Título: Exportações, crescimento econômico e causalidade: evidências empíricas para o Brasil (1975:1-2008:2)

Transcrição

1 Título: Exportações, crescimento econômico e causalidade: evidências empíricas para o Brasil (1975:1-2008:2) Área 6 - Crescimento econômico e desenvolvimento regional Felipe Mota Campos (PIMES/UFPE) Minicurrículos: Felipe Mota Campos Mestre e Doutorando em Economia pelo Programa de Pós- Graduação - PIMES da UFPE. Endereço postal: Rua Professor Antonio Coelho, 956/302, Várzea, Recife-PE. Endereço eletrônico: fmceara@yahoo.com.br Fone: (81)

2 EXPORTAÇÕES, CRESCIMENTO ECONÔMICO E CAUSALIDADE: EVIDÊNCIAS EMPÍRICAS PARA O BRASIL (1975:1-2008:2) Felipe Mota Campos (PIMES/UFPE) Resumo: A relação entre exportações e crescimento econômico tem provocado um debate constante na literatura econômica, todavia sem consenso. Os resultados empíricos estimados para a causalidade entre essas duas variáveis econômicas têm se mostrado divergentes e inconclusivos, inclusive entre os publicados para o Brasil. Este artigo investiga a validade da hipótese de crescimento econômico baseado nas exportações (export-led growth) para o Brasil, a partir de uma base de dados trimestral (1975:1-2008:2). Através das metodologias de Engle e Granger (1987) e de Johansen e Joselius (1990) é verificado se as exportações e o crescimento econômico seriam co-integrados de primeira ordem. Em seguida, é estimado um modelo auto-regressivo (VAR) em primeira diferença. Inicialmente, constata-se que as variáveis não seriam cointegradas, logo não teríamos uma relação de longo prazo entre crescimento e exportações no período analisado. No curto prazo, os resultados estimados sugerem que tanto as exportações Granger-causam o crescimento econômico, quanto o crescimento econômico Granger-causa as exportações brasileiras. Assim, haveria uma relação bi-causal no curto prazo entre as variáveis analisadas. Palavras-chave: exportações, crescimento econômico, causalidade. Abstract: The linkage between export and economic growth has been one of the most debated themes in the empirical literature in the last years, however without consensus. The empirical findings about this relationship have been mixed and inconclusive, including the papers about Brazil. The aim of this study is investigated the valid of export-led growth hypothesis for Brazil using quarterly data from 1975:1 to 2008:2. The possibility of cointegration in the data is examined by the methodologies of Engel and Granger (1987) and of Johansen and Joselius (1990). Then, causality is tested within finite-order vector autoregressive (VAR) models in first-differences. Our empirical results suggest that there is no long-run relationship between export and national output for Brazil, in the period, and that Granger casual flow is bidirectional, then export and national output have a reciprocal short-run casual relationship. Key words: export, economic growth, causality. Código JEL: F43, C32.

3 2 1. Introdução A idéia de que as exportações constituem-se numa importante via de crescimento econômico tem sido alvo de inúmeros estudos empíricos nos últimos anos na literatura. A questão central estaria na hipótese de que um forte desempenho exportador poderia conduzir a um aumento nas taxas de crescimento do produto interno bruto (export-led growth). Os proveitos para o crescimento econômico estariam fundados basicamente em ganhos de produtividade em acessar mercados mais competitivos, em facilitar o acesso a economias de escala a países com mercados internos restritos, na abertura da economia permitindo o acesso a novas tecnologias e a importação de bens de capital e bens intermediários, além do transbordamento de novas tecnologias e de learning by doing de empresas exportadoras para as não exportadoras (Xu, 1996). A questão central do debate está em determinar se o desempenho econômico pode ser orientado por um forte crescimento do produto ou por um aumento das exportações, ou por ambos. A definição da relação de causalidade entre as exportações e o crescimento econômico torna-se então fundamental para orientar a formulação de políticas que vissem o aumento do produto interno. De fato, se for definida uma relação de causalidade unidirecional do crescimento das exportações para o crescimento econômico (X PIB), então a estratégia de políticas de promoção do comércio externo se tornam defensáveis. Por outro lado, se a relação de causalidade for unidirecional e em direção oposta, do crescimento econômico para o crescimento das exportações (PIB X), isto implica que certo nível de atividade econômica seria prérequisito para acessar os mercados internacionais. Enquanto que se a relação de causalidade for bidirecional (X PIB), teríamos uma relação recíproca entre as exportações e o crescimento econômico. Contudo, se não houver uma relação de causalidade definida políticas de promoção das exportações não teriam eficácia sobre o produto interno da economia ou sobre sua estrutura produtiva (Chow, 1987; Kahn, et al, 1995). Portanto, a investigação da relação de causalidade entre exportações e crescimento econômico se torna primordial não só para os economistas, como para os formuladores de políticas. Especialmente, defronte aos efeitos da crise econômica pela qual passa a economia mundial que traz efeitos expressivos sobre o nível de comércio global. Assim, estimar quais os efeitos do nível de exportações sobre o produto interno bruto brasileiro auxiliaria na formulação de políticas que visassem preserva o nível de atividade econômica do país. Neste aspecto, este estudo contribui para a literatura empírica, em comparação aos estudos já realizados, trazendo a aplicação de uma base de dados trimestral (1975:1-2008:2) e considerando a natureza das séries (estacionária ou não-estacionária) e a existência ou não de cointegração sobre os resultados do teste de causalidade de Engle e Granger (1987). Desta maneira, buscase evitar um possível viés na estimação das relações de causalidade advindo da agregação temporal dos dados e/ou da presença de séries integradas ou co-integradas (Bahmani-Oskooee e Alse, 1993; Awokuse, 2003). Além desta introdução, o artigo está divido em mais quatro seções. Na seção seguinte, é feita uma revisão teórica da hipótese de causalidade entre exportações e crescimento econômico, juntamente com um levantamento dos principais estudos empíricos publicados nos últimos anos. Na seção três, a metodologia de estudo aplicada é brevemente apresentada. A seção quatro traz os resultados estimados para a hipótese ELG para o caso do Brasil. Finalmente, na ultima seção são reunidas as principais conclusões deste trabalho. 2. Exportações e crescimento econômico: teoria e evidências empíricas A literatura econômica estabelece diversas linhas teóricas através das quais um aumento das exportações afetaria o crescimento econômico de uma nação. Giles e Willians (1999) enumeram três mecanismos que dariam suporte a hipótese de crescimento baseado nas exportações. Primeiro, que as exportações representam um componente na demanda real da economia, logo um aumento das exportações conduziriam a crescimento do PIB da economia. Segundo, um aumento das exportações pode

4 levar a uma especialização na produção de produtos destinados ao mercado externo, que poderia gerar um incremento na produtividade destes setores e/ou um acúmulo maior de conhecimento e habilidades. Induzindo assim um deslocamento dos recursos de produção de setores não competitivos para os setores exportadores, incrementando então a produtividade média da economia. Por último, aumentos nas receitas de exportação ajudam a eliminar possíveis restrições externas ao crescimento, tornado mais fácil o acesso a importação de insumos e tecnologias para atender a demanda interna e que permitam uma ampliação do crescimento econômico. Ademais, este incremento provê a economia doméstica com recursos externos que podem fomentar o desenvolvimento sem implicar em uma restrição futura sobre a balança de pagamentos. Economias de escala advindas da especialização em setores nos quais o país possua vantagens comparativas, e para o qual o mercado interno não seja grande o suficiente para atingir um patamar ótimo de produção, também estão ligadas a teoria do crescimento baseado nas exportações. Os países latino-americanos, dentre eles o Brasil, focaram suas estratégias de promoção do crescimento nas primeiras décadas da segunda metade do século XX em políticas de substituição de importações. A partir de uma visão teórica que entendia que ao comercializarem produtos de baixo valor agregado contra produtos manufaturados com economias desenvolvidas, os países subdesenvolvidos teriam uma desvantagem nos termos de troca, assim, acarretando em perdas advindas do comércio internacional. Além disto, políticas de substituição de importações promoveriam o desenvolvimento de um número maior e mais diversificado de setores da economia do que a especialização devida à promoção de setores competitivos para a exportação. Na realidade, diversos países promovem políticas de incentivo às exportações em setores chaves, enquanto protegem outros setores da competição externa com a aplicação de tarifas, definição de cotas de importação, dentre outras medidas. De fato, Hamilton e Thompson (1994) entendem que políticas de promoção de exportações e de substituição podem ser complementares e que esta combinação pode ser necessária como uma etapa de um processo de crescimento baseado nas exportações. Por outro lado, também há bases teóricas para uma relação casual inversa, onde as exportações são dirigidas pelo crescimento econômico (growth-led export - GLE). Giles e Williams (1999) enumeram diversos autores que sugerem que a acumulação de capital (físico e humano) e os ganhos tecnológicos induzidos pelo crescimento econômico interno. Este processo levaria ao aumento da eficiência do setor produtivo interno fazendo surgir vantagens comparativas que facilitariam o acesso aos mercados de outros países e, conseqüentemente, elevando as exportações. A intervenção dos governos para corrigir falhas de mercado, promovendo ganhos de eficiência também poderia induzir a uma situação de exportações guiadas pelo crescimento econômico (GLE). Uma relação bi-causal entre exportações e produto interno, para Helpman e Krugman (1985), segundo Giles e Williams (1999), poderia surgir de ganhos advindos de economias de escala, fruto do aumento de produtividade que implicariam no aumento das exportações. Por sua vez, o crescimento das exportações levaria a maiores ganhos de produtividade baseados na redução dos custos de produção. Finalmente, as exportações e crescimento econômico podem ser gerados a partir de processos distintos e, portanto não apresentarem uma relação de causalidade direta em seus comportamentos. Apesar destas diversas linhas teóricas que buscam fundamentar o mecanismo através do qual as exportações agiriam sobre o crescimento econômico, não existe na literatura empírica um consenso sobre a validade da hipótese export-led growth (Giles e Williams, 1999; Awokuse, 2003, 2007; Ferda, 2007). Giles e Williams (1999), em uma extensa revisão dos estudos empíricos até então publicados sobre o tema, concluem que os resultados estimados para verificar a hipótese ELG são variados e contraditórios e que poderiam estar ligados a metodologia ou especificação dos modelos estimados. Chow (1987) foi um dos primeiros economistas a aplicar a metodologia de estudo de séries temporais para investigar a relação entre crescimento das exportações e o desenvolvimento industrial, este entendido como aumento da produção de manufaturas. A partir de uma amostra de oito países em desenvolvimento, dentre eles o Brasil, nas décadas de sessenta e setenta do século passado, o estudo busca determinar a relação de causalidade existente entre estas duas variáveis. Com base nos resultados estimados, Chow (1987) assevera que o crescimento das exportações e o desenvolvimento industrial teriam na maioria dos países uma relação de bi-causalidade. Ademias, fatores como tamanho ou pujança do mercado interno estariam relacionados à direção da relação de causalidade observada (unidirecional ou 3

5 bi-direcional). Além disto, para pequenas economias em fase de desenvolvimento o acesso aos mercados internacionais seria uma estratégia aconselhada para promover o crescimento industrial. No caso particular do Brasil, também teríamos, para o período, uma relação de bi-causalidade entre o crescimento das exportações e crescimento industrial. Assim, o autor sugere que a expansão das exportações não promoveria apenas o crescimento da renda da economia, mas também induziria a mudanças estruturais nos países em desenvolvimento. Knust e Marin (1989) não encontraram esta mesma causalidade ao analisarem a relação entre as exportações e a produtividade para a Áustria. Com base na estimação de um modelo auto-regressivo (VAR), os autores aceitam a hipótese nula, para o caso em análise, que as exportações austríacas não têm impacto sobre a produtividade do trabalhador na indústria. De tal modo, eles concluem pela ausência de uma relação de causalidade entre exportações e produtividade e entre os termos de troca do comércio exterior e a produtividade industrial. Estes resultados sugeririam que os efeitos provocados pela desvalorização dos termos de troca ou a imposição de tarifas de importação não teriam o efeito esperado sobre a produtividade industrial do país. Entretanto, Marin (1992) verificou que este resultado não se repete ao analisarmos outros países industrializados. Em seu artigo, as relações entre exportações, produtividade, termos de troca e crescimento mundial são estimadas para quatro países industrializados: Alemanha, Reino Unido, Estados Unidos e Japão. O teste de Engle e Granger (1987) estimado indica que, a exceção do Reino Unido, a produtividade, as exportações e os termos de troca possuem uma relação de longo prazo estabelecida. Além disto, os testes F sugerem que as exportações Granger-causam a produtividade em todos os países estudados. Assim, Marin (1992) finda por concluir que a hipótese export-led growth não seria válida apenas para países em desenvolvimento, para qual ela foi originalmente desenvolvida, mas também seria eficaz para países desenvolvidos. Kónya (2000) investiga a possibilidade de causalidade, no sentido Engle e Granger (1987), entre as exportações e produto interno bruto de vinte e cinco países da OCDE, no período 1960 a O autor aplica modelos auto-regressivos (VAR) em nível e/ou em primeira diferença, dependo da natureza de cada série analisada, e a partir da metodologia de Toda e Yamamoto (1995). Em suma, com base nos resultados, Kónya (2000) conclui que o teste de Granger seria sensível a escolha da metodologia e a especificação do modelo estimado. Tendo em mente esta conclusão, o autor sugere que, seguramente, não haveria uma relação de causalidade estabelecida entre exportações e PIB para a Holanda, e com menos confiança, para Hungria, França, Grécia e Luxemburgo. A hipótese ELG seria verificada em países como Bélgica, Austrália, Espanha e Dinamarca, dentre outros. Ao passo que, em países como Canadá e Japão, as exportações seriam guiadas pelo crescimento econômico (GLE), enquanto uma relação bi-causal entre as variáveis seria observada para o Reino Unido. Awokuse (2003), utilizando-se igualmente da metodologia de causalidade de Engle e Granger (1987), encontra um resultado diferente para a economia do Canadá. Na verdade, o autor aplica duas linhas metodológicas para verificar a hipótese de export-led growth, a causalidade é estudada a partir de um modelo de correção de erros (VEC) e a partir da metodologia de vetores auto-regressivos sugerida por Toda e Yamamoto (1995). De fato, Awokuse (2003) encontra um estado de equilíbrio de longo prazo entre as variáveis analisadas e que haveria uma relação de causalidade de Granger unidirecional das exportações para o crescimento econômico, onde mudanças nas exportações precederiam mudanças no produto real da economia. Kahn, et al (1995) também aplicam a metodologia de correção de erros para verificar a hipótese export-led growth na economia paquistanesa. Os autores encontraram que, para o Paquistão, as séries das exportações de produtos manufaturados e do crescimento econômico seriam co-integradas de primeira ordem, possuindo assim uma relação de longo-prazo. Ao passo que, a exportação de produtos primários não seria co-integrada com o produto da economia. Além disto, os autores concluem que haveria uma relação bi-causal entre exportações (manufaturadas e primárias) e o crescimento econômico no Paquistão. Na mesma linha do impacto do comércio sobre a estrutura econômica, Ghosh, et al (2002) investiga o impacto do comércio externo sobre variáveis estruturais da economia como diferencial de salários (entre qualificados e não qualificados), crescimento da produtividade do trabalho para os Estados Unidos. A investigação pretendida é realizada a partir de uma base de dados anual que percorre o período 4

6 de 1967 a Inicialmente, por meio de análise de co-integração, o estudo sugere que haveria uma relação de longo prazo estabelecida entre crescimento da produtividade, salário dos trabalhadores qualificados e comércio externo. Enquanto o mesmo não se verificaria entre produtividade, salário dos trabalhadores não qualificados e comércio internacional. Contudo, por meio de um modelo com vetor de correção de erros (VEC), Ghosh, et al (2002), em contraste com o esperado a priori, não encontra impactos no curto prazo do crescimento da produtividade e do comércio externo sobre o diferencial de salários. Ao mesmo tempo, o diferencial de salários e o comércio internacional teriam um impacto estatisticamente significante, no curto prazo, sobre o crescimento da produtividade nos EUA. Cobrindo um extenso período da economia mexicana ( ), Thornton (1996) analisou a hipótese ELG usando a metodologia de cointegração de Johansen (1988) e o teste de causalidade de Engle e Granger (1987). A partir dos resultados Thornton (1996) assevera que as exportações e o crescimento econômico mexicano seriam co-integrados. Além disto, os dados dariam suporte à hipótese de crescimento baseado nas exportações, indicando uma evidência forte de causalidade de Granger no sentido das exportações para o crescimento econômico. Siliverstovs e Herzer (2005) examinaram a validade da hipótese de crescimento baseado nas exportações para a economia chilena, no período de 1960 a Os autores utilizam a método de Toda e Yamamoto (1995) para determinar se há causalidade, no sentido de Engle e Granger (1987), entre as exportações de produtos manufaturados e de produtos primários com o crescimento econômico, via crescimento da produtividade. A partir dos resultados estimados, Siliverstovs e Herzer (2005) aceitam a hipótese export-led growth para o Chile, ao mesmo tempo em que rejeitam a existência de diferenciais no impacto sobre o crescimento de exportações de manufaturas ou de produtos primários. Martín e Agustín (2005) trazem uma excelente contribuição à literatura de ELG ao analisarem os impactos do comércio externo sobre as regiões da Espanha. Por meio de dados em painel, para as regiões da Espanha no período de 1995 a 2002, os autores assumem que as exportações promoveriam crescimento econômico ao estimularem saltos tecnológicos e ganhos de produtividade na economia. No artigo são estimamos três modelos: um baseado na demanda entre regiões do país, outro baseado nas exportações, e, por último, um modelo conjunto que considera esses dois efeitos sobre o crescimento. Dentre as conclusões principais derivadas dos modelos, Martín e Agustín (2005) asseveram que as exportações teriam uma participação no crescimento regional, especialmente para regiões com produto per capita inferior à média do país. Os estudos que investigam a relação entre exportações e crescimento econômico existentes para o Brasil, assim como na literatura internacional, são inconclusivos quando a existência ou não de causalidade entre as séries. Kugler e Dridi (1993) utilizam-se de análise de co-integração em uma análise para onze países em desenvolvimento, dentre eles o Brasil, para verificar a hipótese ELG, no período de No caso brasileiro, os autores concluem que as séries não seriam co-integradas, portanto não haveria uma relação de longo prazo. Ademais, no curto prazo, para o período estudado, poderíamos admitir uma relação de causalidade entre as exportações e o crescimento do produto interno bruto. Dutt e Ghosh (1994), com uma base de dados anual de 1953 a 1991, também conclui que não haveria uma relação de longo prazo entre exportações e PIB, para o Brasil. Van den Berg e Schmidt (1994) aplicam modelos VAR, em nível e em primeiras diferenças, e modelos com correção de erros (ECM), ao analisarem os dezessete países da América Latina, para dados anuais de 1960 a Estes autores também encontram que as exportações brasileiras e o PIB seriam não co-integrados e que a hipótese ELG é rejeita ao nível de confiança padrão (5%). O mesmo resultado é encontrado por Dutt e Ghosh (1996) e Riezman, et al (1996). Arnade e Vasavada (1995) investigam a hipótese export-led growth especificamente para o setor agrícola de dezesseis países latino-americanos e dezessete países da Ásia e Pacífico. Com uma base de dados anual que percorre do ano de 1961 a 1987, composta pelo produto interno bruto agrícola e as exportações de bens agrícolas. Os resultados estimados sugeririam que para o Brasil, no período estudado, a hipótese ELG não seria aplicável ao setor agrícola. Entretanto, todos os estudos da hipótese ELG para o Brasil aplicam diversas metodologias em base de dados anualizadas. Giles e Williams (1999) alertam que a agregação dos dados em freqüência anual pode alterar o resultado da hipótese testada. De fato, se um sistema anualizado é estimado e nenhuma relação de causalidade pode ser determinada entre exportações e produto interno bruto, isto não 5

7 implica que exportações trimestrais não tenham qualquer impacto sobre o PIB trimestral. Assim, uma das contribuições deste estudo está em investigar as relações de curto e longo prazo entre as exportações brasileiras e o PIB, a partir de uma extensa base de dados trimestral. 3. Metodologia e base de dados 3.1 Metodologia A aplicação de modelos de equações simultâneas exige que se determine previamente qual o papel de cada uma no sistema, tal como endógena, exógena ou pré-determinada. Contudo, esse tipo de modelo tem por hipótese que não há feedback entre as variáveis. Fator que, na realidade, pode estar presente na maioria dos sistemas econômicos estudados. De fato, nem sempre é possível afirmar previamente que o comportamento de uma série classificada como exógena não é afetado pelo comportamento da série tipificada como endógena. Desta forma, um meio de evitar a imposição de restrições não cabíveis ao modelo é tratar todas as variáveis de maneira simétrica, sem fazer inferência sobre a exogeneidade destas, e relações de causalidade ad hoc. Isto pode ser feito através de um modelo de vetores auto-regressivos (VAR) que admite as variáveis serem interdependentes e correlacionadas através de uma memória autoregressiva (Enders, 2004). Antes de aplicarmos um modelo VAR, devemos conhecer a natureza das séries analisadas, ou seja, se estas possuem um comportamento estacionário. Uma das metodologias mais utilizadas na literatura para determinar se uma série é estacionária, I(1), ou não, I(0), é o teste Dickey-Fuller Aumentado (ADF). Assumindo que os erros são independentes e a variância é constante, a seguinte equação é estimada para determinar se a variável possui uma raiz unitária, onde p é a ordem de defasagem (Enders, 2004): 6 (1) Onde: e. Na equação (1) se o coeficiente γ for estatisticamente igual a zero então a equação será toda em primeira diferença, logo a série contém uma raiz unitária. O teste para determinar se uma variável é I(1) não pode ser conduzido com base em distribuições t ou F padrão. Dickey e Fuller (1981) asseveram que a distribuição de probabilidade a ser utilizada depende da especificação da equação (1). Os autores, com base em simulações de Monte Carlo, desenvolveram uma distribuição para uma regressão sem constante e sem tendência (τ), uma distribuição para uma equação com constante e sem tendência (τ ) e outra distribuição para equações com constante e tendência (τ ). Ademais, para garantir a eficácia do teste é necessário determinar o número correto de defasagens a serem estimadas. Os critérios de informação AIC e SBC, explanados adiante, são os mais aplicados para este fim. Entretanto, em algumas séries estatísticas para eliminar a raiz unitária basta que sejam diferenciadas uma vez (Δy t = y t - y t-1 ), enquanto outras a raiz unitária só pode ser retida se esta for diferenciada sazonalmente (Δ 4 y t = y t - y t-4 ). Assim, as primeiras diferenças de uma série com raiz unitária sazonal não serão estacionárias. Hylleberg, et al (1990) traz um método para verificarmos se uma seqüência de dados possui uma raiz unitária sazonal. O teste HEGY é realizado a partir da equação, a seguir: (2) Onde:

8 7. A partir de uma distribuição t para a hipótese nula, se não rejeitamos a hipótese de γ 1 = 0 então há podemos concluir que há uma raiz unitária não-sazonal. A hipótese nula para γ 2 = 0, caso não possa ser afastada, indica a presença de uma raiz unitária com freqüência semi-anual. Ao passo que, a hipótese nula para γ 5 = γ 6 = 0, com base na distribuição F, sugere a hipótese de uma raiz unitária sazonal no processo analisado. Entretanto, estas hipóteses não são mutuamente excludentes. A presença de uma raiz unitária sazonal não exclui a possibilidade da presença de outra raiz unitária não-sazonal. Uma vez verificado que um sistema é composto por variáveis I(1), surge a possibilidade de estas variáveis compartilharem uma relação de longo prazo comum, hipótese na qual elas são classificadas como co-integradas, CI(1,1). A definição de co-integração, ditada por Engle e Granger (1987), citado em Enders (2004), é definida como: os componentes de um vetor x t = (x 1t, x 2t,..., x nt ) é dito como cointegrado de ordem (d, b), expresso como x t ~ CI(d,b), se todos os componentes do vetor x t são integrados de ordem d; e se existe um vetor β = (β 1, β 2,..., β n ), conhecido como vetor de cointegração, a partir do qual a combinação linear β x t é integrada de ordem (d - b), onde b > 0. Seguindo a metodologia constante em Johansen e Joselius (1990), para determinamos se há um vetor de co-integração entre as variáveis analisadas tomamos um sistema auto-regressivo de ordem p, onde X t é um vetor coluna (n x 1) de p variáveis, μ é um vetor (n x 1) de termos constantes e ε t ~ N(0,Σ), dado por: (3) A equação (3) pode ser reescrita se adicionarmos e subtrairmos equação, para obtermos: do lado direito da (4) A seguir, adicionamos e subtraímos para chegarmos a: (5) Após desenvolvimento, chegamos ao modelo padrão com vetor de correção de erros representado em Johansen e Joselius (1990), dado por: (6) onde: e.

9 Na equação (6), Γ e Π representam matrizes de coeficientes, Δ é um operador de diferenciação, p é o número de defasagens do modelo. A matriz Π é conhecida como matriz de impactos, onde seus parâmetros estimados contêm as informações sobre a relação de longo prazo entre as variáveis. A equação (6) difere de VAR em primeira diferença apenas pela presença do termo ΠX t-1. Na análise da cointegração do sistema podem surgir três casos: Rank (Π) = p: o posto da matriz é completo (há p linhas linearmente independentes), indicando que o vetor que processa X t é estacionário; Rank (Π) = 0: a matriz Π corresponde à matriz nula e a equação (6) se reduz a um sistema VAR em primeira diferença padrão; 0 < Rank (Π) = r < p: existem r vetores de co-integração que guardam a relação de longo prazo entre as variáveis. Conforme pontua Enders (2004), não há duvidas que diferenciar um sistema conduz a uma máespecificação do modelo se o vetor de variáveis for co-integrado. O sistema é erroneamente especificado, pois desconsidera a informação de longo prazo entre as variáveis, contida em ΠX t-1. Dada esta máespecificação, todos os coeficientes estimados, estatísticas estimadas e testes de hipóteses não espelharam o verdadeiro processo dos dados. Contudo, se todas as variáveis foram não estacionárias I(1) e não forem co-integradas é preferível estimarmos um sistema VAR em primeira diferença. As principais conseqüências de estimar um VAR em nível para variáveis I(1) que não são co-integradas são: 1. Os testes conduzidos perdem força, pois são estimados n 2 mais parâmetros (uma defasagem adicional para cada variável em cada equação); 2. O teste de causalidade de Granger, conduzido em variáveis I(1), não possui uma distribuição F padrão; 3. Quando o sistema VAR possui variáveis I(1), os impulsos-resposta estimados para os períodos futuros são inconsistentes como os verdadeiros impulsos-resposta. Dado que os impulsos-resposta necessariamente não decaem, qualquer imprecisão nos coeficientes estimados terá um efeito permanente na função impulso-resposta. Enquanto que se o Var for estimado em primeira diferença os impulsos-resposta decaem para zero e logo a função impulso-resposta estimada será consistente. A partir dos resíduos estimados da equação (6) podemos conduzir dois testes de máxima verossimilhança (LR) que podem ser usados para determinar o número de vetores de co-integração em X t. O teste para o número de raízes características que são: 8 (7) (8) A estatística (7) teste a hipótese nula que o número de vetores de co-integração distintos é menor ou igual a r contra a hipótese alternativa geral, onde são os valores estimados das raízes características da matriz Π. Na expressão (7), se todos os valores de λ i são iguais a zero então teremos λ traço = 0. Ademais, quão mais distantes de zero as estimativas das raízes características, maior o valor da estatística λ traço. A estatística (8) testa a hipótese nula de que o número de vetores de co-integração é r contra a hipótese alternativa de r + 1 vetores de co-integração. Assim, se os valores estimados para as raízes características da matriz Π forem próximos a zero, a estatística λ max será pequena. Os valores críticos assintóticos para os testes de máxima verossimilhança (LR) são calculados por simulação numérica por Osterwald-Lenum (1992). Para testarmos a causalidade das variáveis um dos métodos mais empregados na literatura está na aplicação da metodologia desenvolvida por Granger (1969), descrito em Enders (2004). Em um sistema de duas equações com p defasagens, dizemos que a variável y t não Granger-causa z t se e somente se todos

10 os coeficientes estimados para A ij (L) forem estatisticamente iguais a zero, onde A ij (L) representa os coeficientes dos valores defasados da variável j em relação à variável i. Assim, se o comportamento anterior de y t não auxilia na previsão do comportamento futuro de z t podemos estabelecer que não haja uma relação de causalidade entre as variáveis analisadas. Deste modo, no teste de Granger, assumindo que as variáveis do sistema são estacionárias, defrontamos a hipótese nula que os coeficientes de A ij (L) são conjuntamente iguais a zero contra a hipótese alternativa de não o são, através de uma distribuição F padrão. 3.2 Base de dados Para determinar a relação de causalidade entre as exportações brasileiras e o crescimento econômico do país foram utilizados dados trimestrais disponibilizados pelo Instituto de Pesquisas Econômicas Aplicadas - IPEA. O período analisado neste estudo abrange do primeiro trimestre do ano de 1975 ao segundo trimestre do ano de 2008, perfazendo um total de 134 observações. O crescimento econômico foi medido pelo produto interno bruto a preços de mercado deflacionado pelo Índice Geral de Preços - Disponibilidade Interna (IGP-DI), em milhões de reais a preços do terceiro trimestre de As exportações brasileiras foram aferidas a partir do total de exportações trimestrais (FOB) para todos os destinos em milhões de dólares americanos (US$). A série das exportações brasileiras foi deflacionada e convertida em milhões de reais (R$) a partir da taxa de câmbio comercial média (R$/US$) de cada período, corrigida pelo IGP-DI, com base no terceiro trimestre de 2008, igualmente disponibilizada pelo IPEA. Para o alcance do objetivo deste trabalho foi tomado o logaritmo natural das séries analisadas, temos assim o logaritmo natural do produto interno bruto a preços de mercado (LN_PIB) e o logaritmo natural das exportações brasileiras (LN_EXBR). A Tabela 1, logo a seguir, mostra as estatísticas básicas das séries analisadas neste artigo. Ao passo que, a Figura 1 traz o comportamento gráfico das séries estudadas. Tabela 1 - Sumário estatístico das séries utilizadas Séries Observações Média Desvio-padrão Mínimo Máximo LN_PIB LN_EXBR Fonte: Calculado a partir dos dados do IPEA. 9 Figura 1 - Logaritmo natural das exportações brasileiras (LN_EXBR) e do produto interno bruto a preços de mercado (LN_PIB). Fonte: Calculado a partir dos dados do IPEA.

11 10 4. Resultados No estudo de séries temporais um dos primeiros passos está em determinar o comportamento temporal das variáveis. A presença de variáveis não estacionárias, em geral, não altera a relação entre os coeficientes estimados no modelo VAR, a função impulso-resposta ou a decomposição da variância. Contudo, a não estacionariedade altera as distribuições assintóticas dos estimadores de máxima verossimilhança dos coeficientes e, portanto os testes estatísticos podem ou não apresentar distribuições de probabilidade padrão. Este fator tem levado os pesquisadores da hipótese ELG a deixar de utilizar modelos VAR irrestritos em favor de modelos em primeira diferença ou modelos com vetores de correção de erros (VEC) (Giles e Williams, 1999). Desta forma, para determinarmos a presença de raízes unitárias nas séries das exportações brasileiras e no produto interno bruto aplicamos os testes Dickey-Fuller Aumentado (ADF) e, adicionalmente, o teste HEGY para verificarmos a presença de raiz unitária sazonal nos dados. O teste ADF testa a hipótese nula de não estacionariedade da série, ou seja, se γ = 0 for estatisticamente igual a zero então a termos uma raiz unitária, I(1). O teste HEGY, desenvolvido por Hylleberg, et al (1990), permite verificarmos a presença de raízes unitárias em diversas freqüências (sem periodicidade, semianual e sazonal ou trimestral). A partir de uma distribuição t padrão, na equação de interesse, se não pudermos rejeita a hipótese nula de γ 1 = 0, então concluímos que há uma raiz unitária não sazonal. Da mesma forma, com base na distribuição F padrão, se o valor calculado para hipótese nula de γ5 = γ6 = 0 for menor que o valor crítico citado em Hylleberg, et al (1990) teremos uma raiz unitária com freqüência sazonal. Os resultados dos testes realizados para os dados para o logaritmo natural das séries e para as séries diferenciadas são apresentados na Tabela 2. Os resultados reportados na Tabela 2 sugerem que tanto a série para as exportações brasileiras (LN_EXBR) quanto o produto interno bruto do Brasil (LN_PIB) seriam não estacionárias. O teste ADF, com quadro defasagens, com nível de significância de 5%, resulta em uma estatística calculada de -2,65 para as exportações e de -3,14 para o PIB, que frente ao valor crítico tabelado de -3,41 nos induzem a não rejeitar a hipótese nula de não estacionariedade dos dados. Resultado que é corroborado pelo teste HEGY, onde os valores calculados são inferiores ao valor crítico tabelado por Hylleberg, et al (1990). Ao aplicarmos os mesmos testes estatísticos aos dados diferenciados em primeira ordem podemos constatar que, em ambos, a hipótese nula da presença de raiz unitária não pode ser mais aceita. Logo, tanto o teste ADF como o teste HEGY sugerem que as séries são integradas em primeira ordem, I(1). Adicionalmente, podemos verificar que o teste HEGY exclui a hipótese da presença de raiz unitária sazonal na série para as exportações nacionais, assim como para os dados do produto interno bruto. Tabela 2 - Teste Dickey-Fuller Aumentado (ADF) e Teste HEGY para a presença de raiz unitária e raiz unitária sazonal (com quatro defasagens) Variável ADF HEGY γ = 0 γ 1 = 0 γ 5 = γ 6 = 0 Logaritmo natural LN_EXBR ** LN_PIB ** ª diferença D_LNEXBR ** ** **5.612 D_LNPIB ** ** **3.304 Fonte: Elaboração própria a partir dos dados do IPEA. ** indica rejeição da hipótese nula da presença de raiz unitária do teste ADF, ao nível de significância de 5% (-3.41). ** indica rejeição da hipótese nula da presença de raiz unitária não sazonal do Teste HEGY, ao nível de significância de 5% (-2.88). ** indica rejeição da hipótese nula da presença de raiz unitária sazonal do Teste HEGY, ao nível de significância de 5% (3.08). O tratamento econométrico apropriado de modelos auto-regressivo com a de presença de variáveis não estacionárias, segundo Enders (2004), ainda não é consensual na literatura econômica. Dado que as

12 variáveis são I(1), pode existir uma combinação linear das variáveis integradas que seja I(0), denominando-as então de co-integradas. Contudo, antes de investigarmos a hipótese de um vetor de cointegração nas séries analisadas devemos determinar o número ótimo de defasagens para conduzir o teste de Johansen. Apesar de não haver uma regra clara que determine qual o número de defasagens ótimo, vários critérios podem ser utilizados para auxiliar o pesquisador nesta decisão. Entre eles destaca-se critério de informação de Akaike AIC, a estatística Schwartz Bayesian Criterion SBC, que penaliza mais severamente a inclusão de novas variáveis, e o teste de máxima verossimilhança LR. Os critérios de AIC e SBC auxiliam na seleção do modelo mais apropriado ao penalizar a inclusão de variáveis que não aumentam o seu poder explicativo. O modelo A é tomado como mais ajustado que o modelo B se o valor calculado para AIC, assim como SBC, for menor para ao modelo A do que para o modelo B. Assim, a adição de novos regressores que não trazem um a redução na soma do quadrado dos resíduos implicará num aumento do valor calculado tanto para AIC como para SBC. A aplicação de restrições aos modelos, como o número de defasagens, pode testada através da comparação entre as matrizes de variância/covariância dos modelos restritos e irrestritos. Assim, dado Σ u e Σ r como a matriz de variância/covariância dos modelos irrestritos e restritos, respectivamente, T o número de observações utilizadas e c o número de regressores na maior equação do sistema, podemos conduzir o seguinte teste: 11 para a validade da restrição imposta contra uma distribuição qui-quadrado padrão com número de graus de liberdade iguais ao total de restrições do sistema (Enders, 2004). A Tabela 3 apresenta o cálculo destas estatísticas para o nosso estudo. Podemos verificar que, pelo critério AIC, o número de defasagens a serem incluídas no modelo auto-regressivo estimado seria de ordem cinco. Indicação que é corroborada pelo critério SBC que sugere o mesmo número ótimo de defasagens a serem incluídas no modelo. Os testes LR conduzidos sugerem que a adição de defasagens ao modelo é válida até atingirmos uma ordem de cinco defasagens. De fato, podemos verificar que hipótese nula que o modelo restrito com cinco defasagens frente à hipótese alternativa de um modelo com seis defasagens não pode ser rejeitada. No entanto, ao confrontarmos um modelo com sete defasagens frente a um modelo com oito defasagens, o teste sugere que esta restrição aplicada não seria adequada. Assim sendo, testamos se a restrição de cinco defasagens contra a hipótese alternativa de oito defasagens seria estatisticamente significante. O resultado encontrado indica que a hipótese nula de que restrição imposta é apropriada não pode ser rejeitada a níveis de significância usuais: com χ 2 (12) = 16,78 e com p-valor = 0,15. Desta feita, dados os resultados estimados e como formar de evitar a imposição de restrições falsas à dinâmica do modelo, assume-se um modelo VAR com ordem de defasagem igual a cinco. Tabela 3 - Teste para escolha da ordem de defasagem do modelo VAR Número de AIC SBC LR defasagens * * Log Determinantes são Qui-quadrado(4) = com nível de significância Log Determinantes são Qui-quadrado(4) = com nível de significância Log Determinantes são Qui-quadrado(4) = com nível de significância Log Determinantes são Qui-quadrado(4) = com nível de significância Log Determinantes são Qui-quadrado(4) = com nível de significância Log Determinantes são Qui-quadrado(4) = com nível de significância

13 Fonte: Elaboração própria a partir dos dados do IPEA. * Menor valor reportado pelos critérios de AIC e SBC, respectivamente. Log Determinantes são Qui-quadrado(4) = com nível de significância O próximo passo de nosso estudo é verificar se as séries para as exportações brasileiras e para o produto interno bruto nacional possuem um comportamento em comum de longo prazo. A condução do teste de Johansen, exposto na seção anterior, a partir das variáveis I(1) e com cinco defasagens, é realizada para verificarmos a existência ou não de um vetor de co-integração entre os dados. A hipótese nula a ser testada é que aos dados não são co-integrados, ou seja, que o rank (r) da matriz Π é igual a zero. A Tabela 4, a seguir, mostra os valores calculados para o teste λ traço para o nosso caso em análise. Tabela 4 - Teste de Johansen para cointegração Vetores de cointegração (r) Estatística traço (λ traço ) Valor crítico (5%) p - valor r = r Fonte: Elaboração própria a partir dos dados do IPEA. A partir da Tabela 4, dado que o valor 16,06 não excede o valor crítico para λ traço, com nível de significância de 5% (25,73), não podemos rejeitar a hipótese nula de que não há um vetor de cointegração contra a hipótese alternativa de que há um ou mais vetores de co-integração. A seguir, podemos utilizar o resultado do teste para λ traço (1) para confirmar esta conclusão. Para a hipótese nula de que o rank (r) da matriz Π é igual ou menor a um, frente à existência de dois ou mais vetores de cointegração, o valor calculado (6,3) é menor que valor tabelado (12,45), com nível de significância de 5%. Logo, podemos concluir que as séries para as exportações brasileiras (LN_EXBR) e do produto interno bruto (LN_PIB), para o período analisado, não são co-integradas. O teste de Engle e Granger (1987) é outra forma de verificar a presença de um vetor de cointegração. Através de um procedimento em quatro estágios podemos verificar se duas variáveis I(1) são ou não co-integradas de ordem CI(1,1). Dado que duas séries são não estacionárias, estimamos a relação de longo prazo entre as variáveis, por mínimos quadrados ordinários, e tomamos a série dos resíduos estimados (ê t ). Então, se as variáveis forem co-integradas a seqüência ê t reflete os valores estimados para os desvios da relação de longo prazo. Portanto, se a série de erros for estacionária as variáveis serão co-integradas de ordem CI(1,1). O teste Dickey-Fuller Aumentado (ADF) pode ser realizado para verificar a presença de uma raiz unitária na série dos erros estimados (ê t ). No nosso caso específico, o teste de Engle-Granger resulta numa estatística calculada igual a -3,23 que nos leva a aceitar a hipótese nula de não estacionariedade da série, com nível de significância de 5% (valor crítico igual a - 3,38). Assim, como não podemos rejeitar a hipótese nula, aceitamos a hipótese de que a série dos erros estimados contém uma raiz unitária. Portanto, concluímos que as séries para as exportações brasileiras (LN_EXBR) e para o produto interno bruto (LN_PIB) são não co-integradas de ordem CI(1,1). Conclusão esta em consonância com os resultados encontrados por Kugler e Dridi (1993), Dutt e Ghosh (1993,1994) e Van den Berg e Schmidt (1994). Desta forma, dado que não há uma relação de longo prazo entre as variáveis não se torna necessária a aplicação de um vetor de correção de erros. Tabela 5 - Estimativas do modelo VAR em primeiras diferenças Equação Variável dependente Variável independente Coeficiente Estatística t 1 D_LNEXBR D_LNEXBR{-1} D_LNEXBR{-2} *** D_LNEXBR{-3} ** D_LNEXBR{-4} ** D_LNPIB{-1} ** D_LNPIB{-2} D_LNPIB{-3} D_LNPIB{-4} *** Constante

14 13 2 D_LNPIB D_LNEXBR{-1} D_LNEXBR{-2} D_LNEXBR{-3} D_LNEXBR{-4} *** D_LNPIB{-1} *** D_LNPIB{-2} * D_LNPIB{-3} D_LNPIB{-4} Constante Fonte: Elaboração própria a partir dos dados do IPEA. Notas: * p < 0.10; ** p < 0.05; *** p < Números entre colchetes indicam a ordem de defasagem da variável exógena. Entretanto, a ausência de uma relação de longo prazo entre as exportações e PIB não implica, necessariamente, que estas variáveis não estejam relacionadas no curto prazo. A estimação de um modelo VAR em nível, geralmente aplicado para determinar causalidades de curto prazo, na presença de variáveis não estacionárias I(1), como ressaltado por Enders (2004), implica em sérias restrições aos resultados estimados. Dentre estas restrições está a não aplicação de uma distribuição F padrão ao teste de causalidade de Granger. Dado que um dos objetivos deste artigo está em verificar a hipótese export-led growth, buscando identificar as relações de causalidade entre as variáveis, torna-se mais adequada a estimação de modelo VAR em primeira diferença. A estimação do modelo VAR em primeira diferença foi realizada com quatro defasagens para determinarmos as relações de causalidade entre as variáveis, onde as variáveis D_LNEXBR e D_LNPIB são, respectivamente, o logaritmo natural diferenciado das exportações trimestrais e do produto interno bruto do Brasil. Os resultados encontrados são apresentados na Tabela 5. Deste modo, a partir do modelo estimado podemos determinar se os valores passados das exportações ajudam a prever o comportamento da série para o produto interno bruto, e vice-versa. A estatística F e o p-valor para o teste de causalidade de Granger para o VAR em primeira diferença são mostrados na Tabela 6. Como já salientamos, o teste de Granger examina se a inclusão de defasagens de uma variável (x t ) auxilia na previsão do comportamento contemporâneo de outra variável (y t ). Logo, a hipótese nula a ser testada é que os coeficientes das defasagens de x t são em conjunto estatisticamente iguais a zero na equação de y t. A hipótese de não causalidade de Granger pode ser realizada com base em distribuição F, dado que as variáveis diferenciadas são I(0). Tabela 6 - Teste de causalidade de Granger Hipótese nula (H 0 ) Estatística F p - valor Variável dependente D_LNPIB D_LNPIB não causa D_LNEXBR D_LNEXBR não causa D_LNPIB Variável dependente D_LNEXBR D_LNPIB não causa D_LNEXBR D_LNEXBR não causa D_LNPIB Fonte: Elaboração própria a partir dos dados do IPEA. Pelos resultados da Tabela 6, na equação onde o logaritmo natural do PIB em primeira diferença (D_LNPIB) é a variável dependente, podemos rechaçar a hipótese nula de que as exportações não Granger-causam o produto da economia. Assim, podemos inferir que as exportações totais teriam influência sobre a determinação do crescimento do produto interno bruto brasileiro. Do mesmo modo, na equação onde a série das exportações diferenciadas (D_LNEXBR) é a variável dependente, a hipótese nula de que o PIB não Granger-causa as exportações totais também pode ser rejeitada. Logo, o modelo estimado sugere que, no período analisado, teríamos uma relação de bi-causalidade entre as exportações totais e o produto interno bruto brasileiro (LN_PIB LN_EXBR).

15 Dada a relação bi-causal entre exportações e crescimento econômico estimada pelo modelo VAR em primeira diferença, um importante contribuição está em determinar quanto da variação de cada série pode ser explicada pelo comportamento da outra variável. Segundo Enders (2004), esta contribuição pode ser estimada da decomposição da variância dos erros que nos indica qual a proporção dos movimentos pode ser atribuída a choques na própria série e a choques em outras variáveis. Por exemplo, se choques em ε zt não possuem nenhuma explicação para a previsão da variação do erro de y t, podemos inferir que a série de y t é exógena ao sistema. Contudo, para que os erros sejam identificados é necessário impor restrições a matriz B. A decomposição comumente utilizada em sistemas de duas variáveis é a decomposição de Choleski que assume que toda a variância para o primeiro período da variável z t é devido a choques em sua própria seqüência de erros (ε zt ). Porém, os efeitos desta hipótese se reduzem para horizontes de previsão maiores e a variância do erro de previsão aumenta com diretamente com o aumento do horizonte de previsão n. Assim, para tornar o sistema VAR estimado perfeitamente identificado aplicamos a metodologia de Choleski. Para o caso em análise, admitimos que o produto interno bruto de um período não tem efeito contemporâneo sobre o montante exportado pelo país (D_LNPIB t D_LNEXBR t ). Sendo a demanda do setor externo um componente da demanda total da economia, que é fortemente ligada ao produto interno, assim a pressuposição de que o PIB do período n não afeta o montante exportado no mesmo período parece não ser tão forte. Tabela 7 - Decomposição da variância pelo método de Choleski Decomposição da variância da série D_LNPIB Decomposição da variância da série D_LNEXBR Steps D_LNEXBR D_LNPIB Steps D_LNEXBR D_LNPIB Fonte: Elaboração própria a partir dos dados do IPEA. A Tabela 7 traz a decomposição da variância das exportações e do produto interno bruto brasileiro no período estudado, a partir da metodologia de Choleski. Em acordo com o esperado, no curto prazo, cada série explica grande parte de sua própria variância e devido à restrição imposta, no primeiro período, o PIB não tem poder para explicar a variância das exportações. A partir dos resultados estimados, podemos inferir que, nos primeiros quatro trimestres, as exportações teriam um baixo poder para explicar variações no produto interno nacional, girando em torno de apenas um ponto percentual. Por outro lado, o produto interno bruto teria uma capacidade maior (cerca de 4,5%) para explicar a variância das exportações nos primeiros quatro trimestres, talvez como reflexo, por exemplo, de que um crescimento da atividade econômica induz a um aumento do nível de comércio exterior. Nos quatro trimestres seguintes (steps 5 a 8), as exportações totais ganham mais importância para explicar a variação do produto interno bruto, respondendo com mais de dez pontos percentuais. Este percentual cresce continuamente até atingir 16% num horizonte de 24 períodos. Da mesma forma, o poder explicativo da série do produto interno bruto sobre a variância das exportações cresce ininterruptamente ao longo do horizonte estimado. O PIB brasileiro chega a explicar até 19% da variação da série das exportações nacionais. Assim, com base nos resultados estimados no teste de Granger para o período analisado, podemos concluir que haveria uma relação de bi-causalidade entre as exportações totais e o produto interno bruto brasileiro. Ademais, a decomposição da variância das séries mostra que a relação contemporânea (quatro 14

16 primeiros trimestres) entre as variáveis seria reduzida. Muito embora, essa relação seja crescente nos períodos seguintes. 5. Conclusões O objetivo deste artigo foi verificar a validade da hipótese de export-led growth (ELG) para o Brasil, no período de 1975 a Determinar como as exportações e o crescimento econômico podem estar co-relacionados no caso brasileiro importa em verificar a eficácia de políticas de promoção do comércio exterior postas em prática pelo Estado brasileiro nos últimos anos e avaliar os impactos de possíveis choques externos no comércio mundial sobre o desempenho econômico interno. Como mencionado anteriormente, uma vez verificado que as exportações não teriam impacto relevante sobre o produto interno bruto da economia, investimentos em promoção de exportações poderiam se revelar inócuos ou até mesmo desnecessários. Do mesmo modo, caso se verifique uma relação unidirecional onde o crescimento econômico guia a expansão das exportações (growth-led export), impulsos no comércio só poderiam então ser obtidos a partir de certo nível de produto interno. Para atingir tal objetivo é investigado o comportamento das séries exportações brasileiras trimestrais e o produto interno bruto trimestral de 1975 ao segundo trimestre de Através dos Testes de Engle e Granger (1987) e de Joselius e Johansen (1990), é investigada a possibilidade co-integração entre as séries. Em seguida, é estimado um modelo auto-regressivo (VAR) em primeira diferença, a partir do qual é verificada a causalidade de Granger e a decomposição de variância das séries. Os resultados do Teste de Dickey-Fuller Aumentado (ADF) e do Teste HEGY sugerem que ambas as variáveis seriam integradas de primeira ordem, I(1). Apesar disso, os testes para co-integração de Johansen e de Engle e Granger rejeitam a hipótese de que as series seriam co-integradas de primeira ordem, CI(1,1). Assim, podemos concluir que as exportações brasileiras e o produto interno bruto não possuem uma relação de longo prazo estabelecida. A estimação do modelo VAR em primeira diferença, com quatro defasagens, indica que haveria uma relação de curto prazo entre as séries. O teste de causalidade de Granger revela uma relação de causalidade bi-direcional onde as exportações afetariam o crescimento econômico, e vice-versa (X PIB). A decomposição da variância sugere que os impactos do aumento das exportações teriam um efeito mais pronunciado sobre o PIB a partir do segundo ano (quinto trimestre). Este resultado é coerente com o tempo necessário a que novos investimentos sejam realizados para atender a demanda externa. Da mesma forma, o PIB teria um poder explicativo relevante sobre a variação das exportações, a partir do quinto trimestre. Uma possível explicação para a relação bi-causal entre exportações e PIB para o Brasil, neste período, pode residir nos ganhos devidos a economias de escala, fruto do aumento de produtividade que implicariam no aumento das exportações. Por sua vez, o crescimento das exportações levaria a maiores ganhos de produtividade baseados na redução dos custos de produção (Helpman e Krugman, 1985). A decomposição da variância do PIB, a partir da metodologia de Choleski, evidencia que até 16% da variância do produto interno bruto poderia ser explicado pela variação dos níveis de exportação. Assim, a depressão recente do nível de comércio mundial e o retrocesso no processo de abertura comercial e de retirada de barreiras comerciais pelos países desenvolvidos, como forma de frear os efeitos da crise econômica recente, podem trazer impactos relevantes sobre a atividade econômica brasileira. Efeitos que serão mais relevantes caso a redução da atividade econômica mundial estenda-se por mais de quatro trimestres, uma vez que os resultados estimados sugerem uma defasagem de quatro períodos dos efeitos das exportações sobre o produto interno brasileiro. Todavia, os resultados também indicam que variações seriam em grande parte explicadas por si mesmas, o que podemos interpretar, grosso modo, como um ganho de importância do mercado interno sobre o nível de produto nacional. Fator que poderia agir como proteção ao nível de atividade econômica nacional dos efeitos da crise mundial, caso esta não se prolongue por um grande período. Assim, muitas extensões de pesquisas podem ser derivadas do resultado obtido neste artigo, como a investigação de variáveis comuns que estejam relacionadas ao comportamento destas duas variáveis, a verificação se a hipótese de ganhos de produtividade advindos do comércio externo é válida no caso brasileiro, ou até mesmo uma decomposição por tipos de produtos exportados (primários, manufaturados, etc.) ou para as macro-regiões do país. 15

17 16 REFERÊNCIAS ARNADE, C. e VASAVADA, U. (1995). Causality between productivity and exports in agriculture: evidence from Asia and Latin America. Journal of Agricultural Economics, vol. 46: AWOKUSE, T. O. (2003). Is the export-led growth hypothesis valid for Canada?. Canadian Journal of Economics, vo. 36, no.1: AWOKUSE, T. O. (2007). Causality between exports, imports, and economic growth: evidence from transition economies. Economics Letters, vol. 94: BAHMANI-OSKOOEE, M. e ALSE, J. (1993). Export growth and economic growth: application of cointegration and EC modeling. Journal of Developing Areas, vol. 27: CHOW, P. C. Y. (1987). Causality between export growth and industrial development: empirical evidence for the NICs. Journal of Development Economics, vol. 26: DICKEY, D. e FULLER, W. A. (1981). Likelihood ratio statistics for autoregressive time series with unit roots. Econometrica, vol. 49: DUTT, S. D. e GHOSH, D. (1994). An empirical investigation of the export growth-economic growth relationship. Applied Economics Letters, vol. 1: DUTT, S. D. e GHOSH, D. (1996). The export growth-economic growth nexus: a causality analysis. Journal of Development Areas, vol. 30: ENDERS, W. (2004). Applies econometric time series. 2ª Edição. John Wiley & Sons Inc. Hoboken. ENGLE, R. F. e GRANGER, C.W.J. (1987). Cointegration and error-correction: representation, estimation and testing. Econometrica, vol. 55, no. 2: FERDA, H. (2007). A Multivariate Causality Analysis of Export and Growth for Turkey. Munich Personal RePEc Archive - MPRA, MPRA paper no GILES, J. A. e WILLIAMS, C. L. (1999). Export-led growth: a survey of the empirical literature and some noncausality results. University of Victoria. Econometrics Working Paper no GOHSH, K.; SAUNDERS, P. J. e BISWAS, B. (2002). An empirical investigation of the relations among wage differentials, productivity growth, and trade. Contemporary Eonomic Policy, vol. 20, no. 1: GRANGER, C. W. J. (1969). Investigation casual relations by econometric models and cross-spectral models. Econometrica, vol. 37: HAMILTON, N. e THOMPSON, C. (1994). Export promotion in a regional context: Central America and Southern Africa. World Development, vol. 22: HELPMAN, E. e KRUGMAN, P. (1985). Market Structure and Foreign Trade: Increasing Returns, Imperfect Competition, and the International Economy. Cambridge, MIT Press. HYLLEBERG, S. et al (1990). Seasonal integration and cointegration. Journal of Econometrics, vol. 44: JOHANSEN, S. (1988). Statistical analysis of cointegration vectors. Journal of Dynamics and Control, vol. 12: JOHANSEN, S. e JOSELIUS, K. (1990). Maximum likelihood estimation and inference on cointegration with application to the demand for money. Oxford Bulletin of Economics and Statistics, vol, 52: KHAN, A. H.; HASAN, L. e MALIK, A. (1995). Exports, Growth and Causality: an Application of Co- Integration and Error-correction Modeling. Munich Personal RePEc Archive - MPRA, MPRA paper no KÓNYA, L. (2000). Export-Led Growth or Growth-Driven Export? New Evidence from Granger Causality Analysis on OECD Countries. Central European University, Department of Economics, Working Paper no. 15/2000. KUGLER, P. e DRIDI, J. (1993). Growth and export in LDCs: a multivariete time series study. International Review of Economics and Business, vol. 40: KUNST, R. M. e MARIN, D. (1989). On Exports and Productivity: A Causal Analysis. The Review of Economics and Statistics, vol. 71, no. 4:

18 MARIN, D. (1992). Is the Export-Led Growth Hypothesis Valid for Industrialized Countries?. The Review of Economics and Statistics, vol. 74, no. 4: MARTÍN, M.A. G. e AGUSTIÍN, A. H. (2005). Regional Exports and Economic Growth: The Case of Spanish Regions. International Advances in Economic Research, vol. 12: OSTERWALD-LENUM, M., (1992). A note with quantiles of the asymptotic distribution of the maximum likelihood cointegration rank test statistics. Oxford Bulletin of Economics and Statistics, vol. 54: RIEZMAN, R. G.; SUMMERS, P. M. e WHITEMAN, C. H. (1996). The engine of growth or its handmaiden? A time series assessment of export-led growth. Empirical Economics, vol. 21: SILIVERSTOVS, B. e HERZER, D. (2005). Export-led growth hypothesis: Evidence for Chile. Ibero- America Institute f or Economic Research, Discussion Papers no THORNTON, J. (1996). Cointegration, causality and export-led growth in Mexico, Economics Letters, vol. 50: TODA, H. Y. e YAMAMOTO, T. (1995). Statistical inference in vector autoregression with possibly integrated process. Journal of Econometrics, vol. 66: VAN DEN BERG, H. e SCHMIDT, J. R. (1994). Foreign trade and economic growth: time series evidence for Latin America. Journal of International Trade and Economic Development, vol. 3: XU, Z. (1996). On the Causality between Export Growth and GDP Growth: An Empirical Reinvestigation. Review of International Economics, no. 4, vol. 2: YAMADA, H. (1998). A note on the causality between export and productivity: an empirical reexamination. Economics Letters, Vol. 61, no. 1: