito, em virtude da elevação dos preços das commodities nos últimos anos, em face do crescimento da demanda mundial de alimentos, contribui para limitar o consumo doméstico de soja e aumentar a oferta de tal produto para exportação.

Além de quantificar o impacto do preço exportado no preço doméstico (ܽ_ଵ), identificam-se, por meio da metodologia de Auto-Regressão Vetorial, os efeitos dinâmicos de mudanças nas variáveis incluídas no modelo, decompondo-se a variância do erro de previsão e estimando-se a função impulso-resposta de choques sobre a quantidade exportada. A seguir, descreve-se o procedimento econométrico para a estimação do modelo VAR Estrutural. 2.2.Modelo de Vetor Auto-Regressivo (VAR)

O uso de modelos de equações simultâneas ou estruturais trata algumas variáveis como endógenas e outras como exógenas ou predeterminadas, metodologia esta amplamente utilizada nas abordagens macroeconômicas tradicionais. Na sua estimação, a condição necessária é que o sistema de equações seja identificado (exatamente ou superidentificado), supondo-se que existam na equação algumas das variáveis predeterminadas do modelo. Essa era a crítica de Sims (1980), que apontou a inconsistência do modelo, quais sejam, o caráter simultâneo entre as variáveis e a distinção entre variáveis endógenas e exógenas ou predeterminadas (endógenas defasadas). Dessa forma, Sims desenvolveu o modelo Auto-Regressivo Vetorial.

No modelo de Vetor Auto-Regressivo (VAR), a característica é a interação entre as variáveis, em que todas são tratadas como endógenas. Sua estimação consiste em especificar o conjunto de variáveis que interagem entre si e determinar o período de defasagem que capta a interação dinâmica entre as variáveis do modelo. Tais interações são determinadas por meio da análise das funções de impulso resposta e pela decomposição histórica do erro de previsão.

(7)

As elasticidades de impulso para K períodos a frente permitem avaliar o comportamento das variáveis em resposta a choques individuais em qualquer dos componentes do sistema, possibilitando analisar, por meio de simulações, efeitos de eventos que tenham probabilidade de ocorrer. A decomposição histórica da variância dos erros de previsão, k períodos à frente, permite determinar a evolução do comportamento dinâmico apresentado pelas variáveis do modelo econômico, ao longo do tempo, analisando a importância de cada choque, ocorrido anteriormente, na explicação dos desvios dos valores observados das variáveis em relação à sua previsão realizada no início do período considerado (ALVES; BACCHI, 2004).

Entretanto, na metodologia VAR, a limitação é que se trata de um modelo ateórico, que estabelece uma estrutura recursiva para as relações contemporâneas entre as variáveis. Nesse sentido, Bernanke (1986) desenvolveu um modelo de Vetor Auto-Regressivo Estrutural que supera tal limitação e permite, com base na Teoria Econômica, estabelecer relações contemporâneas entre as variáveis.

O modelo VAR Estrutural pode ser representado por

ܤ଴ܻ௧= ܤଵܻ௧ିଵ+ ܤଶܻ௧ିଶ+ ⋯ + ܤ௣ܻ௧ି௣+ ݁௧ , ሺ10ሻ

em que Y é o vetor (k x 1), sendo k o número de variáveis de interesse, que corresponde a _t cinco no presente estudo, somando-se a quantidade exportada de soja(QEXPORT) com o nível de preços domésticos da soja (PREDOMES), o nível de preços do referido produto exportado expresso em moeda nacional (PEXPORT), o índice de produção industrial (PRODINDUS) e a taxa de câmbio real (TXCAMBIO); ܤ é a matriz de relações contemporâneas de ordem (k x k); ܤ_଴ é o vetor (k x 1) de interceptos; ܤ_௣ , com i =1,2,3,..., p, são matrizes (k x k) de coeficientes que relacionam os valores defasados das variáveis com seus valores correntes; e ݁_௧ é o vetor (k x 1) de choques ortogonais, que ocorre no tempo t . Considera-se que ݁_௧ tenha distribuição multinormal, com média zero e não correlacionado serialmente, tal que a matriz ܧሺ݁_௧݁_௧ᇱሻ = ܦ, ou seja, matriz diagonal. A equação 10 pode ser reescrita por:

ܤሺܮሻܻ௧= ݁௧ , ሺ11ሻ

em que ܤሺܮሻ é um polinômio em L ሺܤ_଴+ ܤ_ଵܮ + ܤ_ଶܮଶ+ ⋯ + ܤ_௣ܮ௣ሻ em que L é o operador de defasagem, tal que ܮ௝ܻ_௧ = ܻ_௧ି௝ para ݆ inteiro. Para a estimação, multiplica-se previamente (11) por ܤ_଴ିଵ e obtém-se a forma reduzida:

ܣሺܮሻܻ௧= ݑ௧ , ሺ12ሻ

em que ܣሺܮሻ = ܤ_଴ିଵܤሺܮሻ, ܣ_଴ = ܫ_௡ e ݑ_௧= ܤ_଴ିଵ ݁_௧. A equação (12) pode ser estimada por Mínimos Quadrados Ordinários (MQO). Procedendo-se ao modelo de Bernanke (1986), podem-se estimar, por meio da maximização da função de verossimilhança, os coeficientes de

ܤ଴ e ܦ.

Em se tratando de um processo com variáveis estacionárias, a equação (12) pode ser escrita na forma de média móvel:

(8)

ܻ௧ = ܥሺܮሻݑ௧ , ሺ13ሻ

em que ܥሺܮሻ, que é estimado conhecendo-se ܣሺܮሻ, é um polinômio de ordem infinita de matrizes ܥ_௝. Passando (13) para termos de ݁_௧, chega-se a:

ܻ௧ = ܥሺܮሻ ܤ଴ିଵ݁௧ , ሺ14ሻ

que pode ser usada para analisar a intensidade e o perfil temporal dos impulsos e a decomposição da variância do erro de previsão (BACCHI, 2007).

Para verificação da estacionariedade das séries, visto que se trata de uma condição para estimação do modelo VAR, recorrer-se-á ao teste de Dickey Fuller, largamente utilizado na literatura de séries temporais, em sua versão do teste de Dickey Fuller Aumentado (Augmented Dickey-Fuller - ADF), no qual se considera a existência de autocorrelação no termo de erro aleatório do modelo original de Dickey Fuller. O teste ADF consiste na estimação, por Mínimos Quadrados Ordinários (MQO), de uma das três formas funcionais:

Δܻ

௧

= ߙ + ߚܶ + ߜܻ

௧ିଵ

+ ߣ

௜

෍ Δܻ

௧ି௜ ௣ିଵ ௜ୀଵ

+ ߝ

௧

; ሺ15ሻ

Δܻ௧ = ߙ + ߜܻ௧ିଵ+ ߣ௜෍ Δܻ௧ି௜ ௣ିଵ ௜ୀଵ + ߝ௧ ; ሺ16ሻ Δܻ௧ = ߜܻ௧ିଵ+ ߣ௜෍ Δܻ௧ି௜ ௣ିଵ ௜ୀଵ + ߝ௧ ; ሺ17ሻ

em que Y se refere às séries da quantidade importada e de cada uma das variáveis definidas t anteriormente; α e β, termos determinísticos intercepto e tendência, respectivamente; δ, termo que indica a presença de uma raiz unitária na série ܻ_௧; e p, é a duração da defasagem. Testa-se a hipótese nula ܪ_଴: ߜ = 0 contra a hipótese alternativa ܪ_௔: ߜ > 0. Se a hipótese nula for rejeitada, a série será estacionária de ordem zero, ou seja, I(0). A ordem da defasagem (p), definida com base nos Critérios de Informação de Akaike (AIC) e Schwarz (SC), é determinada para se obterem os resíduos não-correlacionados, ou seja, ruído branco (ENDERS, 1995). A significância estatística do ߜ estimado é verificada por meio dos valores críticos, tabulados por Dickey e Fuller (1979)2.

2.3. Fonte de dados

Os dados sobre a quantidade exportada de soja, expressos em sc/60Kg, e o valor monetário das exportações (US$/SC/60Kg), utilizados no cálculo do preço da soja exportada, foram extraídos da Secretaria de Comércio Exterior (SECEX), do Ministério do Desenvolvimento, Indústria e Comércio (MDIC). Os preços domésticos de tal produto

2_{O procedimento completo para o teste de Dickey Fuller Aumentado pode ser encontrado em ENDERS (1995),} capítulo 4, p. 221-238.

(9)

(R$/sc/60Kg) foram obtidos do sistema de dados estatísticos do Instituto de Pesquisa em Economia Aplicada (IPEA). No deflacionamento dos preços foi utilizado o Índice Geral de Preços – Disponibilidade Interna (IGP-DI), calculado pela Fundação Getúlio Vargas (FGV). A taxa de câmbio efetiva real e a proxy da renda utilizada, que desloca a demanda pela soja exportada, expressa pelo valor das importações mundiais em bilhões de US$, também foram disponibilizadas pelo Instituto de Pesquisa em Economia Aplicada (IPEA). Em razão da mudança no regime cambial do Brasil em 1999, que passou de câmbio fixo para flutuante, foi introduzida uma variável dummy no modelo para identificar esse período. A série de dados tem periodicidade mensal de 1996 a 2008 e foi usada como taxa de crescimento.

3. RESULTADOS E DISCUSSÃO

3.1. Análise preliminar das séries de dados

Para verificar a estacionariedade das séries, inicialmente, realizou-se o teste de raiz unitária de Dickey Fuller Aumentado (ADF)3, para quantidade exportada de soja, preço doméstico da soja, taxa de câmbio real efetiva, preço da soja exportada e, para o valor monetário das importações mundiais, conforme resultados apresentados na Tabela 2. Verifica-se que todas as variáveis foram classificadas como estacionárias em nível, Verifica-sendo apreVerifica-sentadas em taxas de crescimento. Considerando a escolha do número de defasagens de acordo com o critério de Schwarz, apenas o modelo da variável quantidade exportada de soja rejeitou a hipótese nula de presença de raiz unitária, nos níveis de 1% e 5% de probabilidade, sendo que as demais variáveis rejeitaram a hipótese nula de ausência de estacionariedade, a 1% de probabilidade.

Tabela 2 – Teste de raiz unitária de Dickey-Fuller Aumentado (ADF)

Série Modelo estimado Número de Defasagens Estatística do teste 1% 5% 10% EXPORT Sem intercepto e

sem tendência

5

τ

-1,78* 2,58 1,95 1,62 PREDOMES Com intercepto e

com tendência

1 τ_τ -8,09*** 3,99 3,43 3,13 PEXPORT Com intercepto e

com tendência

12 τ_τ -8,65*** 3,99 3,43 3,13 TXCAMBIO Com intercepto e

com tendência

1 τ_τ -9,02*** 3,99 3,43 3,13 IMPORTMUND Com intercepto e

com tendência

1 τ_τ -4,69*** 3,99 3,43 3,13 Fonte: Dados da pesquisa.

Nota: ***Significativo a 1% de probabilidade. *Significativo a 10% de probabilidade.

3_{Segundo Doldado et al. (1990), inicia-se com o modelo com intercepto e tendência e usa a estatística} apropriada (߬_ఛሻ para testar se λ = 0. Se essa hipótese não for rejeitada, verifica-se a significância individual dos termos determinísticos, iniciando-se pelo termo de tendência ሺߚሻ, na presença de raiz unitária, a partir da estatística ߬_ఉఛ; se este último não for estatisticamente significativo, reinicia-se o teste, agora a partir da expressão (16). Testa-se a presença de raiz unitária e, caso exista, verifica-se também a significância do termo de intercepto (ߙ), a partir do teste ߬_ఈఓ. O processo continua até que a última forma funcional (17) seja analisada.

(10)

Após verificar a estacionariedade das séries, realizou-se o teste de Causalidade de Granger, com a finalidade de identificar a relação causal estabelecida entre as variáveis, ou ainda, determinar o caráter endógeno de cada uma das variáveis. Procedendo-se ao referido teste, ordenam-se, de forma estatisticamente consistente, as variáveis a serem incluídas no modelo VAR Estrutural, da variável mais exógena para a mais endógena. O teste consiste em estimar, primeiramente, o modelo Auto-Regressivo Vetorial (VAR) convencional, composto das cinco variáveis descritas anteriormente. Ao definir o número de defasagens com base no critério de Schwarz, a escolha deveria ser a de uma defasagem. Entretanto, verificou-se a presença de autocorrelação entre os resíduos do modelo com apenas uma defasagem, de acordo com o teste de autocorrelação do Multiplicador de Lagrange (LM).

Na presença de autocorrelação serial, a solução consiste em aumentar o número de defasagens até que esta não seja mais verificada. Realizado esse procedimento, a inclusão de duas defasagens eliminou a autocorrelação, tornando tal defasagem como a melhor escolha para o modelo. Logo, o modelo VAR a ser estimado é de segunda ordem, sendo o mesmo o valor da defasagem para o teste de Causalidade de Granger, bem como para a estimação do VAR Estrutural, decomposição da variância do erro e função impulso-resposta.

A análise de causalidade (Tabela 3), para quantidade exportada de soja (QEXPORT), indica que tal variável é causada, no sentido de Granger, pelo preço da soja exportada (PEXPORT) e pela taxa de câmbio real efetiva (TXCAMBIO), com um nível de rejeição da hipótese nula de 1% e 5% de probabilidade, respectivamente. A estatística de causalidade conjunta revela que a variável quantidade exportada é causada por todas as variáveis, podendo-se inferir que as variáveis incluídas no modelo constituem relevantes determinantes da quantidade exportada de soja, no período de estudo. Os resultados corroboram as relações definidas pela teoria econômica, evidenciadas a partir do modelo teórico proposto neste artigo. A variável definida pelo valor das importações mundiais (IMPORTMUND) apresentou o maior valor da estatística ߯ଶ, sendo causada, individualmente, pela taxa de câmbio e pela quantidade exportada. O preço da soja exportada também apresentou significância estatística conjunta com um nível de rejeição da hipótese nula de 1% de probabilidade, causada individualmente pelo quantum exportado de soja. Taxa de câmbio e preço doméstico (PREDOMES) representam as variáveis de caráter mais exógeno do modelo, visto que a causalidade conjunta não foi significativa, estatisticamente, a 10% de probabilidade, ou seja, tais variáveis não apresentaram relação causal ou precedente na direção das demais variáveis incluídas no modelo.

De acordo com os resultados obtidos pelo teste de Causalidade, no sentido de Granger, define-se, portanto, a ordem para estimação da matriz de relações contemporâneas, bem como da decomposição histórica do erro de previsão e função impulso-resposta, como TXCAMBIO, PREDOMES, PEXPORT, QEXPORT e IMPORTMUND, ou seja, da mais exógena para a mais endógena.

(11)

Tabela 3 – Resultados do teste de causalidade de Granger

Fonte: Dados da pesquisa.

Notas: Valores em negrito representam rejeição de H0 ou, de modo alternativo, presença de relação causal, no sentido de Granger, e endogeneidade da variável em análise; ***Significativo a 1% de probabilidade; **Significativo a 5% de probabilidade; * Significativo a 10% de probabilidade.

Variáveis independentes Variáveis dependentes

QEXPORT

࣑૛_P PEXPORT _࣑૛_P IMPORTMUND _࣑૛_P PREDOMES _࣑૛_P TXCAMBIO _࣑૛_P

QEXPORT 1,50 0,47 5,97 0,05* 1,70 0,43 2,24 0,33 PEXPORT 23,05 0,00*** 0,93 0,63 2,02 0,36 1,23 0,54 IMPORTMUND 1,91 0,38 5,93 0,05* 5,68 0,06* 4,69 0,10 PREDOMES 0,53 0,77 11,66 0,00*** 3,43 0,18 2,17 0,34 TXCAMBIO 7,48 0,02** 4,18 0,12 31,36 0,00*** 1,29 0,53 Todas 28,07 0,00*** 17,77 0,02** 56,59 0,00*** 11,12 0,19 8,01 0,43

(12)

3.2. Efeito contemporâneo sobre os preços da soja

A partir dos resultados do teste de causalidade, embasados pela teoria econômica, ordena-se a matriz de relações contemporâneas segundo a ordem de exogeneidade estabelecida pela estatística ߯ଶ conjunta, a fim de se mensurar o impacto do preço recebido pela soja exportada no preço praticado domesticamente no Brasil, cujo resultado se encontra na Tabela 4.

Tabela 4 – Matriz de relação contemporânea do modelo VAR Estrutural Efeito de →

Sobre ↓ PEXPORT

PREDOMES 0,432

(5,87)* Fonte: Dados da pesquisa.

Nota: *Estatística t entre parênteses, significativa a 1% de probabilidade.

De acordo com o coeficiente estimado, o efeito do preço da soja exportada sobre o preço doméstico de tal produto foi da ordem de 0,432, ou seja, o aumento de uma unidade monetária no preço da soja exportada acarretou um aumento de 0,432 unidades monetárias no seu preço doméstico. Identifica-se, portanto, relação direta entre as duas variáveis associadas contemporaneamente, sendo o efeito estatisticamente significativo a 1% de probabilidade de rejeição de o coeficiente ser igual a zero.

O resultado encontrado corrobora as expectativas levantadas, inicialmente, sobre a relação positiva existente entre os preços externos e internos da soja. Embora o consumo mundial de soja tenha se elevado consideravelmente nos últimos anos, o consumo doméstico desse produto ainda se encontra aquém do potencial nacional de tal setor. Apesar de o Brasil o segundo maior produtor mundial de soja, o consumo de tal produto encontra barreiras que limitam sua expansão interna, quanto ao nível de consumo. Durante o período analisado, os preços domésticos da soja e do arroz foram os que apresentaram o maior crescimento, segundo dados do Instituto de Economia Agrícola (IEA), seguidos de outros produtos como milho, feijão e trigo. Isto posto, além de fatores relevantes, como a falta de conhecimento dos benefícios à saúde advindos da ingestão de soja e seus derivados, o preço elevado constitui também relevante empecilho. O mercado de bebidas à base de soja, por exemplo, representa apenas 1% das bebidas consumidas nacionalmente (BEDANI et al., 2007).

A recente elevação ocorrida nos preços dos alimentos comercializados no mercado internacional foi, em parte, devido ao aquecimento do consumo de países como a China. Como a produção de soja concentra-se, em sua maior parte, em poucos países, principalmente Estados Unidos, Brasil e Argentina, uma mudança nos preços ocorreria, basicamente, em virtude de uma variação significativa da safra nos países supracitados. Ademais, considerando a baixa elasticidade de oferta da soja, um preço internacional menor não levaria a reduções significativas na produção (SOUZA et al., 2007), visto que o emprego intensivo de capital nas lavouras de soja impõe custos fixos elevados ao sistema de produção, o que também impede uma sensível baixa dos preços de tal produto. Outro fator relevante, propiciador de preços elevados, consistiu na taxa de câmbio desvalorizada, principalmente nos primeiros anos após a liberalização do regime cambial. Mesmo considerando, por exemplo, uma queda da safra

(13)

que levaria a preços menores, o câmbio impediria que essa redução chegasse aos preços domésticos (BRANDÃO; REZENDE; MARQUES, 2006).

3.3. Efeitos dos choques exógenos sobre a quantidade exportada

A estimação da decomposição da variância dos erros de previsão é efetuada para especificar a proporção dos movimentos gerados em uma variável, em decorrência de choques exógenos em si mesma e nas demais variáveis ao longo do tempo. Para Lima (1997), essa técnica permite obter a importância de cada tipo de choque exógeno, ocorrido num período anterior, para explicar as variações dos valores observados de cada variável do modelo, considerando-se a previsão realizada no início do período sobre determinada variável.

Na Tabela 5, que mostra a decomposição do erro de previsão da variável de interesse do presente estudo (QEXPORT), denota-se que a maior parte do seu erro de previsão é ocasionada, inicialmente, pelos choques na variável PEXPORT, que absorveu, no primeiro mês, 13%, aproximadamente, da variância do erro em tal variável, elevando, gradativamente, sua participação ao longo do período. Logo depois, choques em TXCAMBIO explicam importante parcela de QEXPORT, apresentando aumentos num período inicial e, praticamente, estabilizando, ao final de doze períodos, em torno de 7,6%.

Segundo Souza (2007), a variável taxa de câmbio é de extrema relevância para a agricultura de exportação, uma vez que aumenta a competitividade dos produtos nacionais no exterior. Esse autor aponta também que o preço internacional da soja, juntamente com o câmbio, influenciou positivamente o volume exportado de soja nos anos de 1997, 2000, 2001 e 2003.

Destaca-se, também, a parcela reduzida de PREDOMES na explicação dos erros de previsão de QEXPORT, que também apresenta aumentos graduais ao longo dos doze meses. Tabela 5- Decomposição histórica do erro de previsão da quantidade exportada de soja

(QEXPORT)

As inferências a respeito do nível de preços domésticos da soja, em relação aos preços da soja exportada, podem ser realizadas por meio da decomposição histórica dos erros de previsão para tais variáveis, que estão apresentadas nas Tabelas 6 e 7. A variável PEXPORT

Meses TXCAMBIO PREDOMES PEXPORT QEXPORT IMPORTMUND

1 0.000000 0.000000 0.000000 100.000000 0.000000 2 5.867945 0.239136 12.821830 80.602860 0.468236 3 5.803929 1.026776 12.681470 79.506370 0.981455 4 7.096149 1.150906 15.169160 75.640010 0.943775 5 7.520264 1.298993 15.547730 74.546490 1.086515 6 7.503154 1.592358 15.506070 74.297370 1.101050 7 7.600668 1.602193 15.531920 74.151200 1.114014 8 7.608868 1.622699 15.530440 74.122960 1.115033 9 7.611454 1.629477 15.530240 74.113650 1.115175 10 7.613244 1.629681 15.530510 74.111420 1.115147 11 7.613272 1.630326 15.530390 74.110860 1.115151 12 7.613275 1.630343 15.530380 74.110830 1.115174

(14)

teve o maior poder de explicação sobre os erros de previsão do PREDOMES, durante o período especificado, exceto se comparados os choques da própria variável, que chegaram a 23,7% de absorção, mas se mantiveram estáveis neste patamar, ao longo do período. Comportamento semelhante pode ser observado em relação à parcela de explicação dos choques em PREDOMES em relação a PEXPORT, que apresentou a maior explicação, dentre todas as variáveis, ao longo dos doze meses, a partir do terceiro mês, embora seja uma parcela menor quando se tem o efeito contrário. O resultado da decomposição confirma a relação de causalidade, evidenciada no teste de causalidade de Granger, no sentido do preço de exportação em direção ao preço doméstico, bem como o coeficiente estatisticamente significativo do efeito de PEXPORT sobre PREDOMES, contido na matriz de relações contemporâneas, que foi da ordem de 0,432. Torna-se relevante, portanto, considerar a influência da variável externa (PEXPORT) no cenário interno, no que tange à instabilidade do preço da soja.

Além da relação entre os preços de exportação e doméstico da soja, os resultados da decomposição da variância não são expressivos quanto à parcela de explicação dos erros de previsão, tanto em PREDOMES quanto em PEXPORT para as demais variáveis, o que confirma o teste de causalidade de Granger, no caso de PREDOMES, que apresentou causalidade apenas na direção de PEXPORT.

Tabela 6 - Decomposição histórica do erro de previsão do preço doméstico da soja (PREDOMES)

Tabela 7 - Decomposição histórica do erro de previsão do preço de exportação da soja (PEXPORT)

1 0.000000 81.568240 18.431760 0.000000 0.000000 2 1.213404 73.727860 21.930790 0.445886 2.682062 3 1.284999 71.946980 23.572970 0.441823 2.753227 4 1.408219 71.523770 23.478460 0.638482 2.951064 5 1.476478 71.252420 23.421110 0.817261 3.032727 6 1.486192 71.221030 23.427530 0.826302 3.038953 7 1.510822 71.181150 23.436610 0.827266 3.044151 8 1.514017 71.168030 23.446260 0.827563 3.044136 9 1.514222 71.168360 23.445820 0.827586 3.044014 10 1.514215 71.167870 23.445920 0.827576 3.044420 11 1.514293 71.167660 23.445870 0.827622 3.044556 12 1.514323 71.167640 23.445830 0.827624 3.044582

(15)

As decomposições das variáveis TXCAMBIO e IMPORTMUND mostraram que para a primeira variável, a maior parte dos erros de previsão é explicada por choques próprios, com reduzidas parcelas das demais variáveis e confirmando o caráter exógeno de tal variável, enquanto que para as importações, seus erros de previsão são explicados, em maior parte, por choques na taxa de câmbio.

3.4. Análise da sensibilidade da exportação de soja

As elasticidades de impulso-resposta possibilitam que se avalie o comportamento isolado das variáveis mediante choques exógenos no modelo. Essa técnica permite a análise da sensibilidade da quantidade exportada de soja a determinado choque (inovação) na taxa de câmbio, nas importações mundiais e nos preços domésticos e de exportação da soja, ocorridos isoladamente, ou seja, permanecendo constantes as demais inovações. Os resultados da função impulso-resposta do presente estudo encontram-se na Figura 1.

1 0.000000 0.000000 100.000000 0.000000 0.000000 2 4.372980 2.964522 89.787150 0.340109 2.535236 3 4.163127 7.469830 85.264140 0.324247 2.778654 4 4.536714 8.128270 84.009000 0.528598 2.797413 5 4.532039 8.128080 83.728570 0.660442 2.950865 6 4.534822 8.194231 83.655110 0.661672 2.954163 7 4.541857 8.193939 83.638750 0.662272 2.963182 8 4.541052 8.200865 83.625020 0.662158 2.970909 9 4.541079 8.200871 83.624780 0.662288 2.970978 10 4.541427 8.200777 83.623270 0.662279 2.972245 11 4.541656 8.200739 83.622680 0.662343 2.972584 12 4.541763 8.200712 83.622580 0.662343 2.972602

(16)

Figura 1 - Elasticidade de impulso da taxa de câmbio, preço doméstico, preço de exportação e importações mundiais sobre a quantidade exportada de soja.

Ao proceder à análise, verifica-se que as respostas de QEXPORT a choques isolados, ocorridos em TXCAMBIO e PREDOMES, são mais expressivas em comparação a choques nas demais variáveis. No segundo mês, dado um aumento de 10% na taxa de câmbio, o efeito sobre a quantidade exportada de soja foi um acréscimo significativo da ordem de 5,6%. A mesma magnitude de choque em PREDOMES causou uma resposta negativa em QEXPORT de, aproximadamente, 8,3% no referido mês. Este último resultado pode ser explicado, em parte, pelo fato de que um aumento de preços internos sinaliza um aquecimento na demanda interna por soja, ou seja, um aumento do consumo por tal produto, o que reduz a oferta de soja destinada à exportação, conforme denota o modelo econômico que sustenta a presente pesquisa. Ainda no segundo mês, observa-se redução de 1,1% e de 1,6% em QEXPORT, quando se tem um choque isolado de 10% no preço de exportação da soja e no valor das importações mundiais, respectivamente. Uma provável explicação para a redução da quantidade exportada, em virtude de um choque no preço externo, reflete as condições da Lei da Demanda, em que aumentos de preço reduzem a demanda pelo produto e, no presente caso, diminuem as exportações, embora se deva considerar também que aumento de preços reflete aumento da demanda mundial por soja e, consequentemente, aumento nas exportações. Nesse caso, o resultado encontrado não seria coerente. Já o resultado das importações mundiais não é coerente, uma vez que é esperado aumento da quantidade exportada em face de choques em tal variável.

(17)

Como aponta Souza (2007), um aumento na quantidade exportada de soja, na maioria das vezes, não pode ser explicado apenas pelo aumento da produção interna, ou mesmo por fatores exógenos contidos nas variações da taxa de câmbio e do preço externo, mas devido a um enfraquecimento da demanda doméstica de tal produto.

As respostas aos choques, nos meses posteriores, não se mantiveram estatisticamente significativas, podendo-se inferir apenas que a quantidade exportada de soja responde mais rapidamente a variações em TXCAMBIO e PREDOMES, em relação às demais variáveis incluídas no modelo do presente trabalho, de acordo com a análise da função de impulso-resposta.

4. CONCLUSÕES

A aplicação do modelo econômico, que considera a quantidade exportada de soja como o diferencial entre produção e consumo internos de tal commodity, evidenciou que o quantum exportado de soja se relaciona, de maneira mais expressiva, com as variáveis que dizem respeito ao setor externo, quais sejam, taxa de câmbio e preços internacionais, e, em menor grau, com a variável relacionada com o mercado interno, que, no presente caso, refere-se ao preço doméstico, que reflete o comportamento do consumo doméstico de tal produto.

A taxa de câmbio desvalorizada, ou seja, quando os produtos nacionais encontram-se relativamente mais baratos em relação aos estrangeiros, explica grande parcela do total exportado de soja. O impacto na exportação de soja também era expressivo, quando aconteciam choques isolados no preço da moeda estrangeira. Quanto à parcela de explicação da quantidade exportada, o preço internacional da soja mostrou-se influente, quando comparado com a variável que reflete as características do mercado doméstico. Preços internacionais mais elevados refletem um mercado consumidor aquecido com taxas crescentes da demanda e representam maiores oportunidades para o agronegócio brasileiro. Entretanto, em relação aos choques, estes foram mais expressivos em relação ao preço doméstico, cujo valor da elasticidade (impulso-resposta) mostrou-se comparativamente maior que a resposta da quantidade exportada, quando ocorria um choque nos preços externos.

Uma importante conclusão a ser ressaltada é o efeito significativo do preço de exportação da soja como fator determinante do seu preço doméstico. A partir de tal resultado, tem-se uma provável explicação para o baixo consumo de soja e seus derivados no Brasil, visto que, com a elevação da cotação internacional da soja, os preços praticados internamente também são afetados na mesma direção. Embora se deva considerar a ausência de informações sobre os inúmeros benefícios à saúde humana, ao se incorporarem tais alimentos aos hábitos alimentares, o fator econômico também deve ser levado em conta, como limitação ao consumo interno de soja. De forma geral, a relação de influência direta existente entre os preços internos e externos justifica-se pela abertura econômica ocorrida na economia brasileira a partir da década de 90, que implicou numa vulnerabilidade maior da economia quanto às mudanças do cenário internacional. Dessa forma, as variáveis externas devem ser consideradas, no que diz respeito à formulação de políticas agrícolas relacionadas a este setor.

(18)

REFERÊNCIAS

ALVES, L. R. A. Transmissão de preços entre produtos do setor sucroalcooleiro do Estado de São Paulo. Dissertação (Mestrado em Economia Aplicada). Escola Superior de Agricultura “Luiz de Queiroz” – ESALQ, Piracicaba, 2002.

ALVES, L. R. A., BACCHI, M. R. P. Oferta de exportação de açúcar do Brasil. Revista de Economia e Sociologia Rural, Brasília, v. 42, n. 1, p. 9-33, jan-mar/2004.

BACCHI, M. R. P. Interdependência dos Mercados de Gasolina C e de álcool Combustível no Estado de São Paulo. Tese de livre-docência do Departamento de Economia, Administração e Sociologia da Escola Superior de Agricultura “Luiz de Queiroz” – ESALQ, Piracicaba, 2007.

BARROS, G. S., BACCHI, M. R. P., BURNQUIST, H. L. Estimação de equações de oferta de exportação de produtos agropecuários para o Brasil (1992/2000). Texto para Discussão, Brasília, IPEA, n. 865, mar. 2002. Disponível em http://www.ipea.gov.br/pub/td/2002/. Acesso em 25 mar. 2009.

BEDANI, R. et al. Consumo de soja e seus produtos derivados na cidade de Araraquara – SP: um estudo de caso. Alimentos e Nutrição, Araraquara v.18, n.1, p.27-34, jan./mar. 2007. BERNANKE, B. Alternative explanations of money-income correlation. Carnegie-Rochester Conference Series on Public Policy, v. 25, p. 49-100, 1986.

BORGES, B. L., SILVA, M. B. Estimando a Taxa de Juros Natural para o Brasil: Uma Aplicação da Metodologia VAR Estrutural. Estudos Econômicos, São Paulo, v. 36, n. 1, p. 87-114, jan./mar., 2006.

BRANDÃO, A. S. P., REZENDE, G. C. de, MARQUES, R. W. da C. Crescimento agrícola no período 1999/2004: a explosão da soja e da pecuária bovina e seu impacto sobre o meio ambiente. Economia Aplicada, São Paulo, v. 10, n. 2, p. 249-266, abril/junho, 2006.

CARVALHO, A., NEGRI, J. A. Estimação de Equações de Importação e Exportação de Produtos Agropecuários para o Brasil (1977/1998). Revista Econômica do Nordeste, Fortaleza, v. 30, nº especial, p. 504-523, dez. 1999.

CASTRO, A. S., CAVALCANTI, M. A. F. H. Estimação de Equações de Exportação e Importação para o Brasil – 1955/95. Texto para Discussão, Brasília: (IPEA), nº 469, mar. 1997. Disponível em http://www.ipea.gov.br/pub/td/1997/>. Acesso em 10 mar. 2009.

CAVALCANTI, M. A. F. H., RIBEIRO F. J. As exportações Brasileiras no Período 1977/96: Desempenho e Determinantes. Texto para Discussão, Brasília: (IPEA), nº 545, fev. 1998. Disponível em http://www.ipea.gov.br/pub/td/1998/td_0545.pdf>. Acesso em 10 mar. 2009.

(19)

DICKEY, D. A., FULLER, W. A. Distribution of estimates for autoregressive time series with unit root. Journal of American Statistics Association, v. 74, n. 366, p. 427– 431, 1979. DOLDADO, J.; JENKINSON, T.; SOSVILLA-RIVERO, S. Cointegration and unit roots. Journal of Economic Surveys, v. 4, n. 3, p. 249-273, 1990.

EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Embrapa Soja. Disponível em http://www.cnpso.embrapa.br/. Acesso em 10 abr. 2009.

ENDERS, W. Applied econometric time series. John Wiley & Sons, Inc., 1995. 433p. FRAGA, G. J. et al. O pass-through da taxa de câmbio para os preços de exportação de soja. In: CONGRESSO BRASILEIRO DE ECONOMIA E SOCIOLOGIA RURAL, 44., 2006, Fortaleza. Anais... Fortaleza: SOBER, 2006. 1 CD-ROM.

FIGUEIREDO, A. M., SILVA. T. A. Exportação brasileira de soja em grãos: evolução e considerações sobre seus determinantes para o período de 1980–2001. Revista de Administração da UFLA. Vol. 6, n.1, janeiro/junho/2004.

INSTITUTO DE ECONOMIA AGRÍCOLA – IEA. Banco de Dados. Disponível em http://www.iea.sp.gov.br/out/banco/menu.php. Acesso em 13 abr. 2009.

INSTITUTO DE PESQUISA ECONOMICA APLICADA – IPEA. Estatísticas. Disponível em <www.ipedata.gov.br>. Acesso em 10 abr. 2009.

KRUGMAN, P. R., OBSTFELD, M. Economia Internacional: Teoria e Política. São Paulo: MAKRON Books, 2005. 807 p.

LIMA, E. C. R. A Interdependência entre os Mercados de Frangos e Bovinos: Uma Aplicação da Metodologia VAR Estrutural. Texto para Discussão, Brasília: (IPEA), nº 501, jul. 1997. Disponível em http://www.ipea.gov.br/pub/td/1997/td_05001.pdf>. Acesso em 10 mar. 2009. MAZZOTTI, A. U. Equações de Oferta e Demanda por Exportações do Brasil: um Estudo Comparativo do Setor de Madeira e Móveis. Dissertação (mestrado em Economia) – Universidade do Vale do Rio dos Sinos, Programa de Pós-Graduação em Economia, 2008. São Leopoldo, 2008.

MINISTÉRIO DO DESENVOLVIMENTO, INDÚSTRIA E COMÉRCIO EXTERIOR –

MDIC. Estatísticas de Comércio Exterior. Disponível em

http://www.desenvolvimento.gov.br. Acesso em 10 abr. 2009.

ROCHA, L. E. V., MENDONÇA, T. G. Desempenho das Exportações Brasileiras de Óleo de Soja: Uma Análise de Constant-Market-Share. In: CONGRESSO BRASILEIRO DE

(20)

ECONOMIA E SOCIOLOGIA RURAL, 42., 2004, Mato Grosso. Anais... Mato Grosso: SOBER, 2004. 1 CD-ROM.

SANTOS, D. F., BARROS, G. S. C. A Estimação das Importações Brasileiras de Leite, 1991 a 2003. Revista de Economia e Sociologia Rural. Brasília,v.45, n.2, p.237-253,abr-jun/2007. SECRETARIA DE COMÉRCIO EXTERIOR / MINISTÉRIO DO DESENVOLVIMENTO, INDÚSTRIA E COMÉRCIO EXTERIOR – SECEX/MDIC. Alice web: dados sobre as exportações brasileiras. Disponível em <http://www.aliceweb.desenvolvimento.gov.br>. Acesso em 20 mar. 2009.

SIMS, C. A. Macroeconomics and reality. Econometrica, v.48, n.1, p.1-48, 1980.

SOUZA, S. S. S. et al. Mudanças cambiais e o efeito dos fatores de crescimento das receitas de exportações brasileiras de soja. Revista de Economia e Agronegócio, Viçosa, v. 5, n. 1, p. 1-24, jan./mar. 2007.

SOUZA NETO, J., DAMASCENO, M. G. F., HOLANDA, M. C. Funções de Exportação e Importação dos Setores Primários e Secundários da Região Nordeste, Período 1990-2002: Uma Análise Econométrica. In: CONGRESSO BRASILEIRO DE ECONOMIA E SOCIOLOGIA RURAL, 44, 2006, Fortaleza. Anais... Fortaleza: SOBER, 2006. 1 CD-ROM.