Energia e PIB no Brasil: Estimativas da Elasticidade-Renda e Causalidade.

Transcrição

1 FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONALIZANTE EM ECONOMIA Energia e PIB no Brasil: Estimativas da Elasticidade-Renda e Causalidade. MARCOS MAZZAROPPI DE CAMPOS ROSA ORIENTADOR: PROF. DR. MARCELO DE ALBUQUERQUE E MELLO Rio de Janeiro, 22 de junho de 2011.

2 ENERGIA E PIB NO BRASIL: ESTIMATIVAS DA ELASTICIDADE-RENDA E CAUSALIDADE MARCOS MAZZAROPPI DE CAMPOS ROSA Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Economia Empresarial ORIENTADOR: PROF. DR. MARCELO DE ALBUQUERQUE E MELLO Rio de Janeiro, 22 de junho de 2011.

3 ENERGIA E PIB NO BRASIL: ESTIMATIVAS DA ELASTICIDADE-RENDA E CAUSALIDADE MARCOS MAZZAROPPI DE CAMPOS ROSA Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Economia Empresarial Avaliação: BANCA EXAMINADORA: Professor MARCELO DE ALBUQUERQUE E MELLO (Orientador) Instituição: Faculdade de Economia e Finanças IBMEC Professor ALEXANDRE BARROS DA CUNHA Instituição: Faculdade de Economia e Finanças IBMEC Professor WERNER BAER Instituição: University of Illinois at Urbana-Champaign Rio de Janeiro, 22 de junho de 2011.

4 M 330 M332 Mazzaroppi, Marcos de Campos Rosa. Energia e PIB: Estimativas da Elasticidade-Renda e Causalidade / Marcos Mazzaroppi de Campos Rosa Rio de Janeiro: Faculdades Ibmec, P. 51 Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do grau de Mestre em Economia. Área de Concentração: Orientador: Prof. Dr. Marcelo de Albuquerque Mello 1. Consumo de Energia Primária Brasil 2.PIB X Consumo de Energia Primária - Brasil II. Prof.Dr. Mello, Marcelo de Albuquerque (Orientador). III. Energia e PIB na Brasil: Estimativas da Elasticidade - Renda e Causalidade.

5 DEDICATÓRIA A minha família, que esteve sempre presente ao meu lado, em todos os desafios. i

6 AGRADECIMENTOS A Deus. Ao meu orientador, Marcelo Mello, pelas excelentes aulas e orientação, que tornaram este trabalho real. Aos professores Alexandre Cunha e Werner Baer por participarem da minha banca. Aos meus amigos de trabalho que estiveram sempre presentes na elaboração de idéias e no incentivo. Em especial: Alfredo Renault, Bruno Musso, Eloi Fernandez, Helena Fonseca, Henrique Gruenbaum, Juliana Lattari, Paulo Buarque e Rodolfo Fraenkel, pela valorosa troca de idéias sobre o tema e ajuda no texto. Aos meus irmãos, agradeço pela paciência que tiveram em me esperar. ii

7 RESUMO A proposta deste trabalho é analisar a relação entre PIB e o consumo de energia primária no Brasil, no período de 1970 a Estimar a elasticidade-renda e a direção da causalidade preditiva entre as variáveis é importante para os gestores de políticas. Utilizamos o Modelo de Correção de Erro Vetorial MCEV, em um Vetor Auto Regressivo VAR, com três variáveis: PIB, consumo de energia primária e preço da energia primária. Os resultados mostram uma elasticidade-renda superior a 1, com a direção da causalidade indo do PIB para a Energia, o que sugere o Brasil ser um país menos energeticamente dependente. Construímos modelos econométricos alternativos e finalmente, realizamos um breve cenário da demanda futura por energia. Palavras Chave: PIB, Energia, Elasticidade-renda da energia, VAR, MCEV, Cointegração. iii

8 ABSTRACT The purpose of this paper is to analyze the relationship between GDP and Energy in Brazil using data for the period of 1970 to In this regard, estimating the income-elasticity and the direction of the Granger causality is important to policy makers. Three variables ; GDP, Energy Consumption and Energy Price were used and applied to a Vector Error Correction Model VECM and a Vector Auto Regressive VAR. The empirical results provide an income-elasticity above 1 and the causality running from GDP to Energy. Finally, alternative models were constructed and a future demand scenario for energy was forecasted. Key Words: GNP, Energy, Income elasticity of energy, VAR, VECM, Cointegration iv

9 LISTA DE FIGURAS Figura 1 Oferta Interna de energia primária: Fontes energéticas Figura 2 Oferta Interna de energia primária: Blocos energéticos Figura 3 Oferta de Energia estimada versus Oferta de Energia real Figura 4 PIB e Energia Figura 5 Balanço Energético Nacional (2010). Tabela VIII.9 / Densidades e Poderes Caloríficos Figura 6 Lee(2005). Quadro comparativo dos estudos anteriores Figura 7 Belke et al. (2010). Quadro comparativo dos estudos anteriores Figura 8 Kayoncu et al. (2010). Quadro comparativo dos estudos anteriores Figura 9 EPE (2010). Elasticidade-renda do consumo de energia v

10 LISTA DE TABELAS Tabela 1 Variáveis Utilizadas... 9 Tabela 2 Fontes de Energia Primária Tabela 3 Teste de Raiz Unitária (DF-GLS) Tabela 4 Critério de seleção de defasagens. VAR Energia Tabela 5 Critério de inclusão termo de tendência. VAR Energia Tabela 6 Teste do Autovalor Máximo Tabela 7 Teste do Traço Tabela 8 Vetor de Correção de Erros Tabela 9 Causalidade de Granger Tabela 10 Teste do Autovalor Máximo sem tendência Tabela 11 Teste do Traço sem tendência Tabela 12 Vetor de Correção de Erros sem tendência Tabela 13 Vetor de Correção de Erros sem tendência Tabela 14 Vetor de Correção de Erros sem tendência Tabela 15 Teste do Autovalor Máximo Modelo bí-variável, com tendência Tabela 16 Teste do Traço Modelo bí-variável, com tendência Tabela 17 Teste do Autovalor Máximo Modelo bí-variável, sem tendência Tabela 18 Teste do Traço Modelo bí-variável, sem tendência Tabela 19 Vetor de Correção de Erros Modelo Bí-Variável, sem tendência vi

11 LISTA DE ABREVIATURAS ANEEL ANP ADF AIC BEN DF-GLS EIA EPE IGP-DI MCEV MME PIB PNB SIC TEP VAR VCE Agência Nacional da Energia Elétrica Agência Nacional do Petróleo, Gás Natural e Biocombustíveis Argumented Dickey-Fuller Akaike Information Criteria Balanço Energético Nacional Dickey-Fuller Generalized Least Square Energy Information Administration Empresa de Planejamento Energético Índice geral de preços disponibilidade interna Modelo de Correção de Erro Vetorial Ministério de Minas e Energia Produto Interno Bruno Produto Nacional Bruto Schwarz Information Criteria Tonelada Equivalente de Petróleo Vetor Auto Regressivo Vetor de Correção de Erro vii

12 SUMÁRIO 1 INTRODUÇÃO REVISÃO DA LITERATURA MODELO TEÓRICO DADOS E METODOLOGIA DADOS CONSTRUÇÃO DO ÍNDICE DE PREÇOS ÍNDICE DE PREÇO DO PETRÓLEO ÍNDICE DE PREÇO DO GÁS NATURAL ÍNDICE DE PREÇO DA ENERGIA ELÉTRICA ÍNDICE DE PREÇO DOS DERIVADOS DE CANA-DE-AÇUCAR E OUTROS RENOVÁVEIS ÍNDICE DE PREÇO ESTIMADO DA ENERGIA PRIMÁRIA METODOLOGIA ANÁLISE EMPÍRICA MODELO DE DEMANDA DE ENERGIA PRIMÁRIA CAUSALIDADE DE GRANGER viii

13 5.3 MODELOS ALTERNATIVOS CENÁRIOS FUTUROS CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICE A ANEXO A ANEXO B ANEXO C ix

14 1 INTRODUÇÃO Um assunto importante para os gestores de políticas é a relação entre o PIB e o consumo de energia primária. Diversos estudos já foram realizados para tentar identificar a direção da causalidade preditiva entre as variáveis, e a elasticidade-renda do consumo de energia primária, porém ainda não existe consenso na literatura econômica. 1 Estudar a relação entre PIB e consumo de energia auxilia no planejamento do país, pois é necessário que a política econômica esteja alinhada com a política energética. Caso não exista energia necessária para sustentar o nível de atividade econômica, o PIB poderá sofrer um impacto negativo, pois não será possível atingir o nível de produção esperado. Estimar a elasticidade-renda do consumo de energia ajuda na convergência das políticas, ou seja, o equilíbrio entre a oferta interna de energia com a demanda energética futura, impulsionada pelo aumento do PIB. O coeficiente estimado da elasticidade-renda torna viável a elaboração de previsões da demanda futura por energia, baseado em projeções da política econômica. Modelos de crescimento econômico tipicamente levam em consideração os fatores de produção capital e trabalho, entretanto o papel da energia vem sendo estudado nestes modelos. Segundo Pierse et al. (2005), a energia primária é um fator de produção importante, 1 Energia primária é o somatório de todas as fontes energéticas 1

15 junto aos dois tradicionais,capital e trabalho, junto com outras matérias primas. Com isso, espera-se que o consumo de energia esteja correlacionado com o PIB. A direção da causalidade impacta diretamente na escolha da política energética. Lee (2005) argumenta que caso a direção da causalidade aconteça do PIB para a energia, o país tem uma economia com menor grau de dependência energética, ou seja, uma redução ou mudança na política energética gera menor impacto na economia. Porém, caso a causalidade ocorra do consumo de energia para o PIB, o país possui alto nível de dependência energética, porque neste caso o aumento do consumo de energia primária induz o aumento do PIB. Caso a oferta de energia primária seja menor que a demanda, o consumo será menor que o potencial (esperado), impactando o negativamente o PIB. Payne e Apergis (2009) argumentam que a ausência de um consenso nos trabalhos empíricos entre a direção da causalidade, ocorre devido a uma série de fatores, entre eles: países com estágios econômicos diferentes, metodologias econométricas diversas, variáveis omitidas e fontes energéticas distintas. Belke et al. (2010) afirmam que o preço da energia foi negligenciado em vários estudos. Logo, os parâmetros de longo prazo e a direção da causalidade podem estar enviesados. A omissão da variável de preço da energia em alguns modelos ocorre pela dificuldade de se obter o preço real da energia primária, pois este é a média dos preços de todas as fontes presentes na matriz energética do país. Neste trabalho, estimamos o preço da energia primária através da utilização da energia, dividida em quatro blocos: petróleo, gás natural, energia elétrica, álcool e outros renováveis. 2

16 Segundo Saten (2008), a informação precisa da elasticidade-renda e elasticidade-preço possibilita a elaboração de projeções sobre a demanda futura de energia, em relação ao nível da atividade econômica esperada. O objetivo deste trabalho é estudar a elasticidade-renda de longo prazo do consumo de energia primária no Brasil, ou seja, analisar qual é o impacto do nível da atividade econômica no consumo energético primário e estimar a direção da relação de causalidade entre as variáveis. Os resultados do modelo empírico sugerem que a relação de causalidade entre energia e PIB ocorra na direção do PIB para o consumo de energia, sendo o Brasil, no período de 1970 a 2009, um país energeticamente menos dependente, atenuando o impacto de um descompasso entre as políticas energéticas e econômicas. A elasticidade-renda estimada no período foi superior a 1, o que sugere um maior impacto no consumo de energia vis a vis o nível de atividade econômica, pois ao aumentar em 1% o PIB, o consumo por energia primário ira aumentar mais do que 1%. Apresentamos ao final do trabalho uma projeção da demanda futura de energia, baseada na elasticidade-renda estimada. Este trabalho está divido em seis capítulos. O capítulo dois reúne a literatura econômica, o terceiro faz uma breve descrição do modelo teórico de consumo energético/crescimento econômico. O quarto capítulo explica a metodologia utilizada e a base de dados. O capítulo cinco é composto pela análise empírica dos dados, aplicação da metodologia, elaboração de 3

17 modelos alternativos e projeção da demanda futura por energia primária. Por fim, concluímos no capítulo seis. 4

18 2 REVISÃO DA LITERATURA Segundo Belke et al. (2010), podemos dividir os trabalhos empíricos que estudam a relação entre energia primária e o nível de atividade econômica, em três gerações. A primeira geração assume que as variáveis são estacionárias e utilizam a metodologia de Vetores Auto Regressivos - VAR, com testes de causalidade unidirecional de Granger ou Sims. 2 A segunda geração de trabalhos sugere uma abordagem de tendência estocástica das variáveis, ou seja, de séries não estacionárias. Tendo como base o modelo de Engle e Granger (1987), com a aplicação do conceito de cointegração, em um Modelo de Correção de Erro Vetorial - MCEV. A terceira geração utiliza como base a metodologia de Johansen (1991), com uma abordagem de multi-variáveis, principalmente com a inclusão de uma variável representando o preço da energia primária. 2 Teste utilizado no artigo de Kraft e Kraft (1974), baseado na metodologia de causalidade preditiva Granger Causality. O teste de Sims está disponível no artigo: SIMS, Christopher Money, Income, and Causality. The American Economic Review, Vol. 62 5

19 Kraft e Kraft (1978) foram os pioneiros no estudo entre energia e PNB. Eles concluíram que existe uma relação de causalidade unidirecional, do PNB para o consumo de energia nos EUA, no período de 1947 a Masih e Masih (1996) argumentam que o teste de causalidade é muito sensível a séries não estacionárias. Citam o trabalho de Yu e Hwang (1984) que utilizando a metodologia de cointegração, obtiveram resultados diferentes nos EUA, no mesmo período do estudo de Kraft e Kraft. Citam também o trabalho de Dunkerley (1982), expondo que o consumo de energia e o PIB são altamente correlacionados, tanto de forma nominal quando em relação às taxas de crescimento. Glasure e Lee (1997) afirmam que os trabalhos empíricos da relação de causalidade, baseados na metodologia de Sims são inconsistentes, pois assume que as séries são estacionárias. A utilização da metodologia de Granger (1981) demonstra que séries não estacionárias se tornam estacionárias através da diferenciação. Porém, podem existir combinações lineares entre as séries que são estacionárias, sem necessitar diferenciá-las. Quando duas variáveis são cointegradas, elas são estacionárias na mesma ordem e existe uma relação de equilíbrio de longo prazo entre elas. Masih e Masih (1996) complementam que quando duas variáveis cointegram, elas possuem a mesma tendência (estocástica) e por isso é necessário que exista uma relação de causalidade (preditiva) em pelo menos uma das direções, ou nas duas. 6

20 Lee (2005) estudou a relação entre consumo de energia e PIB em 18 países em desenvolvimento, no período de 1975 a Também consolidou um quadro comparativo com os resultados e metodologias utilizadas, em diversos estudos. 3 Saten (2008) afirma que estimar a função de demanda por energia, em função do PIB e preço, é importante porque provê informação sobre a elasticidade-renda e elasticidade-preço. Com as informações providas pela elasticidade é possível planejar a oferta, garantindo assim convergência entre política econômica e política energética, não havendo descompasso entre a energia demandada para determinado nível de atividade econômica e a oferta. 3 No anexo B, está disponível três quadros comparativo dos estudos elaborados por: Lee (2005), Belke et al. (2010) e Kalyoncu et al. (2010). 7

21 3 MODELO TEÓRICO Segundo Hunt e Al-Rabbaie (2003), Lima e Schmidt (2004), Smyth e Narayan (2008) e Saten (2008), o consumo de energia primária é função do PIB e do preço da energia, podendo ser definida sob a forma de um função Cobb-Douglas. (1) Onde é o consumo de energia primária, é o PIB brasileiro e é o preço da energia primária, α é a elasticidade-renda de longo prazo e β a elasticidade-preço de longo prazo. Hawdon e Al-Azzam (2006) especificaram o modelo como log-linear, pois o resultado dos coeficientes pode ser interpretado como a elasticidade preço e elasticidade-renda. Abaixo, apresentamos o modelo log-linear (2) 8

22 4 DADOS E METODOLOGIA 4.1 DADOS Para os dados referentes ao consumo de energia e fontes energéticas no Brasil, utilizamos como fonte o Balanço Energético Nacional 2010, ano base 2009, do Ministério de Minas e Energia. Os dados econômicos, do PIB, inflação e taxa de câmbio foram retirados do IPEADATA. O preço do petróleo e do gás natural foram obtidos do US Energy Information Administration (EIA) e o preço da Energia Elétrica da ANEEL. A tabela 1 descreve as variáveis utilizadas neste trabalho. VARIÁVEL DESCRIÇÃO Y Ln do PIB Brasil Preços 2009 C E Ln do Consumo de Energia Primária 10 3 tep C P Ln do Consumo de Petróleo 10 3 tep C GN Ln do Consumo de Gás Natural 10 3 tep P E Ln do Índice de preços de Energia Primária P P Ln do índice de preços do Petróleo P GN Ln do Índice de preços do Gás Natural Ln do Índice de preço da Energia Elétrica P EL Tabela 1 Variáveis Utilizadas A oferta interna de energia primária nos anos de 1970 a 2009 foi distribuída pelas fontes energéticas, apresentada a seguir. 4 4 Quantidade de energia que se coloca à disposição para ser transformada e/ou para consumo final. Oferta Interna = Produção + Importação Exportação + Estoque Reinjeção Não-Aproveitada (BEN 2010). 9

23 milhão Tep OUTRAS RENOVÁVEIS DERIVADOS DA CANA-DE-AÇÚCAR LENHA E CARVÃO VEGETAL HIDRÁULICA E ELETRICIDADE (*) URÂNIO (U3O8) E DERIVADOS CARVÃO MINERAL E DERIVADOS GÁS NATURAL PETRÓLEO E DERIVADOS Figura 1 Oferta Interna de energia primária: Fontes energéticas CONSTRUÇÃO DO ÍNDICE DE PREÇOS Como energia primária é o somatório de todas as fontes energéticas, não há um único preço. O índice preço da energia primária é composto da média ponderada, do peso da oferta interna de cada fonte energética em toneladas equivalentes de petróleo (tep) e seu respectivo preço, conforme demonstrado a seguir: 5 (5) Onde é a oferta interna da energia i (em tep) e é o índice de preço da fonte i. 5 Tep - Unidade utilizada nos Balanços Energéticos. As diferentes unidades de medidas das formas de energia são convertidas com base no poder calorífero superior de cada energético em relação ao do petróleo, de kcal/kg. A tabela de conversão encontra-se no Anexo 1. 10

24 A matriz energética brasileira é composta das seguintes fontes primárias: NÃO RENOVÁVEL RENOVÁVEL Petróleo e Derivados Hidráulica Gás Natural Carvão Vegetal e Lenha Carvão Mineral e Derivados Derivados de Cana-de-Açucar Urânio (U 3 O 8 ) e Derivados Outras Renováveis Tabela 2 Fontes de Energia Primária O preço da energia primária é a combinação do preço dessas oito fontes energéticas, ponderadas pela sua participação na matriz energética brasileira. Apenas o petróleo e o gás natural possuem comercialização efetiva, com preço estabelecido pelo mercado. Como as outras seis fontes energéticas não possuem preço de mercado, não é possível definir o preço da energia primária, através de seus insumos energéticos. Analisando a energia primária, em função de sua utilização por energético, observamos que existem quatro blocos energéticos com finalidades semelhantes: petróleo, gás natural, energia elétrica e cana-de-açúcar e outras renováveis milhão Tep CANA-DE-AÇUCAR E OUTROS ELÉTRICA GÁS NATURAL PETRÓLEO Figura 2 Oferta Interna de energia primária: Blocos energéticos 11

25 4.1.2 ÍNDICE DE PREÇO DO PETRÓLEO No período de 1970 até 1997, existiu no Brasil o monopólio da exploração e produção, sendo o preço interno definido pelo governo. 6 Além disso, o petróleo é uma commodity, sendo seu preço estabelecido no mercado internacional, em dólares. Devido a estas características, a melhor referência para o preço é o valor internacional da commodity petróleo. O preço de referência escolhido foi o Brent em reais (R$). 7 O índice de preço foi calculado da seguinte forma: (6) Onde o Brent t é a cotação do barril do Brent no ano t em US$, Câmbio t é o câmbio R$/US$ no ano t e IGPDI t é o IGP-DI no ano t, sendo t ÍNDICE DE PREÇO DO GÁS NATURAL O mercado de Gás Natural possui as mesmas características de mercado do Petróleo. Utilizamos como referência o Henry Hub em reais (R$). 8 O índice de preço do Gás Natural foi definido como: 6 Lei 9.478/97. 7 O barril Brent é um blend, ou seja, uma mistura de vários óleos originários do mar do norte (Europa), sendo negociado em Londres (Inglaterra), sendo seu preço no mercado spot publicado diariamente no Platt s Crude Oil Marketwire. O preço do Brent é hoje um dos maiores preços de referência no mercado de petróleo. 8 Henry Hub é o um gasoduto localizado no Erath, Louisiana, que serve como local de entrega oficial dos contratos futuros de preço da NYMEX Bolsa de Mercados Futuros de Nova Iorque. O preço no Henry Hub é utilizado como Proxy para os contratos de gás natural. 12

26 (7) Onde Henry Hub t é a cotação do m³ do Henry Hub no ano t em US$, Câmbio t é o câmbio R$/US$ no ano t e IGP-DI t é o IGPDI no ano t, sendo t ÍNDICE DE PREÇO DA ENERGIA ELÉTRICA Analisando o restante das fontes de energia primária, observamos que quatro Carvão Mineral, Urânio, Carvão Vegetal e Hidráulica, se destinam a geração de energia elétrica. Ao invés de analisar cada energético e ponderar ao seu respectivo preço, somamos a produção dos quatro, pois são destinados a mesma utilização, energia elétrica, e estão na mesma unidade tep. O preço será a tarifa energética média cobra no Brasil. (8) Onde, O EL é a oferta de energia elétrica, O CM a oferta de carvão mineral, O U a oferta de urânio, O CV a oferta de carvão vegetal e O H a oferta de energia hidráulica. O índice de preço da Energia Elétrica é definido por: (9) Onde é a tarifa média da energia elétrica no Brasil em R$, no ano t e IGPDI t é o IGP-DI no ano t, sendo t

27 4.1.5 ÍNDICE DE PREÇO DOS DERIVADOS DE CANA-DE-AÇUCAR E OUTROS RENOVÁVEIS Analisando os derivados de cana-de-açúcar e outras fontes renováveis, observamos que apenas o álcool etílico hidratado possui preço de mercado, divulgado pela Agência Nacional do Petróleo ANP. Os dados apenas estão disponíveis após o ano de Estimar o preço de 1970 a 1999 é de extrema dificuldade, devido ao álcool ter sido introduzido na matriz energética através de programa governamental, não existindo qualquer relação direta de preço com bens substitutos, como por exemplo, a gasolina. Devido à falta de informação sobre o preço dos derivados de cana-de-açúcar e outros renováveis, não é possível calcular o índice de preço da energia primária. Entretanto, é possível estimá-lo ÍNDICE DE PREÇO ESTIMADO DA ENERGIA PRIMÁRIA Analisando a oferta interna de derivados de cana-de-açúcar e outros renováveis, na composição da oferta interna de energia primária, entre 1970 e 2009, observamos que estes energéticos corresponderam, em média, a 14,3% da oferta interna de energia, tendo participação inferior a 20% entre 1970 e 2007, sendo de 20,3% e 21,9% em 2008 e 2009, respectivamente, conforme demonstrado na figura 3. Definimos então, a oferta interna estimada de energia primária como sendo a oferta interna de petróleo, gás natural e elétrica, ou como a oferta interna de energia primária menos a oferta interna de derivados de cana-de-açúcar e outros renováveis. 14

28 (10) (11) Onde é a oferta interna estimada de energia primária, a oferta interna de petróleo, a oferta interna de gás natural, a oferta interna de energia elétrica, a oferta interna de energia primária e a oferta interna de cana-de-açúcar e outros renováveis. A figura abaixo mostra a relação da oferta estimada vis a vis a oferta real 100% 95% 90% 85% 80% 75% Figura 3 Oferta de Energia estimada versus Oferta de Energia real Utilizando a oferta estimada de energia primária, definimos o preço da energia primária como: (11) 15

29 Onde é o índice de preço da energia primária no ano t, o índice de preço do petróleo no ano t, a oferta interna de petróleo no ano t, o índice de preço do gás natural no ano t, a oferta interna de gás natural no ano t, o índice de preço da energia elétrica no ano t, a oferta interna de energia elétrica no ano t e a oferta estimada de energia primária no ano t, sendo t O índice de preço da energia primaria é definido como : (12) Onde é o índice de preço da energia elétrica no Brasil, ano base METODOLOGIA Como existe correlação entre as três variáveis, PIB, consumo de energia e preço da energia, utilizamos um Vetor Auto Regressivo VAR. Como as séries possuem tendência estocástica, precisamos resolver o problema da não estacionaridade. 9 Existem duas maneiras de resolver o problema da tendência estocástica: Diferenciar as variáveis ou, caso elas cointegrem, utilizar um Vetor de Correção de Erro - VCE. A metodologia utilizada foi proposta por Johansen (1988), com a utilização de um Vetor de Correção de Erro (VCE), em complemento ao Vetor Auto Regressivo VAR. Esta metodologia já foi utilizada diversas vezes neste tema, sendo considerado por Belke et al. (2010) um trabalho de terceira geração. 9 Os testes de estacionaridade estão disponíveis no capítulo 5 16

30 Utilizamos para estimar a direção da causalidade preditiva entre o PIB e o consumo de energia primária, o teste de causalidade de Granger no VAR. A seguir, demonstramos um exemplo de VAR com uma defasagem VAR(1). (3) Em notação matricial: (4) Sendo o consumo de energia primário, o PIB brasileiro e o preço da energia. 17

31 5 ANÁLISE EMPÍRICA Para podermos aplicar a metodologia em nossa base de dados, existem testes e análises a serem realizadas. Uma das maiores preocupações ao se trabalhar com dados em série de tempo está relacionada a séries não estacionárias ou com tendência estocástica. Quando isso ocorre, é necessário tornar estas séries estacionárias, através do operador de primeiras diferenças, ou utilizar a metodologia de cointegração. Realizamos o teste de DF-GLS, pois os testes de raiz unitária sofrem com o problema de baixo poder, ou seja, dificilmente se rejeita a hipótese nula quando esta é falsa, aceitando a hipótese de tendência estocástica quando não deveria se aceitar. A vantagem do DF-GLS está em estimar a equação de em dois estágios, primeiro estimando os componentes determinísticos, para depois estimar a equação de ADF. A tabela 1 apresenta o resultado. 18

32 Variável Constante Constante e tendência (em ln) Defasagens Estatística Defasagens Estatística Y 2 0,398381*** 3-1,120542*** Ce 1-0,078475*** 7-0,909921*** Pe 1-1,523174*** 1-1,74065*** Notas : 1. Valores Críticos para a constante: -2,625606, -1, e -1, para 1%, 5% e 10% respectivamente 2. Valores Críticos para a constante e tendência: -3,770000, -3,190000, 2, para 1%, 5% e 10% respectivamente 3. *, ** e *** representam, respectivamente, 10%, 5% e 1% de nível de significância Tabela 3 Teste de Raiz Unitária (DF-GLS) Ao nível de significância de 1%, todas as variáveis são não estacionárias. 5.1 MODELO DE DEMANDA DE ENERGIA PRIMÁRIA Construímos um Vetor Auto Regressivo - VAR, com as variáveis de consumo de energia primário ( ), PIB Real (Y) e o índice de preço da energia primária ( ), todas em logaritmo natural. O próximo passo é definir o número de defasagens dessas variáveis no VAR. Abaixo demonstramos o resultado do teste, e os valore dos critérios de informação de Akaike e Schwartz. VAR: ENERGIA DEFASAGEM AIC SIC 0-2, , ,234887* -8,712427* 2-9, , , , Tabela 4 Critério de seleção de defasagens. VAR Energia Utilizando os critérios de informação de Akaike e Schwarz, definimos o VAR com uma defasagem, pois em ambos os critérios, este é o que minimiza (otimiza) os critérios de seleção. 19

33 Após a definição do VAR com suas defasagens, fazemos o teste para definição da inclusão do termo de tendência linear no modelo. A metodologia para escolha do modelo consiste no cálculo de dois VARs, sendo um com o elemento de tendência e o outro sem. Realizado isso, compara-se os critérios de informação de AIC e SIC VAR: ENERGIA Com tendência Sem tendência AIC -9,397775* -9, SIC -8,757944* -8, Tabela 5 Critério de inclusão termo de tendência. VAR Energia Definimos então, o modelo empírico sendo um Vetor Auto Regressivo com uma defasagem VAR (1), com a presença do termo de tendência linear. O modelo do consumo de energia primária é definido como: (13) Onde os são os termos de tendência linear. Como as variáveis são não estacionárias, realizamos o teste de cointegração. Caso as variáveis cointegrem, significa que o resultado da relação das variáveis é um processo estacionário, ou seja, existe equilíbrio de longo prazo. Existem dois testes que definem se as variáveis cointegram e quantos são os vetores de cointegração: teste do Traço e teste do Autovalor Máximo. A diferença dos testes está nas especificações das hipóteses. 20

34 O teste do Traço tem como hipótese nula que o número máximo de vetores de cointegração é igual ou menor ao número de vetores da hipótese alternativa. Primeiro, testa-se com zero vetor, após com um vetor, seguido por dois vetores e assim sucessivamente. O teste do Autovalor máximo possuí a hipótese nula igual ao teste do Traço, porém sua hipótese alternativa é definida, sendo mais parcimonioso (ENDERS, 2010). Os valores críticos são definidos através da metodologia de Monte Carlo. Abaixo, descrevemos os resultados. Teste do Autovalor Máximo Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0464 Nenhuma* 0, , , ,0859 Max 1 0, , , ,7418 Max 2 Tabela 6 Teste do Autovalor Máximo Teste do Traço Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0151 Nenhuma* 0, , , ,1508 Max 1 0, , , ,7418 Max 2 Tabela 7 Teste do Traço Ao valor crítico de 5%, observamos que a estatística do Traço e do Autovalor máximo indicam que existe apenas um vetor de cointegração, ou seja, apenas uma relação de equilíbrio de longo prazo, o que é embasado na teoria econômica. O próximo passo da análise empírica é fazer o Modelo de Correção de Erro Vetorial MCEV, utilizando um vetor de cointegração. A seguir, informamos o resultado: 21

35 Ct Yt Pt T K Coeficiente Normalizado 1, , , , ,88791 Desvio Padrão (0,27928) (0,05371) (0,00840) Estatística T [-6,73985] [1,47608] [ 2,51532] Tabela 8 Vetor de Correção de Erros O modelo do consumo de energia primária no Brasil pode ser definido por: (14) Os coeficientes que obtivemos podem ser interpretados como as elasticidades de longo prazo, porque especificamos o modelo com as variáveis em logaritmo. De acordo com o nosso resultado empírico, a elasticidade-renda de longo prazo do consumo de energia primária no Brasil é igual a 1,882. Ao aumentar em 1% o PIB brasileiro, o consumo de energia primário cresce em 1,88%. Este resultado é de suma importância para analisar se o planejamento econômico está alinhado ao planejamento energético, e vice-versa. A elasticidade-preço de longo prazo é negativa em 0,079, o que era esperado pela teoria econômica. Não vamos aprofundar a analise sobre a elasticidade-preço pois este não é o objetivo deste trabalho. Ressaltamos também que o índice de preço foi estimado, então é necessário haver testes complementares para que seja possível compreender melhor o valor deste coeficiente. 5.2 CAUSALIDADE DE GRANGER Após a elaboração dos testes empíricos, fizemos o teste de causalidade de Granger, utilizando no VAR o consumo de energia primária, o PIB e o preço da energia. 22

36 Incluímos também no teste, o termo de tendência linear. A seguir, descrevemos o resultado: Causalidade de Granger Direção Com tendência Sem tendência Energia - PIB 0,5608 0,1413 PIB - Energia 0,0994* 0,0001*** Notas: 1. VAR: Ce, Y, Pe 2. *, ** e *** representam, respectivamente, 10%, 5% e 1% de nível de significância Tabela 9 Causalidade de Granger Observamos que ao nível de significância de 10%, existe causalidade unidirecional do PIB para o consumo de energia, com o termo de tendência e ao nível de significância de 1%, sem o termo de tendência. Pela definição de causalidade preditiva, ou causalidade de Granger, um aumento do PIB pode gerar impactos positivos no consumo de energia primária, porém um aumento no consumo de energia primária não impacta o PIB. Concluímos então, que o Brasil é um país menos energético-dependente, e o impacto de políticas energéticas é menor na economia, desde que seja ofertada a energia primária necessária para sustentar o nível de atividade econômica. 5.3 MODELOS ALTERNATIVOS Realizamos dois modelos alternativos para comparar os resultados ao nosso modelo de consumo por energia e comparamos também a um modelo externo da elasticidade-renda As tabelas com os resultados dos testes dos modelos alternativos encontram-se no Apêndice A. 23

37 Primeiro, realizamos um modelo com as três variáveis originais, consumo de energia, PIB e preço da energia, porém excluímos o termo de tendência do VAR. Obtivemos apenas um vetor de cointegração, tanto pela estatística do Traço quanto do Autovalor máximo. Após, estimamos o Vetor de Correção de Erro - VCE, tendo como resultando o valor de 1,06 para elasticidade-renda de longo prazo. O problema deste modelo é o fato dos testes das variáveis e do VAR, sugerir a inclusão do termo de tendência, e este ser negligenciado neste modelo. Após esta análise, realizamos um modelo com apenas duas variáveis, consumo de energia e PIB. Os testes de defasagem e de inclusão do termo de tendência sugeriram um VAR (1) com o termo de tendência linear, porém ao realizar os testes de cointegração, tanto pela estatística do Traço quanto do Autovalor máximo, obtivemos dois vetores de cointegração, o que vai contra a literatura e nossa intuição econômica. Acreditamos que só exista uma relação de equilíbrio de longo prazo entre as duas variáveis. Realizando o modelo sem o termo de tendência, a elasticidade-renda calculada foi de 1,09. O teste de causalidade de Granger sugere uma relação preditiva em duas vias, ou seja, indo da energia para o PIB e vice-versa. O modelo mais parcimonioso para a estimação da elasticidade-renda no Brasil é o nosso modelo empírico, porém os resultados dos modelos alternativos são de grande utilidade, pois todos demonstram uma elasticidade-renda superior a 1, mesmo com abordagens diferentes. A Empresa de Planejamento Energético EPE, empresa pública ligada ao Ministério de Minas e Energia MME, realizou um modelo próprio para estimar a demanda futura de energia primária para o período de 2011 a 2020, publicada no Plano Decenal de Expansão de 24

38 Energia PDE Neste modelo, a elasticidade-renda também foi superior a 1, o que corrobora o nosso modelo. 5.4 CENÁRIOS FUTUROS Com base na elasticidade-renda calculada através do modelo de correção de erro, podemos gerar cenários para o consumo de energia primária no Brasil, referenciados à política econômica. Se o Brasil planeja crescer o PIB para os próximos 10 anos, em média, 5% ao ano, significa ter que aumentar, em média, 9,4% da oferta de energia primária ao ano. Com essa projeção, para 2020, o PIB brasileiro será 62,8% maior que o de 2010 e o consumo de energia primária, 145,6% maior. O estudo da EPE utiliza a mesma premissa do crescimento econômico de 5% ao ano. A demanda futura por energia é projetada como sendo superior a 60% ou seja, acima do crescimento do PIB. A figura 4 mostra a comparação entre o crescimento do PIB e o consumo futuro de energia primária, para os próximos 10 anos, utilizando como base a elasticidade-renda estimada em 1,88. Os modelos alternativos sugerem um valor um pouco diferente, porém sempre superior a 1. Podemos concluir que a demanda futura por energia, seja representada pela área entre as duas curvas. 11 A tabela encontra-se no Anexo C 25

39 índice 2010= PIB Energia Figura 4 PIB e Energia 26

40 6 CONCLUSÃO O objetivo desta dissertação foi estudar a relação em o PIB e o consumo de energia primária no Brasil, estimando a elasticidade-renda de longo prazo e a direção da relação de causalidade preditiva entre as variáveis. Para isso, foram utilizados dados sobre o PIB, consumo e preço de energia primária de 1970 a Como todas as séries são não estacionárias, utilizamos o conceito de cointegração, em um Modelo de Correção de Erro Vetorial-MCEV, em complemento a um Vetor Auto Regressivo VAR. Obtivemos como resultado do nosso trabalho empírico uma elasticidade-renda de 1,88 e a relação de causalidade preditiva ocorrendo do PIB para a energia. Fizemos também modelos alternativos, alterando os termos determinísticos do Vetor de Correção de Erro-VEC e uma abordagem com apenas duas variáveis, PIB e consumo. Em todos os modelos obtivemos uma elasticidade-renda superior a 1. Os resultados obtidos auxiliam o planejamento das políticas econômicas e energéticas brasileira, pois através da elasticidade-renda estimada é possível projetar a demanda futura por energia necessária para sustentar um determinado nível de atividade econômica. 27

41 REFERÊNCIAS BIBLIOGRÁFICAS Balat, M, 2008, Energy Consumption and Economic Growth in Turkey during the past two decades, Energy Policy, 36, Belke, A; C. Dreger and F. Haan, 2010, Energy Consumption and Economic Growth: New Insights into the Cointegration Relationship.DIW Berlin Discussion Paper No Bhattacharya, N. and S. Paul, 2004, Causality Between Energy Consumption and Economic Growth in India: A Note on Conflict Results, Energy Economics, 26, Brasil, Ministério de Minas e Energia, 2010, Balanço Energético Nacional, Empresa de Planejamento Energético. Brasil, Ministério de Minas e Energia, 2010, Plano Decenal de Expansão da Energia PDE 2020, Empresa de Planejamento Energético. Cleveland, C. and D. Stern, 2004, Energy and Economic Growth, Rensselaer Working Papers in Economics, Enders, W., 2010, Applied Econometric Time Series, Wiley, 3 rd edition. Glasure, Y. and A. Lee, 1997, Cointegration, Error-Correction, and The Relationship between GDP and Energy: The Case of South Korea and Singapore, Resource and Energy Economics, 20, Hamilton, J., 1994, Time Series Analysis, Princeton University Press. Hawdon, D. and A. Al-Azzam, 2003, Chapter 9 in L.C Hunt(ed.) Energy in a Competitive Market: Essays in Honor of Colin Robinson, Edward Elgar, Hunt, L. and A. Al-Rabbaie, 2006, OECD Energy Demand : Modeling Underlying Energy Demand Trends Using the Structural Time Series Model, SEEDS 114. Johansen, S., 1988, Statistical Analysis of Cointegration Vectors, Journal of Economic Dynamics and Control, 12, Kahsai, M. and C. Nondo, 2009, Energy Consumption and Economic Growth : Evidence from COMESA Countries. 28

42 Kraft, J. and A. Kraft, 1978, On the Relationship between Energy and GNP, The Journal of Energy and Development, 3, Kalyoncu, H., A. Aslan and I. Ozturk, 2010, Energy Consumption and Economic Growth Relationship: Evidence from Panel Data for Low and Middle Income Countries, Energy Policy, 38, Karanfil, F., 2008, Energy Consumption and Economic Growth Revisited: Does the Size of Unrecorded Economy Matter?, Energy Policy, 36, Lee, C.C., 2005, Energy Consumption and GDP in Developing Countries: A Cointegrated Panel Analysis, Energy Economics, 27, Lee, K. and W. Oh, 2004, Energy Consumption and Economic Growth in Korea: Testing the Causality Relation, Journal of Policy Modeling, 26, Lima, M.A.M. e C.A.J. Schmidt, 2004, A Demanda por Energia Elétrica no Brasil, Revista Brasileira de Economia, 58, Masih, A. and R. Masih, 1996, Energy Consumption, Real Income and Temporal Causality: Results from a Multi-Country Study Based on Cointegration and Error-Correction Modelling Techniques, Energy Economics, Mehara, M., 2007, Energy Consumption and Economic Growth : The Case of Oil Exporting Countries, Energy Policy, 35, Ockwell, D., 2008, Energy and Economic Growth: Grounding our Understanding in Physical Reality, Energy Policy, 36, Payne, J. and N. Apergis, 2009, Energy Consumption and Economic Growth in Central America: Evidence from a Panel Cointegration and Error Correction Model, Energy Economics, 31, Pierse, R.; L. Hunt and J. Chontanawat, 2006, Causality between Energy Consumption and GDP: Evidence from 30 OECD and 78 Non-OECD Countries, SEEDS 113. Sari, R. and u. Soytas, 2003, Energy Consumption and GDP: Causality Relationship in G-7 Countries and Emerging Market, Energy Economics, 25, Saten, K., 2008, Cointegration and the Demand for Energy in Fiji, MPRA Papers, Smyth, R. and P. Narayan, 2008, Energy Consumption and Real GDP in G7 Countries: New Evidence from Panel Cointegration with Structural Breaks, Energy Economics, 30, Stock, J. and M. Watson, 2001, Vector Autoregressions, The Journal of Economic Perspectives, 15,

43 APÊNDICE A 1) Modelo Alternativo: PIB, consumo de energia e preço da energia; sem o termo de tendência linear. Teste do Autovalor Máximo Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0107 Nenhuma* 0, , , ,8581 Max 1 0, , , ,4884 Max 2 Tabela 10 Teste do Autovalor Máximo sem tendência Teste do Traço Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0454 Nenhuma* 0, , , ,8602 Max 1 0, , , ,4884 Max 2 Tabela 11 Teste do Traço sem tendência Ct Yt Pt K Coeficente Normalizado 1, , , ,48662 Desvio Padrão (0,02697) (0,01905) Estatística T [-39,2745] [1,64791] Tabela 12 Vetor de Correção de Erros sem tendência (15) 30

44 2) Modelo Alternativo: Bi-variável com o termo de tendência linear. VAR : ENERGIA e PIB DEFASAGEM AIC SC 0-3, , ,459789* -9,198559* 2-9, , , , Tabela 13 Vetor de Correção de Erros sem tendência VAR : PIB e Ce Com tendência Sem tendência AIC -9,589169* -9, SIC -9,24792* -9, Tabela 14 Vetor de Correção de Erros sem tendência Teste do Autovalor Máximo Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0016 Nenhuma* 0, , , ,0249 Max 1* Tabela 15 Teste do Autovalor Máximo Modelo bí-variável, com tendência Teste do Traço Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0186 Nenhuma* 0, , , ,0249 Max 1* Tabela 16 Teste do Traço Modelo bí-variável, com tendência 31

45 3) Modelo Alternativo: Bi-variável sem o termo de tendência linear. Teste do Autovalor Máximo Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0067 Nenhuma** 0, , , ,3692 Max 1 Tabela 17 Teste do Autovalor Máximo Modelo bí-variável, sem tendência Teste do Traço Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0, , , ,0087 Nenhuma* 0, , , ,3692 Max 1 Tabela 18 Teste do Traço Modelo bí-variável, sem tendência Ct Yt K Coeficente Normalizado 1, , , Desvio Padrão (0,04051) Estatística T [-26,8830] Tabela 19 Vetor de Correção de Erros Modelo Bí-Variável, sem tendência (16) 32

46 ANEXO A Tabela VIII.9 / Densidades e Poderes Caloríficos Densidade Kg/m³ ¹ Poder Calorífico Superior Kcal /Kg Poder Calorífico Inferior Kcal/Kg Petróleo Gás Natural úmido ² Gás Natural Seco ² Carvão Vapor 3100 Kcal/Kg Carvão Vapor 3300 Kcal/Kg Carvão Vapor 3700 Kcal/Kg Carvão Vapor 4200 Kcal/Kg Carvão Vapor 4500 Kcal/Kg Carvão Vapor 4700 Kcal/Kg Carvão Vapor 5200 Kcal/Kg Carvão Vapor 5900 Kcal/Kg Carvão Vapor 6000 Kcal/Kg Carvão Vapor sem Especificação Carvão Metalúrgico Nacional Carvão Metalúrgico Internacional Energia Hidráulica ³ Lenha Catada Lenha Comercial Caldo de Cana Melaço Bagaço de Cana Lixívia Óleo Diesel Óleo Combustível Gasolina Automotiva Gasolina de Aviação Gás Liquefeito de Petróleo Nafta Querosene Iluminante Querosene de Avião Gás de Coqueira ² Gás Canalizado Rio de Janeiro

47 Gás Canalizado São Paulo ² Coque de Carvão Mineral Eletricidade ³ Carvão Vegetal Álcool Etílico Anidro Álcool Etílico Hidratado Gás de Refinaria Coque de Petróleo Outros Energéticos de Petróleo Alcatrão Asfaltos Lubrificantes Solventes Outros Não-energéticos de Petróleo ¹ À Temperatura de 20 C, para derivados de petróleo e de gás natural/ ² Kcal/m³ ³ Kcal/kWh Figura 5 Balanço Energético Nacional (2010). Tabela VIII.9 / Densidades e Poderes Caloríficos 34

48 ANEXO B Figura 6 Lee(2005). Quadro comparativo dos estudos anteriores 35

49 Figura 7 Belke et al.(2010). Quadro comparativo dos estudos anteriores. 36

50 Figura 8 Kayoncu et al. (2010). Quadro comparativo dos estudos anteriores 37

51 ANEXO C Figura 9 EPE (2010). Elasticidade-renda do consumo de energia 38