Pró-Reitoria de Pós-Graduação e Pesquisa
Programa de Pós-Graduação Stricto Sensu em Economia
OS EFEITOS DA CORRUPÇÃO SOBRE A POLUIÇÃO:
UM ESTUDO PARA PAÍSES NO PERÍODO 1996 A 2007
Brasília - DF
2014
MARIA DE LOURDES MAGALHÃES
OS EFEITOS DA CORRUPÇÃO SOBRE A POLUIÇÃO: UM ESTUDO PARA PAÍSES NO PERÍODO 1996 A 2007
Tese apresentada ao Programa de Pós-Graduação Stricto Sensu em Economia da Universidade Católica de Brasília, como requisito parcial para obtenção do Título de Doutor em Economia. Orientador: Prof. Dr. Tito Belchior Silva Moreira.
Pró-Reitoria de Pós-Graduação e Pesquisa
Programa de Pós-Graduação Stricto Sensu em Economia Doutorado em Economia
Tese de autoria de Maria de Lourdes Magalhães, intitulada “OS EFEITOS DA CORRUPÇÃO SOBRE A POLUIÇÃO: UM ESTUDO PARA PAÍSES NO PERÍODO 1996 A 2007”, apresentada como requisito parcial para obtenção do grau de Doutor em Economia da Universidade Católica de Brasília, em 26 de março de 2014, defendida e aprovada pela Banca Examinadora abaixo assinada:
_________________________________________________________ Prof. Dr. Tito Belchior Silva Moreira
Orientador - UCB
_________________________________________________________ Prof. Dr. Benjamin Miranda Tabak
Examinador Interno - UCB
_________________________________________________________ Prof. Dr. Leonardo Monteiro Monastério
Examinador Interno - UCB
_________________________________________________________ Prof. Dr. Fernando Antônio Ribeiro Soares
Examinador Externo – UnB
_________________________________________________________ Prof. Dr. Mauricio Barata de Paula Pinto
Examinador Externo – UnB
AGRADECIMENTO
Primeiramente, quero agradecer ao meu filho Gabriel, por sua presença em minha vida, por compreender e tolerar as minhas ausências. Você é minha vida!
Agradeço ao meu esposo, Anderson Lacerda, pela paciência, dedicação e incentivo para a efetiva realização deste trabalho.
Em especial, gostaria de agradecer ao Professor Tito Belchior Silva Moreira, por sua orientação, incentivo e dedicação.
Aos Professores Adolfo Sachsida e Paulo Roberto Amorim Loureiro.
Não há saber mais ou saber menos: há saberes diferentes.
RESUMO
Referência: MAGALHÃES, Maria de Lourdes. Os Efeitos da Corrupção sobre a Poluição: um Estudo para Países no Período 1996 a 2007. 2014. 65 f. Tese. (Doutorado em Economia). Universidade Católica de Brasília, Brasília, 2014.
Esta tese faz uma revisão da literatura referente aos impactos socioeconômicos da corrupção. Em um segundo momento, verificam-se os efeitos da corrupção os quais afetam diretamente às emissões de CO2. Essa é uma contribuição importante deste trabalho, pois as relações entre
corrupção e emissão de CO2, apesar de importantes, não estão sendo endereçadas nos estudos
recentes sobre poluição. Encontraram-se evidências estatísticas de que o nível de corrupção de um país afeta positivamente sua emissão de CO2. Resultados adicionais também sugerem
efeitos positivos da renda per capita sobre a poluição. Do ponto de vista metodológico, fez-se uso de um modelo de dados de painel que cobre um amplo pool de países entre os anos de 1996 a 2007. Desse modo, este estudo foi capaz de avaliar o efeito da corrupção sobre a poluição num coorte de países ao longo do tempo.
ABSTRACT
This dissertation makes a review of literature related to the socioeconomic impacts of corruption. At a later moment, check whether the effects of corruption which directly affect CO2 emissions. This is an important contribution of this work, because the relationship between corruption and CO2 emissions, while important, are not being addressed in recent studies on pollution. We have found statistical evidence that the level of corruption in a country positively affects their CO2 emissions. Additional results also suggest positive effects of per capita income on pollution. From the methodological point of view, made use of a panel data model that covers a broad pool of countries between the years 1996 to 2007. Thus, this study was able to evaluate the effect of corruption on pollution in a pool of countries over the years.
SUMÁRIO
1 INTRODUÇÃO 11
2 REVISÃO DA LITERATURA 15
2.1 COMPORTAMENTO ILEGAL 15
2.2 AQUECIMENTO GLOBAL 19
3 METODOLOGIA 33
3.1 DADOS 33
3.2 MODELAGEM ECONOMÉTRICA 36
3.3 TESTE DE HAUSMAN 41
4 ANÁLISE DOS RESULTADOS 44
4.1 ESTIMATIVA DA POLUIÇÃO MUNDIAL COM DADOS EM PAINEL
PARA O PERÍODO 1996-2007 44
4.2 ESTIMANDO A CURVA DE KUZNETS AMBIENTAL – CKA 49
1 INTRODUÇÃO
Nos últimos 20 anos, o tema “Aquecimento Global” foi possivelmente um dos assuntos mais estudados por cientistas ao redor do mundo. Físicos, químicos, biólogos, cientistas sociais, geógrafos, filósofos e economistas são exemplos de pesquisadores, de diferentes ramos da ciência, que dedicaram parte de seu tempo ao estudo do aquecimento global e suas implicações sociais, econômicas e morais pela sociedade. O motivo para tanto é simples: o aquecimento global, caso se confirme, apresenta um risco muito grande e praticamente irreversível para o planeta, sendo a escassez de água e alimentos apenas a ponta do iceberg referente aos problemas gerados por um possível aquecimento do globo terrestre.
Na esteira dos estudos sobre o aquecimento global, cresceu o interesse sobre o tema
“poluição”. Afinal, a poluição do ar representa hoje não somente um dos maiores problemas de Saúde Pública, afetando a saúde de todas as espécies de vida, mas também está associada ao aquecimento do planeta. Cabe aqui ressaltar que o tema poluição é muito mais amplo, tendo efeitos inclusive sobre a biodiversidade (MENDONÇA; SACHSIDA; LOUREIRO, 2003).
Também se deve lembrar que o tema poluição é comumente associado a questões referentes a mudanças climáticas. O efeito estufa, por exemplo, é comumente associado a questões referentes à poluição do ar. A questão é tão importante que, em 2005, diversos países ao redor do mundo concordaram em reduzir sua emissão de gás carbônico (CO2).
Questões referentes à poluição e seu consequente efeito sobre o aquecimento global têm atraído tanto a atenção entre países que, em 1988, o Programa das Nações Unidas para o Meio Ambiente (PNUMA) e a Organização Meteorológica Mundial (WMO) criaram o Painel Intergovernamental de Mudanças Climáticas (IPCC). O IPCC tem como objetivo principal produzir relatórios e estudos sobre mudanças climáticas, seus potenciais impactos e consequentes medidas necessárias para adaptação e mitigação desses impactos.
(MENDONÇA; SACHSIDA; LOUREIRO, 2012); o aumento na demanda de água; o risco aumentado de mortes; a redução na qualidade de vida de pessoas (COSTANZA et al., 2008); e maiores riscos de escassez de água para núcleos urbanos, ocasionando impactos nas pessoas e nos ecossistemas.
Ao estudar a literatura sobre aquecimento global, uma lacuna foi observada, isto é, a ausência de estudos que ligam o nível de corrupção de um país com suas respectivas emissões de CO2. Ora, existe uma ampla pressão da comunidade internacional para que as emissões de
gases como o CO2 sejam reduzidas. Aliados a essa pressão informal, acordos formais
assinados entre países também preveem esforços no sentido de coibir a emissão de CO2.
Porém, não há garantias de que pressões internacionais e acordos formais interpaíses estejam sendo cumpridos. Parece ser evidente que, em países com alto grau de corrupção, seja mais factível corromper funcionários públicos encarregados da fiscalização das emissões de gases do tipo CO2.
O exemplo mais notável dos acordos internacionais referentes às questões de poluição e aquecimento global é o Protocolo de Kyoto. Assinado em 1997, obteve o apoio de mais de 160 países. De acordo com o referido protocolo, há metas específicas de redução de emissões de gases do efeito estufa (GEE) para diferentes países. A ideia central desse protocolo é conter o avanço das mudanças climáticas e incentivar o desenvolvimento de tecnologias sustentáveis. Do ponto de vista econômico, o Protocolo de Kyoto propõe uma interessante aplicação do Teorema de Coase, isto é, países mais ricos poderiam comprar direitos de poluição de países mais pobres.
O Protocolo de Kyoto é o único acordo obrigatório sobre a questão climática em âmbito mundial. Esse protocolo prevê que os países desenvolvidos reduzam as emissões de gases causadores do aquecimento global. Ele obriga apenas as nações desenvolvidas do Hemisfério Norte a reduzir em 5,2% as emissões de gases causadores do efeito estufa, em relação a 1990, ano em que tiveram início as discussões sobre o aquecimento global.
sejam: (1) implantação conjunta (joint implementation), (2) comércio de emissões (emissions trading) e (3) Mecanismo de Desenvolvimento Limpo (CleanDevelopment Mechanism).
O primeiro mecanismo do protocolo sugere ações comuns, como, por exemplo, acordo entre países para a produção de fontes energéticas renováveis. O segundo mecanismo permite
que os países desenvolvidos comprem “créditos” de carbono (cada crédito equivale a uma tonelada de CO2 que deixou de ser enviada à atmosfera), isto é, adquirir toneladas de CO2 que
não foram emitidas por países em desenvolvimento que implantaram tecnologias consideradas limpas. Por fim, também foi criado o Mecanismo de Desenvolvimento Limpo (MDL), conhecido como “mercado de créditos de carbono”. Especificamente, o mercado de crédito de
carbono é uma espécie de “permissão” para que os países desenvolvidos produzam gases de efeito estufa caso comprem créditos dos países em desenvolvimento.
Como os países mais pobres poderiam ser financeiramente compensados por suas reduções de poluição, o Protocolo de Kyoto criou um poderoso mecanismo econômico para estimular a redução da emissão de CO2, avançando no uso cada vez mais frequente de
tecnologias limpas. O problema é que não é tão fácil saber se determinado país realmente gerou as reduções de emissão de CO2 que afirma ter realizado. Esse tipo de estrutura torna a
corrupção altamente vantajosa não só para o país, como também para os fiscais diretamente envolvidos na fiscalização da emissão de CO2 pelas empresas. Países com nível de corrupção
mais elevado propiciam ambientes mais factíveis para a corrupção dos fiscais, encarregados de verificar a redução de CO2 pelas empresas. Sendo assim, parece existir uma clara ligação
entre nível de corrupção de um país e sua respectiva emissão de CO2.
Dado o atual quadro de degradação socioambiental que ocorre em determinadas partes do mundo, parece ser evidente que estudos que tentam relacionar tal degradação com a falta de “enforcement” das leis são necessários. Em razão do quadro atual de corrupção e degradação socioambiental em diversos países, parece ser relevante uma melhor exposição de estudos que explorem a relação entre crescimento econômico, meio ambiente e corrupção. Desnecessário dizer que tais estudos possuem aplicações diretas de políticas públicas.
Em função dos poucos estudos em relação a este tema, a contribuição deste trabalho é, portanto, de quantificar os efeitos diretos da corrupção sobre as emissões de CO2. Isso será
trabalho se diferencia dos demais em função da metodologia adotada, pela quantidade de países e pelo período estudado.
2 REVISÃO DA LITERATURA
Neste capítulo, será feita uma ampla revisão da literatura sobre dois temas que têm recebido significativo destaque dentro da teoria econômica: os motivadores econômicos do comportamento ilegal e as raízes socioeconômicas da curva de Kuznets ambiental. A primeira seção revê a literatura sobre comportamento ilegal que pode ter seu início aproximado datado do artigo clássico de Becker (1968), o qual fornece as bases microeconômicas do crime. A segunda seção revê a literatura sobre aquecimento global, fazendo ao final uma ligação entre as literaturas expostas.
2.1 COMPORTAMENTO ILEGAL
O primeiro estudo econômico sobre criminalidade deve-se a Becker (1968), que fornece as bases microeconômicas que sustentam a racionalidade do comportamento ilegal. Desde então, a teoria econômica passou a analisar a escolha que faz um indivíduo de entrar ou não para a criminalidade como sendo baseada numa análise racional de custos e benefícios. Cabe ressaltar que comportamento ilegal abrange categorias muito mais amplas do que apenas os crimes tradicionalmente entendidos como tais.
Quando Becker (1968) lançou as bases econômicas para o estudo da criminalidade, ele se referia a um conceito amplo de crime, daí o uso do termo comportamento ilegal. Pescar sem licença, furar o sinal de trânsito, jogar papel na rua, cometer adultério, furtar materiais de escritório da empresa, mentir aos colegas, fingir ser um bom filho para receber uma herança maior do pai, roubar ou furtar objetos, aceitar ou não suborno, decidir entre cometer ou não um homicídio são alguns exemplos de temas que já foram diretamente endereçados dentro da teoria econômica com base na premissa de que a criminalidade segue um padrão de racionalidade, tal como proposto por Becker. Tais estudos têm contribuído para uma melhor compreensão da criminalidade, ajudando a desenhar políticas públicas que sejam mais efetivas no combate ao comportamento ilegal.
outras palavras, para Becker, interação social pode ser definida pela inclusão, dentro da
função utilidade do indivíduo “i”, de características ou fatos ocorridos com o indivíduo “j”. Um exemplo disso ocorreria quando a utilidade do indivíduo “i” fosse afetada em razão do indivíduo “j” ter recebido um elogio ou uma promoção.
Assim, na presença de interação social, observa-se que o comportamento de outros indivíduos pode afetar seu próprio comportamento (GLAESER; SACERDOTE; SCHEINKMAN, 1996). Em estudos que exploram a relação entre comportamento ilegal e interação social, percebe-se que a probabilidade de um indivíduo incorrer num comportamento criminoso é afetada por variáveis de interação social. Por exemplo, nessa literatura é comum supor que indivíduos criados em núcleos familiares estáveis possuem uma probabilidade menor de se envolver em crimes. Além disso, variáveis tais como o estado civil, a religião, o uso de drogas, a localização da moradia, entre outras, são comumente usadas como proxies de interação social. A intuição econômica por trás disso é a de que indivíduos possuidores de determinadas características incorreriam num custo de oportunidade mais elevado ao se envolverem em determinados tipos de comportamento (SACHSIDA; LOUREIRO; CARNEIRO, 2005).
Desenvolvimento tanto em termos teóricos quanto em termos empíricos tem sido levado a cabo nas últimas décadas para explicitar melhor a dinâmica do comportamento ilegal. Inicialmente, usava-se a taxa de desemprego para verificar se esta variável econômica afetava a decisão de se incorrer num comportamento ilegal (EHRLICH, 1973). Novos avanços nessa literatura incluem o tempo esperado para se receber a recompensa em conjunto com o tempo esperado para se receber a punição como uma importante variável que afeta a escolha do indivíduo entre aceitar ou não incorrer no comportamento ilegal (DAVIS, 1988). Já Glaeser e Sacerdote (1999) exploram a questão dos custos de oportunidades presentes na vida de cada indivíduo e seus respectivos efeitos sobre a decisão de aceitar ou não participar em atividades ilegais.
praticamente obriga o fiscalizado a se comportar honestamente, isto é, sem tentar subornar o fiscal.
Será que a interação social afeta todos os crimes da mesma maneira? Isto é, não basta saber o efeito da interação social sobre o crime, mas também sobre os diversos tipos de crime, ou seja, será que as variáveis de interação social afetam a probabilidade de um indivíduo aceitar suborno de uma maneira distinta da probabilidade desse mesmo indivíduo cometer um assassinato? Ou de maneira mais genérica, será que crimes violentos (tais como homicídio e estupro) têm um relacionamento com variáveis de interação social distinto dos crimes considerados não violentos (tais como oferecer ou aceitar propina)?
Segundo Stukart (2003), suborno é um dos tipos mais comuns de corrupção, ou seja, também pode ser chamado de corrupção e na linguagem popular, de propina. O mesmo se torna um delito quando um funcionário público exige ou aceita uma propina para concretizar ou omitir uma ação.
De acordo com o Código Penal Brasileiro, corrupção é o abuso de poder, algo obscuro, obtenção de vantagem, lutar por benefícios esquecendo-se da ética e da moralidade. O referido código diferencia, nos artigos 333 e 317, os crimes de corrupção ativa e corrupção passiva, respectivamente. Enquanto a corrupção passiva encontra-se no capítulo dos crimes praticados por funcionário público, a corrupção ativa localiza-se nos crimes praticados por particular contra a administração pública.
Neste estudo, a corrupção está associada a uma forma econômica que representa qualquer tipo de apropriação indébita de um domínio público, tendo em vista sua ilegalidade. Segundo Durkheim (2002), a corrupção, compreendida em sua forma econômica, não ocorre por meio da violência, mas das fraudes que envolvam o domínio público, rompendo a confiança depositada nos atores políticos que representam as partes envolvidas na moral contratual.
É possível citar alguns fatos envolvendo suborno e corrupção em relação às licenças ambientais: o exemplo mais recente ocorrido no Brasil foi a “Operação Concutare (2013)”1, da Polícia Federal, que desarticulou um esquema de corrupção criado para fraudar a
concessão de licenças ambientais no Rio Grande do Sul. O esquema envolvia propinas milionárias. Entre os detidos estavam dois ex-secretários estaduais do Meio Ambiente, além de um ex-secretário do Meio Ambiente de Porto Alegre. Teoricamente, são pessoas que deveriam proteger o meio ambiente. O esquema operava da seguinte maneira: empresários eram procurados para que tivessem suas licenças liberadas mais rapidamente e sem
burocracia. Eles entravam em contato com os chamados “despachantes ambientais”,
consultores contratados para agilizar o processo de liberação das licenças nos órgãos públicos. De acordo com esses consultores, a licença sairia em três meses, sendo que o prazo normal estipulado por lei é de um ano. A propina paga seria usada para o pagamento de três servidores da Fundação Estadual de Proteção Ambiental (Fepam), bem como para o financiamento de uma campanha política. Outro problema levantado pelo Ministério Público foi que alguns empresários, em razão da burocracia, tentavam regularizar seus empreendimentos procurando esses servidores para que, de alguma forma, eles acelerassem ou até mesmo concedessem licenças em áreas que jamais poderiam ser exploradas.
O novo relatório da Global Witness – Logging in the shadows2 – identifica como as licenças para promover as pequenas empresas e atender às necessidades locais estão sendo alocadas a centenas de madeireiras industriais em Camarões, República Democrática do Congo (RDC), Gana e Libéria. De acordo com o relatório, a corrupção é identificada como uma das causas do desmatamento; portanto, raramente ou nunca são realizadas avaliações de impacto ambiental, e a tendência a usar a mesma licença em vários locais aumenta o potencial para danos ambientais.
Os estudos sobre corrupção abrangem várias áreas da teoria econômica. Recentemente, Rodenberg et al. (2013) mostraram a influência e a importância da corrupção na manipulação de resultados esportivos. E Dzhumashev (2014) mostra como a corrupção é afetada pelos gastos do governo e revela os efeitos indiretos da corrupção sobre o crescimento econômico de um país. Para demonstrar a variedade de estudos envolvendo a corrupção, Jacobs (2013) analisa o problema da corrupção dentro da estrutura sindical.
2 Disponível em:
2.2 AQUECIMENTO GLOBAL
Considerada do ponto de vista global, uma política de desenvolvimento sustentável é o elemento da política de desenvolvimento econômico que diz respeito ao processo de equilíbrio do ecossistema nas suas dimensões inter e intrapaíses. A literatura sobre o tópico mudanças climática e ações antropogênicas indica diversas formas de se mensurar os determinantes do impacto ambiental decorrente do desenvolvimento econômico e da interação do homem com o meio ambiente.
Num importante estudo sobre as variáveis que afetam a mudança climática, Rosa, York e Dietz (2003) demonstraram a importância do crescimento populacional, associado ao consequente aumento de consumo de uma população maior, sobre os impactos daí decorrentes de mudanças no clima. Este estudo sugere inclusive que os impactos negativos dessas duas variáveis sobre o aquecimento global superam seus possíveis benefícios.
Num estudo para a economia canadense, Lixon et al. (2008) avalia os impactos econômicos da redução das emissões de gases de efeito estufa (GEE). A ideia básica dos autores é verificar os efeitos sobre a redução da produção industrial necessária para atender às metas estabelecidas no Protocolo de Kyoto. A abordagem metodológica faz uso de uma matriz insumo-produto ecológica. Essa matriz atribui valores monetários aos componentes ecológicos. São elaborados três cenários de análise. A diferença entre tais cenários reside na maneira como se alocam as emissões diretas e indiretas de GEE na economia. Os resultados sugerem uma redução do PIB entre 3,1% e 24%, a depender do cenário adotado, para compatibilizar a economia canadense com o Protocolo de Kyoto.
De acordo com a United Nations Frameworks Convention on Climate Change, os países que mais diminuíram emissões de CO2 desde 1990 são: Lituânia - 66%; Letônia - 63%;
Bulgária - 56%; Estônia - 55%; Romênia - 48%; Ucrânia - 47%; Belarus - 44%; Rússia - 38%; Polônia - 32%; e Hungria - 31%. Os campeões de redução de CO2 são as antigas
repúblicas soviéticas socialistas. Segundo o relatório, a redução da emissão de gás carbônico deveu-se basicamente à diminuição da atividade industrial por causa da crise econômica. Essa queda não está associada a nenhum programa ambiental. Por outro lado, os países que mais aumentaram as emissões de CO2 desde 1990 são: Espanha - 40%; Portugal - 40%; Mônaco -
EUA - 13%; e Japão -12%. Dentre os países mais poluidores nos últimos 15 anos, destacam-se: Austrália, Mônaco, Estados Unidos (que estão fora do Protocolo de Kyoto), Espanha e Portugal.
Figura 1 – Emissões de CO2 (kt)
Fonte: Banco Mundial.
Uma abordagem que tem ganhado destaque na questão ambiental é a exploração da relação entre distribuição inicial de renda e crescimento econômico de longo prazo, tendo como proposição a Curva de Kuznets Ambiental (CKA). Esse é um ponto relevante na literatura recente sobre crescimento, desenvolvimento econômico e poluição ambiental, e refere-se à evidência empírica mostrada inicialmente por Grossman e Krueger (1991, 1995). Eles revelaram que a relação entre PIB per capita e emissão de gases poluentes toma a forma de um U invertido, que passou a ser denominada na literatura como Curva de Kuznets Ambiental. Grossman e Krueger (1991) foram os primeiros a identificar uma relação não linear entre poluição e crescimento econômico.
países) e três medidas de degradação do ar, os resultados apontam um U invertido para os
níveis de dióxido de enxofre e fumaça (concentração de “partículas escuras” suspensas),
enquanto para o montante de partículas suspensas em um dado volume de ar, a relação apresenta tendência monotonicamente decrescente em relação à renda. Nesse sentido, foi uma das primeiras análises econométricas a comprovar a reversão da degradação a partir de determinado nível de renda per capita.
A teoria originalmente proposta por Kuznets se referia a uma relação entre crescimento econômico e distribuição de renda. Assim, a desigualdade econômica aumentaria ao longo do tempo à medida que um país se desenvolvesse. Contudo, assim que um determinado nível de renda fosse atingido, a desigualdade de renda atingiria seu ponto máximo, a partir do qual começaria a se reduzir. Já a Curva de Kuznets Ambiental (CKA) é uma relação hipotética entre vários indicadores de degradação ambiental e renda per capita. Nos estágios iniciais de renda, ocorre um crescimento da poluição, mas a partir de certo nível de renda per capita, que irá variar para diferentes indicadores, a tendência se inverte, de modo que em níveis de alta renda per capita o crescimento econômico leva a uma melhoria ambiental. A Figura 2 explicita o formato da Curva de Kuznets Ambiental (CKA).
Figura 2 – Curva de Kuznets Ambiental
Fonte: Grossman e Krueger (1991).
É a partir dessa hipótese que parte deste trabalho é estruturado. A degradação ambiental de uma nação é derivada em parte de seu grau de desenvolvimento econômico. Esses fatores acabam produzindo profundas modificações nos ecossistemas dos países geradores de degradação ambiental. Quando um país com alta taxa de pobreza começa a se desenvolver, a degradação ambiental é intensificada num primeiro momento, tendo em vista que numa economia em desenvolvimento, as emissões de poluente são ampliadas; porém, em casos assim, devido à pobreza do país, é dada uma baixa prioridade ao controle da poluição. Segundo Deacon e Norman (2004), tal raciocínio sugere que a melhoria ambiental não pode vir sem crescimento econômico, ou seja, é necessário primeiro o crescimento econômico, com a consequente melhoria no padrão de vida da sociedade, para apenas após tal melhoramento ocorrer uma preocupação com a melhoria do meio ambiente.
Vale ressaltar que, para um amplo conjunto de pesquisadores, a teoria da Curva de Kuznets Ambiental é essencialmente empírica, isto é, não existe um modelo teórico aceito por amplos segmentos da comunidade científica que reconheçam a validade teórica da CKA. Assim, a CKA seria muito mais uma questão empírica, a ser demonstrada com testes estatísticos para apoiar sua robustez. Entre os estudos econométricos que validaram a CKA, é importante citar os estudos de Galeotti, Lanza e Pauli (2006) e de Verbeke e Clercq (2006).
Certamente que no decorrer de trabalhos empíricos que envolvem testes de hipótese, algumas simplificações estatísticas são, às vezes, necessárias. O trabalho de Verbeke e Clercq (2006), por exemplo, argumenta que o formato funcional da Curva de Kuznets é produto de uma forma reduzida, que pode não explicar verdadeiramente como a renda influencia a emissão de poluentes. De maneira geral, a forma como a Curva de Kuznets Ambiental é projetada assume implicitamente a hipótese de homogeneidade entre os indivíduos ao indicar que a inclinação dos coeficientes é a mesma, o que pode não ser verdade.
A explicação teórica para essa relação é que, inicialmente, a degradação ambiental é considerada a força motriz para o crescimento econômico, e quando o nível de renda aumenta, os indivíduos tendem a demandar mais das amenidades e benefícios associados aos recursos naturais. Assim, quando os indivíduos elevam seu bem-estar, alcançam um estágio em que a demanda por tais amenidades excede o desejo de permitir a degradação ambiental para o desenvolvimento econômico.
Os resultados empíricos reportados na literatura determinam o formato funcional da Curva de Kuznets Ambiental. A inversão da trajetória positivamente inclinada para uma negativamente inclinada foi atribuída por Selden e Song (1994). Primeiro: uma elasticidade na renda positiva para a qualidade ambiental; segundo: mudanças na composição da produção e no consumo; terceiro: níveis maiores de educação ambiental e conscientização das consequências da atividade econômica sobre o meio ambiente; e por fim, quarto: sistemas políticos mais abertos. O aumento na rigidez da regulação ambiental, as melhorias tecnológicas e a liberalização comercial também são apontados como possíveis causadores do descolamento.
Embora a grande maioria dos estudos empíricos corrobore a CKA, deve-se ter em mente dois pontos: a) essa é uma relação empírica, e não teórica; b) sempre é possível questionar os resultados com base em sua sensibilidade à configuração das formas funcionais adotadas para a estimativa econométrica. Além disso, não é claro que todos os indivíduos de uma sociedade possuam preferências similares, implicando numa única inclinação da curva, como a estimativa da CKA faz crer.
renda. Tal comportamento levaria a população a pressionar por mais políticas públicas que visassem uma maior regulação ambiental, protegendo cada vez mais o meio ambiente.
Deve-se frisar novamente que, apesar dos resultados empíricos favoráveis, a hipótese da CKA ainda sofre críticas. Entre tais críticas, vale ressaltar a dificuldade de decomposição dos efeitos entre: a) efeito escala; b) efeito composição; c) efeito técnico. Para Torras e Boyce (1998), são esses efeitos que regem a relação entre o crescimento econômico e a qualidade ambiental, tal como descrita por Grossman e Krueger (1991). Torras e Boyce (1998) argumentam que tais efeitos são bastante úteis para analisar as causas que estão por trás da CKA. Para eles, é de se esperar que a pressão sobre o meio ambiente aumente conforme haja um aumento da produção (efeito escala). Essa maior pressão, entretanto, pode ser anulada pelo resultado dos outros dois efeitos. Pode ser que o crescimento econômico se dê primordialmente em setores que poluam menos (efeito composição), ou que os avanços tecnológicos na produção compensem o nível de produto maior (efeito técnico). Portanto, Torras e Boyce (1998) sugerem que não há motivos, a priori, para a qualidade ambiental piorar com o crescimento econômico.
Usando a variável gasto de energia per capita como proxy para estimar o impacto ambiental do aumento da renda, Stern et al. (1996) comprovam que a energia seria um bem normal, isto é, que tem sua demanda aumentada com o crescimento da renda. Tanto os estudos de Horvath (1997) quanto os de Suri e Chapman (1997) confirmam esse resultado. Dessa forma, eles confirmam os achados de Selden e Song (1994) de que as emissões globais de gases de efeito estufa (GEE) estariam aumentando monotonicamente.
Figura 3 – Curva de Kuznets Ambiental em formato de N
Fonte: De Bruyn et al. (1998).
O estudo de Leitão (2010) mostra como o nível de corrupção pode influenciar a renda de corte de um país, isto é, a corrupção poderia alterar a renda a partir da qual um aumento seu levaria a uma diminuição da pressão ambiental. O artigo comprova que a corrupção afeta a renda de corte para o caso das emissões de enxofre. Em resumo, pode-se inferir que essa renda de corte seria diferente entre países a depender do grau de corrupção de cada um.
Além disso, pode-se afirmar que, na presença de altos níveis de corrupção, a eficiência e a eficácia das políticas ambientais é mitigada. O autor lida com uma nova especificação para a CKA, desenvolvida por Bradford et al. (2005), que evita o uso de transformações não lineares de regressores potencialmente não estacionários na estimativa do painel. Ademais, contabiliza o impacto indireto da corrupção sobre emissões por meio de seu impacto sobre a renda per capita. Os principais resultados permanecem inalterados quando se investiga a heterogeneidade adicional entre os termos cross-section, isto é, permitindo inclinações diferentes da renda entre os países mais ricos e mais pobres.
a essas mudanças e pode-se concluir que há pouca evidência empírica de uma relação em forma de U invertido entre vários poluentes importantes e renda nacional nesses dados.
Um importante artigo que investiga o impacto do Protocolo de Kyoto sobre as emissões de gás de efeito estufa, o dióxido de carbono, é o de Kumazawa e Callaghan (2010), que utiliza uma base de dados em painel não balanceado composto por 177 países, no período de 1980 a 2006. A principal conclusão desse trabalho é que os efeitos do acordo internacional demonstram a existência de rupturas estruturais nos dados. Embora as emissões de dióxido de carbono tenham sido reduzidas nos países industrializados, o efeito da renda per capita é muito maior durante esses anos desde a assinatura do acordo internacional. No entanto, no mesmo período, o efeito de produção industrial diminuiu não apenas para os países industrializados, mas também para os países em desenvolvimento.
O artigo de Cole (2007) tem como objetivo proporcionar um rigoroso exame das relações entre corrupção e poluição. Ao fazer isso, o autor pode identificar e quantificar dois mecanismos distintos através dos quais a corrupção pode influenciar a poluição. Welsch (2004), comentando Cole (2007), afirma que o primeiro pode ser rotulado de mecanismo
“direto” e se refere ao impacto direto da corrupção sobre a execução e regulamentação ambiental. No entanto, há também um mecanismo “indireto”, através do qual a corrupção pode influenciar a poluição. Conforme mencionado acima, há agora uma evidência clara de que a corrupção tem o efeito de retardar o crescimento econômico. Ao mesmo tempo, diversos trabalhos postulam uma relação entre crescimento econômico e poluição.
Com o objetivo de captar os efeitos diretos e indiretos da corrupção sobre a poluição per capita, Cole (2007) cria um sistema de duas equações. A primeira postula que o nível de poluição per capita é uma função da corrupção, da renda e de outros fatores. A segunda equação mostra que a renda per capita depende da corrupção e outras variáveis explicativas. Cole faz uma regressão em que expressa a renda per capita em função do país e dos efeitos
estimativa da Curva de Kuznets Ambiental, pois não adota como variável dependente as emissões totais de CO2, mas as emissões per capita.
O artigo de Biswas, Farzanegan e Thum (2012) aborda como o dano ambiental tornou-se um grande obstáculo para a melhoria das condições de vida em muitos paítornou-ses em desenvolvimento. O setor informal pode contribuir significativamente para piorar o meio ambiente, tendo em vista que, por definição, é uma atividade não regulada que envolve condições particularmente destrutivas para o meio ambiente. Esse trabalho estuda o mecanismo através do qual a economia informal alimenta a degradação ambiental. A ideia principal é que a corrupção reforça os efeitos danosos da economia informal. Esse modelo teórico mostra que a economia local e informal aumenta a poluição atmosférica global. No entanto, esse efeito pode ser moderado por um melhor controle da corrupção. Para testar essa hipótese, usa-se um modelo econométrico reduzido dos dados em painel cobrindo o período de 1999 a 2005, com cerca de 100 países.
Em recente estudo sobre a relação entre renda e aquecimento global, Carvalho e Almeida (2010) estimaram uma Curva de Kuznets Ambiental global para uma amostra de 187 países fazendo uso da econométrica espacial. Os autores empregam dados cross-section para o ano de 2004. Um dos resultados do estudo é a elaboração de um mapa de clusters para a identificação da poluição em termos per capita. A Tabela 1 a seguir explicita os achados de Carvalho e Almeida (2010).
Tabela 1 - Resultados presentes em Carvalho e Almeida (2010)
Clusters espacial ALTO Clusters espacial BAIXO
Europa: Alemanha, Suíça, França e Holanda África: Chad, África Central, Eritréia, Etiópia, Guiné, Costa do Marfim, Quênia, Libéria, Malawi, Mauritânia, Moçambique, Nigéria, Senegal, Serra Leoa, Sudão, Togo, Tanzânia, Uganda e Burkina Faso
Oriente Médio: Arábia Saudita, Omã, Irã e Emirados Árabes
Índia e Sudeste da Ásia: Tailândia e Vietnã
América do Sul: Venezuela Sudeste da Ásia: Malásia
De acordo com os resultados presentes na Tabela 1, Carvalho e Almeida (2010) elaboraram a Figura 4 a seguir.
Figura 4 – Mapa de clusters para emissões de CO2per capita
Por fim, o estudo de Carvalho e Almeida (2010) elabora um excelente quadro resumo dos trabalhos econométricos sobre a Curva de Kuznets Ambiental. Esse quadro resumo se encontra nas páginas 8 a 11 do referido estudo. Para facilitar o acompanhamento do texto por parte do leitor, foi inserido abaixo o Quadro 1 do referido trabalho (Resumo dos trabalhos econométricos sobre a CKA). Fica evidente, assim, a importância de estudos que verificam a CKA.
3 METODOLOGIA
3.1 DADOS
Foi realizada a coleta de dados de cinco variáveis investigadas e abaixo relacionadas. Um detalhe importante se refere ao período amostral selecionado para este estudo. Dada a ampla fonte de dados utilizada, bem como ao conjunto de variáveis, foi necessário restringir a análise ao período de 1996 a 2007 para 132 países. Ressalte-se também que nem sempre foi possível coletar todas as informações para todos os países, o que implica que, na seção de resultados econométricos, foi estimado um modelo de dados de painel não balanceado.
As variáveis utilizadas foram: Emissão de CO2 (kt)
PIB per capita PPP (dólar) PIB Industrial (dólar)
Consumo de Energia (Kilowats/hora) Índice de Percepção da Corrupção
As emissões de dióxido de carbono CO2 (kt) são decorrentes da queima de combustíveis
fósseis. Leva-se também em consideração a produção de cimento no país. Elas incluem o dióxido de carbono produzido durante o consumo de líquidos e combustíveis de gás sólidos e a queima de gás. Os dados referentes às emissões de CO2 (kt) foram obtidos diretamente do banco
de dados do Relatório do World Development Indicators (WDI)3. Os Indicadores de Desenvolvimento Mundial (WDI) é a coleção preliminar do Banco Mundial de indicadores de desenvolvimento, compilados a partir de fontes internacionais oficialmente reconhecidas. Eles apresentam dados atuais sobre o desenvolvimento global e incluem estimativas nacionais, regionais e globais.
Em relação aos dados de renda, foram utilizados os dados constantes da Penn World Table. Para representar a renda per capita, adotou-se como proxy as informações de PIB per capita dos países, em valores constantes, em dólares ajustados pela paridade do poder de compra. Esses dados são de uso amplo e comum nos trabalhos referentes a comparações entre
países. Mais informações sobre a Penn World Table podem ser obtidos em Summers et al. (1994).
Outra medida de renda utilizada foi focada apenas no setor industrial do país e está de acordo com a literatura sobre o tema. Foram utilizados dados referentes ao PIB industrial para representar uma variável de escala industrial e seu consequente impacto sobre a pressão ambiental. Seguindo a literatura sobre a Curva de Kuznets Ambiental (CKA), adotou-se aqui o valor do PIB industrial do país em valores constantes (em dólares). Esses dados foram obtidos diretamente das tabelas do Banco Mundial (World Bank Tables)4.
Uma terceira medida de renda, também adotada nos estudos da CKA, se refere ao consumo total de energia do país, sendo que, quanto maior for o consumo de energia, maior será a renda do país. Essa variável foi obtida diretamente do Livro Anual de Consumo de Energia produzido pela Organização das Nações Unidas (United Nations Statistical Division [UNSTAT] – Energy Statistics Yearbook). O consumo de energia está padronizado para a unidade de Kilowatts/hora.
Por fim, os dados de corrupção foram obtidos do Índice de Percepção de Corrupção (Corruption Perception Index) elaborado pela Transparência Internacional.5 Na sua última edição, referente ao ano de 2013, o índice classificou 177 países e territórios ao redor do mundo. O índice de percepção de corrupção atribui notas que variam de ZERO (países ALTAMENTE corruptos) a CEM (países onde a corrupção estaria AUSENTE). Desse modo, quanto maior for a nota do país, menor será a percepção de corrupção nele. Cabe ressaltar que esse índice se refere à percepção de corrupção no setor público apenas. Portanto, esse índice não mensura a percepção de corrupção entre entes privados.
Apenas para dar uma noção melhor sobre o índice de percepção de corrupção, o Quadro 2 expõe a posição de alguns países nesse ranking, de acordo com as informações constantes na edição de 20136.
4
Dados e informações adicionais podem ser encontrados diretamente no link disponibilizado pelo Banco Mundial: <http://data.worldbank.org/>. Acesso em: 12 ago. 2012.
5 Disponível no site: <http://www.transparency.org/>. Acesso em: 20 jan. 2012.
Quadro 2 - Índice de Percepção de Corrupção, Edição de 2013.
País Posição no Ranking Pontuação
Dinamarca 1 91
Nova Zelândia 1 91
Finlândia 3 89
Suécia 3 89
Noruega 5 86
Cingapura 5 86
Suíça 7 85
Alemanha 12 78
Reino Unido 14 76
Estados Unidos 19 73
Uruguai 19 73
Chile 22 71
França 22 71
Botsuana 30 64
Ruanda 49 53
Romênia 69 43
Brasil 72 42
China 80 40
Venezuela 160 20
Fonte: Transparência Internacional.
Apenas para esclarecer alguns dados do Quadro 2, é de se lembrar que 2/3 dos países pesquisados obtiveram notas abaixo de 50, o que demonstra o sério problema da corrupção no setor público da esmagadora maioria dos países ao redor do mundo7.
O Quadro 3 faz um resumo das variáveis utilizadas nesse estudo. Na primeira coluna, está o nome da variável. Na segunda coluna, descreveu-se a proxy utilizada no estudo econométrico para representar aquela variável. Na terceira coluna, identificou-se a fonte de onde os dados referentes àquela variável foram obtidos.
7Informações adicionais sobre a maneira como o índice de percepção de corrupção é calculado podem ser encontradas no site:
Quadro 3 - Dados utilizados e suas respectivas fontes
Variável Proxy utilizada Fonte
Pressão Ambiental Emissão de CO2 World Bank Tables
Renda PIB per capita PPP Penn World Table
Renda PIB industrial World Bank Tables
Renda Consumo de energia UNSTAT
Corrupção Índice de Percepção de Corrupção Transparência Internacional
Fonte: autoria própria.
A Tabela 2 a seguir apresenta informações sobre a correlação entre os coeficientes utilizados nas equações de estimação para os segmentos de poluição. Os resultados da matriz de correlação indicaram colinearidade fraca entre o PIB industrial e a corrupção com um coeficiente de correlação (r) = 0,3916, e uma moderada correlação entre as variáveis PIB per capita e energia, r = 0,5027. As outras correlações das variáveis de estudo também podem ser observadas na Tabela 2. Existe uma forte correlação entre PIB per capita e corrupção (r = 0,8789). No entanto, esses resultados não implicam desvantagens para os resultados dos modelos estimados. Vale destacar que variáveis altamente correlacionadas não apresentam necessariamente qualquer relação de causa e efeito. A Tabela 2 expõe os resultados das correlações entre as variáveis.
Tabela 2 - Matriz de Correlação (todas as variáveis estão em logaritmo natural)
CO2 Corrupção Energia PIB per capita PIB industrial
Emissão CO2 1
Corrupção 0,495 1
Energia 0,943 0,399 1
PIB per capita 0,636 0,878 0,502 1
PIB industrial 0,406 0,391 0,331 0,401 1
Fonte: autoria própria.
3.2 MODELAGEM ECONOMÉTRICA
balanceados (com quantidades diferenciadas de informações temporais para diferentes unidades cross-section). Seguindo os passos de Arellano e Bond (1991) e Arellano e Bover (1995), adota-se o modelo econométrico abaixo.
A especificação de um modelo geral de dados em painel é dada pela equação:
(3)
onde é a variável dependente escalar, i é a dimensão individual e t é a dimensão do tempo. O xit é um vetor de variáveis explicativas de dimensão 1 × K e o vetor de coeficientes a serem estimados, K × 1, associado a esses regressores. O componente de erro do modelo, , é composto por dois elementos ortogonais: um componente de efeitos individual-específicos e constantes no tempo, (clima, geografia) e outro aleatório idiossincrático
A forma matricial pode ser descrita como:
onde eit se refere ao termo de perturbação para a i-ésimo país no instante t. Muitas vezes, os dados são apresentados sob a seguinte forma:
onde yi é um vetor nTx1, Xi é do tipo nTxk, é um vetor nKx1, eit é do tipo nTx1.
Hsiao (1986) observa que a utilização dos modelos de dados de painel possui muitas vantagens quando comparada com a estimação de coortes (cross-sectional): o número de observações é maior, produz melhores propriedades assintóticas dos estimadores; graus de liberdades maiores, tornando mais robustos os testes t e F; não apresenta problema de multicolinearidade, considerando que a unidade cross-sectional tem estruturas diferentes; controla os efeitos específicos dos indivíduos que, em análises de dados em coortes ( cross-sectional), podem gerar problemas de endogeneidade; além disso, elimina diversos efeitos causados por variáveis omitidas que são correlacionadas com variáveis independentes. Porém, há uma desvantagem: os efeitos dos vieses causados pela heterogeneidade e pela seletividade amostral entre as unidades de coortes.
Os principais modelos econométricos desenvolvidos para dados longitudinais ou em
painel (“modelos de painel”) são aqueles com efeitos fixos (fixed effect - fe) e os modelos com efeitos aleatórios (random effect - re). Esses modelos podem apresentar uma estrutura estática ou dinâmica. As principais diferenças entre os dois tipos de modelos se referem à interpretação do intercepto, que consiste no fato do termo de intercepto (fixo ou aleatório) estar ou não correlacionado com as variáveis explicativas.
O modelo de efeitos fixos (fixed effects) difere dos efeitos aleatórios (random effects) por sua suposição entre a relação do termo constante da regressão com as demais variáveis explicativas. No modelo de efeitos fixos, a heterogeneidade dos indivíduos é observada no intercepto, que é diferente de indivíduo para indivíduo (ou de país para país), sendo constante ao longo do tempo. O intercepto é o termo da constante separado para cada unidade, enquanto que nas inclinações (coeficientes angulares de cada variável explicativa) se tem a homogeneidade. Outro pressuposto é que os efeitos individuais estão correlacionados com as variáveis explicativas.
O modelo fixo dos efeitos pode ser representado da seguinte maneira:
6 .'xit i
it
y
7. i it
i
.
,
0
,
;
,
2
var
,
0
contrário
caso
js
u
it
u
e
s
t
e
j
i
para
it
u
e
it
it
u
onde
O termo uit são os efeitos individual-específicos, tempo-invariante. O termo it representa o erro aleatório, identicamente distribuído e com variância constante.
Já a forma matricial do modelo de efeitos é descrita conforme a seguir:
8 2 1 2 1 2 1 2 2 2 2 1 1 1 2 1 1 1 1 1 2 1 iT e i e i e i e k kiT X iT X iT X ki X i X i X ki X i X i X i X i iT y i y i y i y
Por outro lado, o modelo de efeitos aleatórios (random effects) trata os países como uma amostra aleatória de uma população maior de países. O i é um termo aleatório específico individual. O efeito do αit (efeito individual), quando não correlacionado com o conjunto de variáveis explicativas, gera o chamado modelo de efeitos aleatórios. Admite-se que todos os erros são homocedásticos e não autocorrelacionados.
9 . 'xit eit iit
y
O modelo de efeitos aleatórios é um modelo de regressão generalizado. Todo o termo aleatório tem variância var
eii
2 e22. Mas, para um dado i, os termos aleatórios em períodos diferentes são correlacionados por causa de seu componente comum i,
,
2 2
it i eis i corr
(GREENE, 2000).
A forma matricial do modelo de efeitos aleatória é dada por:
10 2 1 2 1 2 1 2 2 2 2 1 1 1 2 1 1 1 1 1 2 1 iT e i e i e i e k kiT X iT X iT X ki X i X i X ki X i X i X iT y i y i y i y O modelo de feitos aleatórios assume algumas hipóteses:
,
0,
14cov 13 , , cov 12 var 11 0 2 2 2 t i v v s t v v jt it is it it it
3.3 TESTE DE HAUSMAN
Escolher entre o uso do estimador de efeitos fixos ou o estimador de efeitos aleatórios nem sempre é uma decisão trivial. A rigor, a escolha entre o uso de efeitos fixos ou aleatórios deve ser feita com base em características amostrais (GREENE, 2000). Contudo, na esmagadora maioria dos estudos econométricos, a escolha do método de estimação mais eficiente costuma ser baseada no teste de especificação de Hausman (1978). Nesta tese, será considerada a literatura empírica e o Teste de Hausman será utilizado para a escolha entre os métodos de estimação mais eficiente: o modelo de efeitos fixos ou o modelo de efeitos aleatórios.
Originalmente, o referido teste mede a distância entre os resíduos de duas regressões (uma como supostamente a mais eficiente e a outra a menos eficiente). Com base na distância entre esses resíduos, o teste mencionado apontava para a existência ou não de endogeneidade entre as variáveis. Assim, o Teste de Hausman foi originalmente desenvolvido para verificar questões referentes à endogeneidade, sendo depois comumente aplicado para a escolha entre modelos de efeito fixo ou aleatório em estudos envolvendo dados de painel. O referido teste no contexto de painel verifica a correlação entre a constante e os regressores, sendo usado então para a escolha entre a adoção do modelo de efeitos fixos ou de efeitos aleatórios.
A natureza do Teste de Hausman é baseada sobre a distância entre os coeficientes estimados: q GLS within
~ ˆ
ˆ1 sob H0, plimqˆ1 0e cov
qˆ1,ˆGLS
0.Dado que:
ˆ 0' ' ~ ' ' ˆ 1 1 1 1 1 q Q X QX X X X X within GLS E que:
'
'
0~ , ˆ cov ˆ var , ˆ , ˆ cov 1 1 1 1 1 X X X X
q GLS GLS within
GLS
Usando o fato de que
ˆ ,ˆ
0. cov ˆ var ˆ var ~ var , ˆ ˆ ~ 1 1 q a como q que se tem q GLS GLS within GLS withi Desse modo,
var ˆ
ˆ
16ˆ : 15 ' ' ' ˆ var ~ var ˆ var 1 1 1 ' 1 1 1 1 1 1 2 q q q m por dado é Hausman de Teste o como X X X QX X
q within GLS
e sob H0 é distribuído assintoticamente com K2 onde K denota a dimensão da inclinação
do vetor .
A estatística de Hausman utilizada para testar estas hipóteses é a seguinte:
1
2~
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
feb
reVar
b
feVar
b
reb
feb
re kb
H
fe
bˆ
é o vetor dos estimadores do modelo com efeitos fixos;
re
bˆ
é o vetor dos estimadores do modelo com efeitos aleatórios;
bfeVar ˆ
é a matriz de variâncias-covariâncias dos estimadores bˆfe;
breVar ˆ
é a matriz de variâncias-covariâncias dos estimadores bˆre,
aleatórios são ortogonais. Isso significa que aceitar Ho implica aceitar que não existe correlação
4 ANÁLISE DOS RESULTADOS
4.1 ESTIMATIVA DA POLUIÇÃO MUNDIAL COM DADOS EM PAINEL PARA O PERÍODO 1996-2007
Os resultados econométricos deste artigo são baseados na equação de poluição padrão adotada na literatura empírica. A diferença básica é que nesta tese foi incluído na regressão de poluição padrão um regressor a mais, qual seja, a variável explicativa corrupção. Assim, este estudo colabora com a literatura empírica tradicional, revelando os efeitos da corrupção sobre as emissões de CO2.
Conforme explicado anteriormente, um país com altos níveis de corrupção apresenta um ambiente propício para que empresas vendam direitos de poluição que não possuem ou, de maneira equivalente, que reduções de níveis de poluição que não ocorreram sejam reportados (permitindo, assim, a venda de licenças de poluição ou o recebimento de créditos de emissão de poluentes). A questão dos efeitos da corrupção sobre o mercado de licenças ambientais (notadamente licenças de pesca nos Estados Unidos) já é conhecido. A contribuição deste estudo é mostrar que o nível de corrupção de um país (não apenas a corrupção individual que é endereçada nos modelos teóricos anteriores) é um importante determinante das emissões de CO2.
O Teste de Hausman (reportado no apêndice) sugere a adoção do estimador de efeitos fixos. O modelo de efeitos fixos estimado tem a seguinte forma:
'
17ln eit
t it x i it
pol
i1,2,...n;t1,....,T
em que polit é um vetor do nível de poluição do país i no tempo t. O xi é um vetor de
características dos países, o T mede o tempo e n é o número de países. O eit é o termo erro que
varia entre países e no tempo. Uma formulação específica dessa equação, no qual se controla ambos os grupos, por heterogeneidade não observada (i) e para efeitos específicos de tempo
para países durante um curto período de tempo. Assim, a estrutura do termo erro assume a seguinte forma:
2 2eit
eitejs 0 se if i j ou ts
Como forma de se avaliar o impacto das variáveis sobre o nível de poluição com base na equação (1), quatro modelos foram estimados. Todas as variáveis foram logaritmizadas (logaritmo natural): lnpol é o logaritmo da poluição [emissões de CO2 em (kt)]; lnipc é o
logaritmo da variável índice de percepção de corrupção; lnenergy é o logaritmo do consumo de energia; lngdp é o logaritmo da renda per capita; lnPIBindustria é o logaritmo do PIB industrial.
A Tabela 3 reporta os resultados das estimativas com base em quatro métodos distintos: (1) OLS; (2) Efeitos Fixos Temporais; (3) Efeitos Fixos e (4) Sistema GMM Dinâmico. Ressalte-se novamente que os dados presentes nesta tese são dados anuais, referentes ao período de 1996 a 2007.
De acordo com os resultados estimados [colunas (1) a (4)], a estatística t para todas as variáveis explicativas se mostra estatisticamente diferente de zero ao nível de significância de 5% [exceto a variável independente “PIB industrial” nos modelos (2) e (3)]; isso mostra que o modelo aqui utilizado está em linha com os demais resultados presentes na literatura internacional. Pode-se verificar que os testes F nos modelos ajustados (1) OLS; (2) Efeitos Fixos Temporais; (3) Efeitos Fixos e (4) Sistema GMM Dinâmico são estatisticamente diferentes de zero aos níveis de significância de 5%.
Para a escolha do método econométrico mais adequado, utilizou-se o Teste de Hausman (1978). O objetivo aqui é decidir entre os dois modelos: o método de efeitos fixos ou de efeitos aleatórios. O resultado do Teste de Hausman indicou que o método de efeitos fixos é mais apropriado para os países poluidores, no período de 1996 a 2007. O segundo teste refere-se à presença de endogeneidade das variáveis. O Teste de Durbin-Wu-Hausman foi utilizado para a detecção da endogeneidade. Esse teste é verificado pela estimativa dos resíduos da variável endógena como função de todas as variáveis exógenas.
A estatística do Teste de Especificação de Hausman foi de chi2(4) = 17 com Prob > chi2 = 0.0019. O resultado do teste de especificação indicou a rejeição da hipótese de que os efeitos específicos não observados estariam não correlacionados com as variáveis explicativas. Portanto, o modelo de efeitos fixos é o mais apropriado para a estimativa. A estatística do Teste de Breusch e Pagan (lagrangian multiplier test for random effects, teste multiplicador de Lagrange para efeitos aleatórios) foi de chi2(1) = 365.04, com Prob > chi2 = 0,0000, o que leva à rejeição da hipótese nula, corroborando o resultado do Teste de Hausman.
Em função da presença da endogeneidade provocada pela relação entre poluição e renda é necessário considerar o procedimento do método das variáveis instrumentais para produzir coeficientes consistentes. Os dados longitudinais ajudam a controlar o problema da endogeneidade; por meio da utilização dos dados de painel, foram utilizados os estimadores de método de momentos generalizados (GMM) dinâmico. O GMM foi introduzido por Hansen (1982).
A hipótese fundamental para a consistência dos estimadores depende da validade de dois testes de especificação apontados por Arellano e Bond (1991), Arellano e Bover (1995) e Blundel e Bond (1998). A especificação do modelo é examinada através de um teste de validade das restrições de sobreidentificação fornecida pelo Teste de Sargan. Caso o Teste de Sargan rejeite a validade dos instrumentos, então se utiliza o método de Arellano e Bond. O segundo teste diz respeito à correlação serial da regressão residual (Teste de Arellano-Bond), que avalia a hipótese de que o termo de erro é não serialmente correlacionado.
O Teste de Sargan não rejeitou, em nível de significância de 64.3% (Chi2(16)= [13.40(chi2=0.643))], a hipótese nula de validade conjunta dos instrumentos referentes aos modelos GMM reportados pelas Tabela 2. Os instrumentos utilizados para o modelo GMM foram as dummy para os países e as variáveis independentes das defasagens.
Um exemplo que retrata a relação entre poluição e corrupção diz respeito à indústria cuja matriz está instalada em países desenvolvidos que utiliza mecanismos menos poluentes. Por outro lado, suas filiais situam-se em países menos desenvolvidos, em razão de esses países não possuírem uma política de redução da poluição de fato implementada. Empresas multinacionais e/ou nacionais (acordos comerciais) subornam funcionários públicos para ter vantagem na licitação de obra pública. Os países desenvolvidos utilizam um duplo padrão na hora de concretizar negócios com os países em vias de desenvolvimento: vantagens econômicas imediatas e a possibilidade de uso de subterfúgios (tais como a corrupção).
De acordo com os resultados reportados, observa-se que o nível de poluição é significativamente e negativamente influenciado pela corrupção (medido pelo índice de percepção de corrupção da Transparência Internacional-IPC). Um aumento nessa variável de 10% provoca um acréscimo sensível da poluição (quantidade ofertada de emissões de CO2) de
9,01% (medido pelo modelo GMM). A pontuação do IPC varia de 0 a 10. Quando a corrupção é considerada alta, recebe nota 0. Se a corrupção é considerada baixa, tem nota 10, de acordo com a percepção acerca do grau de corrupção. Os índices são baseados na percepção de corrupção da população de cada país. Uma identificação importante está relacionada ao desenvolvimento econômico. Os países menos desenvolvidos apresentam os índices mais baixos no Índice de Percepção de Corrupção (IPC) da Transparência Internacional.
A variável econômica PIB per capita (medida em logaritmo) se mostrou significativa nos quatro modelos estimados. No modelo GMM, por exemplo, essa variável apresentou um coeficiente de 0.520. Isso indica que uma variação positiva de 10% do PIB gera um aumento do volume de carbono emitido (emissões de CO2) de 5,2%, que contribui para o efeito estufa.
Os valores dos coeficientes da variável setor de indústrias (lnPIBindustrial) mostraram ser estatisticamente nulos em dois modelos, 2 (EFTEM) e 3 (EF), enquanto nos modelos 1 (OLS) e 4 (GMM), os coeficientes foram estatisticamente significativos aos níveis de significância de 5%. Comparando as estimativas encontradas pelos dois métodos adotados, verifica-se que não há quase diferenças (0.233-OLS) e (0.257-GMM) entre esses dois métodos. Os resultados reportados mostram que um aumento de 10% na produção do setor de indústrias geraria um incremento de 2,57% nas emissões de CO2 no mundo.
As variáveis year1-year11 são “dummies de tempo”; a variável year1 (ano de 1996) até year11 (ano de 2006) são variáveis representativas do efeito tempo. Um fato interessante é que os efeitos individuais e de tempo afetam de maneira idêntica a poluição. Os modelos de efeitos fixos para os efeitos individuais, modelo 3 (EF), e para o efeito tempo, modelo 2 (EFTEM), são estatisticamente significativos aos níveis de significância de 5%. Os efeitos temporais mantêm uma relação negativa como o volume de carbono emitido. Compreende-se que, ao longo dos anos, novas tecnologias incorporadas ao sistema produtivo podem contribuir para reduzir a taxa de emissões de CO2, favorecendo, assim, para a melhoria do meio ambiente.
Tabela 3 - Estimativas da Poluição Mundial com Dados em Painel para o Período 1996-2007 (variável dependente LnCO2)
(1-OLS) (2-EFTEM) (3-EF) (4-GMM)
Lnipc -0.521*** -0.207* -0.461*** -0.901* (-5.87) (-2.22) (-4.78) (-2.03)
lnenergy 0.955*** 0.895*** 0.943*** 0.938*** (62.25) (56.12) (43.59) (22.68)
lngdp 0.374*** 0.259*** 0.488*** 0.520*** (13.00) (8.71) (16.76) (3.69)
lnPIBindustrial 0.233*** 0.0218 0.0593 0.257* (4.93) (0.45) (1.05) (2.03)
