UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E INFLAÇÃO NO BRASIL

Transcrição

1 FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONALIZANTE EM ECONOMIA UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E INFLAÇÃO NO BRASIL CARLOS PERCY MISERENDINO ORTIZ ORIENTADOR: PROF. DR. FERNANDO NASCIMENTO DE OLIVEIRA Rio de Janeiro, 15 de dezembro de 2009.

2 UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E INFLAÇÃO NO BRASIL CARLOS PERCY MISERENDINO ORTIZ Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Finanças e Controladoria ORIENTADOR: FERNANDO NASCIMENTO DE OLIVEIRA Rio de Janeiro, 15 de dezembro de 2009.

3 UMA ANÁLISE EMPÍRICA DA RELAÇÃO ENTRE PREÇOS DE COMMODITIES E INFLAÇÃO NO BRASIL CARLOS PERCY MISERENDINO ORTIZ Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Finanças e Controladoria Avaliação: BANCA EXAMINADORA: Professor: DR. FERNANDO NASCIMENTO DE OLIVEIRA (Orientador) Instituição: IBMEC/RJ Professor: DR. FERNANDO AUGUSTO ADEODATO VELOSO Instituição: IBMEC/RJ Professor: DR. OCTAVIO MANUEL BESSADA LION Instituição: BACEN Rio de Janeiro, 15 de dezembro de 2009.

4 FICHA CATALOGRÁFICA O77 Ortiz, Carlos Percy Miserendino. Uma análise empírica da relação entre preços de commodities e inflação no Brasil / Carlos Percy Miserendino Ortiz - Rio de Janeiro: Faculdades Ibmec, 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: Finanças e Controladoria. 1. Inflação - Brasil. 2. Commodities - Preços. 3. IPCA (Índice de Preços ao Consumidor Amplo). 4. Econometria Cointegração (elasticidade).

5 DEDICATÓRIA Ao meu filho, que me fez enxergar a vida de uma maneira que desconhecia. 1

6 AGRADECIMENTOS Agradeço à minha esposa Clarissa por todos os conselhos, pela paciência, pelo carinho e pelo amor nestes anos que estamos juntos e que estes sentimentos continuem eternamente. Aos meus colegas de turma, principalmente ao Leonardo Ramos, que me ajudou bastante durante todo o curso. Os meus mais sinceros agradecimentos. Em especial, agradeço ao meu orientador Fernando Nascimento, pelas discussões, sugestões e orientações fundamentais no desenvolvimento desta dissertação. Agradeço também aos familiares e amigos pela compreensão, paciência e o incentivo para a conclusão deste trabalho e peço desculpas por eventuais faltas. 2

7 RESUMO O presente trabalho tem por finalidade analisar empiricamente a relação entre os preços de commodities e inflação no mercado brasileiro. Foram utilizados vários modelos econométricos para observar o comportamento da relação entre o índice de preços de commodities e inflação (IPCA) no período do primeiro trimestre de 1994 ao terceiro trimestre de Os resultados obtidos contrariam as análises para os mercados internacionais e sugerem que, no período amostral, alterações nos preços de commodities não explicam a inflação no Brasil. Palavras Chave: Commodities, Inflação, IPCA, Cointegração. 3

8 ABSTRACT The present work has the purpose to analyze the empirical relation between commodities prices and inflation in the Brazilian market. Were estimated many econometrics models to observe the relation between commodities prices and inflation (IPCA) from de 1 st quarter of 1994 to the 3 rd quarter of Different from the results for international markets, our findings suggest that commodities prices are not correlated to the inflation (IPCA) returns in Brazil. Key Words: Commodities, Inflation, IPCA, Cointegration. 4

9 LISTA DE GRÁFICOS Gráfico 1 - Evolução dos Índices de Commodities, PIB e Inflação (IPCA) 16 Gráfico 2 - Evolução da variação dos Índices de Commodities, PIB e Inflação (IPCA) 17 Gráfico 3 - Resposta ao Impulso IPCA, GERAL 24 Gráfico 4 - Resposta ao Impulso IPCA, MINERAIS 25 Gráfico 5 - Resposta ao Impulso IPCA, AGRÍCOLA 26 Gráfico 6 - Resposta ao Impulso IPCA, GERAL e PIB 30 Gráfico 7 - Resposta ao Impulso IPCA, MINERAIS e PIB 31 Gráfico 8 - Resposta ao Impulso IPCA, AGRÍCOLA e PIB 32 5

10 LISTA DE TABELAS (SE HOUVER) Tabela 1 - Analise univariada das variáveis 18 Tabela 2 - Correlação entre IPCA e as Variáveis de Commodities 19 Tabela 3 - Análise de Decomposição de Variância BI-VARIADO (IPCA, GERAL) 21 Tabela 4 - Análise de Decomposição de Variância BI-VARIADO (IPCA, MINERAIS)_ 22 Tabela 5 - Análise de Decomposição de Variância BI-VARIADO (IPCA, AGRÍCOLA)_23 Tabela 6 - Análise de Decomposição de Variância MULTI-VARIADO (IPCA, GERAL, PIB) 27 Tabela 7 - Análise de Decomposição de Variância MULTI-VARIADO (IPCA, MINERIAS, PIB) 28 Tabela 8 - Análise de Decomposição de Variância MULTI-VARIADO (IPCA, AGRÍCOLA, PIB) 29 6

11 Tabela 9 - Resultados para a equação (1) com commodities geral 33 Tabela 10 - Resultados para a equação (1) com commodities minerais 35 Tabela 11 - Resultados para a equação (1) com commodities agrícola 36 Tabela 12 - Resultado para o teste de Chow no modelo com lag de inflação 37 Tabela 13 - Resultados para a equação (2) com variável binária D2 38 Tabela 14 - Resultados para a equação (3) com commodities geral 39 Tabela15 - Resultados para a equação (3) com commodities minerais 41 Tabela 16 - Resultados para a equação (3) co commodities agrícola 42 Tabela 17 - Resultado para o teste de Chow no modelo com lag de inflação com hiato 44 Tabela 18 - Resultados para a equação (4) com variável binária D2 45 Tabela 19 - Resultados para a equação (5) com commodities geral 46 Tabela 20 - Resultados para a equação (5) com commodities minerais 48 Tabela 21 - Resultados para a equação (5) com commodities agrícola 49 7

12 Tabela 22 - Resultado para o teste de Chow no modelo novo keynesiano 50 Tabela 23 - Resultados para a equação (6) com variável binária D1 51 Tabela 24 - Resultados para a equação (7) com variável binária D2 52 8

13 LISTA DE ABREVIATURAS (SE HOUVER) IPCA PIB Índice de Preços ao Consumidor Amplo Produto Interno Bruto 9

14 SUMÁRIO 1. INTRODUÇÃO DADOS ANÁLISE DESCRITIVA DOS DADOS ANÁLISE EMPÍRICA ANÁLISE EMPIRICA NÃO ESTRUTURAL ANÁLISE DE DECOMPOSIÇÃO DE VARIÂNCIA MODELOS BI-VARIADOS ANÁLISE DAS FUNÇÕES RESPOSTA AOS IMPULSOS PARA OS MODELOS BI-VARIADOS MODELOS MULTI-VARIADOS ANÁLISE DAS FUNÇÕES RESPOSTA AOS IMPULSOS PARA OS MODELOS MULTI- VARIADOS ANÁLISE EMPIRICA ESTRUTURAL MODELO SOMENTE COM LAGS DE INFLAÇÃO MODELO COM LAGS DE INFLAÇÃO E HIATO MODELO NOVO KEYNESIANO CONCLUSÕES REFERÊNCIAS BIBLIOGRÁFICAS

15 1. INTRODUÇÃO O Brasil é um grande produtor e exportador de commodities. As principais commodities produzidas e exportadas pelo Brasil são: café, suco de laranja, minério de ferro, soja e alumínio. A partir de 2003, com a crescente participação da China e da Índia na economia internacional, tem aumentado ainda mais a importância das commodities na economia brasileira, já que estes países são grandes demandantes de nossas principais commodities. Estas não apenas afetam a taxa de crescimento do PIB, mas também podem ter efeitos importantes sobre a inflação. Naturalmente, algumas perguntas surgem: Como a dinâmica dos preços das commodities afeta a inflação? Faz diferença qual tipo de commodity seja? 1 O objetivo desta dissertação é tentar responder estas perguntas. Para tanto, usamos diversas técnicas econométricas como VAR e modelos estruturais das dinâmicas de inflação incorporando variações dos índices de commodities. As séries trimestrais que usamos são as seguintes: variações trimestrais da: inflação (IPCA), IPCA livre, expectativa de inflação, taxa de cambio, Selic, taxa de crescimento do PIB e índices de commodities (geral, minerais e agrícolas), todos no período de 1994T1 a 2009T3. 1 A importância das commodities nas exportações brasileiras levou à construção dos seguintes índices de preço e quantidades: índice de commodities geral, índice de commodities minerais (alumínio, cobre, ferro, chumbo, estanho e zinco) e índice de commodities agrícolas (banana, laranja, amendoim, arroz, milho, trigo, cacau, café, soja e açúcar). 11

16 No que diz respeito ao VAR, olhamos para a decomposição de variância e função resposta impulso. Nos modelos bi-variado VAR e decomposição de variância, vimos que a participação percentual das variáveis de commodities, para previsão da inflação (IPCA), no geral, é pequena. As funções resposta impulso para a commodity GERAL mostram que os choques são negativos e de curta duração, ficando positivo a partir do segundo período. O impacto na commodity MINERAIS, também é negativo e de curta duração. Já a commodity AGRÍCOLA, o impacto é positivo e de curta duração, voltando a ficar negativo no terceiro período. Nos modelos multi-variados, onde acrescentamos a taxa de variação do PIB, a participação aumentou um pouco, mas continuou baixa quando comparado aos estudos feitos para outros países. As funções respostas impulso no modelo multi-variado, mostram comportamento parecido com o modelo bi-variado. Em relação aos modelos estruturais de inflação, como não há um consenso na literatura sobre qual a melhor especificação, usamos diversas especificações, desde modelos autoregressivos, modelos com lags de inflação e incorporando o hiato do produto e curvas de Phillips novo keynesianas. Os resultados encontrados na análise estrutural indicaram que, a inflação no nosso período amostral não pode ser explicado por variações dos preços das commodities em nenhum período analisado. Esta dissertação se enquadra em uma vasta literatura internacional sobre o tema. Muitos estudos têm debatido se o índice de preços das commodities serve como um indicador importante das futuras condições econômicas. Estudos realizados por Garner (1989), Marquis e Cunningham (1990), Cody e Mills (1991), Sephton (1991), e Hua (1998), por exemplo aplicaram análise de séries temporais para investigar como esse índice se relaciona com outras variáveis macroeconômicas. Especificamente, eles utilizaram testes de causalidade de Granger para verificar a validade do índice de preços de commodities como um indicador 12

17 antecedente dos preços em geral. Se o índice de preços das commodities é válido como um indicador antecedente dos preços ou outras variáveis macroeconômicas, os formuladores de políticas precisam reconhecer a importância do índice como uma variável de decisão política. Um aumento no índice, por exemplo, poderia ser visto como um presságio da inflação futura. Como tal, as tendências no índice viria a ter certa influência na gestão da política monetária. Um dos mais citados é Furlong e Ingenito (1996). Eles investigam a relação entre os preços de commodities e inflação americana no período de 1947 a 1995, utilizando vetores auto-regressivos. Os seus resultados indicam que há uma relação histórica entre preços das commodities e inflação, no entanto, esta relação se alterou bastante nos últimos anos. Os preços das commodities eram sinalizadores fortes e estatisticamente robustos da inflação nos anos 70 e começo dos anos 80, quando começaram a enfraquecer como indicadores. Podemos citar outros artigos, como Mahdavi e Zhou (1997). Eles usaram um modelo de correção de erros para estudar a relação entre commodities e inflação e encontram evidências desta cointegração com dados a partir da década de Um outro artigo na mesma linha do acima é o de Awokuse e Yang (2003). Eles examinaram a utilidade do comportamento dos preços das commodities na formulação da política monetária. Eles concluíram que os preços de commodities sinalizam as expectativas futuras sobre a inflação em diversas economias. Kyrtsou e Labys (2005) identificaram a natureza da dependência ou o relacionamento entre a inflação dos Estados Unidos e os preços das commodities por meio de métodos de cointegração linear e a casualidade não linear de Granger. Mostraram que esta relação variou 13

18 dependendo do período estimado. Ela ocorreu até a década de 1980, mas depois não se observou mais. Hamorie, Shigeyuki (2007) analisou empiricamente a relação entre o índice de preços das commodities e variáveis macroeconômicas no Japão. Ele identificou que a relação entre preços de commodities e inflação deixou de existir com a entrada política monetária recente de baixas taxas de juros. Um trabalho mais recente é o de Cecchetti e Moessner (2008), eles analisaram se os preços de energia e alimentos ajudam a prever a inflação e notaram que há evidencias no caso de alimentos, mas não no caso de energia. Verificaram também se o aumento dos preços de alimentos é mais persistente que o aumento dos preços de energia e viram que na maioria dos países esses aumentos são mais persistentes nos de alimentos do que nos de energia. Foi procurada literatura nacional, mas não foi achado nenhum estudo referente a este assunto. Assim, esperamos que este trabalho contribua de alguma forma para futuros estudos referente ao mesmo assunto. O restante dessa dissertação está organizado da seguinte forma: O Capítulo 2 descreve os dados usados. O Capítulo 3 apresenta as análises empíricas e o Capítulo 4 conclui. 14

19 2. DADOS A base de dados utilizada neste trabalho tem periodicidade trimestral e foi formada por meio de amostra constituída pelos índices de preços de commodities (geral, minerais e agrícolas), variação do Índice de Preços ao Consumidor (IPCA), variação do Índice de Preços ao Consumidor Livre (IPCA Livre), expectativa da inflação, Produto Interno Bruto (PIB) a preços de mercado índice encadeado dessazonalizado, variação cambial (R$/US$) e taxa SELIC no período de 1994/01 a 2009/09. Todas as informações foram obtidas por meio do site IPEADATA e calculadas a variação de cada uma. 2.1 ANÁLISE DESCRITIVA DOS DADOS A Figura 1 apresenta a evolução dos índices de preços das commodities (geral, minerais e agrícola), do PIB e do IPCA no período de 1994 a O lado esquerdo do gráfico representa os valores dos índices de preços das commodities e do PIB, o lado direito a do IPCA. 15

20 Figura 1 Evolução dos Índices de Commodities, PIB e Inflação (IPCA) 1994T1 a 2009T , , , , , IPCA PIB GERAL MINERAIS AGRICOLA Como pode ser observado no gráfico acima, no início de 1994 ao segundo trimestre, o IPCA teve aceleração acentuada, reflexo ainda do começo do plano real. Após quedas historicamente baixas até 2001, os preços das commodities elevaram-se em O excepcional crescimento econômico da China tem sido apontado como um dos principais determinantes da alta dos preços das commodities. Esse crescimento, liderado por setores intensivos em commodities metálicas e industriais automotivo, metalúrgico e de construção civil, pressionou a demanda por esses bens, ao mesmo tempo em que o crescimento populacional fomentou a compra externa de alimentos e demais commodities agrícolas. Os dados desagregados das importações chinesas nos últimos anos corroboram essa hipótese. O crescimento das compras externas da China entre 2001 e 2002 e, principalmente, entre 2003 e 2004, atingiu um amplo espectro de produtos. Além de algumas commodities metálicas (como minérios e ferro e aço), o crescimento das importações de vários bens manufaturados foi bem superior à média. A evolução das importações chinesas das principais commodities entre

21 e 2004, revelando o aumento progressivo dessas importações, que abrangem commodities metálicas e agrícolas. Em 2003, os números são surpreendentes. As importações chinesas cresceram 40% e foram responsáveis por 26,5% da demanda global de aço, 19,8% da de cobre e 19% da de alumínio. Com a crise mundial, os preços das commodities tiveram a maior queda da história em Com o crédito restrito o impacto foi direto nas commodities. Sem esse dinheiro, os fundos reduziram fortemente as previsões de que os preços continuariam subindo nos contratos de longo prazo, o que se refletiu de imediato nos vencimentos mais próximos. A Figura 2 apresenta a evolução da variação do índice de preços das commodities e do IPCA no período de 1994 a O lado esquerdo do gráfico representa os valores dos índices de preços das commodities e o lado direito a do IPCA. Figura 2 Evolução da variação dos Índices de Commodities, PIB e Inflação (IPCA) 1994T3 a 2009T IPCA PIB_V GERAL MINERAIS AGRÍCOLA 17

22 Podemos observar no gráfico acima que a volatilidade na variação dos preços das commodities é bem maior que do índice de inflação (IPCA). Nota-se claramente a queda nos preços das commodities em 2008, enquanto a inflação, a queda não foi tão acentuada. Não parece existir uma tendência dos retornos dos preços das commodities. As estatísticas descritivas para todas as variáveis utilizadas nos modelos podem ser observadas, nas tabelas abaixo: Tabela 1: Análise univariada das variáveis IPCA IPCA EXPECT PIB CAMBIO SELIC GERAL MINERAIS AGRICOLA (LIVRE) 1994T1 2009T3 Mean 5,40% 5,25% 2,08% 0,76% 5,64% 2,49% 1,36% 1,54% 0,87% Std. Dev. 25,79% 26,03% 1,95% 1,46% 26,88% 6,03% 7,44% 8,04% 7,26% 1994T1 2002T4 Mean 8,33% 8,13% 2,68% 0,69% 11,36% 3,43% 0,17% 0,23% -0,38% Std. Dev. 33,95% 34,28% 2,39% 1,55% 33,71% 7,87% 3,60% 5,88% 4,77% 2003T1 2006T4 Mean 1,57% 1,30% 1,33% 0,87% -3,19% 1,42% 3,31% 6,68% 1,93% Std. Dev. 1,09% 0,99% 0,53% 1,15% 4,23% 0,26% 4,59% 6,96% 6,55% 2007T1 2009T3 Mean 1,27% 1,52% 1,21% 0,82% -0,21% 0,94% 2,38% -2,10% 3,57% Std. Dev. 0,36% 0,52% 0,42% 1,70% 13,75% 0,10% 16,48% 12,27% 13,33% Em relação aos indicadores de inflação, pode-se observar que o IPCA e o IPCA livre possuem uma média e um desvio padrão para o período bem maior do que o da expectativa da inflação. A taxa de câmbio (R$/USS) teve um retorno trimestral máximo de % e mínimo de % apresentando um desvio padrão para o período de 26.88%. A taxa SELIC teve média de 5.64% e desvio padrão de 6.03%. No segundo bloco da tabela pode ser observada a variação real dos preços das commodities. Apesar de a variação média trimestral apresentar valores em torno de 1% a 4%, a variabilidade para o período é muito grande, característica esta devido à oscilação de preços destes produtos. Um exemplo é o índice de preços de combustíveis, com variação média real no preço de 3.47% mas com máximo e mínimo de 36.14% e % entre 1994T1 e 2009T3. 18

23 O maior desvio padrão (14,31%) entre os índices de preço das commodities também foi o de combustíveis e o menor (7.26%) para a variação no preço das commodities agrícolas. Tabela 2: Correlação entre IPCA e as variáveis de commodities 1994T1 a 2009T3 IPCA GERAL MINERAIS AGRICOLA IPCA 1,0000 0,0164 0,0818-0,0005 GERAL 0,0164 1,0000 0,5730 0,4198 MINERAIS 0,0818 0,5730 1,0000 0,2970 AGRICOLA -0,0005 0,4198 0,2970 1,0000 Aqui vemos relação negativa entre o IPCA e as commodities geral e relação positiva com as outras commodities. O PIB apresentou relação positiva com todas as variáveis de commodities. 19

24 3. ANÁLISE EMPÍRICA Nesse capítulo, descrevemos inicialmente algumas características estatísticas das séries de nossa amostra, associando algumas dessas estatísticas a episódios vividos pela economia no período. Em seguida, apresentamos as estimações e discutimos os seus resultados. 3.1 ANÁLISE EMPIRICA NÃO ESTRUTURAL A análise empírica não estrutural será feita por meio de modelos de vetores autoregressivos (VAR) utilizando-se as variáveis: índice de preços ao consumidor amplo (IPCA), índice de commodities (geral, minerais e agrícola) e Produto Interno Bruto (PIB). Todos os modelos são estimados, tomando-se as séries temporais trimestrais nos seguintes períodos: 1994T1 a 2009T3, 1994T1 a 1998T4, 1999T1 a 2002T4, 2003T1 a 2006T4 e 2007T1 a 2009T3. Para a detecção da estacionariedade, fez-se inicialmente o teste ADF para as variáveis em nível e, como não se pôde rejeitar a hipótese nula de existência de raízes unitárias, em vista dos valores críticos e níveis de significância, repetiu-se o procedimento para as séries em primeira diferença afim de que fosse possível a sua rejeição. Foram efetuados testes de cointegração de Johansen entre as commodities e o PIB e não foi possível constatar uma correlação no longo prazo ANÁLISE DE DECOMPOSIÇÃO DE VARIÂNCIA Quando ocorre um choque específico, observamos qual é o percentual da variância do erro de previsão de uma variável, dado um horizonte de previsão. Numa análise de 20

25 decomposição variância, verificamos qual é a participação percentual das outras variáveis na previsão da variável em questão, a cada período da previsão. A seguir, iremos fazer essa analise entre o IPCA e as variáveis de commodities para o modelo BI-VARIADO e depois acrescentaremos a taxa de crescimento do PIB para o modelo MULTI-VARIADO MODELOS BI-VARIADOS Resultado para (IPCA, GERAL): A análise de decomposição de variância no período de 1994T1 a 2009T3 revela que as alterações na inflação dependem pouco das mudanças nos índices de commodities geral (0.74%). Porém, quando analisamos em subperíodos, essa dependência varia. Entre 1994T1 a 2002T4, a participação era de 11.67%, entre 2003T1 a 2006T4, de 24.72%. No último subperíodo observado, entre 2007T4 e 2009T3, a dependência da inflação em relação as commodities geral foi de 3.38% participação. Tabela 3 - Análise de Decomposição de Variância BI-VARIADO (IPCA, GERAL) 1994T1 a 2009T3 1994T1 a 2002T4 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA GERAL Período S.E. IPCA GERAL 1 1, ,0000 0, , ,0000 0, , , , , , , , , , , , ,67994 Ordem: IPCA, GERAL Ordem: IPCA, GERAL 2003T1 2006T4 2007T1 2009T3 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA GERAL Período S.E. IPCA GERAL 1 0, ,0000 0, , ,0000 0, , , , , , , , , , , , , Ordem: IPCA, GERAL Ordem: IPCA, GERAL 21

26 Resultado para (IPCA, MINERAIS): No período de 1994T1 a 2009T3 a análise de decomposição de variância revela que as alterações na inflação dependem de 0.49% das mudanças nos índices de commodities minerais. Quando analisamos entre 1994T1 a 2002T4, aumenta para 4.81% de participação. Já, no subperíodo de 2003T1 a 2006T4, as alterações no IPCA têm a maior dependência das mudanças dos índices de commodities minerais, com 31.94%. No último subperíodo observado, entre 2007T4 e 2009T3, a dependência entre IPCA em relação ao índice de commodities de combustíveis, volta a cair, com 3.84% de participação. Tabela 4 - Análise de Decomposição de Variância BI-VARIADO (IPCA, MINERAIS) 1994T1 a 2009T3 1994T1 2002T4 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA MINERAIS Período S.E. IPCA MINERAIS 1 1, ,0000 0, , ,0000 0, , ,5007 0, , , , , , , , , , Ordem: IPCA, MINERAIS Ordem: IPCA, MINERAIS 2003T1 2006T4 2007T1 2009T3 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA MINERAIS Período S.E. IPCA MINERAIS 1 0, ,0000 0, , ,0000 0, , , , , , , , , , , , , Ordem: IPCA, MINERAIS Ordem: IPCA, MINERAIS Resultado para (IPCA, AGRÍCOLA): A análise de decomposição de variância no período de 1994T1 a 2009T3 revela que as alterações na inflação dependem pouco das mudanças nos índices de commodities agrícola, com 2.92%. Quando analisamos entre 1994T1 a 2002T4, a dependência aumenta para 6.37% de participação. No subperíodo de 2003T1 a 2006T4, as alterações no IPCA têm dependência de 6.22% das mudanças dos índices de commodities agrícola. No último subperíodo 22

27 observado, entre 2007T4 e 2009T3, a inflação (IPCA) teve maior dependência em relação ao índice de commodities de combustíveis, com 15.62% de participação. Tabela 5 - Análise de Decomposição de Variância BI-VARIADO (IPCA, AGRÍCOLA) 1994T1 a 2009T3 1994T1 2002T4 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA AGRICOLA Período S.E. IPCA AGRICOLA 1 1, ,0000 0, , ,0000 0, , , , , , , , ,0708 2, , ,6231 6, Ordem: IPCA, AGRÍCOLA Ordem: IPCA, AGRÍCOLA 2003T1 2006T4 2007T1 2009T3 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA AGRICOLA Período S.E. IPCA AGRICOLA 1 0, ,0000 0, , ,0000 0, , , , , , , , ,7737 6, , , ,62946 Ordem: IPCA, AGRÍCOLA Ordem: IPCA, AGRÍCOLA ANÁLISE DAS FUNÇÕES RESPOSTA AOS IMPULSOS PARA OS MODELOS BI- VARIADOS A função resposta ao impulso mostra a resposta esperada dos valores correntes e futuros de cada uma das variáveis a um choque em uma das equações do VAR. A seguir mostraremos essas respostas para os modelos bi-variados das variáveis IPCA e commodities (geral, minerais e agrícola). Resultado para (IPCA, GERAL): Como podemos verificar no gráfico abaixo, realizado para 15 períodos entre 1994T1 e 2009T3, ao ocorrer um choque dado pelo índice de preços das commodities geral, o impacto é positivo sobre o IPCA, estabilizando-se no decorrer dos períodos. Entre 1994T1 e 2002T4, o choque é imediato e positivo. Já, entre 2003T1 a 2006T4 e 2007T1 a 2009T4, é negativo, variando bastante e estabilizando-se mais após 15 períodos. 23

28 Figura 3 Resposta ao Impulso IPCA, GERAL Período 1994T1-2009T3 Subperíodo 1994T1-2002T4 Resposta do IPCA para a commodity GERAL Resposta do IPCA para a commodity GERAL Subperíodo 2003T1-2006T3 Suberíodo 2007T1-2009T3 Resposta do IPCA para a commodity GERAL Resposta do IPCA para a commodity GERAL Resultado para (IPCA, MINERAIS): No gráfico abaixo, entre 1994T1 a 2009T3, ao ocorrer um choque dado pelo índice de preços das commodities de minerais o impacto é negativo sobre o IPCA. Entre 1994T1 a 2002T3 e 2003T1 a 2006T4 o impacto também é negativo, porém há muita variação até se estabilizar. Já, entre 2007T1 a 2009T3, o impacto é positivo e de curta duração, tendo, também, muita variação até se estabilizar. 24

29 Figura 4 Resposta ao Impulso IPCA, MINERAIS Período 1994T1-2009T3 Subperíodo 1994T1-2002T4 Resposta do IPCA para a commodity MINERAIS Resposta do IPCA para a commodity MINERAIS Subperíodo 2003T1-2006T3 Suberíodo 2007T1-2009T3 Resposta do IPCA para a commodity MINERAIS Resposta do IPCA para a commodity MINERAIS Resultado para (IPCA, AGRÍCOLA): Como podemos verificar nos gráficos abaixo, realizado para 10 períodos, ao ocorrer um choque dado pelo índice de preços das commodities agrícola o impacto é positivo de curto prazo sobre o IPCA e sobre o PIB, estabilizando-se no decorrer dos períodos. No gráfico abaixo, entre 1994T1 a 2009T3, ao ocorrer um choque dado pelo índice de preços das commodities agrícola o impacto é positivo sobre o IPCA. Entre 1994T1 a 2002T3 25

30 o impacto também positivo e de curta duração. Olhando para 2003T1 a 2006T4, o impacto é negativo, variando bastante e se estabilizando no longo prazo. Já, entre 2007T1 a 2009T3, o impacto é positivo e de curta duração. Figura 5 Resposta ao Impulso IPCA, AGRÍCOLA Período 1994T1-2009T3 Subperíodo 1994T1-2002T4 Resposta do IPCA para a commodity AGRICOLA Resposta do IPCA para a commodity AGRICOLA Subperíodo 2003T1-2006T3 Suberíodo 2007T1-2009T3 Resposta do IPCA para a commodity AGRICOLA Resposta do IPCA para a commodity AGRICOLA

31 3.1.4 MODELOS MULTI-VARIADOS Abaixo, para o modelo multi-variado, iremos mostrar a resposta esperada dos valores correntes e futuros de cada uma das variáveis a um choque em uma das equações do VAR para o IPCA e as commodities (geral, minerais e agrícola) acrescentando a variável PIB. Resultado para (IPCA, GERAL e PIB): A análise de decomposição de variância no período de 1994T1 a 2009T3 revela que, mesmo acrescentando a variável PIB, as alterações na inflação dependem pouco das mudanças nos índices de commodities geral (1.44%). Porém, quando analisamos em subperíodos, essa dependência varia. Entre 1994T1 a 2002T4, a participação era de 17.10%, entre 2003T1 a 2006T4, de 26.02%. No último subperíodo observado, entre 2007T4 e 2009T3, a dependência da inflação em relação às commodities geral foi de 16.47% participação. Tabela 6 - Análise de Decomposição de Variância MULTI-VARIADO (IPCA, GERAL, PIB) 1994T1 a 2009T3 1994T1 a 2002T4 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA GERAL PIB Período S.E. IPCA GERAL PIB 1 1, ,0000 0, , , ,0000 0, , , , , , , , , , , , , , , , , , Ordem: IPCA, GERAL, PIB Ordem: IPCA, GERAL, PIB 2003T1 2006T4 2007T1 2009T3 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA GERAL PIB Período S.E. IPCA GERAL PIB 1 0, ,0000 0, , , ,0000 0, , , , , , , , , , , , , , , , , , Ordem: IPCA, GERAL, PIB Ordem: IPCA, GERAL, PIB 27

32 Resultado para (IPCA, MINSERAIS): No período de 1994T1 a 2009T3 a análise de decomposição de variância revela que as alterações na inflação dependem de 2.26% das mudanças nos índices de commodities minerais. Quando analisamos entre 1994T1 a 2002T4, aumenta para 4.73% de participação. Já, no subperíodo de 2003T1 a 2006T4, as alterações no IPCA têm a maior dependência das mudanças dos índices de commodities minerais, com 34.84%. No último subperíodo observado, entre 2007T4 e 2009T3, a dependência entre IPCA em relação ao índice de commodities de combustíveis, volta a cair, com 3.91% de participação. Tabela 7 - Análise de Decomposição de Variância MULTI-VARIADO (IPCA, MINERAIS, PIB) 1994T1 a 2009T3 1994T1 2002T4 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA MINERAIS PIB Período S.E. IPCA MINERAIS PIB 1 1, ,0000 0, , , ,0000 0, , , , , , , , , , , , , , , , , ,64777 Ordem: IPCA, MINERAIS, PIB Ordem: IPCA, MINERAIS, PIB 2003T1 2006T4 2007T1 2009T3 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA MINERAIS PIB Período S.E. IPCA MINERAIS PIB 1 0, ,0000 0, , , ,0000 0, , , , ,6031 4, , , , , , , , , , , , , Ordem: IPCA, MINERAIS, PIB Ordem: IPCA, MINERAIS, PIB Resultado para (IPCA, AGRÍCOLA): A análise de decomposição de variância no período de 1994T1 a 2009T3 revela que as alterações na inflação dependem pouco das mudanças nos índices de commodities agrícola, com 2.64%. Quando analisamos entre 1994T1 a 2002T4, a dependência aumenta para 11.98% de participação. No subperíodo de 2003T1 a 2006T4, as alterações no IPCA têm dependência de 4.02% das mudanças dos índices de commodities agrícola. No último subperíodo 28

33 observado, entre 2007T4 e 2009T3, a inflação (IPCA) teve maior dependência em relação ao índice de commodities de combustíveis, com 36.78% de participação. Tabela 8 - Análise de Decomposição de Variância MULTI-VARIADO (IPCA, AGRÍCOLA, PIB) 1994T1 a 2009T3 1994T1 2002T4 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA AGRICOLA PIB Período S.E. IPCA AGRICOLA PIB 1 1, ,0000 0, , , ,0000 0, , , , , , , , , , , , , , , , , ,22310 Ordem: IPCA, AGRÍCOLA, PIB Ordem: IPCA, AGRÍCOLA, PIB 2003T1 2006T4 2007T1 2009T3 Decomposição de Variança de IPCA: Decomposição de Variança de IPCA: Período S.E. IPCA AGRICOLA PIB Período S.E. IPCA AGRICOLA PIB 1 0, ,0000 0, , , ,0000 0, , , , , , , , , , , , , , , , , , Ordem: IPCA, AGRÍCOLA, PIB Ordem: IPCA, AGRÍCOLA, PIB ANÁLISE DAS FUNÇÕES RESPOSTA AOS IMPULSOS PARA OS MODELOS MULTI-VARIADOS A seguir, iremos analisar a função resposta de impulso das variáveis IPCA, commodities (geral, combustíveis e agrícola) para o modelo multi-variado. Resultado para (IPCA, GERAL): Como podemos verificar no gráfico abaixo, realizado para 15 períodos entre 1994T1 e 2009T3, ao ocorrer um choque dado pelo índice de preços das commodities geral, o impacto é positivo sobre o IPCA, estabilizando-se no decorrer dos períodos. Entre 1994T1 e 2002T4, o choque é imediato e positivo. Já, entre 2003T1 a 2006T4 o choque é negativo e entre 2007T1 a 2009T4, o choque é positivo, variando bastante e estabilizando após 15 períodos. 29

34 Figura 6 Resposta ao Impulso IPCA, GERAL e PIB Período 1994T1-2009T3 Subperíodo 1994T1-2002T4 Resposta do IPCA para a commodity GERAL Resposta do IPCA para a commodity GERAL Subperíodo 2003T1-2006T3 Suberíodo 2007T1-2009T3 Resposta do IPCA para a commodity GERAL Resposta do IPCA para a commodity GERAL Resultado para (IPCA, MINERAIS e PIB): No gráfico abaixo, entre 1994T1 a 2009T3, ao ocorrer um choque dado pelo índice de preços das commodities de minerais o impacto é negativo sobre o IPCA. Entre 1994T1 a 2002T3 e 2003T1 a 2006T4 o impacto também é negativo, porém há muita variação até se estabilizar. Já, entre 2007T1 a 2009T3, o impacto é positivo e de curta duração, tendo muita variação até se estabilizar. 30

35 Figura 7 Resposta ao Impulso IPCA, MINERAIS e PIB Período 1994T1-2009T3 Subperíodo 1994T1-2002T4 Resposta do IPCA para a commodity MINERAIS Resposta do IPCA para a commodity MINERAIS Subperíodo 2003T1-2006T3 Suberíodo 2007T1-2009T3 Resposta do IPCA para a commodity MINERAIS Resposta do IPCA para a commodity MINERAIS Resultado para (IPCA, AGRÍCOLA): No gráfico abaixo, entre 1994T1 a 2009T3, ao ocorrer um choque dado pelo índice de preços das commodities agrícola o impacto é positivo sobre o IPCA. O mesmo ocorre entre 1994T1 a 2002T4. Olhando para 2003T1 a 2006T4, o impacto é negativo, variando bastante e se estabilizando no longo prazo. Já, entre 2007T1 a 2009T3, o impacto é positivo e de curta duração. 31

36 Figura 8 Resposta ao Impulso IPCA, AGRÍCOLA Período 1994T1-2009T3 Subperíodo 1994T1-2002T4 Resposta do IPCA para a commodity AGRICOLA Resposta do IPCA para a commodity AGRICOLA Subperíodo 2003T1-2006T3 Suberíodo 2007T1-2009T3 Resposta do IPCA para a commodity AGRICOLA Resposta do IPCA para a commodity AGRICOLA ANÁLISE EMPIRICA ESTRUTURAL Conforme comentando no começo deste estudo, não há um consenso na literatura sobre qual o melhor modelo na dinâmica de inflação. Logo, iremos utilizar três modelos 32

37 diferentes: modelos somente com lags de inflação, modelos com lags de inflação incorporando o hiato do produto e curvas de Phillips novo keynesianas MODELO SOMENTE COM LAGS DE INFLAÇÃO Nesta subseção, iremos adotar o modelo somente com lags de inflação para verificar a relação entre o retorno da inflação e o índice de preços de commodities. Modelo com lag de inflação: IPCA t =β 1 * IPCA t-1 + β 2 * ICOMM t-1 (1) Onde IPCAt representa a variação inflação no instante t, IPCA t-1 a variação da inflação no período anterior, e ICOMM representa a variação do índice de commodities (geral, minerais e agrícola) no instante t. Por meio do método de regressão, estimamos os coeficientes da equação (2) para o período da amostra de 1994T1 a 2009T3 e os subperíodos de 1994T1 a 2002T4, 2003T1 a 2006T4 e 2007T1 a 2009T3. Tabela 9: Resultados para a equação (1) com commodities geral Estimativa para o modelo IPCA = β1* IPCA(-1) + β2* GERAL(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade. O modelo de 2003T1 a 2006T4 foi corrigido pela matriz de White devido a presença de resíduos heteroscedásticos. Estimativa dos Coeficientes Amos tra β 1 β 2 R 2 Ajustado DW LM Hetero. 1994T1-2009T3 0, , , , , , (0.0000) (0.2413) (0.0000) (0.9691) 1994T1-2002T4 0, , , , , , (0.0004) (0.1924) (0.0000) (0.5338) 2003T1-2006T4 0, , , , , ,85188 (0.0002) (0.5040) (0.4945) (0.0037) 2007T1-2009T3 0, , , , , , (0.0000) (0.4779) (0.6348) (0.0830) 33

38 Os valores entre parênteses representam o p-valor do teste t para os coeficientes estimados, R 2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin- Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial (Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também entre parênteses). Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da variável GERAL (índice de commodities geral), β 2, pode ser considerado insignificante ou estatisticamente igual a zero (p-valor igual a ). Este fato indica que, a priori, o índice de commodities geral não explica os retornos da inflação brasileira. As estatísticas de Durbin- Watson, o coeficiente de ajuste da regressão e o teste para autocorrelação serial também podem ser observados na tabela. O teste para heterocedasticidade não detectou presença de heterocedasticidade no modelo. Iremos observar os resultados dos coeficientes do modelo em cada um dos subperíodos. Os p-valores do coeficiente β 2 para os períodos de 1994T1 a 2002T4, 2003T1 a 2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos para o período de 2003T1 a 2006T4 e foi utilizada a matriz de correção de White para estimarmos corretamente os intervalos de confiança das estimativas. 34

39 Tabela 10: Resultados para a equação (1) com commodities minerias Estimativa para o modelo IPCA = β1* IPCA(-1) + β2* MINERAIS(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade. O modelo de 2007T1 a 2009T3 foi corrigido pela matriz de White devido a presença de resíduos heteroscedásticos. Estimativa dos Coeficientes Amos tra β 1 β 2 R 2 Ajustado DW LM Hetero. 1994T1-2009T3 0, , , , , ,52519 (0.0000) (0.2234) (0.0000) (0.2178) 1994T1-2002T4 0, , , , , , (0.0006) (0.4168) (0.0000) (0.3397) 2003T1-2006T4 0, , , , , , (0.0000) (0.7532) (0.7919) (0.3948) 2007T1-2009T3 0, , , , , , (0.0001) (0.9833) (0.4719) (0.0337) Os valores entre parênteses representam o p-valor do teste t para os coeficientes estimados, R 2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin- Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial (Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também entre parênteses). Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da variável MINERAIS (índice de commodities minerais), β 2, pode ser considerado insignificante ou estatisticamente igual a zero (p-valor igual a ). Este fato indica que, a priori, o índice de commodities minerais não explica os retornos da inflação brasileira. As estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para autocorrelação serial também podem ser observados na tabela. O teste para heterocedasticidade não detectou presença de heterocedasticidade no modelo. Iremos observar os resultados dos coeficientes do modelo em cada um dos subperíodos. Os p-valores do coeficiente β 2 para os períodos de 1994T1 a 2002T4, 2003T1 a 35

40 2006T4 e 2007T1 a 2009T3 também indicam que seus valores são estatisticamente iguais a zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos para o período de 2007T1 a 2009T3 e foi utilizada a matriz de correção de White para estimarmos corretamente os intervalos de confiança das estimativas. Tabela 11: Resultados para a equação (1) com commodities agrícola Estimativa para o modelo IPCA = β1* IPCA(-1) + β2* AGRICOLA(-1) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade. O modelo de 2007T1 a 2009T3 foi corrigido pela matriz de White devido a presença de resíduos heteroscedásticos. Estimativa dos Coeficientes Amos tra β 1 β 2 R 2 Ajustado DW LM Hetero. 1994T1-2009T3 0, , , , , , (0.0000) (0.1483) (0.0000) (0.0681) 1994T1-2002T4 0, , , , , , (0.0002) (0.1933) (0.0000) (0.0989) 2003T1-2006T4 0, , , , , , (0.0000) (0.9548) (0.9155) (0.4209) 2007T1-2009T3 0, , , , , ,59709 (0.0001) (0.8925) (0.4618) (0.0443) Os valores entre parênteses representam o p-valor do teste t para os coeficientes estimados, R 2 ajustado o coeficiente de ajuste da regressão e DW a estatística de Durbin- Watson. Podem ainda ser observadas as estatísticas F para os testes de autocorrelação serial (Breusch-Godfrey LM) e heterocedasticidade (White) com os respectivos p-valores (também entre parênteses). Os resultados mostram que, no período de 1994T1 a 2009T3, o valor do coeficiente da variável AGRICOLA (índice de commodities agrícola), β 2, pode ser considerado insignificante ou estatisticamente igual a zero (p-valor igual a ). Este fato indica que, a priori, o índice de commodities agrícola não explica os retornos da inflação brasileira. As estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para 36

41 autocorrelação serial também podem ser observados na tabela. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos e foi utilizada a matriz de correção de White para estimarmos corretamente os intervalos de confiança das estimativas. Ao observar os resultados dos coeficientes do para os subperíodos 1994T1 a 2002T4, 2003T1 a 2006T4 e 2007T1 a 2009T3, os p-valores do coeficiente β 2 indicaram que seus valores também são estatisticamente iguais a zero. O teste para heterocedasticidade apontou a presença de resíduos não homoscedásticos para o período de 2007T1 a 2009T3 e foi utilizada a matriz de correção de White para estimarmos corretamente os intervalos de confiança das estimativas. Os resultados acima também contrariam o que acontece para outros países em estudos empíricos. Como no caso anterior (modelo novo keynesiano), esta mudança estrutural pode ter distorcido os resultados obtidos nas regressões. Para verificarmos se de fato existe alguma quebra estrutural nos dados, aplicaremos no modelo estimado para a equação (1) o teste de Chow para cada uma das variáveis de commodities (geral, minerais e agrícola). Tabela 12: Resultado para o teste de Chow no modelo com lag de inflação Teste de Chow aplicado sobre as estimativas do modelo IPCA = β1* IPCA(-1) + β2* COMMODITIES(-1) Ho: Não existe quebra estrutural no período escolhido Vari ável Teste de Chow: Quebra Estrutural 2003T1 2008T1 Geral Estatística F 6, , P-Va lor 0,0043 0,1111 Minerais Estatística F 4, , P-Va lor 0,0111 0,2545 Agrícola Estatística F 5, , P-Va lor 0,0061 0,

42 No caso do modelo só com lag de inflação, nota-se que, pelo teste de Chow, a quebra estrutural só acontece em Logo, torna-se adequado, neste trabalho investigarmos uma correção para uma possível distorção dos resultados devido à quebra estrutural. Iremos incorporar no modelo com lag de inflação uma variável binária para o período de Desta forma, pode-se adotar o seguinte: IPCA t =β 1 * IPCA t-1 + β 2 * ICOMM t-1 *D2 (2) Onde D2 é a variável binária que assume valores iguais a 0 até o ano de 2007 e 1 após o ano de Os resultados estimados para o modelo podem ser observados na Tabela 15, abaixo: Tabela 13: Resultados para a equação (2) com variável binária D2 Estimativa para o modelo IPCA = β1* IPCA(-1) + β2* COMMODITIES(-1)*D2 no período de 1994T1 a 2009T3 (61 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade. Estimativa dos Coeficientes β 1 β 2 R 2 Ajustado DW LM Hetero. GERAL 0, , , , , , (0.0000) (0.9317) (0.0000) (0.8628) MINERAIS 0, , , , , , (0.0000) (0.8992) (0.0000) (0.9408) AGRÍCOLA 0, , , , ,4505 0, (0.0000) (0.6973) (0.0000) (0.8984) Os resultados mostram que mesmo na presença de um termo de correção para a quebra estrutural identificada, a estimativa para o coeficiente β 2 continua a ser estatisticamente igual a zero (p-valor de para a variável commodity geral, para a variável minerais e para a variável agrícola ). As estatísticas de Durbin-Watson, o coeficiente de ajuste da regressão e o teste para autocorrelação serial também podem ser observados na tabela. 38

43 3.2.2 MODELO COM LAGS DE INFLAÇÃO E HIATO A seguir mostraremos o modelo com lag de inflação e hiato para verificar a relação entre o retorno da inflação e o índice de preços de commodities. Modelo com lag de inflação e hiato: IPCA t =β 1 * IPCA t-1 + β 2 * ICOMM t-1 + β 3 *HIATO t-2 (3) Onde IPCA t representa a variação inflação no instante t, IPCA t-1 a variação da inflação no período anterior, ICOMM representa a variação do índice de commodities (geral, minerais e agrícola) no instante t e HIATO t-2 o hiato do PIB em dois períodos anteriores. Por meio do método de regressão, estimamos os coeficientes da equação (3) para o período da amostra de 1994T1 a 2009T3 e os subperíodos de 1994T1 a 2002T4, 2003T1 a 2006T4 e 2007T1 a 2009T3. Tabela 14: Resultados para a equação (3) com commodities geral Estimativa para o modelo IPCA = β1* IPCA(-1) + β2* GERAL(-1) + β3*hiato(-2) nos períodos de 1994T1 a 2009T3 (59 observações), 1994T1 a 2002T4 (34 observações), 2003T1 a 2006T3 (16 observações) e 2007T1 a 2009T3 (10 observações). Os valores entre parênteses abaixo dos coeficientes estimados representam o p-valor do teste t. A coluna DW mostra a estatística de Durbin-Watson. Os valores da estatística F e os p-valores (entre parênteses) podem ser observados para o teste de correlação serial de Breusch-Godfrey (LM) e de Heteroscedasticidade. Os modelos de 1994T1 a 2009T3, 1994T1 a 2002T4 e 2003T1 a 2006T4 foram corrigido pela matriz de White devido a presença de resíduos heteroscedásticos. Estimativa dos Coefi cientes Amostra β 1 β 2 β 3 R 2 Ajustado DW LM Hetero. 1994T1-2009T3 0, , , , , , , (0.0000) (0.1016) (0.4357) (0.0000) (0.0001) 1994T1-2002T4 0, , , , , , ,33579 (0.0000) (0.1686) (0.4569) (0.0000) (0.0000) 2003T1-2006T4 0, , , , , , , (0.0002) (0.6698) (0.4753) (0.5596) (0.0063) 2007T1-2009T3 0, , , , , ,282 2,51926 (0.0002) (0.6788) (0.5424) (0.6118) (0.1952) 39