COMPORTAMENTO DA PRODUÇÃO, PREÇO E EXPORTAÇÃO DE CAFÉ NO BRASIL: ABORDAGEM PELA ANÁLISE ESPECTRAL E DE CO- INTEGRAÇÃO

(1)

COMPORTAMENTO DA PRODUÇÃO, PREÇO E EXPORTAÇÃO DE CAFÉ NO BRASIL: ABORDAGEM PELA ANÁLISE ESPECTRAL E DE

CO-INTEGRAÇÃO

RESUMO – A cultura cafeeira foi e continua sendo de primordial importância para a economia brasileira. A possibilidade de flutuações cíclicas nos preços e nas quantidades produzidas e/ou exportadas constituem sério problema para esse setor. Essa constatação motivou o presente estudo que utilizou basicamente três métodos de análise para a verificação do comportamento da produção, exportação e preço de café no período analisado: a análise de tendência, análise espectral e análise de co-integração. Através da análise de tendência, mas especificamente tendência estocástica, observou-se que apenas a quantidade produzida e preço de café apresentaram esse componente. No que se refere ao componente ciclo, as variáveis quantidade produzida e preço apresentaram um ciclo significativo com duração aproximada de 3 anos. Por fim, a análise de co-integração evidencia uma relação de equilíbrio de longo prazo entre produção e preço de café no período analisado.

Palavras-chave: Análise espectral, co-integração, raiz unitária 1. INTRODUÇÃO

O café chegou ao Brasil no século XVII e expandiu-se pelo seu território, em razão do clima favorável e da grande aceitação do produto no mercado internacional, tornando-se, dessa forma, um dos principais responsáveis pelo início do desenvolvimento do capitalismo brasileiro. Esse produto foi responsável pela reintegração da economia nacional aos mercados internacionais da época e pelo início da era industrial brasileira, por ser este um importante fator de arrecadação de divisas para o país. Diante da importância do café para a economia nacional, o governo brasileiro adotou medidas das mais diversas (políticas de valorização, queima de estoques etc), para manter altos os preços do café. Como resultado, o Brasil presenciou a diminuição gradativa de sua participação no mercado internacional de café.

Nesse sentido, a elaboração de pesquisas visando o conhecimento das flutuações anuais de preços, quantidades produzidas e exportadas de café, possibilita maior conhecimento do mecanismo gerador dessas séries, com vistas a detectar as possíveis causas das suas flutuações. Uma vez identificados os fatores que afetam o comportamento dos mesmos, fica mais fácil a seleção de indicadores necessários à tomada de decisões por parte dos cafeicultores individuais, empresas e órgãos do governo.

Em termos gerais, busca-se identificar, através de uma análise de co-integração e da análise espectral, a relação de longo prazo entre as variáveis, a tendência e os ciclos observados no comportamento das séries de preços do café em grão para a economia brasileira, entre 1900 e 2001. Especificamente, pretende-se: a) estimar as tendências e ciclos de preços, produção e exportação brasileira de café; b) verificar se os componentes da tendência nas séries, caso existam, são do tipo determinístico ou do tipo estocástico; c) determinar quais ciclos tem afetado, de forma mais significativa, o comportamento dos preços, quantidade produzida e exportação, identificando as suas respectivas amplitudes e

(2)

d) verificar a relação de longo prazo entre as variáveis através de uma análise de co-integração.

O presente artigo contém além desta introdução mais 3 seções. A próxima seção discute os métodos utilizados no estudo. Em seguida são apresentados os resultados obtidos segundo diferentes especificações econométricas. Os comentários aqui encontrados são, em sua maioria, de cunho metodológico. Na quarta e última seção são discutidas as principais conclusões obtidas através da análise dos resultados .

2. METODOGIA

Inicialmente, é realizado um teste para a verificação da ordem de integração das séries analisadas. A identificação da ordem de integração é de fundamental importância por permitir que se determine se a série possui raiz unitária ou se é estacionária. Deste modo, o comportamento espúrio entre as variáveis pode ser evitado. É de suma importância observar que os pressupostos estatísticos usuais de que a média e a variância são constantes ao longo do tempo somente permanecem válidos quando as variáveis em nível são estacionárias.

O teste de DICKEY & FULLER (1979), amplamente utilizado na literatura econométrica, é utilizado para detectar a presença de raiz unitária. Esse teste caracteriza-se por caracteriza-ser simples e, muitas vezes, suficiente para detectar problemas de não-estacionariedade das séries (GUJARATI, 2000).

Em seguida, será empregado o método de análise espectral no qual salienta a característica de domínio de freqüência das séries temporais. Assim sendo, este estudo baseia-se na decomposição das séries temporais em componentes associados com a freqüência, ao invés de componentes associados com o tempo. Isso é feito através do espectro da série que é estimada usando-se a teoria da inferência estatística. A freqüência é definida em análise espectral como o número de vezes em que ocorre um ciclo por unidade de tempo.

Basicamente, a análise espectral é utilizada em análise de ciclos econômicos, determinação da direção de causalidade entre séries temporais, decomposição dos ciclos em seus diferentes componentes e explicação da variância total de uma série temporal

Finalmente, será utilizada a análise de co-integração para se constatar a existência de relação de longo prazo entre as variáveis analisadas.

2.1. Análise espectral

A partir da década de 50, a técnica espectral, que originalmente era aplicada a ciências como a física, passou a ser aplicada também à economia. O objetivo principal da aplicação econômica da técnica espectral segundo RUSSER & CARGIL (1970), consistia em medir a importância relativa de cada faixa de freqüência em termos de suas contribuições para a variância total da série temporal. Isso é feito através de uma análise do espectro da série que é estimada usando-se a teoria da inferência estatística.

Ressalta-se que a análise espectral consiste em avaliar não a função de autocovariância, mas sim, o seu espectro que é definido como a transformada de Fourier da função de autocovariância. Isto significa que a aplicação da análise espectral é feita no domínio das freqüências.

Em adição, a técnica espectral decompõe uma série estacionária num conjunto de funções periódicas diferentes. Cada ciclo é caracterizado por sua freqüência, amplitude e

(3)

mudança de fase. O espectro de uma série Xi se define como a contribuição da variância

decomposta das séries em freqüências diferentes1.

Para se utilizar à técnica de análise espectral, algumas considerações práticas são necessárias para se atingir o objetivo proposto. A primeira delas é a estacionariedade de séries temporais. A estacionariedade em séries temporais econômicas é alcançada quando a série não apresentar mudança sistemática na média (tendência) nem na variância (homocedasticidade)2. A segunda relaciona-se com o ponto de truncamento. A determinação rigorosa desse ponto não existe na literatura especializada disponível, sendo utilizados critérios com características subjetivas. Outra consideração importante diz respeito ao intervalo de freqüência utilizado, que neste trabalho é restrito ao intervalo [0, π]3.. A quarta consideração é conhecida como o problema do Aliasing, que ocorre quando se quer observar freqüências maiores que π ou períodos menores que duas vezes o intervalo das observações. Deste modo, quanto maior for a amostragem em intervalos equiespaçados (∆t), maior a perda de informação e maior a probabilidade de ocorrer o Aliasing. Finalmente, a última consideração alerta para o problema do Leakage ou vazamento pelas bordas da janela de Parzen. Esse problema é comum em estimações do espectro em séries não estacionárias.

Para a obtenção do espectro amostral contínuo, a partir de um conjunto finito de observações, tem-se que encontrar os estimadores de y(τ) e em seguida de f(w).

O estimador de y(t) é dado por:

) x x )( x x ( n 1 ) ( C _t _t n 1 t ∑ − − = τ +τ τ − = (4) onde C(0) = s2.

Com isso, o estimador aparentemente adequado para o espectro é o periodograma, apresentado na equação 2. π τ + =

∑

− = τ τ 1 n 1 p 0 p w cos c 2 c ) w ( I (5) A equação anterior nada mais é que a substituição dos valores teóricos y(τ) por valores estimados.

Nota-se entretanto, que apesar da obtenção do periodograma com a propriedade de ser um estimador assintoticamente não viciado da função de densidade espectral, a variância do periodograma não diminui, quando N aumenta. Dada essa constatação, apesar do periodograma ser uma forma natural de estimar a função de densidade espectral, o mesmo proporciona um estimador pobre, requerendo algumas modificações.

Diante do exposto para que I(wp) seja um estimador consistente de f(w), é

necessário uma suavização da função de autocovariância de modo a serem atribuídos pesos cada vez menores a defasagens cada vez maiores para eliminar o viés da variância4. Escolhidos o ponto de truncamento e a janela, podem-se encontrar os coeficientes de suavização λ_τ. Com isso, o estimador ideal de f(w) pode ser obtido através da equação 3.

1_{Para maiores detalhes consulte FRANÇA (1990).} 2_{Para maiores detalhes ver FERNANDES, E.A. (2003).}

3_{A razão pela qual pode-se utilizar, sem perda de generalidade, esse intervalo restrito, refere-se ao fato de}

que são usados processos estacionários discretos medidos a intervalos de tempo unitário

4_{Os procedimentos de suavização utilizados com mais freqüências são as janelas de Parzem e de}

(4)

) w cos c 2 c ( n 1 ) w ( f M 1 0 0 + λ τ λ =

∑

= τ τ τ , 0≤ w≤π (6)

onde λ_τ são os coeficientes de suavização; M é o ponto de truncamento e

τ

é a defasagem. Pode-se observar que, essa equação é o espectro contínuo de uma série temporal estacionária.

O teste de significância para o espectro estimado consiste em formular a hipótese nula, π σ ≤ 2 ) w (

fˆ , indicando que todos os picos que ficarem acima dessa linha são significantes, enquanto que aqueles que oscilarem abaixo, não são considerados significativos estatisticamente.

2.2. Análise de co-integração

Quando existe relação de longo prazo estável entre duas ou mais séries econômicas diz-se que as mesmas são co-integradas. Entretanto, para não haver problemas de regressão espúria ou falta de confiabilidade dos resultados encontrados as variáveis analisadas devem ter a mesma ordem de integração. Forças de equilíbrio tendem a fazer com que essas variáveis caminhem juntas, no longo prazo.

Pode-se adotar, segundo JOHANSEN (1988), a seguinte forma para estimar as relações de co-integração entre as variáveis, considerando um modelo de auto-regressão vetorial VAR (P)5_{não estacionário:}

t t p t p 2 t 2 1 t 1 t Y Y ... Y BX Y =θ − +θ − + +θ − + +ε (7)

em que Yt é um vetor de varáveis estocásticas; Xt representa um vetor de variáveis

exógenas e εt é o vetor de erros.

Reparametrizando, ou seja, reescrevendo o modelo tem-se:

t t 1 t ) 1 p ( t p 2 t 2 1 t 1 t Y Y ... Y Y BX Y =Γ∆ +Γ ∆ + +Γ ∆ +π + +ε ∆ − − − − − (8) onde

∑

+ = θ − = Γ p 1 i j j i e I p 1 i i− θ = π

∑

=

. Deve-se observar que todos os termos dessa equação são estacionários, exceto πYt−1, assim a matriz π controla as propriedades ou características

de estacionariedade do sistema. Se existirem combinações lineares estacionárias, as variáveis serão co-integradas.

Observa-se que o número de relações (vetores) de co-integração deve ser igual ao número de raízes características (λ) estatisticamente diferentes de zero, possibilitando as seguintes considerações: a) r = k, então o vetor Yt é estacionário; b) r = 0, então ∆ é Yt

estacionário; e c) 0< r < k , então existem matrizes αe β tais que π = _αβ/_{. Quando faz-se a}

substituição de π por _αβ/_{obtêm-se o modelo de correção de erro vetorial (VEC) descrito}

abaixo: t t 1 t ' ) 1 p ( t p 2 t 2 1 t 1 t Y Y ... Y Y BX Y =Γ∆ +Γ∆ + +Γ ∆ +αβ + +ε ∆ ₋ ₋ ₋ ₋ ₋ (9) onde o termo β'Yt−1 representa os r vetores de co-integração e definem o equilíbrio de

longo prazo entre as variáveis; α é um vetor de coeficientes de ajustamento que força o equilíbrio entre as variáveis; e Γ_i mostra a dinâmica de curto prazo entre as variáveis.

(5)

O teste do traço e o teste do auto-valor máximo são utilizados para a identificação da presença (quantificação) e ausência de relações de co-integração entre as variáveis. Os valores críticos de ambos os testes são utilizados para verificar a existência do número máximo de vetores de co-integração (JOHANSEN e JUSELIUS, 1990).

O teste estatístico do traço, segundo ENDERS (1995), é dado pela expressão a seguir:

∑

+ −λ = n 1 ro Ln(1 i) T ) ro ( P (10)

em que ro = 0, 1, ..., k-1, quando λi é o i-ésimo auto-valor; P é a estatística de traço e T é o

número de observações. O teste de traço testa a seguinte hipótese : Ho: r ≤ ro Ha: r > ro

Ainda de acordo com o autor supracitado, o teste do auto-valor máximo é dado pela seguinte expressão:

P (ro, ro + 1) = T ln(1 - λro+1) (11)

em que se testa a hipótese:

Ho: r = ro Ha: r = ro + 1

3. RESULTADOS E DISCUSSÕES 3.1. Análise do componente de tendência

A verificação ou não da ocorrência da tendência (não estacionariedade) em uma série temporal é de primordial importância em análise econômica. Foram muitos os acontecimentos políticos e econômicos ocorridos no período analisado, que podem ter influenciado o comportamento normal dos dados. Diante desse fato, faz-se necessário uma análise cuidadosa das séries de preço, produção e exportação brasileira de café, de modo a observar, se as séries apresentam componentes de tendência. O fato de uma série ser não estacionário faz com que o valor de R² seja extremamente alto em função da presença da tendência e não em função de uma relação verdadeira entre as variáveis.

Diante do exposto, foram realizados testes para determinação da existência do componente de tendência nas séries que serão objeto de estudo nesse trabalho.

Utilizando-se o teste DF pôde-se observar que a série quantidade exportada de café foi estacionária em nível (suas ordens de integração são iguais a zero). Isso significa que a série não possui raiz unitária, e portanto, não exibem um componente de tendência definido ao longo do tempo. Entretanto, para as séries preço e produção de café em dólares por saca, o teste de Dickey-Fuller não foi significativo, sugerindo a presença de tendência. Os resultados podem ser visualizados na Tabela 1.

Tabela 1. Estimativas do teste de raiz unitária Dickey-Fuller para a variável quantidade exportada de café.

Variável DF Valor crítico

Quantidade exportada 3,565183*** -3,4965

Quantidade produzida 1,848567 ns 2,8922

Preço 3,356842 ns 3,4597

***, significa 1% de significância. Fonte: Dados da pesquisa

(6)

Diante da constatação de que as séries preço e quantidade produzida não são estacionárias em nível, antes do início da análise do componente cíclico, deve-se fazer uma diferenciação implementando uma nova análise quanto a estacionariedade. A Tabela 2 ilustra a análise de DF das séries quantidade produzida e preço de café na primeira diferença.

Tabela 2. Estimativas do teste de raiz unitária Dickey-Fuller, em primeira diferença, para a variável quantidade produzida e preço de café.

Variável DF Valor crítico

Quantidade produzida 4,570782*** 3,5015

Preço 2,750153*** 2,5891

***, significa 1% de significância. Fonte: Dados da pesquisa

Na primeira diferença, observa-se que os coeficientes das duas séries preço e quantidade produzida de café foram significativos a 1% de probabilidade, significando que não existe a presença de raiz unitária quando as variáveis são diferenciadas. Isso sugere a possibilidade de se trabalhar com as mesmas sem problemas de regressão espúria.

Diante do exposto, constata-se que a variável exportação não apresentou nenhum tipo de tendência e que as quantidades produzidas e preço de café apresentaram tendência estocástica que somente foi eliminada pela diferenciação (para melhor compreensão veja as Figuras 1, 2 e 3 do apêndice). Dentre os crescimentos e decrescimentos da tendência para as últimas duas variáveis, observa-se através das Figuras 1A e 2A do apêndice que a produção e preço oscilaram significativamente ao longo do período analisado, entretanto, nos últimos anos a primeira foi ascendente e o segundo descendente. Essa constatação requer certas medidas de política governamental em relação ao setor cafeeiro, pois a existência dessa lacuna entre preço e produção pode criar sérios distúrbios para o setor. 3.2. Análise do componente de ciclos

Após a identificação da ausência da tendência determinística e estocástica, nesta seção discute-se a existência e as implicações dos ciclos econômicos na cultura do café ao longo de um período de 101 anos. Ressalta-se que se a série não for estacionaria, torna-se necessário o pré-branqueamento6_{da mesma, ou seja, que o componente da}

tendência seja eliminado. Caso a tendência não seja eliminada antes da implementação da análise espectral, o espectro estimado tenderá a apresentar um pico extremamente elevado na freqüência zero. Esse fato levará à contaminação do espectro desejado, inviabilizando a visualização e análise dos verdadeiros ciclos que possam estar presentes na série estudada.

Deve-se ressaltar que existem diferentes opções de janelas de defasagem que podem ser utilizadas para a suavização do periodograma amostral e estimativa dos espectros. Nesse trabalho, optou-se pela utilização da janela de Parzen devido ao fato das

(7)

7 janelas de defasagem apresentarem, de maneira geral, resultados semelhantes em termos dos espectros estimados; pelo fato de serem as mais usadas e estarem disponíveis em muitos programas estatísticos; e, por último, pelo fato de não gerar estimativas negativas para as densidades espectrais. O espectro foi estimado em função das freqüências com um ponto de truncamento igual 107 com o objetivo de identificar entre quais intervalos de freqüência ocorrem os ciclos mais significativos (Figuras 1-6).

Quanto à significância, pode-se implementar um teste para os valores estimados do periodograma do café com uma distribuição exponencial para indicar se as séries analisadas apresentam ciclos ou se comportam de modo similar a uma série do tipo ruído branco. Através deste teste, encontra-se uma faixa de confiança superior, que fornece uma linha paralela dada pela distribuição exponencial, indicando que nas freqüências com picos que ficarem acima dessa linha ocorrem ciclos estatisticamente significativos. Por outro lado, os ciclos de freqüências que se encontrarem abaixo desta linha não podem ser considerados significativos.

Frequência Densidade espectral 0 200 400 600 800 1000 1200 1400 1600 1800 0 200 400 600 800 1000 1200 1400 1600 1800 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50

Fonte: Resultados da pesquisa

Figura 1. Espectro estimado para a quantidade produzida de café-1900/2001 (em função da freqüência).

7_{Esse valor foi obtido fazendo-se 0,05 x 101 x 5. Para a metodologia do cálculo veja LAMOUNIER}

(2001). _Expected Exponentl. N. de obs 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 -200 0 200 400 600 800 1000120014001600180020002200240026002800

(8)

Figura 2: Histograma do periodograma para testes dos ciclos de longo prazo na quantidade produzida de café-1900/2001.

Freqüência Densidade espectral 0 100 200 300 400 500 600 700 800 900 0 100 200 300 400 500 600 700 800 900 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50

Figura 3: Espectro estimado para a quantidade exportada de café-1900/2001 (em função da freqüência).

Figura 4: Histograma do periodograma para testes dos ciclos de longo prazo na quantidade exportada de café-1900/2001.

Expected Exponentl. Valores do espectograma N. de obs 0 2 4 6 8 10 12 14 16 18 -100 0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300

(9)

Frequência D ensi dade espectr al 0 1000 2000 3000 4000 5000 6000 7000 0 1000 2000 3000 4000 5000 6000 7000 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50

Figura 5: Espectro estimado para o preço de café-1900/2001 (em função da freqüência).

Figura 6: Histograma do periodograma para testes dos ciclos de longo prazo nos preços de café-1900/2001.

A Figura 1 ilustra, em termos de freqüência, o espectro estimado para a quantidade produzida de café no período analisado. Observa-se através da análise dessa figura que existem 4 picos maiores que mais contribuem para a variância da série. Eles são descritos pelas freqüências 0,010; 0,069; 0,316 e 0,5 que correspondem, em termos de período, a 100, 14, 3 e 2 respectivamente. Entretanto, apenas a freqüência correspondente a 3 anos foi significativa (Figura 2), indicando que a produção de café apresentou comportamento cíclico de duração de 3 anos ao longo do período analisado.

O espectro estimado para a quantidade exportada de café encontra-se na Figura 3. Observa-se um pico nas freqüências 0,0096; 0,19231 e 0,0288 que poderia corresponder um ciclo, entretanto, essas freqüências foram não significativas (Figura 4). Isso indica

Expected Exponentl. Valores do espectograma N. de obs 0 2 4 6 8 10 12 14 16 18 20 -500 0 5001000150020002500300035004000450050005500600065007000750080008500

(10)

que para a variável quantidade exportada não foi detectada a presença de ciclos econômicos.

O espectro estimado para o preço de café (Figura 5), em função das freqüências, indica que o intervalo entre [0,105; 0,115] foi o que mais contribuiu para a variância da variável supracitada. Isso ocorre devido à existência de um pico nesses respectivos espectros correspondentes a esse intervalo de freqüência. Os ciclos correspondentes a essas freqüências teriam um período mínimo de 8 anos e máximo de 9 anos. Pode-se notar também um pico menor no intervalo de freqüência dado por [0,336; 0,347]. Esses últimos correspondem a um período de aproximadamente 3 anos.

3.3. Análise de co-integração

Como as séries de quantidade produzida e preço de café no Brasil não são estacionárias em nível, mas são integradas de mesma ordem I(1) (como constatado na seção 2.1), à segunda etapa do teste de co-integração consiste na realização do Procedimento de Johansem. O primeiro passo é determinar o número de defasagens e a inclusão de termos determinísticos. Uma inspeção visual dos dados não indica a presença de tendência deterministica no nível das séries de produção e preço, e opta-se pela inclusão de uma constante apenas dentro do vetor de co-integração. Quanto ao número de defasagens, de acordo com o teste de significância, opta-se pela inclusão de quatro defasagens para a produção e preço do café respectivamente.

O próximo passo é a determinação do número de vetores de co-integração com análise do posto da matriz Π (Equação 9). Essa análise é feita através dos testes do traço e máximo auto-valor, cujos resultados estão na Tabela 2. Ambos os testes indicam a existência de um vetor de co-integração entre as variáveis produção e preço. Isto significa que há uma relação de equilíbrio e interdependência entre essas variáveis no longo prazo. Tabela 3. Teste de co-integração para as quantidades produzidas e preço 1900/2001. H0: rank=p Teste do máximo

autovalor

Valor Crítico (95%)

Teste do Traço Valor crítico (95%)

P=0 21,72 15,67 26,60 19,96

P≤0 4,88 9,24 4,88 9,24

Fonte: Dados da pesquisa.

No entanto, a simples existência de um vetor de co-integração não pode ser considerada condição suficiente para garantir a participação das variáveis produção e preço no equilíbrio de longo prazo. Por isso, é necessária a realização de testes de hipótese sobre os parâmetros α e β, testando sua significância e a interação entre produção e preço.

Torna-se necessário apresentar, em primeiro lugar, os vetores α e β’ encontrados na estimação por máxima verossimilhança.

Tabela 4. Vetores de β’, encontrados na estimação por máxima verossimilhança

Produção Preço Constante

(11)

Tabela 5. Vetores de α, encontrados na estimação por máxima verossimilhança.

Produção Preço

α -0,3330 0,9179

Contudo, é necessário testar se os valores de α e β’ são estatisticamente significantes (Tabela 5). Primeiramente, é analisada a significância dos parâmetros referentes a cada variável, buscando determinar qual variável participa efetivamente do equilíbrio de longo prazo. Analisando-se os resultados, pode-se sugerir que a produção e preço do café são co-integrados, indicando que choques ocorridos em uma variável são transmitidos à outra no longo prazo.

Tabela 6. Testes sobre os parâmetros α e β’-1900/2001.

H0 Razão de Verossimilhança

βprodução=0 8,95***

βpreço=0 14,93***

αprodução=0 12,80***

αpreço=0 10,55***

Fonte : Dados da pesquisa.

Nota: *** indica significância a 1%.

Em relação ao teste de α, pode-se determinar de que forma as variáveis reagem aos desequilíbrios transitórios, isto é, o vetor α reúne os coeficientes de ajustamento de cada variável e permite analisar a rapidez e o sentido desse ajustamento.

Pelos resultados da Tabela 5, os coeficientes de αprodução e αpreço foram

significativos a 1%. Assim, a produção e o preço do café no Brasil reagem, de forma significativa aos desequilíbrios transitórios no equilíbrio de longo prazo. Cabe destacar ainda que de acordo com magnitude desses coeficientes pode-se dizer que o preço reage com um velocidade superior a produção a desequilíbrios de curto prazo, indicando um fluxo de informações diferentes entre essas variáveis.

4. CONCUSÕES

É notável a relevância da cultura cafeeira para a economia brasileira, no passado e também na atualidade, como importante meio de gerar divisas para o país. Sendo assim, as flutuações anuais de preços existem e estas condicionam, em parte, a ocorrência de desequilíbrios na produção, comercialização e consumo o que pode levar o uso não eficiente dos recursos. Quando as amplitudes são extremas, a situação se torna ainda mais grave pois a cultura fica muito instável e, conseqüentemente, não receptiva à modernização. É fácil constatar a incompatibilidade existente nas atividades ligadas a produção de café, que assumem grande relevância tanto econômica social e, por sua vez, sofre sérios revezes em função das flutuações de preços. Esse descompasso acarreta sérios prejuízos a economia brasileira, afetando produtores e compradores.

Através da análise do componente de tendência observou-se a presença da tendência estocástica nos preços e na quantidade produzida de café no período analisado. Observou-se, também, a tendência de decréscimo nos preços e de acréscimos na produção, indicando que a situação do setor cafeeiro nacional pode-se tornar problemática nos próximos anos, caso essa tendência não seja revertida.

(12)

Com relação à hipótese de ciclos existentes nas variáveis estudadas, foi identificado um ciclo de 3 anos (nas freqüências 0,316 e 0,347 para produção e preço respectivamente) aproximadamente, para a produção e preço de café no período analisado. Por outro lado, para a série exportação não se observou nenhum ciclo significativo. Em adição, sugere-se que a existência de flutuações cíclicas nos preços do café, pode provocar instabilidade, tanto na renda do produtor como nas despesas dos consumidores. Essa instabilidade pode gerar desestímulos na produção em períodos de preços baixos, ou excesso de produção em decorrência de preços elevados levando a flutuações nas quantidades exportadas.

Em relação ao teste de co-integração, verificou-se através do método de Johansem que existe apenas um vetor de co-integração entre quantidade produzida e preço do café. Isso significa que existe uma interdependência entre quantidade produzida e preço de café no Brasil, portanto, pode-se sugerir que essas variáveis são co-integradas, indicando que choques ocorridos em uma variável são transmitidos a outra no longo prazo.. Cabe destacar ainda, que a produção e o preço do café no Brasil reagem, de forma significativa aos desequilíbrios transitórios no equilíbrio de longo prazo.

REFERÊNCIAS BIBLIOGRÁFICAS

CHATIFIED, C. The analysis of time series – an introduction. 5ª edição. London: Chapman e Hall, 1996.

DICKEY, D.A.; FULLER, W. Distribution of the estimators for autoregressive time series with unit root. Journal of the American Statistical Association, Washington, v. 74, n. 366, p. 427-431, 1979.

ENDERS, W. Applied econometric time series. New York: John Wiley and Sons, 433p, 1995.

FERNANDES, E.A. Determinantes dos desequilíbrios na balança comercial brasileira. Viçosa: UFV, 2003. 69 p. Dissertação (Mestrado em Economia Aplicada) - Universidade Federal de Viçosa, 2003.

FRANÇA, F.M.C., NETO, J.B.F.G., LEMOS, J.J.S. Análise estacional do preço do algodão para diferentes regiões do Ceará: abordagem pela análise espectral. Revista de Economia e Sociologia Rural, Brasília, v. 27, n. 1, jan-mar. 1999.

GUJARATI, D., N. Econometria básica. 3ª edição. São Paulo: Makron Books, 2000, 846 p.

JOHANSEN, S. Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, n. 12, p. 231-254, 1988.

JOHANSEN, S., JUSELIUS, K. Maximum likelihood estimation and inference on cointegration: with applications to the demand for money. Oxford Bulletin of Economics and Statistics, n. 52, p. 169-219, 1990.

(13)

LAMOUNIER, W.M. Comportamento dos preços no Mercado “Spot” de café do Brasil: Análise nos domínios do tempo e freqüência. Viçosa: UFV, 2001. 207 p. Dissertação (Doutorado em Economia Rural) - Universidade Federal de Viçosa, 2001. RAPOSO, L.R. Análise da relação volatilidade de preço-volume nos mercados

brasileiros de futuros agropecuários. Viçosa: UFV, 2000. 126 p. Dissertação (Mestrado em Economia Rural) - Universidade Federal de Viçosa, 2000.

RUSSER, G.C., CARGIL, T.F. The existence of broiler cycles: na application of spectral analysis. American Journal of Agricultural Economic, v. 52, n. 1, p. 109-121, 1970.

APÊNDICE

Figura 1. Preço de café em US$/sc no período de 1900-2001.

Figura 2. Quantidade produzida de café no período de 1900-2001.

P r e ç o U S $ /s c 0 5 0 1 0 0 1 5 0 2 0 0 2 5 0 3 0 0 1 8 8 9 1 9 0 9 1 9 2 9 1 9 4 9 1 9 6 9 1 9 8 9 Q u a n tid a d e p ro d u z id a 0 1 0 2 0 3 0 4 0 5 0 1 8 8 0 1 9 0 0 1 9 2 0 1 9 4 0 1 9 6 0 1 9 8 0 2 0 0 0 2 0 2 0

(14)

Figura 3. Quantidade exportada de café no período de 1900-2001. E xp ortações 0 5 10 15 20 25 1880 1900 1 920 19 40 196 0 1980 2000 2020