INTERDEPENDÊNCIA ENTRE OS PREÇOS DO MILHO NO SUL BRASILEIRO

Transcrição

1 INTERDEPENDÊNCIA ENTRE OS PREÇOS DO MILHO NO SUL BRASILEIRO Resumo: O artigo objetiva verificar a relação entre os preços do milho nos estados do Paraná, do Rio Grande do Sul e de Santa Catarina, buscando testar se a Lei do Preço Único prevalece nesses mercados, no período de outubro de 2002 a março de Utilizaram-se dados mensais provenientes do Centro de Estudos Avançados em Economia Aplicada (CEPEA) da ESALQ / USP. Os métodos empregados compreendem os testes de raiz unitária e de co-integração de Johansen, estimação da função impulso-resposta, decomposição da variância dos erros de previsão, estimação do modelo vetorial de correção de erro (VEC) e teste de exogeneidade. Os resultados mostraram que variações nos preços do milho, de longo prazo, ocorridas no Rio Grande do Sul foram totalmente repassadas para o Paraná. Essa transmissão também se dá de forma completa entre os estados de Santa Catarina e Rio Grande do Sul na ausência de restrições. Entretanto, como a hipótese de perfeita integração entre os mercados foi rejeitada quando foram impostas restrições no coeficiente de relacionamento de longo prazo, esses mercados não podem ser perfeitamente integrados, logo a Lei do Preço Único não foi perfeitamente verificada nos mercados regionais de milho analisados. Palavras-chaves: relação entre preços, Lei do Preço Único, mercado regional de milho. Abstract: The article aims at to verify the relationship between the prices of the maize in the states of Paraná, of Rio Grande do Sul and of Santa Catarina in order to test the validity of the Law of One Price at those markets over the October, 2002 to March, 2009 period. Monthly data were extracted from the Center of Advanced Studies for Applied Economy (CEPEA) of ESALQ / USP. The employed methods understand the tests for unitary root and Johansen s cointegration, impulse-response function, decomposition of the variance of the forecasting error, estimate of the vector error correction model (VEC) and exogenicity test. The results showed that variations in the prices of the maize, of long period, happened in Rio Grande do Sul were fully transmitted to Paraná. That transmission also feels in a complete way between the states of Santa Catarina and Rio Grande do Sul in the absence of restrictions. However, as the hypothesis of perfect integration between the markets was rejected when restrictions were imposed in the coefficient of relationship of long period, those markets cannot be integrated perfectly, soon the Law of One Price was not perfectly verified for the regional maize markets analyzed. Key Words: relation between prices, Law of One Price, regional maize market. ÁREA TEMÁTICA - CIÊNCIA REGIONAL: TEORIA E MÉTODOS DE ANÁLISE 1. INTRODUÇÃO 1

2 A produção de milho no Brasil, juntamente com a da soja, contribui com cerca de 80% da produção de grãos no Brasil. Essas duas culturas se diferenciam pelo fato de a soja ter liquidez imediata em virtude de suas características de commodity no mercado internacional, enquanto o milho tem sua produção destinada ao abastecimento interno. Entretanto, nos últimos vinte e oito anos, o milho tem evoluído como cultura comercial, registrando taxas de crescimento da produção de 3% ao ano e da área cultivada de 0,4% ao ano (DUARTE, 2007). O milho é cultivado em todo território nacional, sendo que a região Sul, área de estudo deste trabalho, é a maior produtora de milho do Brasil, perfazendo uma quantidade produzida de toneladas, que corresponde a 46,09% da produção nacional de milho, conforme dados da Produção Agrícola Municipal 2007 (IBGE, 2007). De acordo com Bittencourt e Barros (1996), avanços na produção somente implicarão em completa eficiência econômica se as principais regiões produtoras operarem de forma integrada, de modo que os eventuais déficits ou superávits reflitam os preços locais, sinalizando as desejadas movimentações de suprimentos, em curto prazo, e ajustes de produção, em médio e longo prazos. A importância da análise de integração também é ressaltada por Rosado (2006). Na concepção da autora, a integração facilita a tomada de decisão dos agentes envolvidos e contribui para aumentar a eficiência alocativa no mercado, além de possibilitar maior especialização e comércio, o que resulta em melhoria no bem-estar dos produtores e consumidores. Nesse sentido, dada a relevância da integração entre os mercados, é importante desenvolver estudos que busquem conhecer as interdependências existentes entre os preços de diferentes mercados de uma dada commodity. Segundo Silveira (2004), tais estudos contribuem para a formulação de políticas governamentais e para a tomada de decisão dos agentes sobre a produção e a comercialização. Entretanto, o que se tem observado mais frequentemente na literatura econômica são estudos que contemplem a interdependência entre preços de commodities agrícolas entre mercados internos e externos. Com relação ao milho, isso é observado, por exemplo, nos estudos desenvolvidos por Costa e Ferreira Filho (2000), que analisa outras commodities além do milho, e Santos et al. (2007), que se preocuparam em verificar a relação de preços do milho entre os mercados doméstico e internacional. No entanto, a transmissão de preços também pode ser enfocada em uma análise regional, como é caso do trabalho de Alves et al. (2006), que abordam essa temática para diversas commodities, dentre elas, o milho, no Estado do Paraná, que é o maior produtor nacional de milho. Além do Estado do Paraná, Chiodi (2006) também considerou os outros dois estados da região Sul, assim como os estados de Mato Grosso, Mato Grosso do Sul, Goiás, São Paulo, Bahia e Minas Gerais para analisar a dinâmica do processo de formação de preços no mercado regional de milho entre 1996 a O presente estudo segue a linha do trabalho de Chiodi (2006), mas considera apenas os estados sulinos. Além de realizar uma análise para um período mais recente, tendo em vista que esta pesquisa abrange o horizonte temporal entre outubro de 2002 a março de 2009, acrescenta uma análise de decomposição da variância dos erros de previsão e função impulsoresposta, que não foram investigados por Chiodi (2006). Portanto, este trabalho pretende verificar se a Lei do Preço Único pode ser verificada entre esses estados sulinos, ou seja, se variações de preços em um Estado poderão ser repassadas para os demais Estados. O artigo está organizado em três seções, além da introdução. Os referenciais teóricos e analíticos e a fonte dos dados compõem a segunda seção. Na terceira seção, são discutidos os resultados; e na última seção, apresentam-se as conclusões. 2. PROCEDIMENTOS METODOLÓGICOS 2

3 2.1. Referencial Teórico Este trabalho teve como fundamento teórico a Lei do Preço Único (LPU), o qual estabelece que em mercados concorrentes, isentos de custos de transporte e barreiras comerciais, bens idênticos devem ser vendidos por preços equivalentes, independente da moeda em que os preços são cotados (KRUGMAN e OBSTFELD, 2005). Segundo Ardeni (1989), a arbitragem de commodities assegura que cada bem possua um preço único, definida em uma unidade corrente comum. Nesse sentido, quando houver arbitragem, o preço tenderá a aumentar no mercado com menor preço, resultante do aumento da quantidade demandada, enquanto o preço tenderá a reduzir no mercado com preço mais elevado, em virtude do excesso da quantidade ofertada. Esse processo de arbitragem continuará até que os preços se igualem nos dois mercados. De acordo com o modelo proposto por Mundlak e Larson (1992), que se baseia na LPU, o preço doméstico de um dado produto pode ser expresso como função do seu próprio preço no mercado externo e da taxa de câmbio nominal. Matematicamente, tem-se que: * Pit Pit Et (1) Essa formulação desconsidera diferenças na qualidade do produto, no custo de transporte, na estocagem do produto, no custo de marketing e em todos os outros insumos domésticos não comercializáveis. Ademais, essa equação (1) é fundamentada na hipótese de que diferenças nas taxas domésticas e internacionais de inflação são captadas pelo termo E. Desta forma, para incorporar efeitos de variáveis não incluídas nessa equação, um t termo de erro, denotado por, é acrescentado à equação (1). Após manipulações algébricas, obtém-se: P it P it * 2 Em que ~ IID (, ). it Em seu formato mais básico, o modelo supõe que os preços internos em dólares de um dado produto sejam expressos em função do seu preço internacional e do termo de erro, logo esse modelo pode ser representado da seguinte forma: * P it P it it (3) Em que corresponde à constante e constitui a elasticidade de transmissão de preços, de modo que variações de preço no mercado externo são plenamente transmitidas para o mercado interno se o valor de for igual a um. Por outro lado, variações de preço no mercado externo não geram impactos no mercado interno se o valor de for igual à zero. Essa fórmula também pode ser empregada para verificar a relação entre preços dentro de regiões de um mesmo país, que é o que se propõe neste estudo. Neste caso, o termo representa a elasticidade de transmissão de preços entre as regiões (ou estados) considerados Referencial Analítico Com intuito de atender aos objetivos deste estudo, empregaram-se testes de raiz unitária e de co-integração de Johansen; estimação da função de impulso-resposta; (2) 3

4 decomposição da variância dos erros de previsão; estimação e análise do modelo vetorial de correção de erro (VEC), assim como teste de exogeneidade. Quando as variáveis individuais não são estacionárias, mas uma combinação linear delas é estacionária, então se diz que essas variáveis são co-integradas (ENGLE e GRANGER, 1987). Para se testar a co-integração entre as séries de preços do milho no Sul brasileiro, deve-se primeiro determinar a ordem de integração, que pode ser obtida por meio do teste de raiz unitária. Neste estudo, empregou-se o teste de Dickey-Fuller Aumentado (ADF). O teste ADF se estende a um modelo auto-regressivo de ordem superior a um, conforme indicado pela seguinte expressão, descrita por Enders (1995): p Y Y Y t 0 t 1 i t i 1 t (4) i 2 p p Em que: (1 i ) e i j i 1 j i Sendo que 0 é o intercepto; é a ordem do modelo auto-regressivo que descreve o comportamento da série temporal; Y representa a variável dependente; representa o operador de diferença e t denota a estrutura do erro, a qual se assume ser idêntica e independentemente distribuída. A existência de uma raiz unitária consiste na hipótese nula deste teste, em que H 0 : 0 deve ser rejeitada se o valor calculado da estatística t exceder seu valor crítico de Dickey-Fuller, indicando que a série é estacionária; caso contrário a série é nãoestacionária. Após a identificação da ordem de integração, se todas as séries possuem a mesma ordem de integração, I(d) e existe um vetor 0 em que a combinação linear dessas variáveis seja de ordem d - b, Z ' X ~ I d b, b 0, então Y t é um vetor de co- t t integração de ordem (d, b) representada como X t ~ CI ( d, b), conforme Engle e Granger (1987). Em outras palavras, a co-integração consiste em uma combinação linear de variáveis não estacionárias que possuem uma relação de convergência no longo prazo. Existem diversos métodos para testarem as relações de co-integração entre as variáveis, como, por exemplo, Engle e Granger, Stock & Watson e Johansen. Dentre esses três testes de co-integração, Gonzalo (1994) indica o procedimento de Johansen como estatisticamente superior aos outros dois citados. Portanto, o método de Johansen é empregado neste trabalho para verificar todas as relações de longo prazo estabelecidas entre as séries de preços de milho nos estados do Sul brasileiro. A estimação econométrica das relações de preços do milho entre os mercados regionais sulistas baseou-se no modelo de auto-regressão vetorial (VAR), cuja representação do VAR, de ordem p, é dada por: Y Y... t Y 1 t 1 p t p t (5) Em que cada j é uma matriz de parâmetros k x k e t é um vetor k-dimensional de termos ruído branco com matriz de covariância. De acordo com Mayorga (2006), tais coeficientes não consideram as interdependências entre as variáveis contidas no modelo VAR. Desta forma, os impactos das 4

5 inovações podem ser avaliados por meio da função impulso-resposta, que delineia o comportamento das séries que fazem parte do modelo VAR em resposta a choques ocasionados por variáveis residuais. Outra forma de caracterizar-se o relacionamento dinâmico entre as variáveis do modelo pode ser dada pela decomposição da variância dos erros de previsão para k períodos à frente. Segundo Sampaio et al. (2005), essa decomposição permite separar a variância dos erros de previsão para cada variável do sistema em componentes que podem ser atribuídos à própria variável e às demais variáveis endógenas, ou seja, mostra em termos percentuais qual o efeito que um choque não antecipado sobre dada variável tem sobre ela própria e sobre as demais variáveis que fazem parte do sistema. Conforme Bacchi (1994), se houver co-integração entre as variáveis, seu desvio relativo à trajetória de longo prazo deve ser incluído no modelo através do mecanismo de correção de erro (VEC), que consiste em incorporar o termo de erro defasado de um período no modelo, com o intuito de recuperar as relações de longo prazo que foram perdidas na diferenciação das séries. Esse modelo pode ser descrito como: Yt 1 Yt 1... p 1 Yt p 1 Yt 1 t (6) ' ' e as combinações lineares Y t 1 representam as r relações de co- Em que: integração. Para Harris (1995), a principal vantagem de se escrever o sistema em termos do modelo de correção de erro diz respeito à incorporação de informações tanto de curto quanto de longo prazo, via ajustes no Y, as quais são dadas pelas estimativas dos parâmetros t i e. O número de vetores de co-integração depende do posto ou rank (r) da matriz. De acordo com Verbeek (2000), podem-se ter as seguintes possibilidades: (i) se r ( ) 0, isto é, esta matriz é nula, logo todos os componentes de X t são I(1). Nesta situação, não há co-integração, já que não existe combinação linear entre si que seja estacionária. (ii) se r ( ) k, ou seja, o posto de é completo, então as variáveis X t são I(0). Isso significa que qualquer combinação linear entre as variáveis é estacionária em nível. Portanto, não se aplica a co-integração. (iii) se 0 < r < n, tem-se a presença de r vetores de co-integração, que é a possibilidade que nos interessa. Com o intuito de identificar o número de vetores de co-integração presentes neste artigo, empregaram-se os testes do traço e do máximo autovalor. Conforme Enders (1995), o primeiro visa testar a hipótese nula de que o número de vetores de co-integração distintos é menor ou igual a r contra a hipótese alternativa de que o número desses vetores é maior do que r, e o segundo busca testar a hipótese nula de que o número de vetores de co-integração é r contra a hipótese alternativa de existência de r+1 vetores de co-integração. Em termos matemáticos, esses testes podem ser caracterizados como: trace n ' ( r ) T ln(1 i ) (7) i r 1 Em que: i são os valores estimados das raízes características obtidos da matriz número de observações. e T é o 5

6 ' ( r, r 1) T ln(1 ) (8) max r 1 Além disso, também se consideraram os testes de hipótese sobre os parâmetros. Segundo Coelho (2004), a existência de um vetor de co-integração não pode ser considerada condição suficiente para determinar a perfeita integração de mercado nem para garantir que todas as séries participem do equilíbrio de longo prazo. Desta forma, ele recomenda que seja implementado testes de hipóteses sobre os parâmetros. De acordo com Johansen e Juselius (1990), citados por Coelho (2004), as hipóteses sobre os parâmetros apresentam o seguinte formato: (1 r * i 2 logq( H0) T log, para i = 1,..., r (9) i 1 (1 i Em que: T é o número de observações; r é o número de vetores de co-integração; * e ie i representam os autovalores do modelo restrito e irrestrito, respectivamente. As hipóteses nulas (H 0 ) a serem testadas neste trabalho são as seguintes: PR 0 ; RS 0 ; PR RS, (10), sendo que as duas primeiras testam se os mercados de milho no Paraná e no Rio Grande do Sul podem ser considerados integrados no período considerado, e a terceira hipótese testa se esses mercados são perfeitamente integrados. PR 0 ; SC 0 ; PR SC, (11), sendo que as duas primeiras buscam verificar se os mercados de milho no Paraná e em Santa Catarina podem ser considerados integrados no período enfocado, e a terceira hipótese testa se esses mercados são completamente integrados. RS 0 ; SC 0 ; RS SC, (12), sendo que as duas primeiras visam testar se os mercados de milho no Rio Grande do Sul e em Santa Catarina podem ser considerados integrados no período analisado, e a terceira hipótese testa se esses mercados são totalmente integrados. Por fim, também foram realizados os testes de hipótese sobre o parâmetro. A significância desse teste indica que a variável preço do milho no mercado considerado não é exógena fraca em relação ao parâmetro de longo prazo. A presença de exogeneidade fraca significa que a variável não reage ao desequilíbrio de equilíbrio de longo prazo. As hipóteses nulas a serem testadas se referem a: PR 0 ; RS 0 ; PR RS, (13), sendo que as duas primeiras testam a exogeneidade nos mercados de milho no Paraná e no Rio Grande do Sul e a terceira hipótese testa a velocidade de resposta das variáveis a um dado desequilíbrio de curto prazo no processo de ajuste de longo prazo. 6

7 out/02 fev/03 jun/03 out/03 fev/04 jun/04 out/04 fev/05 jun/05 out/05 fev/06 jun/06 out/06 fev/07 jun/07 out/07 fev/08 jun/08 out/08 fev/09 PR 0 ; SC 0 ; PR SC, (14), sendo que as duas primeiras testam a exogeneidade nos mercados de milho no Paraná e em Santa Catarina e a terceira hipótese testa a velocidade de resposta das variáveis a um dado desequilíbrio de curto prazo no processo de ajuste de longo prazo. RS 0 ; SC 0 ; RS SC, (15), sendo que as duas primeiras testam a exogeneidade nos mercados de milho no Rio Grande do Sul em Santa Catarina e a terceira hipótese testa a velocidade de resposta das variáveis a um dado desequilíbrio de curto prazo no processo de ajuste de longo prazo Fonte dos dados Os dados empregados neste estudo referem-se às séries mensais de preços do milho em grão, tipo 2, milho amarelo semi-duro, para o período de outubro de 2002 a março de Esses dados foram obtidos do Centro de Estudos Avançados em Economia Aplicada (CEPEA) da ESALQ / USP. Tendo em vista que a região Sul é a maior produtora de milho no mercado nacional, ela foi escolhida neste estudo. A série de preços do Rio Grande do Sul foi obtida pela média mensal dos preços do milho nos municípios de Passo Fundo e Ijuí. Para representar o preço do milho em Santa Catarina, tomou-se a série de preços de Chapecó como representativa do Estado, enquanto a série de preços do milho no estado do Paraná foi determinada pela média mensal dos preços do milho em três praças de comercialização do Estado: Ponta Grossa, norte do Paraná e Cascavel. Essas regiões foram escolhidas devido à disponibilidade dos dados. Tais séries de preços foram convertidas em dólares e transformadas em logaritmos, de modo que os coeficientes obtidos se referem às elasticidades de transmissão de preços. 4. RESULTADOS E DISCUSSÕES A ilustração gráfica demonstra que as séries estudadas não apresentam uma tendência uniforme ao longo do tempo, sinalizando que tais séries de preços não são estacionárias, porém elas se movimentaram juntas no período considerado. Isso é um indício que essas séries sejam co-integradas. Para confirmar essas evidências, foram realizados os testes econométricos de raiz unitária, estacionariedade e co-integração. 5,6 5,5 5,4 5,3 5,2 5,1 5 4,9 4,8 4,7 4,6 LPRS LPSC LPPR Figura 1 Comportamento dos preços do milho nos estados do Paraná (LPPR), de Santa Catarina (LPSC) e do Rio Grande do Sul (LPRS), outubro de 2002 a março de

8 Os resultados do teste de Dickey-Fuller Aumentado (ADF), contidos na Tabela 1, revelam que as séries de preços consideradas não são estacionárias em nível, já que a hipótese nula de raiz unitária não pode ser rejeitada para essas séries nos três modelos investigados (sem intercepto, com intercepto e com intercepto e tendência). No entanto, verifica-se que as séries de preço do milho para os estados sulinos são estacionárias em primeira diferença, já que seus valores calculados são maiores, em módulo, que seus respectivos valores críticos de 1% e 5% nos três modelos considerados, logo essas séries são integradas de ordem um, em nível, e de ordem zero em primeira diferença. Resultados similares foram encontrados por Abdulai (2000) quando se analisa a transmissão de preços do milho para o mercado em Gana. No Brasil, esse resultado também foi verificado por Chiodi (2006) na análise de integração dos preços do milho nos mercados regionais. Tabela 1 Resultados do teste de ADF em nível e em primeira diferença para as séries mensais de preços do milho nos Estados do Paraná (LPPR), Rio Grande do Sul (LPRS) e Santa Catarina (LPSC), outubro de 2001 a março de Séries Modelos Valor Valor crítico calculado 1% 5% LPPR Sem intercepto e sem tendência 0,0702-2,5953-1,9451 Apenas com intercepto -1,7219-3,5178-2,8996 Com intercepto e tendência -1,9220-4,0817-3,4692 LPRS Sem intercepto e sem tendência 0,0815-2,5953-1,9451 Apenas com intercepto -1,8213-3,5178-2,8996 Com intercepto e tendência -1,9077-4,0817-3,4692 LPSC Sem intercepto e sem tendência 0,2547-2,5953-1,9451 Apenas com intercepto -1,7027-3,5178-2,8996 Com intercepto e tendência -2,0062-4,0817-3,4692 DLPPR Sem intercepto e sem tendência -8,4776-2,5957-1,9451 Apenas com intercepto -8,4137-3,5191-2,9001 Com intercepto e tendência -8,3524-4,0833-3,4700 DLPRS Sem intercepto e sem tendência -9,6097-2,5957-1,9451 Apenas com intercepto -9,5358-3,5191-2,9001 Com intercepto e tendência -9,4751-4,0833-3,4700 DLPSC Sem intercepto e sem tendência -9,1738-2,5957-1,9451 Apenas com intercepto -9,1040-3,5191-2,9001 Com intercepto e tendência -9,0373-4,0833-3,4700 Como as séries de preços do milho nos três estados analisados são integradas na mesma ordem, para esse período considerado, buscou-se verificar se elas possuem relacionamento de longo prazo. No entanto, antes de proceder aos testes de co-integração, deve-se identificar o número de defasagens que deve ser incluído no modelo VAR. Neste estudo, considerou-se uma defasagem para cada par de séries de preços, conforme sugerido pelos critérios de Schwarz e Hannan-Quinn. O método VAR possibilita determinar o poder de explicação de cada variável considerada sobre as demais por meio da decomposição da variância dos erros de previsão, conforme apresentado pelas Tabelas 2 a 4. Com relação à variável LPPR, verifica-se que mesmo após doze meses da incidência de um choque não antecipado sobre essa variável, a maior parte (97,19%) de sua decomposição da variância dos erros de previsão pode ser atribuída a ela própria, sendo um pequeno percentual decorrente das outras duas variáveis (Tabela 2). 8

9 Tabela 2 Decomposição da variância dos erros de previsão em percentagem de LPPR para as variáveis LPPR, LPRS e LPSC, outubro de 2002 a março de Variável Período LPPR LPRS LPSC LPPR 1 100,00 0,00 0, ,99 1,79 1, ,60 1,53 0, ,51 1,30 1, ,19 1,16 1,65 A partir dos dados da Tabela 3, observa-se que a variável LPPR também exerce grande poder de explicação na decomposição da variância dos erros de previsão da variável LPRS, pois após 12 meses de um choque não antecipado sobre essa variável, aproximadamente 91% de sua variância do erro de previsão é explicada pela variável LPRS. Por outro lado, apenas 7,84% da variância do seu erro de previsão podem ser atribuídas à própria variável e 1,21%, à LPSC. Tabela 3 Decomposição da variância dos erros de previsão em percentagem de LPRS para as variáveis LPPR, LPRS e LPSC, outubro de 2002 a março de Variável Período LPPR LPRS LPSC LPRS 1 63,85 36,15 0, ,40 16,52 0, ,88 10,92 0, ,44 8,87 0, ,95 7,84 1,21 Conforme se observa pela Tabela 4, a maior parcela da variância dos erros de previsão da variável LPSC também pode ser atribuída à variável LPPR. Após 12 meses de incidência de um choque não antecipado, 96,91% da variância dos erros de previsão de LPSC é explicada pela variável LPPR, sendo apenas 2,81% proveniente dela mesma e 0,74% atribuída à LPRS. Tabela 4 Decomposição da variância dos erros de previsão em percentagem de LPSC para as variáveis LPPR, LPRS e LPSC, outubro de 2002 a março de Variável Período LPPR LPRS LPSC LPSC 1 91,62 3,70 4, ,61 1,65 1, ,31 0,99 1, ,91 0,80 2, ,45 0,74 2,81 As elasticidades da função de impulso-resposta também podem ser obtidas a partir do método VAR. Elas revelam as respostas das variáveis LPPR, LPRS e LPSC sobre a própria variável e sobre as demais. Os dados da Tabela 5 apontam que um desvio-padrão em LPPR hoje causará, respectivamente, 0,042; 0,002 e 0,011 desvios-padrões sobre ela própria e sobre LPRS e LPSC, no décimo segundo mês. Por sua vez, um desvio-padrão em LPRS hoje repercutirá em 0,004; 0,043 e 0,010 desvios-padrões sobre ela própria e sobre LPPR e LPSC, 9

10 respectivamente, no décimo segundo mês. Raciocínio análogo pode ser feito para os impactos de choques de LPSC sobre si próprio e sobre as variáveis LPPR e LPRS. Esses resultados demonstram que um choque não antecipado sobre os preços do milho nos estados sulinos gera pequenos efeitos no curto prazo, ou seja, isso significa que os desequilíbrios transitórios são corrigidos lentamente. Tabela 5 Elasticidades da função de impulso-resposta de LPPR, LPRS e LPSC, outubro de 2002 a março de Período Efeitos de choques de LPPR sobre: Efeitos de choques de LPRS sobre: Efeitos de choques de LPSC sobre: LPPR LPRS LPSC LPPR LPRS LPSC LPPR LPRS LPSC 1 0,094 0,00 0,000 0,072 0,054 0,000 0,081 0,016 0, ,088-0,011-0,011 0,077 0,015-0,004 0,079-0,002 0, ,064-0,005 0,005 0,062 0,007 0,006 0,063 0,000 0, ,050 0,000 0,010 0,051 0,005 0,010 0,052 0,002 0, ,042 0,002 0,011 0,043 0,004 0,010 0,044 0,003 0,012 Em seguida, realizou-se o teste de co-integração de Johansen, cujo modelo adotado considera que essas séries analisadas não possuem tendências determinísticas, já que as séries não apresentaram tendência definida como se observou na Figura 1. Como se está interessado em verificar o relacionamento de longo prazo entre esses mercados regionais, optou-se neste trabalho pela especificação do modelo sem tendência determinística e sem intercepto, pois ao empregar a especificação com intercepto, as séries de preço do milho não apresentaram relação de co-integração. A Tabela 6 contém os resultados do teste de co-integração. Esses resultados indicam que as séries de preços do milho entre os estados do Paraná e do Rio Grande do Sul apresentam um vetor de co-integração, já que se rejeita a hipótese nula ao nível de 5% de que não há nenhum vetor de co-integração, conforme mostram os testes do traço e do máximo autovalor. Já com relação às séries de preços do milho entre os estados do Paraná e de Santa Catarina, os resultados dos testes foram divergentes, pois o teste do traço indica aceitação da hipótese nula, sinalizando que não há vetor de co-integração, enquanto o teste do máximo autovalor revela que a hipótese nula deve ser rejeitada, o que indica presença de um vetor de co-integração nesses estados. Entretanto, de acordo com Harris (1995), entre os dois testes para verificar o número de vetores de co-integração, o teste do traço é mais robusto que o teste do máximo autovalor, tanto em relação à simetria quanto à curtose nos resíduos. Desta forma, considerou-se que as séries de preço do milho entre os estados do Paraná e de Santa Catarina não apresentaram relação de co-integração. Quanto às séries de preços do milho entre os estados do Rio Grande do Sul e de Santa Catarina, ambos os testes apontaram para a presença de um vetor de co-integração entre essas séries. 10

11 Tabela 6 - Resultados do teste de co-integração de Johansen para as séries mensais de preços do milho nos estados do Paraná (LPPR), Rio Grande do Sul (LPRS) e Santa Catarina (LPSC), outubro de 2002 a março de Séries relacionadas Hipótese nula Teste do Traço Valor Crítico (5%) Teste do máximo autovalor Valor Crítico (5%) LPPR x LPRS r=0 14,1069* 12, ,1027* 11,2248 r 1 0,0042 4,1299 0,0042 4,1299 LPPR x LPSC r=0 11, , ,2658* 11,2248 r 1 0,0014 4,1299 0,0014 4,1299 LPRS x LPSC r=0 14,0511* 12, ,9613* 11,2248 r 1 0,0899 4,1299 0,0899 4,1299 * indica rejeição da hipótese nula a 5% de significância. Os vetores de equilíbrio de longo prazo das séries de LPPR x LPRS e LPRS x LPSC estão descritas na Tabela 7. A primeira equação sinaliza que, ceteris paribus, cada variação de 1% no preço do milho no Rio Grande do Sul gera uma variação de 0,98% no preço do milho no Paraná e a segunda equação indica que 0,99% das variações de preços do milho, no longo prazo, ocorridas em Santa Catarina, são repassadas para o preço do milho no Rio Grande do Sul, no período de outubro de 2002 a março de Tabela 7 Equações de equilíbrio de longo prazo para as séries mensais de preços do milho nos estados do Paraná (LPPR), Rio Grande do Sul (LPRS) e Santa Catarina (LPSC), outubro de 2002 a março de Séries relacionadas Equação de equilíbrio de longo prazo LPPR x LPRS LPPR =0,9828 LPRS LPRS x LPSC LPRS = 0,9939 LPSC A partir desses resultados da elasticidade de transmissão do preço do milho, observase a predominância da Lei do Preço Único nesses mercados regionais, tendo em vista que seu coeficiente foi bem próximo da unidade. No entanto, segundo Costa e Ferreira Filho (2000) e Chiodi (2006), devem ser impostas restrições aos parâmetros, para testar a perfeita integração do mercado de milho, ou seja, para confirmar se essa lei se manterá. A Tabela 8 contém os resultados dos testes de hipóteses sobre os parâmetros para as séries que associam os preços do milho nos estados do Paraná e do Rio Grande do Sul assim como as séries que relacionam os preços do milho nos estados do Rio Grande do Sul e Santa Catarina. Os dados mostram que a hipótese nula sobre os parâmetros PR e RS deve ser rejeitada, pois seus valores da razão de verossimilhança excederam seus respectivos valores críticos de 5%, logo essas variáveis participam das relações de longo prazo, o que indica que variações de preços de milho ocorridas em um mercado são repassadas para outro mercado no longo prazo. Essa evidência também é observada nos mercados de milho do Rio Grande do Sul e de Santa Catarina, o que revela que essas séries de preços são significativamente importantes no estabelecimento do padrão de equilíbrio de longo prazo. Como se verificou que esses mercados são integrados, então se deve testar o grau de integração, ou seja, testar se essas séries de preços são perfeitamente integradas. A partir das hipóteses nulas PR = RS e RS = SC, constata-se que ambos os pares de mercados não são perfeitamente integrados no período considerado, já que os valores da razão de verossimilhança são maiores do que seus respectivos valores críticos de 5%. Portanto, a Lei 11

12 do Preço Único não é perfeitamente verificada no mercado de milho nesses estados analisados. Esses resultados são corroborados com os encontrados por Chiodi (2006). Tabela 8 Teste de significância de restrição sobre o parâmetro de longo prazo ( ) do vetor de co-integração das séries mensais de preços do milho nos estados do Paraná (LPPR), do Rio Grande do Sul (LPRS) e de Santa Catarina (LPSC), outubro de 2002 a março de Séries relacionadas Hipótese nula Razão de Verossimilhança Valor crítico (5%) LPPR x LPRS PR =0 14,09* 3,84 RS =0 14,09* 3,84 PR = RS 14,09* 3,84 LPRS x LPSC RS=0 13,83* 3,84 SC =0 13,81* 3,84 RS = SC 13,82* 3,84 * indica rejeição a 5% de significância. Os valores dos testes de hipótese sobre o parâmetro estão apresentados na Tabela 9. Esses dados revelam que a hipótese de exogeneidade fraca é rejeitada na série de preços do milho no Rio Grande do Sul, o que indica que os níveis de preços vigentes no estado gaúcho reagem a desequilíbrios transitórios ocorridos nos níveis de preços provenientes dos outros estados sulistas. Entretanto, não se rejeita essa hipótese de exogeneidade fraca nas séries de preços do milho no Paraná e em Santa Catarina, ou seja, os preços do milho nesses estados não reagem aos choques de preços advindos do estado do Rio Grande do Sul. Com relação às hipóteses nulas PR = RS e RS = SC, pode-se dizer que as velocidades de resposta das variáveis a uma dada situação de desequilíbrio de curto prazo no processo de ajuste de longo prazo não são estatisticamente iguais para os mercados de milho nos estados sulistas em todos os períodos analisados. Tabela 9 Teste de significância de restrição sobre o parâmetro do vetor de co-integração das séries mensais de preços do milho nos estados do Paraná (LPPR), do Rio Grande do Sul (LPRS) e de Santa Catarina (LPSC), outubro de 2002 a março de Séries relacionadas Hipótese nula Razão de Verossimilhança Valor crítico (5%) LPPR x LPRS PR =0 0,03* 3,84 RS =0 5,44* 3,84 PR = RS 11,95* 3,84 LPRS x LPSC RS=0 4,99* 3,84 SC =0 0,42* 3,84 RS = SC 12,87* 3,84 * indica rejeição a 5% de significância. Tendo em vista que as séries de preços entre os estados do Paraná e do Rio Grande do Sul assim como as séries de preços do Rio Grande do Sul e de Santa Catarina apresentam um vetor de co-integração, elas convergem para uma condição de equilíbrio de longo prazo, 12

13 tornando-se relevante a estimação do Modelo de Correção de Erro (VEC), cujos valores estimados se encontram na Tabela 10. Tabela 10 Estimação do VEC para as séries mensais de preços do milho nos estados do Paraná (LPPR), do Rio Grande do Sul (LPRS) e de Santa Catarina (LPSC), outubro de 2002 a março de Séries relacionadas Variável explicativa Coeficiente estimado Estatística t Desvio padrão LPPR x LPRS u t-1 0,0255 0,1849 0,1380 LPRS x LPSC u t-1-0,4554-2,2628 0,2012 Observando a Tabela 10, verifica-se que, na série LPPR x LPRS, 2,55% do desequilíbrio de curto prazo referente à trajetória de longo prazo são corrigidos a cada mês, o que indica que necessitaria, em média, de quarenta meses para corrigir o desequilíbrio, isto é, esses desequilíbrios são corrigidos muito lentamente. Por outro lado, os desequilíbrios de curto prazo são corrigidos rapidamente na série LPRS x LPSC, já que, em média, dois meses seriam suficientes para remover esses desequilíbrios. 5. CONCLUSÕES Os resultados demonstraram a presença de relações de equilíbrio de longo prazo entre os preços do milho praticados entre os estados do Paraná e do Rio Grande do Sul e entre os estados do Rio Grande do Sul e de Santa Catarina, porém não se verificou relação de cointegração entre os preços do milho estabelecidos entre os estados do Paraná e de Santa Catarina. As elasticidades da função de impulso-resposta mostraram que há uma longa defasagem temporal até que o equilíbrio de longo prazo seja restabelecido, ou seja, os desequilíbrios transitórios são corrigidos lentamente em todos os mercados de milho analisados. Com relação à decomposição da variância dos erros de previsão, observou-se que a variável relativa aos preços do milho no estado do Paraná (LPPR) é responsável pela maior parcela de explicação na decomposição da variância dos erros de previsão não somente em sua própria variável como também nas séries de preços do milho nos estados do Rio Grande do Sul (LPRS) e de Santa Catarina (LPSC). Este estudo também mensurou as elasticidades de transmissão de preços do milho entre o Paraná e Rio Grande do Sul e entre Rio Grande do Sul e Santa Catarina, indicando que variações em um mercado, no longo prazo, foram transmitidas para o outro mercado considerado, durante o período de outubro de 2002 a março de Esses resultados revelam que a Lei do Preço Único prevalece nesses mercados, porém quando são impostas restrições ao parâmetro de longo prazo, tais mercados não são considerados perfeitamente integrados, já que a hipótese de perfeita integração entre eles foi rejeitada. Portanto, a Lei do Preço Único não é completamente verificada para o mercado de milho no Sul brasileiro no período considerado. A partir dos testes de hipótese de exogeneidade fraca, constatou-se que essa hipótese foi rejeitada na série de preços do milho no Rio Grande do Sul, o que indica que os níveis de preços vigentes no estado gaúcho reagem a desequilíbrios transitórios ocorridos nos níveis de preços provenientes dos outros estados sulistas. Essas evidências não são verificadas nos demais estados. Ademais, verificou-se, por meio da estimação do modelo de correção de erro, que os desequilíbrios de curto prazo são corrigidos de forma muito mais rápida entre as séries de 13

14 preços do Rio Grande do Sul e de Santa Catarina do que as séries de preços que relacionam Paraná e Rio Grande do Sul. Por fim, sugerem-se para estudos posteriores, que sejam levados em consideração outros fatores que influenciam os preços nos mercados regionais de milho, como por exemplo, o impacto de variações das cotações da taxa de câmbio sobre esse mercado. 6. REFERÊNCIAS ABDULAI, A. Spatial price transmission and asymmetry in the Ghanaian maize market. Journal of Development Economics, Amsterdam, v. 63, n. 2, p , dez ALVES, L. R. A.; CARDOSO, C. E. L.; FELIPE, F. I.; CAMPION, M. T. Causalidade e transmissão entre os preços de mandioca, trigo, milho e seus derivados no Paraná. Revista de Economia e Agronegócio. Viçosa, v. 4, n. 3, p , ARDENI, P. G. Does the Law of One Price really hold for commodity prices? American Journal of Agricultural Economics, v. 71, n. 3, p , Aug, BACCHI, M. R. P. Previsão de preços de bovino, suíno e frango com modelos de séries temporais. Piracicaba: ESALQ/USP, f. Tese (Doutorado em Economia Aplicada) Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, BITTENCOURT, M. V. L.; BARROS, G. S. C. Relações de preço de frango nas Regiões Sul e Sudeste do Brasil. Revista de Economia e Sociologia Rural. Brasília, v. 34, n. 3 e 4, p , CHIODI, L. Integração espacial no mercado brasileiro de milho. Piracicaba: ESALQ/USP, f. Dissertação (Mestrado em Economia Aplicada) Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, COELHO, A.B. A cultura do algodão e a questão da integração entre preços internos e externos. Revista de Economia e Sociologia Rural. Rio de Janeiro, v.42, n.1, p , COSTA, S. M. A. L.; FERREIRA FILHO, J. B. S. Liberalização comercial no Brasil e integração nos mercados de commodities agrícolas: os mercados de algodão, milho e arroz. Revista de Economia e Sociologia Rural. Rio de Janeiro, v. 38, n. 2, p.41-70, abr./jun DUARTE, J. de O. Cultivo do milho Mercado e comercialização. Embrapa Milho e Sorgo. Sistemas de Produção. Versão eletrônica. 3 ed., set Disponível em: Acesso em: 19/04/2009. ENDERS, W. Applied Econometric Time Series. Nova York: John Wiley & Sons, p. ENGLE, R. F.; GRANGER, C. W. Co-integration and error-correction: representation, estimation and testing. Econometrica, v.55, n.2, p , GONZALO, J. Five alternative methods of estimating long-run equilibrium relationships. Journal of Econometrics, v. 60, p , HARRIS, R. I. D. Using cointegration analysis in econometric modelling. London: Prentice Hall, p. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Produção Agrícola Municipal. Rio de Janeiro: IBGE, v. 34, p. 14

15 KRUGMAN, P. R.; OBSTFELD, M. Economia Internacional: teoria e política. São Paulo: Pearson Addison Wesley, p. MARGARIDO, M. A.; BUENO, C. R. F; MARTINS, V. A.; CARNEVALLI, L. B. Análise dos efeitos preço e câmbio sobre o preço do óleo de soja na cidade de São Paulo: uma aplicação do modelo VAR. Pesquisa & debate. São Paulo, v.15, n.1, p , MAYORGA, R. de. O. Análise de transmissão de preços do mercado atacadista de melão do Brasil. Fortaleza: UFC, f. Dissertação (Mestrado em Economia Rural) Universidade Federal do Ceará, MUNDLAK; Y; LARSON, D. F. On the transmission of world agricultural prices. The World Bank Economic Review, v. 6, n. 3, p , ROSADO, P. L. Integração espacial entre os mercados brasileiros de suínos. Viçosa: UFV, f. Tese (Doutorado em Economia Aplicada) Universidade Federal de Viçosa, SAMPAIO, L.M.B.; LIMA, R.C.; SAMPAIO, Y. Inter-relação das exportações de Brasil, Argentina e EUA: uma abordagem utilizando autoregressão vetorial. In: CONGRESSO DA SOCIEDADE BRASILEIRA DE ECONOMIA E SOCIOLOGIA RURAL, 43, 2005, Ribeirão Preto. Anais... Ribeirão Preto, SP: SOBER, CD-ROM. SANTOS, V. F. dos; PEREIRA, M. W. G.; BRAGA, M. J.; VIEIRA, W. da C. Análise do preço do milho nos mercados externo e interno. Revista de Política Agrícola, Brasília, DF, v. 16, n. 3, p , jul./set SILVEIRA, A. M. A. Relação entre os preços de açúcar nos mercados doméstico e internacional. Piracicaba: ESALQ/USP, f. Dissertação (Mestrado em Economia Aplicada) Escola Superior de Agricultura Luiz de Queiroz, Universidade de São Paulo, VERBEEK, M. A guide to modern econometrics. Chichester: John Wiley & Sons, p. 15