MODELO ECONOMÉTRICO PARA A PROJEÇÃO DO CONSUMO APARENTE DE COMBUSTÍVEL NO BRASIL - OTTO E DIESEL

(1)

FACULDADE DE ECONOMIA E FINANÇAS IBMEC

PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM

ADMINISTRAÇÃO E ECONOMIA

D

I

S

E

R

T

A

Ç

Ã

O

D

E

M

E

S

T

R

A

D

O

P

R

O

F

I

S

I

O

N

A

L

I

Z

A

N

T

E

M

E

C

O

N

O

M

I

A

MODELO ECONOMÉTRICO PARA A

PROJEÇÃO DO CONSUMO APARENTE DE

COMBUSTÍVEL NO BRASIL - OTTO E

DIESEL

I

L

A

N

A

B

R

A

F

M

A

N

O

R

I

E

N

T

A

D

O

R

:

P

R

O

F

.

D

R

.

J

O

S

E

V

A

L

E

N

T

I

M

A

C

H

A

D

O

V

I

C

E

N

T

E

(2)

“MODELO ECONOMÉTRICO PARA A PROJEÇÃO DO CONSUMO APARENTE DE COMBUSTÍVEL NO BRASIL - OTTO E DIESEL”

ILANA BRAFMAN

Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia.

Área de Concentração: Projeção de Séries Temporais – Economia Empresarial

1.Consumo Ciclo Otto e Diesel

ORIENTADOR: PROF. DR. JOSE VALENTIM MACHADO VICENTE

(3)

“MODELO ECONOMÉTRICO PARA A PROJEÇÃO DO CONSUMO APARENTE DE COMBUSTÍVEL NO BRASIL - OTTO E DIESEL”

ILANA BRAFMAN

Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia.

Área de Concentração: Projeção de Séries Temporais – Economia Empresarial

1.Consumo Ciclo Otto e Diesel

Avaliação:

BANCA EXAMINADORA:

_____________________________________________________ Professor: DR. JOSE VALENTIM MACHADO VICENTE (Orientador) Instituição: IBMEC/RJ

_____________________________________________________ Professor: DR. MARCELO DE ALBUQUERQUE E MELLO Instituição: IBMEC/RJ

_____________________________________________________ Professor: DRA. MYRIAN BEATRIZ SILVA PETRASSI

Instituição: BANCO CENTRAL DO BRASIL

(4)

330.015195 B812

Brafman, Ilana.

Modelo econométrico para a projeção do consumo aparente de combustível no Brasil – Otto e Diesel / Ilana Brafman - Rio de Janeiro: Faculdades Ibmec, 2009.

Dissertação de Mestrado Profissionalizante apresentada ao Programa de Pós-Graduação em Economia das Faculdades Ibmec, como requisito parcial necessário para a obtenção do título de Mestre em Economia.

Área de concentração: Economia empresarial.

1. Modelos econométricos. 2. Combustíveis – Previsão de consumo. 3. Otto (Gasolina C, AH e GNV) e Diesel.

(5)

DEDICATÓRIA

À minha família e a todos que me incentivaram e me deram força nesta etapa.

(6)

AGRADECIMENTOS

Ao professor José Valentim, meu orientador, pela disponibilidade, pelos conselhos e sugestões, pela compreensão e por todo apoio essencial para realizar este trabalho.

Ao professor Marcelo Mello pelas sugestões feitas na defesa do projeto.

Aos meus colegas da Esso e da Ipiranga que me apoiaram durante este período.

Aos professores do mestrado em economia, pelo conhecimento transmitido e aos funcionários do IBMEC, sempre dispostos a ajudar.

À minha família, aos meus amigos e a todos que me incentivaram e que sempre estiveram e sempre estarão ao meu lado.

(7)

RESUMO

O objetivo desta dissertação foi criar um modelo de projeção de consumo de ciclo otto (gasolina, álcool e GNV) e diesel no Brasil e compará-lo com um modelo ARMA, que serviu de referência. A finalidade foi averiguar qual deles seria o melhor para ser utilizado pelos envolvidos no processo de distribuição e venda de combustíveis, para que, com base na previsão de mercado futuro, possam desenvolver o plano de logística, orçamento, entre outros, mais apropriado.

Para realizar o objetivo proposto, foram utilizados dados a partir de janeiro de 2001 a abril de 2008 para rodar o modelo e de maio de 2008 a abril de 2009 para rodar a previsão (12 meses), sendo o resultado desta comparado com o volume observado. Apesar da amostra ter sido mensal, o foco principal foi no resultado total de 12 meses acumulado.

No modelo proposto foram também utilizadas técnicas de raiz unitária e cointegração a fim de checar o melhor modelo de previsão, não tendo como preocupação as elasticidades de curto e longo prazo. O resultado indicou que o modelo proposto é o melhor tanto para prever a consumo de diesel quanto a de ciclo otto (considerando os três combustíveis).

(8)

ABSTRACT

The objective of this research has been to create otto cycle (gasoline, ethanol and natural gas for vehicles) and diesel demand forecast models for Brazil market and compare these with ARMA models, used as benchmark. The purpose has been to verify which of them would be the best option to be utilized by the ones involved in the fuel distribution and sale market, so as to, based on future market forecast, develop a more appropriate logistic, budget and other important plans.

In order to achieve the proposed goal, it has been used sample range of historical data from January 2001 to April 2008 and data from May 2008 to April 2009 for forecasting, furthermore the latter output has been compared with the actual volume. Although being used monthly data, the main focus has been on 12-month result.

The results obtained in this study have indicated that the proposed model is the best choice for forecasting both otto fuels (all of them together) and diesel demand in Brazil.

(9)

LISTA DE FIGURAS

Figura 1- Diesel: gráfico volume diesel em m3-ANP ... 16

Figura 2- Diesel Modelo Proposto: gráfico observado vs estimado e resíduo ... 18

Figura 3- Diesel Modelo Proposto: gráfico previsão observado vs. estimado ... 19

Figura 4- Licenciamento Modelo Proposto: gráfico previsão observado vs. estimado ... 23

Figura 5- Conversão GNV Modelo Proposto: gráfico previsão observado vs. estimado ... 28

Figura 6- GNV: gráfico volume gnv em m3-Brasil Energia ... 29

Figura 7- GNV Modelo Proposto: gráfico observado vs. estimado e resíduo ... 31

Figura 8- GNV Modelo Proposto: gráfico previsão observado vs. estimado ... 32

Figura 9- AH: gráfico volume diesel em m3-Datagro ... 33

Figura 10- AH Modelo Proposto: gráfico observado vs. estimado e resíduo ... 35

Figura 11- AH Modelo Proposto: gráfico previsão observado vs. estimado ... 36

Figura 12- Gasolina: gráfico volume gasolina em m3-ANP... 37

Figura 13- Gasolina Modelo Proposto: gráfico observado vs. estimado e resíduo ... 39

Figura 14- Gasolina Modelo Proposto: gráfico previsão observado vs. estimado ... 39

Figura 15- Ciclo Otto Modelo Proposto: gráfico previsão estimado vs. observado (em m3) .. 41

Figura 16- Diesel ARMA: gráfico observado vs. estimado e resíduo ... 46

Figura 17- Diesel ARMA: gráfico previsão observado vs. estimado ... 47

Figura 18- AH ARMA: gráfico observado vs. estimado e resíduo ... 50

Figura 19- AH ARMA: gráfico previsão observado vs. estimado ... 50

Figura 20- Gasolina ARMA: gráfico observado vs. estimado e resíduo ... 53

Figura 21- Gasolina ARMA: gráfico previsão observado vs. estimado ... 54

Figura 22- GNV ARMA: gráfico atual vs. estimado e resíduo ... 58

Figura 23- GNV ARMA: gráfico previsão observado vs. estimado... 58

(10)

LISTA DE TABELAS

Tabela 1 – Diesel Modelo Proposto: Teste Cointegração ADF ... 16

Tabela 2 – Diesel Modelo Proposto: valores críticos do teste de cointegração EG-ADF ... 16

Tabela 3 – Diesel Modelo Proposto: Resultado modelo ... 18

Tabela 4 – Diesel Modelo Proposto: Resultado previsão vs. observado ... 19

Tabela 5 – Licenciamento Modelo Proposto: Teste Cointegração ADF ... 22

Tabela 6 – Licenciamento Modelo Proposto: v. críticos do teste de cointegração EG-ADF .. 22

Tabela 7 – Licenciamento Modelo Proposto: Resultado modelo ... 22

Tabela 8 – Licenciamento Modelo Proposto: Resultado previsão vs. observado ... 23

Tabela 9 – Frota Modelo Proposto: Cálculo veículos em circulação (curva sucateamento) ... 24

Tabela 10 – Frota Modelo Proposto: Frota estimada Anfavea vs Frota calculada ... 25

Tabela 11 – Conversão GNV Modelo Proposto: Teste Cointegração ADF ... 27

Tabela 12 – Conversão GNV Modelo Proposto: v. críticos do teste de cointegração EG-ADF ... 27

Tabela 13 – Conversão Modelo Proposto: Resultado modelo ... 27

Tabela 14 – Conversão GNV Modelo Proposto: Resultado previsão vs. observado ... 28

Tabela 15 – GNV Modelo Proposto: Resultado modelo ... 31

Tabela 16 – GNV Modelo Proposto: Resultado previsão vs. observado ... 32

Tabela 17 – AH Modelo Proposto: Resultado modelo ... 35

Tabela 18 – AH Modelo Proposto: Resultado previsão vs. observado... 36

Tabela 19 – Gasolina Modelo Proposto: Resultado modelo ... 38

Tabela 20 – Gasolina Modelo Proposto: Resultado previsão vs. observado ... 40

Tabela 21 – Ciclo Otto Modelo Proposto: Resultado previsão vs observado ... 41

Tabela 22 – Diesel ARMA: Resultado modelo ... 45

Tabela 23 – Diesel ARMA: Teste resíduo (Q-stat) ... 46

Tabela 24 – Diesel ARMA: Resultado previsão vs. observado ... 47

Tabela 25 – AH ARMA: Resultado modelo ... 49

Tabela 26 – AH ARMA: Teste resíduo (Q-stat) ... 49

Tabela 27 – AH ARMA: Resultado previsão vs. observado ... 51

Tabela 28 – Gasolina ARMA: Resultado modelo ... 52

Tabela 29 – Gasolina ARMA: Teste resíduo (Q-stat) ... 53

Tabela 30 – Gasolina ARMA: Resultado previsão vs. observado... 54

Tabela 31 – GNV ARMA: Resultado modelo ... 56

Tabela 32 – GNV ARMA: Teste Wald Sazonalidade ... 56

Tabela 33 – GNV ARMA: Teste resíduo (Q-stat) ... 57

Tabela 34 – GNV ARMA: Resultado previsão vs. observado ... 59

(11)

Tabela 36 – Quadro comparativo: Resultado Modelo Proposto vs. ARMA – média 12 meses ... 61 Tabela 37 – Quadro comparativo: Resultado Modelo Proposto vs. ARMA – 12 meses

(12)

LISTA DE ABREVIATURAS

AH - Álcool Hidratado

AIC - Akaike information criterion

ANFAVEA - Associação Nacional dos Fabricantes de Veículos Automotores ANP - Agência Nacional do Petróleo, Gás Natural e Biocombustíveis

ARMA - Auto Regressive Moving Average BACEN - Banco Central do Brasil

BE - Brasil Energia

GNV - Gás Natural Veicular

IBGE - Instituto Brasileiro de Geografia e Estatística

IBP - Instituto Brasileiro de Petróleo, Gás e Biocombustíveis IPCA - Índice Nacional de Preços ao Consumidor Amplo MCE - Modelo de Correção de Erros

MME - Ministério de Minas e Energia MQO - Mínimos Quadrados Ordinários PIB - Produto Interno Bruto

SEAE – Secretaria de Acompanhamento Econômico SIC - Schwarz information criterion

(13)

SUMÁRIO

1 INTRODUÇÃO ... 1

2 HISTÓRIA DO PETRÓLEO, DERIVADOS E SUBSTITUTOS NO BRASIL ... 3

3 REVISÃO DA LITERATURA ... 9 3.1 ESTUDOS INTERNACIONAIS ... 9 3.2 ESTUDOS NACIONAIS ...12 4 MODELO PROPOSTO ... 14 4.1 METODOLOGIA ...14 4.2 CONSUMO DE DIESEL ...15 4.2.1 Modelo e Previsão ...16

4.3 CONSUMO DE CICLO OTTO ...20

4.3.1 Licenciamento e Frota ...20

4.3.1.1 Licenciamento ...21

4.3.1.2 Frota ...24

4.3.2 Conversão para Gás Natural Veicular ...25

4.3.3 Consumo de Gás Natural Veicular (GNV) ...29

4.3.3.1 Modelo e Previsão ...30

4.3.4 Consumo de Álcool Hidratado (AH) ...33

4.3.5 Consumo de Gasolina C ...37

4.3.6 Consumo de Ciclo Otto ...40

5 MODELO ARMA (AUTO REGRESSIVE MOVING AVERAGE) ... 42

5.1 METODOLOGIA ...43

5.2 CONSUMO DE DIESEL ...44

(14)

5.4 CONSUMO DE GASOLINA ...51

5.5 CONSUMO DE GNV ...55

5.6 CONSUMO CICLO OTTO ...59

6 MODELO PROPOSTO VS. ARMA ... 61

7 CONCLUSÃO ... 63

REFERÊNCIAS BIBLIOGRÁFICAS ... 65

APÊNDICE A - MODELO SIMPLES ... 68

APÊNDICE B – TABELA CÁLCULO FROTA TOTAL ... 72

APÊNDICE C – TABELA CÁLCULO FROTA POR MODALIDADE ... 74

APÊNDICE D – TABELA CÁLCULO FROTA GNV ... 80

APÊNDICE E – TABELA FLEX – PARIDADE E PERCENTUAL GASO E AH ... 82

(15)

1 INTRODUÇÃO

A previsão do consumo de combustível é essencial para as empresas que trabalham neste setor, pois esta auxilia no desenvolvimento do plano logístico, orçamentário, estratégico, entre outros. Adicionalmente, a previsão também é útil para analisar a capacidade de produção de um determinado país versus o consumo de determinado combustível e também para aqueles preocupados com a poluição ambiental e que tentam buscar soluções menos poluentes.

O objetivo deste trabalho é construir um modelo de projeção de consumo de ciclo otto (gasolina, álcool hidratado e gás natural veicular) e diesel no Brasil e compará-lo com um modelo ARMA (auto regressive moving average), que serviu de referência. A finalidade foi averiguar qual deles é o melhor para ser utilizado pelos interessados.

Para realizar o objetivo proposto, esta dissertação começa com um breve histórico do petróleo, derivados e substitutos no Brasil e com a revisão da literatura, tanto internacional quanto nacional.

Posteriormente, é introduzido no capítulo 4 o modelo proposto, sendo este divido em duas categorias principais, diesel e ciclo otto, por apresentarem características diferentes. Este capítulo começa com uma breve descrição da metodologia e apresenta o período de previsão. O período de estimação varia de acordo com o modelo, sendo também apresentados em cada

(16)

um deles as variáveis utilizadas (quando relevante, o motivo pelo qual foram consideradas), os testes efetuados, a equação final juntamente com uma breve análise do resultado e, por fim, o resultado da previsão versus o observado.

O capítulo 5 está direcionado para o modelo ARMA. Nesta etapa, inicialmente é descrita a metodologia utilizada e definido período de estimação e previsão. Posteriormente são apresentados os modelos de regressão selecionados e os testes efetuados, seguidos do resultado da equação e o da previsão.

O objetivo do capítulo 6 é comparar os dois modelos (Proposto vs. ARMA) e, por fim, o capítulo 7 conclui a dissertação, apontando o modelo que obteve uma melhor previsão e ressaltando as vantagens e desvantagens de cada tipo de modelo.

O principal resultado desta dissertação foi que o modelo proposto foi melhor que o modelo ARMA. Adicionalmente, o período de entressafra que não foi considerado no modelo de consumo de álcool hidratado, por falta de dados, pode ser uma variável que melhoraria o modelo. A falta de estrutura e dados do consumo de GNV também foi obstáculo para modelar este. A principal contribuição foi auxiliar os participantes do mercado de combustíveis na escolha de um melhor modelo para a previsão de consumo de combustível otto e diesel no Brasil, dado que a maioria dos estudos, tanto internacional quanto nacional, foca na elasticidade preço e renda.

Vale ressaltar que foram testados diversos modelos, mas nem todos os resultados foram apresentados, somente os melhores.

(17)

2 HISTÓRIA DO PETRÓLEO, DERIVADOS E SUBSTITUTOS NO BRASIL

A partir do final do século XIX, precisamente em 1858, foi iniciada a história do petróleo no Brasil. Neste ano, foi concedido o direito de extrair betume para a fabricação de querosene em terrenos situados nas margens do rio Marau -Bahia. Mas foi somente em 1897, no estado de São Paulo, que foi perfurado o primeiro poço brasileiro com o objetivo de encontrar petróleo, mesmo que, segundo relatos da época, a extração tenha sido muito pequena.

Em 1919, com o objetivo de organizar a atividade de perfuração de poços, foi criado o Serviço Geológico e Mineralógico do Brasil, que perfurou 63 poços nos estados do Pará, Alagoas, Bahia, São Paulo, Paraná, Santa Catarina e Rio Grande do Sul, mas não obteve sucesso em nenhum deles.

No ano de 1933 foi criado o Departamento Nacional de Produção Mineral - DNPM (órgão do Ministério da Agricultura) e foi sob a jurisdição deste que em 1938 iniciou-se a perfuração do poço em Lobato-Bahia, onde se descobriu petróleo no Brasil em 21 de janeiro de 1939. Mesmo que tenha sido considerado antieconômico, os resultados foram fundamentais para o desenvolvimento da atividade petrolífera no país.

(18)

Durante esta década de 30, em função da presença de trustes (reunião de empresas para controlar o mercado) que se apossavam de grandes áreas de petróleo e de minérios, foi instalada uma campanha para a nacionalização dos bens do subsolo.

Foi também em 1939 que foi instalado, pelo governo de Getúlio Vargas, o Conselho Nacional de Petróleo (CNP) juntamente com a primeira Lei do Petróleo do país, a fim de estruturar e regularizar as atividades envolvidas (exploração de jazidas, importação, exportação, transporte, distribuição e comércio de derivados) e tornar o recurso patrimônio da União. Oitenta poços, aproximadamente, tinham sido perfurados até o final deste ano. Mas foi somente em 1941 em Candeias-Bahia que o primeiro campo comercial foi descoberto.

No final da década de 40, tendo como cenário o fim da Segunda Guerra Mundial e a intensificação da demanda por petróleo, a grande imprensa juntamente com grandes organizações começaram o “lobby” pela abertura total do país ao capital estrangeiro para a exploração do petróleo em terras brasileiras argumentando que o país não tinha capital, técnica e tecnologia. Em contrapartida, nesta mesma época, foi lançada pelos “nacionalistas” e simpatizantes a campanha “O Petróleo é nosso”, que tinha como objetivo o monopólio estatal do petróleo e a criação de uma empresa nacional para a exploração deste.

O monopólio estatal do petróleo (incluindo pesquisa, refino e transporte) somente foi instituído em 1953, no governo Vargas, com a promulgação da lei da criação da Petrobras.

O consumo de combustíveis fósseis teve um aumento considerável na década de 50, principalmente a partir de 1956, com a ascensão de Juscelino Kubitschek, que marcou o início do processo de industrialização. Nesta época, enquanto a penetração de capital estrangeiro ocupou os ramos da indústria pesada (automobilística e de caminhões, material elétrico e

(19)

eletrônico, eletrodomésticos, produtos químicos e etc.), o capital estatal foi destinado ao programa da infra-estrutura, que tinha como meta a construção de rodovias e a “ampliação” do potencial de geração, transmissão e distribuição de energia elétrica.

Nesta época, ainda a produção nacional de petróleo era muito pequena, sendo necessária a importação de quase tudo o que era consumido. Esta importação era feita na forma de derivados, ou seja, combustível já refinado.

A fim de atender esta crescente demanda, a Petrobras foi intensificando suas atividades exploratórias e procurou formar e especializar seu corpo técnico que era enviado ao exterior para se especializar. No início, os esforços eram concentrados na região da Amazônia e do Recôncavo, mas, quinze anos após a criação da Petrobras (1953), as áreas de exploração se expandiram para Sergipe, Alagoas e Espírito Santo. Porém foi em 1968 que foi explorado o primeiro poço offshore (no mar), este se localizava em Guaricema-Sergipe, injetando novos ânimos nas perspectivas de um Brasil auto-suficiente e redirecionando as pesquisas para o mar. Ao final de 1968, a indústria brasileira produzia mais de 160 mil barris por dia.

Em 1972, devido ao declínio das reservas terrestres e a baixa produção no mar, foi ampliado o financiamento em “downstream” (refino, distribuição e venda) e foi criada a Braspetro com a finalidade de buscar alternativas para o abastecimento de petróleo em outros países.

Em 1973 ocorre a primeira crise mundial do petróleo e esta época foi marcada por dois grandes acontecimentos no Brasil: 1) Descoberta de um campo na Bacia de Potiguar (ES) e outro na Bacia de Campos (RJ) em 1974, que marcaria, na Petrobras, o início da exploração do petróleo em águas profundas e ultraprofundas; 2) O governo brasileiro decidiu investir no desenvolvimento de um combustível que pudesse substituir a gasolina e conseqüentemente

(20)

diminuir a dependência do Brasil em relação aos derivados de petróleo, que nesta época era quase total. Em 1975 foi criado o Programa Nacional do Álcool (Proálcool), que tinha como objetivo transformar o álcool em combustível. Este contava com recursos do governo tanto na área de pesquisa e desenvolvimento quanto na venda de veículos e no preço do próprio combustível através de subsídios e redução de impostos.

Com a segunda crise do petróleo em 1979, a indústria nacional foi obrigada a fazer grandes investimentos na prospecção de jazidas em território brasileiro a fim de reduzir a dependência externa. Em 1981, a produção marítima superou a terrestre e três anos depois a produção brasileira se igualou à importada.

O ápice do Proálcool foi em meados dos anos 80, quando 96% dos automóveis vendidos no país eram movidos a álcool. Mas, nesta mesma década, houve um sério problema de falta de álcool para abastecimento, o que criou um receio, que perdura até hoje, nos brasileiros de comprar carro somente movido a álcool. Tanto que, quando os preços do petróleo recuaram no início dos anos 90, a preferência passou a ser novamente os carros movidos a gasolina.

Os preços da gasolina e do álcool hidratado deixaram de ser controlados pelo governo a partir de dezembro de 1996. O controle destes preços era um instrumento utilizado para o controle da inflação e da balança comercial.

A Lei do Petróleo, de 1997, trouxe algumas mudanças na indústria petrolífera brasileira. Entre estas estão: A criação da Agência Nacional do Petróleo (ANP) – atualmente Agência Nacional do Petróleo, Gás Natural e Biocombustíveis – que substituiu a Petrobras nas responsabilidades de ser o órgão executor do gerenciamento do petróleo no país; A permissão

(21)

para formação de parcerias com empresas interessadas em participar do processo de abertura do setor, com o objetivo de trazer novos investimentos para o país.

Em 1999 é inaugurado o Gasoduto Bolívia-Brasil (Gasbol), aumentando a participação do gás natural na matriz energética brasileira. Mas foi em 2003, com o Programa de Massificação do Gás Natural, criado pela Petrobrás para incentivar o consumo do gás, que a demanda de gás na indústria cresceu a altas taxas e difundiu-se o uso do gás natural veicular (GNV). Este programa teve como elemento principal o congelamento dos preços do gás nacional e boliviano (representava 50% do total gás ofertado no Brasil).

A partir desta época, com os incentivos oferecidos, tais como preço e a margem do GNV atrativos e redução do IPVA em alguns estados, o número de carros convertidos para GNV começou a crescer - principalmente de taxis – dado que o retorno do investimento era rápido e a quantidade de postos com GNV também.

Outra nova mudança no setor de combustíveis surgiu em 2004 com o início das vendas de carros com motor flexível, conhecidos como Flex, que são bicombustíveis (funcionando tanto com gasolina como com álcool). Como o preço do álcool em relação ao da gasolina, mesmo considerando a eficiência energética, estava mais baixo, e a opção de poder abastecer com gasolina, a venda de carro Flex foi bem recebida pelo mercado. Atualmente o Flex representa, em média, 87% dos licenciamentos e o consumo de álcool combustível no país vem crescendo desde a introdução do Flex. Sendo que, para este tipo de carro, um dos fatores para a escolha entre gasolina e álcool é marcado pela paridade do preço do álcool em relação ao da gasolina.

Em 2006, os níveis de reservatório das hidrelétricas começaram a cair e a economia do país apresentava perspectiva de crescimento. Nestas circunstâncias, o governo ordenou o despacho

(22)

das termelétricas a gás, mas não havia gás suficiente para atender o consumo de geração elétrica e o industrial, sendo este não considerado como prioridade. Esta decisão também impactou o abastecimento de GNV. A insegurança provocada pela interrupção no fornecimento boliviano, principalmente nas últimas crises, vem inibindo novos investimentos e reduzindo o número de conversões de carros para GNV. Este cenário vem levando a Petrobras a investir mais na produção nacional e na construção de infra-estrutura de portos para a importação de GNL (Gás Natural Liquefeito). Mas com a chegada da crise econômica no final de 2008, as condições do mercado brasileiro de gás natural na indústria se inverteram e se passou de uma situação escassez para uma sobra de gás.

Neste cenário de crescimento da compra de carro Flex, redução da frota de carro somente a gasolina e incerteza quanto ao abastecimento de GNV (e na conseqüente redução do número de conversões) que os modelos de previsão foram gerados.

(23)

3 REVISÃO DA LITERATURA

No mundo, a maioria dos estudos encontrados é sobre a demanda por gasolina, e, em quase todos estes, o foco principal é na análise elasticidade preço e renda. No Brasil, a quantidade de estudos encontrados é menor, sendo também o foco principal na elasticidade, e não na procura de um modelo mais prático para previsão do mercado de consumo de combustíveis otto e diesel, que foi o objetivo deste trabalho.

Neste capítulo, alguns destes estudos, artigos e trabalhos acadêmicos, serão revisitados. Estes se relacionam com esta dissertação principalmente por utilizarem modelos econométricos para chegarem em seus objetivos.

3.1 ESTUDOS INTERNACIONAIS

Hsing (1990) utilizou a técnica de Box-Cox extended autoregressive (BCEA) para testar a se elasticidade de preço e renda é variável na demanda de gasolina nos Estados Unidos durante o período de 1960 a 1985. A equação coloca o consumo de gasolina per capita em função do preço real da gasolina nos postos, da renda per-capita e do consumo da gasolina defasado em um período. O principal resultado foi que o modelo log-linear e o modelo linear podem ser rejeitados em favor do modelo BCEA e que realmente a elasticidade do preço e da renda na demanda de gasolina nos Estados Unidos varia com o passar do tempo, ou seja, não pode ser considerada como constante.

(24)

Al-faris (1997) teve como propósito estimar a elasticidade preço e renda na demanda por produtos de petróleo nos países que pertencem ao GCC (Gulf Cooperation Council – Conselho de Cooperação do Golfo: Bahrein, Kuwait, Omã, Qatar, Arábia Saudita e Emirados Árabes Unidos) separadamente no período de 1970 a 1991. O modelo foi estimado usando MQO, sendo que a equação considera como variável dependente a demanda por determinado produto em função do preço nominal do produto por barril, da renda nominal e da variável dependente defasada em um período (todas em log). O resultado principal do estudo é que tanto o preço quanto a renda são inelásticos no curto prazo e que houve uma variação considerável nas elasticidades entre os combustíveis e entre os países.

Dahl e Sterner (1991) fizeram um estudo comparativo de vários trabalhos feitos sobre demanda por gasolina, sendo a análise focada na elasticidade do preço e da renda, por acreditarem que estas variáveis contêm a informação necessária para previsão e avaliação de políticas. Aparentemente os resultados de diversos estudos podem se mostrar conflitantes, mas se propriamente estratificado, comparado e interpretado, através de uma análise mais minuciosa, diferentes modelos e tipos de dados podem gerar resultados com grau razoável de consistência.

Considerando a grande quantidade de estudos utilizados na análise, Dahl e Sterner agruparam os trabalhos em categorias. Partindo de um modelo mais simples estático, sendo a demanda da gasolina uma função do preço real da gasolina e da renda real, passando por modelos que além destas variáveis consideram a frota de veículos e as características do veículo (normalmente medida em eficiência) e agrupando também modelos dinâmicos onde a demanda por gasolina não é somente função do preço real e da renda real (em alguns casos a frota), mas também da variável dependente defasada em um ou mais períodos ou até mesmo em função da renda e do preço defasados em um ou mais períodos. Em outros casos, foi

(25)

utilizado o modelo do consumo de gasolina por automóvel (ou seja, todas as variáveis foram divididas pela frota).

Os resultados encontrados por Dahl e Sterner foram os seguintes: 1) O modelo simples estático, baseado em dados anuais, mede uma elasticidade-preço intermediária, mas uma elasticidade-renda muito próxima da de longo prazo; 2) O modelo que inclui frota e características desta sugere que entre 1/4 e 1/3 do ajuste de curto prazo é proveniente de mudanças na utilização dos veículos; 3) Foram encontradas algumas evidências (embora não de muitos estudos) que modelo cross-section mede uma maior resposta ao preço do que modelo de séries de tempo; 4) Fortes evidências que a média da elasticidade-renda de longo prazo é maior que um. Dado que a média da elasticidade-preço de longo prazo também é alta, impostos na gasolina podem ser efetivos para diminuir a demanda por este produto.

Bentzen (1994) teve como objetivo estimar as elasticidades de curto e longo prazo da demanda por gasolina no período de 1948 a 1991 (dados anuais) na Dinamarca, para isso utilizou os testes de estacionaridade e de cointegração. A equação coloca a demanda por gasolina per-capita em função da tendência de tempo, do preço real da gasolina e da frota de veículos per-capita no início do ano (todas as variáveis em log), onde a renda somente influencia a demanda através da frota de veículos. As principais conclusões foram que uma mudança de curto prazo na frota terá um efeito imediato na demanda por gasolina e que a elasticidade-preço é muito pequena tanto no curto quanto no longo prazo.

Ramanathan (1999), através de técnicas de cointegração e correção de erros, examina a relação entre a demanda por gasolina (per-capita), a renda nacional (per-capita) e o preço da gasolina na Índia no período de 1972 a 1994. O resultado obtido foi que a demanda por gasolina muito provavelmente crescerá dado um determinado crescimento no PIB, sendo este

(26)

crescimento maior no longo prazo do que no curto prazo. Adicionalmente, a demanda por gasolina é relativamente inelástica à mudança no preço, tanto no curto quanto no longo prazo, e o modelo de correção de erros demonstrou que o ajuste na demanda por gasolina para o equilíbrio de longo prazo é feito de forma paulatina.

3.2 ESTUDOS NACIONAIS

Burnquist e Bacchi (2002), através de técnicas de cointegração, apresentaram estimativas de elasticidade preço e renda da demanda por gasolina no Brasil referente ao período de 1973 a 1998. Os resultados do trabalho indicaram que a demanda por gasolina é pouco sensível a mudança no preço tanto no curto quanto no longo prazo e que é inelástica em relação à renda no curto prazo, mas no longo prazo a elasticidade é da ordem de 0,959.

Alves e Bueno (2003) estudaram a elasticidade cruzada preço entre a gasolina e o álcool durante o período de 1984 a 1999. Além de analisar, através da técnica de cointegração, o comportamento de curto e longo prazo na demanda por gasolina, foi acrescentando no modelo o preço do álcool como variável adicional. A equação coloca o consumo de gasolina per capita em função do PIB real, do preço real da gasolina e o preço real do álcool (foi tomado o log de todas as variáveis e estas são anuais). Os estudos indicaram que a elasticidade-preço da gasolina é inelástica tanto no longo quanto no curto prazo e que o álcool não é um substituto perfeito para a gasolina mesmo no longo prazo (vale ressaltar que ainda não havia o carro Flex no período utilizado para o estudo).

Schünemann (2007) teve como objetivo analisar o impacto da demanda por gasolina no Brasil gerado pela introdução dos veículos flex-fuel a partir de 2003 e da expansão do consumo do GNV. Através do método de cointegração e utilizando dados anuais e mensais, foram

(27)

estimadas as elasticidades-renda, preço e cruzada de curto e longo prazo do consumo de gasolina per-capita. Outras variáveis foram adicionadas no modelo para testar a significância, mas somente a variável idade média da frota foi adicionada no modelo, pois foi a única que apresentou bons resultados. Os resultados obtidos indicaram que o preço do álcool hidratado não se mostrou significativo para explicar a demanda por gasolina e a demanda por esta é inelástica em relação ao preço tanto no curto quanto no longo prazo e é inelástica em relação à renda no curto prazo, mas torna-se um pouco mais elástica no longo prazo. Além disso, foi constatado que, nas regressões de longo prazo e com dados mensais, houve uma mudança estrutural no mercado de combustíveis otto com a introdução de veículos flex. Em relação ao GNV, não obteve conclusões dado que as poucas observações de dados de consumo de GNV comprometeram a validade estatísticas do resultado e o preço deste combustível se mostrou irrelevante na decisão dos consumidores.

Azevedo (2007) em sua pesquisa teve como proposta analisar as elasticidades preço e renda e elasticidade cruzada entre os energéticos (álcool hidratado, óleo diesel, gasolina C, gás liquefeito de petróleo, óleo combustível e gás natural) no Brasil e nas suas regiões geográficas durante o período de janeiro de 2002 a junho de 2006, em bases mensais. O modelo considera a demanda por determinado combustível como função do seu preço, do preço de outros combustíveis, da renda (a Produção Industrial do Brasil foi utilizada como uma proxy do Produto Interno Bruto para o cálculo da elasticidade renda) e da tendêcia. As metodologias de cointegração e correção de erros sugerida por Engle e Granger (1987) foram adotadas para calcular as elasticidades de curto e longo prazo, sendo feito um modelo para o Brasil e outro desagregado por regiões geográficas (método de estimação MQO). Nesta pesquisa, em nível nacional, os resultados mostraram que a demanda por álcool é inelástica em relação ao preço, a demanda por gás natural é inelástica em relação à renda. Também foi concluído que o Brasil possui grandes diferenças regionais no que diz respeito à questão energética.

(28)

4 MODELO PROPOSTO

Este modelo foi dividido em duas categorias, uma somente para o diesel e outra para os combustíveis do ciclo otto (gasolina C, álcool hidratado e GNV). Esta divisão é explicada pelas características de consumo destes combustíveis que são diferentes, sendo estas descritas posteriormente.

Vale ressaltar que para a previsão o que interessou foi o resultado 12 meses a frente acumulado e não o mês a mês.

4.1 METODOLOGIA

Os dados utilizados são em série de tempo e as observações estão em base mensal, sendo o período para estimação apresentado em cada caso e o período de previsão de maio de 2008 a abril de 2009. Na presença de variável dependente defasada, o método de previsão utilizado foi o dinâmico. Adicionalmente, foram utilizados os dados observados das variáveis do lado direito da equação, excluindo as dependentes defasadas, na previsão.

O software utilizado foi o e-views e o método de estimação foi o dos Mínimos Quadrados Ordinários. Quando aplicável, foi efetuado o teste de raiz unitária nas variáveis para verificar a estacionariedade destas, sendo utilizado o tipo Augmented Dickey-Fuller com SIC (Schwarz

(29)

Information Criterion), e o teste de cointegração proposto por Engle e Granger (1987) a fim de evitar situação de regressão espúria. Conforme o resultado dos testes, foi utilizado o modelo de correção de erros ou primeiras-diferenças ou estimação em níveis. Adicionalmente, foi analisada a significância de cada variável no modelo e verificado o sinal dos coeficientes estimados.

O resultado da previsão dos modelos será apresentado tanto mensalmente, dado que o modelo tem base mensal, quanto 12 meses acumulado, por este ser a principal demanda dos envolvidos no processo relacionado ao consumo de combustíveis.

A série de dados de cada uma das variáveis utilizadas nos modelos se encontra no anexo A.

4.2 CONSUMO DE DIESEL

O consumo de diesel no Brasil é dividido principalmente em três grandes setores: o setor de transporte, o agropecuário e o de transformação (utiliza o produto na geração de energia elétrica). Como todos estes estão diretamente relacionados à atividade econômica do país, foram considerados na equação do consumo o preço do diesel médio ao consumidor e o PIB do Brasil. Adicionalmente foram utilizadas dummies para sazonalidade mensal, cuja existência é possível verificar na figura 1, e uma dummy para o consumo efetuado pelas termelétricas. Esta última foi criada, pois no ano de 2008, dado a interrupção no abastecimento de gás natural advinda da crise da Bolívia, o gás natural foi substituído pelo óleo diesel na geração de energia, aumentando o consumo deste neste período.

(30)

Figura 1- Diesel: gráfico volume diesel em m3-ANP

4.2.1 Modelo e Previsão

O período de estimação utilizado foi de setembro de 2001 a abril de 2008. Inicialmente foi efetuado o teste de raiz unitária para todas as variáveis utilizadas neste modelo, sendo que foi aceita a hipótese nula de existência de raiz unitária para todas. Posteriormente foi o efetuado o teste de cointegração no resíduo da equação 1, e a 5% se rejeitou a hipótese nula de que não há cointegração, conforme tabelas 1 e 2.

Augmented Dickey-Fuller teste estatístico -3.582107

Tabela 1 – Diesel Modelo Proposto: Teste Cointegração ADF

Nível de Significância 1% 5% 10% Valor Crítico -3,9 -3,34 -3,04

Tabela 2 – Diesel Modelo Proposto: valores críticos do teste de cointegração EG-ADF

Apesar de os testes indicarem que aplicar o modelo de correção de erros seria mais apropriado, este foi desconsiderado, dado que o resultado da previsão deste ficou inferior ao do modelo mais simples, que está apresentado na equação 1. Adicionalmente, o PIB e o preço do diesel foram defasados em dois períodos, pois o resultado obtido foi melhor quando comparado com outras defasagens e sem defasagem.

2400000 2600000 2800000 3000000 3200000 3400000 3600000 3800000 4000000 1/00 1/01 1/02 1/03 1/04 1/05 1/06 1/07 1/08 VOL_ANP_DIESEL_M3

(31)

DIEt = C + 1JANt + 2FEVt + 3MARt+ 4ABRt +5MAIt +6JUNt +7JULt +8AGOt

+9SETt +10OUTt +11NOVt + 12TERMt+ 13Yt-2 + 14Pdie t-2 + t, onde: (1)

DIEt = consumo mensal por diesel (incluindo o biodiesel puro B100) em m3 no período t. Fonte: ANP

C = constante

JAN A NOVt = dummy mensal, onde esta é igual a 1 no mês em questão e 0 nos demais

meses.

TERMt = dummy termelétrica, onde o valor é igual a 1 para os meses de fevereiro a outubro

do ano de 2008 e 0 para os demais meses.

Yt-2 = PIB Brasil mensal em R$ milhões de 2008 defasado em dois períodos (conforme

explicado anteriormente). Fonte: Banco Central (PIB mensal em R$ Milhões – tabela 4380 do Sistema Gerenciador de Séries Temporais) e IBGE (IPCA – cálculo multiplicador para R$ de 2008)

Pdiet-2 = Preço diesel ao consumidor (média Brasil) mensal em R$/litro de 2008 defasado em

dois períodos (conforme explicado anteriormente). Fonte: ANP (Preço diesel consumidor - média Brasil) e IBGE (IPCA – cálculo multiplicador para R$ de 2008)

O resultado do modelo pode ser visualizado na tabela 3. Como pode ser observado, todas as variáveis são significantes e o sinal dos coeficientes das variáveis PIB, preço e dummy termelétrica faz sentido. Quanto maior o PIB, maior o consumo de diesel e quanto maior o preço, menor o consumo (devido à possibilidade de, em alguns casos, este poder ser substituído). O coeficiente da dummy criada para a termelétrica também está como o sinal esperado, dado que a falta de gás natural fez com que aumentasse a procura por diesel no setor de geração de energia.

(32)

Variável Coeficiente Erro Padrão Estatística-t Prob. C 1698714 164417.7 10.3317 0.0000 Y(-2) 8.46328 1.018992 8.305539 0.0000 JAN -191013 63160.77 -3.02423 0.0036 FEV -229262 64881.87 -3.53352 0.0008 MAR 307197 66398.75 4.626548 0.0000 ABR 220801.1 69113.21 3.194774 0.0022 MAI 200581.2 67456.07 2.973508 0.0041 JUN 174257.1 67271.72 2.590347 0.0118 JUL 235191.3 65815.71 3.573483 0.0007 AGO 420372.7 65776.85 6.39089 0.0000 SET 348176.2 63517.69 5.481563 0.0000 OUT 492150.2 63253.29 7.780627 0.0000 NOV 294539.7 63856.2 4.612546 0.0000 PDIE(-2) -201855 81612.71 -2.47333 0.0160 TERM 208435 81823.88 2.547361 0.0132

R2 0.850726 Média var dependente 3255179

R2 ajustado 0.818574 D.P. var dependente 277220.4

Erro Padrão da Regressão 118079.5 SIC 26.81009

Soma quadrática resid 9.06E+11 Estatistica-F 26.46002

Prob(Estatistica-F) 0.0000

Tabela 3 – Diesel Modelo Proposto: Resultado modelo

A figura 2, que exibe graficamente o resultado da regressão em relação ao dado observado e o resíduo, indica que o valor estimado está muito próximo do observado e o resíduo, em sua grande parte, parece um ruído branco.

Figura 2- Diesel Modelo Proposto: gráfico observado vs estimado e resíduo

-400000 -200000 0 200000 400000 2400000 2800000 3200000 3600000 4000000 2002 2003 2004 2005 2006 2007 Residual Actual Fitted

(33)

O resultado da previsão para consumo de diesel em m3 (e o respectivo erro padrão) comparado com o volume observado no período é mostrado na figura 3 - sendo a linha azul o volume real e a vermelha o estimado - e na tabela 4. O erro quadrático médio de previsão de maio/08 a abril/09 foi de 8.997 mil m3. O resultado acumulado neste mesmo período indicou uma diferença de -169 mil m3 (-0,38%)entre o projetado e o observado, sendo este resultado bastante satisfatório.

Figura 3- Diesel Modelo Proposto: gráfico previsão observado vs. estimado

Tabela 4 – Diesel Modelo Proposto: Resultado previsão vs. observado

2500000 3000000 3500000 4000000 4500000 2008M07 2008M10 2009M01 2009M04 VOL_ANP_DIESEL_M3 Z_FCAST_DIE_12M Z_FCAST_DIE_12M+2*Z_FCAST_DIE_12M_SE Z_FCAST_DIE_12M-2*Z_FCAST_DIE_12M_SE

mês/ano Observado Anp Projeção Proj -Obs Erro2 Proj/Obs

mai-08 3,739 3,661 -78 6,081 -2.09% jun-08 3,837 3,711 -126 15,883 -3.28% jul-08 3,873 3,852 -21 442 -0.54% ago-08 3,885 4,103 218 47,466 5.61% set-08 4,053 4,010 -43 1,823 -1.05% out-08 4,135 4,106 -29 825 -0.69% nov-08 3,604 3,654 50 2,548 1.40% dez-08 3,458 3,493 35 1,201 1.00% jan-09 3,158 3,229 71 5,053 2.25% fev-09 3,101 3,017 -84 7,113 -2.72% mar-09 3,637 3,612 -25 619 -0.68% abr-09 3,564 3,426 -138 18,910 -3.86% Média 12m 3,670 3,656 -14 8,997 n/a

mai/08 a abr/09 Observado Anp Projeção Proj -Obs Proj/Obs 12 meses ac 44,045 43,875 -169 -0.38%

vol. diesel em mil m3

(34)

4.3 CONSUMO DE CICLO OTTO

O consumo de combustíveis do ciclo otto (gasolina c, álcool hidratado e gás natural veicular) está relacionada principalmente ao abastecimento de veículo leves que circulam no país. O cálculo deste consumo será efetuado em seis etapas, sendo estas apresentadas abaixo:

 Equação de licenciamento para posterior cálculo da frota para cada tipo de veículo, incluindo curva de sucateamento -> A frota será utilizada no modelo de consumo de álcool hidratado e gasolina

 Equação de conversões de carro para gás natural veicular -> A frota de GNV será utilizada como variável no modelo de consumo de GNV

 Equação para consumo de gás natural veicular

 Equação para consumo de álcool hidratado

 Equação para consumo de gasolina C

 Cálculo para consumo ciclo otto, que se dará pelo somatório do consumo de gasolina c, álcool hidratado e gás natural veicular.

4.3.1 Licenciamento e Frota

Nesta etapa, o primeiro passo foi criar uma equação para o licenciamento total de veículos leves no Brasil (nacional e importado), tendo como base os dados da ANFAVEA, e o segundo foi calcular a frota por tipo de veículo (Flex, Álcool e Gasolina), para isto foi considerada a curva de sucateamento apresentada no trabalho do Ministério da Ciência e Tecnologia (2006).

(35)

4.3.1.1 Licenciamento

Os dados estão em base mensal, o período de estimação é de março de 2002 a abril de 2008 e o licenciamento total foi colocado em função PIB mensal e da sazonalidade. Outras variáveis como a taxa CDI, a taxa de juros veículos e a renda familiar foram testadas, mas como nenhuma obteve resultado satisfatório, foram desconsideradas.

Foi na equação (2), exibida em seguida, que foram feitos os testes de raiz unitária e cointegração.

LICtott = C + 1JANt + 2FEVt + 3MARt+ 4ABRt +5MAIt +6JUNt +7JULt +8AGOt

+9SETt +10OUTt +11NOVt + 12Yt + t, onde: (2)

LICtott = licenciamento total de veículos leves (nacional e importado) mensal no período t.

Fonte: ANFAVEA – Cartas da Anfavea C = constante

meses.

Yt = PIB Brasil mensal em R$ milhões de 2008 no período t. Fonte: Banco Central (PIB

mensal em R$ Milhões – tabela 4380 do Sistema Gerenciador de Séries Temporais) e IBGE (IPCA – cálculo multiplicador para R$ de 2008)

Foram feitos os testes de raiz unitária para a série de dados das variáveis Licenciamento Total e PIB e em ambos os casos foi aceita a hipótese nula de raiz unitária. Posteriormente foi efetuado o teste de cointegração no resíduo da equação (2) e foi rejeitada a 5% a hipótese nula de que não há cointegração, conforme pode ser visto nas tabelas 5 e 6.

(36)

Augmented Dickey-Fuller test statistic -3,418673

Tabela 5 – Licenciamento Modelo Proposto: Teste Cointegração ADF

Tabela 6 – Licenciamento Modelo Proposto: v. críticos do teste de cointegração EG-ADF

Dado o exposto acima, como há cointegração, foi utilizado o modelo de correção de erros, conforme segue na equação (3), e o resultado da regressão se encontra na tabela 7.

LICtott =  + 1JANt + 2FEVt + 3MARt+ 4ABRt +5MAIt +6JUNt +7JULt +8AGOt

+9SETt +10OUTt +11NOVt + 15Yt + 1 (LICtott-1 – (C + 1JANt-1 + 2FEVt-1 + 3MAR t-1+ 4ABRt-1 +5MAIt-1 +6JUNt-1 +7JULt-1 +8AGOt-1 +9SETt-1 +10OUTt-1 +11NOVt-1 +

12Yt-1)) + ut, onde  é a diferença do periodo t e o period t-1 (3)

Variável Coeficiente Erro Padrão Estatística-t Prob.

C 21287.92 4815.856 4.420382 0.0000 D(Y) 2.390104 0.370015 6.459487 0.0000 JAN -40400.1 6517.764 -6.19845 0.0000 FEV 4523.808 6788.925 0.666351 0.5077 MAR -21577.2 7904.106 -2.72987 0.0083 ABR -31461.7 6660.416 -4.72369 0.0000 MAI -37953.4 8234.267 -4.60921 0.0000 JUN -29079.5 6756.056 -4.30422 0.0001 JUL -6271.94 6449.73 -0.97244 0.3347 AGO -19285.4 7006.72 -2.75242 0.0078 SET -16724.9 6444.617 -2.59518 0.0119 OUT -31830.3 8231.035 -3.86711 0.0003 NOV -26023.2 6941.081 -3.74916 0.0004 RESID(-1) -0.32237 0.107829 -2.98963 0.0040 R2

0.729633 Média var dependente 2079.365

R2 ajustado _{0.671053 D.P. var dependente} _19462.33

Erro Padrão da Regressão

11162.4 AIC 21.64715

Soma quadrática resid

7.48E+09 SIC 22.08305

Estat Durbin-Watson 1.972217 Estatística-F 12.45542

Prob(Estatistica-F) 0.0000

(37)

Neste modelo todas as variáveis são significantes e o sinal positivo do PIB faz sentido, dado que quanto maior este for, maior será o licenciamento. O R2 ajustado baixo juntamente com um resíduo que não parece em sua totalidade um ruído branco, pode indicar que algo ainda poderia ser modelado, mas dos testes efetuados este foi o melhor modelo. Uma possibilidade poderia ser o preço do veículo, mas não foi possível obter a base histórica de preço de um veículo popular zero km. O resultado da previsão versus o do licenciamento observado segue na figura 4, em forma de gráfico (estimado – linha vermelha; real – linha azul) e na tabela 8, sendo o valor da previsão o utilizado para estimar a frota.

Figura 4- Licenciamento Modelo Proposto: gráfico previsão observado vs. estimado

Tabela 8 – Licenciamento Modelo Proposto: Resultado previsão vs. observado

120000 160000 200000 240000 280000 320000 2008M07 2008M10 2009M01 2009M04 LICENCIAMENTO_TOTAL Z2_FCAST_LIC52 Z2_FCAST_LIC52+2*Z2_FCAST_LIC52_SE Z2_FCAST_LIC52-2*Z2_FCAST_LIC52_SE

mês/ano Observado Anfavea Projeção Proj -Obs Erro2 Proj/Obs

mai-08 230 250 20 388 8.57% jun-08 243 236 -7 48 -2.84% jul-08 273 247 -26 651 -9.35% ago-08 231 249 18 331 7.88% set-08 254 221 -33 1,099 -13.05% out-08 225 269 44 1,980 19.80% nov-08 166 205 39 1,488 23.21% dez-08 184 156 -28 779 -15.19% jan-09 190 175 -14 205 -7.55% fev-09 191 181 -10 105 -5.36% mar-09 261 186 -75 5,596 -28.67% abr-09 224 266 42 1,760 18.70% Média 12m 223 220 -2 1,203 n/a

mai/08 a abr/09 Observado Anfavea Projeção Proj -Obs Proj/Obs 12 meses ac 2,672 2,642 -30 -1.12%

licenciamento em mil

(38)

4.3.1.2 Frota

Para o cálculo da frota foram utilizados os dados de licenciamento observado de veículos leves (nacional e importados), o licenciamento estimado no item anterior e a curva de sucateamento utilizada no trabalho do Ministério da Ciência e Tecnologia (2006), sendo esta demonstrada a seguir:

curva de sucateamento: 𝑌𝑡 = 𝑌0/(1 + 𝑒 𝑎× 𝑡−𝑡0 ) + 𝑌0/(1 + 𝑒 𝑎× 𝑡+𝑡0 ), onde

Yt = percentual de veículos em circulação com t anos de idade

Y0 = 100%

t = idade veículo

t0 = determina em quanto tempo o sucateamento alcançará 50%

a = determina o “S” da curva do sucateamento (quanto menor este coeficiente, maior o sucateamento no início)

Os valores atribuídos para a e t, tiveram como base o trabalho original e objetivo de alinhar a frota estimada com a frota divulgada no anuário estatístico da ANFAVEA (frota de veículos leves incluindo os movidos a diesel) respectivamente.

Tabela 9 – Frota Modelo Proposto: Cálculo veículos em circulação (curva sucateamento)

t0 a

16.7 0.19

calculo será feito na planilha "Frota Total (sem Diesel)".

Idade Veículo % Em circulação Idade Veículo % Em circulação 0 100.0 17 48.7 1 98.5 18 44.0 2 97.0 19 39.4 3 95.4 20 34.9 4 93.7 21 30.7 5 91.8 22 26.8 6 89.7 23 23.3 7 87.4 24 20.0 8 84.8 25 17.2 9 82.0 26 14.6 10 78.7 27 12.4 11 75.2 28 10.5 12 71.4 29 8.8 13 67.2 30 7.4 14 62.8 31 6.2 15 58.2 32 5.2 16 53.5 33 4.3

(39)

Inicialmente foi efetuado o cálculo da frota total de veículos leves incluindo os movidos a diesel a fim de averiguar se está próxima da frota divulgada pela ANFAVEA, que também é estimada, no anuário estatístico. Nesta etapa somente foram utilizados os dados de licenciamento real, pois o objetivo nesta não é a previsão e sim averiguar se os parâmetros escolhidos estão razoáveis. Na tabela 10 podem ser observadas a frota calculada e a frota divulgada pela ANFAVEA nos últimos quatro anos. A tabela completa com a frota calculada se encontra no apêndice B.

Tabela 10 – Frota Modelo Proposto: Frota estimada Anfavea vs Frota calculada

As demais frotas tiveram como base o licenciamento real até abril de 2008 e a curva de sucateamento. Para o período de maio de 2008 a abril de 2009 foi utilizado, além da curva de sucateamento, o licenciamento estimado no item anterior. A participação no licenciamento neste período de cada modalidade de veículo foi calculada tendo como base o percentual de participação da soma dos meses de janeiro a abril de 2008, sendo assim veículos movidos a gasolina representam 8% do total de licenciamento, veículos a álcool 0% e veículos Flex 87,6% (diesel representa 4,4%, mas este não será utilizado). A tabela com o cálculo completo de cada modalidade se encontra no apêndice C.

4.3.2 Conversão para Gás Natural Veicular

Para a equação do número de carros convertidos a GNV (equação 4) foram considerados dados de base mensal, sendo o período de estimação de janeiro de 2004 a abril de 2008, e foi aceita a hipótese nula de que há raiz unitária em todas as variáveis. Além das dummies para

em mil Frota Anfavea Frota Calculada Calc-Anfavea Calc/Anfavea

2005 21,282 21,004 -278 -1.3%

2006 22,273 21,901 -372 -1.7%

2007 23,685 23,266 -419 -1.8%

(40)

sazonalidade, foram criadas dummies para representar algumas das crises de abastecimento de gás natural no Brasil e também o período de expansão.

As crises, onde o abastecimento de GNV foi altamente impactado, que foram consideradas significantes no modelo foram: 1) De 2005 (maio a julho) na Bolívia, onde foi promulgada uma lei que aumentou os royalties e impostos sobre a exploração e esta acarretou em problemas no abastecimento e na confiança das empresas estrangeiras; 2) De 2007/2008 (iniciada em novembro de 2007) que além da crise do gás boliviano (ou seja, descontinuidade no abastecimento para o Brasil) também houve no final de 2007 uma queda brusca no nível dos reservatórios das hidrelétricas.

O período de expansão no consumo de GNV ocorreu no ano de 2006, retirando o período de crise na Bolívia, quando foi anunciada a nacionalização dos campos de petróleo e gás natural e das refinarias pelo presidente da Bolívia Evo Morales.

CONVt = C + 1JANt + 2FEVt + 3MARt+ 4ABRt +5MAIt +6JUNt +7JULt +8AGOt

+9SETt +10OUTt +11NOVt +12DCG1t +13DCG3t +14DBGt +15PARIDgnv/gasot-1 + t,

onde: (4) CONVt = número de conversões para GNV mensal no período t. Fonte: Instituto Brasileiro

de Petróleo, Gás e Biocombustíveis (IBP) C = constante

meses.

DCG1t = dummy crise gás natural Bolívia, onde esta é igual a 1 de maio a julho de 2005 e 0

nos demais meses.

DCG3t = dummy crise gás natural , onde esta é igual a 1 de novembro de 2007 a dezembro de

2008 e 0 nos demais meses.

DBGt = dummy expansão gnv , onde esta é igual a 1 de dezembro de 2004 a abril de 2005, de

(41)

PARIDgnv/gasot-1 = Preço médio Brasil do GNV dividido pelo preço médio Brasil da

gasolina no período t-1. Fonte: ANP

O teste de cointegração foi efetuado no resíduo da equação 4 e foi rejeitada a hipótese nula de que não há cointegração, conforme tabelas 11 e 12.

Augmented Dickey-Fuller test statistic -8,218621

Tabela 11 – Conversão GNV Modelo Proposto: Teste Cointegração ADF

Tabela 12 – Conversão GNV Modelo Proposto: v. críticos do teste de cointegração EG-ADF

O modelo de correção de erros (MCE) foi utilizado na equação 4, mas aquele não foi o escolhido porque não trouxe nenhum benefício adicional. O resultado da equação 4 pode ser visualizado na tabela 13 e o resultado da previsão está exibido na figura 5, em forma de gráfico, e na tabela 14.

Variável Coeficiente Erro Padrão Estatística-t Prob.

C 47508.53 7768.615 6.115444 0.0000 PARIDgnv/gaso(-1) -61044.4 15265.59 -3.99882 0.0003 JAN 855.2545 1143.672 0.747814 0.4594 FEV -2833.47 1144.342 -2.47607 0.0181 MAR 222.3973 1140.805 0.194948 0.8465 ABR 393.4698 1141.254 0.34477 0.7323 MAI 1306.81 1283.697 1.018005 0.3155 JUN -308.475 1291.479 -0.23885 0.8126 JUL 316.3391 1294.33 0.244404 0.8083 AGO 687.8074 1232.869 0.557892 0.5804 SET 1035.859 1236.913 0.837454 0.4079 OUT 1258.249 1243.219 1.01209 0.3182 NOV 919.8592 1198.174 0.767718 0.4477 DCG1 -4376.32 1203.853 -3.63526 0.0009 DCG3 -5212.48 1119.024 -4.65806 0.0000 DBG 6199.201 692.5542 8.951215 0.0000

R2 _{0.925998 Média var dependente} _17266.48

R2 ajustado

0.895164 D.P. var dependente 5186.768

1679.394 AIC 17.93791

1.02E+08 SIC 18.5383

Estat Durbin-Watson 2.298398 Estatística-F 30.03153

Prob(Estatística-F) 0.0000

(42)

Figura 5- Conversão GNV Modelo Proposto: gráfico previsão observado vs. estimado

Tabela 14 – Conversão GNV Modelo Proposto: Resultado previsão vs. observado

Como pode ser observado, as variáveis não sazonais são significantes e estão com o sinal esperado (exemplos: aumenta o preço do GNV em relação ao da gasolina, diminui o consumo; em época de crise diminui o consumo e no período de expansão aumenta o consumo) e o R2 ajustado está satisfatório. O erro quadrático médio de previsão de maio/08 a abril/09 foi de 5,1 mil. O resultado acumulado neste mesmo período indicou uma diferença de

-8000 -4000 0 4000 8000 12000 16000 2008M07 2008M10 2009M01 2009M04 LICENCIAMENTO_CONV_GNV Z1_FCAST_CONV Z1_FCAST_CONV+2*Z1_FCAST_CONV_SE Z1_FCAST_CONV-2*Z1_FCAST_CONV_SE

mês/ano Observado IBP Projeção Proj -Obs Erro2 Proj/Obs

mai-08 9.4 8.5 -0.9 0.9 -9.91% jun-08 5.1 6.0 1.0 0.9 19.03% jul-08 6.3 4.6 -1.6 2.6 -25.93% ago-08 5.3 3.8 -1.6 2.5 -29.39% set-08 5.2 3.2 -2.0 4.1 -38.91% out-08 4.7 3.3 -1.4 2.0 -30.05% nov-08 5.6 3.0 -2.6 6.7 -45.91% dez-08 5.3 1.6 -3.7 13.7 -70.38% jan-09 2.8 6.5 3.8 14.2 135.67% fev-09 2.3 1.5 -0.8 0.7 -36.62% mar-09 3.1 5.3 2.3 5.1 73.07% abr-09 3.0 5.9 2.8 8.1 93.62% Média 12m 4.8 4.4 -0.4 5.1 n/a

mai/08 a abr/09 Observado IBP Projeção Proj -Obs Proj/Obs 12 meses 58.1 53.2 -4.9 -8.40%

conversões em mil

(43)

-4,9 mil (-8,4%)entre o projetado e o observado. Como o consumo de GNV comparado com os demais combustíveis (gasolina e álcool) é relativamente pequeno, este resultado será o utilizado para a construção da frota de GNV.

A frota de carros que possuem GNV foi calculada com o mesmo método que foi utilizado para calcular a frota de veículos leves (item 4.3.1.2). Foi assumido que a frota de GNV está contida dentro da frota de gasolina, por considerar que a maioria dos veículos convertidos é movida a gasolina. A tabela com o cálculo completo da frota de GNV pode ser visualizada no apêndice D. Como referência, a frota de veículos convertidos para GNV calculada em outubro de 2008 foi de 1.509 mil e a frota divulgada pelo IBP através do GNVnews (outubro de 2008) foi de 1.577 mil, ou seja, a frota calculada foi próxima da divulgada.

4.3.3 Consumo de Gás Natural Veicular (GNV)

Na equação do consumo de GNV foram considerados a paridade do preço do GNV com o da gasolina (preço GNV/preço gasolina), a frota de GNV e dummies para sazonalidade mensal. Como foi rejeitada a hipótese de raiz unitária para a variável frota GNV, o teste de cointegração não foi efetuado.

Figura 6- GNV: gráfico volume gnv em m3-Brasil Energia

100000 120000 140000 160000 180000 200000 220000 240000 2004 2005 2006 2007 VOL_BE_GNV_M3

(44)

4.3.3.1 Modelo e Previsão

O período de estimação utilizado foi de janeiro de 2004 a abril de 2008. O modelo inicial levou em consideração a paridade do preço do GNV com o da gasolina (preço GNV/preço gasolina) defasado em um período, a frota de GNV e dummies para sazonalidade mensal. Mas como foi detectado alto nível de autocorrelação e autocorrelação parcial, foi inserido no modelo inicial uma variável autoregressiva de ordem 1 (AR(1)). Dado que o modelo melhorou significativamente e o problema de autocorrelação foi eliminado, o modelo com AR(1) foi o escolhido, conforme equação 5:

GNVt = 1JANt + 2FEVt + 3MARt+ 4ABRt +5MAIt +6JUNt +7JULt +8AGOt +9SETt

+10OUTt +11NOVt + 12DEZt+ +13PARIDgnv/gaso+ 14FGNVt + AR(1) + t, onde: (5)

GNVt = consumo mensal por GNV em m3 no período t. Fonte: Brasil Energia (BE)

JAN A DEZt = dummy mensal, onde esta é igual a 1 no mês em questão e 0 nos demais

meses.

PARIDgnv/gaso = Preço ao consumidor médio Brasil do GNV dividido pelo preço ao consumidor médio Brasil da gasolina no período t. Fonte: ANP

FGNVt = Frota final GNV no período t. Fonte: Elaboração Própria (tendo como base item

4.3.2)

O resultado do modelo é mostrado na tabela 15. Como pode ser observado, todas as variáveis são significantes e os sinais dos coeficientes das variáveis faz sentido. Quanto maior a frota, maior o consumo de gnv e quanto maior o preço do GNV em relação ao da gasolina, menor o consumo.

(45)

Variável Coeficiente Erro Padrão Estatística-t Prob. FGNV 0.124345 0.00512 24.2856 0.0000 PARIDgnv/gaso -165633 39759.06 -4.16592 0.0002 JAN 124688.8 18592.94 6.706244 0.0000 FEV 112837.4 18760.4 6.01466 0.0000 MAR 133805 18795.69 7.118918 0.0000 ABR 125347.5 18803.93 6.666027 0.0000 MAI 130714.7 19094.98 6.845501 0.0000 JUN 125025 19094.45 6.547715 0.0000 JUL 128929.1 18812.73 6.85329 0.0000 AGO 135672.8 18797.1 7.217755 0.0000 SET 129268.1 18834.49 6.863372 0.0000 OUT 133391.8 18561.02 7.186663 0.0000 NOV 126293.2 18456.89 6.842605 0.0000 DEZ 138633.4 18311.76 7.570726 0.0000 AR(1) 0.576872 0.144807 3.983715 0.0003 R2

0.991335 Média var dependente 177613.3

R2 ajustado _{0.988142 D.P. var dependente} _33213.05

3616.712 AIC 19.45785

4.97E+08 SIC 20.01548

Estat Durbin-Watson 2.245361

Tabela 15 – GNV Modelo Proposto: Resultado modelo

A figura 7, que expõe graficamente o resultado da regressão em relação ao dado observado e o resíduo, indica que o valor estimado está muito próximo do observado, apesar do resíduo não parecer em sua totalidade um ruído branco.

Figura 7- GNV Modelo Proposto: gráfico observado vs. estimado e resíduo

-8000 -4000 0 4000 8000 80000 120000 160000 200000 240000 2004 2005 2006 2007 Residual Actual Fitted

(46)

O resultado da previsão para consumo de GNV em m3 (e o respectivo erro padrão) comparado com o volume observado no período é exibido na figura 8 (linha azul representa o volume real e a linha vermelha o estimado) e na tabela 16. O erro quadrático médio de previsão de maio/08 a abril/09 foi de 147 mil m3. O resultado acumulado neste mesmo período indicou uma diferença de 110 mil m3 (4,79%)entre o projetado e o observado.

Figura 8- GNV Modelo Proposto: gráfico previsão observado vs. estimado

Tabela 16 – GNV Modelo Proposto: Resultado previsão vs. observado

160000 170000 180000 190000 200000 210000 220000 230000 2008M07 2008M10 2009M01 2009M04 VOL_BE_GNV_M3 Z3_DINFC_GNV12 Z3_DINFC_GNV12+2*Z3_DINFC_GNV12_SE Z3_DINFC_GNV12-2*Z3_DINFC_GNV12_SE

mês/ano Observado BE Projeção Proj - Obs Erro2 Proj/Obs

mai-08 207 211 3.6 13 1.74% jun-08 201 202 0.0 0 0.02% jul-08 202 203 1.2 1 0.60% ago-08 204 209 5.0 25 2.44% set-08 199 203 3.9 15 1.97% out-08 204 207 3.0 9 1.44% nov-08 191 199 8.5 72 4.44% dez-08 200 209 9.3 86 4.65% jan-09 175 191 16.2 261 9.23% fev-09 170 182 12.0 145 7.10% mar-09 181 204 23.1 533 12.79% abr-09 172 197 24.7 608 14.34% Média 12m 192.1 201.3 9.2 147.4 n/a

mai/08 a abr/09 Observado BE Projeção Proj -Obs Proj/Obs 12 meses 2,305 2,415 110 4.79%

vol. gnv em mil m3

(47)

4.3.4 Consumo de Álcool Hidratado (AH)

Na equação do consumo de AH foram considerados a frota flex que utiliza álcool, o cálculo será apresentado em seguida, e dummies para sazonalidade mensal. Não foi considerada a frota de álcool, pois esta variável não apresentou relevância no modelo. Uma variável que poderia ser interessante no modelo é uma dummy do período de entressafra do álcool, mas esta não foi testada por não conseguir os dados de uma fonte confiável.

Figura 9- AH: gráfico volume diesel em m3-Datagro

A fim de estipular o percentual da frota flex que utiliza álcool e o percentual que utiliza gasolina, foi utilizado o método de interpolação por splines cúbicos, que suaviza a curva e evita a introdução de “bicos”. O software utilizado foi o Matlab e foi assumido que para uma paridade do preço álcool e gasolina (preço álcool/preço gasolina) de 0%, o percentual de consumo de álcool é de 100%, e para uma paridade de 70%, o percentual de consumo de álcool é de 50%. Pela eficiência energética, o álcool roda 70% do que roda a gasolina com a mesma quantidade de litros, sendo assim quando a paridade for de 70%, em termos de custo, não há diferença na escolha. A tabela com o resultado de paridade e percentual se encontra no

200000 400000 600000 800000 1000000 1200000 1400000 2002 2003 2004 2005 2006 2007 2008 VOL_DATAGRO_AH_M3