Crescimento Econômico: Uma análise via modelos ......Crescimento Econômico: Uma análise via...

Crescimento Econômico: Uma análise via modelos Econométricos Espaciais

UNIVERSIDADE FEDERAL DE JUIZ DE FORACampus Governador Valadares

Faculdade de Ciências Econômicas

Vinícius de Azevedo Couto FirmeDoutor em Economia pelo PPGE/UFJF

Professor Adjunto do Departamento de Economia da UFJF-GV

http://lattes.cnpq.br/4820999132708974

Crescimento Econômico: Uma análise via modelos Econométricos EspaciaisSeminários de Economia, 2017 – UFJF/GV

http://lattes.cnpq.br/4820999132708974



▪ Os resultados apresentados aqui são oriundos dos trabalhos de pesquisa abaixo:

1) FIRME, V. A. C.; SIMAO FILHO, J. Análise do crescimento econômico dos municípios de minasgerais via modelo MRW (1992) com capital humano, condições de saúde e fatores espaciais,1991-2000. Economia Aplicada (Impresso), v. 18, p. 679-716, 2014.

Link:http://dx.doi.org/10.1590/1413-8050/ea640

2) FIRME, V. A. C.; FREGUGLIA, R. S. Análise do Crescimento dos Municípios Brasileiros UtilizandoDados em Painel e Controles Espaciais sobre o Modelo de Mankiw, Romer e Weil (1992) para oPeríodo de 1980 a 2010. FORUM BNB/ANPEC NORDESTE, 2013,

Link:http://edi.bnb.gov.br/content/aplicacao/eventos/forumbnb2013/docs/2013_ss3_mesa2_analise_crescimento_municipios_brasileiros_utilizando_dados_painel.pdf


Referências

http://dx.doi.org/10.1590/1413-8050/ea640http://edi.bnb.gov.br/content/aplicacao/eventos/forumbnb2013/docs/2013_ss3_mesa2_analise_crescimento_municipios_brasileiros_utilizando_dados_painel.pdf

▪ Séries Históricas de Crescimento Econômico




0,00

2,00

4,00

6,00

8,00

10,00

12,00

14,00

19

00

19

05

19

10

19

15

19

20

19

25

19

30

19

35

19

40

19

45

19

50

19

55

19

60

19

65

19

70

19

75

19

80

19

85

19

90

19

95

20

00

20

05

20

10

Brasil PIB per capita - US$ de 2013 (mil)

EUAPIB per capita – USS de 2000

Fonte: Mankiw, Macroeconomics. 7ª Ed. (2005), Pág. 5. Fonte: IPEADATA.

Introdução

➢Em 1956, Solow elaborou um modelo capaz de explicar parte do crescimento econômico.

➢Posteriormente, MRW (1992) desenvolveram uma “versão ampliada” deste modelo,onde consideravam a importância do capital humano como insumo gerador de renda.

➢Noronha et al (2010), baseados em MRW (1992), incluiu e testou a hipótese de que ascondições de saúde poderiam influenciar o crescimento verificado nos estados brasileiros.

➢Embora estes modelos tenham avançado na discussão sobre o crescimento econômico,eles não consideraram a possibilidade de haver algum tipo de efeito espacial nesteprocesso (ERTUR E KOCH, 2007). Tal efeito, se não tratado, pode induzir a estimativasinconsistentes e/ou ineficientes (ANSELIN, 1988; ANSELIN E BERA, 1998).

➢ Logo, este artigo analisou os condicionantes do crescimento da renda per capita dosmunicípios de Minas Gerais, entre 1991-2000, utilizando o modelo MRW (1992) comcontrole para condições de saúde e robusto contra efeitos espaciais.

O caso dos Municípios de Minas Gerais




➢ Na literatura brasileira encontram-se diversos trabalhos que buscaram analisara variação da renda e o crescimento econômico.

➢Estados (sem efeitos espaciais): Ferreira e Ellery Jr. (1996), Azzoni (1997), Pôrto Jr. e Ribeiro(2000), Azzoni et al (2001), Cravo e Soukiasis (2011) e Trompieri Neto et al (2008), Nakabashi e Salvato

(2007), Cangussu et al. (2010).

➢Estados (com efeitos espaciais): Magalhães et al (2005), Barreto e Almeida (2009) e SilveiraNeto e Azzoni (2011).

➢Municípios/Micro (sem efeitos espaciais): Ribeiro e Porto Jr. (2003), Oliveira et all (2007),Fochezatto e Stulp (2008), Menezes e Azzoni (2006), Ferreira e Cruz (2010), Coelho e Figueiredo (2007).

➢Municípios (apenas com AC espacial): Monastério e Ávila (2004), Barreto et all (2010),Silva e Resende (2009), Perobelli et al (2007) e Maranduba Jr. e Almeida (2009).

➢Objetivo: controlar os efeitos espaciais a fim de analisar os condicionantes docrescimento dos municípios de MG.

2. Trabalhos Empíricos utilizando modelos de Crescimento




➢ O modelo MRW(1992), é uma extensão da abordagem de Solow onde incluí-se a variável capital humano (H) na análise. Formalmente:

(1)

➢Onde : yt é renda per capita real; y0 a renda per capita real inicial; sk a fração darenda investida em capital físico e; sh a fração da renda investida em capitalhumano. ; (n+g+δ) é o somatório do crescimento populacional “n”, avançotecnológico “g”, depreciação do capital “”; A0 a tecnologia inicial.

➢Operacionalmente, e equação (1) pode ser expressa como:

(2)

3. Metodologia dos modelos de Crescimento




➢ O modelo estimado utilizou dados do tipo cross-section para os municípios deMinas Gerais, no período 1991 a 2000. As variáveis utilizadas foram:1) crescimento da renda per capita ,2) renda per capita inicial ,3) estoque de capital físico da economia ,4) o somatório das taxas de crescimento populacional, ganho tecnológico e

depreciação ,5) estoque de capital humano,

➢As variáveis Yt, Yt-1 e n foram obtidas no Atlas do Desenvolvimento Humano noBrasil, versão 1.0.0, 2003. Conforme proposto por MRW(1992), considerou-se ocrescimento de (g+) = 0.05 a.a.

4. Especificação das Variáveis e Fonte de Dados




➢ Não existe um consenso sobre quais seriam as melhores proxies para K e Hcom desagregação municipal.

➢No caso de capital físico (K), as principais proxies utilizadas são:

1. Consumo de energia elétrica: Cangussu et al. (2010), Noronha et al (2010), Barreto eAlmeida (2009) e Keppe e Nakabashi (2009);

2. Estoque de capital residencial urbano: Soares (2009), Pereira et al (2011) e Barros Neto eNakabashi (2011);

3. Despesa média de investimento do setor público e variação do capitalresidencial total: Salgueiro et al (2011);

4. Gastos Públicos e Privados em Capital: Kroth e Dias (2013);

5. Estoque de capital líquido do IPEADATA: Coelho e Figueiredo (2007);

6. Fundo de Participação dos Municípios (FPM): Silva et al (2008).





➢ Quanto ao Capital Humano (H), há os defensores da abordagem quantitativa:

1. Matrícula Escolar; anos de escolaridade: Solow (1956), Lucas (1988), Barro (1991), MRW(1992), Cangussu et al. (2010), Coelho e Figueiredo (2007) e Silva e Resende (2009).

➢ E aqueles que defendem a inclusão de algum critério de qualidade:

2. Anos médios de escolaridade ponderados pelo IDEB, ENEM ou IDH: Soares (2009),Penna (2009), Nakabashi e Figueiredo (2008) e Barreto e Almeida (2009).

➢Há, ainda, os que defendem que o nível de saúde de uma região seria umimportante componente do capital humano e sua inclusão poderia tornar a educaçãonão significativa (KNOWLES E OWEN, 1995) enquanto sua exclusão poderia supervalorizá-la (HIRVONEN, 2010).

3. Expectativa de vida e mortalidade infantil: Knowles e Owen (1995); Bloom et al (2001);Bhargava et al (2001), Barro (1996), Noronha et al (2010).






Tabela 2. Estimação dos Modelos de Crescimento para os Municípios de MGVariáveis

(1ª é a dependente)

Modelos

a) K=ID5 e H=ID31 b) K=ID18 e H=ID31 c) K=ID5 e H=ID32 d) K=ID18 e H=ID35

Coef. Prob. Coef. Prob. Coef. Prob. Coef. Prob.

CONSTANTE 1.574 0.000 1.481 0.000 1.581 0.000 1.464 0.000

Ln(Yt-1) -0.137 0.000 -0.109 0.000 -0.142 0.000 -0.111 0.000

Ln(n+g+) 0.002 0.873 -0.034 0.016 -0.002 0.868 -0.035 0.014

Ln(Kt) 0.190 0.000 0.080 0.000 0.200 0.000 0.079 0.000

Ln(H1t) 0.100 0.000 0.183 0.000 0.075 0.000 0.180 0.000

Ln(H2t) - - - - 0.043 0.000 0.036 0.000

AIC -3551.81 -3469.1 -3566.45 -3468.62

SC -3528.06 -3445.35 -3537.96 -3440.13

R2 Ajustado 0.460 0.405 0.470 0.406

Graus de Liberdade 848 848 847 847

Fonte: Elaboração própria com base no software SpaceStat.

Nota: ID5 = Estoque de Capital Residencial per capita;

ID18 = Crescimento Médio do Cap. Residencial per capita;

ID31 = [Anos de Estudo > 25 anos (média)] * [1+IFDM_Educação] * [1+IFDM_Saúde];

ID32 = [Anos de Estudo > 25 anos (média)] e [1+IDH_Longevidade];

ID35 = [Anos de Estudo > 25 anos (média)] * [1+IFDM_Educação] e [1+IFDM_Saúde].




➢ Nesta seção utilizou-se as técnicas de AEDE para testar a existência deautocorrelação e heterogeneidade espacial na variação da renda per capita nosmunicípios mineiros, , no período de 1991 a 2000.

5. Análise Exploratória Espacial da Variável Dependente

Gráfico1. I de Moran para , considerando Diversas Matrizes Espaciais

Fonte: Elaboração própria com base no Software SpaceStat.

0,00

0,05

0,10

0,15

0,20

0,25

0,30

0,35

DIS

T IN

V_

1

DIS

T IN

V_

2

DIS

T IN

V_

3

K_

1

K_

2

K_

3

K_

4

K_

5

K_

6

K_

7

K_

8

K_

9

K_

10

K_

11

K_

12

K_

13

K_

14

K_

15

K_

16

K_

17

K_

18

K_

19

K_

20

RA

INH

A

TOR

RE

RA

INH

A 2

TOR

RE

2




5. Análise Exploratória Espacial da Variável Dependente

Figura 1. Mapa de Cluster para Crescimento de renda per capita, para os municípios de MG (1991–2000).

Fonte: Elaboração dos autores com base no Software GEODA.Nota: NS = não significante a um nível de significância de 5%.




➢ Os modelos estimados neste trabalho podem ser especificados da seguinteforma:

(3)

Onde: ; ~ (0, )

Lembrando que 0 é a constante e os demais são coeficientes que acompanhamas variáveis explicativas dos modelos. Sendo que i=1,..5, referem-se ao modeloMRW e i=6,..10 representam estas variáveis defasadas espacialmente. é ocoeficiente que acompanha variável dependente defasada espacialmente. u éum termo de erro que segue um processo espacial autoregressivo. Por fim W1 eW2 são as matrizes de pesos espaciais utilizadas.

6. Modelos e Análise de Resultados




➢O problema da Endogeneidade relacionado ao termo :

“Se a variação na renda de um município X afetar a renda de seus vizinhos, éprovável que a variação na renda dos vizinhos afete o município X.”

➢ Nestes casos, os modelos devem ser estimados via MQ2E. As variáveisexplicativas e suas defasagens espaciais, que, a princípio, possuem altacorrelação com a variável dependente e não possuem correlação com o termode erro poderiam ser usadas como instrumento (KELEJIAN e PRUCHA, 1998).

➢ No caso onde as variáveis explicativas defasadas espacialmente já fazem partedo modelo, utiliza-se a segunda defasagem destas.





Tabela 3. Estimação dos Modelos de Crescimento para os Municípios de MGVariáveis Variável dependente: W_ln(Yt/Yt-1) Notas:

1. p-valor: *

➢O passo seguinte consiste em incorporar a heterogeneidade espacial(instabilidade estrutural), manifestado nos parâmetros (). Para isso, utilizou-seuma variável categórica para identificar regimes espaciais.

➢Logo, foram selecionados 12 grupos, referentes às mesoregiões de MG,visando “suavizar” a heterogeneidade espacial. A ideia é verificar se existemrespostas distintas dependendo do subconjunto de dados.

➢Os modelos de transbordamento espacial com mudança estrutural nosparâmetros, definida pelos regimes espaciais, são apresentado na Tabela 4.





Tabela 4. Testes de Estabilidade Estrutural do Modelo 3 com Regimes Espaciais Modelo Populacional Modelo sem Outliers

MQO MQO Robusto MQO MQO RobustoChow 3.19*** - 4.47*** -Chow_White - 589.18*** - 809.44***

Variáveis Teste de Estabilidade dos IndividuaisCONSTANTE 2.59*** 29.48*** 2.23** 21.82**

Ln(Yt-1) 2.65*** 30.92*** 2.79*** 29.48***

Ln(n+g+) 1.98** 18.87* 2.37*** 24.76**

Ln(Kt) 2.83*** 37.58*** 4.17*** 46.94***

Ln(H1t) 1.21 13.89 1.85 18.80*

Ln(H2t) 0.89 10.25 1.30 14.33W_Ln(Yt-1) 1.12 19.48

* 0.95 15.52W_Ln(n+g+) 1.58* 21.65** 1.62* 19.46*

W_Ln(Kt) 0.90 14.72 1.30 18.36*

W_Ln(H1t) 0.93 11.41 0.92 11.04W_Ln(H2t) 1.35 18.41

* 2.54*** 30.73***

Koenker-Bassett 35.31*** - -Breusch-Pagan - - 23.74** -Jarque-Bera 105.60*** 1.50

R2 Ajustado 0.618 0.699AIC -3731.6 -3928.84SC -3104.7 -3305.46

I de Moran (resíduo) 0.189*** 0.013Fonte: Elaboração dos autores com base no Software SpaceStat.Nota: p-valor: *

Tabela 5. Impactos das variáveis do modelo de Transbordamento Espacial e Regimes espaciais por Mesoregião.

Fonte: Elaboração própria dos autores com base nos resultados.

Legenda: é a média dos coeficientes obtidos nas mesoregiões; é a média de coeficientes significativos das mesoregiões; Sig.-Valor Significativo a 10% ; P-

percentil.

Mesoregiões: 1. Noroeste de Minas; 2. Norte de Minas; 3. Jequitinhonha; 4. Vale do Mucuri; 5. Triângulo Mineiro/Alto Parnaíba; 6. Central Mineira; 7. Região

Metropolitana de Belo Horizonte; 8 .Vale do Rio Doce; 9. Oeste de Minas; 10. Sul/Sudoeste de Minas; 11. Campo das Vertentes; 12. Zona da Mata.



➢ A eliminação dos efeitos espaciais nos resíduos só foi possível após o controlesimultâneo da: 1) auto-ccrrelação espacial (modelo de transbordamento), 2)heterogeneidade espacial (regimes espaciais); 3) erros discrepantes (dummies).

➢Os resultados indicam que o capital físico, Ln(Kt), Humano Ln(H1t), e as condições desaúde, Ln(H2t) afetam o crescimento da seguinte forma: Ln(Kt) > Ln(H1t) > Ln(H2t).

➢A velocidade de convergência tende a diminuir após a inclusão das defasagens espaciais.Além disso, ela não se mostrou homogênea entre as mesoregiões de MG.

➢Mesoregiões intensivas em K parecem apresentar baixo retorno de K e alto retorno H1.

Considerações Finais sobre Minas Gerais




➢ Este trabalho analisou o crescimento econômico dos municípios brasileiros, entre 1980 e2010, com base no modelo MRW (1992) usando um painel espacial.

➢Na tentativa de captar os efeitos espaciais, foram incluídas variáveis de autocorreção (10a 13) e heterogeneidade espacial (5 a 9) ao modelo MRW (1992):

➢Onde: D são dummies de região; Dist_mun é a distância de cada município em relação àsua capital estadual (efeito Spillover); W é uma matriz de pesos espaciais.




O caso dos Municípios Brasileiros

➢Inicialmente, o modelo MRW (1992) foi estimado sem controles espaciais com dadoscross-section. Posteriormente, inclui-se os controles espaciais. Feito isso, partiu-se paraestimação em painel seguindo o mesmo critério.

➢Em se tratando de painel, geralmente estima-se um modelo POLS verificando a existênciade efeitos não observados, ci, via teste de Breusch-Pagan (1980), onde testa-se: .

➢Caso a H0 prevaleça, opta-se pelo POLS. Caso contrário, estima-se os modelos RE e FEusando o teste de Hausman (1978) para definir qual deve ser considerado.

➢Este procedimento testa se H0: E [ci xit] = 0. Se H0 for verdadeiro ambos são consistentes,porém o RE é mais eficiente. Se H0 não for verdadeira somente o modelo FE seráconsistente.




Método de Estimação do Modelo

a) Y - renda per capita das famílias valor total dos rendimentos recebidos, no mêsanterior a data de referência (IPEADATA/IBGE, 2012).

b) K - capital físico despesa pública municipal em bens de capital (IPEADATA/STN, 2012).

c) H – capital humano percentual de pessoas alfabetizadas (1 - % analfabetos) (IBGE,2012)

d) (n+g+) - soma das taxas de crescimento populacional (n), progresso tecnológico (g) edepreciação (δ) g+δ = 0,05 anuais (Freitas e Almeida, 2011). n foi obtida no IPEADATA(2012).

e) W - matriz de peso espacial Segundo Baumont (2004), a matriz espacial K = 5(vizinhos mais próximos) era a que melhor captava a autocorrelação espacial.

f) Dummies de Região para as regiões Sul, Sudeste, Nordeste e Centro Oeste.

g) Dist_Mun. distância do município i à sua respectiva capital estadual (IPEA, 2012).




Base de Dados

Quadro 1. Descrição e Sinais Esperados das Variáveis Tipo de Variável SIGLA Descrição Sinal Esperado Hipóteses para o Sinal Esperado

Dependente Variação da Renda per capta n/c n/c

Explicativas

(Modelo MRW,

1992)

Ln(Yt-1) Renda per capta Inicial - Convergência da Renda

Ln(K) Capital Físico + Insumo para crescimento da renda

Ln(H) Capital Humano + Insumo para crescimento da renda

Ln (n+g+)Taxas de cresc. Pop.(n) + tecnol.(g) + deprec.(θ) -

Controle para

Heterogeneidade

Espacial

Sul Municípios da Região Sul ? Dependem de questões inerentes a

cada Região (ex: Gestão)Sudeste Municípios da Região Sudeste ?

Nordeste Municípios da Região Nordeste ?

Centro Oeste Municípios da Região Centro-Oeste ?

Ln(dist_est) Distância do Município até sua Capital Estadual - Spillover gerado pelos centros

(capitais)

Controle para

Auto-Correlação

Espacial

W_Ln(Yt/Yt-1) Variação da Renda com Defasagem Espacial + I de Moran positivo

W_Ln(K) Capital Físico com Defasagem Espacial + efeito transbordamento

W_Ln(H) Capital Humano com Defasagem Espacial + efeito transbordamento

W_Ln(n+g+θ) Taxas de cresc. Pop.(n) + tecnol.(g) + deprec.(θ)

com Defasagem Espacial

-

Fonte: Elaboração própria do autor com base na literatura consultada.




Base de Dados

OBS: n = 3453Legenda: * p

Tipo de Controle - Heterogeneidade Espacial

Estimação em 2 Estágios Utilizando Instrumentos para W_Ln(Yt/Yt-1)

Auto-Correlação Espacial

Heterogeneidade e Auto-

Correlação Espacial

Variável POLS RE FE FD POLS RE POLS RE FE FD POLS RE

Ln(Yt-1) -0.6817*** -0.6817*** -0.9561*** -1.1787*** -0.6722*** -0.6722*** -0.2462*** -0.2462*** -0.5058*** -0.7063*** -0.2680*** -0.2680***

Ln(K) 0.0357*** 0.0357*** 0.0137** 0.0051 0.0349*** 0.0349*** 0.0104*** 0.0104*** 0.0204*** 0.0183*** 0.0135*** 0.0135***

Ln(H) 1.7987*** 1.7987*** 2.6086*** 2.7317*** 1.8529*** 1.8529*** 0.4884*** 0.4884*** 0.4951*** 0.4119*** 0.5046*** 0.5046***

Ln (n+g+θ) -0.0686*** -0.0686*** -0.0800*** -0.0516** -0.0674*** -0.0674*** -0.0279 -0.0279* -0.0101 -0.026 -0.0207 -0.0207

Sul 0.0995*** 0.0995*** 0.0888*** 0.0888***

Sudeste 0.1073*** 0.1073*** 0.0830*** 0.0830***

Nordeste 0.1566*** 0.1566*** 0.0076 0.0076

Centro Oeste 0.1597*** 0.1597*** 0.0963*** 0.0963***

Ln(dist_est) 0.0085* 0.0085* 0.0072** 0.0072**

W_Ln(Yt/Yt-1) 0.8609*** 0.8609*** 0.7550*** 0.5928*** 0.8760*** 0.8760***

W_Ln(K) 0.0156*** 0.0156*** 0.0938*** 0.0879*** 0.0230*** 0.0230***

W_Ln(H) 0.0847* 0.0847** 0.2941*** 0.8075*** -0.0493 -0.0493

W_Ln (n+g+θ) 0.0857*** 0.0857*** 0.1202*** 0.1644*** 0.1221*** 0.1221***

cons -4.8898*** -4.8898*** -6.8144*** - -5.3254*** -5.3254*** -1.6624*** -1.6624*** -2.5665*** - -1.2934*** -1.2934***

N 10359 10359 10359 6906 10359 10359 10359 10359 10359 6906 10359 10359

r2 0.49 0.80 0.50 0.77 0.78

r2_overall 0.49 0.49 0.50 0.78 0.73 0.78

r2_between 0.22 0.23 0.23 0.50 0.33 0.50

r2_within 0.67 0.67 0.67 0.80 0.82 0.80

aic 3581.61 -1590.10 4550.72 3485.65

bic 3617.84 -1553.87 4578.08 3558.10

Legenda: * p

➢As estimações via POLS e RE, com controle espacial, revelaram que:

a) H e K explicam parte da variação da renda (Y). Além disso, Y parece estar convergindo.

b) As regiões Norte e Nordeste apresentam características que impulsionam pouco ocrescimento. Já o Centro-Oeste se destaca neste quesito.

c) as capitais geram externalidades negativas para os municípios mais próximos,contrariando Myrdal (1960).

d) a inclusão das defasagens espaciais reduziu o coeficiente de convergência.

➢A eliminação dos efeitos não observados via modelos de FD e FE gerou:

e) Um aumento significativo do coeficiente associado à convergência da renda.




Considerações Finais

Questões para discussão

1) Viés de Seleção: Até o CENSO/IBGE referente ao ano de 2010, o número de municípios brasileiros erade 5592. No entanto, só existem informações completas, considerando os 3 períodos analisados aqui,para 3453 municípios (61,75% do total). O impacto, em temos geográficos, dos missings gerados naseleção pode ser visualizado na Figura 2.

2) Variável K: Inclui apenas capital público.

3) Variável H: Inclui apenas alfabetizados.

4) Resíduos: verificar/eliminar ACS nos resíduos.

Figura 2. Municípios Brasileiros antes e após a Seleção Amostral dos DadosMunicípios Brasileiros antes da Seleção

(Total: 5592)

Municípios Brasileiros após a Seleção

(Total 3453)

Fonte: Elaboração própria com base nos Softwares ArcView e GEODA.




1. MACROECONOMIA E MODELOS DE CRESCIMENTO ECONÔMICO

2. ECONOMIA REGIONAL E INSUMO-PRODUTO

3. COMÉRCIO INTERNACIONAL E POLÍTICAS COMERCIAIS

4. ECONOMIA DA SAÚDE

5. MÉTODOS QUANTITATIVOS APLICADOS À ECONOMIA

4.1. Insumo-Produto4.2. Estatística Multivariada4.3. Econometria (Séries de Tempo, cross-section e painel)4.4. Econometria Espacial

Áreas de Atuação em Pesquisa




Crescimento Econômico: Uma análise via modelos ......Crescimento Econômico: Uma análise via...

Documents

Transcript of Crescimento Econômico: Uma análise via modelos ......Crescimento Econômico: Uma análise via...