Mestranda em Economia do Desenvolvimento pelo Programa de … · defesa nacional e o PIB. 2...

IX Encontro Nacional da Associação de Estudos em Defesa

Florianópolis, 6-8 de julho de 2016

ECONOMIA DA DEFESA: UMA ANÁLISE DE CAUSALIDADE ENTRE GASTOS E

PIB

Cássia Heloisa Ternus

Mestranda em Economia do Desenvolvimento pelo Programa de Pós-Graduação em

Economia do Desenvolvimento da Pontifícia Universidade Católica do Rio Grande do

Sul – PUCRS. E-mail: [email protected]

Gustavo Inácio de Moraes

Professor do PPGE-PUCRS. Email: [email protected]

Essa pesquisa conta com o apoio financeiro do Instituto Pandiá Calógeras – Edital

Álvaro Alberto

RESUMO: Com a crescente complexidade entre as relações internacionais ou mesmo

com os conflitos internos cada vez mais presentes a economia da defesa vem

ganhando espaço e notoriedade. Neste sentido, este trabalho tem como objetivo

analisar a causalidade existente entre os gastos com defesa – aérea, naval e terrestre

– e o crescimento do PIB. Estimou-se um modelo VAR com um lag de defasagem, de

modo que o teste de cointegração de Johansen indicou que as séries analisadas

cointegram, não há evidência de autocorrelação e os resíduos possuem distribuição

normal. Os resultados apontam que PIB causa gastos em defesa naval e terrestre no

sentido de Granger, há bicausalidade de Granger entre os gastos com defesa aérea e

naval, além de defesa terrestre causar no sentido de Granger defesa aérea.

Palavras-Chave: Economia da Defesa. Atividade Econômica. Orçamento

Público. Análise de Causalidade.

1 INTRODUÇÃO

Os gastos com defesa nacional constituem uma parcela relativamente pequena

do orçamento federal, porém, de grande importância estratégica. Em 2012, de acordo

com o Ministério da Defesa, certa de 70% das despesas eram com pessoal, 14% com

custeio e apenas 12,3% com investimento. O Decreto nº 6.703, de 18 de dezembro de

2008 aprovou a Estratégia Nacional da Defesa que tem como base: reorganizar as

Forças Armadas, reestruturar a indústria brasileira de material de defesa, e, também, a

política de composição dos efetivos das Forças Armadas (Ministério da Defesa, 2008).

Sabe-se que a indústria de defesa brasileira ainda é incipiente frente ao tamanho de

seu território, lugar que ocupa no cenário internacional e recursos naturais – pré-sal –

que são cobiçados por parte do mundo.

Neste sentido, Veríssimo (2005) salienta que no passado a defesa focava

muito no vetor militar, atualmente os componentes não militares tendem a assumir um

papel mais importante e decisivo. Para tanto, a economia da defesa vem assumindo

um papel muito importante para compreender as relações inter setoriais de um país

dentro e fora dele. As mudanças globais cada vez mais aceleradas e o aumento dos

conflitos econômicos, sociais e religiosos ao redor do mundo construíram uma série de

ameaças impossíveis de combater com armas tradicionais. Assim, a logica da defesa

nacional visa a necessidade de proteção de todas as vulnerabilidade nacionais, pois

todas são capazes de colocar em risco a segurança do Estado.

Sobre o caso brasileiro, Dagnino (2008) conclui que é necessário revitalizar a

indústria da defesa no Brasil e destaca dois aspectos relevantes deste contexto. O

primeiro, refere-se a importância de revisar a visão do impacto econômico e

tecnológico da produção e P&D militares. O segundo aspecto refere-se a necessidade

de melhorar a avaliação dos custos e benefícios da revitalização da indústria de

defesa brasileira com foco no cenário internacional. Por fim, o autor chama atenção

para a necessidade de investir mais no setor de defesa do país, atualmente,

aproximadamente 2% do PIB é empregado neste setor, sendo que grande parte é

para pagamento de pessoal – aposentadorias e pessoal ativo – e pequena parcela é

investida em tecnologia, o que tem sido a tendência internacional para acompanhar os

avanços da sociedade.

Sobre a relação entre crescimento econômico e gastos com defesa, Aizenman

e Glick (2003) concluíram que o crescimento cai com níveis mais elevados de gastos

militares e que as despesas militares na presença de ameaças aumentam o

crescimento. Araujo Junior e Shikida (2015) apresentam que o impacto dos gastos

militares sobre o crescimento econômico tem sido alvo de questionamento desde os

anos 70, sendo que estas questões ainda não se encerraram e possuem um vasto

campo para estudos. Como limitações que podem comprometer os resultados de

pesquisas econômicas na área, os autores destacam: má especificação do modelo

econométrico, definição do conceito de ameaças ou instabilidades políticas, uma vez

que países podem não apresentar problemas com o resto do mundo, mas possuírem

conflitos internos, e, por fim, a questão institucional a sua influência sobre o

desenvolvimento econômico.

Ainda, sobre a causalidade entre gastos públicos no Brasil e crescimento

econômico, Gadelha (2011), analisando dados entre 1980 e 2008, evidenciou que os

investimos públicos eram importantes não somente para enfrentar os efeitos adversos

da crise financeira internacional, mas também para estimular o crescimento econômico

interno. Neste sentido, pode-se esperar que haja causalidade entre os gastos com

defesa nacional e o PIB.

2 METODOLOGIA

O método utilizado neste artigo será a estimação via modelo de vetores

autorregressivos (VAR) e também será empregado o teste de causalidade de Granger.

Conforme Cavalcanti (2010) a popularidade destes modelos ocorre pelo fato de que os

mesmos permitem analisar as interrelações entre diversas variáveis a partir de um

conjunto mínimo de restrições de identificação. Desta forma, é possível identificar o

componente “exógeno” de cada variável, garantindo a estimação do efeito de uma

mudança nesta variável sobre as demais.

Um modelo VAR pode ser entendido como um modelo ARMA para cada

componente com uma especialidade diferente: simultaneidade nas variáveis

correspondendo a equações simultâneas. O uso de modelos VAR ao invés de

equações simultâneas consiste no fato de que não se pode fazer distinção entre quais

variáveis são endógenas e quais exógenas, porém, deve-se garantir que as variáveis

sejam estacionárias. Para estimar um modelo VAR é necessário que as variáveis

sejam endógenas, não identificáveis, a série deve ser estacionária e o erro deve ser

um ruído branco (SIMS, 1980).

De acordo com Cavalcanti (2010), o modelo VAR na forma estrutural é dado

por:

⌈1 𝑏12

𝑏21 1⌉ ⌈

𝑍𝑡

𝑋𝑡⌉ = ⌈

𝑦11 𝑦12

𝑦21 𝑦22⌉ ⌈

𝑍𝑡−1

𝑋𝑡−1⌉ + ⌈

𝜀1,𝑡

𝜀2,𝑡⌉ (1)

Onde 𝜀1,𝑡 e 𝜀2,𝑡 são ruído branco. Dada a dificuldade de estimar o modelo VAR via

Ordinary Least Square (OLS) é possível transformar o modelo em um sistema mais

compacto, conhecido como forma reduzida. Esta pode ser expressa pela seguinte

equação:

⌈𝑍𝑡

𝑋𝑡⌉ = ⌈

𝑐11 𝑐12

𝑐21 𝑐22⌉ ⌈

𝑍𝑡−1

𝑋𝑡−1⌉ + ⌈

𝑢1,𝑡

𝑢2,𝑡⌉ (2)

Na estimação de modelos por OLS, quando aplicados a séries de tempo que

não são estacionarias, há a perda de propriedades estáticas que são importantes para

estimação, tornando inválida a inferência estatística. Com o objetivo de evitar este tipo

de problema, é possível transformar uma série não-estacionária numa série

estacionária, considerando a primeira diferença ou os retornos da mesma. A

identificação de estacionariedade da série pode ser feita através de análise gráfica ou

de testes, evitando assim regressões espúrias na análise. (MOREIRA,2011).

Para auxiliar no processo de investigação das séries, Moreira (2011) salienta

que se pode utilizar os testes de raízes unitárias com o intuito de identificar se a série

é estacionária ou não-estacionária. Caso a série analisada seja não-estacionária é

possível diferenciá-la com o número de defasagens ótimas, mesmo perdendo

informação por meio deste processo ele garante inferência estatística. Assim, o

número de diferenças necessárias para transformar 𝑌𝑡 numa série estacionária

corresponde ao número de raízes unitárias presentes no processo gerador de 𝑌𝑡.

Como determinar um lag – número de defasagens nas séries – consiste em

transformar a série original deve-se ter cuidado com os dois extremos. Com o

comprimento da defasagem muito curto é possível que se tenha autocorrelação entre

os termos do erro o que incorre em ineficiência dos estimadores. Por outro lado, uma

dimensão muito grande do lag requer a utilização de um grande número de

parâmetros, aumentando a complexidade da estimação e conduzindo a ineficiência

(MOREIRA, 2011). Para verificar a presença de raízes unitárias serão utilizados os

testes de Dickey-Fuller Aumentado e o teste de Phillips-Perron. Já para identificar a

presença de cointegração será usado o teste de Johansen. Por fim, como critérios de

escolha da defasagem ótima serão analisados os valores encontrados para Schwarz

(SC), Hannan-Quinn (HQ) e Akaike (AIC), tendo como desempate o critério de

Schwarz (SC).

Determinado o número do lag ótimo para estimação do modelo, é possível

verificar a direção dos efeitos através do teste de causalidade de Granger. Conforme

Moreira (2011, p.30) a causalidade de Granger “implica correlação entre os valores

presentes de uma variável e os valores passados de outras variáveis, não significa

que mudanças numa variável impliquem mudanças numa outra variável”. Assim, uma

variável 𝑦𝑡 causa outra 𝑥𝑡 no sentido de Granger quando os valores defasados de Y

fornecem maior precisão à previsão.

A relação da causalidade de Granger entre as variáveis pode ocorrer de duas

formas: unidirecional e bidirecional. Na primeira os valores defasados são diferentes

de zero, enquanto na segunda ambas possuem valores defasados diferentes de zero

se houver efeito causal, por exemplo: 𝑦𝑡−1 ≠ 0 e 𝑥𝑡−1 = 0. Assim, para haver uma

relação causal, os coeficientes estimados devem ser diferentes de zero e significativas

estatisticamente (GRANGER, 1969).

2.1 Dados

Os dados utilizados para elaboração deste trabalho foram obtidos no site do

Tesouro Nacional, no que compreende a execução orçamentária por função e

subfunção. Os mesmos referem-se aos gastos do governo com a defesa nacional,

subdividios em três áreas: defesa aérea, defesa naval e defesa terrestre. Além destes

gastos utilizou-se a série histórica do Produto Interno Bruto (PIB) para avaliar se existe

alguma causalidade no sentido de Granger entre os gastos de defesa e o incremento

no PIB.

Como se trata de dados de valores monetários inflacionou-se as séries para

que fosse possível fazer inferência a partir das estimativas. Além disso, para o PIB

utilizou-se o valor acumulado dos últimos doze meses. As séries são mensais, com

início em janeiro de 2013 e fim em outubro de 2015, correspondendo a 154 meses. O

software utilizado para obtenção dos resultados foi o Stata. A seguir serão

apresentados os resultados das estimações e testes realizados para as séries citadas.

3 RESULTADOS

Nesta seção serão apresentados os resultados para estimação do modelo

VAR, incluindo os testes de raízes unitárias para verificar a presença de

estacionariedade nas séries, teste de cointegração de Johansen, teste de

aucorrelação das séries, teste do multiplicador de lagrange e, por fim, o teste de

causalidade de Granger. Inicialmente, realizou-se o teste de raiz unitária para

identificar o número de defasagem ótima de cada série. A Figura 1 mostra os

resultados para o teste de Dicky-Fuller Aumentado, neste o critério de decisão

consiste em comparar a estatística calculada com a estatística crítica, sendo a

calculada maior que a crítica, rejeita-se a hipótese nula de a série ser não

estacionária.

Figura 1: Teste Dickey- Fuller Aumentado – Defesa aérea

Fonte: Resultados do Modelo

Conforme a Figura 1, a série de gastos com defesa aérea é estacionária em

nível, ou seja, o valor calculado é maior que o valor crítico, não precisando ser usado

nenhum lag de defasagem para torna-la estacionária. A Figura 2 exibe o resultado

para os gastos com defesa naval.

Figura 2: Teste Dickey- Fuller Aumentado – Defesa naval


MacKinnon approximate p-value for Z(t) = 0.0000

Z(t) -13.104 -3.492 -2.886 -2.576

Statistic Value Value Value

Test 1% Critical 5% Critical 10% Critical

Interpolated Dickey-Fuller

Dickey-Fuller test for unit root Number of obs = 153

. dfuller defesa_aerea, lags(0)


Z(t) -11.271 -3.492 -2.886 -2.576




Dickey-Fuller test for unit root Number of obs = 153

. dfuller defesa_naval, lags(0)

Da mesma forma que o observado com os gastos em defesa aérea, a série

para defesa naval é estacionária em nível e não necessita incluir nenhuma ordem de

defasagem para ser utilizada na regressão com modelos VAR. A Figura 3 apresenta

os resultados para os gastos com defesa terrestre.

Figura 3: Teste Dickey- Fuller Aumentado – Defesa terrestre


Para a defesa naval os resultados indicaram a necessidade de estimar com um

lag de defasagem para tornar a série estacionária. Por fim, apresenta-se para

presença de raiz unitária da série do PIB.

Figura 4: Teste Dickey- Fuller Aumentado – PIB


Os resultados para a série do PIB apontam que é necessário incluir quatro lags

de defasagem na série para que a mesma se torne estacionária. Outro teste utilizado

para verificar a presença de raiz unitária é o teste de Phillips-Perron, o mesmo tem

como hipótese nula a presença de raiz unitária e série não estacionária e como

hipótese alternativa a estacionariedade da série e ausência de raiz unitária. A Figura 5

expõe os resultados para o teste de Phillips-Perron sobre a série de defesa aérea.


Z(t) -7.121 -3.493 -2.887 -2.577




Augmented Dickey-Fuller test for unit root Number of obs = 152

. dfuller defesa_terrestre, lags(1)


Z(t) -3.154 -3.494 -2.887 -2.577




Augmented Dickey-Fuller test for unit root Number of obs = 149

. dfuller pib, lags(4)

Figura 5: Teste Phillips-Perron – Defesa aérea


Os valores calculados são superiores que as estatísticas críticas, então, rejeita-

se a hipótese nula e há presença de raiz unitária, logo, a série é estacionária.

Figura 6: Teste Phillips-Perron – Defesa naval


Novamente, assim como o resultado encontrado para o teste de Dickey-Fuller

Aumentado, rejeita-se a hipótese nula e não há presença de raiz unitária, dessa forma,

a série é estacionária em nível. A Figura 7 apresenta os resultados para os gastos

com defesa terrestre.


Z(t) -13.309 -3.492 -2.886 -2.576

Z(rho) -145.625 -19.977 -13.806 -11.071




Newey-West lags = 4

Phillips-Perron test for unit root Number of obs = 153

. pperron defesa_aerea


Z(t) -11.278 -3.492 -2.886 -2.576

Z(rho) -140.655 -19.977 -13.806 -11.071




Newey-West lags = 4


. pperron defesa_naval

Figura 7: Teste Phillips-Perron – Defesa terrestre


As estatísticas calculadas novamente foram superiores aos valores críticos nos

níveis de 1%, 5% e 10%, mostrando que a série é estacionária e não há presença de

raiz unitária. Por fim, a Figura 8 mostra o teste de Phillips-Perron pra a série do PIB.

Figura 8: Teste Phillips-Perron – PIB


Diferente do resultado obtido no teste de Dickey-Fuller Aumentado, todas as

séries para o teste de Phillips-Perron apresentam estatística calculada superior as

estatísticas dos valores críticos, este resultado indica para rejeição da hipótese nula de

que há raiz unitária de modo que pode-se dizer que as séries são estacionárias.

Analisadas as séries individualmente, estimou-se um modelo VAR com todas as séries

com o objetivo identificar a ordem de defasagem conjunta.


Z(t) -10.238 -3.492 -2.886 -2.576

Z(rho) -130.355 -19.977 -13.806 -11.071




Newey-West lags = 4


. pperron defesa_terrestre


Z(t) -9.304 -3.492 -2.886 -2.576

Z(rho) -125.703 -19.977 -13.806 -11.071




Newey-West lags = 4


. pperron pib

Figura 9: Estimação do modelo VAR


Conforme a Figura 9, o número de lag ótimo é 1 pelos critérios de Hanna-Quin

e Schwarz assim, para o teste de co-integração de Johansen, utilizou-se a mesma

ordem de integração (1) e os resultados são expostos na Figura 10.

Figura 10: Teste de Cointegração de Johansen


De acordo com a estatística traço é possível observar que as séries

cointegram, dado que existem ao menos três vetores de cointegração, ou seja, existe

uma relação de longo prazo entre as séries analisadas. Dessa forma, é possível

Exogenous: _cons

Endogenous: pib defesa_aerea defesa_naval defesa_terrestre

4 -12633.2 15.366 16 0.498 4.2e+68 169.35 169.904 170.715

3 -12640.9 28.973* 16 0.024 3.7e+68 169.239 169.663 170.283

2 -12655.4 35.346 16 0.004 3.6e+68* 169.219* 169.512 169.941

1 -12673.1 98.824 16 0.000 3.7e+68 169.241 169.404* 169.643*

0 -12722.5 5.8e+68 169.687 169.719 169.767

lag LL LR df p FPE AIC HQIC SBIC

Sample: 2003m5 - 2015m10 Number of obs = 150

Selection-order criteria

. varsoc pib defesa_aerea defesa_naval defesa_terrestre

4 36 -12821.581 0.11733

3 35 -12831.066 0.17217 18.9706 3.76

2 32 -12845.427 0.32549 47.6915 15.41

1 27 -12875.354 0.42851 107.5451 29.68

0 20 -12917.876 . 192.5894 47.21

rank parms LL eigenvalue statistic value

maximum trace critical

5%

Sample: 2003m3 - 2015m10 Lags = 2

Trend: constant Number of obs = 152

Johansen tests for cointegration

. vecrank pib defesa_aerea defesa_naval defesa_terrestre

estimar um modelo VAR, pois há cointegração. O número de lag ótimo do modelo é

um e os resultados desta estimação podem ser verificados no Anexo 1.

Para testar a presença se autocorrelação nas séries, utilizou-se os testes de

multiplicador de Lagrange (LM) e os resultados podem ser conferidos na Figura 11.

Figura 11: Teste LM para autocorrelação


O teste de multiplicador de Lagrange (LM) verifica a presença de

autocorrelação nos resíduos do modelo VAR, a hipótese nula é que não existe

autocorrelação enquanto que a alternativa é a presença de autocorrelação. Dado a

estatística crítica do chi2 ser maior do que seu valor calculado, aceita-se a hipótese de

não existência de autocorrelação. Ainda, para verificar a distribuição dos resíduos

utilizou-se o teste Jarque-Bera, como mostra a Figura 12.

Figura 12: Teste Jarque-Bera


O teste de Jarque-Bera assume como hipótese nula a distribuição normal dos

resíduos e, de acordo com o teste, é possível observar que os resíduos possuem

distribuição normal. Após a estimação do modelo VAR e verificado que não existe

H0: no autocorrelation at lag order

2 25.3971 16 0.06312

1 30.2349 16 0.01682

lag chi2 df Prob > chi2

Lagrange-multiplier test

. varlmar

ALL 1683.602 8 0.00000

defesa_terrestre 94.311 2 0.00000

defesa_naval 354.262 2 0.00000

defesa_aerea 1029.483 2 0.00000

pib 205.546 2 0.00000

Equation chi2 df Prob > chi2

Jarque-Bera test

. varnorm, jbera

autocorrelação entre as séries bem como que os resíduos possuem uma distribuição

normal, pode-se analisar alguns aspectos a partir da estimação.

Os coeficientes dos modelos VAR não fornecem informações muito uteis para

serem interpretados, mas, o modelo em si permite três análises: causalidade,

decomposição da variância e função impulso resposta. Como o objetivo deste trabalho

é analisar se existe causalidade entre gastos com defesa aérea, naval, terrestre e PIB

utilizou-se apenas o teste de causalidade de Granger, o mesmo pode ser conferido na

Figura 13.

Figura 13: Teste Causalidade de Granger


Para analisar os resultados do teste de causalidade de Granger é necessário

verificar quais são estisticamente significativos. Nesse sentido, tem-se que PIB causa

gastos com defesa naval no sentido de Granger, porém, defesa naval não causa PIB.

Na sequência, PIB causa gastos com defesa terrestre no sentido de Granger, mas, o

contrário não é verdadeiro, existe apenas uma causalidade unidirecional. Defesa

aérea causa no sentido de Granger defesa naval e defesa naval causa defesa aérea

.

defesa_terrestre ALL 23.896 3 0.000

defesa_terrestre defesa_naval 1.7659 1 0.184

defesa_terrestre defesa_aerea 20.399 1 0.000

defesa_terrestre pib 2.058 1 0.151

defesa_naval ALL 16.76 3 0.001

defesa_naval defesa_terrestre .00836 1 0.927

defesa_naval defesa_aerea 14.489 1 0.000

defesa_naval pib .01492 1 0.903

defesa_aerea ALL 11.148 3 0.011

defesa_aerea defesa_terrestre .24642 1 0.620

defesa_aerea defesa_naval 6.3295 1 0.012

defesa_aerea pib .54515 1 0.460

pib ALL 6.7161 3 0.082

pib defesa_terrestre 4.0867 1 0.043

pib defesa_naval 4.7769 1 0.029

pib defesa_aerea .0081 1 0.928

Equation Excluded chi2 df Prob > chi2

Granger causality Wald tests

. vargranger

no sentido de Granger, assim, tem-se uma causalidade bidirecional. Por fim, entre os

resultados significativos, defesa terrestre causa no sentido de Granger defesa aérea.

Estes resultados são apresentados, de forma resumida, na tabela abaixo.

Tabela 1: Causalidade de Granger estimada a partir de um VAR

Causalidade Interpretação

PIB Defesa Naval Crescimento do PIB causa gastos com

defesa naval

PIB Defesa Terrestre Crescimento do PIB causa gastos com

defesa naval

Defesa aérea Defesa naval Gastos com defesa aérea causam gastos

com defesa naval e gastos com defesa

naval causam gastos com defesa aérea

Defesa terrestre Defesa aérea Gastos com defesa terrestre causam

gastos com defesa aérea.


Conforme as informações da Tabela 1, crescimento do PIB causa gastos em

defesa nacional, mas não nos três segmentos, de modo que não causa no sentido de

Granger os gastos em defesa aérea. Os resultados encontrados para o teste de

causalidade de Granger apontam que não necessariamente os gastos em defesa

nacional causam uns aos outros, mas que existe uma relação entre alguns deles.

Além disso, esperava-se que o crescimento do PIB fosse causar gastos com defesa, o

que de fato ocorreu para defesa terrestre e naval. Sobre o fato de gastos com defesa

causar PIB os resultados corroboram com o encontrado por Aizenman e Glick (2003)

que o crescimento cai com níveis mais elevados de gastos militares, incorrendo que

gastos não causam crescimento. Ainda, os resultados divergem do proposto por

Gadelha (2011) no que se refere aos gastos públicos causarem crescimento

econômico.

4 CONSIDERAÇÕES FINAIS

Este artigo analisou a relação existente entre gastos de defesa nacional,

fragmentadas entre defesa aérea, defesa naval e defesa terrestre, com o crescimento

do PIB, para tanto, utilizou-se séries mensais de janeiro de 2003 a outubro de 2015. A

indústria da defesa brasileira necessita ainda de muitos avanços e investimento,

principalmente em tecnologia, dado seu amplo território e potencial natural. Para

verificar se existe causalidade entre gastos com defesa e crescimento do PIB, utilizou-

se o teste de causalidade de Granger.

Os resultados apontam que PIB causa gastos com defesa terrestre e defesa

naval, o que se mostra relevante para a defesa interna de um país, pois implica dizer

que o crescimento do PIB incorre em investimento nestes dois segmentos da defesa

nacional. Mesmo assim, não se pode analisar o tamanho deste impacto, apenas a

direção desses efeitos, desse modo não se pode garantir que esta relação causal seja

suficiente para garantir a segurança interna.

Por fim, como sugestão para próximos estudos, considera-se relevante

prosseguir na análise e utilizar, a partir deste modelo, a decomposição da variância

para demonstrar quanto dos erros de previsão é explicado por casa variável em

análise. Além disso, também se pode utilizar a função impulso resposta para verificar a

duração que os choques em determinada variável levam para se propagar no tempo e

se o efeito é positivo ou negativo.

REFERÊNCIAS

AIZEMAN,Joshua; GLICK, Reuven. Despesas militares, ameaças e

crescimento. Jornal do Comércio Internacional e Desenvolvimento Econômico, v.

15, n. 2, p.129-155, 2006.

ARAUJO JUNIOR, Ari Francisco de; SHIKIDA, Cláudio D.. Gastos Militares,

Ameaças Externas e Crescimento Econômico. Disponível em:

<http://www.ceaee.ibmecmg.br/wp/wp44.pdf>. Acesso em: 06 dez. 2015

CAVALCANTI, Marco A. F. H.. Identificação de modelos VAR e causalidade de

Granger: uma nota de advertência. Econ. Apl. [online]. 2010, vol.14, n.2, pp. 251-

260. ISSN 1413-8050.

DAGNINO, Renato Peixoto. Em que a Economia de Defesa pode ajudar nas decisões

sobre a revitalização da Indústria de Defesa brasileira? Oikos (Rio de Janeiro), v. 1,

p. 113-137, 2008.

DE BRITO GADELHA, Sérgio Ricardo. Política fiscal anticíclica, crise financeira

internacional e crescimento econômico no Brasil. Brazilian Journal of Political

Economy/Revista de Economia Política, v. 31, n. 5, 2011.

Granger, C. (1969), ‘Investigating causal relations by econometric models and cross-

spectral methods’, Econometrica 37, 424–438.

MINISTÉRIO DA DEFESA. Estratégia Nacional de Defesa. Disponível em:

<http://www.defesa.gov.br/projetosweb/estrategia/arquivos/estrategia_defesa_nacional

_portugues.pdf>. Acesso em: 07 dez. 2015.

MOREIRA, Bernardo Aboim de Barros Celorico. Modelização de empréstimos

bancários de empresas não financeiras na zona euro: Uma abordagem

VAR/VECM. 2011. 87 f. Dissertação (Mestrado) - Curso de Matemática Financeira,

Departamento de Métodos Quantitativos, Universidade de Lisboa, Lisboa, 2011.

Sims, C. (1980), ‘Macroeconomics and reality’, Econometrica 48, 1–48.

VERÍSSIMO, Henrique. Economia e Defesa. A Defesa Económica como Componente

da Defesa Nacional. Nação e Defesa, Lisboa, v. 3, n. 110, p.167-190, abr. 2005.

ANEXO 1

defesa_terrestre 5 3.1e+08 0.1696 31.24536 0.0000

defesa_naval 5 3.7e+08 0.1055 18.04026 0.0012

defesa_aerea 5 5.3e+08 0.0718 11.83042 0.0187

pib 5 1.4e+09 0.1369 24.26449 0.0001

Equation Parms RMSE R-sq chi2 P>chi2

Det(Sigma_ml) = 2.74e+68 SBIC = 169.5933

FPE = 3.56e+68 HQIC = 169.3581

Log likelihood = -12923.58 AIC = 169.1972

Sample: 2003m2 - 2015m10 No. of obs = 153

Vector autoregression

. var pib defesa_aerea defesa_naval defesa_terrestre, lags(1/1)

_cons 3.24e+09 3.70e+08 8.76 0.000 2.52e+09 3.97e+09

L1. -1.409985 .6974722 -2.02 0.043 -2.777005 -.0429642

defesa_terrestre

L1. 1.468791 .6720239 2.19 0.029 .1516483 2.785933

defesa_naval

L1. .0377739 .4197461 0.09 0.928 -.7849132 .8604611

defesa_aerea

L1. .2666593 .0777701 3.43 0.001 .1142327 .4190858

pib

pib

Coef. Std. Err. z P>|z| [95% Conf. Interval]

_cons 4.50e+08 1.42e+08 3.17 0.002 1.72e+08 7.28e+08

L1. .1327623 .2674446 0.50 0.620 -.3914196 .6569441

defesa_terrestre

L1. .6483022 .2576865 2.52 0.012 .1432459 1.153358

defesa_naval

L1. -.5174226 .160951 -3.21 0.001 -.8328808 -.2019645

defesa_aerea

L1. -.0220179 .0298208 -0.74 0.460 -.0804656 .0364298

pib

defesa_aerea

_cons 2.53e+08 9.76e+07 2.59 0.010 6.13e+07 4.44e+08

L1. -.0168193 .1839751 -0.09 0.927 -.3774039 .3437652

defesa_terrestre

L1. .6147534 .1772625 3.47 0.001 .2673253 .9621815

defesa_naval

L1. -.4214437 .1107181 -3.81 0.000 -.6384473 -.2044402

defesa_aerea

L1. -.0025058 .0205137 -0.12 0.903 -.042712 .0377004

pib

defesa_naval

_cons 2.84e+08 8.19e+07 3.47 0.001 1.24e+08 4.45e+08

L1. .5708975 .1543124 3.70 0.000 .2684509 .8733442

defesa_terrestre

L1. .197582 .148682 1.33 0.184 -.0938295 .4889935

defesa_naval

L1. -.4194306 .0928668 -4.52 0.000 -.6014462 -.237415

defesa_aerea

L1. -.0246835 .0172063 -1.43 0.151 -.0584071 .0090402

pib

defesa_terrestre

Mestranda em Economia do Desenvolvimento pelo Programa de … · defesa nacional e o PIB. 2...

Documents

Transcript of Mestranda em Economia do Desenvolvimento pelo Programa de … · defesa nacional e o PIB. 2...