FUNDAÇÃO GETULIO VARGAS ESCOLA DE ECONOMIA DE SÃO PAULO
VITOR MOCHIDA PADETTI
GASTO PÚBLICO E CRESCIMENTO ECONÔMICO: UMA ANÁLISE DOS GASTOS PÚBLICOS FEDERAIS
SÃO PAULO 2021
VITOR MOCHIDA PADETTI
GASTO PÚBLICO E CRESCIMENTO ECONÔMICO: UMA ANÁLISE DOS GASTOS PÚBLICOS FEDERAIS
Dissertação apresentada à Escola de Economia de São Paulo da Fundação Getulio Vargas, como requisito para obtenção do título de Mestre em Economia.
Orientador: Prof Rogério Mori
SÃO PAULO 2021
Padetti, Vitor Mochida.
Gasto público e crescimento econômico : uma análise dos gastos públicos federais / Vitor Mochida Padetti. - 2021.
32 f.
Orientador: Rogerio Mori.
Dissertação (mestrado profissional MPFE) – Fundação Getulio Vargas, Escola de Economia de São Paulo.
1. Despesa pública. 2. Desenvolvimento econômico - Brasil. 3. Produto interno bruto. 4. Modelos econométricos. I. Mori, Rogerio. II. Dissertação (mestrado profissional MPFE) – Escola de Economia de São Paulo. III. Fundação Getulio Vargas. IV. Título.
CDU 336.5(81)
Ficha Catalográfica elaborada por: Isabele Oliveira dos Santos Garcia CRB SP-010191/O Biblioteca Karl A. Boedecker da Fundação Getulio Vargas - SP
VITOR MOCHIDA PADETTI
GASTO PÚBLICO E CRESCIMENTO ECONÔMICO: UMA ANÁLISE DOS GASTOS PÚBLICOS FEDERAIS
Dissertação apresentada à Escola de Economia de São Paulo da Fundação Getulio Vargas, como requisito para obtenção do título de Mestre em Economia.
Área de Concentração: Finanças Data de aprovação: 13/10/2021 Banca Examinadora:
_____________________________________
Prof. Dr. Rogério Mori (Orientador) FGV – EAESP
_____________________________________
Prof. Dr. Emerson Marçal FGV - EESP
_____________________________________
Prof. Dr. Diogo de Prince Mendonça FGV - CEMAP
RESUMO
O objetivo deste estudo é analisar a relação entre os componentes do gasto público federal e o crescimento econômico do Brasil no período entre 2002 a 2019. Os gastos públicos são decompostos primeiramente por categoria econômica (gastos correntes, excluindo componentes da dívida, e gastos de capital) e depois por função (educação e cultura, defesa e segurança, transporte e comunicação, saúde, e benefícios previdenciários). É utilizado o modelo Auto Regressive Distributed Lag with Error Correctiom Model (ARDL-ECM) para estimar os coeficientes de cada variável explicativa. Ao fim, são apresentadas as descobertas inferidas através dos resultados do modelo
Palavras-chave: Crescimento econômico. Federação. Gasto público. ARDL-ECM.
ABSTRACT
The goal of this paper is to analyze the relationship between the components of public expenditure and economic growth in Brazil between 2002 and 2019. Public expenditure is first decomposed by economic category (current expenditure – except debt components, and capital expenditure) and then by function (education and culture, defense and security, transportation and communication, healthcare, and social security benefits). The Auto Regressive Distributed Lag with Error Correctiom Model (ARDL-ECM) is used to estimate the coefficients of all the independent variables. In the end, the insights and conclusions derived from the model are presented.
Key words: Economic Growth. Federation. Public expenditure. ARDL-ECM.
LISTA DE FIGURAS
Figura 1 ― Variáveis explicativas em comum nos modelos. ... 20
Figura 2 ― Variáveis explicativas expecíficas dos modelos ... 20
Figura 3 ― CUSUM e CUSUM Square modelo GIGC. ... 29
Figura 4 ― CUSUM e CUSUM Square modelo FUNCAO. ... 29
LISTA DE TABELAS
Tabela 1 ― Estatística descritiva dos dados ... 19
Tabela 2 ― Testes de estacionaridade. ... 22
Tabela 3 ― Estatística F para cointegração dos modelos. ... 23
Tabela 4 ― Valores críticos para cointegração. ... 23
Tabela 5 ― Teste de Wald. ... 24
Tabela 6 ― Resultados modelo GIGC. ... 25
Tabela 7 ― Resultados modelo FUNCAO. ... 27
Tabela 8 ― Testes de especificação.. ... 29
LISTA DE EQUAÇÕES
Equação 1 ... 16
Equação 2 ... 16
Equação 3 ... 16
Equação 4 ... 16
Equação 5 ... 17
Equação 6 ... 17
Equação 7 ... 17
Equação 8 ... 17
Equação 9 ... 17
Equação 10 ... 17
Equação 11 ... 18
Equação 12 ... 19
SUMÁRIO
1 INTRODUÇÃO ... 9
2 REVISÃO DA LITERATURA ... 11
3 O MODELO TEÓRICO ... 15
4 DADOS ... 19
5 RESULTADOS ... 22
5.1 TESTE DE ESTACIONARIDADE ... 22
5.2 TESTE DE COINTEGRAÇÃO E TESTE DE WALD ... 23
5.3 RESULTADO DO ARDL-ECM E TESTES DE ROBUSTEZ ... 24
6 CONCLUSÃO ... 30
REFERÊNCIAS ... 32
1 INTRODUÇÃO
Apesar de existir uma ampla literatura voltada a estudar a relação entre gasto público e crescimento econômico, pouco se estuda sobre o efeito dos componentes individuais do gasto.
Em um país como o Brasil, que de acordo com o estudo de carga tributária x IDH realizado pelo IBPT em 2018 coloca o país na última colocação pelo cálculo do índice de retorno de bem estar à sociedade (IRBES), num ranking com os 30 países com maior tributação do mundo, um maior entendimento do efeito dos grupos de gasto público sobre o crescimento econômico pode ser valioso para realocar os recursos de maneira mais eficiente.
Na literatura, existem duas maneiras de avaliar a qualidade e o impacto do gasto público sobre o crescimento, uma indireta e outra direta. A forma indireta consiste em avaliar o resultado dos gastos que teriam um efeito positivo sobre o crescimento (por exemplo, gastos com saúde, educação, entre outros) e, então, tentar medir o desempenho do setor público relacionando estas medidas de resultado/produto aos insumos utilizados. A forma direta procura medir o impacto do gasto público sobre o crescimento econômico por meio de análise estatística/econométrica ou estudos de caso. Os gastos são, em geral, classificados em
"produtivos" e "improdutivos", de acordo com o seu efeito sobre o nível de atividade, possuindo os primeiros impactos positivo e os últimos impacto negativo sobre o crescimento econômico.
Afonso, Ebert, Schuknecht e Thone (2005) fornecem um framework detalhado para relacionar o nível e a composição do gasto público, seu financiamento e o crescimento econômico.
Inspirados pelo modelo proposto por Devarajan et al. (1996), alguns autores se propuseram a investigar a composição dos gastos públicos brasileiros. Rocha e Giuberti (2007) utilizaram o modelo para estudar os gastos públicos à nível estadual, no período entre 1986 e 2003, onde encontraram evidências empíricas da relação não linear entre os gastos “produtivos”
e “improdutivos” e o crescimento econômico no período. O fato de a relação ser não linear implica que existe um nível máximo em que o aumento de gasto público é benéfico para o crescimento econômico, sendo que ao ultrapassar esse limite o efeito se torna negativo.
Leshoro (2020) utiliza dados anuais da África do Sul entre 1976 e 2017, para estudar o efeito da política fiscal sobre o crescimento econômico, segregando os gastos públicos em gastos correntes e de capital e encontra evidência de que, para o caso sul africano, os gastos correntes têm um efeito maior sobre o crescimento do que os gastos de capital, tanto em curto quanto em longo prazo. Esse resultado é condizente com as evidências de Devarajan et al.
(1996).
O objetivo deste estudo é estimar os efeitos dos gastos públicos federais sobre o crescimento econômico, observando dados trimestrais durante o período de 2002 a 2019. Para isso, será aplicado o modelo Auto Regressive Distributed Lag with Error Correctiom Model ARDL-ECM visto em Leshoro (2020), para estimar os coeficientes de cada variável de interesse. Os gastos são decompostos inicialmente de acordo com suas características econômicas (correntes ou de capital) e o modelo é denominado GIGC. Em seguida, são decompostos de acordo com sua classificação funcional e 5 categorias principais são avaliadas:
benefícios previdenciários; defesa; educação e cultura; transporte e comunicação; e saúde; e o modelo é denominado FUNCAO.
O modelo GIGC apresentou resultados estatisticamente significantes, porém falhou nos testes de robustez e por esse motivo não será explorado. O modelo FUNCAO mostra que os gastos com benefícios previdenciários e defesa possuem coeficientes negativos em curto prazo e um aumento de 1% em cada um, explica uma queda de 0,27% do PIB do período atual. Já os gastos com educação e cultura, transporte e comunicação e saúde possuem coeficientes positivos e um aumento de 1% em cada um, explica um aumento de 0,271% no PIB do período atual.
Este ensaio está organizado da seguinte forma: a segunda seção traz uma revisão da literatura sobre os efeitos do gasto público sobre o crescimento econômico; a terceira seção apresenta o modelo proposto por Leshoro (2020); a quarta seção apresenta os dados utilizados, incluindo o método de tratamento dos mesmos; a quinta seção mostra os resultados obtidos pelo modelo aplicado à economia brasileira; por fim, é apresentada uma breve conclusão e próximos passos a partir dos resultados obtidos.
2 REVISÃO DA LITERATURA
Os modelos keynesianos de demanda agregada fornecem relações simples e lineares entre gastos do governo e produto - um aumento nos gastos públicos gera um aumento na demanda agregada, influenciado por um efeito multiplicador. Porém o modelo tradicional ignora o fato de que os agentes se comportam com expectativas racionais ao contrário de expectativas adaptativas, ou seja, reagem a um sinal fiscal mudando suas distribuições de probabilidade para todos os gastos e impostos futuros. Isso faz com que, dependendo do comportamento dos agentes, um aumento de gastos públicos leva a uma redução do produto e vice-versa. Exemplos desses efeitos não keynesianos podem ser encontrados em Feldstein (1982); Bertola e Drazen (1993); Sutherland (1997); e Perotti (1999).
Esse comportamento pode resultar em “expansões fiscais contracionistas” ou
“contrações fiscais expansionistas". Estudos empíricos demonstram a existência desses efeitos e tentam analisar as condições sob a qual uma consolidação fiscal pode elevar a atividade econômica ou uma expansão fiscal pode contrair a atividade econômica. Um dos determinantes apresentados na literatura para a existência de não linearidades da política fiscal é a composição do gasto público e do ajustamento fiscal (ALESINA; PEROTTI, 1995; 1997) (ALESINA;
ARDAGNA, 1998). São identificados dois tipos de consolidação fiscal: a) Tipo 1: ajustamento que se baseia principalmente em cortes de gastos, em particular, cortes nas transferências, na seguridade social, nos salários do governo e no emprego; b) Tipo 2: ajustamento que se baseia principalmente no aumento de impostos. Do lado dos gastos, quase todos os cortes são no investimento público.
Alesina e Perotti (1995; 1997) obtêm evidências de que consolidações fiscais têm maior probabilidade de serem bem-sucedidas quando a melhora orçamentária é obtida se cortando os salários públicos e os benefícios previdenciários (ajustamento Tipo 1). Este resultado é consistente com a visão de que os efeitos da política fiscal dependem de como eles afetam as expectativas. Cortando estes itens "intocáveis" do orçamento, o governo sinaliza que uma mudança de regime ocorreu, o que estimula, então, o produto por meio de uma onda de otimismo.
Em longo prazo, apesar da ampla pesquisa sobre a relação entre tamanho do governo e crescimento econômico, há uma literatura relativamente escassa discutindo a relação entre composição do gasto público e crescimento econômico. Na realidade, nem a teoria econômica nem a evidência empírica fornecem respostas claras para a questão de como a composição do
gasto público afeta o crescimento econômico em longo prazo.
Alguns pesquisadores tentaram ligar componentes particulares do gasto do governo à produtividade do setor privado e crescimento econômico, mas a maioria desses esforços não tem uma estrutura teórica rigorosa. Exceções são Aschauer (1989), Morrison e Schwartz (1991) e Holtz-Eakin (1991) que se basearam em modelos teóricos, porém tendo como objetivo a análise da produtividade dos gastos públicos nos Estados Unidos. Devarajan et al. (1996) consistem em uma exceção adicional no sentido de que, além de desenvolverem uma estrutura teórica ligando composição do gasto público com crescimento econômico, têm como foco o caso dos países em desenvolvimento.
Aschauer e Greenwood (1985), Barro (1990) e outros enfatizaram a distinção entre bens e serviços públicos que entram na função utilidade e aqueles que complementam a produção do setor privado. Os primeiros parecem ter efeitos negativos sobre o crescimento. Isto porque, ainda que forneçam utilidade para as famílias, os impostos mais altos, necessários para financiá- los, reduzem o retorno dos investimentos privados, o incentivo a investir e, consequentemente, o crescimento. Isto é confirmado por Grier e Tullock (1989) usando dados em painel (115 países, incluindo 24 países da OCDE, no período pós-Segunda Guerra Mundial) eles acham uma relação negativa e estatisticamente significante entre a taxa de crescimento real do produto e a participação do consumo do governo no PIB. Ao contrário, gastos com investimento (tais como a provisão de infraestrutura) fornecem um ambiente que estimula o crescimento.
Devarajan et al. (1996) procuram determinar que componentes dos gastos públicos podem ser considerados produtivos em países em desenvolvimento. Eles evitam classificar a priori os gastos públicos em produtivos ou improdutivos. Ao contrário disso, eles deixam os dados dizerem que componentes atendem à definição de gasto produtivo. Os resultados empíricos, para um conjunto de 43 países em desenvolvimento ao longo de 20 anos, indicam que os gastos que normalmente são considerados produtivos podem se tornar improdutivos quando são feitos em excesso. Este seria o caso dos gastos com capital, transporte e comunicação, saúde e educação. Somente os gastos correntes, como categoria ampla, estão associados com maior crescimento econômico. Isto resulta do fato de os países em desenvolvimento terem concentrado seus gastos em capital ao oposto de custeio. Desta forma, a recomendação tradicional de aumentar a parcela do investimento público no orçamento para promover o crescimento – que valeria para os países desenvolvidos uma vez que esses investiram relativamente mais em custeio – não é correta para os países em desenvolvimento.
Aschauer (1989) encontra evidência de um impacto positivo do investimento público (em particular estradas, ruas, sistemas de água, entre outros) sobre o crescimento econômico e
a produtividade do setor privado nos Estados Unidos no período 1949 e1985.
Usando um conjunto de regressões em cross-section, Easterly e Rebelo (1993) encontraram que o investimento público em transporte e comunicação, em países em desenvolvimento, leva a um maior crescimento econômico. Para outras categorias de gasto público, as evidências não são de fato conclusivas se eles constituem gastos "produtivos".
Enquanto Kormendi e Meguire (1985), Grier e Tullock (1989) e Summers e Heston (1988) classificam defesa e educação como gastos do governo e, portanto, improdutivos; Barro (1991) modela os mesmos como produtivos. Isto porque gasto com educação pública representa, na verdade, investimento em capital humano. Da mesma forma, gastos com segurança ajudam a proteger os direitos de propriedade, o que aumenta o investimento e o crescimento. Usando dados de 98 países, Barro (1991) conclui que, um aumento dos recursos destinados ao gasto não produtivo está associado a uma taxa de crescimento per capita menor.
Motivada também pela escassez de trabalhos empíricos explorando a relação entre componentes do gasto público e crescimento econômico, Leshoro (2020) investiga a relação em curto e longo prazo dos gastos de capital e correntes do governo sul-africano com o crescimento econômico no período de 1976 e 2017 para concluir se a política fiscal vigente contribui ou não com o fraco crescimento observado no país. Os resultados mostram que ambos os componentes contribuem positivamente, tanto em curto quanto em longo prazo, para o crescimento econômico no caso sul-africano, mas que gastos de capital possuem um efeito positivo maior do que gastos correntes.
Na literatura brasileira, alguns autores desenvolveram estudos que buscam relacionar política fiscal e crescimento, focando, porém, nos gastos agregados ou somente nos investimentos em infraestrutura e não nos efeitos da composição dos gastos.
Ferreira (1996) mostra, que o impacto de investimentos em infraestrutura no crescimento da economia brasileira é positivo, considerando o capital investido em telecomunicações, energia elétrica, portos, setor marítimo e ferrovias no período de 1970 e 1993. Ferreira e Malliagros (1998) obtêm o mesmo efeito positivo considerando investimentos do setor rodoviário entre 1950 e 1995.
Cândido Jr. (2001) estuda os impactos dos gastos públicos agregados sobre o crescimento econômico entre 1947 e 1995 e conclui, que as estimativas da elasticidade gasto- produto, quando se utiliza o conceito mais restrito de gasto público (consumo mais transferências), aparecem sempre como negativas. No entanto, quando o gasto público passa a incluir também os investimentos das administrações públicas, o impacto passa a ser positivo.
Rocha e Giuberti (2007) aplicam o modelo proposto por Devarajan et al. (1996) sobre
um painel composto pelos gastos públicos dos estados brasileiros no período de 1986 a 2003.
Elas aplicam tanto o modelo linear quanto o não linear e é no último que as principais relações são encontradas. Na esfera estadual, as autoras concluem que os principais gastos considerados
“produtivos” pela literatura possuem uma relação positiva com o crescimento econômico, porém a relação é não linear, ou seja, existe um limite para cada gasto e que ao ultrapassar esse limite, o efeito do mesmo passa a ser negativo na economia.
3 O MODELO TEÓRICO
Para estimar os efeitos dos gastos públicos sobre o PIB será utilizado o modelo proposto por Leshoro (2020), onde o crescimento do PIB real é uma função do investimento, expectativa de inflação (π), gastos públicos, força de trabalho e capital humano.
A variável de interesse é o gasto público, que será avaliado seguindo o conceito proposto por Devarajan et al. (1996), onde é decomposto primeiro entre: Gastos Correntes (GC) e de capital (GI) e posteriormente é decomposto por função - Benefícios Previdenciários (BP);
Defesa Nacional e Segurança Pública (DEF); Educação e Cultura (EC); Transporte e Comunicação (TC); e por fim Saúde (SA). Os dados foram extraídos diretamente da base do Tesouro Nacional.
A variável que captura investimento será o indicador de FBCF fornecido pelo IPEA.
Dado que investimento é um componente da formação do PIB, é esperado um coeficiente positivo. A força de trabalho será capturada pelo Estoque de Empregos Formais (EEF) fornecido pelo CAGED - apesar de não ser a variável ideal para capturar força de trabalho no Brasil, uma vez que existe uma parcela substancial de empregos informais, o estoque de empregos formais foi escolhido pois é a melhor variável com dados aferidos no período do estudo. Um aumento na força de trabalho pode significar um aumento na capacidade produtiva de um país, afetando o crescimento econômico, então também é esperado um coeficiente positivo. A inflação (π) será capturada pela expectativa média do IPCA fornecido pelo Banco Central - taxa acumulada para os próximos 12 meses (%) - multiplicada pelo IPCA apurado do início de cada trimestre. É utilizado a expectativa de IPCA ao contrário do IPCA apurado no período, pois é uma premissa que os agentes são racionais e baseiam suas decisões sobre a expectativa de inflação.
O Capital Humano (CH) necessário para o modelo proposto mede a qualidade da condição humana em um país. Leshoro (2020) utiliza a quantidade de crianças matriculadas no ensino primário como proxy para o seu estudo - fornecido pela base de dados do Banco Mundial - porém os dados de matrícula para o Brasil (tanto para o ensino primário quanto secundário e superior) são incompletos na base do Banco Mundial e os indicadores nacionais não abrangem o período de estudo, portanto será utilizado o IDH fornecido pela ONU; uma vez que o IDH é um indicador anual, foi utilizado o mesmo valor para cada trimestre de cada ano.
Dessa forma, o modelo pode ser descrito como:
𝑌𝑡 = 𝑓 (𝐹𝐵𝐶𝐹𝑡 , 𝜋𝑡 , 𝐺𝐶𝑡 , 𝐺𝐼𝑡 , 𝐸𝐸𝐹𝑡 , 𝐶𝐻𝑡 ) (Eq. 1)
𝑌𝑡 = 𝑓 (𝐹𝐵𝐶𝐹𝑡 , 𝜋𝑡 , 𝐵𝑃𝑡 , 𝐷𝐸𝐹𝑡 , 𝐸𝐶𝑡 , 𝑇𝐶𝑡 , 𝑆𝐴𝑡 , 𝐸𝐸𝐹𝑡 , 𝐶𝐻𝑡 ) (Eq. 2)
A equação 1 é a especificação para o modelo decompondo os gastos entre GC e GI enquanto a equação 2 é a especificação decompondo os gastos por função. Em seguida é aplicado logaritmo natural para que as variáveis sejam medidas no mesmo nível, assim temos:
𝑙𝑛𝑌𝑡 = 𝛽0 + 𝛽1𝑙𝑛𝐹𝐵𝐶𝐹𝑡+ 𝛽2𝑙𝑛𝜋𝑡+ 𝛽3𝑙𝑛𝐺𝐶𝑡+ 𝛽4𝑙𝑛𝐺𝐼𝑡+ 𝛽5𝑙𝑛𝐸𝐸𝐹𝑡 + 𝛽6𝑙𝑛𝐶𝐻𝑡
(Eq. 3)
𝑙𝑛𝑌𝑡 = 𝛽0 + 𝛽1𝑙𝑛𝐹𝐵𝐶𝐹𝑡+ 𝛽2𝑙𝑛𝜋𝑡+ 𝛽3𝑙𝑛𝐵𝑃𝑡+ 𝛽4𝑙𝑛𝐷𝐸𝐹𝑡+ 𝛽5𝑙𝑛𝐸𝐶𝑡+
𝛽6𝑙𝑛𝑇𝐶𝑡+ 𝛽7𝑙𝑛𝑆𝐴𝑡+ 𝛽8𝑙𝑛𝐸𝐸𝐹𝑡+ 𝛽9𝑙𝑛𝐶𝐻𝑡 (Eq. 4)
Em seguida é utilizado o método desenvolvido por Pesaran, Shin e Smith (2001) para determinar os coeficientes e efeitos em curto e longo prazo das variáveis explicativas em relação ao crescimento econômico. O método consiste em estimar o modelo através de uma regressão de mínimos quadrados ordinários, condicional a um modelo de correção de erro irrestrito (UECM da sigla em inglês) para cointegração. Este modelo é sensível às variáveis de ordem dois, I(2), portanto é necessário testar a estacionariedade das variáveis para determinar a ordem de integração de cada uma. Isso será feito através dos testes Augmented Dicker-Fuller (ADF) e Phillips-Perron (PP).
Uma vantagem do modelo ARDL é que as estimações podem ser feitas mesmo com a presença de endogeneidade das variáveis explicativas, um problema comum em modelos de crescimento devido à autorregressão tanto da variável dependente quanto das explicativas.
Além disso, o modelo ARDL é uma boa técnica para investigar cointegração das variáveis no longo prazo (PESARAN; SHIN, 1999).
Os modelos ARDL de crescimento econômico condicional para a equação (3) e (4) podem ser escritos como:
𝛥𝑙𝑛𝑌𝑡 = 𝛼0 + ∑𝑛𝑖=1 𝛼1𝛥𝑙𝑛𝑌𝑡−𝑖+ ∑𝑛𝑖=0 𝛼2𝛥𝑙𝑛𝐹𝐵𝐶𝐹𝑡−𝑖+
∑𝑛𝑖=0 𝛼3𝛥𝑙𝑛𝜋𝑡−𝑖+ ∑𝑛𝑖=0 𝛼4𝛥𝑙𝑛𝐺𝐶𝑡−𝑖+ ∑𝑛𝑖=0 𝛼5𝛥𝑙𝑛𝐺𝐼𝑡−𝑖+
∑𝑛𝑖=0 𝛼6𝛥𝑙𝑛𝐸𝐸𝐹𝑡−𝑖+ ∑𝑛𝑖=0 𝛼7𝛥𝑙𝑛𝐶𝐻𝑡−𝑖+ 𝛽1𝑙𝑛𝑌𝑡−1+ 𝛽2𝑙𝑛𝐹𝐵𝐶𝐹𝑡−1 + 𝛽3𝑙𝑛𝜋𝑡−1+ 𝛽4𝑙𝑛𝐺𝐶𝑡−1+ 𝛽5𝑙𝑛𝐺𝐼𝑡−1+ 𝛽6𝑙𝑛𝐸𝐸𝐹𝑡−1+ 𝛽7𝑙𝑛𝐶𝐻𝑡−1+ 𝜀𝑡
(Eq. 5)
𝛥𝑙𝑛𝑌𝑡 = 𝛼0 + ∑𝑛𝑖=1 𝛼1𝛥𝑙𝑛𝑌𝑡−𝑖+ ∑𝑛𝑖=0 𝛼2𝛥𝑙𝑛𝐹𝐵𝐶𝐹𝑡−𝑖+
∑𝑛𝑖=0 𝛼3𝛥𝑙𝑛𝜋𝑡−𝑖+ ∑𝑛𝑖=0 𝛼4𝛥𝑙𝑛𝐵𝑃𝑡−𝑖+ ∑𝑛𝑖=0 𝛼5𝛥𝑙𝑛𝐷𝐸𝐹𝑡−𝑖+
∑𝑛𝑖=1 𝛼6𝛥𝑙𝑛𝐸𝐶𝑡−𝑖+ ∑𝑛𝑖=0 𝛼7𝛥𝑙𝑛𝑇𝐶𝑡−𝑖+ ∑𝑛𝑖=0 𝛼8𝛥𝑙𝑛𝑆𝐴𝑡−𝑖+
∑𝑛𝑖=0 𝛼9𝛥𝑙𝑛𝐸𝐸𝐹𝑡−𝑖+ ∑𝑛𝑖=0 𝛼10𝛥𝑙𝑛𝐶𝐻𝑡−𝑖+ 𝛽1𝑙𝑛𝑌𝑡−1+ 𝛽2𝑙𝑛𝐹𝐵𝐶𝐹𝑡−1+ 𝛽3𝑙𝑛𝜋𝑡−1+ 𝛽4𝑙𝑛𝐵𝑃𝑡−1+ 𝛽5𝑙𝑛𝐷𝐸𝐹𝑡−1+ 𝛽6𝑙𝑛𝐸𝐶𝑡−1+ 𝛽7𝑙𝑛𝑇𝐶𝑡−1+
𝛽8𝑙𝑛𝑆𝐴𝑡−1+ 𝛽9𝑙𝑛𝐸𝐸𝐹𝑡−1+ 𝛽10𝑙𝑛𝐶𝐻𝑡−1+ 𝜀𝑡
(Eq. 6)
Nas equações (5) e (6), Δ representa a primeira diferença da variável, αi e βi são os coeficientes em curto e longo prazo respectivamente e εt é o termo de erro.
A hipótese nula indica a não existência de relacionamento em longo prazo é definida como:
𝐻0 ∶ 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 𝛽6 = 𝛽7 = 0 (Eq. 7)
𝐻1 ∶ 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 𝛽6 = 𝛽7 = 𝛽8 = 𝛽9 = 𝛽10= 0 (Eq. 8)
Já a hipótese alternativa que indica a existência de relacionamento em longo prazo é definida como:
𝐻1 ∶ 𝛽1 ≠ 𝛽2 ≠ 𝛽3 ≠ 𝛽4 ≠ 𝛽5 ≠ 𝛽6 ≠ 𝛽7 ≠ 0 (Eq. 9)
𝐻1 ∶ 𝛽1 ≠ 𝛽2 ≠ 𝛽3 ≠ 𝛽4 ≠ 𝛽5 ≠ 𝛽6 ≠ 𝛽7 ≠ 𝛽8 ≠ 𝛽9 ≠ 𝛽10 ≠ 0 (Eq. 10)
Em seguida, é utilizado o teste F para determinar se existe cointegração entre as variáveis. Se o valor da estatística F estiver entre os valores críticos ou for menor que o limite
inferior, não é possível rejeitar a hipótese nula. Se o valor da estatística F ultrapassar o limite superior, a hipótese nula é rejeitada. Pesaran et al. (2001) desenvolvem sobre os valores críticos para o limite inferior para variáveis estacionárias I(0) e para o limite superior para variáveis integradas de ordem um I(1).
Se for encontrado cointegração, os modelos desenvolvidos nas equações (5) e (6) podem ser estimados utilizando MQO e permite obter a velocidade de ajuste do crescimento econômico ao equilíbrio, além dos coeficientes em curto e longo prazo. Assim, o ECM pode ser escrito re- parametrizando as equações 5 e 6:
𝛥𝑙𝑛𝑌𝑡 = 𝛼0 + ∑𝑛𝑖=1 𝛼1𝛥𝑙𝑛𝑌𝑡−𝑖+ ∑𝑛𝑖=0 𝛼2𝛥𝑙𝑛𝐹𝐵𝐶𝐹𝑡−𝑖+
∑𝑛𝑖=0 𝛼3𝛥𝑙𝑛𝜋𝑡−𝑖+ ∑𝑛𝑖=0 𝛼4𝛥𝑙𝑛𝐺𝐶𝑡−𝑖+
∑𝑛𝑖=0 𝛼5𝛥𝑙𝑛𝐺𝐼𝑡−𝑖∑𝑛𝑖=0 𝛼6𝛥𝑙𝑛𝐸𝐸𝐹𝑡−𝑖+ ∑𝑛𝑖=0 𝛼7𝛥𝑙𝑛𝐶𝐻𝑡−𝑖+ 𝛾𝐸𝐶𝑇𝑡−𝑖+ 𝜀𝑡
(Eq. 11)
𝛥𝑙𝑛𝑌𝑡= 𝛼0 + ∑𝑛𝑖=1 𝛼1𝛥𝑙𝑛𝑌𝑡−𝑖+ ∑𝑛𝑖=0 𝛼2𝛥𝑙𝑛𝐹𝐵𝐶𝐹𝑡−𝑖+
∑𝑛𝑖=0 𝛼3𝛥𝑙𝑛𝜋𝑡−𝑖+ ∑𝑛𝑖=0 𝛼4𝛥𝑙𝑛𝐵𝑃𝑡−𝑖+ ∑𝑛𝑖=0 𝛼5𝛥𝑙𝑛𝐷𝐸𝐹𝑡−𝑖+
∑𝑛𝑖=1 𝛼6𝛥𝑙𝑛𝐸𝐶𝑡−𝑖+ ∑𝑛𝑖=0 𝛼7𝛥𝑙𝑛𝑇𝐶𝑡−𝑖+ ∑𝑛𝑖=0 𝛼8𝛥𝑙𝑛𝑆𝐴𝑡−𝑖+
∑𝑛𝑖=0 𝛼9𝛥𝑙𝑛𝐸𝐸𝐹𝑡−𝑖+ ∑𝑛𝑖=0 𝛼10𝛥𝑙𝑛𝐶𝐻𝑡−𝑖+ 𝛾𝐸𝐶𝑇𝑡−𝑖+ 𝜀𝑡
(Eq. 12)
O coeficiente do termo de correção de erro (𝛾) mede a velocidade de ajuste do crescimento em curto prazo ao equilíbrio em longo prazo. Ele mostra como o crescimento desvia do equilíbrio em longo prazo, mas gradualmente volta ao caminho de equilíbrio. Assim sendo, para que a economia se ajuste ao equilíbrio, o coeficiente do termo de correção de erro deve ser menor que 1 (um), negativo e estatisticamente significante (CHIRWA; ODHIAMBO, 2016).
4 DADOS
Para estimar o modelo foram utilizados dados trimestrais entre o segundo trimestre de 2002 até o quarto trimestre de 2019, completando 71 observações. Os dados de PIB nominal e dos gastos públicos nominais foram deflacionados pelo IPCA a preços do quarto trimestre de 2019. Os dados de IDH são fornecidos em base anual, portanto foi utilizado o mesmo valor para os trimestres de cada ano.
Tabela 1 ― Estatística descritiva dos dados.
Fonte: Próprio autor (2021)
A tabela 1 mostra a estatística descritiva dos dados. No período estudado, o PIB médio trimestral foi 1,56 trilhões de reais, a formação bruta de capital fixo média trimestral foi 190 bilhões (em média 12,1% do PIB) e o estoque de empregos formais médio foi 33 milhões.
Observando os gastos por grupo, temos que os gastos correntes foram em média 4,5 vezes maiores do que os gastos com investimento (995 bilhões e 224 bilhões respectivamente) e equivalem a 63,5% do PIB trimestral enquanto os gastos com investimento equivalem a 14,3%
do PIB trimestral. Os gastos correntes também apresentam um valor máximo próximo do valor máximo do PIB trimestral (1,975 trilhão de reais e 1,976 trilhão de reais respectivamente).
Quando avaliamos os gastos por função, podemos observar que os gastos com previdência são em média maiores do que os demais gastos (5 vezes o gasto de saúde, 6,5 vezes o gasto com educação e cultura, 25 vezes o gasto com transporte e comunicação e 9 vezes o gasto com defesa e segurança). Importante observar, que os dados de previdência são anteriores à reforma da previdência aprovada em 2020, portanto esse comportamento pode se alterar no futuro. Em relação ao PIB trimestral os gastos com previdência, defesa e segurança, educação e cultura, transporte e comunicação e saúde foram: 8,9%; 1,0%; 1,3%; 0,3%; e 1,7%
respectivamente.
Estatística PIB* FBCF* EXPEC_IPCA EEF CH GC* GI* BP* DEF* EC* TC* SA*
Mean 1.567.200,73 190.086,73 3.639,91 33.441.297,88 0,73 995.488,10 224.338,10 139.932,80 15.699,92 21.221,13 5.610,90 26.917,14 Median 1.731.016,00 214.814,01 3.457,52 36.009.779,33 0,73 944.718,00 197.203,40 149.255,90 13.634,77 20.246,74 3.419,49 24.904,32 Maximum 1.976.852,26 306.150,81 5.538,38 40.916.343,67 0,77 1.975.121,00 657.168,40 347.774,30 40.565,02 54.522,54 25.304,87 50.538,68 Minimum 985.513,86 65.569,39 1.951,30 22.080.578,00 0,70 319.819,20 12.827,09 10.177,15 3.252,16 2.882,31 422,92 10.994,14 Std. Dev. 317.266,39 79.308,91 1.054,06 6.263.831,22 0,03 430.177,00 134.863,80 50.767,75 8.578,30 13.552,11 6.296,60 9.682,60 Skewness - 0,47- 0,26 0,33- 0,52 - 0,02 0,43 0,90 0,10 0,80 0,89 2,08 0,67 Kurtosis 1,68 1,51 1,76 1,76 1,40 2,47 3,66 6,56 3,01 3,19 6,28 2,84 Jarque-Bera 7,71 7,37 5,89 7,71 7,55 3,06 10,91 37,62 7,53 9,49 83,06 5,35 Probability 0,02 0,03 0,05 0,02 0,02 0,22 0,00 - 0,02 0,01 - 0,07 Sum 111.271.251,96 13.496.158,15 258.433,66 2.374.332.149,33 51,86 70.679.656,00 15.928.002,00 9.935.229,00 1.114.694,00 1.506.701,00 398.373,60 1.911.117,00
Sum Sq. Dev. 7,04606E+12 4,40293E+11 77773357,57 2,74649E+15 0,045705465 1,3E+13 1,27E+12 1,8E+11 5150000000 12900000000 2780000000 6560000000
Observations 71 71 71 71 71 71 71 71 71 71 71 71
Figura 1 ― Variáveis explicativas em comum nos modelos.
Fonte: Próprio autor (2021).
Figura 2 ― Variáveis explicativas expecíficas dos modelos.
Fonte: Próprio autor (2021).
As figuras 1 e 2 mostram o comportamento das variáveis no tempo. Na figura 1, observamos que PIB, FBCF e EEF possuem um comportamento parecido, tanto na trajetória de crescimento quanto nos impactos negativos das crises de 2008; 2014; e 2016. A expectativa de IPCA do mercado também acompanha os momentos de estresse econômico do Brasil, pois vemos que o coeficiente angular aumenta durante o período de expansão dos governos Dilma Rousseff (2010-2016), cai durante o governo Michel Temer (2016-2018) e volta a crescer após
a eleição de Jair Bolsonaro.
Na figura 2, observamos que os gastos públicos possuem uma sazonalidade evidente.
Após 2008, todos os gastos apresentam o mesmo comportamento sazonal: gastos menores no primeiro trimestre de cada ano; e pico no quarto trimestre de cada ano. Isso pode ser explicado pela própria metodologia de apuração do Tesouro Nacional e pelo processo de aprovação dos gastos nas câmaras legislativas. Os gastos com previdência apresentaram uma mudança brusca de comportamento a partir de 2006. Um dos fatores que explicam essa mudança pode ser a reforma da previdência aprovada em 2003 durante o primeiro mandato do presidente Luiz Inácio Lula da Silva. Os gastos correntes e de investimento também apresentam mudança de comportamento a partir de 2008, reflexo das mudanças administrativas aprovadas em decorrência da crise financeira de 2008.
Em relação a trajetória de crescimento dos gastos, observamos que após 2008 os gastos correntes crescem em um ritmo relativamente constante enquanto os gastos com investimento se mantêm praticamente no mesmo nível médio desde o início da série, com impulsos em 2012 e 2013 e um leve crescimento a partir de 2017. Os gastos com benefícios previdenciários também apresentam um crescimento constante a partir de 2008, porém o período analisado não comtempla os possíveis efeitos da reforma aprovada em 2020 durante o governo do presidente Jair Bolsonaro. Os gastos com educação e cultura, saúde, defesa e segurança se encontram em trajetória de crescimento, sendo que educação e cultura apresentou um forte crescimento entre 2008 e 2014 e os gastos com defesa e segurança tiveram um crescimento maior a partir de 2016.
Os gastos com transporte e comunicação apresentam trajetória de queda a partir de 2014.
5 RESULTADOS
Esta sessão tem como objetivo apresentar as etapas do modelo ARDL-ECM. Desta forma são apresentados os resultados dos testes de estacionariedade das variáveis, os resultados do teste de cointegração (bounds test), os resultados do teste de Wald para tornar o modelo mais enxuto e finalmente o resultado do modelo final apresentando os coeficientes de cada variável além dos testes de robustez.
5.1 TESTE DE ESTACIONARIDADE
O primeiro passo para implementação do modelo ARDL-ECM é determinar a ordem de integração das variáveis, uma vez que: 1) o modelo é sensível a variáveis de ordem I(2) ou superior; 2) é necessária uma mistura de variáveis de ordem zero, I(0), e variáveis de ordem um, I(1). Foram utilizados 2 testes de raiz unitária para garantir a robustez dos resultados, o teste ADF (Augmented Dicker-Fuller) e o teste Phillips-Perron.
Tabela 2 ― Testes de estacionaridade
Fonte: Próprio autor (2021).
Os testes mostram que as séries logarítmicas dos gastos com investimento, benefícios previdenciários, e defesa e segurança são integráveis de ordem zero, I(0), e as demais variáveis são integráveis de ordem um, I(1). Dessa forma, é possível estimar os modelos ARDL-ECM definidos pelas equações 11 e 12.
Variables Model Decision
Levels 1st Diff. Levels 1st Diff.
lnPIB None 0.993458 -1.976123** 1.807862 -10.05891*** I(1)
lnFBFC None 0.666069 -1.845368* 1.847518 -6.878950*** I(1)
lnEXPEC_IPCA No trend 0.738424 -3.926093*** 0.624723 -6.04234*** I(1)
lnEEF With Trend -3.038374 -3.500554** -0.107078 -4.996936*** I(1)
lnCH None 2.506590 -2.465499** 3.222249 -8.246211*** I(1)
lnGC No trend -2.119956 -4.023358*** -8.492445*** N/A I(1)
lnGI No trend -5.051724*** N/A -11.22164*** N/A I(0)
lnBP With Trend -10.28674*** N/A -27.34108*** N/A I(0)
lnDEF With Trend -3.868013** N/A -13.36833*** N/A I(0)
lnEC None 1.199484 -8.033790*** -4.486208*** N/A I(1)
lnTC No trend -0.487367 -41.63351*** -5.875672*** N/A I(1)
lnSA No trend -0.772562 -23.47069*** -1.744679* -32.91027*** I(1)
ADF Test (AIC) Phillips-Perron
5.2 TESTE DE COINTEGRAÇÃO E TESTE DE WALD
Antes de testar o modelo para cointegração, é necessário determinar o lag ótimo, que segundo o AIC (Akaike Information Criterion) é de 7 para o modelo da equação (11) (somente GI e GC) e de 5 para o modelo da equação (12) (gastos por função). Dessa forma os modelos ótimos para as equações de crescimento de PIB brasileiro são respectivamente ARDL (7,5,7,7,7,7,0) e ARDL (5,5,5,4,5,5,5,5,5,5).
O próximo passo é observar se existe cointegração entre as variáveis. Os resultados das tabelas 3 e 4 são baseados no caso 2 de Pesaran et al. (2001), ‘Case II: Restricted intercept and no trend’. Os resultados mostram que a hipótese nula de não cointegração deve ser rejeitada, uma vez que o valor da estatística F está acima dos valores críticos. Dessa forma, existe uma relação em longo prazo entre o PIB e as variáveis explicativas e o modelo ARDL-ECM pode ser estimado.
Tabela 3 ― Estatística F para cointegração dos modelos
Fonte: Próprio autor (2021).
Tabela 4 ― Valores críticos para cointegração.
Fonte: Pesaran et al (2001).
Os modelos retornados pelo eViews, apesar de otimizados pelo AIC, ainda podem ser melhorados uma vez que diversos coeficientes não são estatisticamente significantes. Dessa forma foi utilizado o teste de Wald em ambos os modelos, a fim de determinar quais lags de cada variável poderiam ser excluídos dos modelos. No total, foram excluídos 18 lags do modelo GIGC e 19 lags do modelo FUNCAO.
Model Test statistic Value k
GIGC F-statistic 6,515159*** 6 FUNCAO F-statistic 5.124409*** 9 H0: não existe cointegração entre as variáveis
***, 1%
Significance (%) I(0) Bound I(1) Bound I(0) BoundI(1) Bound
10 1.99 2.94 1.8 2.8
5 2.27 3.28 2.04 2.08
2.5 2.55 3.61 2.24 3.35
1 2.88 3.99 2.5 3.68
GIGC FUNCAO
Tabela 5 ― Teste de Wald.
Fonte: Próprio autor (2021).
5.3 RESULTADO DO ARDL-ECM E TESTES DE ROBUSTEZ
Ambos os modelos apresentaram resultados estatisticamente significantes, e em alguns casos, contraintuitivos. Os gastos correntes têm efeito positivo no PIB somente em curto prazo, como esperado. Já os gastos com investimentos têm impacto negativo em curto prazo e não são estatisticamente significantes em longo prazo. Duas explicações serão fornecidas para tentar justificar esse resultado. No modelo FUNCAO, encontramos que os gastos com benefícios previdenciários, transporte e comunicação, e saúde possuem efeito positivo no PIB tanto em curto quanto em longo prazo. Gastos com defesa e segurança impactam o PIB negativamente em curto prazo e positivamente em longo prazo. Surpreendentemente, gastos com educação e cultura impactam o PIB negativamente em curto e longo prazo e algumas explicações são fornecidas para esse resultado. A seguir será explorado os resultados dos modelos GIGC e FUNCAO respectivamente. Em ambas as tabelas, o painel A mostra todos os coeficientes em curto prazo, o painel B mostra todos os coeficientes em longo prazo e os painéis C e D consolidam os resultados em curto e longo prazo respectivamente.
Variável F-statistic Probability
1.359946 0.3548
PIB(-1), PIB(-5)
FBCF(-1), FBCF(-3), FBCF(-4) EXPEC_IPCA(-4)
BP(0), BP(-3), BP(-4) DEF(-1)
EC(-1), EC(-2) TC(-1)
EEF(-1), EEF(-2), EEF(-4) CH(0), CH(-2), CH(-4) Variável
F-statistic Probability
1.958580 0.0863
PIB(-2), PIB(-5), PIB(-7) FBCF(0), FBCF(-1), FBCF(-2) EXPEC_IPCA(-4)
GC(-2), GC(-3), GC(-4), GC(-5), GC(-6), GC(-7)
GI(-4), GI(-6)
EEF(-2), EEF(-3), EEF(-4) FUNCAO
GIGC
Tabela 6 ― Resultados modelo GIGC.
Fonte: Próprio autor (2021).
Em curto prazo, o modelo GIGC mostra que PIBs passados, expectativa de IPCA, gastos correntes e estoque de empregos formais impactam positivamente o PIB – o aumento de 1%
em cada uma destas variáveis ajuda a explicar um aumento de 0,593%, 0,178%, 0,033% e 0,356% no PIB respectivamente, ou seja, coletivamente o aumento de 1% em cada uma destas variáveis ajuda a explicar um aumento de 1,161% do PIB. Em contrapartida, FBCF e gastos com investimento impactam negativamente o PIB, ainda que em pequena magnitude – coletivamente o aumento de 1% em cada uma destas variáveis ajuda a explicar uma queda de 0,0031% do PIB.
Variable Coeff Std. Error t-stat Prob Variable Coeff Std. Error t-stat Prob
Panel A: short-run coefficients Panel B: long-run coefficients
C -0,0026 0,0039 -0,6668 0,5095 C** -4,1834 1,7060 -2,4521 0,0193
ΔPIB(-1)*** 0,7544 0,1334 5,6560 0,0000 PIB(-1)*** 0,5989 0,0957 6,2549 0,0000
ΔPIB(-3)*** -0,7085 0,0873 -8,1139 0,0000 PIB(-3)*** -0,7103 0,1032 -6,8825 0,0000
ΔPIB(-4)*** 0,5471 0,0936 5,8441 0,0000 PIB(-4)*** 0,5672 0,0790 7,1768 0,0000
ΔPIB(-6)* 0,1883 0,1069 1,7622 0,0873 PIB(-6) 0,0816 0,1395 0,5850 0,5623
ΔFBCF(-3)*** 0,3424 0,0593 5,7772 0,0000 FBCF(-3)*** 0,3229 0,0743 4,3480 0,0001
ΔFBCF(-4)*** -0,1403 0,0435 -3,2272 0,0028 FBCF(-4)** -0,1634 0,0677 -2,4154 0,0211 ΔFBCF(-5)*** -0,2031 0,0522 -3,8890 0,0005 FBCF(-5)*** -0,1835 0,0647 -2,8378 0,0075 ΔEXPEC_IPCA)*** -0,7431 0,1550 -4,7936 0,0000 EXPEC_IPCA*** -0,7333 0,2018 -3,6345 0,0009 ΔEXPEC_IPCA(-1)*** 0,5307 0,1641 3,2348 0,0028 EXPEC_IPCA(-1)* 0,4522 0,2276 1,9872 0,0548 ΔEXPEC_IPCA(-2)*** 0,6701 0,1535 4,3651 0,0001 EXPEC_IPCA(-2)** 0,4972 0,2269 2,1907 0,0352 ΔEXPEC_IPCA(-3)*** -0,7624 0,1668 -4,5714 0,0001 EXPEC_IPCA(-3)*** -0,7858 0,2311 -3,4009 0,0017 ΔEXPEC_IPCA(-5)*** 0,5615 0,1652 3,3985 0,0018 EXPEC_IPCA(-5)*** 0,6318 0,1875 3,3696 0,0018 ΔEXPEC_IPCA(-6)*** 0,3884 0,0964 4,0290 0,0003 EXPEC_IPCA(-6)* 0,2892 0,1526 1,8951 0,0664 ΔEXPEC_IPCA(-7)*** -0,4665 0,0856 -5,4482 0,0000 EXPEC_IPCA(-7)*** -0,3646 0,0995 -3,6632 0,0008
ΔGC)** 0,0143 0,0057 2,5198 0,0168 GC 0,0094 0,0068 1,3817 0,1758
ΔGC(-1)*** 0,0192 0,0064 2,9818 0,0054 GC(-1) 0,0101 0,0094 1,0778 0,2885
ΔGI) -0,0020 0,0029 -0,6846 0,4984 GI -0,0013 0,0040 -0,3157 0,7541
ΔGI(-1)*** -0,0088 0,0031 -2,8438 0,0076 GI(-1) -0,0065 0,0039 -1,6540 0,1071
ΔGI(-2)** 0,0060 0,0025 2,3900 0,0227 GI(-2) 0,0034 0,0026 1,3248 0,1938
ΔGI(-3) 0,0013 0,0022 0,5580 0,5806 GI(-3) -0,0017 0,0026 -0,6725 0,5057
ΔGI(-5) 0,0039 0,0024 1,6159 0,1156 GI(-5) 0,0046 0,0038 1,2130 0,2332
ΔGI(-7)** -0,0046 0,0018 -2,6002 0,0138 GI(-7) -0,0038 0,0024 -1,5673 0,1260
ΔEEF)*** 2,7453 0,2377 11,5495 0,0000 EEF*** 2,4662 0,2509 9,8279 0,0000
ΔEEF(-1)*** -2,7271 0,3379 -8,0716 0,0000 EEF(-1)*** -2,2899 0,3280 -6,9804 0,0000
ΔEEF(-5)*** 1,9186 0,3519 5,4520 0,0000 EEF(-5)*** 1,8510 0,4642 3,9874 0,0003
ΔEEF(-6)*** -2,7497 0,4949 -5,5566 0,0000 EEF(-6)*** -2,6111 0,7704 -3,3894 0,0017
ΔEEF(-7)*** 1,1690 0,3167 3,6910 0,0008 EEF(-7)*** 1,2165 0,4406 2,7613 0,0091
ΔCH) -0,2646 0,3737 -0,7081 0,4839 CH -0,0787 0,3642 -0,2160 0,8302
ECM_GIGC(-1)*** -1,4132 0,2108 -6,7034 0,0000
Variable Coeff Variable Coeff
Panel C: consolidated short-run coefficients Panel D: consolidated long-run coefficients
PIB** 0,5930 PIB** 0,4558
FBCF** - 0,0009 FBCF** - 0,0241
EXPEC_IPCA** 0,1788 EXPEC_IPCA** - 0,4655
GC** 0,0335 GC 0,0196
GI** - 0,0022 GI - 0,0052
EEF** 0,3561 EEF** 0,6329
CH - 0,2646 CH** - 0,0787
Total positivo 1,1615 Total positivo 1,0886
Total negativo -0,0031 Total negativo -0,5682
Em longo prazo, os gastos correntes e de investimento não são estatisticamente significantes. Adicionalmente, o FBCF que mede o nível de investimento privado continua impactando negativamente o PIB e em uma magnitude maior do que em curto prazo – 0,465 em longo prazo; e 0,0009 em curto prazo. A expectativa de IPCA que ajuda o PIB em curto prazo, possui um coeficiente negativo em longo prazo, uma vez que uma expectativa de inflação em longo prazo alta pode indicar falhas estruturais na economia de um país que o impedem de crescer de forma sustentável. O aumento de 1% no PIB e no estoque de emprego formal ajuda a explicar um aumento de 1,088% no PIB em longo prazo. Em contrapartida, o aumento de 1%
no FBCF e expectativa de IPCA ajuda a explicar uma queda de 0,489% no PIB em longo prazo.
É possível perceber, que o PIB em longo prazo é mais sensível às variáveis negativas do que o PIB em curto prazo pelo modelo GIGC.
O fato de os gastos correntes não serem estatisticamente significantes em longo prazo não causa surpresa, uma vez que são gastos para pagar as contas públicas de cada ano. Em contrapartida, era esperado que os gastos com investimento privado (FBCF) e público (GI) tivessem um coeficiente positivo e significante em longo prazo, porém os resultados mostram que investimento privado afeta negativamente o PIB em longo prazo e os gastos com investimento público não são estatisticamente significantes. Duas explicações são fornecidas, uma econométrica e outra conceitual e que necessitaria de maiores pesquisas para encontrar evidências: 1) o período estudado não é longo o suficiente para identificar os efeitos em longo prazo, uma vez que os dados são trimestrais, e abrangem apenas 17 anos de atividade econômica; 2) tanto o Brasil quanto as empresas que atuam no Brasil não conseguem transformar investimentos com retorno em longo prazo. Esta hipótese corrobora com a sensação de que os recursos brasileiros são mal alocados.
