Anlise do poder de previso do modelo de vetores auto regressivos (VAR) para a quantidade de madeira serrada exportada pelo estado

do Paran Cristiane de Loyola Eisfeld1 Blas Henrique Caballero Nuez2 Alexandre Nascimento de Almeida3 Vanderlei Santos de Souza4 Resumo: O presente artigo analisa o poder de previso do modelo de vetores auto regressivos (VAR) para a quantidade de madeira serrada exportada no estado do Paran. Foram utilizados dados da taxa de cambio efetiva, preo real da madeira serrada e quantidade de madeira exportada durante o perodo de Janeiro de 1989 a Dezembro de 2006. Para o ajuste do modelo VAR foram efetuados testes para deteco da presena da raiz unitria para confirmar a presena de estacionariedade, o teste de cointegrao usado foi o descrito por Johansen e o modelo de correo do erro foi ajustado pelo EViews 5.0. Os resultados mostraram que ambas as sries preo e quantidade exportada de madeira serrada apresentam estacionariedade na primeira ordem e uma forte cointegrao no longo prazo, portanto foi ajustado um modelo com correo do erro. O modelo ajustado superestimou a quantidade de madeira serrada exportada para o ms de Janeiro de 2007 em 24%. Palavras-chave: Modelo VAR, Madeira Serrada, Poder de Previso. Abstract: This article analyzes the prediction power of the vector autoregressive model (VAR) for the quantity of the saw wood exported in Paran. The variables used were: price and quantity of saw wood during the period of January of 1989 to December of 2006. We used different types of unit root tests, Johansen cointegration test, and the exported quantity of saw wood was estimates using the VAR model. The results show that the price and quantity series are stationary in the first difference and have a strong cointegration relation in the long run, which resulted in a vector error correction model (VEC) estimation. The quantity of saw wood adjusted by the model for January of 2007 was 24% higher comparating to the original value. Key-words: VAR model, saw timber, prediction power

rea VII Mtodos quantitativos para a economia regional

1 2

Universidade Federal do Paran (UFPR). Endereo Eletrnico: criseisfeld@hotmail.com Universidade Federal do Paran (UFPR). Endereo Eletrnico: blas@ufpr.br 3 Universidade Federal do Paran (UFPR). Endereo Eletrnico: alexfloresta@pop.com.br 4 Universidade Federal do Paran (UFPR). Endereo Eletrnico: vanderwood06@yahoo.com.br

1 - Introduo At a dcada de 1970, a abordagem macroeconomtrica tradicional baseava-se na estimao de modelos na forma estrutural, atravs de duas medidas bsicas: classificao a priori das variveis em endgenas e exgenas e imposio de restries zero nos parmetros estruturais. Entretanto, essa abordagem foi alvo de pesadas crticas por parte de vrios autores que questionavam a validade das restries impostas a priori sobre os modelos. Os modelos de vetores auto-regressivos (VAR) surgiram na dcada de 80 como resposta s crticas ao grande nmero de restries impostas s estimaes pelos modelos estruturais (Relatrio da Inflao, 2004). A idia era desenvolver modelos dinmicos com o mnimo de restries, nos quais todas as variveis econmicas fossem tratadas como endgenas. Sendo assim, os modelos VAR examinam relaes lineares entre cada varivel e os valores defasados dela prpria e de todas as demais variveis, eles tomam em considerao a existncia de relaes de interdependncia entre as variveis e permitem avaliar o impacto dinmico das perturbaes aleatrias sobre o sistema de variveis, o que os tornam particularmente teis e eficientes na previso do comportamento futuro de sries temporais interrelacionadas (CAIADO, 2002). Segundo BREPOHL, 1976, entende-se por Setor Florestal o conjunto de atividades produtivas primrias e secundrias que explorem, conservem, renovem e/ou implantem florestas, bem como que utilizem madeira como principal insumo na transformao industrial. O setor se destaca no cenrio scio-econmico do pas, pois, alm da agregao de valor responsvel pela gerao de renda, contribui significativamente na gerao de tributos, divisas e empregos, responsvel pelo desenvolvimento scio-econmico. No Paran, as indstrias do setor Madeira e Mobilirio e Papel e Celulose representam uma importante parcela no valor do PIB, o setor papel e celulose tm uma participao de 1,14% e o setor Madeira e Mobilirio participa com 3,32%. Assim, os setores conjuntamente so responsveis por 4,46% do PIB paranaense, o equivalente a 19,16% do PIB industrial estadual (MARTINS et al, 2003). 2

As exportaes do Paran no ano de 2006 somaram cerca de US$ 10 bilhes. Os produtos florestais ocupam atualmente a 3 posio na pauta de exportao Paranaense, atrs somente dos complexos transporte e soja. Em 2006, foram exportados cerca de US$ 1,35 bilhes de produtos de base florestal, o que corresponde a aproximadamente 14% do total exportado pelo Paran. O setor de madeira serrada est em terceiro lugar na pauta de exportaes paranaenses de produtos de base florestal, com 187 milhes de dlares (SECEX, 2007).

2 - Objetivo O presente artigo tem como objetivo principal analisar o poder de previso do modelo de vetores auto regressivos (VAR) para estimar a quantidade de madeira exportada no estado do Paran. Para tanto ser preciso testar a estacionariedade das variveis, determinar o nmero de defasagens necessrias, verificar a presena de cointegrao e ajustar o modelo de previso. 3 - Material e Mtodos 3.1 - Dados utilizados Para compor o modelo de Vetores Auto Regressivos (VAR) foram utilizados dados mensais de Janeiro de 1989 a Dezembro de 2006 referentes a: quantidade total exportada de serrado pelo estado do Paran, disponibilizados pela Secretaria de Comercio Exterior, SECEX (Brasil, 2007), preo unitrio real do serrado, deflacionados atravs do ndice de preos ao consumidor dos Estados Unidos (CPI) e taxa de cambio efetiva por dlar americano (R$/U$S). O comportamento dessas variveis podem ser analisados nos grficos 1, 2 e 3.

Grfico 1 - Preo real da madeira serrada no perodo de Janeiro de 1989 a Dezembro de 2006, valores em dlares
1,20 1,00

Preco Unitario Real

0,80 0,60 0,40 0,20 0,00 jan/89 jan/90 jan/91 jan/92 jan/93 jan/94 jan/95 jan/96 jan/97 jan/98 jan/99 jan/00 jan/01 jan/02 jan/03 jan/04 jan/05
jan/05

Periodo Analisado - Meses

Fonte: Elaborado pelos autores.

Grfico 2 - Quantidade de madeira serrada exportada pelo estado do Paran, no perodo de Janeiro de 1989 a Dezembro de 2006, valores em toneladas (t)
90.000.000

Quantidade Exportada (t)

80.000.000 70.000.000 60.000.000 50.000.000 40.000.000 30.000.000 20.000.000 10.000.000 0 jan/89 jan/90 jan/91 jan/92 jan/93 jan/94 jan/95 jan/96 jan/97 jan/98 jan/99 jan/00 jan/01 jan/02 jan/03 jan/04 jan/06

Periodo Analisado - Meses

Fonte: Elaborado pelos autores.

jan/06

Grfico 3 - Taxa de Cambio Efetiva para o perodo de Janeiro de 1989 a Dezembro de 2006
180

Taxa de Cambio Efetiva

160 140 120 100 80 60 40 20 0 jan/89 jan/90 jan/91 jan/92 jan/93 jan/94 jan/95 jan/96 jan/97 jan/98 jan/99 jan/00 jan/01 jan/02 jan/03 jan/04 jan/05 jan/06

Periodo Analisado - Meses

Fonte: Elaborado pelos autores.

3.2 - Teste de estacionariedade Uma condio bsica para aplicao do Mtodo de Vetores Auto Regressivos (VAR) que a srie temporal estudada seja estacionria, ou seja, no apresente tendncia ou sazonalidade. De acordo com GUJARATI (2000) uma srie temporal estacionaria quando sua mdia e varincia forem constantes ao longo do tempo e o valor da covarincia entre dois perodos de tempo depender apenas da distncia ou defasagem entre os dois perodos, e no do perodo de tempo efetivo em que a covarincia calculada. A primeira etapa do trabalho consistiu em verificar se a srie temporal estacionria, para isso foram considerados os testes de estacionariedade com base teste de raiz unitria. Antes de realizar os testes acima foi inicialmente analisado o grfico de tempo da srie em estudo. A anlise desse grfico j pode indicar a presena de tendncia ou alterao na varincia, o que revelaria se a srie ou no estacionria. O teste da Raiz Unitria, ou de Dickey Fuller (DF) estima uma regresso do tipo Yt = Yt-1 + ut. O coeficiente estimado dividido por seu erro-padro para calcular a estatstica tau de Dickey Fuller. O valor obtido comparado com o valor tabelado de Dickey Fuller para confirmar se a hiptese nula = 1 rejeitada, ou seja, se a srie estacionria.

3.3 - Nmero de defasagens Num modelo VAR, todas as variveis so endgenas e dependem das prprias defasagens e das defasagens de todas as demais variveis do sistema, a escolha da ordem de defasagens do VAR arbitrria. Por um lado, desejvel incluir o maior nmero possvel de defasagens, de modo a evitar a imposio de restries falsas sobre a dinmica do modelo. Por outro lado, quanto maior a ordem de defasagens, maior o nmero de parmetros a serem estimados conseqentemente, menos graus de liberdade para a estimao (Tcnicas de Pesquisa em Economia - PUC-Rio). Segundo MARGARIDO, 2004, para a tomada de deciso em relao ao nmero de defasagens que devem ser aplicadas, utilizam-se os critrios AIC (Akaike Information Criterion) ou ento o SBC (Schwarz Bayesian Criterion).

3.4 - Teste de cointegrao Aps a verificao da presena de razes unitrias nas sries, sendo as mesmas integradas de mesma ordem, ou seja, necessitando as sries do mesmo nmero de diferenciaes para se tornarem estacionrias, procede-se os testes de cointegrao. Em existindo relaes de cointegrao entre as sries, diz-se que as mesmas apresentam uma relao linear estvel no longo prazo (BITTENCOURT & SAMPAIO). O teste de cointegrao visa determinar o nmero de vetores de co-integrao que sero necessrios no sistema. Para identificar a existncia de co-integrao ser usado o procedimento de Johansen (1988). Ao contrrio de outros mtodos, ele utiliza Mxima Verossimilhana para estimar os vetores de co-integrao e permite testar e estimar a presena de vrios vetores e no s de um nico vetor de cointegrao (COELHO, 2004).

3.5 - Modelo de Vetores Auto Regressivos (VAR) De acordo com Harris (1995, p.77) apoud MARGARIDO, 2004, definindo um vetor z
t

com n variveis endgenas potenciais, possvel 6

especificar o seguinte processo gerador e modelar zt como um vetor autoregressivo (VAR) sem restrio envolvendo k defasagens de z t. Logo o modelo VAR pode ser representado como:

Z t = A1 Z t 1 + ... + A k Z t k + D t + U t
Sendo que Ut ~ IN(0, ), Zt um vetor (n x 1) e cada elemento Ai uma matriz de parmetros de ordem (n x n) e Dt representa termos determinsticos, tais como, constante, tendncia linear, dummies sazonais, dummies de interveno, ou qualquer outro tipo de regressor que sejam considerados fixos e no estocsticos. A equao do modelo VAR pode ser modificada em termos de um modelo de vetor de correo de erro (VEC), segundo Harris (1995) apoud MARGARIDO, 2004, a principal vantagem de se escrever o sistema em termos do modelo de correo de erro est relacionado ao fato de que, nesse formato, so incorporadas informaes tanto de curto quanto de longo prazo via ajustes nas variaes em zt. 4 - Resultados e Discusso 4.1 - Teste de estacionariedade Os testes de estacionariedade foram processados utilizando o pacote estatstico Econometric EViews (verso 5.0). As sries quantidade de serrado exportado, preo unitrio e taxa de cambio efetiva apresentaram estacionariedade na primeira diferena, em todos os mtodos analisados, como pode ser observado na tabela 1.

Tabela 1 - Mtodos usados para detectar a presena da estacionariedade no grupo de variveis analisadas
Mtodo Levin, Lin & Chu t Breitung t-stat Im, Pesaran and Shin W-stat ADF - Fisher Chi-square PP - Fisher Chi-square Fonte: Elaborado pelos autores. Estatstica -18.1265 -10.6363 -25.6081 299.994 149.506 Prob.** 0.0000 0.0000 0.0000 0.0000 0.0000 Sesses Cruzadas 3 3 3 3 3 Obs 639 636 639 639 642

4.2 - Nmero de defasagens O nmero de defasagens foi determinado atravs dos critrios de AIC (Akaike Information Criterion) e SBC (Schwarz Bayesian Criterion), pelo EViews 5.0 onde so testadas diferentes defasagens e escolhe aquela onde o valor de AIC e SBC so os menores. Neste caso, o menor valor de AIC e de SBC foram obtidos ajustando o modelo com 2 defasagens para cada varivel, conforme tabela 2. Tabela 2 - Valores do critrio de Akaike e Schwarz para obteno do nmero de defasagens a serem utilizadas para ajuste do modelo VAR Nmero de Defasagens AIC SBC
Fonte: Elaborado pelos autores.

1 37.57960 37.86272

2 37.41664 37.84272

3 37.46234 38.03233

4.3 - Teste de cointegrao No caso da hiptese nula de que no h nenhum vetor de cointegrao versus a hiptese alternativa de que h pelo menos um vetor de cointegrao, verificou-se que a hiptese nula foi rejeitada, uma vez que o valor crtico calculado superior ao seu respectivo valor tabelado em nvel de 5,0%. Portanto, as duas variveis apresentam equilbrio de longo prazo, ou seja, so co-integradas. Na tabela 3 observa-se a existncia de 1 cointegrao, onde o valor calculado de 12,88 menor que o valor tabelado (15,49), o mesmo ocorre quando analise-se a presena de 2 cointegraes.

Tabela 3 - Valores crticos do teste de Cointegrao

Nmero de Cointegraes Nenhuma No mximo 1 No mximo 2 Valor Prprio 0.116673 0.052389 0.006643 Estatstica a Trao 39.30613 12.88141 1.419673 Valores Crticos 0,05% 29.79707 15.49471 3.841466 Prob.** 0.0030 0.1192 0.2335

Fonte: Elaborado pelos autores.

4.4 - Ajuste do modelo vetorial de correo de erro Como o teste de co-integrao de Johansen detectou a presena de um vetor de co-integrao num sistema envolvendo trs variveis, ento, ao invs de usar o modelo Auto-regressivo Vetorial (VAR), deve-se utilizar o modelo Vetorial de Correo de Erro (VEC). Os modelos VEC foram ajustados pelo EViews (verso 5.0), para estimar a quantidade exportada de madeira serrada, Os resultado obtidos podem ser visualizados na tabela 4. Tabela 4 - Resultado do ajuste do modelo VEC de segunda ordem (2 defasagens), usando como varivel dependente a Quantidade de Madeira Serrada Exportada (QS)
Varivel CointEq QS QS PS PS TC TC C Defasagem 1 2 1 2 1 2 Coeficiente -11289563 4982306. 1435540. -0.644738 -0.392393 192675.9 -13131.33 278722.6 Erro Padro (6897940) (7083023) (5964187) (0.07505) (0.06969) (95920.9) (96142.6) (411001.) Nvel de significncia [-1.63666] [ 0.70342] [ 0.24069] [-8.59057] [-5.63031] [ 2.00870] [-0.13658] [ 0.67816]

Fonte: Elaborado pelos autores.

O modelo ajustado foi o seguinte: - Modelo Ajustado para estimar a quantidade de madeira serrada exportada: D(QS) = 11289562.69*(PS(-1) + 7.820269193e-009*QS(-1) +

0.002435632328*TC(-1) - 0.989352142 ) + 4982305.722*D(PS(-1)) + 1435540.374*D(PS(-2)) - 0.6447381216*D(QS(-1)) - 0.3923925799*D(QS(-2)) + 192675.9213*D(TC(-1)) - 13131.3298*D(TC(-2)) + 278722.6002 R = 0.38 e R Ajustado = 0.35

4.5 - Poder de previso do modelo ajustado Depois de ajustado o modelo de previso para estimar a quantidade de madeira serrada exportada pelo estado do Paran, foram substitudas as variveis pelos valores anteriormente coletados. Neste caso, usou-se a defasagens do ms de Dezembro de 2006 em relao a Outubro e Outubro em relao a Setembro, para desfazer os valores em primeira diferena, que haviam sido usados para o teste de raiz unitria. Com isso foi obtido um valor estimado de exportao de serrado para o ms de Janeiro de 2007. O valor ajustado pelo modelo foi de 44.738.437 toneladas, comparando com o valor real de 36.199.544 t, o modelo superestimou o valor das exportaes em 23,6%. 5 - Concluso O modelo de vetores auto regressivos (VAR), tem suas limitaes, porm uma ferramenta muito importante na analise de dados em sries temporais. Neste caso, o modelo de vetor de correo do erro apresentou um R de 0.35, ou seja, o modelo apresenta uma confiabilidade de cerca de 35%. recomendado para aumentar a confiabilidade do modelo, testar outras variveis que possam afetar a quantidade de madeira serrada pelo estado do Paran.

6 Referncias bibliogrficas ANDRADE, J.S., Um modelo VAR para uma Avaliao Macroeconmica de Efeitos da Integrao Europia da Economia Portuguesa, Faculdade de Economia, Universidade de Coimbra, Outubro de 2002. BITTENCOURT, M.V.L.; SAMPAIO, A.V., Estabilizao Econmica e as Mudanas nos Preos Relativos Agrcolas e Industriais. Disponvel em: www.economia.ufpr.br/ BREPOHL, D. A continuidade da contribuio econmica do Setor Florestal, Curitiba, Universidade Federal do Paran, Tese de Mestrado, 1.976. CAIADO, J. (2002). Modelos VAR, Taxas de Juro e Inflao, Literacia e Estatstica (Ed. P. Brito, A. Figueiredo, F. Sousa, P. Teles e F. Rosado), Actas do X Congresso da Sociedade Portuguesa de Estatstica, 215-228.

10

CAIADO, J. (2002). Cointegrao e Causalidade entre as Taxas de Juro e a Inflao em Portugal, Gestin, 1, Ano 1, n 1, 107-118. COELHO, A.B., A cultura do algodo e a questo da integrao entre preos internos e externos vol.42 no.1 Braslia Jan./Mar. 2004. GUJARATI, D. N. Econometria Bsica. Macron Books, So Paulo: Pearson Education do Brasil, 2000, 848 p. MARGARIDO, M.A.; ANEFALOS, L.C. Modelos de Series temporais aplicados ao setor de exportao brasileira de flores de corte. XLIV Congresso da SOBER, Questes Agrrias, Educao no Campo e Desenvolvimento. Julho, 2006. MARGARIDO, M.A, Teste de Co-integrao de Johansen Utilizando o SAS. Revista Agrcola. So Paulo, So Paulo, v. 51, n. 1, p. 87-101, jan./jun. 2004. MARTINS, G.; CORSO, N. M., KURESKI, R., HOSOKAWA, R. T., ROCHADELLI, R. Insero do Setor Florestal na Estrutura Econmica do Paran: Anlise Insumo Produto. REVISTA PARANAENSE DE DESENVOLVIMENTO: Curitiba, n.104, p.05- 21, 2003. _____________MDIC. Ministrio do Desenvolvimento, Indstria e Comrcio Exterior. Disponvel em: <http://www.mdic.gov.br/>. Acessado em Julho de 2007. _____________Vetores Auto Regressivos, Relatrio de Inflao, Banco Central do Brasil, Braslia, v. 6 n. 2 jun 2004 P. 1 157. _____________Tcnicas de Pesquisa em Economia - PUC-Rio, Aula 8 e 9 Departamento de Economia da Pontifcia Universidade Catlica do Rio de Janeiro.

11