Causas econômicas do desmatamento na Amazônia: evidência empírica dos anos 2000 Work-in-progress

Transcrição

1 Causas econômicas do desmatamento na Amazônia: evidência empírica dos anos 2000 Work-in-progress Jorge Hargrave, IPEA Krisztina Kis-Katos, University of Freiburg Seminário integração IPEA-INPE Brasília, 31/08/2011

2 AGENDA Motivação e fatos estilizados Hipóteses, metodologia e dados Resultados 1

3 O DESMATAMENTO NA AMAZÔNIA NOS ANOS 2000 CONTINUOU ALTO A DESPEITO DA QUEDA NOS PROGRAMAS OFICIAIS DE POVOAMENTO Desmatamento médio anual Mil Km 2 19,4 15,9 Deve haver causas endógenas ao processo de desenvolvimento Média Média Fonte: INPE, Fearnside (2005) 2

4 DURANTE OS ANOS 2000 HOUVE GRANDES FLUTUAÇÕES NAS TAXAS DE DESMATAMENTO QUE A LITERATURA AINDA NÃO EXPLICOU Desmatamento médio anual Mil Km 2 27,4 25,2 21,4 18,2 18,2 18,8 14,1 11, ~2,5x Possíveis causas das flutuações: Preços de commodities Fiscalização Crédito Unidades de conservação Chuvas / El Nino Outras??? Fonte: INPE 3

5 PREÇOS DE CARNE, SOJA E DESMATAMENTO FLUTUARAM CONJUNTAMENTE DE 1995 A 2007 Preços de carne, soja e desmatamento ( ) R$ (2007) for soybean, IGP meat for meat Km2 (thousands) Soya bean price Meat price (lagged) Deforestation Fonte: Adaptado de Barreto et al. (2008)

6 ENTRETANTO, MUITOS DESSES ASPECTOS NÃO FORAM SUBMETIDOS A UMA RIGOROSA ANÁLISE ECONÔMICA PARA O PERÍODO RECENTE Many, if not all, of these arguments (cattle ranching, credit, international prices etc) are plausible explanations for temporal variation in deforestation rates, but have to date not been subjected to rigorous statistical testing. Ewers et al., Environmental Conservation, 2008 Fonte: Ewers (2008) 5

7 AGENDA Motivação e fatos estilizados Hipóteses, metodologia e dados Resultados 6

8 EVIDENCIA QUANTITATIVA SOBRE O TEMA Estudos de períodos mais antigos: Desmatamento nos anos (níveis municipal e estadual, censos) e.g., Pfaff (JEEM 1999), Andersen et al. (2002), Andersen e Reis (TD 1997) Evidência mais recente: diferenciado espacialmente, mas normalmente estático no tempo e.g., Arima et al. (JRS 2007), Aguiar et al. (EcoMod 2006), Pfaff et al. (JRS 2007)

9 DIFERENTES NÍVEIS DE CAUSAS DO DESMATAMENTO Literatura tem focado em causas diretas / endógenas do desmatamento (população, pecuária etc) Aqui focamos em parâmetros de decisão dos agentes (preços, acessibilidade, crédito etc) Fonte: Kaimowitz (1998) 8

10 OBJETIVO DO ARTIGO Entender os determinantes / correlações das flutuações nas taxas de desmatamento de 2002 a 2007 Usando variáveis que são parâmetros de decisão dos agentes Foco é entender a lógica no nível agregado da região

11 HIPÓTESES E MODELO TEÓRICO Hipóteses gerais Modelo teórico As decisões seriam afetadas por variações nas variáveis econômicas e políticas que afetam essa estrutura de incentivos Pequena economia com acesso livre a terras com desmatamento levando a propriedade da terra (Angelsen 1999) Indivíduos tomam a decisão de desmatar ou não maximizando o lucro esperado da agricultura e da pecuária (Angelsen 1999) Diferencial não-sust. (FE) Incerteza (só um período) Lucro: Receita: preços Custo: desmatar; agricultura; risco multa Para os dois: cond. esp. município (ex. acesso) 10

12 PRINCIPAIS HIPÓTESES Racional Hipótese 1: Maiores preços de carne e soja estão relacionados a maior desmatamento Promove um aumento da rentabilidade esperada, sendo um incentivo para desmatar Hipótese 2: Mais crédito subsidiado está relacionado a maior desmatamento Permite que fazendeiros invistam para desmatar e transformar florestas em pastos Hipótese 3: Mais áreas protegidas estão relacionadas a menor desmatamento Maior fiscalização gera maior sentimento de risco Hipótese 4: Mais multas do Ibama estão relacionadas a menor desmatamento Leva a um aumento do risco de desmatar, diminuindo a rentabilidade esperada 11

13 DADOS Dados municipais (368 municípios), Variáveis econômicas Preços de carne (preço nacional x index municipal) Preços soja (nacional e regional) (zeros) Fluxo de crédito agrícola / área (R$1000) Variáveis ligadas a políticas Numero de multas do IBAMA / desmatamento (proxy para presença) (zeros) Área de proteção ambiental (UC + TI) / área Área de assentamento / área (fixo em t) Controles: Floresta (t-1), chuva (rough) Tendência linear por estado / dummy para ano e estado (não observáveis dinâmicos) Efeitos vizinhança 12

14 ESTRATÉGIAS Modelo OLS de painel de dados com FE (Hausmann) Diferenças no tempo em cada município Controla para não observáveis constantes (ex. estrutura econômica) Std errors clusterd por município e robustos para autocorrelação e heteroscedasticidade Variável dependente: ln área desmatada por ano por município (ago-jul) Excluir áreas com <10% de floresta e cerrado Efeitos vizinhança Desmatamento é correlacionado espacialmente Controles para alguns aspectos: Desmatamento (efeito fronteira, capturar não-obs variáveis no tempo?) Crédito (efeito fronteira, erros) Multas (spillover de medo, erros)

15 EQUAÇÃO ESTIMADA lndit = Xit,t-1 β +λst + αi + εit Elementos de X it : ln Forest area (t-1) Prices of beef (t-1) Soybean price (national + regional) ln Protected areas ln Real rural credit / area ln Number of environmental fines / deforest. ln Settlement area / area Rainfall (proxy) λst: State-specific time trends State-year fixed effects

16 AGENDA Motivação e fatos estilizados Hipóteses, metodologia e dados Resultados 15

17 RESULTADOS GERAIS Significância das variáveis propostas Há racionalidade econômica individual no desmatamento. Indivíduos desmatam mais ou menos baseado em suas expectativas de lucro de agricultura e pecuária Caveats Não controla para não-observáveis dinâmicos Possível endogeneidade de crédito e multas e outras? Variáveis em t causalidade? Qualidade das proxies (index carne e chuva) 16

18 FATORES QUE INFLUENCIAM O DESMATAMENTO Alta nos preços de carne e soja Maior preço da carne pago na porteira Maior disponibilidade de crédito Maior percepção de risco pelos agentes (maior densidade de multas) Maior área sob proteção ambiental Maior área de assentamentos rurais

19 PRINICIPAIS RESULTADOS Dependent: ln Deforestation FE FE FE RE ln Forest (t-1) ** ** ** ** Meat price (t-1) ** ** ** National soy price ** ** Regional soy price ** * ln Credit per area ** ** ** ln Fines intensity ** ** ** ** ln Protected areas ** ** ** ln Settlement areas ** Rainfall index * State-specific time trend No Yes No No State-year fixed effects No No Yes Yes R-squared Efeito escala -Robusto -Desaparece com dummy para ano -Menor do que carne ok -Efeito regional extra -Robusto -Superestimado? -Robusto, mas tem variação de y -Viésado? - Negativo -Não Positivo significativo (fixo) -Proxy ruim, especialemente no tempo Nota: significant at 10%, *significant at 5%, **significant at 1%. Number of observations is 1744, number of municipalities is 368. Robust standard errors, clustered at municipality level, are reported in parentheses.

20 INFLUÊNCIAS ESPACIAIS Dependent: ln Deforestation FE FE FE FE RE ln Forest (t-1) ** ** ** ** ** Meat price (t-1) ** ** ** ** National soy price * ** Regional soy price ** ** ln Credit per area ** ** ** ** ln Fines intensity ln Protected areas ** ** ** ** ** ** ** ** ** ln Settlement areas ** Neighboring deforestation rates ** ** ** ** ln Neighboring credit per area ** * ln Neighboring fines intensity ** ** ** ** Rainfall index * State-specific linear time trend No Yes No No State-year fixed effects No No Yes Yes R-squared Aumenta desmatamento vizinho, aumenta o próprio -Coeficientes diminuem -Mantém significância -Reflete realidade da região não observáveis dinâmicos? -Coeficiente maior do que local. Fronteira inexplorada? -Erros? -Spillover de medo? Nota: significant at 10%, *significant at 5%, **significant at 1%. Number of observations is 1744, number of municipalities is 368. Robust standard errors, clustered at municipality level, are reported in parentheses.

21 IMPLICAÇÕES PARA DISCUSSÃO SOBRE POLÍTICAS PÚBLICAS Foco da política deve ser mudar a estrutura de incentivos econômicos favorecendo usos mais sustentáveis da terra Preços de commodities tem que ser levados em consideração para propostas de novas políticas, avaliação de políticas e forecasts de desmatamento Multas do IBAMA são efetivas, mas é necessário refinar análise Regras de concessão de crédito tem que ser revistas (já foram parcialmente) Extensões mais importantes: Retrabalhar variáveis potencialmente endógenas IV? Integrar técnicas de econometria espacial Refinar a análise temporal, junto com pesquisas de campo para compreender o processo de tomada de decisão Usar preços futuros Avaliar multas Ibama com RDD? Efeitos de governança local em desmatamento? 20

22 OBRIGADO! QUESTÕES? Para comentários ou perguntas adicionais: 21