Base de dados, metodologia de estimação e resultados

A principal fonte empírica para a análise de painel a seguir é a base de dados macroeconômicos compilada por Easterly (2005). O nível da taxa de câmbio real é medido através dos cálculos de Easterly (2001). A amostra contém 58 países em desenvolvimento com renda per capita média entre aproximadamente U$500 e U$7.000 dólares PPP (1985) no período 1960-1999 (dados na tabela 11 do apêndice). Para um corte muito acima de U$500, muitos países africanos com importantes casos de apreciação ficariam ausentes. Para um corte acima de U$7.000, muitos países atualmente desenvolvidos entrariam na amostra. De um total de 58 países, 23 são do continente africano, 19 da América Latina e Caribe, 13 da Ásia e Oriente Médio e 3 da Europa. Além do corte por renda per capita, levou-se em consideração a disponibilidade de dados para cada país na construção da amostra. O gráfico abaixo apresenta uma dispersão entre taxas de crescimento per capita e nível do câmbio real em log para os países acima mencionados no período 1960-1999. As médias foram calculadas de acordo com a disponibilidade de dados para a amostra. Os dados mostram que, para a média do período, países com câmbios reais relativamente mais apreciados exibiram menores taxas de crescimento per capita. Os países africanos tendem a se concentrar à direita do gráfico, exibindo maior apreciação relativa e os asiáticos à esquerda, apresentando níveis de câmbio relativamente depreciados.

As variáveis de controle escolhidas para as análises de regressão dividem-se em dois grupos: estruturais e macroeconômicas. O primeiro grupo representa as tradicionais variáveis da literatura de crescimento econômico e inclui medidas para capital humano, infraestrutura física e institucional. O segundo grupo apresenta variáveis de uma literatura mais recente que procura relacionar variáveis macroeconômicas com resultados de longo prazo (ver Fischer 1993, por exemplo). Nesse grupo, selecionamos: inflação, nível de utilização da capacidade instalada ou hiato de produto, sobrevalorização cambial e choques nos termos de troca.

A primeira variável do grupo estrutural relaciona-se ao investimento corrente em capital humano que, além de ter um papel complementar, representa um fator de produção fundamental. Essa variável é medida a partir dos dados de taxa bruta de matrículas no segundo grau, seguindo os trabalhos de Mankiw, Romer and Weil (1992), Easterly (2001) e Fajnzylber et al (2002). A segunda variável estrutural utilizada procura medir a disponibilidade de infraestrutura pública. Os resultados de maior crescimento associado a melhor infraestrutura são também bastante consolidados na literatura empírica. Devido a grande dificuldade de coleta de dados nessa área, utilizamos dados de infraestrutura de comunicações, medida por número de linhas telefônicas per capita, como calculado por Fajnzylber et al (2002). A existência de alta correlação entre essa variável e infraestruturas de transporte e energia torna seu uso razoável, como também se argumenta na literatura. A terceira variável estrutural refere-se à qualidade do ambiente institucional, que estaria diretamente ligada às condições de investimento e produção. O índice utilizado é calculado pela Political Risk Services (International Country Risk Guide ICRG) e inclui as seguintes variáveis: prevalência da lei, qualidade da burocracia, ausência de corrupção e “accountability” de administradores públicos.

No grupo das variáveis macroeconômicas, a primeira relaciona-se à estabilidade de preços e níveis de inflação. Seguindo vários estudos sobre o tema, tomamos os níveis médios de inflação como uma boa indicação de estabilidade macroeconômica. A segunda variável, o hiato de produto inicial, fornece uma medida de utilização de capacidade instalada. Quanto menor o nível de atividade, maiores as oportunidades de aumento de renda e produção pela simples utilização do estoque de capital existente. A variável de choques em termos de troca captura efeitos positivos ou negativos de comércio exterior que se traduzem em aumentos de taxas de crescimento. Os dados referentes a níveis de inflação, hiato de produto e termos de troca são do estudo de Fajnzylber et al (2002). Por fim, nossa variável de maior interesse mede o grau de sobrevalorização da moeda. Seguindo o argumento principal do trabalho, câmbios reais mais apreciados estariam relacionados a menores taxas de crescimento devido a seus efeitos negativos no curto prazo (crises no balanço de pagamentos) e no longo prazo (defasagem tecnológica e baixo nível de acumulação de capital).

Além destas variáveis, as regressões são também controladas pelo nível inicial de renda per capita. De acordo com a literatura de crescimento econômico, assume-se a hipótese de convergência condicionada. Na presença das mesmas características estruturais e macroeconômicas (capital humano, níveis de inflação, etc...), países com menor renda per capita deveriam crescer de forma mais acelerada devido aos retornos decrescentes na utilização de capital. Com a exceção dos termos de troca, hiato de produto e taxas de crescimento per capita, todas variáveis foram estimadas em logs. Deve-se ressaltar também que a versão final do painel ficou desbalanceada por conta de ausência de dados em determinados períodos para diversos países.

O “framework” para a análise econométrica segue a já tradicional literatura de “growth regressions” (para alguns exemplos ver Acemoglu et al (2002) e Fajnzylber et al (2002)). Taxas de crescimento per capita são correlacionadas com um vetor de determinantes do crescimento Xi, t , além do nível de renda per capita inicial Yi, t de cada país i em um dado

momento t . O modelo estimado segue a tradicional especificação dessa literatura, onde n é

o número de períodos analisados: (ln( Yi,t +1) -ln( Yi,t )) / n = b 0 + b1 ln( Yi,t ) + b 2 Xi,t + e i,t (1)

Inicialmente as regressões foram rodadas em “cross-section” com médias para todo o período e médias para sub-períodos de cinco anos levando em conta a disponibilidade de dados para cada país. Para regressões com mínimos quadrados com estimação robusta a heterocedasticidade e autocorrelação, encontramos os seguintes resultados (controles: câmbio sem ajuste de produtividade, inflação, infraestrutura, educação, instituições e renda per capita inicial).

O coeficiente para a sobrevalorização cambial calculado pelas regressões para “crosssection” aponta para um valor negativo de 0,0168, com alta significância. Uma desvalorização do câmbio real para um nível 10% menor poderia contribuir para um aumento de até 0,0168*10/100=0,00168, ou seja, 0,168 pontos percentuais de crescimento anual da renda per capita na média do período analisado. Uma posição desvalorizada em 40 pontos percentuais estaria associada a um aumento de 0,0168*40/100=0,672 pontos percentuais, ou seja, mais de meio ponto percentual de crescimento médio anual na renda per capita no período analisado.

Dada a disponibilidade de dados temporais para os países e variáveis em questão, rodamos também regressões em painel, o que nos permitiu acrescentar outras 2 variáveis macroeconômicas: hiato do produto e termos de troca, além do ajuste de produtividade no câmbio RER * calculado na seção anterior. A principal vantagem das estimativas em painel é aproveitar informações acerca de diferenças entre países e dentro dos próprios países. Além de aumentar o tamanho das amostras, explora as dimensões de corte longitudinal e temporal dos dados. Entretanto, alguns cuidados devem ser tomados em relação a possíveis problemas de estimação com esse tipo de metodologia, especialmente no que diz respeito a medidas de crescimento e convergência. Dentre os mais graves, está o problema da endogeneidade levantado pela literatura econométrica de crescimento econômico (ver, por exemplo, Bond et al (2001)). Ao utilizar a variável renda per capita inicial do lado direito da equação (1) para análises de convergência, esse tipo de modelo introduz, no limite, a variável explicada como uma das variáveis explicativas, viesando os estimadores. Em nossas estimativas, temos ainda o problema de ter usado o nível de renda per capita como “proxy” de variações de produtividade para corrigir o nível do câmbio real. Portanto, estimativas em painel, com efeitos fixos e aleatórios, sofreriam de endogeneidade devido à utilização da série de câmbio real corrigido e do nível de renda per capita inicial.

Para resolver o problema de endogeneidade utilizamos a metodologia GMM, que além de atenuar problemas de erros de medida e variáveis omitidas, trata a questão de utilização de variáveis endógenas do lado direito das equações de estimação (ver Bond et al (2001) pg.5). Seguindo Arelano e Bover (1995) e Blundell e Bond (1998), utilizamos, ademais, estimadores GMM em sistema (GMM-sys) que trabalham com variáveis em nível e defasagem como possíveis instrumentos. Como argumentam Bond et al (2001), essa metodologia é capaz de superar possíveis problemas dos estimadores GMM em diferenças (GMM-diff) decorrentes de efeitos persistentes de séries temporais que acabam por inviabilizar as defasagens das variáveis como instrumentos apropriados para as variáveis endógenas.

Seguindo Fajnzylber et al (2002), utilizamos a especificação abaixo em diferenças, onde o termo do lado esquerdo da equação representa taxas de crescimento per capita para cada período analisado, m captura efeitos comuns a todos os países no tempo, h captura efeitos

específicos de cada país (heterogeneidade não observada) e ei,t representa os erros idiossincráticos de cada observação,

As estimações foram feitas com e sem a correção da série de câmbio real. Com a exceção do hiato de produto e da variação dos termos de troca, todas as outras variáveis foram consideradas endógenas e, portanto, instrumentadas por seus “lags”. Os resultados das regressões sem ajuste de produtividade no câmbio estão na tabela 12 do apêndice. Todos os sinais apresentam comportamento esperado. A renda per capita inicial apresenta sinal negativo e significância em todos os modelos estimados, indicando a presença de convergência condicionada. Em termos de variáveis estruturais, educação, infraestrutura e arranjo institucional apresentam sinal positivo, sendo que todos são significantes nas estimações por (GMM-sys). Todas variáveis macroeconômicas apresentam o sinal esperado e razoável significância nas estimações por (GMM-sys). Os termos de troca relacionam-se positivamente com taxas de crescimento per capita e níveis de inflação, hiato inicial do produto e sobrevalorização cambial apresentam um coeficiente negativo. As “dummies” para os períodos usados na estimação após 60-65 são todas significantes com a exceção de 66-70 e apontam para uma redução generalizada nas taxas de crescimento de países em desenvolvimento nos anos mais recentes.

Para as regressões com o câmbio ajustado por variações de produtividade, temos algumas mudanças nos resultados (tabela 13 do apêndice). Os coeficientes obtidos nas estimativas de dados em “pool” continuam com os sinais esperados e a significância de algumas variáveis aumenta. Na estimação por (GMM-sys), observamos um aumento da significância do nível de instituições, infraestrutura e sobrevalorização cambial. As “dummies” de período continuam significantes. As estimações por efeitos fixos apresentam alguma melhora, mas como argumentamos acima estão sujeitas a uma série de problemas. Todas variáveis aparecem com o sinal esperado e apresentam boa significância estatística. Termos de troca, educação, infraestrutura e instituições correlacionam-se positivamente e inflação e sobrevalorização cambial negativamente com o crescimento per capita. A renda per capita inicial aparece com sinal negativo, indicando a presença de convergência condicional.

Para analisar a adequação da metodologia econométrica, utilizamos ainda o teste de Sargan que busca investigar se as variáveis instrumentais são ortogonais aos resíduos. O teste para as estimações em (GMM-dif) e (GMM-sys) mostram que os dois modelos são bons, significando que o vetor de instrumentos é adequado para as estimações. Os resultados apontam para a possível superioridade do segundo modelo (GMM-sys) em relação ao primeiro. Fizemos ainda as estimações em (GMM-diff) e (GMM-sys), com e sem a correção da série de sobrevalorização do câmbio real, para variância robusta a heterocedasticidade e autocorrelação de forma genérica. Para o modelo com câmbio ajustado por variações de produtividade os resultados se mantêm (tabela 14). Nas estimações sem ajuste cambial, a significância de alguns coeficientes é alterada e a sobrevalorização do câmbio real perde significância (tabela 15). Para modelos estimados com variância robusta sem a inclusão da variável inflação, o coeficiente da sobrevalorização cambial (com e sem ajuste) é significante e aumenta consideravelmente. Nossos resultados apresentam algumas diferenças em relação ao trabalho de Fa jnzylber et al (2002). Além de estimarem os resultados para países desenvolvidos e em desenvolvimento sem o ajuste de produtividade no câmbio, os coeficientes reportados pelos autores não são robustos a heterocedasticidade e autocorrelação de forma genérica.

Nas estimativas com o câmbio real corrigido por variações de renda per capita, tanto o valor quanto a significância do coeficiente aumentam, indicando que o efeito da produtividade é importante no cálculo da posição do câmbio real e de seus impactos na s taxas de crescimento. O coeficiente calculado pelas regressões aponta para um valor negativo entre 0,0080 e 0,0122 com boa significância estatística. A manutenção do câmbio real ajustado por produtividade em um nível 10% mais desvalorizado poderia contribuir para um aumento de até 0,0122*10/100=0,00122 ou 0,122 pontos percentuais no crescimento médio anual da renda per capita. Uma posição mais desvalorizada em 40 pontos percentuais levaria a um incremento de até 0.00488 ou 0.488 pontos percentuais no crescimento médio anual da renda per capita.