t - Sistema de Bibliotecas da FGV - Fundação Getulio Vargas
t - Sistema de Bibliotecas da FGV - Fundação Getulio Vargas
t - Sistema de Bibliotecas da FGV - Fundação Getulio Vargas
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
FUNDAÇÃO GETULIO VARGAS<br />
ESCOLA DE ECONOMIA DE SÃO PAULO<br />
JOSÉ ANTONIO DE SOUZA<br />
UM ESTUDO SOBRE A PRODUTIVIDADE TOTAL DOS FATORES EM SETORES<br />
DE DIFERENTES INTENSIDADES TECNOLÓGICAS<br />
SÃO PAULO<br />
2009<br />
1
JOSÉ ANTONIO DE SOUZA<br />
UM ESTUDO SOBRE A PRODUTIVIDADE TOTAL DOS FATORES EM SETORES<br />
DE DIFERENTES INTENSIDADES TECNOLÓGICAS<br />
Dissertação apresenta<strong>da</strong> à Escola <strong>de</strong><br />
Economia <strong>de</strong> São Paulo <strong>da</strong> Fun<strong>da</strong>ção Getúlio<br />
<strong>Vargas</strong>, como requisito para a obtenção <strong>de</strong><br />
título <strong>de</strong> Mestre em Economia <strong>de</strong> Empresas.<br />
Campo <strong>de</strong> Conhecimento:<br />
Economia Industrial e <strong>da</strong> Tecnologia<br />
Orientador:<br />
Prof. Dr. Paulo Furquim <strong>de</strong> Azevedo<br />
1
Souza, José Antonio <strong>de</strong>.<br />
Um Estudo sobre a Produtivi<strong>da</strong><strong>de</strong> Total dos Fatores em Setores <strong>de</strong><br />
Diferentes Intensi<strong>da</strong><strong>de</strong>s Tecnológicas / José Antonio <strong>de</strong> Souza. - 2009.<br />
121 f.<br />
Orientador: Paulo Furquim <strong>de</strong> Azevedo.<br />
Dissertação (mestrado) - Escola <strong>de</strong> Economia <strong>de</strong> São Paulo.<br />
1. Produtivi<strong>da</strong><strong>de</strong>. 2. Produção (Teoria econômica). 3. Mo<strong>de</strong>los<br />
matemáticos. 4. Indústria \ Métodos <strong>de</strong> produção. I. Azevedo, Paulo Furquim<br />
<strong>de</strong>. II. Dissertação (mestrado) - Escola <strong>de</strong> Economia <strong>de</strong> São Paulo. III. Título.<br />
CDU 338.31<br />
2
JOSÉ ANTONIO DE SOUZA<br />
UM ESTUDO SOBRE A PRODUTIVIDADE TOTAL DOS FATORES EM SETORES<br />
DE DIFERENTES INTENSIDADES TECNOLÓGICAS<br />
Dissertação apresenta<strong>da</strong> à Escola <strong>de</strong><br />
Economia <strong>de</strong> São Paulo <strong>da</strong> Fun<strong>da</strong>ção Getúlio<br />
<strong>Vargas</strong>, como requisito para obtenção <strong>de</strong> título<br />
<strong>de</strong> Mestre em Economia <strong>de</strong> Empresas.<br />
Campo <strong>de</strong> Conhecimento:<br />
Economia Industrial e <strong>da</strong> Tecnologia<br />
Data <strong>da</strong> Aprovação<br />
_____ / _____/ ________<br />
Banca Examinadora:<br />
Prof. Dr. Paulo Furquim <strong>de</strong> Azevedo<br />
(Orientador)<br />
<strong>FGV</strong> – EESP<br />
Prof. Dr. Cláudio Ribeiro <strong>de</strong> Lucin<strong>da</strong><br />
<strong>FGV</strong> – EESP<br />
Prof. Dr. Jorge Oliveira Pires<br />
<strong>FGV</strong> – EAESP<br />
2
DEDICATÓRIA<br />
Aos meus pais,<br />
Por fazerem <strong>de</strong> mim quem sou;<br />
À Cris,<br />
Pela paciência e <strong>de</strong>dicação;<br />
À Malú,<br />
Por <strong>de</strong> repente surgir na minha vi<strong>da</strong>…<br />
E a ela <strong>da</strong>r razão.<br />
3
AGRADECIMENTOS<br />
Agra<strong>de</strong>ço ao Professor Doutor Paulo Furquim <strong>de</strong> Azevedo pela valiosa orientação e<br />
ensinamentos transmitidos.<br />
Agra<strong>de</strong>ço aos professores <strong>da</strong> EESP por me acolherem em seu seio.<br />
Agra<strong>de</strong>ço ao Professor Doutor Claudio Ribeiro <strong>de</strong> Lucin<strong>da</strong> por suas contribuições na<br />
discussão <strong>de</strong>ste trabalho.<br />
Agra<strong>de</strong>ço aos professores <strong>da</strong> FEA/USP, em especial ao professor Hélio Nogueira <strong>da</strong><br />
Cruz, por compartilhar comigo os objetos <strong>de</strong> pesquisa e me incentivar a seguir<br />
adiante.<br />
Agra<strong>de</strong>ço aos amigos mestrandos e doutorandos <strong>da</strong> EESP que compartilharam<br />
comigo esse período <strong>de</strong> aprendizado.<br />
Agra<strong>de</strong>ço à CAPES pelo suporte financeiro concedido durante o curso.<br />
Agra<strong>de</strong>ço ao IPEA, em especial ao Professor Doutor João Alberto De Negri, pela<br />
disponibilização <strong>da</strong> valiosa base <strong>de</strong> <strong>da</strong>dos.<br />
Agra<strong>de</strong>ço ao IBGE, em especial à equipe <strong>da</strong> Av. Gal. Canabarro, que me recebeu <strong>de</strong><br />
braços abertos, propiciando um caloroso ambiente <strong>de</strong> pesquisa.<br />
4
RESUMO<br />
Este trabalho investigou o problema <strong>da</strong> <strong>de</strong>terminação <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> total dos<br />
fatores em diversos setores industriais. Tal <strong>de</strong>terminação se dá por meio <strong>de</strong><br />
estimação <strong>de</strong> funções <strong>de</strong> produção, obtendo-se a produtivi<strong>da</strong><strong>de</strong> a partir do resíduo<br />
<strong>de</strong>stas estimações. A questão que aflora <strong>de</strong>ste procedimento é a existência <strong>de</strong><br />
correlação entre os resíduos e as variáveis explicativas, implicando em diversos<br />
vieses, entre eles o <strong>de</strong> simultanei<strong>da</strong><strong>de</strong>, <strong>de</strong> variáveis omiti<strong>da</strong>s e <strong>de</strong> seleção. Neste<br />
trabalho foram abor<strong>da</strong>dos diversos métodos <strong>de</strong> estimação <strong>de</strong> funções <strong>de</strong> produção,<br />
entre eles os métodos <strong>de</strong> Olley e Pakes e Levinsohn e Petrin. Todos os métodos<br />
foram aplicados a diversos setores <strong>da</strong> economia. A escolha dos setores se <strong>de</strong>u com<br />
base na intensi<strong>da</strong><strong>de</strong> tecnológica <strong>de</strong> ca<strong>da</strong> um, sendo então escolhidos quatro setores<br />
<strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica e quatro <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
A hipótese básica, fio condutor <strong>de</strong>ste trabalho, é que os diversos métodos <strong>de</strong><br />
estimação <strong>de</strong> funções <strong>de</strong> produção apresentam diferentes resultados quando<br />
aplicados a setores <strong>de</strong> diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas. Um dos objetivos <strong>de</strong>ste<br />
estudo foi i<strong>de</strong>ntificar se <strong>de</strong>terminado método seria mais a<strong>de</strong>quado a setores <strong>de</strong> baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica, enquanto outro seria mais apropriado a setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong> tecnológica. Conclui-se que o método <strong>de</strong> Olley e Pakes é levemente<br />
superior ao <strong>de</strong> Levinsohn e Petrin em ambos os grupos <strong>de</strong> setores, mas não a ponto<br />
<strong>de</strong> se <strong>de</strong>scartar o segundo método. A sensibili<strong>da</strong><strong>de</strong> dos resultados aos diferentes<br />
métodos sugere que todos <strong>de</strong>vem ser consultados. Um resultado adicional <strong>de</strong>ste<br />
trabalho é a constatação <strong>de</strong> que houve que<strong>da</strong> ou estagnação <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> nos<br />
setores selecionados para a déca<strong>da</strong> <strong>de</strong> 1996 a 2005.<br />
Palavras-chave: produtivi<strong>da</strong><strong>de</strong>, produtivi<strong>da</strong><strong>de</strong> total dos fatores, estimação <strong>de</strong> funções<br />
<strong>de</strong> produção, métodos <strong>de</strong> estimação paramétricos e semi-paramétricos, intensi<strong>da</strong><strong>de</strong><br />
tecnológica.<br />
5
ABSTRACT<br />
The basic hypothesis and core of this dissertation is that various methods of<br />
estimating production functions produce different results when applied to sectors of<br />
different technological intensity. This dissertation focused on <strong>de</strong>termining the total<br />
factor productivity in several industries. Four sectors with high technological intensity<br />
and four sectors of low technology intensity were selected for assess this hypothesis.<br />
Production functions were estimated and its residue used to calculate the<br />
productivity. The correlation between residuals and the explanatory variables<br />
inherent to this procedure, including that of simultaneity, omitted variables and<br />
selection, was taken into account.<br />
One goal of this study was to i<strong>de</strong>ntify whether a particular method would be more<br />
suitable to estimate production functions for industries with low/high technological<br />
intensity. This work studied several methods to estimate production functions,<br />
including: Olley & Pakes, and Levinsohn & Petrin.<br />
Our results show that, for industries with low and with high technological intensity, the<br />
Olley & Pakes method estimates are marginally better than the ones from Levinsohn<br />
& Petrin. In our opinion, such results do not provi<strong>de</strong> enough advantage to put away<br />
the Levinsohn & Petrin method as a method to estimate production functions. The<br />
sensitivity of results to the different methods suggests that all of them should be<br />
consulted.<br />
In addition to the previously stated results, this work i<strong>de</strong>ntified that the sectors<br />
studied experienced a productivity <strong>de</strong>cline or stagnation from 1996 to 2005.<br />
Keywords: productivity, total factor productivity, the estimation of production<br />
functions, methods of parametric estimation and nonparametric, technological<br />
intensity.<br />
6
ÍNDICE DE TABELAS<br />
Tabela 1 – Setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. .................................................42<br />
Tabela 2 – Setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. ..............................................43<br />
Tabela 3 – Gastos Totais <strong>de</strong> P&D sobre Valor <strong>da</strong> Transformação Industrial (%)......43<br />
Tabela 4 – Gastos Totais <strong>de</strong> P&D sobre Valor <strong>da</strong> Bruto <strong>da</strong> Produção Industrial(%). 44<br />
Tabela 5 – Gastos em Aquisição <strong>de</strong> Máquinas e Equipamentos sobre Valor <strong>da</strong> Bruto<br />
<strong>da</strong> Produção Industrial (%). ..............................................................................45<br />
Tabela 6: Número <strong>de</strong> empresas por setores industriais. ...........................................47<br />
Tabela 7 – Média <strong>da</strong> receita líqui<strong>da</strong> <strong>de</strong> ven<strong>da</strong>s e respectivos <strong>de</strong>svios-padrão por<br />
setores industriais (R$ 1.000). ..........................................................................48<br />
Tabela 8 – Média do estoque <strong>de</strong> capital e respectivos <strong>de</strong>svios-padrão por setores<br />
industriais (R$ 1.000)........................................................................................49<br />
Tabela 9 – Médias <strong>de</strong> pessoal ocupado, e respectivos <strong>de</strong>svios-padrão, por setores<br />
industriais..........................................................................................................51<br />
Tabela 10 – Média dos salários ligados à produção, e respectivos <strong>de</strong>svios-padrão,<br />
por setores industriais (R$ 1.000).....................................................................52<br />
Tabela 11 – Resultados <strong>da</strong>s estimativas para o coeficiente do trabalho...................59<br />
Tabela 12 – Distância do coeficiente estimado do trabalho pelos métodos MQO, FE,<br />
MQO c/Investimento, A&B e B&B, por setor e método, <strong>da</strong> média do setor. .....60<br />
Tabela 13 – Resultados <strong>da</strong>s estimativas para o coeficiente <strong>de</strong> capital .....................61<br />
Tabela 14 – Distância do coeficiente estimado do capital pelos métodos MQO, FE,<br />
MQO c/Investimento, A&B e B&B, por setor e método, <strong>da</strong> média do setor. .....62<br />
Tabela 15 – Resultado <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o coeficiente do trabalho<br />
..........................................................................................................................65<br />
Tabela 16 – Distância do coeficiente estimado do trabalho pelos métodos <strong>de</strong> O&P e<br />
L&P, por setor e método, <strong>da</strong> média do setor. ...................................................65<br />
7
Tabela 17 – Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o coeficiente do capital<br />
..........................................................................................................................67<br />
Tabela 18 – Distância do coeficiente estimado do capital pelos métodos <strong>de</strong> O&P e<br />
L&P, por setor e método, <strong>da</strong> média do setor. ...................................................67<br />
Tabela 19 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 17.......................75<br />
Tabela 20 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 18.......................76<br />
Tabela 21 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 20.......................76<br />
Tabela 22 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 36.......................76<br />
Tabela 23 – Razões entre as médias <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> dos setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong> tecnologia e <strong>de</strong> baixa, consi<strong>de</strong>rando os métodos O&P e L&P.......81<br />
Tabela 24 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 30 ..............81<br />
Tabela 25 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 32 ..............81<br />
Tabela 26 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 34 ..............82<br />
Tabela 27 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 35 ..............82<br />
8
ÍNDICE DE FIGURAS<br />
Gráfico 1: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 17. ...........78<br />
Gráfico 2: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 18. ...........78<br />
Gráfico 3: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 20. ...........79<br />
Gráfico 4: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 36. ...........79<br />
Gráfico 5: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 30. ...........84<br />
Gráfico 6: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 32. ...........84<br />
Gráfico 7: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 34. ...........85<br />
Gráfico 8: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 35. ...........85<br />
9
SUMÁRIO<br />
1 INTRODUÇÃO.................................................................................................. 11<br />
2 DA ESTIMAÇÃO DE FUNÇÕES DE PRODUÇÃO .......................................... 15<br />
3 DA REVISÃO DOS MÉTODOS DE ESTIMAÇÃO DA FUNÇÃO DE<br />
PRODUÇÃO ............................................................................................................ 29<br />
4 DOS DADOS, DO ESPAÇO E DAS ESTATÍSTICAS DESCRITIVAS. ............ 38<br />
4.1 Da base <strong>de</strong> <strong>da</strong>dos .................................................................................................................... 39<br />
4.2 Do espaço <strong>de</strong> pesquisa............................................................................................................ 41<br />
4.3 Das estatísticas <strong>de</strong>scritivas ...................................................................................................... 47<br />
5 DA ANÁLISE EMPÍRICA.................................................................................. 55<br />
5.1 Dos métodos MQO, Efeitos Fixos, Arellano e Bond e Blun<strong>de</strong>ll e Bond................................... 57<br />
5.2 Dos Métodos <strong>de</strong> Olley e Pakes e Levinsohn e Petrin.............................................................. 64<br />
5.3 Das análises transversais. ....................................................................................................... 70<br />
5.4 Do estudo <strong>da</strong> produtivi<strong>da</strong><strong>de</strong>. .................................................................................................... 73<br />
6 DAS CONSIDERAÇÕES FINAIS ..................................................................... 87<br />
BIBLIOGRAFIA ....................................................................................................... 92<br />
APÊNDICE A ........................................................................................................... 97<br />
ANEXO A............................................................................................................... 120<br />
10
1 INTRODUÇÃO<br />
A produtivi<strong>da</strong><strong>de</strong> total dos fatores não é uma gran<strong>de</strong>za que possa ser medi<strong>da</strong><br />
diretamente. É até possível calcular diretamente as produtivi<strong>da</strong><strong>de</strong>s parciais, <strong>de</strong>vi<strong>da</strong>s<br />
a <strong>de</strong>terminados fatores, como a produtivi<strong>da</strong><strong>de</strong> do trabalho, ou a produtivi<strong>da</strong><strong>de</strong> do<br />
capital. A produtivi<strong>da</strong><strong>de</strong> total dos fatores (PTF) captura as diferenças no produto<br />
entre as firmas, e através do tempo, que não po<strong>de</strong>m ser contabiliza<strong>da</strong>s com<br />
mu<strong>da</strong>nças no uso dos insumos.<br />
A PTF, no entanto, po<strong>de</strong> ser portadora <strong>da</strong> interferência <strong>de</strong> um sem número <strong>de</strong><br />
fatores, tais como inovação tecnológica, mu<strong>da</strong>nças organizacionais e institucionais,<br />
mu<strong>da</strong>nças nas atitu<strong>de</strong>s sociais, flutuações na <strong>de</strong>man<strong>da</strong>, mu<strong>da</strong>nças nas<br />
participações dos fatores (a própria função <strong>de</strong> produção), variáveis omiti<strong>da</strong>s e erros<br />
<strong>de</strong> medi<strong>da</strong> (HULTEN, 2000).<br />
O objetivo <strong>de</strong>ste trabalho é analisar os diversos métodos <strong>de</strong> <strong>de</strong>terminação <strong>da</strong> PTF<br />
existentes, avaliando <strong>de</strong> que forma eles tratam dos fatores elencados acima. Mais<br />
ain<strong>da</strong>, este trabalho se propõe a investigar como os diversos métodos se comportam<br />
quando aplicados a diferentes conjuntos <strong>de</strong> <strong>da</strong>dos, aqui i<strong>de</strong>ntificados como setores<br />
industriais <strong>de</strong> diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas.<br />
Os autores apresentados neste trabalho se <strong>de</strong>bruçaram sobre alguns <strong>de</strong>stes fatores,<br />
procurando limpar a PTF <strong>de</strong> algumas <strong>da</strong>s referi<strong>da</strong>s interferências. Tais interferências<br />
produzem vieses nos coeficientes estimados para as funções <strong>de</strong> produção, entre<br />
eles o viés <strong>de</strong> simultanei<strong>da</strong><strong>de</strong> e o viés <strong>de</strong> seleção.<br />
11
No capítulo dois são apresentados os métodos comumente usados para estimação<br />
<strong>da</strong>s funções <strong>de</strong> produção. A exposição começa com o célebre método dos Mínimos<br />
Quadrados Ordinários (MQO), utilizado <strong>de</strong>s<strong>de</strong> COBB e DOUGLAS (1928), e até<br />
hoje, mesmo com todos os problemas <strong>de</strong>talhados no <strong>de</strong>correr <strong>de</strong>sta dissertação.<br />
Uma alternativa é utilizar a estrutura <strong>de</strong> <strong>da</strong>dos em painel e, a partir <strong>da</strong>í, estimar por<br />
efeitos fixos ou primeiras diferenças. A questão é que a estimação <strong>de</strong> efeitos fixos, e<br />
também a <strong>de</strong> primeiras diferenças, se prestam a eliminar a endogenei<strong>da</strong><strong>de</strong> origina<strong>da</strong><br />
<strong>de</strong> variáveis omiti<strong>da</strong>s que são fixas no tempo. Como o objeto <strong>de</strong> estudo é a<br />
produtivi<strong>da</strong><strong>de</strong>, uma hipótese que não se preten<strong>de</strong> fazer é <strong>de</strong> que ela é fixa no tempo,<br />
principalmente em séries <strong>de</strong> tempo mais longas.<br />
Em segui<strong>da</strong> serão apresentados os métodos <strong>de</strong> ARELLANO e BOND (1991) e<br />
BLUNDELL e BOND (2000). Estes autores utilizam o método dos momentos<br />
generalizados (GMM) com a utilização <strong>de</strong> <strong>de</strong>fasagens <strong>da</strong>s variáveis explicativas<br />
como instrumentos, no primeiro caso, e um sistema GMM, com os mesmos<br />
instrumentos mais a <strong>de</strong>fasagem <strong>da</strong> variável <strong>de</strong>pen<strong>de</strong>nte como instrumento para a<br />
equação no nível, no segundo. No primeiro caso os instrumentos mostraram-se<br />
muito fracos.<br />
A última abor<strong>da</strong>gem avalia<strong>da</strong> no capitulo dois é o uso <strong>de</strong> técnicas econométricas<br />
estruturais, sugeri<strong>da</strong>s por OLLEY e PAKES (1996) e LEVINSOHN e PETRIN (2003).<br />
No primeiro caso os autores se propõem a tratar dois problemas comuns neste tipo<br />
<strong>de</strong> estimação: o viés <strong>de</strong> simultanei<strong>da</strong><strong>de</strong> e o viés <strong>de</strong> seleção. Convém antecipar qual<br />
é o problema do viés <strong>de</strong> seleção aqui mencionado. O argumento dos autores é que<br />
a entra<strong>da</strong> e saí<strong>da</strong> <strong>de</strong> empresas <strong>da</strong> amostra têm forte correlação com a<br />
produtivi<strong>da</strong><strong>de</strong>, ou seja, as empresas que saem são as menos produtivas e as que<br />
entram, com processos produtivos novos, são as mais produtivas. OLLEY e PAKES<br />
12
(1996) atacam estes dois vieses com uma estimação em dois estágios utilizando a<br />
variável investimento como proxy para a produtivi<strong>da</strong><strong>de</strong> e a estimação <strong>de</strong> uma função<br />
<strong>de</strong> saí<strong>da</strong> <strong>da</strong>s empresas <strong>da</strong> amostra.<br />
O procedimento <strong>de</strong> LEVINSOHN e PETRIN (2003) é muito semelhante ao <strong>de</strong><br />
OLLEY e PAKES (1996). Eles, no entanto, propõem uma alternativa ao uso <strong>da</strong><br />
variável investimento como proxy para a produtivi<strong>da</strong><strong>de</strong>. Os autores <strong>de</strong>fen<strong>de</strong>m que<br />
em setores <strong>de</strong> longa maturação dos investimentos esta variável po<strong>de</strong> não possuir<br />
suficiente variabili<strong>da</strong><strong>de</strong>. Propõem, então, o uso <strong>de</strong> insumos intermediários como<br />
proxy para a produtivi<strong>da</strong><strong>de</strong>.<br />
No capitulo três é leva<strong>da</strong> a cabo uma revisão <strong>da</strong> literatura dos métodos <strong>de</strong><br />
estimação <strong>de</strong> funções <strong>de</strong> produção. Nele são apresenta<strong>da</strong>s as críticas a ca<strong>da</strong> um<br />
dos métodos, bem como outros problemas que surgem nestes tipos <strong>de</strong> estimação,<br />
como a<strong>de</strong>quação dos <strong>da</strong>dos.<br />
No capítulo quatro é apresenta<strong>da</strong> uma <strong>de</strong>scrição <strong>de</strong>talha<strong>da</strong> <strong>da</strong> base <strong>de</strong> <strong>da</strong>dos que<br />
será utiliza<strong>da</strong> nos estudos empíricos <strong>de</strong>ste trabalho. Na primeira seção <strong>de</strong>sse<br />
capítulo é apresenta<strong>da</strong> a base <strong>de</strong> <strong>da</strong>dos disponibiliza<strong>da</strong> pelo Programa <strong>de</strong> Estudos<br />
<strong>da</strong> Produção, Tecnologia e Inovação, do IPEA em conjunto com o IBGE. Na<br />
segun<strong>da</strong> seção foi <strong>de</strong>talha<strong>da</strong> a <strong>de</strong>limitação do espaço <strong>de</strong> pesquisa segundo o<br />
objetivo <strong>de</strong>ste trabalho, qual seja, <strong>de</strong> estimar a função <strong>de</strong> produção em setores <strong>de</strong><br />
diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas. Com este objetivo foram escolhidos quatro<br />
setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica e quatro setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong><br />
tecnológica. Na última seção do capítulo quatro são apresenta<strong>da</strong>s estatísticas<br />
<strong>de</strong>scritivas a cerca dos setores escolhidos, <strong>de</strong>stacando as características que os<br />
distinguem.<br />
13
No capítulo cinco são apresentados em <strong>de</strong>talhes os resultados <strong>da</strong>s estimações <strong>da</strong>s<br />
funções <strong>de</strong> produção, buscando interpretar os valores obtidos para ca<strong>da</strong> coeficiente<br />
em ca<strong>da</strong> método para ca<strong>da</strong> setor. Na primeira seção do capítulo são abor<strong>da</strong>dos os<br />
métodos paramétricos. Nesta seção são interpretados em <strong>de</strong>talhes os resultados<br />
obtidos para o método <strong>de</strong> mínimos quadrados ordinários (MQO), painel com efeitos<br />
fixos (FE), MQO com a inclusão <strong>da</strong> variável <strong>de</strong> investimento, ARELLANO e BOND<br />
(A&B) e BLUNDELL e BOND (B&B). Na segun<strong>da</strong> seção são abor<strong>da</strong>dos os métodos<br />
<strong>de</strong> OLLEY e PAKES (O&P) e LEVINSOHN e PETRIN (L&P). No caso <strong>de</strong>ste<br />
segundo, são implementa<strong>da</strong>s quatro versões: três com a utilização <strong>de</strong> insumos<br />
intermediários (matéria-prima, combustíveis e energia) como proxies <strong>da</strong><br />
produtivi<strong>da</strong><strong>de</strong> e, a título <strong>de</strong> comparação com o método <strong>de</strong> O&P, também é<br />
implementa<strong>da</strong> uma versão <strong>de</strong> L&P com a variável investimento como proxy.<br />
Na terceira seção do capitulo cinco são apresenta<strong>da</strong>s análises transversais dos<br />
resultados. O objetivo não é apenas comparar os métodos, mas a a<strong>de</strong>quação <strong>de</strong><br />
ca<strong>da</strong> método a setores específicos. Na última seção do capítulo são apresenta<strong>da</strong>s<br />
as produtivi<strong>da</strong><strong>de</strong>s calcula<strong>da</strong>s a partir dos coeficientes gerados por ca<strong>da</strong> um dos<br />
métodos em ca<strong>da</strong> um dos setores, e são discutidos os resultados obtidos.<br />
No capítulo seis são apresenta<strong>da</strong>s as consi<strong>de</strong>rações finais <strong>de</strong>ste trabalho, bem<br />
como futuras lacunas que <strong>de</strong>vem ser objeto <strong>de</strong> estudo no futuro.<br />
14
2 DA ESTIMAÇÃO DE FUNÇÕES DE PRODUÇÃO<br />
A teoria econômica que enseja a realização <strong>de</strong>ste trabalho provém <strong>da</strong> constatação<br />
<strong>da</strong>s limitações enfrenta<strong>da</strong>s pela clássica função <strong>de</strong> produção do tipo Cobb-Douglas,<br />
tanto em se tratando <strong>da</strong> utilização <strong>de</strong> <strong>da</strong>dos agregados quanto na utilização <strong>de</strong><br />
micro<strong>da</strong>dos.<br />
Em GRILICHES e MAIRESSE (1995) po<strong>de</strong> ser encontra<strong>da</strong> uma revisão bem<br />
<strong>de</strong>talha<strong>da</strong> dos problemas enfrentados pela função <strong>de</strong> produção apresenta<strong>da</strong> por<br />
COBB e DOUGLAS (1928) como uma ferramenta para teste <strong>de</strong> hipóteses sobre<br />
teoria <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> marginal e competitivi<strong>da</strong><strong>de</strong> dos mercados <strong>de</strong> trabalho. Após<br />
algumas críticas sobre sua ina<strong>de</strong>quação quanto ao uso sobre <strong>da</strong>dos agregados,<br />
outras pesquisas começaram a aparecer, trabalhando <strong>de</strong>sta vez sobre micro<strong>da</strong>dos.<br />
Ou seja, buscou-se na utilização <strong>de</strong> <strong>da</strong>dos <strong>de</strong>sagregados contornar o problema <strong>de</strong><br />
<strong>de</strong>terminação simultânea presente nas variáveis agrega<strong>da</strong>s. Mesmo quando<br />
aplica<strong>da</strong> sobre micro<strong>da</strong>dos, GRILICHES e MAIRESSE (1995) enumeram quatro<br />
dificul<strong>da</strong><strong>de</strong>s conceituais e problemas com os <strong>da</strong>dos:<br />
1) O que se procura realmente está lá? O que se está representando<br />
quando se utiliza uma função <strong>de</strong> Cobb-Douglas?<br />
2) Têm-se todos os <strong>da</strong>dos para a empreita<strong>da</strong>? Têm-se todos os insumos e<br />
produtos?<br />
3) Como a amostra foi gera<strong>da</strong>? Ela é representativa?<br />
4) O procedimento <strong>de</strong> estimação é apropriado? As variáveis são<br />
in<strong>de</strong>pen<strong>de</strong>ntes, as suposições estão corretas, o mo<strong>de</strong>lo po<strong>de</strong> ser testado?<br />
15
Claramente o atendimento a to<strong>da</strong>s estas questões remete a uma situação i<strong>de</strong>al,<br />
dificilmente alcança<strong>da</strong> num experimento real. Mas a observância <strong>de</strong> tais questões<br />
aju<strong>da</strong> a interpretar melhor os resultados que são gerados. GRILICHES e MAIRESSE<br />
(1995) se propuseram a discutir apenas o último grupo <strong>de</strong> questões, mesmo cientes<br />
<strong>de</strong> que to<strong>da</strong>s as questões estão conecta<strong>da</strong>s, e que o foco em apenas um grupo<br />
po<strong>de</strong> agravar os problemas apresentados nas outras questões.<br />
Retornando aos pontos críticos <strong>da</strong> função Cobb-Douglas, os dois primeiros<br />
apresentados são a multicolineari<strong>da</strong><strong>de</strong> dos <strong>da</strong>dos utilizados e a dificul<strong>da</strong><strong>de</strong> <strong>de</strong><br />
i<strong>de</strong>ntificação, <strong>da</strong>do que o produto e os insumos são <strong>de</strong>terminados simultaneamente<br />
pelas mesmas forças. A dificul<strong>da</strong><strong>de</strong> apresenta<strong>da</strong> po<strong>de</strong> ser assim ilustra<strong>da</strong>.<br />
Tome-se uma função <strong>de</strong> produção <strong>de</strong> Cobb-Douglas na sua forma log-log.<br />
16<br />
y = α z + βx<br />
+ u<br />
(1)<br />
On<strong>de</strong> y á o logaritmo do produto, z é o logaritmo do capital (ou todos os fatores<br />
fixos), x é o logaritmo do trabalho e u representa as perturbações. O ponto crítico<br />
apresentado por GRILICHES e MAIRESSE (1995), citando MARSCHAK e<br />
ANDREWS (1944), é que não se po<strong>de</strong> tratar as variáveis capital e trabalho como<br />
in<strong>de</strong>pen<strong>de</strong>ntes e estimar por MQO, como feito originalmente por Cobb e Douglas.<br />
São improváveis as suposições <strong>de</strong> exogenei<strong>da</strong><strong>de</strong> necessárias para a consistência<br />
do MQO e, mesmo que fosse consi<strong>de</strong>rado que os insumos fixos (z) são pré-<br />
<strong>de</strong>terminados no horizonte relevante <strong>de</strong> análise, os insumos variáveis (x) po<strong>de</strong>m ser<br />
ajustados pelo produtor a qualquer momento. Portanto, estimações simples <strong>da</strong><br />
função <strong>de</strong> produção por MQO serão viesa<strong>da</strong>s.
GRILICHES e MAIRESSE (1995) propõem três formas para tratar a questão <strong>da</strong><br />
<strong>de</strong>terminação simultânea: a primeira é a utilização <strong>de</strong> <strong>da</strong>dos em painel, seja com<br />
transformação <strong>de</strong> efeitos fixos, seja com a <strong>de</strong> primeira diferença; a segun<strong>da</strong> é o uso<br />
<strong>de</strong> insumos <strong>de</strong>fasados como variáveis instrumentais; e a terceira é o uso <strong>de</strong> proxies<br />
e equações adicionais para substituir o distúrbio não observado u. O uso <strong>de</strong> uma ou<br />
<strong>de</strong> outra <strong>de</strong>pen<strong>de</strong> <strong>da</strong>s hipóteses a cerca <strong>da</strong> fonte <strong>de</strong> correlação entre x e u.<br />
Tomando o erro u <strong>da</strong> equação (1), po<strong>de</strong>-se, por <strong>de</strong>finição, dividi-lo em três partes:<br />
it<br />
it<br />
it<br />
it<br />
17<br />
u = a + e + ε<br />
(2)<br />
On<strong>de</strong> ait e eit são conhecidos pelo produtor, mas não pelo pesquisador, e ait é<br />
conhecido a tempo <strong>de</strong> afetar as <strong>de</strong>cisões correntes sobre x e eit revela-se apenas<br />
<strong>de</strong>pois e não é previsível. Já εit é o erro líquido introduzido por problemas <strong>de</strong> medi<strong>da</strong>,<br />
coleta dos <strong>da</strong>dos e procedimentos computacionais. Ou seja, ignorando os erros <strong>de</strong><br />
medi<strong>da</strong>, há apenas uma transmissão parcial <strong>de</strong> u, on<strong>de</strong> ait po<strong>de</strong> afetar o<br />
comportamento presente e eit não, embora possa afetar o comportamento futuro se<br />
suas realizações alterem as expectativas futuras com relação a u.<br />
A principal questão é que os componentes <strong>de</strong> ait são conhecidos pelo produtor e<br />
“transmitidos”, naquilo que for relevante, para a escolha <strong>de</strong> x, e também, com algum<br />
atraso, para a escolha <strong>de</strong> longo prazo <strong>de</strong> z. Esta é a essência do problema <strong>de</strong><br />
simultanei<strong>da</strong><strong>de</strong> <strong>da</strong> estimação <strong>da</strong> função <strong>de</strong> produção.<br />
A principal maneira encontra<strong>da</strong> para superar os problemas <strong>de</strong> simultanei<strong>da</strong><strong>de</strong> foi a<br />
crescente disponibili<strong>da</strong><strong>de</strong> <strong>de</strong> <strong>da</strong>dos em painel. O argumento é que os principais<br />
erros <strong>de</strong> especificação que são transmitidos para as <strong>de</strong>cisões, tais como diferenças
na terra, capaci<strong>da</strong><strong>de</strong> empreen<strong>de</strong>dora e quali<strong>da</strong><strong>de</strong> do trabalho, são em gran<strong>de</strong> parte<br />
fixos no tempo e po<strong>de</strong>m ser eliminados por uma transformação <strong>de</strong> efeitos fixos.<br />
Dessa forma a equação (1) po<strong>de</strong>ria ser reescrita <strong>da</strong> seguinte forma:<br />
it<br />
it<br />
it<br />
i<br />
t<br />
it<br />
18<br />
y = α z + βx<br />
+ a + λ + e<br />
(1’)<br />
On<strong>de</strong> ai e λt são efeitos individuais e <strong>de</strong> tempo “fixos” e po<strong>de</strong>m ser eliminados por<br />
subtração <strong>de</strong> médias por indivíduo e tempo apropria<strong>da</strong>s. Ignorando os erros <strong>de</strong><br />
medi<strong>da</strong> e assumindo que os efeitos <strong>de</strong> tempo po<strong>de</strong>m já estar presentes em z, tem-<br />
se:<br />
( z − z ) + β ( x − x ) + a + + ( e − e )<br />
y α λ<br />
(3)<br />
it − yi•<br />
= it i•<br />
it i•<br />
i t it i•<br />
On<strong>de</strong> a notação xi⋅ representa a média temporal para ca<strong>da</strong> indivíduo i. Na medi<strong>da</strong><br />
em que o erro e “não é transmitido” (não correlacionado com x e z), o problema <strong>da</strong><br />
simultanei<strong>da</strong><strong>de</strong> está resolvido.<br />
Na prática, no entanto, a aplicação do método <strong>de</strong> painel a micro<strong>da</strong>dos no setor<br />
industrial trouxe dois problemas: coeficientes <strong>de</strong> capital baixos ou insignificantes e o<br />
fato <strong>de</strong> que a transformação <strong>de</strong> efeitos fixos ou não eliminava todo o problema <strong>de</strong><br />
simultanei<strong>da</strong><strong>de</strong>, ou agravava problemas pré-existentes, tais como erros em<br />
variáveis.<br />
GRILICHES e MAIRESSE (1995), citando CHAMBERLAIN (1982), apontam que o<br />
uso <strong>da</strong> transformação <strong>de</strong> efeitos fixos para eliminação <strong>de</strong> ai introduz ei na equação e,<br />
portanto, a necessi<strong>da</strong><strong>de</strong> <strong>de</strong> exogenei<strong>da</strong><strong>de</strong> estrita <strong>de</strong> x, não apenas a sua pré-<br />
<strong>de</strong>terminação. Ou seja, os componentes <strong>de</strong> ei <strong>de</strong>vem ser erros puros.
As alternativas para tal questão são a utilização, ao invés <strong>de</strong> efeitos fixos, <strong>da</strong><br />
primeira diferença ou estimação através do Método dos Momentos Generalizados<br />
(Generalized Method of Moments - GMM). O uso <strong>da</strong> primeira diferença contorna a<br />
necessi<strong>da</strong><strong>de</strong> <strong>de</strong> exogenei<strong>da</strong><strong>de</strong> estrita sobre x, que também é eficiente para eliminar<br />
os chamados “efeitos fixos”.<br />
A equação então assumiria a seguinte forma:<br />
( z − z ) + β ( x − x ) + + ( e − e )<br />
y α ζ<br />
(4)<br />
t − yt−1<br />
= t t−1<br />
t t−1<br />
t t t−1<br />
On<strong>de</strong> ζ t = at<br />
− at−1<br />
é a mu<strong>da</strong>nça em a. Se a for fixo, ζ t = 0 e (4) po<strong>de</strong> ser estima<strong>da</strong><br />
por MQO se et não pu<strong>de</strong>r ser antecipado e transmitido para xt e xt+1, mesmo que<br />
afete <strong>de</strong>cisões subseqüentes sobre x (e z). Se a informação em e (ou ζ t ) for<br />
transmiti<strong>da</strong> para valores correntes <strong>de</strong> x então a diferença em x precisa ser<br />
instrumentaliza<strong>da</strong>, ou seja, precisamos utilizar variáveis instrumentais que<br />
apresentem correlação com as diferenças em x, mas não com o erro. Uma vez que o<br />
número <strong>de</strong> variáveis instrumentais disponíveis, <strong>de</strong>fasagens <strong>de</strong> x e z, <strong>de</strong>pen<strong>de</strong> do<br />
tamanho do painel, procedimentos <strong>de</strong> estimação tornam-se mais complexos,<br />
indicando o uso do Método <strong>de</strong> Momentos Generalizados, como será visto em<br />
<strong>de</strong>talhe a seguir.<br />
ARELLANO e BOND (1991) propõem um método <strong>de</strong> estimação utilizando um GMM<br />
em 2 estágios. O mo<strong>de</strong>lo apresentado por eles, já com a inclusão <strong>de</strong> variáveis<br />
exógenas, é <strong>da</strong> seguinte forma:<br />
( t ) it i it it i it<br />
19<br />
*<br />
yit = α yi<br />
β ′ x η υ δ ′<br />
−1<br />
+ + + = x + η + υ<br />
(5)
( ) ′ * ′<br />
x<br />
On<strong>de</strong> it = yi(<br />
t−<br />
)<br />
x 1 it é k x 1, it<br />
correlacionados com η i . Se<br />
* *<br />
todo s < t e zero caso contrário, i i(<br />
s 1)<br />
diferencia<strong>da</strong> para o período s. Por outro lado, se<br />
*<br />
seja ( x ) = 0<br />
E υ para todo t , s, então todos os<br />
it<br />
to<strong>da</strong>s as equações.<br />
is<br />
υ não é serialmente correlacionado e<br />
*<br />
it<br />
20<br />
*<br />
x it são todos<br />
*<br />
x forem pre<strong>de</strong>terminados, ou seja, ( x ) ≠ 0<br />
E υ para<br />
x 1,..., x − são instrumentos válidos na equação<br />
*<br />
x it são estritamente exógenos, ou<br />
*<br />
x it ’s são instrumentos válidos para<br />
O método <strong>de</strong> ARELLANO e BOND (1991) mostrou-se pouco eficiente na prática.<br />
BLUNDELL e BOND (1998) relatam que, quando os parâmetros auto-regressivos<br />
são mo<strong>de</strong>ra<strong>da</strong>mente gran<strong>de</strong>s e o número <strong>de</strong> observações na série <strong>de</strong> tempo é<br />
mo<strong>de</strong>ra<strong>da</strong>mente pequeno, o estimador GMM obtido <strong>de</strong>pois <strong>de</strong> aplica<strong>da</strong> a primeira<br />
diferença apresentou gran<strong>de</strong> viés para amostras finitas e baixa precisão. A razão<br />
aponta<strong>da</strong> é que variáveis <strong>de</strong>fasa<strong>da</strong>s <strong>de</strong> séries são instrumentos fracos para<br />
primeiras diferenças.<br />
BLUNDELL e BOND (1998) consi<strong>de</strong>ram, então, duas alternativas que impõem<br />
restrições adicionais sobre as condições iniciais do processo. O primeiro tipo <strong>de</strong><br />
restrição justifica o uso <strong>da</strong>s diferenças <strong>de</strong>fasa<strong>da</strong>s <strong>de</strong> y it como instrumento para<br />
equações no nível. O segundo tipo vali<strong>da</strong> o uso do estimador do componente <strong>de</strong> erro<br />
dos Mínimos Quadrados Generalizados (Generalized Least Squares – GLS) sobre<br />
um mo<strong>de</strong>lo estendido condicionado aos valores iniciais observados.<br />
BLUNDELL e BOND (1998) assumem o erro como u it = ai<br />
+ ω it + ε , on<strong>de</strong> i a e ω it<br />
são “transmitidos”, isto é, interferem na escolha <strong>de</strong> it x e ω it = ρωit<br />
+ υit<br />
é um<br />
it<br />
is
processo AR(1). Eles propõem usar x i,<br />
t −1<br />
e x i,<br />
t −τ<br />
para τ ≥ 2 como variável<br />
instrumental para a equação:<br />
( yit<br />
− ρyi,<br />
t−1<br />
) − ( yit<br />
−1<br />
− ρyi,<br />
t−2<br />
) = α(<br />
( xit<br />
− ρxi,<br />
t−1<br />
) − ( xit<br />
−1<br />
− ρxi,<br />
t−2<br />
) ) +<br />
+ β ( ( zit<br />
− ρzi,<br />
t−1<br />
) − ( zit<br />
−1<br />
− ρzi,<br />
t−2<br />
) ) +<br />
+ υ −υ<br />
+ ( ε − ρε ) − ( ε − ρε )<br />
it<br />
i,<br />
t−1<br />
A estimação é basea<strong>da</strong> no momento condicional<br />
it<br />
i,<br />
t−1<br />
it−1<br />
t−2<br />
[ ( u − u ) − ( u − ρu<br />
) | ( x , z ) ] = 0<br />
E it i,<br />
t−1<br />
it−1<br />
i,<br />
t−2<br />
iτ<br />
iτ<br />
τ = 1<br />
i,<br />
t−2<br />
21<br />
(6)<br />
ρ (7)<br />
Ao estimar funções <strong>de</strong> produção, seja <strong>da</strong> maneira menos restrita, com Arellano e<br />
Bond, seja <strong>de</strong> uma maneira mais restrita, com Blun<strong>de</strong>ll e Bond, <strong>de</strong>ve-se ter em<br />
mente que o problema atacado é o <strong>de</strong> simultanei<strong>da</strong><strong>de</strong>. Ou seja, a relação existente<br />
entre o erro <strong>da</strong> equação estima<strong>da</strong>, que vem sendo associado à produtivi<strong>da</strong><strong>de</strong> total<br />
dos fatores, e as variáveis explicativas.<br />
Há outro problema envolvido em estimações <strong>de</strong>ste tipo: o viés <strong>de</strong> seleção. Deve ser<br />
lembrado que uma condição importante para qualquer estimação é a quali<strong>da</strong><strong>de</strong> <strong>da</strong><br />
amostra. O ponto que se quer ressaltar é que apenas as empresas que<br />
sobreviveram são observa<strong>da</strong>s, <strong>da</strong>do que o painel é dinâmico, on<strong>de</strong> há entra<strong>da</strong> e<br />
saí<strong>da</strong> <strong>de</strong> indivíduos (empresas). É mais do que intuitivo associar a saí<strong>da</strong> <strong>de</strong><br />
empresas a produtivi<strong>da</strong><strong>de</strong>s mais baixas. Portanto, qualquer tentativa <strong>de</strong> estimação<br />
<strong>da</strong> produtivi<strong>da</strong><strong>de</strong> ten<strong>de</strong>rá a sobreestimar o valor real, pois as empresas menos<br />
produtivas em algum momento são excluí<strong>da</strong>s <strong>da</strong> amostra. Quando trabalhamos com<br />
painel balanceado tais empresas são <strong>de</strong>scarta<strong>da</strong>s, <strong>da</strong>í <strong>de</strong>corre o viés <strong>de</strong> seleção.<br />
Uma nova linha <strong>de</strong> pesquisa em estimativas <strong>de</strong> funções <strong>de</strong> produção, chama<strong>da</strong> <strong>de</strong><br />
estrutural, foi inaugura<strong>da</strong> por OLLEY e PAKES (1996) e segui<strong>da</strong> por LEVINSOHN e
PETRIN (2003). Estes dois trabalhos serão analisado s em <strong>de</strong>talhes, com o objetivo<br />
<strong>de</strong> i<strong>de</strong>ntificar os pontos fortes e fracos <strong>de</strong> suas estratégias.<br />
OLLEY e PAKES (1996) se <strong>de</strong>bruçaram sobre a reestruturação <strong>da</strong> Indústria <strong>de</strong><br />
Equipamentos <strong>de</strong> Telecomunicações nos Estados Unidos nas déca<strong>da</strong>s <strong>de</strong> 1970 e<br />
1980, estimando os parâmetros <strong>de</strong> uma função <strong>de</strong> produção e utilizando-os <strong>de</strong>pois<br />
para acompanhar a evolução <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> <strong>da</strong>s empresas. Tal reestruturação se<br />
<strong>de</strong>veu, segundo os autores, às mu<strong>da</strong>nças tecnológicas e a liberação do ambiente<br />
regulatório no setor. Os autores mostram que as escolhas <strong>da</strong>s firmas em continuar<br />
produzindo ou não, e que quanti<strong>da</strong><strong>de</strong>s continuar produzindo, <strong>de</strong>pen<strong>de</strong>m do produto<br />
(ou ven<strong>da</strong>s <strong>de</strong>flaciona<strong>da</strong>s) por uni<strong>da</strong><strong>de</strong> <strong>de</strong> insumos consumidos, ou seja, sua<br />
produtivi<strong>da</strong><strong>de</strong> (ω), que apresenta gran<strong>de</strong> variância entre as empresas e correlação<br />
intertemporal. Daí se originaram dois problemas inter-relacionados quando se<br />
passou à fase <strong>de</strong> estimação: viés <strong>de</strong> simultanei<strong>da</strong><strong>de</strong> e viés <strong>de</strong> seleção.<br />
Com o intuito <strong>de</strong> tratar tais problemas os autores introduziram um mo<strong>de</strong>lo dinâmico<br />
do comportamento <strong>da</strong> firma que especifica a informação disponível no momento em<br />
que as <strong>de</strong>cisões sobre insumos são toma<strong>da</strong>s, bem como gera uma regra <strong>de</strong> saí<strong>da</strong>,<br />
ou seja, que informações disponíveis ao produtor levam-no a tomar a <strong>de</strong>cisão <strong>de</strong><br />
cessar a produção. Na construção <strong>de</strong> tal mo<strong>de</strong>lo eles assumiram que o lucro <strong>da</strong><br />
firma é função <strong>de</strong> um conjunto <strong>de</strong> variáveis <strong>de</strong> estado próprias e <strong>de</strong> seus<br />
concorrentes. O conjunto <strong>de</strong> variáveis escolhido inclui a i<strong>da</strong><strong>de</strong> (a), o estoque <strong>de</strong><br />
capital (k) e a produtivi<strong>da</strong><strong>de</strong> (ω). Como a produtivi<strong>da</strong><strong>de</strong> não é uma variável<br />
observável, os autores propõem utilizar o fluxo <strong>de</strong> investimento como proxy. Eles<br />
<strong>de</strong>senvolveram um estimador semiparamétrico baseados na suposição <strong>de</strong> que há<br />
apenas uma variável <strong>de</strong> estado não-observa<strong>da</strong> que modifica o comportamento <strong>da</strong><br />
22
firma (sua produtivi<strong>da</strong><strong>de</strong>), e que, condicionado aos valores <strong>da</strong>s outras variáveis <strong>de</strong><br />
estado observa<strong>da</strong>s, o investimento é crescente com a produtivi<strong>da</strong><strong>de</strong>.<br />
No começo <strong>da</strong> ca<strong>da</strong> período a firma <strong>de</strong>ve tomar três <strong>de</strong>cisões: <strong>de</strong>cidir se liqui<strong>da</strong> a<br />
operação e recebe um valor Φ relativo ao <strong>de</strong>sinvestimento; ou se continua, e então<br />
<strong>de</strong>ve <strong>de</strong>cidir o quanto investir em fatores variáveis (trabalho) e <strong>de</strong>cidir quanto ao<br />
nível <strong>de</strong> investimento. O investimento realizado irá se somar ao nível <strong>de</strong> capital<br />
existente formando o estoque <strong>de</strong> capital em t+1. As equações <strong>de</strong> acumulação <strong>de</strong><br />
capital e i<strong>da</strong><strong>de</strong> são <strong>da</strong><strong>da</strong>s por:<br />
t+<br />
1<br />
t+<br />
1<br />
( 1−<br />
)<br />
k = δ k<br />
a<br />
= a<br />
t<br />
+ 1<br />
On<strong>de</strong> t k é o estoque <strong>de</strong> capital, i t é o investimento, δ é a <strong>de</strong>preciação do estoque<br />
<strong>de</strong> capital e a t é a i<strong>da</strong><strong>de</strong> <strong>da</strong> firma.<br />
O índice <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> ϖ it é conhecido pela firma e evolui segundo um processo<br />
exógeno <strong>de</strong> Markov e a distribuição <strong>de</strong> ϖ i,<br />
t+<br />
1 condicional a to<strong>da</strong>s as informações<br />
conheci<strong>da</strong>s em t é <strong>de</strong>termina<strong>da</strong> pela família <strong>de</strong> funções <strong>de</strong> distribuição<br />
t<br />
+ i<br />
{ F(<br />
⋅ ϖ ) , ∈ Ω}<br />
t<br />
23<br />
(8)<br />
F = | it ω<br />
(9)<br />
ϖ<br />
Assumiu-se também que a firma maximiza o valor presente dos lucros esperados,<br />
que <strong>de</strong>pen<strong>de</strong>rá <strong>da</strong> percepção <strong>da</strong> firma com relação às estruturas <strong>de</strong> mercados <strong>da</strong><strong>da</strong><br />
a informação atual. Uma forma apropria<strong>da</strong> <strong>de</strong> expressar esta relação é através <strong>da</strong><br />
equação <strong>de</strong> Bellman para uma firma estabeleci<strong>da</strong>:<br />
( ) ( ) ( ) [ ( ) ] ⎬<br />
⎭ ⎫<br />
⎧<br />
Vt<br />
ω t , at<br />
, kt<br />
= max⎨Φ,<br />
supπ<br />
t ωt<br />
, at<br />
, kt<br />
− c it<br />
+ βE<br />
Vt<br />
+ 1 ωt<br />
+ 1,<br />
at<br />
+ 1,<br />
kt<br />
+ 1 | J t (10)<br />
⎩ it<br />
≥0
On<strong>de</strong> Φ é o valor <strong>da</strong> planta; ( ⋅)<br />
produtivi<strong>da</strong><strong>de</strong>, <strong>da</strong> i<strong>da</strong><strong>de</strong> e do estoque <strong>de</strong> capital; ( i )<br />
t<br />
24<br />
π é o lucro <strong>da</strong> empresa como função <strong>da</strong><br />
c é o custo do investimento; β<br />
é o fator <strong>de</strong> <strong>de</strong>sconto <strong>da</strong> firma e J t é o conjunto <strong>de</strong> informações disponíveis em t. A<br />
solução para esta equação gera uma regra <strong>de</strong> saí<strong>da</strong> e uma função <strong>de</strong>man<strong>da</strong> por<br />
investimento. Definindo a função indicadora χ t como zero para a <strong>de</strong>cisão <strong>da</strong>s<br />
empresas em sair, tem-se:<br />
e<br />
t<br />
( a , k )<br />
⎧1 if ϖ t ≥ ϖ t t t<br />
χ t = ⎨<br />
(11)<br />
⎩0<br />
caso contrário,<br />
t<br />
t<br />
( ω , a k )<br />
i = i ,<br />
(12)<br />
OLLEY e PAKES (1996) supuseram que a função investimento do tipo<br />
( ϖ , k a )<br />
i ,<br />
t = i t t t , <strong>da</strong>dos t<br />
forma é possível inverter a função t<br />
regressão semiparamétrico a seguir:<br />
On<strong>de</strong><br />
t<br />
t<br />
t<br />
k e a t , é sempre crescente em ϖ , <strong>de</strong>s<strong>de</strong> que 0 > i t . Dessa<br />
t<br />
it<br />
l<br />
ω , obtendo o mo<strong>de</strong>lo <strong>de</strong><br />
i , obtendo: = h ( i , k , a )<br />
it<br />
t<br />
( iit<br />
ait<br />
kit<br />
) it<br />
t<br />
t<br />
y = β l + φ , , + η<br />
(13)<br />
( i , a , k ) = β 0 + β a + β k + h ( i , a , k )<br />
φ (14)<br />
it<br />
it<br />
it<br />
a<br />
A equação (13) i<strong>de</strong>ntifica o coeficiente do trabalho, mas não os do capital e i<strong>da</strong><strong>de</strong>.<br />
Os autores propuseram, então, o seguinte algoritmo <strong>de</strong> estimação. O primeiro passo<br />
é estimar a equação (13) substituindo φ ( ⋅)<br />
por uma aproximação polinomial <strong>de</strong><br />
quarta or<strong>de</strong>m:<br />
it<br />
k<br />
it<br />
t<br />
t<br />
it<br />
t<br />
it<br />
it
y<br />
it<br />
=<br />
β + β l<br />
+<br />
0<br />
4<br />
∑<br />
x=<br />
1<br />
γ<br />
l<br />
4x<br />
it<br />
+<br />
4<br />
∑<br />
x=<br />
1<br />
1x<br />
4<br />
x<br />
x<br />
( k a ) + γ ( k i ) + γ ( i a )<br />
it<br />
it<br />
γ k<br />
x<br />
it<br />
∑<br />
x=<br />
1<br />
+<br />
∑<br />
x=<br />
1<br />
6x<br />
4<br />
γ<br />
it<br />
x<br />
2xi<br />
it<br />
O próximo passo é estimar a probabili<strong>da</strong><strong>de</strong> <strong>de</strong> sobrevivência. A probabili<strong>da</strong><strong>de</strong> foi<br />
obti<strong>da</strong> utilizando uma aproximação polinomial <strong>de</strong> quarta or<strong>de</strong>m em ( i a , k )<br />
regressores em uma estimação Probit:<br />
P<br />
t<br />
=<br />
Pr ob<br />
( χ = 1)<br />
t+<br />
1<br />
=<br />
4<br />
∑<br />
1x<br />
x=<br />
1<br />
4<br />
+<br />
γ k<br />
∑<br />
x=<br />
1<br />
γ<br />
x<br />
it<br />
4x<br />
+<br />
4<br />
∑<br />
x=<br />
1<br />
it<br />
x<br />
2xiit<br />
4<br />
+<br />
4<br />
∑<br />
x=<br />
1<br />
4<br />
∑<br />
x=<br />
1<br />
γ<br />
3x<br />
3x<br />
a<br />
x<br />
it<br />
x<br />
x<br />
( k a ) + γ ( k i ) + γ ( i a )<br />
it<br />
it<br />
γ<br />
∑<br />
x=<br />
1<br />
+<br />
4<br />
∑<br />
x=<br />
1<br />
6x<br />
γ<br />
it<br />
3x<br />
it<br />
it<br />
a<br />
it<br />
x<br />
it<br />
x<br />
4<br />
∑<br />
x=<br />
1<br />
3x<br />
it<br />
it<br />
it<br />
25<br />
(15)<br />
, como<br />
No terceiro e último passo do algoritmo os autores tomaram os valores estimados <strong>de</strong><br />
β l , φ t e P t , dos dois primeiros passos e voltaram ao mo<strong>de</strong>lo semiparamétrico, com<br />
as convenientes manipulações algébricas<br />
e<br />
t<br />
( iit<br />
, ait<br />
, kit<br />
) = ˆ φt ( iit<br />
, ait<br />
, kit<br />
) − β aait<br />
− k kit<br />
it<br />
it<br />
x<br />
(16)<br />
hˆ β<br />
(14’)<br />
m<br />
it − ll<br />
it = c + aa<br />
it + k kt<br />
+ ∑∑<br />
j m<br />
− 4 4<br />
+ 1 + 1 β + 1 β + 1<br />
= 0 = 0<br />
y β β hˆ<br />
Pˆ<br />
+ e<br />
(13’)<br />
Finalmente, para avaliar a evolução <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> no nível <strong>da</strong> firma, os autores<br />
realizaram o seguinte cálculo:<br />
it<br />
mj<br />
( y − b l − b k b a )<br />
p = exp −<br />
(17)<br />
it<br />
LEVINSOHN e PETRIN (2003) se somam a OLLEY e PAKES (1996) nos métodos<br />
estruturais que tentam corrigir os efeitos <strong>de</strong> variáveis não observa<strong>da</strong>s<br />
l<br />
it<br />
k<br />
it<br />
a<br />
it<br />
m<br />
t<br />
j<br />
t<br />
it
correlaciona<strong>da</strong>s serialmente, mas questionam o uso por O&P <strong>da</strong> variável<br />
investimento como proxy para a produtivi<strong>da</strong><strong>de</strong>. Eles argumentaram que investimento<br />
é um controle sobre uma variável <strong>de</strong> estado e, por <strong>de</strong>finição, é <strong>de</strong> ajustamento caro.<br />
Tal custo po<strong>de</strong> causar problemas na estimação, porque as firmas que realizam<br />
investimentos intermitentes po<strong>de</strong>m ter observações trunca<strong>da</strong>s em períodos <strong>de</strong><br />
investimento nulo.<br />
No caso <strong>de</strong> OLLEY e PAKES (1996), que se concentraram na indústria <strong>de</strong><br />
equipamentos <strong>de</strong> telecomunicações, as observações trunca<strong>da</strong>s representaram<br />
apenas 8% do total. A estratégia <strong>de</strong>stes era apropria<strong>da</strong> a setores mais dinâmicos,<br />
nos quais há investimentos todos os anos. Essa estratégia po<strong>de</strong>ria não se a<strong>de</strong>quar a<br />
setores cujos investimentos têm longo período <strong>de</strong> maturação, on<strong>de</strong> a dinâmica <strong>da</strong><br />
produtivi<strong>da</strong><strong>de</strong> apresenta razoável <strong>de</strong>fasagem em relação ao investimento.<br />
Com este problema em mente LEVINSOHN e PETRIN (2003) propuseram a<br />
utilização do consumo <strong>de</strong> insumos intermediários, tais como energia ou<br />
combustíveis, como proxy para a variabili<strong>da</strong><strong>de</strong> <strong>da</strong> produtivi<strong>da</strong><strong>de</strong>. A hipótese é a<br />
mesma: aumentos <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> tornam a firma mais eficiente, essa maior<br />
eficiência leva um aumento do produto, levando a um maior consumo <strong>de</strong> insumos<br />
intermediários.<br />
A equação proposta por LEVINSOHN E PETRIN (2003) é <strong>da</strong> seguinte forma:<br />
t<br />
l<br />
t<br />
k<br />
t<br />
i t<br />
t<br />
t<br />
26<br />
y = β 0 + β l + β k + β i + ϖ + η<br />
(18)<br />
On<strong>de</strong> y é o log do produto, k é o log do estoque <strong>de</strong> capital, l é o log do trabalho e i t é<br />
a função <strong>de</strong>man<strong>da</strong> por insumos intermediários, que é <strong>da</strong><strong>da</strong> por:
t<br />
t<br />
( ϖ k )<br />
t<br />
t<br />
27<br />
i = i ,<br />
(19)<br />
A mesma restrição é feita quanto à monotonici<strong>da</strong><strong>de</strong> <strong>da</strong> função i t em ϖ t , <strong>de</strong> modo<br />
que seja possível inverter a função e obter ϖ ( i , k )<br />
interessa. Assim, é possível escrever:<br />
E a equação para o segundo estágio fica:<br />
t<br />
( i , k ) β 0 + β k + β i ϖ ( i , k )<br />
t<br />
t<br />
k<br />
t<br />
ϖ = , que, afinal, é o que<br />
t<br />
i t<br />
t<br />
φ = +<br />
(20)<br />
0<br />
t<br />
t<br />
*<br />
[ ϖ ϖ ]<br />
*<br />
yt = β + β k kt<br />
+ βii<br />
t + E t | + + ηt<br />
(21)<br />
Como apresentado em LEVINSOHN E PETRIN (2003), na prática há informações<br />
sobre diversos insumos intermediários. A questão que se coloca então é qual <strong>de</strong>les<br />
seria o mais apropriado como proxy para a produtivi<strong>da</strong><strong>de</strong>? Uma inspeção dos<br />
valores seria o primeiro passo a ser <strong>da</strong>do. Aquele que apresentasse o menor<br />
número <strong>de</strong> valores zero é um forte candi<strong>da</strong>to, pois teria o menor número <strong>de</strong><br />
observações trunca<strong>da</strong>s. Outra importante característica é a continui<strong>da</strong><strong>de</strong> <strong>de</strong><br />
fornecimento. E, por fim, os <strong>da</strong>dos disponíveis <strong>de</strong> insumos <strong>de</strong>vem ser relativos ao<br />
consumo real em <strong>de</strong>terminado período, ou seja, <strong>de</strong>vem ser leva<strong>da</strong>s em<br />
consi<strong>de</strong>ração as aquisições no período, <strong>de</strong>sconta<strong>da</strong>s as variações <strong>de</strong> estoque.<br />
Escolhido o insumo que se utilizará como proxy para a produtivi<strong>da</strong><strong>de</strong>, na<strong>da</strong> impe<strong>de</strong><br />
que os outros entrem na equação do primeiro estágio como variáveis livres.<br />
Como em OLLEY e PAKES (1996), no primeiro estágio LEVINSOHN e PETRIN<br />
(2003) estimam os valores dos coeficientes <strong>de</strong> trabalho e variáveis livres. No<br />
segundo estágio a primeira condição <strong>de</strong> momento i<strong>de</strong>ntifica β k , pois o capital não<br />
respon<strong>de</strong> ao choque na produtivi<strong>da</strong><strong>de</strong>, e o segundo momento i<strong>de</strong>ntifica β i (o insumo<br />
t<br />
t 1<br />
t<br />
t
usado como proxy), pois a escolha <strong>de</strong> matéria-prima do último período não está<br />
correlaciona<strong>da</strong> com o choque contemporâneo. Por fim, os autores apresentam<br />
resultados obtidos com <strong>da</strong>dos <strong>da</strong> economia chilena <strong>de</strong> 1979 a 1986 para quatro<br />
setores industriais (produtos alimentícios, metais, têxteis e produtos <strong>de</strong> ma<strong>de</strong>ira).<br />
Os diversos métodos apresentados neste capítulo foram propostos em contextos<br />
específicos, e seus resultados se comportam bem nos conjuntos <strong>de</strong> <strong>da</strong>dos<br />
utilizados. Esta dissertação propõe investigar o comportamento dos diversos<br />
métodos em diferentes conjuntos <strong>de</strong> <strong>da</strong>dos. Tal diferenciação se <strong>da</strong>rá por meio <strong>da</strong><br />
intensi<strong>da</strong><strong>de</strong> tecnológica <strong>da</strong> ca<strong>da</strong> setor industrial. A questão básica que se preten<strong>de</strong><br />
respon<strong>de</strong>r será como os métodos se comportam em setores <strong>de</strong> diferentes<br />
intensi<strong>da</strong><strong>de</strong>s tecnológicas.<br />
No próximo capítulo será apresenta<strong>da</strong> uma breve revisão bibliográfica sobre os<br />
diversos métodos <strong>de</strong> estimação <strong>da</strong> função <strong>de</strong> produção. O objetivo é apresentar as<br />
questões levanta<strong>da</strong>s pela aca<strong>de</strong>mia a cerca dos métodos abor<strong>da</strong>dos.<br />
28
3 DA REVISÃO DOS MÉTODOS DE ESTIMAÇÃO DA FUNÇÃO DE<br />
PRODUÇÃO<br />
A literatura sobre estimação <strong>de</strong> funções <strong>de</strong> produção, como já citado anteriormente,<br />
remonta ao célebre trabalho <strong>de</strong> COBB e DOUGLAS (1928). As questões levanta<strong>da</strong>s<br />
α β<br />
por Charles Cobb e Paul Douglas, ao sugerirem a clássica função Y = L K eram:<br />
“...a number of further problems would inevitably present themselves for<br />
solution of which the following are typical. (1) Can we estimate, within limits,<br />
whether this increase in production was purely fortuitous, whether it was primarily<br />
caused by technique, and the <strong>de</strong>gree, if any, to which it respon<strong>de</strong>d to changes in<br />
the quantity of labor and capital?<br />
(2) May it possible to <strong>de</strong>termine, again within limits, the relative influence upon<br />
production of labor as compared with capital?<br />
(3) As the proportion of labor to capital changed from year to year, may it<br />
possible to <strong>de</strong>duce the relative amount ad<strong>de</strong>d to the total physical product by each<br />
unit of labor and capital and what is more important still by the final units of labor<br />
and capital in these respective years?<br />
(…)<br />
(4) Can we measure the probable slopes of the curves of incremental product<br />
which are imputed to labor and to capital and thus give greater <strong>de</strong>finiteness to what<br />
is at present purely an hypothesis with no quantitative values attached?<br />
(5) Finally from such a study of (a) the imputed physical product from year to<br />
year of a unit of labor and capital when joined with (b) a study of the relative<br />
exchange value of a physical unit of manufactured goods in these years and<br />
compared with (c) the actual movement of “real” wages in manufacturing and of<br />
real interest (if the latter can be ascertained), may we secure light upon the<br />
question as to whether or not the process of distribution are mo<strong>de</strong>led at all closely<br />
upon those of the production of values?”<br />
29<br />
COBB, C.W., e DOUGLAS, P. H., “A Theory of Production,”<br />
American Economic Review, 18 (1) 1928, Supplement, pp. 139 e 140<br />
O trabalho <strong>de</strong> Cobb e Douglas tornou-se referência básica nos trabalhos <strong>de</strong><br />
estimação <strong>de</strong> funções <strong>de</strong> produção. Não tar<strong>da</strong>ram, no entanto, os relatos <strong>de</strong>
problemas no uso <strong>da</strong> função. O primeiro problema encontrado foi o <strong>de</strong> <strong>de</strong>terminação<br />
simultânea <strong>da</strong>s variáveis capital e trabalho, toma<strong>da</strong>s como exógenas e<br />
in<strong>de</strong>pen<strong>de</strong>ntes.<br />
Um dos artigos mais citados nessa linha crítica é o <strong>de</strong> MARSCHAK e ANDREWS<br />
(1944). Na introdução <strong>de</strong> seu trabalho eles <strong>de</strong>ixam bem claro seu ponto <strong>de</strong> vista.<br />
“To <strong>de</strong>scribe and measure causation, the economist cannot perform<br />
experiments. That is, he cannot choose one variable as “<strong>de</strong>pen<strong>de</strong>nt,” and, while<br />
keeping the other, “in<strong>de</strong>pen<strong>de</strong>nt,” ones un<strong>de</strong>r control (i.e., while making them<br />
assume <strong>de</strong>liberately chosen sets of values), watch the values taken by the<br />
<strong>de</strong>pen<strong>de</strong>nt, i.e., uncontrolled variable. The economist has no in<strong>de</strong>pen<strong>de</strong>nt<br />
variables at his disposal because he has to take the values of all variables as they<br />
come, produced by a mechanism outsi<strong>de</strong> his control. This mechanism is expressed<br />
by a system of simultaneous equations, as many of them as there are variables.<br />
The experiment can isolate on such equation, substituting his own action for all the<br />
other equations. The economist cannot.”<br />
30<br />
MARSCHAK, J., e ANDREWS JR, W. H., “Random Simultaneous Equations and the Theory of<br />
Production,” Econometrica, Vol. 12, No. 3/4 (Jul. - Oct., 1944), p. 143<br />
O ponto crucial <strong>de</strong>fendido pelos autores, que já se sobressai no texto acima, é que<br />
não se po<strong>de</strong> simplesmente tratar as variáveis do lado direito <strong>da</strong> equação como<br />
“in<strong>de</strong>pen<strong>de</strong>ntes” e realizar a estimação por mínimos quadrados ordinários (MQO),<br />
como Cobb e Douglas fizeram. Os insumos não estão sob o controle do economista,<br />
mas dos produtores, que os escolhem <strong>de</strong> uma maneira ótima ou comportamental.<br />
Não há nenhuma garantia <strong>de</strong> exogenei<strong>da</strong><strong>de</strong>. Estimativas <strong>de</strong> funções <strong>de</strong> produção<br />
através <strong>de</strong> MQO serão viesa<strong>da</strong>s e não é possível assumir qualquer interpretação<br />
estrutural.<br />
Uma alternativa comumente emprega<strong>da</strong> pelos econometristas quando enfrentam<br />
este tipo <strong>de</strong> problema é introduzir no mo<strong>de</strong>lo variáveis instrumentais que possam
substituir aquelas variáveis que sejam endógenas, mantendo, ou quiçá melhorando,<br />
o nível <strong>de</strong> explicação <strong>da</strong> equação. A questão é como conseguir tais variáveis.<br />
Há na literatura duas linhas <strong>de</strong> pesquisa para suprir tal <strong>de</strong>ficiência. Como já vimos<br />
em <strong>de</strong>talhe no capítulo anterior, a primeira linha utiliza o Método dos Momentos<br />
Generalizados em primeira diferença, utilizando também <strong>de</strong>fasagens tanto <strong>da</strong>s<br />
variáveis “in<strong>de</strong>pen<strong>de</strong>ntes” quanto <strong>da</strong>s <strong>de</strong>pen<strong>de</strong>ntes (ARELLANO e BOND, 1991;<br />
ARELLANO e BOVER, 1995; BLUNDELL e BOND, 1998; BLUNDEL e BOND, 2000).<br />
A segun<strong>da</strong> linha <strong>de</strong> pesquisa foca em técnicas estruturais, utilizando métodos semi-<br />
paramétricos (OLLEY e PAKES, 1996; LEVINSOHN e PETRIN, 2003).<br />
ACKERBERG et al. (2005) fazem uma análise <strong>de</strong>talha<strong>da</strong> dos trabalhos <strong>de</strong> OLLEY e<br />
PAKES (O&P) (1996) e LEVINSOHN e PETRIN (L&P) (2003) e, ao passo que<br />
i<strong>de</strong>ntificam idéias sóli<strong>da</strong>s e intuitivas, também argumentam que po<strong>de</strong> haver<br />
problemas significativos <strong>de</strong> colineari<strong>da</strong><strong>de</strong> no primeiro estágio <strong>de</strong>stes métodos. Tais<br />
problemas po<strong>de</strong>riam ser contornados com um processo <strong>de</strong> geração <strong>de</strong> <strong>da</strong>dos (PGD)<br />
apropriado que simultaneamente quebrasse esta colineari<strong>da</strong><strong>de</strong> e fosse consistente<br />
com as suposições tanto <strong>de</strong> L&P e O&P. Os autores encontram dois PGD´s para o<br />
método <strong>de</strong> L&P, mas ambos se baseiam em pressupostos muito fortes e não<br />
intuitivos 1 . Já para o método <strong>de</strong> O&P existe um PGD que para os autores é mais<br />
1 O primeiro envolve uma história on<strong>de</strong> uma escolha <strong>da</strong> variável <strong>de</strong> entra<strong>da</strong> tem uma gran<strong>de</strong><br />
quanti<strong>da</strong><strong>de</strong> <strong>de</strong> erros <strong>de</strong> otimização, enquanto a outra opção <strong>de</strong> variável <strong>de</strong> entra<strong>da</strong> tem exatamente<br />
nenhum erro <strong>de</strong> otimização. O segundo PGD envolve o seguinte enca<strong>de</strong>amento: 1) insumos<br />
intermediários são escolhidos antes do trabalho; 2) entre os pontos no tempo em que insumos<br />
intermediários são escolhidos e o trabalho é escolhido, o nível <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> <strong>da</strong> empresa não<br />
mu<strong>da</strong>; 3) entre esses pontos no tempo, a empresa está exposta a um choque <strong>de</strong> preço ou <strong>de</strong><br />
<strong>de</strong>man<strong>da</strong> que influencia a escolha do trabalho; e 4) esse choque <strong>de</strong> preço ou <strong>de</strong> <strong>de</strong>man<strong>da</strong> varia entre<br />
empresas e não está correlacionado ao longo do tempo. Nenhuma <strong>da</strong>s hipóteses <strong>de</strong>stes PGD’s<br />
parece suficientemente realista (mesmo para uma aproximação) <strong>de</strong> invocar na prática. Para O&P, há<br />
um PGD adicional que quebra a lineari<strong>da</strong><strong>de</strong> e é consistente com o mo<strong>de</strong>lo: ele estabelece que o<br />
trabalho <strong>de</strong>va ser escolhido antes <strong>da</strong> produção e <strong>de</strong>pen<strong>de</strong> <strong>da</strong> evolução <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> entre o<br />
31
ealístico. Os autores propõem, então, outra abor<strong>da</strong>gem na qual o coeficiente do<br />
trabalho seria estimado no segundo estágio. Eles argumentam que mesmo que<br />
nenhum parâmetro fosse i<strong>de</strong>ntificado no primeiro estágio, ele ain<strong>da</strong> se prestaria a<br />
eliminar o erro não transmitidoε it <strong>da</strong> função <strong>de</strong> produção, que permitiria tratar a<br />
evolução do erro transmitido ϖ it não parametricamente.<br />
VAN BIESEBROECK (2005) faz uma apura<strong>da</strong> análise <strong>da</strong> muitas metodologias hoje<br />
aplica<strong>da</strong>s para estimar a produtivi<strong>da</strong><strong>de</strong>. Sua primeira conclusão é que muitas <strong>de</strong>las<br />
não são muito robustas aos erros <strong>de</strong> medi<strong>da</strong>. Dois outros focos <strong>de</strong> problema são as<br />
lacunas <strong>de</strong> especificação <strong>da</strong> tecnologia <strong>de</strong> produção e as suposições errôneas feitas<br />
à cerca <strong>da</strong> evolução <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> não observa<strong>da</strong>. Ele compara a robustez <strong>de</strong><br />
cinco técnicas: (a) números índices, (b) análise <strong>de</strong> envelopamento <strong>de</strong> <strong>da</strong>dos, e três<br />
métodos paramétricos: (c) estimação <strong>de</strong> variáveis instrumentais, (d) fronteira<br />
estocástica, e (e) estimação semiparamétrica. VAN BIESEBROECK (2005) chega a<br />
cinco conclusões inespera<strong>da</strong>s:<br />
(1) O método a ser usado para estimar a produtivi<strong>da</strong><strong>de</strong> <strong>de</strong>ve ser aquele<br />
a<strong>de</strong>quado às suposições feitas à cerca <strong>da</strong> sua evolução;<br />
(2) O estimador O&P é robusto a uma série <strong>de</strong> complicações, especialmente<br />
quando uma gran<strong>de</strong> parte <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> é não transitória;<br />
(3) A maioria dos métodos não é sensível a pequenos erros <strong>de</strong> medi<strong>da</strong>, mas<br />
respon<strong>de</strong> mal a gran<strong>de</strong>s erros. Ruídos aleatórios aju<strong>da</strong>m a evitar sobre-<br />
tempo no qual o trabalho é escolhido e a produção acontece para quebrar a lineari<strong>da</strong><strong>de</strong>. Este PGD<br />
parece ser mais realista que os necessários para vali<strong>da</strong>r o processo <strong>de</strong> L&P.<br />
32
correção <strong>de</strong> vieses e métodos <strong>de</strong>terminísticos não são piores que os<br />
paramétricos em li<strong>da</strong>r com erros aleatórios <strong>de</strong> medi<strong>da</strong>;<br />
(4) Os métodos <strong>de</strong>terminísticos, que não assumem homogenei<strong>da</strong><strong>de</strong> entre as<br />
empresas, não são mais robustos que os métodos paramétricos em li<strong>da</strong>r com<br />
a heterogenei<strong>da</strong><strong>de</strong> dos custos <strong>de</strong> ajustamento ou tecnologia <strong>de</strong> produção;<br />
(5) Usar a mesma suposição <strong>de</strong> retornos <strong>de</strong> escala, tanto na estimação quanto<br />
na geração dos <strong>da</strong>dos, é necessário, mas não suficiente para resultados<br />
precisos.<br />
WOOLDRIDGE (2009) também analisa as técnicas estruturais apresenta<strong>da</strong>s em<br />
OLLEY e PAKES (1996), e LEVINSOHN e PETRIN (2003). Ele sugere, no entanto,<br />
que sejam implementados especificando diferentes instrumentos para diferentes<br />
equações e aplicando GMM. Avaliando os parâmetros <strong>de</strong>ntro <strong>de</strong> um sistema <strong>de</strong><br />
duas equações, algumas questões <strong>de</strong> i<strong>de</strong>ntificação são clarifica<strong>da</strong>s e a estimação<br />
conjunta dos parâmetros leva a uma estimação simples e estimadores mais<br />
eficientes. WOOLDRIDGE (2009) propõe para futuras pesquisas a extensão <strong>da</strong><br />
abor<strong>da</strong>gem estrutural <strong>de</strong> L&P/O&P com mo<strong>de</strong>los que permitam efeitos não<br />
observados por firma, como em BLUNDELL e BOND (2000), embora reconheça que<br />
a estimação <strong>de</strong> tais mo<strong>de</strong>los quando os insumos não fossem estritamente exógenos<br />
seria um <strong>de</strong>safio.<br />
MUENDLER (2004a) trata <strong>de</strong> estimativas <strong>de</strong> funções <strong>de</strong> produção quando a<br />
mu<strong>da</strong>nça na produtivi<strong>da</strong><strong>de</strong> é endógena. Ele apresenta um mo<strong>de</strong>lo no qual o efeito<br />
não tratado <strong>de</strong>corre <strong>de</strong> respostas <strong>da</strong> eficiência planeja<strong>da</strong> <strong>da</strong>s empresas e, numa<br />
extensão do mo<strong>de</strong>lo <strong>de</strong> OLLEY e PAKES (1996), <strong>de</strong>fen<strong>de</strong> que o investimento é uma<br />
proxy apropria<strong>da</strong> para produtivi<strong>da</strong><strong>de</strong>, <strong>de</strong>s<strong>de</strong> que interagindo com uma variável <strong>de</strong><br />
33
competição no setor, tal como penetração no mercado estrangeiro. Tal procedimento<br />
parece ser bem sucedido em eliminar o viés <strong>de</strong> sobrevivência e o viés <strong>de</strong><br />
transmissão. Ain<strong>da</strong> persiste o viés <strong>de</strong> preços omitidos, que se origina do fato <strong>de</strong> que<br />
o preço não é observado nas receitas, mas endógeno. Sob competição imperfeita,<br />
os fatores do lado <strong>da</strong> <strong>de</strong>man<strong>da</strong> reduzem os coeficientes <strong>da</strong> função <strong>de</strong> produção e<br />
geram economias <strong>de</strong> escala subestima<strong>da</strong>s.<br />
ORNAGHI (2006) discute em que extensão estimativas baixas para retornos <strong>de</strong><br />
escala, <strong>de</strong>vi<strong>da</strong>s a parâmetros <strong>da</strong> função <strong>de</strong> produção obti<strong>da</strong> através <strong>de</strong> estimadores<br />
GMM, po<strong>de</strong>m ser atribuí<strong>da</strong>s a erros <strong>de</strong> medi<strong>da</strong>, em especial ao uso <strong>de</strong> <strong>de</strong>flatores <strong>de</strong><br />
preços comuns entre firmas. O autor utiliza o método GMM em primeiras diferenças<br />
<strong>de</strong>fasa<strong>da</strong>s em dois conjuntos <strong>de</strong> <strong>da</strong>dos, um com preços específicos por firma e outro<br />
com <strong>de</strong>flatores por setor. Ele conclui que gran<strong>de</strong>s melhorias nos parâmetros po<strong>de</strong>m<br />
ser obti<strong>da</strong>s através <strong>de</strong> uma construção mais cui<strong>da</strong>dosa <strong>da</strong>s variáveis (<strong>de</strong>pen<strong>de</strong>ntes<br />
e in<strong>de</strong>pen<strong>de</strong>ntes) sem, no entanto, abrir mão do refinamento <strong>da</strong>s técnicas<br />
econométricas.<br />
FELIPE et al. (2008) argumentam que o viés <strong>de</strong> endogenei<strong>da</strong><strong>de</strong> que aparece<br />
quando se estima funções <strong>de</strong> produção usando <strong>da</strong>dos financeiros é resultado do<br />
viés <strong>de</strong> variáveis omiti<strong>da</strong>s <strong>de</strong>vido à pobre aproximação <strong>da</strong> i<strong>de</strong>nti<strong>da</strong><strong>de</strong> contábil com<br />
as quanti<strong>da</strong><strong>de</strong>s físicas. Em virtu<strong>de</strong> <strong>de</strong>ste argumento, os autores questionam a<br />
tentativa <strong>de</strong> resolver tal problema pelo <strong>de</strong>senvolvimento <strong>de</strong> novos estimadores. Eles<br />
<strong>de</strong>fen<strong>de</strong>m que to<strong>da</strong>s as variáveis que entram no mo<strong>de</strong>lo sejam medi<strong>da</strong>s em<br />
quanti<strong>da</strong><strong>de</strong>s físicas. Embora exista também uma i<strong>de</strong>nti<strong>da</strong><strong>de</strong> contábil para valor<br />
adicionado, os <strong>da</strong>dos físicos po<strong>de</strong>m ser obtidos a partir <strong>da</strong> i<strong>de</strong>nti<strong>da</strong><strong>de</strong>. Os autores<br />
reconhecem a escassez <strong>de</strong> <strong>da</strong>dos <strong>de</strong> quanti<strong>da</strong><strong>de</strong>s físicas, encontrando estudos com<br />
tal abor<strong>da</strong>gem apenas na área <strong>de</strong> economia agrícola. Em análises <strong>de</strong> simulação os<br />
34
autores encontraram substancial diferença entre a taxa <strong>de</strong> crescimento <strong>da</strong><br />
produtivi<strong>da</strong><strong>de</strong> total dos fatores usando quanti<strong>da</strong><strong>de</strong>s físicas e aquela encontra<strong>da</strong> a<br />
partir dos <strong>da</strong>dos monetários. Os autores reconhecem que o uso <strong>de</strong> quanti<strong>da</strong><strong>de</strong>s<br />
físicas não elimina os problemas com relação a lacunas <strong>de</strong> especificação ou<br />
mu<strong>da</strong>nça técnica, mas reforçam que mais esforços <strong>de</strong>veriam ser gastos em coletar<br />
tais quanti<strong>da</strong><strong>de</strong>s do que em encontrar novos métodos <strong>de</strong> estimação.<br />
DORASZELSKI e JAUMANDREU (2007) <strong>de</strong>senvolveram um estimador para funções<br />
<strong>de</strong> produção que permite recuperar a produtivi<strong>da</strong><strong>de</strong> e seu relacionamento com a<br />
P&D <strong>da</strong> firma. Eles exploram o fato <strong>de</strong> que <strong>de</strong>cisões sobre insumos, tais como<br />
trabalho e matéria-prima, são baseados na produtivi<strong>da</strong><strong>de</strong> corrente. Os autores<br />
propõem um mo<strong>de</strong>lo dinâmico a partir <strong>de</strong> uma extensão do mo<strong>de</strong>lo <strong>de</strong> capital <strong>de</strong><br />
conhecimento <strong>de</strong> GRILICHES (1979), relaxando as suposições sobre o processo <strong>de</strong><br />
P&D e examinando o impacto do investimento em conhecimento na produtivi<strong>da</strong><strong>de</strong><br />
<strong>da</strong>s firmas. DORASZELSKI e JAUMANDREU (2007) mostram que a ligação entre<br />
P&D e produtivi<strong>da</strong><strong>de</strong> está sujeita a um alto grau <strong>de</strong> incerteza, não lineari<strong>da</strong><strong>de</strong> e<br />
heterogenei<strong>da</strong><strong>de</strong>. Eles também i<strong>de</strong>ntificaram que a P&D é o maior <strong>de</strong>terminante <strong>da</strong>s<br />
diferenças <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> entre as firmas e <strong>da</strong> evolução <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> <strong>de</strong> ca<strong>da</strong><br />
firma ao longo do tempo. Os autores também argumentam que a gran<strong>de</strong> diferença<br />
entre as taxas <strong>de</strong> retorno <strong>de</strong> P&D e o investimento em capital físico sugere que tais<br />
incertezas são economicamente significantes e importam para as <strong>de</strong>cisões <strong>de</strong><br />
investimentos <strong>da</strong>s firmas.<br />
MUENDLER (2004b) analisa os efeitos <strong>da</strong> redução <strong>de</strong> barreiras ao comércio exterior<br />
sobre a produtivi<strong>da</strong><strong>de</strong> <strong>de</strong> empresas brasileiras. O autor i<strong>de</strong>ntifica três canais em que<br />
a liberalização do comércio po<strong>de</strong> atuar sobre a produtivi<strong>da</strong><strong>de</strong>: (1) a competição<br />
estrangeira po<strong>de</strong> induzir os empresários a inovar em processos e produtos (2)<br />
35
acesso mais fácil a equipamentos e insumos estrangeiros; e (3) competição po<strong>de</strong><br />
induzir a saí<strong>da</strong> <strong>de</strong> firmas menos competitivas. O autor faz uma extensão <strong>da</strong> função<br />
<strong>de</strong> Cobb-Douglas para levar em consi<strong>de</strong>ração a participação <strong>de</strong> equipamentos e<br />
insumos importados na função <strong>de</strong> produção. As medi<strong>da</strong>s <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> são<br />
calcula<strong>da</strong>s por três meios: um índice com a intensi<strong>da</strong><strong>de</strong> <strong>de</strong> bens <strong>de</strong> capital assumi<strong>da</strong><br />
<strong>de</strong> um terço (GRILICHES e MAIRESSE, 1990), um índice a partir <strong>de</strong> estimativas<br />
MQO e um índice a partir do algoritmo <strong>de</strong> OLLEY e PAKES (1996) estendido<br />
(MUENDLER 2004a). Segundo o autor, o canal (1) provou ser uma notável fonte <strong>de</strong><br />
mu<strong>da</strong>nça na produtivi<strong>da</strong><strong>de</strong>, mesmo controlando a endogenei<strong>da</strong><strong>de</strong> pela penetração<br />
no mercado externo e tarifas. O canal (2) mostrou-se relativamente fraco, explicado<br />
pela pequena diferença <strong>de</strong> eficiência entre insumos nacionais e importados, e pela<br />
curva <strong>de</strong> aprendizagem, complementari<strong>da</strong><strong>de</strong>s <strong>de</strong> fatores e rearranjos na produção<br />
requeridos pelas novas tecnologias. Já o canal (3) mostrou efeitos dúbios: é certo<br />
que a probabili<strong>da</strong><strong>de</strong> <strong>de</strong> sobrevivência cai e que as firmas <strong>de</strong> baixa eficiência saem<br />
do negócio, mas, numa estimação contrafatual, as firmas elimina<strong>da</strong>s são pequenas,<br />
o que causa pouco efeito sobre a produtivi<strong>da</strong><strong>de</strong> agrega<strong>da</strong>. Este efeito, no entanto,<br />
causa realocações: firmas mais competitivas ganham mercado, economias menos<br />
<strong>de</strong>senvolvi<strong>da</strong>s po<strong>de</strong>m se especializar em setores <strong>de</strong> baixo crescimento e,<br />
finalmente, o aumento <strong>de</strong> custos po<strong>de</strong> absorver os ganhos obtidos.<br />
Esta breve revisão dos métodos <strong>de</strong> estimação <strong>de</strong> funções <strong>de</strong> produção serve para<br />
ilustrar que esta é ain<strong>da</strong> é uma linha <strong>de</strong> pesquisa em aberto. Não se consegue<br />
divisar até o momento qualquer método que seja realmente superior ou<br />
inquestionável. As questões em aberto vão <strong>de</strong>s<strong>de</strong> a forma funcional, os processos<br />
geradores dos <strong>da</strong>dos até chegar ao método <strong>de</strong> estimação propriamente dito. O<br />
presente trabalho se concentrará nesta última questão.<br />
36
Este trabalho não tem a pretensão <strong>de</strong> estabelecer qual método seja o melhor, sob<br />
quaisquer circunstancias. O foco <strong>de</strong>ste trabalho é exatamente <strong>de</strong>ixar claro que os<br />
métodos apresentam diferentes respostas quando aplicados a diferentes conjuntos<br />
<strong>de</strong> <strong>da</strong>dos. Especificamente, se preten<strong>de</strong> mostrar que, quando aplicados a setores <strong>de</strong><br />
diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas, os métodos po<strong>de</strong>m divergir significativamente.<br />
37
4 DOS DADOS, DO ESPAÇO E DAS ESTATÍSTICAS DESCRITIVAS.<br />
As questões que motivam este trabalho encontrariam maior dificul<strong>da</strong><strong>de</strong> em ser<br />
respondi<strong>da</strong>s se não houvesse o oportuno livro organizado por DE NEGRI e<br />
SALERNO (2005): Inovações, Padrões Tecnológicos e Desempenho <strong>da</strong>s Firmas<br />
Industriais Brasileiras, publicado pelo IPEA. Nesse trabalho os pesquisadores do<br />
IPEA traçaram o mais completo e amplo estudo já realizado sobre a inovação<br />
tecnológica na indústria nacional. Uma <strong>da</strong>s principais contribuições <strong>de</strong>sse trabalho é<br />
a forma inovadora como se construiu a base <strong>de</strong> <strong>da</strong>dos para a pesquisa. Vários<br />
trabalhos anteriores, por terem em mente questões específicas, se limitavam a<br />
trabalhar com uma fonte <strong>de</strong> <strong>da</strong>dos, quiçá cruzando com mais uma ou duas fontes,<br />
pois o trabalho <strong>de</strong> agregação <strong>de</strong>stas bases é por si só um fenomenal esforço <strong>de</strong><br />
pesquisa. Pois o IPEA foi além: i<strong>de</strong>ntificou to<strong>da</strong>s as bases <strong>de</strong> <strong>da</strong>dos oficiais que<br />
continham informações sobre as empresas industriais brasileiras, que envolviam<br />
diferentes fontes, <strong>de</strong>senvolveu metodologias próprias e realizou um conjunto <strong>de</strong><br />
testes estatísticos que possibilita o tratamento conjunto dos micro<strong>da</strong>dos <strong>da</strong>s bases<br />
integra<strong>da</strong>s. Este trabalho só foi possível <strong>de</strong>vido às parcerias estabeleci<strong>da</strong>s entre o<br />
IPEA, o IBGE, o MTE, o BACEN, o MPOG e a SECEX/MDIC.<br />
38
4.1 Da base <strong>de</strong> <strong>da</strong>dos<br />
O presente trabalho tem como pilar duas bases <strong>de</strong> <strong>da</strong>dos manti<strong>da</strong>s pelo IBGE. São<br />
elas a Pesquisa Industrial Anual – Empresa (PIA-Empresa) e a Pesquisa Industrial<br />
<strong>de</strong> Inovação Tecnológica (PINTEC). A PIA-Empresa, referencia<strong>da</strong> no restante <strong>de</strong>ste<br />
trabalho apenas como PIA, reúne informações econômico-financeiras que permitem<br />
perceber as características estruturais básicas do segmento empresarial <strong>da</strong>s<br />
indústrias no país, assim como acompanhar sua evolução ao longo do tempo. Já a<br />
PINTEC tem por objetivo coletar e disponibilizar informações <strong>da</strong>s ativi<strong>da</strong><strong>de</strong>s <strong>de</strong><br />
inovação tecnológica <strong>da</strong>s empresas brasileiras com 10 ou mais pessoas ocupa<strong>da</strong>s,<br />
tendo como universo <strong>de</strong> investigação, além <strong>da</strong>s ativi<strong>da</strong><strong>de</strong>s industriais, a partir <strong>de</strong><br />
2005 os setores <strong>de</strong> telecomunicações, informática e pesquisa e <strong>de</strong>senvolvimento,<br />
sabi<strong>da</strong>mente <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
Às bases disponíveis no próprio IBGE foram agrega<strong>da</strong>s as seguintes bases: Relação<br />
Anual <strong>de</strong> Informações Sociais (RAIS) do Ministério do Trabalho e Emprego,<br />
Secretaria <strong>de</strong> Comércio Exterior (SECEX) do Ministério do Desenvolvimento,<br />
Indústria e Comércio Exterior (MDIC), Censo do Capital Estrangeiro (CEB) e<br />
Registro <strong>de</strong> Capitais Brasileiros no Exterior (CBE) do Banco Central do Brasil<br />
(Bacen).<br />
DE NEGRI et al. (2005) <strong>de</strong>screvem em <strong>de</strong>talhes a montagem <strong>de</strong>ssa base <strong>de</strong> <strong>da</strong>dos.<br />
Nessa base original as informações tinham periodici<strong>da</strong><strong>de</strong> anual e compreendiam o<br />
período <strong>de</strong> sete anos: 1996-2002. A base utiliza<strong>da</strong> para esta dissertação já havia<br />
sido estendi<strong>da</strong> até 2005. A esta base foram agrega<strong>da</strong>s as informações <strong>de</strong> estoque<br />
<strong>de</strong> capital e i<strong>da</strong><strong>de</strong> <strong>da</strong> firma, imprescindíveis para este trabalho.<br />
39
O estoque <strong>de</strong> capital <strong>da</strong> firma, indispensável em quase todos os mo<strong>de</strong>los <strong>de</strong><br />
estimação <strong>de</strong> funções <strong>de</strong> produção, não era alvo <strong>de</strong> investigação pela PIA até 2000,<br />
e não há segurança com relação aos <strong>da</strong>dos pelo menos até 2002. Essa lacuna foi<br />
preenchi<strong>da</strong> por meio do trabalho <strong>de</strong> ALVES e SILVA (2008). Nesse trabalho os<br />
autores se valem do estoque <strong>de</strong> capital setorial em 1995, fornecido pela metodologia<br />
anterior <strong>da</strong> PIA, distribuindo-o entre as firmas proporcionalmente ao seu número <strong>de</strong><br />
funcionários. A partir <strong>de</strong>ste estoque inicial os autores preencheram os anos<br />
seguintes <strong>de</strong>flacionando o estoque <strong>de</strong> capital, acrescentando as variações líqui<strong>da</strong>s<br />
(investimentos mais melhorias menos <strong>de</strong>preciação). Havia ain<strong>da</strong> a preocupação com<br />
o excessivo número <strong>de</strong> missing values, que foram corrigidos pelo procedimento <strong>de</strong><br />
imputação <strong>de</strong> <strong>da</strong>dos, uma vez que foi constatado o comportamento aleatório na<br />
ausência <strong>de</strong> respostas.<br />
A i<strong>da</strong><strong>de</strong> <strong>da</strong>s firmas, outra informação importante para as estimações que se<br />
seguirão, foi incorpora<strong>da</strong> a partir do trabalho <strong>de</strong> COSTA et al. (2006). Os autores<br />
propõem uma proxy para a i<strong>da</strong><strong>de</strong> <strong>da</strong> firma utilizando amostragem complexa,<br />
sugerindo a utilização do tempo <strong>de</strong> emprego máximo <strong>de</strong>ntro <strong>de</strong> uma empresa como<br />
estimativa para a i<strong>da</strong><strong>de</strong> <strong>da</strong> firma. Eles testaram sua hipótese através <strong>de</strong> um plano<br />
amostral estratificado em comparação com a i<strong>da</strong><strong>de</strong> real <strong>da</strong>s empresas coleta<strong>da</strong>s via<br />
Internet. O setor <strong>de</strong> construção civil foi o que apresentou os piores resultados para a<br />
utilização <strong>da</strong> proxy. Agropecuários e comércio apresentaram resultados um pouco<br />
melhores, e os setores <strong>da</strong> indústria, governo e serviços apresentaram resultados<br />
satisfatórios. Para os autores os resultados sugerem um forte potencial <strong>de</strong> utilização<br />
<strong>da</strong> informação do tempo máximo <strong>de</strong> emprego para a imputação estatística <strong>da</strong> i<strong>da</strong><strong>de</strong><br />
real <strong>da</strong> firma.<br />
40
4.2 Do espaço <strong>de</strong> pesquisa<br />
De posse <strong>de</strong> tão expressiva e volumosa base <strong>de</strong> <strong>da</strong>dos, convinha então <strong>de</strong>limitar o<br />
espaço <strong>de</strong> pesquisa que se pretendia utilizar. Como o objetivo principal <strong>da</strong> pesquisa<br />
é comparar métodos <strong>de</strong> estimação <strong>de</strong> funções <strong>de</strong> produção e verificar sua<br />
a<strong>de</strong>quação conforme a intensi<strong>da</strong><strong>de</strong> tecnológica do setor industrial, os setores<br />
econômicos serão organizados em dois conjuntos <strong>de</strong> setores <strong>de</strong> diferentes<br />
intensi<strong>da</strong><strong>de</strong>s tecnológicas.<br />
A classificação dos setores quanto a sua intensi<strong>da</strong><strong>de</strong> tecnológica (MARKWALD,<br />
2004) obe<strong>de</strong>ce à metodologia <strong>da</strong> OCDE (Organização para Cooperação e<br />
Desenvolvimento Econômico), que em 1984 <strong>de</strong>senvolveu uma classificação<br />
basea<strong>da</strong> num indicador direto <strong>de</strong> intensi<strong>da</strong><strong>de</strong> tecnológica, qual seja, a relação entre<br />
<strong>de</strong>spesas em P&D e faturamento. Tal indicador era a<strong>de</strong>qua<strong>da</strong>mente pon<strong>de</strong>rado por<br />
setor industrial e por país, possibilitando a classificação dos diferentes segmentos<br />
em três categorias: alta, média e baixa intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
A OCDE atualizou a classificação em meados <strong>da</strong> déca<strong>da</strong> <strong>de</strong> 1990, incluindo um<br />
indicador indireto <strong>de</strong> intensi<strong>da</strong><strong>de</strong> tecnológica. Este indicador indireto foi estimado<br />
com base na tecnologia incorpora<strong>da</strong> nos bens <strong>de</strong> capital e intermediários utilizados<br />
nos diferentes setores industriais. Tais indicadores, direto e indireto, <strong>de</strong>notam os<br />
setores tanto como produtores como consumidores <strong>de</strong> alta tecnologia. Os<br />
indicadores utilizados pela OCDE foram: gastos <strong>de</strong> P&D divididos pelo valor<br />
adicionado, gastos <strong>de</strong> P&D divididos pela produção e gastos <strong>de</strong> P&D mais<br />
tecnologia incorpora<strong>da</strong> em bens <strong>de</strong> capital e intermediários divididos pela produção.<br />
Os indicadores mostraram-se altamente correlacionados: ou seja, indústrias que<br />
41
investem gran<strong>de</strong> parcela <strong>de</strong> seu faturamento em <strong>de</strong>spesas em P&D também utilizam<br />
insumos e equipamentos tecnologicamente mais sofisticados.<br />
A nova classificação, com base em indicadores <strong>de</strong> intensi<strong>da</strong><strong>de</strong> tecnológica para 22<br />
setores industriais <strong>de</strong> 10 países ao longo do período 1980/1992, acabou por<br />
discriminar os setores em quatro categorias: alta tecnologia, média-alta tecnologia,<br />
média-baixa tecnologia e baixa tecnologia. Em 1997, a OCDE aprimorou a<br />
classificação anterior, complementando o enfoque setorial conforme apresentado em<br />
HATZICHRONOGLOU (1997).<br />
Os dois conjuntos <strong>de</strong> setores que serão cotejados nesta dissertação foram assim<br />
selecionados: quatro setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica e outros quatro setores<br />
<strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. A i<strong>de</strong>ntificação dos setores obe<strong>de</strong>ce a<br />
classificação CNAE a dois dígitos e a escolha dos setores que comporiam ca<strong>da</strong> um<br />
dos conjuntos levou em consi<strong>de</strong>ração a classificação quanto à intensi<strong>da</strong><strong>de</strong><br />
tecnológica apresenta<strong>da</strong> na tabela 1 do ANEXO A, extraí<strong>da</strong> <strong>de</strong> IBGE (2005b). Entre<br />
os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica presentes na referi<strong>da</strong> tabela foram<br />
escolhidos aqueles que apresentaram os maiores níveis <strong>de</strong> investimento médio por<br />
empresas e os maiores níveis <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> do trabalho. Exceção feita ao setor<br />
<strong>de</strong> Refino <strong>de</strong> Petróleo, que, por apresentar números muito díspares dos <strong>de</strong>mais<br />
setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica, foi excluído para não distorcer a análise. Na<br />
tabela 1 são apresentados os setores selecionados.<br />
Tabela 1 – Setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
CNAE<br />
(2 dígitos)<br />
Descrição<br />
30 Máquinas para escritório e equipamentos <strong>de</strong> informática<br />
32 Material eletrônico e <strong>de</strong> aparelhos e equipamentos <strong>de</strong> comunicações<br />
34 Veículos automotores, reboques e carrocerias<br />
35 Outros equipamentos <strong>de</strong> transporte<br />
Fonte: PIA(2003)-IBGE<br />
42
Tabela 2 – Setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
CNAE<br />
(2 dígitos)<br />
Descrição<br />
17 Produtos têxteis<br />
18 Confecção <strong>de</strong> artigos do vestuário e acessórios<br />
20 Produtos <strong>de</strong> ma<strong>de</strong>ira<br />
36 Artigos do mobiliário<br />
Fonte: PIA(2003)-IBGE<br />
Na tabela 2 são apresentados os setores escolhidos para compor o conjunto <strong>de</strong><br />
setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. Neste caso foram escolhidos aqueles que<br />
apresentaram os menores níveis <strong>de</strong> investimento médio e <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> do<br />
trabalho.<br />
São apresentados a seguir, para os setores selecionados, os indicadores <strong>de</strong>scritos<br />
pela OCDE. Os resultados observados para as empresas brasileiras não permitem<br />
ver muito niti<strong>da</strong>mente a discriminação entre setores <strong>de</strong> alta e baixa intensi<strong>da</strong><strong>de</strong><br />
tecnológica, o que po<strong>de</strong> ser resultado <strong>de</strong> duas distorções. A primeira é o nível<br />
generalizado <strong>de</strong> baixo investimento em pesquisa e <strong>de</strong>senvolvimento no país. Mesmo<br />
as empresas dos setores consi<strong>de</strong>rados <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica não investem<br />
muito em P&D, na maioria <strong>da</strong>s vezes licenciando processos e produtos já<br />
<strong>de</strong>senvolvidos lá fora para produzir internamente. A segun<strong>da</strong> distorção se <strong>de</strong>ve ao<br />
fato <strong>de</strong> que os setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica estavam tão atrasados, que<br />
para enfrentar a concorrência internacional, principalmente <strong>de</strong> China e Índia, tiveram<br />
que se mo<strong>de</strong>rnizar, principalmente via aquisição <strong>de</strong> novas máquinas e<br />
equipamentos.<br />
Tabela 3 – Gastos Totais <strong>de</strong> P&D sobre Valor <strong>da</strong> Transformação Industrial (%).<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
ano 17 18 20 36 30 32 34 35<br />
2000 0,0240% 0,0184% 0,0444% 0,0382% 0,0151% 0,0381% 0,0530% 0,0407%<br />
2003 0,1183% 0,1877% 0,0737% 0,1553% 0,0826% 0,1319% 0,1820% 0,7158%<br />
2005 0,0990% 0,1719% 0,1178% 0,1905% 0,0904% 0,1374% 0,1774% 0,2823%<br />
Fonte: PINTEC-IBGE<br />
43
A tabela 3, na página anterior, mostra a relação entre os Gastos Totais em P&D,<br />
aquisições aí incluí<strong>da</strong>s, com o Valor <strong>da</strong> Transformação Industrial. Observando as<br />
médias dos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica contra aquelas dos setores <strong>de</strong><br />
alta intensi<strong>da</strong><strong>de</strong>, as diferenças são muito pequenas. As exceções são os valores<br />
observados no ano <strong>de</strong> 2003, on<strong>de</strong> os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> gastam mais <strong>de</strong><br />
duas vezes a mais em P&D. O <strong>de</strong>staque nesse indicador é o setor 35 – Outros<br />
equipamentos <strong>de</strong> transporte, que gastou quase quatro vezes mais que o segundo<br />
colocado nesse quesito<br />
Quando a relação entre os Gastos Totais em P&D é feita contra o Valor Bruto <strong>da</strong><br />
Produção Industrial, como se po<strong>de</strong> ver na tabela 4, a diferença se torna mais<br />
perceptível. Referindo-nos novamente ao ano <strong>de</strong> 2003 a diferença chega a 134% em<br />
favor dos setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong>. No ano <strong>de</strong> 2000 a diferença chega a mais <strong>de</strong><br />
46% também em favor dos setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. O <strong>de</strong>staque<br />
novamente é para o setor 35, com gastos em P&D em relação ao VBPI quase sete<br />
vezes a média do próprio setor em 2003, e mais <strong>de</strong> duas vezes e meia em 2005.<br />
Na tabela 5, na próxima página, po<strong>de</strong>-se perceber bem o efeito <strong>da</strong>s distorções<br />
alega<strong>da</strong>s. Nela são apresentados os Gastos em Aquisição <strong>de</strong> Máquinas e<br />
Equipamentos sobre o Valor Bruto <strong>da</strong> Produção Industrial. Percebe-se claramente<br />
que quem mais investiu na aquisição <strong>de</strong> máquinas e equipamentos em 2003 e 2005,<br />
proporcionalmente à produção, foi o setor 17 – Produtos Têxteis.<br />
Tabela 4 – Gastos Totais <strong>de</strong> P&D sobre Valor Bruto <strong>da</strong> Produção Industrial(%).<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
ano 17 18 20 36 30 32 34 35<br />
2000 0,0038% 0,0021% 0,0059% 0,0038% 0,0027% 0,0055% 0,0085% 0,0061%<br />
2003 0,0149% 0,0251% 0,0110% 0,0162% 0,0137% 0,0150% 0,0197% 0,1086%<br />
2005 0,0161% 0,0230% 0,0168% 0,0204% 0,0132% 0,0155% 0,0185% 0,0416%<br />
Fonte: PINTEC-IBGE<br />
44
Tabela 5 – Gastos em Aquisição <strong>de</strong> Máquinas e Equipamentos sobre Valor Bruto <strong>da</strong><br />
Produção Industrial (%).<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
ano 17 18 20 36 30 32 34 35<br />
2000 0,0028% 0,0013% 0,0047% 0,0022% 0,0003% 0,0018% 0,0037% 0,0015%<br />
2003 0,0073% 0,0029% 0,0044% 0,0042% 0,0008% 0,0035% 0,0056% 0,0044%<br />
2005 0,0073% 0,0034% 0,0046% 0,0032% 0,0014% 0,0015% 0,0043% 0,0049%<br />
Fonte: PINTEC-IBGE<br />
O setor 20 – Produtos <strong>de</strong> ma<strong>de</strong>ira – também teve um <strong>de</strong>sempenho<br />
consistentemente superior aos <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. Comparando a<br />
tabela 4 com a tabela 5 é possível verificar que boa parte dos Gastos Totais em P&D<br />
nos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica são absorvidos pela aquisição <strong>de</strong><br />
máquinas e equipamentos com alguma tecnologia incorpora<strong>da</strong>.<br />
FURTADO e CARVALHO (2005) discutem em <strong>de</strong>talhes essa discrepância. Os<br />
autores observam que há padrões diferenciados <strong>de</strong> esforços tecnológicos entre<br />
países <strong>de</strong>senvolvidos e em <strong>de</strong>senvolvimento. Furtado e Carvalho concluem que as<br />
diferenças são mais acentua<strong>da</strong>s em setores <strong>de</strong> média e alta intensi<strong>da</strong><strong>de</strong> tecnológica,<br />
po<strong>de</strong>ndo ser atribuí<strong>da</strong>s à especiali<strong>da</strong><strong>de</strong> produtiva. Nos países <strong>de</strong>senvolvidos tais<br />
setores comportam indústrias sóli<strong>da</strong>s que se apóiam em importantes grupos locais.<br />
Já nos países em <strong>de</strong>senvolvimento a indústria local é menos forte, com<br />
predominância <strong>de</strong> filiais <strong>de</strong> empresas multinacionais. Conforme apontado pelos<br />
autores, e observado nas tabelas acima, o padrão mais homogêneo <strong>de</strong> esforço<br />
tecnológico torna a classificação <strong>da</strong> OCDE pouco significativa para países em<br />
<strong>de</strong>senvolvimento.<br />
Por fim, Furtado e Carvalho propõem uma classificação dos setores <strong>de</strong> acordo com<br />
sua intensi<strong>da</strong><strong>de</strong> em P&D útil para i<strong>de</strong>ntificar fatores críticos que explicam a diferença<br />
entre os padrões setoriais dos países <strong>de</strong>senvolvidos e em <strong>de</strong>senvolvimento. Tais<br />
45
fatores são: origem do capital, o conteúdo <strong>de</strong> produção local, conteúdo<br />
codificado/tácito <strong>da</strong> tecnologia e políticas públicas. O esforço <strong>de</strong> Furtado e Carvalho<br />
é louvável, mas <strong>da</strong><strong>da</strong> a necessi<strong>da</strong><strong>de</strong> <strong>de</strong>ste trabalho dialogar com outros trabalhos,<br />
será segui<strong>da</strong> a classificação ofereci<strong>da</strong> pelo IBGE (IBGE, 2005b).<br />
46
4.3 Das estatísticas <strong>de</strong>scritivas<br />
Escolhidos os setores, o próximo passo é <strong>de</strong>limitar o horizonte <strong>de</strong> pesquisa. O<br />
pesquisador sempre almeja as séries mais longas possíveis, que propiciem robustez<br />
às estimativas feitas. No caso <strong>de</strong>ste trabalho a maioria <strong>da</strong>s bases apresenta séries<br />
<strong>de</strong> 10 anos, <strong>de</strong> 1996 a 2005. Quando os estudos envolverem a PINTEC, o horizonte<br />
é consi<strong>de</strong>ravelmente mais curto. Até o momento só foram divulga<strong>da</strong>s as PINTEC´s<br />
<strong>de</strong> 2000, 2003 e 2005, portanto apenas três observações.<br />
A seguir serão apresenta<strong>da</strong>s algumas estatísticas <strong>de</strong>scritivas a cerca dos setores<br />
selecionados. O primeiro <strong>da</strong>do que é fun<strong>da</strong>mental para as análises que se seguirão<br />
é o número <strong>de</strong> empresas em ca<strong>da</strong> setor. Ele dá a dimensão cross-section do painel<br />
que será utilizado. O que se po<strong>de</strong> observar apenas por inspeção <strong>da</strong> tabela 6 é que o<br />
número <strong>de</strong> empresas em setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica é visivelmente<br />
maior que o número em setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. Percebe-se também<br />
que, ao longo <strong>de</strong> uma déca<strong>da</strong>, o número <strong>de</strong> empresas tem crescido constantemente,<br />
a menos <strong>de</strong> uma pequena oscilação em 2002.<br />
Tabela 6 – Número <strong>de</strong> empresas por setores industriais.<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
17 18 20 36 30 32 34 35<br />
1996 1521 2637 1470 2041 122 365 1089 319<br />
1997 1636 2853 1601 2201 137 405 1145 345<br />
1998 1465 2804 1575 2209 118 349 1097 310<br />
1999 1490 3017 1615 2216 126 379 1097 329<br />
2000 1688 3334 1892 2300 153 430 1136 372<br />
2001 1777 3520 1941 2346 165 452 1176 386<br />
2002 1722 3619 1859 2358 162 454 1145 414<br />
2003 1801 3858 1975 2513 171 461 1239 446<br />
2004 1927 3904 2028 2407 167 465 1288 454<br />
2005 2078 4396 2238 2619 202 523 1419 601<br />
Fonte: PIA-IBGE<br />
47
Na tabela 7 são apresenta<strong>da</strong>s as médias <strong>da</strong> Receita Líqui<strong>da</strong> <strong>de</strong> Ven<strong>da</strong>s, e seus<br />
respectivos <strong>de</strong>svios-padrão, para os setores industriais selecionados para a déca<strong>da</strong><br />
<strong>de</strong> 1996 a 2005. Percebe-se claramente que as receitas médias <strong>de</strong> ven<strong>da</strong>s dos<br />
setores <strong>de</strong> maior intensi<strong>da</strong><strong>de</strong> tecnológica são bem mais expressivas que as dos<br />
setores <strong>de</strong> menor intensi<strong>da</strong><strong>de</strong> tecnológica. Falando em termos médios essa<br />
diferença varia <strong>de</strong> 9 a 17 vezes, entre 1996 e 2005. Isso porque os setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong> tecnológica tiveram crescimento acelerado <strong>da</strong> receita líqui<strong>da</strong> <strong>de</strong> ven<strong>da</strong>s<br />
na déca<strong>da</strong> analisa<strong>da</strong>, com <strong>de</strong>staque para os setores 30 – Máquinas para escritório e<br />
equipamentos <strong>de</strong> informática e 35 – Outros equipamentos <strong>de</strong> transporte, que tiveram<br />
suas receitas aumenta<strong>da</strong>s <strong>de</strong> 505% e 450%, respectivamente. Tal crescimento <strong>da</strong>s<br />
médias foi acompanhado linearmente pelo crescimento dos <strong>de</strong>svios-padrão.<br />
Tabela 7 – Médias <strong>da</strong>s receitas líqui<strong>da</strong>s <strong>de</strong> ven<strong>da</strong>s e respectivos <strong>de</strong>svios-padrão por<br />
1996<br />
1997<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
2004<br />
2005<br />
Fonte: PIA-IBGE.<br />
setores industriais (R$ 1.000).<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
17 18 20 36 30 32 34 35<br />
2.710<br />
(22.499) 1<br />
3.295<br />
(20.966)<br />
2.818<br />
(24.786)<br />
4.013<br />
(32.486)<br />
3.925<br />
(33.846)<br />
3.943<br />
(40.786)<br />
4.116<br />
(48.369)<br />
4.897<br />
(54.326)<br />
4.868<br />
(58.581)<br />
4.531<br />
(52.028)<br />
612<br />
(9.474)<br />
619<br />
(9.435)<br />
649<br />
(10.338)<br />
653<br />
(11.828)<br />
659<br />
(11.492)<br />
644<br />
(11.347)<br />
634<br />
(11.196)<br />
664<br />
(11.613)<br />
725<br />
(12.896)<br />
885<br />
(13.259)<br />
621<br />
(7.132)<br />
719<br />
(7.285)<br />
596<br />
(7.533)<br />
801<br />
(10.929)<br />
758<br />
(11.079)<br />
912<br />
(13.942)<br />
1.166<br />
(17.792)<br />
1.736<br />
(27.273)<br />
1.971<br />
(34.268)<br />
1.973<br />
(33.751)<br />
837<br />
(9.758)<br />
911<br />
(10.704)<br />
928<br />
(11.459)<br />
999<br />
(13.640)<br />
1.156<br />
(17.190)<br />
1.229<br />
(18.147)<br />
1.336<br />
(19.842)<br />
1.322<br />
(16.635)<br />
1.613<br />
(23.014)<br />
1.525<br />
(21.933)<br />
6.309<br />
(39.545)<br />
12.639<br />
(77.885)<br />
12.733<br />
(73.247)<br />
18.591<br />
(103.033)<br />
39.379<br />
(229.060)<br />
36.050<br />
(209.963)<br />
29.403<br />
(170.047)<br />
26.214<br />
(174.872)<br />
30.480<br />
(173.238)<br />
38.150<br />
(179.343)<br />
17.396<br />
(134.079)<br />
19.145<br />
(147.369)<br />
17.878<br />
(157.458)<br />
23.379<br />
(224.569)<br />
31.422<br />
(245.937)<br />
35.119<br />
(268.550)<br />
28.829<br />
(259.277)<br />
28.539<br />
(292.199)<br />
40.215<br />
(367.818)<br />
41.937<br />
(379.249)<br />
14.945<br />
(333.994)<br />
17.740<br />
(364.759)<br />
15.705<br />
(324.644)<br />
15.403<br />
(314.623)<br />
19.678<br />
(393.196)<br />
23.053<br />
(442.250)<br />
24.466<br />
(490.331)<br />
31.584<br />
(538.524)<br />
39.713<br />
(658.291)<br />
43.624<br />
(735.186)<br />
5.022<br />
(48.360)<br />
6.951<br />
(72.371)<br />
8.928<br />
(106.517)<br />
12.373<br />
(194.285)<br />
16.613<br />
(273.541)<br />
20.710<br />
(360.609)<br />
20.276<br />
(384.821)<br />
20.283<br />
(337.964)<br />
29.883<br />
(477.215)<br />
27.602<br />
(383.355)<br />
Nota: 1) – Valores entre parênteses representam o <strong>de</strong>svio padrão associado à média anual <strong>de</strong> ca<strong>da</strong><br />
setor<br />
48
Nota-se que para a maioria dos setores a relação <strong>de</strong>svio-padrão pela média fica<br />
constante, excetuando-se os setores 17, 20 e 35. Percebe-se também uma relação<br />
<strong>de</strong>svio-padrão pela média muito alta para a maioria dos setores, o que po<strong>de</strong> indicar<br />
a existência <strong>de</strong> observações muito díspares (outliers) que po<strong>de</strong>m causar impacto<br />
nas estimativas a serem feitas com tais <strong>da</strong>dos. O <strong>de</strong>staque negativo fica para o setor<br />
34 - Veículos automotores, reboques e carrocerias, on<strong>de</strong> esta relação oscila entre 17<br />
e 22 vezes.<br />
Na tabela 8, na página a seguir, são apresenta<strong>da</strong>s as evoluções <strong>da</strong>s médias <strong>de</strong><br />
estoque <strong>de</strong> capital <strong>da</strong>s empresas, e respectivos <strong>de</strong>svios-padrão, dos setores<br />
selecionados. Novamente é possível perceber uma diferença significativa em favor<br />
dos setores <strong>de</strong> maior intensi<strong>da</strong><strong>de</strong> tecnológica. Essa diferença chega a ser <strong>da</strong> or<strong>de</strong>m<br />
<strong>de</strong> 7,7 vezes na déca<strong>da</strong>. O <strong>de</strong>staque aqui fica para o crescimento mais acelerado<br />
dos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica no acúmulo <strong>de</strong> capital, on<strong>de</strong> os setores<br />
20 e 36 apresentam, respectivamente, taxas <strong>de</strong> crescimento <strong>de</strong> 293% e 263% na<br />
déca<strong>da</strong>. Se bem que o maior crescimento é observado no setor 34, que chega a<br />
316%.<br />
Os <strong>de</strong>svios-padrão apresentados para o estoque <strong>de</strong> capital não são muito gran<strong>de</strong>s,<br />
oscilando entre duas e oito vezes em média. Deve-se ressaltar que esta série foi<br />
construí<strong>da</strong> através do método do inventário perpétuo, conforme <strong>de</strong>scrito por ALVES<br />
e SILVA (2008). Mesmo assim há muitos valores faltantes nesta série <strong>de</strong> capital. Nos<br />
setores 30 e 35 chegam a estar ausentes valores <strong>de</strong> capital para 50% <strong>da</strong> amostra.<br />
Nos <strong>de</strong>mais setores os ausentes são cerca <strong>de</strong> 20% a 30%. Destaque para o setor<br />
18, que para o ano <strong>de</strong> 2005 apresenta apenas 10% <strong>de</strong> valores faltantes.<br />
49
Tabela 8 – Médias dos estoques <strong>de</strong> capital e respectivos <strong>de</strong>svios-padrão por setores<br />
1996<br />
1997<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
2004<br />
2005<br />
industriais (R$ 1.000).<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
5.705<br />
(18.700) 1<br />
6.321<br />
(16.004)<br />
7.126<br />
(24.919)<br />
8.398<br />
(33.384)<br />
8.113<br />
(37.562)<br />
10.787<br />
(56.708)<br />
11.916<br />
(65.710)<br />
14.325<br />
(75.791)<br />
14.874<br />
(83.129)<br />
15.006<br />
(84.453)<br />
17 18 20 36 30 32 34 35<br />
986<br />
(4.375)<br />
1.061<br />
(3.999)<br />
1.080<br />
(4.845)<br />
1.224<br />
(5.659)<br />
1.172<br />
(6.825)<br />
1.294<br />
(7.979)<br />
1.212<br />
(9.796)<br />
1.541<br />
(11.314)<br />
1.608<br />
(12.237)<br />
1.529<br />
(12.626)<br />
1.724<br />
(7.734)<br />
2.011<br />
(4.993)<br />
2.452<br />
(15.038)<br />
3.120<br />
(18.360)<br />
3.442<br />
(21.791)<br />
3.870<br />
(25.159)<br />
4.392<br />
(31.711)<br />
5.498<br />
(41.266)<br />
5.842<br />
(44.345)<br />
6.778<br />
(47.019)<br />
766<br />
(4.019)<br />
1.040<br />
(2.358)<br />
1.231<br />
(5.360)<br />
1.480<br />
(7.467)<br />
1.733<br />
(8.844)<br />
2.107<br />
(10.488)<br />
2.040<br />
(11.605)<br />
2.338<br />
(11.014)<br />
2.675<br />
(13.800)<br />
2.783<br />
(13.397)<br />
19.410<br />
(88.448)<br />
19.687<br />
(90.770)<br />
21.390<br />
(95.373)<br />
32.681<br />
(106.797)<br />
46.538<br />
(158.921)<br />
52.786<br />
(197.276)<br />
39.530<br />
(132.283)<br />
37.047<br />
(124.380)<br />
41.812<br />
(127.207)<br />
36.310<br />
(124.653)<br />
15.193<br />
(63.519)<br />
16.384<br />
(56.831)<br />
19.057<br />
(71.993)<br />
22.741<br />
(91.334)<br />
32.183<br />
(108.139)<br />
34.122<br />
(123.002)<br />
39.631<br />
(147.304)<br />
42.628<br />
(182.614)<br />
44.702<br />
(182.258)<br />
40.760<br />
(184.759)<br />
19.120<br />
(187.212)<br />
22.817<br />
(158.920)<br />
26.437<br />
(218.698)<br />
31.700<br />
(272.168)<br />
39.836<br />
(322.022)<br />
49.503<br />
(402.717)<br />
55.870<br />
(489.568)<br />
66.715<br />
(546.368)<br />
73.038<br />
(609.056)<br />
79.601<br />
(674.313)<br />
13.276<br />
(63.840)<br />
14.985<br />
(65.203)<br />
15.951<br />
(66.160)<br />
14.085<br />
(43.039)<br />
21.986<br />
(60.358)<br />
19.104<br />
(69.402)<br />
20.807<br />
(84.404)<br />
28.507<br />
(111.245)<br />
32.826<br />
(127.638)<br />
29.851<br />
(125.497)<br />
Fonte: PIA-IBGE.<br />
Nota: 1) – Valores entre parênteses representam o <strong>de</strong>svio padrão associado à média anual <strong>de</strong> ca<strong>da</strong><br />
setor<br />
Será apresentado, nas duas tabelas a seguir, um quadro sobre a evolução do<br />
emprego nos setores selecionados na déca<strong>da</strong> <strong>de</strong> 1996 a 2005. Na tabela 9, na<br />
página a seguir, vê-se a evolução <strong>da</strong> média do pessoal ocupado, e respectivos<br />
<strong>de</strong>svios-padrão, nos setores selecionados. Percebe-se claramente uma estagnação<br />
no número <strong>de</strong> pessoas ocupa<strong>da</strong>s, quando não uma diminuição. A única exceção fica<br />
por conta do setor 30 – Máquinas para escritório e equipamentos <strong>de</strong> informática, que<br />
teve um crescimento <strong>de</strong> mais <strong>de</strong> 120%. Já o setor 32 – Material eletrônico e <strong>de</strong><br />
aparelhos e equipamentos <strong>de</strong> comunicações apresentou uma redução <strong>de</strong> 22% <strong>de</strong><br />
pessoal ocupado na déca<strong>da</strong>.<br />
50
Tabela 9 – Médias <strong>de</strong> pessoal ocupado, e respectivos <strong>de</strong>svios-padrão, por setores<br />
industriais.<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
17 18 20 36 30 32 34 35<br />
1996 64<br />
(414) 1<br />
26 28 26 43 110 122 63<br />
(259) (156) (158) (162) (620) (1.460) (349)<br />
1997 72<br />
(346)<br />
1998 58<br />
(397)<br />
1999 68<br />
(445)<br />
2000 63<br />
(428)<br />
2001 63<br />
(572)<br />
2002 59<br />
(546)<br />
2003 58<br />
(509)<br />
2004 53<br />
(509)<br />
2005 52<br />
(504)<br />
26<br />
(223)<br />
24<br />
(220)<br />
25<br />
(251)<br />
25<br />
(215)<br />
23<br />
(209)<br />
24<br />
(199)<br />
24<br />
(429)<br />
25<br />
(212)<br />
25<br />
(224)<br />
29<br />
(144)<br />
27<br />
(152)<br />
27<br />
(151)<br />
27<br />
(157)<br />
26<br />
(148)<br />
26<br />
(152)<br />
31<br />
(199)<br />
30<br />
(210)<br />
29<br />
(203)<br />
27<br />
(152)<br />
27<br />
(174)<br />
25<br />
(162)<br />
25<br />
(159)<br />
25<br />
(158)<br />
25<br />
(157)<br />
23<br />
(148)<br />
25<br />
(171)<br />
24<br />
(158)<br />
73<br />
(380)<br />
65<br />
(289)<br />
71<br />
(313)<br />
91<br />
(251)<br />
86<br />
(333)<br />
76<br />
(316)<br />
65<br />
(304)<br />
77<br />
(325)<br />
97<br />
(378)<br />
107<br />
(510)<br />
95<br />
(486)<br />
90<br />
(505)<br />
102<br />
(483)<br />
100<br />
(438)<br />
83<br />
(382)<br />
84<br />
(565)<br />
85<br />
(377)<br />
86<br />
(410)<br />
128<br />
(1.496)<br />
113<br />
(1.295)<br />
105<br />
(1.222)<br />
105<br />
(1.236)<br />
109<br />
(1.144)<br />
102<br />
(1.130)<br />
116<br />
(1.081)<br />
113<br />
(1.101)<br />
118<br />
(1.151)<br />
62<br />
(313)<br />
69<br />
(396)<br />
65<br />
(436)<br />
68<br />
(448)<br />
77<br />
(565)<br />
69<br />
(551)<br />
91<br />
(722)<br />
95<br />
(709)<br />
96<br />
(673)<br />
Fonte: PIA-IBGE.<br />
Nota: 1) – Valores entre parênteses representam o <strong>de</strong>svio padrão associado à média anual <strong>de</strong> ca<strong>da</strong><br />
setor<br />
Comparando, agora, os setores <strong>de</strong> alta e baixa intensi<strong>da</strong><strong>de</strong> tecnológica, tem-se a<br />
princípio um resultado que parece contrariar a lógica. Po<strong>de</strong>r-se-ia esperar que os<br />
setores <strong>de</strong> menor intensi<strong>da</strong><strong>de</strong> tecnológica fossem mais intensivos em mão-<strong>de</strong>-obra,<br />
mas o que se observa na tabela 9 é que as empresas dos setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong> tecnológica têm, em média, 2,5 vezes mais trabalhadores que suas<br />
congêneres nos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. Po<strong>de</strong>-se explicar esse<br />
resultado com a constatação que muitas <strong>da</strong>s empresas dos setores <strong>de</strong> baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica escolhidos são constituí<strong>da</strong>s na forma <strong>de</strong> micro ou pequenas<br />
empresas. Outra explicação para este fato <strong>de</strong>corre do paradigma tecnológico <strong>da</strong><br />
microeletrônica, que é, <strong>de</strong> fato, intensivo em pessoas (conhecimento) e menos<br />
sujeito a economias <strong>de</strong> escala. Também <strong>de</strong>ve ser observado que setores intensivos<br />
51
em capital, como o si<strong>de</strong>rúrgico, <strong>de</strong> cimento, alumínio, entre outros, não são<br />
intensivos em tecnologia.<br />
Analisando a tabela acima com foco nos <strong>de</strong>svios-padrão, percebe-se que há algum<br />
problema com os setores 18 e 34, on<strong>de</strong> os números encontrados estão bem acima<br />
<strong>da</strong>queles observados nos <strong>de</strong>mais setores. Enquanto estes dois setores têm <strong>de</strong>svios-<br />
padrão <strong>de</strong> cerca <strong>de</strong> <strong>de</strong>z vezes a média, os outros se situam na faixa <strong>de</strong> seis vezes.<br />
Observando, agora, pela ótica dos salários pagos aos trabalhadores dos dois grupos<br />
<strong>de</strong> setores é possível constatar, mais uma vez, a prevalência dos setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong> tecnológica. Na tabela 10 po<strong>de</strong>-se claramente divisar um fosso que<br />
separa a média dos salários <strong>da</strong>s empresas dos dois grupos <strong>de</strong> setores.<br />
Tabela 10 – Médias dos salários ligados à produção, e respectivos <strong>de</strong>svios-padrão,<br />
1996<br />
1997<br />
1998<br />
1999<br />
2000<br />
2001<br />
2002<br />
2003<br />
2004<br />
2005<br />
Fonte: PIA-IBGE<br />
por setores industriais (R$ 1.000).<br />
Baixa Intensi<strong>da</strong><strong>de</strong> Tecnológica Alta Intensi<strong>da</strong><strong>de</strong> Tecnológica<br />
301<br />
(2.407) 1<br />
376<br />
(2.439)<br />
300<br />
(2.429)<br />
343<br />
(2.277)<br />
340<br />
(2.569)<br />
363<br />
(3.610)<br />
364<br />
(3.981)<br />
410<br />
(4.151)<br />
413<br />
(4.527)<br />
433<br />
(4.925)<br />
17 18 20 36 30 32 34 35<br />
76<br />
(1.312)<br />
83<br />
(1.270)<br />
78<br />
(1.206)<br />
81<br />
(1.185)<br />
81<br />
(1.150)<br />
82<br />
(1.295)<br />
91<br />
(1.242)<br />
99<br />
(1.329)<br />
118<br />
(1.559)<br />
133<br />
(1.725)<br />
80<br />
(866)<br />
95<br />
(873)<br />
92<br />
(961)<br />
95<br />
(854)<br />
97<br />
(894)<br />
111<br />
9981)<br />
125<br />
(1.214)<br />
175<br />
(2.579)<br />
194<br />
(2.839)<br />
206<br />
(2.879)<br />
97<br />
(1.002)<br />
106<br />
(976)<br />
107<br />
(974)<br />
103<br />
(976)<br />
113<br />
(1.031)<br />
118<br />
(1.084)<br />
132<br />
(1.169)<br />
134<br />
(1.242)<br />
163<br />
(1.563)<br />
163<br />
(1.618)<br />
263<br />
(1.680)<br />
481<br />
(2.503)<br />
554<br />
(3.747)<br />
544<br />
(2.846)<br />
1.131<br />
(6.323)<br />
1.005<br />
(5.212)<br />
843<br />
(4.813)<br />
681<br />
(4.430)<br />
845<br />
(5.039)<br />
1.167<br />
(5.743)<br />
713<br />
(6.699)<br />
807<br />
(5.812)<br />
766<br />
(5.717)<br />
737<br />
(5.997)<br />
1.144<br />
(8.667)<br />
1.158<br />
(8.678)<br />
1.098<br />
(7.807)<br />
820<br />
(5.806)<br />
1.180<br />
(7.847)<br />
1.542<br />
(14.832)<br />
1.348<br />
(24.774)<br />
1.512<br />
(27.212)<br />
1.423<br />
(26.472)<br />
1.335<br />
(27.178)<br />
1.485<br />
(28.787)<br />
1.622<br />
(29.642)<br />
1.564<br />
(29.311)<br />
1.866<br />
(30.510)<br />
2.099<br />
(30.271)<br />
2.392<br />
(35.020)<br />
487<br />
(4.199)<br />
552<br />
(5.180)<br />
641<br />
(6.759)<br />
668<br />
(7.879)<br />
791<br />
(9.461)<br />
943<br />
(11.842)<br />
1.031<br />
(16.220)<br />
1.433<br />
(20.021)<br />
1.994<br />
(26.728)<br />
2.011<br />
(25.276)<br />
Nota: 1) – Valores entre parênteses representam o <strong>de</strong>svio padrão associado à média anual <strong>de</strong> ca<strong>da</strong><br />
setor<br />
52
Se pon<strong>de</strong>ra<strong>da</strong> pelo número <strong>de</strong> empresas no setor, a diferença gira também em torno<br />
<strong>de</strong> duas vezes e meia. E esse fosso ten<strong>de</strong> a aumentar, uma vez que o crescimento<br />
dos salários dos setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica tem sido mais expressivo. O<br />
<strong>de</strong>staque fica por conta dos setores 32 – Material eletrônico e <strong>de</strong> aparelhos e<br />
equipamentos <strong>de</strong> comunicações e 35 – Outros equipamentos <strong>de</strong> transporte, com<br />
crescimentos <strong>de</strong> 176% e 173% quando pon<strong>de</strong>rados pelo número <strong>de</strong> empresas,<br />
respectivamente. Aqui novamente chama-se a atenção para a or<strong>de</strong>m <strong>de</strong> gran<strong>de</strong>za<br />
dos <strong>de</strong>svios-padrão dos setores 18 e 34, o primeiro situando-se acima <strong>de</strong> 15 vezes a<br />
média, enquanto que o segundo se situa 18 vezes acima <strong>da</strong> média calcula<strong>da</strong>.<br />
A partir dos <strong>da</strong>dos <strong>da</strong>s estatísticas <strong>de</strong>scritivas apresenta<strong>da</strong>s nas tabelas 6 a 10,<br />
tem-se um quadro mais claro <strong>da</strong> diferenciação entre os setores <strong>de</strong> alta e baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica do que aquele apresentado nas tabelas 3 a 5. Conforme já<br />
apresentado, citando FURTADO e CARVALHO (2005), apesar <strong>de</strong> esta classificação<br />
ser construí<strong>da</strong> a partir <strong>da</strong> PINTEC, pesquisa semelhante àquela utiliza<strong>da</strong> pela OCDE<br />
para classificação dos setores quanto à intensi<strong>da</strong><strong>de</strong> tecnológica, por problemas<br />
estruturais <strong>da</strong> economia, ou mesmo por alguma inconsistência na pesquisa, os<br />
<strong>da</strong>dos não apresentam o comportamento que se <strong>de</strong>veria esperar. Já os resultados<br />
apresentados nestas últimas cinco tabelas estão perfeitamente alinhados ao que se<br />
espera do comportamento para os setores selecionados.<br />
No próximo capítulo tal questão <strong>da</strong> diferenciação entre setores <strong>de</strong> alta e baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica será aprofun<strong>da</strong><strong>da</strong>. O objetivo é i<strong>de</strong>ntificar, ao executar os<br />
diversos procedimentos para estimação <strong>da</strong>s funções <strong>de</strong> produção em ca<strong>da</strong> um dos<br />
setores selecionados, quais procedimentos se a<strong>de</strong>quam melhor a quais conjuntos <strong>de</strong><br />
<strong>da</strong>dos. Esta análise se <strong>da</strong>rá em duas dimensões. Na vertical, serão analisados os<br />
resultados <strong>de</strong> todos os métodos em ca<strong>da</strong> um dos setores, buscando i<strong>de</strong>ntificar qual<br />
53
método melhor se encaixa em ca<strong>da</strong> setor. Na dimensão horizontal verificar-se-ão os<br />
resultados <strong>de</strong> ca<strong>da</strong> método em todos os setores, i<strong>de</strong>ntificando em qual setor ca<strong>da</strong><br />
método produz as respostas mais plausíveis.<br />
54
5 DA ANÁLISE EMPÍRICA<br />
Ao longo <strong>de</strong>ste trabalho será explorado o fato <strong>de</strong> que existem diversos métodos<br />
econométricos para a estimação <strong>de</strong> funções <strong>de</strong> produção. A questão que permeia<br />
todo este trabalho, e que neste capítulo procura-se respon<strong>de</strong>r <strong>de</strong> maneira empírica,<br />
é quais são as diferenças nos métodos <strong>de</strong> mensuração <strong>da</strong> produtivi<strong>da</strong><strong>de</strong>? A hipótese<br />
que se quer testar, em relação a esta pergunta, é que os métodos <strong>de</strong> estimação <strong>de</strong><br />
funções <strong>de</strong> produção não são robustos às diferenças <strong>de</strong> intensi<strong>da</strong><strong>de</strong> tecnológica<br />
entre os setores.<br />
Como já foi apresentado em <strong>de</strong>talhes no capítulo 2, a estimação <strong>de</strong> funções <strong>de</strong><br />
produção, mesmo que apoia<strong>da</strong> em conjuntos <strong>de</strong> micro<strong>da</strong>dos quase censitários,<br />
apresenta um leque não negligenciável <strong>de</strong> questões.<br />
O que será apresentado neste capítulo <strong>de</strong> análise empírica é que um mesmo<br />
método po<strong>de</strong> apresentar diferentes resultados quando aplicado a setores<br />
econômicos <strong>de</strong> diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas. Estes diferentes resultados não<br />
se restringem a pequenas variações nos valores dos coeficientes principais <strong>da</strong><br />
função <strong>de</strong> produção, capital e trabalho. Há discrepâncias na or<strong>de</strong>m <strong>de</strong> gran<strong>de</strong>za dos<br />
coeficientes, no nível <strong>de</strong> significância <strong>de</strong>stes, na direção dos vieses e nas<br />
estatísticas como um todo.<br />
Outro ponto que chama a atenção é a discrepância <strong>de</strong> resultados entre os diversos<br />
métodos para um mesmo setor. Tal diferença po<strong>de</strong> significar que <strong>de</strong>terminados<br />
métodos, ou pequenas modificações em sua implementação, po<strong>de</strong>m ser mais<br />
a<strong>de</strong>quados a um setor que a outro. Ou seja, <strong>de</strong>terminado método po<strong>de</strong> <strong>da</strong>r melhores<br />
55
espostas quando aplicado em setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica, enquanto<br />
outro método po<strong>de</strong> produzir resultados mais plausíveis em setores <strong>de</strong> baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
Como a ca<strong>da</strong> momento será interessante explorar uma nuance <strong>de</strong>ste estudo<br />
comparativo, diversas formas <strong>de</strong> apresentação serão utiliza<strong>da</strong>s. A idéia é partir dos<br />
métodos mais simples até os mais elaborados, procurando observar nos resultados<br />
o que se po<strong>de</strong> inferir <strong>de</strong> ca<strong>da</strong> um. Tal análise ocorrerá em um sentido vertical, on<strong>de</strong><br />
avaliamos as resultados <strong>de</strong> ca<strong>da</strong> método para um mesmo setor. Esta análise será<br />
apresenta<strong>da</strong> nas duas primeiras seções <strong>de</strong>ste capítulo.<br />
Na terceira seção o objetivo será efetuar uma análise horizontal, pelos diversos<br />
setores, <strong>de</strong> um método em particular. Neste caso a intenção é avaliar em que<br />
setores um <strong>de</strong>terminado método apresenta resultados mais consistentes, quanto a<br />
significância <strong>de</strong> estimadores e alguns testes básicos.<br />
Como o próprio título <strong>de</strong>sta dissertação <strong>de</strong>nota, um dos objetivos primeiros <strong>de</strong>ste<br />
trabalho é o cálculo <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s totais dos fatores em setores <strong>de</strong> diferentes<br />
intensi<strong>da</strong><strong>de</strong>s tecnológicas. Na última seção serão apresentados os resultados<br />
obtidos para o cálculo <strong>da</strong>s referi<strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s, abor<strong>da</strong>ndo três aspectos: as<br />
diferenças <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> entre setores <strong>de</strong> diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas;<br />
as diferentes produtivi<strong>da</strong><strong>de</strong>s gera<strong>da</strong>s por diferentes métodos para um mesmo setor<br />
econômico; e a evolução <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s calcula<strong>da</strong>s ao longo <strong>da</strong> déca<strong>da</strong><br />
analisa<strong>da</strong>.<br />
56
5.1 Dos métodos MQO, Efeitos Fixos, Arellano e Bond e Blun<strong>de</strong>ll e Bond.<br />
Nesta seção serão apresentados os resultados <strong>de</strong> cinco métodos comumente<br />
utilizados em estudos econométricos para estimar funções <strong>de</strong> produção. São eles:<br />
Mínimos Quadrados Ordinários (MQO); Painel com Efeitos Fixos (FE); MQO,<br />
incluindo o investimento no mo<strong>de</strong>lo; o método apresentado por ARELLANO e BOND<br />
(1991); e o método apresentado por BLUNDELL e BOND (2000) 2 .<br />
O método <strong>de</strong> Mínimos Quadrados Ordinários, utilizado <strong>de</strong>s<strong>de</strong> o início, em COBB e<br />
DOUGLAS (1928), não <strong>de</strong>ve ser <strong>de</strong> todo <strong>de</strong>sprezado. Ele provê algumas intuições,<br />
idéias <strong>de</strong> gran<strong>de</strong>zas, sinais, etc. Citando Abramovitz, “ele nos dá a medi<strong>da</strong> <strong>da</strong> nossa<br />
ignorância” (ABRAMOVITZ, 1956 – p.11). Neste trabalho serão utilizados os <strong>da</strong>dos<br />
cross-section na versão pooled. Os <strong>da</strong>dos referentes a ca<strong>da</strong> um dos <strong>de</strong>z anos serão<br />
“empilhados” e ro<strong>da</strong>remos um MQO sobre todo o conjunto. Uma tentativa que será<br />
feita para melhorar o <strong>de</strong>sempenho do MQO é incluir a variável <strong>de</strong> investimento. Com<br />
a inclusão <strong>de</strong>sta variável parte-se do pressuposto que quanto maior a produtivi<strong>da</strong><strong>de</strong>,<br />
tanto maior também será o investimento na empresa.<br />
O uso <strong>de</strong> painel com efeitos fixos supõe que a endogenei<strong>da</strong><strong>de</strong> apresenta<strong>da</strong> na<br />
estimação <strong>da</strong> função <strong>de</strong> produção <strong>de</strong>vi<strong>da</strong> a variáveis não observa<strong>da</strong>s possa ser<br />
elimina<strong>da</strong> quando os efeitos fixos por indivíduo (empresa) ou pelo tempo (ano) são<br />
eliminados. Ou seja, supõe que a endogenei<strong>da</strong><strong>de</strong> seja apenas contemporânea ou,<br />
<strong>de</strong> outra forma, que os efeitos fixos não variam com o tempo.<br />
2 As estimações serão ro<strong>da</strong><strong>da</strong>s no Software STATA® 9.0 <strong>da</strong> Stata Corp LP e os respectivos<br />
comandos são apresentados na tabela 4, do Anexo A. Em todos os métodos trabalharemos com<br />
variáveis <strong>de</strong>flaciona<strong>da</strong>s, sendo que diferentes <strong>de</strong>flatores foram utilizados para diferentes variáveis<br />
(veja tabela 3 do Anexo A).<br />
57
O problema <strong>de</strong> variáveis não observa<strong>da</strong>s se reflete no fato <strong>de</strong> essa omissão ser<br />
captura<strong>da</strong> pelo erro <strong>da</strong> estimação, o que produz algum tipo <strong>de</strong> endogenei<strong>da</strong><strong>de</strong> no<br />
mo<strong>de</strong>lo. Se a variável omiti<strong>da</strong> guar<strong>da</strong> alguma relação com as <strong>de</strong>mais variáveis do<br />
mo<strong>de</strong>lo, como acontece na maioria dos casos, tem-se então que o erro <strong>da</strong><br />
estimação está correlacionado com as variáveis ditas explicativas.<br />
Uma alternativa para se eliminar este problema é o uso <strong>de</strong> variáveis instrumentais,<br />
ou seja, uso <strong>de</strong> variáveis que tenham forte correlação com a variável omiti<strong>da</strong>, mas<br />
não sejam muito correlaciona<strong>da</strong>s com as <strong>de</strong>mais variáveis explicativas. A inclusão<br />
<strong>de</strong>sta variável “limparia” o erro <strong>da</strong> estimação, diminuindo o viés atribuído ao<br />
problema <strong>de</strong> endogenei<strong>da</strong><strong>de</strong>. O problema é que tais variáveis instrumentais não são<br />
assim tão fáceis <strong>de</strong> encontrar. Muitas vezes há dificul<strong>da</strong><strong>de</strong> até em i<strong>de</strong>ntificar a<br />
origem <strong>da</strong> endogenei<strong>da</strong><strong>de</strong> e, com isso, proce<strong>de</strong>r a busca <strong>de</strong> uma variável<br />
instrumental apropria<strong>da</strong>.<br />
O método <strong>de</strong> ARELLANO e BOND (1991) propõe contornar esta questão utilizando<br />
um estimador GMM em primeiras diferenças, explorando o fato <strong>de</strong> que to<strong>da</strong>s as<br />
restrições sobre os momentos <strong>de</strong>correm <strong>da</strong> suposição <strong>de</strong> que não há correlação<br />
serial entre os erros. Os autores então utilizam diferenças <strong>de</strong>fasa<strong>da</strong>s <strong>da</strong> variável<br />
<strong>de</strong>pen<strong>de</strong>nte como instrumento <strong>da</strong>s equações no nível junto com <strong>de</strong>fasagens <strong>da</strong><br />
variável <strong>de</strong>pen<strong>de</strong>ntes como instrumentos para as equações em primeiras diferenças.<br />
BLUNDELL e BOND (1998) mostram que o mo<strong>de</strong>lo proposto por Arellano e Bond<br />
po<strong>de</strong> produzir instrumentos fracos quando os regressores não são estritamente<br />
exógenos. Os autores então propõem, em trabalho subseqüente (BLUNDELL e<br />
BOND, 2000), a diferença <strong>de</strong>fasa<strong>da</strong> <strong>da</strong> variável <strong>de</strong>pen<strong>de</strong>nte como instrumento para<br />
a <strong>de</strong>fasagem <strong>da</strong> mesma variável <strong>de</strong>pen<strong>de</strong>nte na equação em nível.<br />
58
Os resultados obtidos com os cinco métodos explanados acima são apresentados<br />
nas tabelas numera<strong>da</strong>s <strong>de</strong> 7 a 14, do Apêndice A. Serão discutidos em <strong>de</strong>talhe 3 , a<br />
seguir, os coeficientes <strong>de</strong> trabalho e capital obtidos nestes métodos. O objetivo é<br />
avaliar como os diversos métodos se comportam sobre um mesmo conjunto <strong>de</strong><br />
<strong>da</strong>dos. Serão apresentados nas próximas tabelas os valores obtidos para os<br />
coeficientes <strong>de</strong> trabalho e capital nos setores selecionados, bem como as<br />
respectivas médias e erros quadráticos por setor e método.<br />
A tabela 11 é propícia para iniciar a discussão sobre o viés que se diz haver na<br />
estimação pelo método MQO. À exceção <strong>de</strong> alguns problemas em <strong>de</strong>terminados<br />
setores, po<strong>de</strong>-se perceber que não é tão claro que o MQO superestima o valor do<br />
coeficiente do trabalho na estimação <strong>de</strong> uma função <strong>de</strong> produção.<br />
Tabela 11 – Resultados <strong>da</strong>s estimativas para o coeficiente do trabalho.<br />
MQO Efeitos MQO c/ Arellano Blun<strong>de</strong>ll<br />
Fixos Investimento & Bond & Bond<br />
Setor<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
17<br />
0,828868<br />
(66,87)<br />
0,694939<br />
(18,62)<br />
0,808125<br />
(66,27)<br />
0,647276<br />
(9,64)<br />
0,094336<br />
(2,47)<br />
18<br />
0,823376<br />
(88,78)<br />
0,767526<br />
(32,05)<br />
0,821364<br />
(87,81)<br />
0,687592<br />
(17,17)<br />
0,146557<br />
(1,6)<br />
20<br />
0,853089<br />
(76,04)<br />
0,846348<br />
(28,66)<br />
0,853487<br />
(75,31)<br />
0,850242<br />
(17,27)<br />
0,489260<br />
(7,57)<br />
36<br />
0,859508<br />
(78,35)<br />
0,812156<br />
(26,09)<br />
0,860226<br />
(77,77)<br />
0,758862<br />
(15,19)<br />
0,263545<br />
(3,48)<br />
Média 0,841210 0,780242 0,835801 0,735993 0,248425<br />
30<br />
0,627311<br />
(18,55)<br />
0,551915<br />
(5,18)<br />
0,706031<br />
(21,29)<br />
0,562721<br />
(4,82)<br />
0,316920<br />
(7,55)<br />
32<br />
0,644319<br />
(34,62)<br />
0,533037<br />
(6,71)<br />
0,659596<br />
(35,71)<br />
0,694473<br />
(9,69)<br />
0,748352<br />
(46,70)<br />
34<br />
0,612862<br />
(54,56)<br />
0,597610<br />
(11,42)<br />
0,625406<br />
(54,85)<br />
0,663623<br />
(10,44)<br />
0,247072<br />
(8,00)<br />
35<br />
0,773059<br />
(39,00)<br />
0,699376<br />
(10,33)<br />
0,751856<br />
(38,10)<br />
0,672996<br />
(10,05)<br />
0,659225<br />
(150,48)<br />
Média 0,664388 0,595485 0,685722 0,648455 0,492892<br />
Fonte: Elaboração própria.<br />
Baixa Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Alta Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Média do<br />
Setor<br />
0,744802<br />
0,774964<br />
0,850792<br />
0,822688<br />
0,611995<br />
0,632856<br />
0,624877<br />
0,724322<br />
3 A estratégia adota<strong>da</strong> para analisar o <strong>de</strong>sempenho <strong>de</strong> um ou outro método é a comparação direta<br />
com seus congêneres. Para tanto trabalharemos com as médias dos coeficientes por método e por<br />
setor. O instrumento <strong>de</strong> análise será a distância <strong>de</strong> <strong>de</strong>terminado coeficiente <strong>da</strong> média, medi<strong>da</strong> pelo<br />
erro entre o coeficiente e a média do setor ao quadrado.<br />
59
Pelo que se po<strong>de</strong> apreen<strong>de</strong>r <strong>da</strong> tabela 11, na página anterior, há uma diferença<br />
perceptível <strong>de</strong> nível entre os coeficientes estimados para o conjunto <strong>de</strong> setores <strong>de</strong><br />
baixa intensi<strong>da</strong><strong>de</strong> tecnológica e aqueles <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong>. No grupo <strong>de</strong> setores <strong>de</strong><br />
baixa intensi<strong>da</strong><strong>de</strong> tecnológica o coeficiente obtido via MQO é o supremo, seja sem a<br />
inclusão <strong>da</strong> variável investimento (setores 17 e 18) seja com a inclusão (setores 20 e<br />
36), com a média <strong>de</strong>stes setores sendo 0,84, tanto num como no outro. Já quando<br />
se trata <strong>de</strong> setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica, tal viés <strong>de</strong> superestimação não é<br />
tão claro, mesmo ain<strong>da</strong> aparecendo como supremo no setor 35 e no setor 30, na<br />
sua versão com a variável <strong>de</strong> investimento. Um <strong>de</strong>talhe que chama a atenção é que<br />
a inclusão <strong>da</strong> variável investimento no método MQO parece atuar no sentido <strong>de</strong><br />
diminuir o viés, seja no caso dos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica, quando<br />
reduz a média dos coeficientes estimados, seja no caso dos setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong>, quando eleva a média. Este fato é um indício a ser melhor investigado<br />
sobre a direção do viés do método MQO <strong>de</strong>pen<strong>de</strong>r <strong>da</strong> intensi<strong>da</strong><strong>de</strong> tecnológica do<br />
setor. Esta questão voltará a ser discuti<strong>da</strong> mais adiante.<br />
Tabela 12 – Distância do coeficiente estimado do trabalho pelos métodos MQO, FE,<br />
Baixa<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Alta<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
MQO c/Investimento, A&B e B&B, por setor e método, <strong>da</strong> média do setor.<br />
MQO Efeitos<br />
Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
Setor Erro Erro Erro Erro Erro<br />
Soma<br />
dos Erros<br />
17 0,007067 0,002486* 0,004010 0,009511 0,423106 + 0,446181<br />
18 0,002344 0,000055* 0,002153 0,007634 0,394895 + 0,407081<br />
20 0,000005 0,000020 0,000007 0,000000* 0,130705 + 0,130738<br />
36 0,001356 0,000111* 0,001409 0,004074 0,312641 + 0,319591<br />
30 0,000235 0,003610 0,008843 0,002428 0,087069 + 0,102183<br />
32 0,000131* 0,009964 0,000715 0,003797 0,013339 + 0,027946<br />
34 0,000144* 0,000743 0,000000* 0,001502 0,142737 + 0,145127<br />
35 0,002375 0,000622* 0,000758 0,002634 0,004238 + 0,010628<br />
Fonte: Elaboração própria.<br />
Notas: * – Menor distância <strong>da</strong> média do setor.<br />
+ – Maior distância <strong>da</strong> média do setor.<br />
60
O valor dos coeficientes do trabalho em todos os métodos, à exceção <strong>de</strong> B&B, são<br />
cerca <strong>de</strong> 20% a 30% maiores nos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica, em<br />
relação aos <strong>de</strong> alta. Outro ponto que se <strong>de</strong>ve salientar é que a gran<strong>de</strong> maioria dos<br />
coeficientes obtidos é muito significativa. A implementação do método <strong>de</strong> B&B <strong>de</strong>ve<br />
ser melhor investiga<strong>da</strong>, pois não produziu resultados satisfatórios em nenhum dos<br />
setores, do ponto <strong>de</strong> vista do critério adotado, qual seja, a distância <strong>da</strong> média do<br />
setor.<br />
Um ponto que merece <strong>de</strong>staque, apresentado na tabela 12, é o quanto o método <strong>de</strong><br />
B&B se distância <strong>da</strong> média dos outros métodos. Ele apresenta as maiores<br />
dispersões em todos os setores analisados. O método mais consistente, tomando<br />
por parâmetro a dispersão em relação aos outros métodos, é o painel com efeitos<br />
fixos, que se saiu bem nos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. O MQO<br />
apresentou a menor dispersão em dois setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
Tabela 13 – Resultados <strong>da</strong>s estimativas para o coeficiente <strong>de</strong> capital.<br />
MQO Efeitos MQO c/ Arellano Blun<strong>de</strong>ll<br />
Fixos Investimento & Bond & Bond<br />
Setor Coef. Coef. Coef. Coef. Coef.<br />
(t)<br />
(t)<br />
(t)<br />
(z) (z)<br />
17<br />
0,315125<br />
(19,35)<br />
0,390289<br />
(4,22)<br />
0,267244<br />
(15,19)<br />
0,421123<br />
(2,37)<br />
0,526551<br />
(1,67)<br />
18<br />
0,436746<br />
(32,26)<br />
0,230223<br />
(2,52)<br />
0,381791<br />
(26,22)<br />
0,254293<br />
(1,53)<br />
-0,511356<br />
(-0,91)<br />
20<br />
0,383543<br />
(26,29)<br />
0,449829<br />
(5,85)<br />
0,318728<br />
(19,69)<br />
0,467291<br />
(2,61)<br />
-0,048432<br />
(-0,13)<br />
36<br />
0,393933<br />
(33,11)<br />
0,294472<br />
(5,67)<br />
0,314934<br />
(23,31)<br />
0,337356<br />
(3,38)<br />
0,712103<br />
(2,49)<br />
Média 0,382337 0,341205 0,320674 0,370015 0,169716<br />
30<br />
0,309566<br />
(6,46)<br />
-0,849801<br />
(-0,98)<br />
0,243341<br />
(5,11)<br />
1,05102<br />
(1,39)<br />
2,536474<br />
(3,81)<br />
32<br />
0,406972<br />
(18,79)<br />
0,167297<br />
(0,66)<br />
0,369693<br />
(15,47)<br />
0,388548<br />
(2,28)<br />
0,362146<br />
(6,84)<br />
34<br />
0,398827<br />
(31,57)<br />
0,298544<br />
(4,11)<br />
0,335293<br />
(23,84)<br />
0,178564<br />
(1,72)<br />
0,373959<br />
(2,26)<br />
35<br />
0,238073<br />
(10,29)<br />
0,302356<br />
(1,70)<br />
0,188043<br />
(7,67)<br />
0,856963<br />
(2,39)<br />
1,175084<br />
(39,28)<br />
Média 0,338359 (0,020401) 0,284093 0,618773 1,111916<br />
Fonte: Elaboração própria.<br />
Baixa Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Alta Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Média do<br />
Setor<br />
0,384066<br />
0,158340<br />
0,314192<br />
0,410559<br />
0,658119<br />
0,338931<br />
0,317038<br />
0,552104<br />
61
A tabela 13, na página anterior, apresenta os coeficientes estimados para a variável<br />
<strong>de</strong> capital. Neste caso as tendências já não são tão claras. Nos setores 30 e 35 há<br />
problemas que po<strong>de</strong>m ser atribuídos ao alto percentual <strong>de</strong> observações ausentes na<br />
variável <strong>de</strong> estoque <strong>de</strong> capital, conforme <strong>de</strong>stacado na seção 4.3. Ain<strong>da</strong> assim o<br />
nível <strong>de</strong> significância dos estimadores é muito bom.<br />
Conforme po<strong>de</strong>mos ver na tabela 14, novamente é o método <strong>de</strong> B&B que apresenta<br />
as maiores dispersões em quase todos os setores analisados. Notável, no entanto, o<br />
fato <strong>de</strong> ele apresentar a menor dispersão em relação à média para o setor 32. O<br />
método mais consistente, tomando por parâmetro a dispersão em relação aos outros<br />
métodos, continua sendo o painel com efeitos fixos, que se saiu bem em dois<br />
setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica e um <strong>de</strong> alta. O MQO apresentou a menor<br />
dispersão em um setor <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica e outro <strong>de</strong> baixa, assim como<br />
sua versão com investimento.<br />
Tabela 14 – Distância do coeficiente estimado do capital pelos métodos MQO, FE,<br />
Baixa<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Alta<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
MQO c/Investimento, A&B e B&B, por setor e método, <strong>da</strong> média do setor.<br />
MQO Efeitos<br />
Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
Setor Erro Erro Erro Erro Erro<br />
62<br />
Soma<br />
dos Erros<br />
17 0,004753 0,000039* 0,013647 0,001373 0,020302 + 0,040114<br />
18 0,077510 0,005168* 0,049930 0,009207 0,448497 + 0,590313<br />
20 0,004810 0,018397 0,000021* 0,023439 0,131496 + 0,178163<br />
36 0,000276* 0,013476 0,009144 0,005359 0,090928 + 0,119184<br />
30 0,121490* 2,273826 0,172041 0,154369 3,528216 + 6,249942<br />
32 0,004629 0,029458 + 0,000946 0,002462 0,000539* 0,038035<br />
34 0,006690 0,000342 0,000333* 0,019175 + 0,003240 0,029780<br />
35 0,098616 0,062374* 0,132540 0,092939 0,388104 + 0,774573<br />
Fonte: Elaboração própria.<br />
Notas: * – Menor distância <strong>da</strong> média do setor.<br />
+ – Maior distância <strong>da</strong> média do setor.
Outro ponto que se <strong>de</strong>ve <strong>de</strong>stacar é a sensível diferença entre os parâmetros<br />
estimados para ca<strong>da</strong> um dos setores. De alguma forma isso já era esperado uma<br />
vez que se po<strong>de</strong> dizer que os setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica seriam mais<br />
intensivos em mão-<strong>de</strong>-obra, enquanto que os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica<br />
seriam mais intensivos em capital.<br />
Um último ponto que <strong>de</strong>ve ser observado nas estimações dos diversos métodos nos<br />
oito setores é o maior po<strong>de</strong>r <strong>de</strong> explicação, <strong>da</strong>s estimações MQO e do painel <strong>de</strong><br />
efeitos fixos, nos setores <strong>de</strong> maior intensi<strong>da</strong><strong>de</strong> tecnológica. Com efeito, po<strong>de</strong>-se<br />
observar nas tabelas <strong>de</strong> 7 a 14 do Apêndice A, que o R 2 para as estimações<br />
aplica<strong>da</strong>s aos setores <strong>de</strong> menor intensi<strong>da</strong><strong>de</strong> tecnológica gira em torno <strong>de</strong> 0,50,<br />
enquanto que o R 2 <strong>da</strong>s estimações nos setores <strong>de</strong> maior intensi<strong>da</strong><strong>de</strong> tecnológica se<br />
situa acima <strong>de</strong> 0,60.<br />
De uma maneira geral, no quadro dos métodos analisados nesta seção, o método<br />
<strong>de</strong> painel com efeitos fixos foi o que se saiu melhor no quesito distância <strong>da</strong> média<br />
dos setores. Deve-se notar que ele se sai especialmente bem nos setores 17 e 18,<br />
<strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. Mas, como apontado no capítulo dois, os<br />
coeficientes <strong>de</strong> capital são em sua maioria baixos ou insignificantes. A<br />
transformação <strong>de</strong> efeitos fixos também não elimina todo o problema <strong>de</strong><br />
simultanei<strong>da</strong><strong>de</strong> e agrava problemas pré-existentes.<br />
Mesmo essa eficiência não se sustenta quando coteja<strong>da</strong> junto aos métodos <strong>de</strong><br />
OLLEY e PAKES (1996) e LEVINSOHN e PETRIN (2003). Como será apresentado<br />
na próxima seção, estes métodos apresentam médias para os coeficientes <strong>de</strong> capital<br />
e trabalho bem diferentes <strong>da</strong>s observa<strong>da</strong>s até aqui. Ao final <strong>da</strong> próxima seção será<br />
traçado um panorama geral dos métodos.<br />
63
5.2 Dos Métodos <strong>de</strong> Olley e Pakes e Levinsohn e Petrin.<br />
Para realizar as estimativas <strong>de</strong> OLLEY e PAKES (O&P) (1996) e LEVINSOHN e<br />
PETRIN (L&P) (2003) serão utilizados os trabalhos <strong>de</strong>senvolvidos por YASAR et al.<br />
(2008) e PETRIN et al. (2004), respectivamente 4 .<br />
Na tabela 15, na próxima página, po<strong>de</strong>m ser observados os coeficientes estimados<br />
para a variável <strong>de</strong> trabalho nos setores selecionados, obtidos através <strong>da</strong>s<br />
metodologias <strong>de</strong> O&P e L&P. Para o método <strong>de</strong> L&P este trabalho apresentará os<br />
resultados para três insumos intermediários como proxy para a produtivi<strong>da</strong><strong>de</strong>:<br />
matéria-prima, combustíveis e energia elétrica. Para estabelecer um elo <strong>de</strong><br />
comparação com O&P, também será apresentado o resultado <strong>da</strong> variável <strong>de</strong><br />
investimento como proxy para a produtivi<strong>da</strong><strong>de</strong> no método <strong>de</strong> L&P.<br />
Po<strong>de</strong>-se observar que todos os coeficientes são muito próximos, a menos <strong>de</strong> uma<br />
ou outra exceção. Percebe-se que os coeficientes do trabalho se comportam <strong>de</strong><br />
maneira homogênea tanto nos setores <strong>de</strong> menor intensi<strong>da</strong><strong>de</strong> tecnológica quanto nos<br />
<strong>de</strong> maior intensi<strong>da</strong><strong>de</strong>. A princípio não há instrumentos para i<strong>de</strong>ntificar qual dos<br />
métodos é o mais a<strong>de</strong>quado. Repetindo a estratégia apresenta<strong>da</strong> na seção anterior,<br />
foi adota<strong>da</strong> a análise <strong>de</strong> dispersão <strong>da</strong>s estimativas <strong>de</strong>ntro do grupo dos cinco<br />
coeficientes ora em estudo como instrumento. Na tabela 16, na próxima página, são<br />
apresenta<strong>da</strong>s as distâncias dos coeficientes estimados em relação à média, bem<br />
como a soma dos erros para ca<strong>da</strong> um dos setores selecionados.<br />
4 Nestes trabalhos os autores apresentam comandos construídos para o STATA® para implementar<br />
ca<strong>da</strong> um dos métodos. No primeiro caso temos o comando opreg e no segundo temos o comando<br />
levpet. A utilização <strong>de</strong>stes comandos acelerou sobremaneira os trabalhos <strong>de</strong> estimação, e<br />
agra<strong>de</strong>cemos sinceramente os autores por compartilharem seu conhecimento conosco.<br />
64
Tabela 15 – Resultado <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o coeficiente do trabalho.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
Setor<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
17<br />
0,801711<br />
(18,51)<br />
0,808586<br />
(18,22)<br />
0,754349<br />
(16,82)<br />
0,809354<br />
(19,50)<br />
0,805776<br />
(19,28)<br />
18<br />
0,816908<br />
(38,39)<br />
0,794855<br />
(34,69)<br />
0,826947<br />
(37,42)<br />
0,827877<br />
(41,49)<br />
0,825505<br />
(35,65)<br />
20<br />
0,854670<br />
(31,02)<br />
0,846891<br />
(31,83)<br />
0,858478<br />
(35,06)<br />
0,859995<br />
(32,28)<br />
0,859869<br />
(32,94)<br />
36<br />
0,858800<br />
(31,30)<br />
0,842720<br />
(32,86)<br />
0,863476<br />
(34,18)<br />
0,862077<br />
(34,53)<br />
0,860035<br />
(32,99)<br />
Média 0,833022 0,823263 0,825813 0,839826 0,837796<br />
30<br />
0,704428<br />
(9,56)<br />
0,696518<br />
(7,58)<br />
0,701408<br />
(7,82)<br />
0,707394<br />
(7,76)<br />
0,703808<br />
(8,07)<br />
32<br />
0,651950<br />
(10,64)<br />
0,647069<br />
(9,66)<br />
0,627987<br />
(10,08)<br />
0,654270<br />
(10,24)<br />
0,654480<br />
(10,85)<br />
34<br />
0,625179<br />
(9,79)<br />
0,577538<br />
(10,47)<br />
0,629585<br />
(11,72)<br />
0,627969<br />
(10,80)<br />
0,625407<br />
(10,97)<br />
35<br />
0,732943<br />
(10,09)<br />
0,716793<br />
(10,34)<br />
0,741701<br />
(10,67)<br />
0,726137<br />
(9,64)<br />
0,730541<br />
(9,94)<br />
Média 0,678625 0,659479 0,675170 0,678942 0,678559<br />
Fonte: Elaboração própria.<br />
Média do<br />
Setor<br />
0,795955<br />
0,818419<br />
0,855981<br />
0,857422<br />
0,702711<br />
0,647151<br />
0,617135<br />
0,729623<br />
Tomando a média dos coeficientes do setor como referência, fica clara a prevalência<br />
do método <strong>de</strong> O&P sobre L&P. O método <strong>de</strong> O&P apresenta coeficientes <strong>da</strong> variável<br />
trabalho mais próximos à média para todos os setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong><br />
tecnológica, bem como também para o setor 34, <strong>de</strong> alta.<br />
Tabela 16 – Distância do coeficiente estimado do trabalho pelos métodos <strong>de</strong> O&P e<br />
Baixa<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Alta<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
L&P, por setor e método, <strong>da</strong> média do setor.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
Setor Erro Erro Erro Erro Erro<br />
Soma dos<br />
Erros<br />
17 0,000033* 0,000160 0,001731 + 0,000180 0,000096 0,002200<br />
18 0,000002* 0,000555 + 0,000073 0,000089 0,000050 0,000770<br />
20 0,000002* 0,000083 + 0,000006 0,000016 0,000015 0,000122<br />
36 0,000002* 0,000216 + 0,000037 0,000022 0,000007 0,000283<br />
30 0,000003 0,000038 + 0,000002 0,000022 0,000001 0,000066*<br />
32 0,000023 0,000000* 0,000367 + 0,000051 0,000054 0,000495<br />
34 0,000065* 0,001568 + 0,000155 0,000117 0,000068 0,001973<br />
35 0,000011 0,000165 + 0,000146 0,000012 0,000001 0,000334*<br />
Fonte: Elaboração própria.<br />
Notas: * – Menor distância <strong>da</strong> média do setor; + – Maior distância <strong>da</strong> média do setor.<br />
65
L&P só conseguem este feito para o setor 32, com a matéria-prima como proxy para<br />
a produtivi<strong>da</strong><strong>de</strong>, e para os setores 30 e 35, utilizando a variável investimento como<br />
proxy. Deve ser lembrado, no entanto, que a utilização do investimento como proxy<br />
é uma aplicação <strong>da</strong> idéia <strong>de</strong> O&P no método <strong>de</strong> L&P. Restringindo a análise, por<br />
enquanto, aos coeficientes <strong>de</strong> trabalho, os resultados obtidos com L&P utilizando a<br />
proxy investimento são muito próximos <strong>da</strong>queles obtidos com O&P. Para reforçar<br />
ain<strong>da</strong> mais tal análise, os resultados <strong>de</strong> maior dispersão foram obtidos com L&P,<br />
sendo a proxy matéria-prima responsável por seis setores (18, 20, 36, 30, 34 e 35) e<br />
a proxy combustíveis pelos outros dois (17 e 32).<br />
Nas tabelas 17 e 18, na página a seguir, são apresentados, respectivamente, os<br />
coeficientes estimados para a variável capital pelos métodos <strong>de</strong> O&P e L&P e as<br />
distâncias <strong>da</strong> média do setor dos coeficientes gerados para ca<strong>da</strong> setor por ca<strong>da</strong> um<br />
dos métodos. Da mesma forma que na avaliação dos coeficientes <strong>de</strong> capital gerados<br />
pelos métodos apresentados na seção 5.1, aqui os resultados não são tão claros.<br />
Há coeficientes <strong>de</strong> capital muito gran<strong>de</strong>s, muito pequenos, e até um negativo. O<br />
problema com relação a este coeficiente em particular po<strong>de</strong> ser em gran<strong>de</strong> parte<br />
atribuído às ressalvas que já foram feitas na seção 4.3 e na seção 5.1 com respeito<br />
à variável utiliza<strong>da</strong> como estoque <strong>de</strong> capital. Novamente os problemas são mais<br />
visíveis nos setores 30 e 35, aqueles com cerca <strong>de</strong> 50% <strong>de</strong> observações faltantes<br />
nesta variável <strong>de</strong> estoque <strong>de</strong> capital. Fica claro também que há problemas no setor<br />
20, on<strong>de</strong> há gran<strong>de</strong> variabili<strong>da</strong><strong>de</strong> dos coeficientes estimados, contando inclusive<br />
com um coeficiente negativo. Voltando à base <strong>de</strong> <strong>da</strong>dos foi observado que no início<br />
<strong>da</strong> série histórica a variável <strong>de</strong> estoque <strong>de</strong> capital neste mesmo setor 20 tem 30% <strong>de</strong><br />
valores faltantes.<br />
66
Tabela 17 – Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o coeficiente do capital.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
Setor<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
17<br />
0,273406<br />
(1,52)<br />
0,733495<br />
(2,97)<br />
0,560180<br />
(3,68)<br />
0,464144<br />
(2,73)<br />
0,268713<br />
(1,69)<br />
18<br />
0,354215<br />
(3,90)<br />
0,150260<br />
(1,19)<br />
0,162202<br />
(0,71)<br />
0,291728<br />
(3,27)<br />
0,877939<br />
(4,73)<br />
20<br />
0,183800<br />
(0,65)<br />
0,328772<br />
(7,54)<br />
0,636347<br />
(2,94)<br />
-0,008874<br />
(-0,26)<br />
0,908807<br />
(6,73)<br />
36<br />
0,792903<br />
(3,86)<br />
0,499304<br />
(2,98)<br />
0,408763<br />
(4,18)<br />
0,287759<br />
(3,17)<br />
0,849580<br />
(14,42)<br />
0,401081 0,427958 0,441873 0,258689 0,726260<br />
30<br />
0,130337<br />
(0,33)<br />
1,130210<br />
(2,91)<br />
0,348689<br />
(1,76)<br />
0,284646<br />
(1,02)<br />
0,467250<br />
(2,03)<br />
32<br />
0,492659<br />
(3,26)<br />
0,544048<br />
(4,78)<br />
0,444346<br />
(3,68)<br />
0,473609<br />
(3,79)<br />
0,387673<br />
(3,07)<br />
34<br />
0,633027<br />
(2,64)<br />
0,179043<br />
(0,92)<br />
0,330064<br />
(2,53)<br />
0,359954<br />
(4,89)<br />
0,771515<br />
(3,98)<br />
35<br />
0,242169<br />
(0,70)<br />
0,420982<br />
(2,48)<br />
0,174201<br />
(1,03)<br />
0,028890<br />
(0,10)<br />
0,012026<br />
(0,15)<br />
0,374548 0,568571 0,324325 0,286775 0,409616<br />
Fonte: Elaboração própria.<br />
Baixa Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Alta Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Média do<br />
Setor<br />
0,459988<br />
0,367269<br />
0,409770<br />
0,567662<br />
0,472226<br />
0,468467<br />
0,454721<br />
0,175654<br />
Muitos dos coeficientes obtidos para a variável <strong>de</strong> capital nestes três setores sequer<br />
são significativos. Olhando pelo prisma <strong>da</strong> significância dos estimadores, o método<br />
mais eficiente para estimar o coeficiente <strong>de</strong> capital é o <strong>de</strong> L&P, seja com matéria-<br />
Tabela 18 – Distância do coeficiente estimado do capital pelos métodos <strong>de</strong> O&P e<br />
Baixa<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
Alta<br />
Intensi<strong>da</strong><strong>de</strong><br />
Tecnológica<br />
L&P, por setor e método, <strong>da</strong> média do setor.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
Setor Erro Erro Erro Erro Erro<br />
Soma<br />
dos Erros<br />
17 0,034813 0,074806+ 0,010039 0,000017* 0,036586 0,156261<br />
18 0,000170* 0,047093 0,042053 0,005706 0,260785+ 0,355807<br />
20 0,051063 0,006561* 0,051337 0,175264 0,249038+ 0,533262<br />
36 0,050734 0,004673* 0,025249 0,078346 0,079478+ 0,238478<br />
30 0,116888 0,432942+ 0,015261 0,035186 0,000025* 0,600303<br />
32 0,000585 0,005713 0,000582 0,000026* 0,006528+ 0,013434<br />
34 0,031793 0,075998 0,015539 0,008981* 0,100359+ 0,232670<br />
35 0,004424 0,060186+ 0,000002* 0,021540 0,026774 0,112926<br />
Fonte: Elaboração própria.<br />
Notas: * – Menor distância <strong>da</strong> média do setor.<br />
+ – Maior distância <strong>da</strong> média do setor.<br />
67
prima, seja com investimento, como proxies <strong>da</strong> produtivi<strong>da</strong><strong>de</strong>. Ain<strong>da</strong> por esta ótica, o<br />
método <strong>de</strong> O&P é o menos eficiente, pois só apresenta coeficientes significativos<br />
para os setores 18, 36, 32 e 34. Tomando novamente a média dos coeficientes do<br />
setor como referência, não se tem mais a prevalência <strong>de</strong> O&P sobre L&P. O&P só<br />
apresenta menor dispersão na estimativa do coeficiente <strong>de</strong> capital para o setor 18.<br />
Mas tão pouco se consegue i<strong>de</strong>ntificar em L&P um insumo como proxy que se<br />
sobressaia. Matéria-prima apresenta a menor dispersão para o caso dos setores 20<br />
e 36, combustíveis para o setor 35 e energia apresenta a menor dispersão para os<br />
setores 17, 32 e 34. Um caso a parte é o uso do investimento como proxy, pois<br />
apesar <strong>de</strong> apresentar a menor dispersão para o setor 30, apresenta a maior<br />
dispersão para cinco setores (18, 20, 36, 34 e 35). O uso <strong>da</strong> matéria-prima também<br />
gera um paradoxo, pois, apesar <strong>de</strong> apresentar menor dispersão para os setores 20 e<br />
36, apresenta também a maior dispersão para os setores 17, 30 e 35.<br />
Como interpretar os valores acima? Infelizmente ain<strong>da</strong> não foram <strong>de</strong>senvolvidos<br />
testes que pu<strong>de</strong>ssem avaliar a robustez dos resultados. O único teste disponibilizado<br />
por PETRIN et al. (2004) é o teste <strong>de</strong> Wald para retornos constantes <strong>de</strong> escala.<br />
Referindo-se às tabelas numera<strong>da</strong>s <strong>de</strong> 7 a 14, do Apêndice A, po<strong>de</strong>-se observar que<br />
para todos os setores sempre há uma ou mais implementações <strong>de</strong> L&P que não<br />
satisfazem o critério <strong>de</strong> 5% para o teste <strong>de</strong> Wald. Para os setores 30 e 35, que são<br />
aqueles com o maior número <strong>de</strong> observações faltantes para a variável <strong>de</strong> estoque<br />
<strong>de</strong> capital, nenhuma implementação <strong>de</strong> L&P satisfaz o critério <strong>de</strong> 5% neste teste.<br />
Há alguns outros pontos que <strong>de</strong>vem ser realçados. O primeiro diz respeito ao<br />
conjunto <strong>de</strong> variáveis utilizados como proxy <strong>de</strong> produtivi<strong>da</strong><strong>de</strong>: investimento, para<br />
O&P, e insumos intermediários, para L&P. No caso <strong>de</strong> investimento, não é possível<br />
68
observar seu coeficiente na saí<strong>da</strong> do comando opreg, do STATA®, que implementa<br />
o método <strong>de</strong> O&P, mas foi possível observar o comportamento <strong>de</strong>sta variável no<br />
procedimento <strong>de</strong> L&P, como variável livre. Ela é muito significativa na gran<strong>de</strong><br />
maioria dos setores e, se elevado o nível <strong>de</strong> significância para 10%, ela será<br />
significativa para todos. No caso dos insumos intermediários, quando estes entram<br />
no mo<strong>de</strong>lo como variáveis livres, o comportamento não é tão homogêneo. A matéria-<br />
prima é significativa em quase todos os setores, à exceção dos setores 34 e 36. No<br />
outro extremo, combustível apenas é significativo para o setor 20, enquanto que<br />
energia só é significativa nos setores 34 e 35. Como L&P não apresentam regras<br />
mais conclusivas sobre a escolha <strong>de</strong> um ou outro insumo intermediário como proxy,<br />
esta po<strong>de</strong> ser uma boa prática para escolha: verificar qual o comportamento do<br />
insumo como variável livre no mo<strong>de</strong>lo.<br />
O último ponto que <strong>de</strong>ve ser <strong>de</strong>stacado é que a variável <strong>de</strong> i<strong>da</strong><strong>de</strong>, mesmo sendo<br />
uma variável <strong>de</strong> estado nos dois procedimentos, não é significativa em nenhum<br />
procedimento para nenhum setor.<br />
69
5.3 Das análises transversais.<br />
Nesta seção serão realiza<strong>da</strong>s algumas análises transversais <strong>da</strong> aplicação dos<br />
métodos paramétricos, O&P e L&P a todos os setores selecionados, tentando<br />
i<strong>de</strong>ntificar quaisquer características quanto à a<strong>de</strong>quação <strong>de</strong> ca<strong>da</strong> método a<br />
<strong>de</strong>terminado setor.<br />
Voltando a atenção novamente para as tabelas 11 e 15, on<strong>de</strong> foram apresentados<br />
os coeficientes estimados para a variável <strong>de</strong> trabalho por todos os métodos em<br />
todos os setores, bem como para as tabelas 12 e 16, on<strong>de</strong> foram apresenta<strong>da</strong>s as<br />
distâncias entre os coeficientes gerados em ca<strong>da</strong> método para ca<strong>da</strong> setor e as<br />
médias do setor, po<strong>de</strong>-se perceber uma clara divisão entre os valores obtidos para<br />
os setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica e os valores obtidos para os setores <strong>de</strong><br />
alta intensi<strong>da</strong><strong>de</strong> tecnológica. Para os setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica é<br />
claro o viés <strong>de</strong> alta do MQO, se bem que a diferença não é tão expressiva assim.<br />
Mas, nos setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica, o MQO apresenta coeficientes <strong>de</strong><br />
trabalho menores que O&P e to<strong>da</strong>s as implementações <strong>de</strong> L&P. Então já não se<br />
po<strong>de</strong> dizer que MQO sempre superestima os coeficientes <strong>de</strong> trabalho. Há indícios <strong>de</strong><br />
que o sentido do viés <strong>de</strong>pen<strong>de</strong> <strong>da</strong> intensi<strong>da</strong><strong>de</strong> tecnológica do setor.<br />
Com certeza po<strong>de</strong>-se dizer apenas que o uso <strong>de</strong> efeitos fixos apresenta os menores<br />
coeficientes para a variável do trabalho entre todos os métodos implementados para<br />
os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. O uso <strong>da</strong> variável investimento reduz um<br />
pouco <strong>da</strong> sobreestimação observa<strong>da</strong> no MQO para setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong><br />
tecnológica e, ao mesmo tempo, aumenta a média dos coeficientes estimados para<br />
os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. Está claro, portanto, porque O&P a utiliza<br />
70
em suas formulações. Arellano e Bond produzem as menores estimativas para os<br />
coeficientes <strong>da</strong> variável do trabalho para os setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong><br />
tecnológica, e vem em segundo para os <strong>de</strong> alta, ou seja, pelo critério adotado <strong>de</strong><br />
distância <strong>da</strong> média do setor, são gran<strong>de</strong>s as chances <strong>de</strong> o método <strong>de</strong> A&B estar<br />
subestimando o coeficiente do trabalho.<br />
Os coeficientes obtidos para a variável do trabalho através do método <strong>de</strong> O&P se<br />
situam em uma posição intermediária em relação às implementações <strong>de</strong> L&P, tanto<br />
para os setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica quanto para os <strong>de</strong> alta, todos muito<br />
próximos. Pelo critério aqui adotado, O&P então se mostra superior a L&P com<br />
relação à estimação dos coeficientes do trabalho tanto para os setores <strong>de</strong> alta como<br />
<strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
Quando a atenção é volta<strong>da</strong> para as tabelas 13 e 17, on<strong>de</strong> foram apresentados os<br />
coeficientes estimados para a variável <strong>de</strong> capital por todos os métodos em todos os<br />
setores, bem como para as tabelas 14 e 18, on<strong>de</strong> foram apresenta<strong>da</strong>s as distâncias<br />
entre os coeficientes gerados em ca<strong>da</strong> método para ca<strong>da</strong> setor e as médias do<br />
setor, a análise intersetorial se torna uma tarefa mais árdua. As relações tão<br />
evi<strong>de</strong>ntes quando a análise envolvia as variáveis <strong>de</strong> trabalho agora <strong>de</strong>man<strong>da</strong>m um<br />
pouco mais <strong>de</strong> atenção. Correndo o risco <strong>da</strong> repetição, <strong>de</strong>ve novamente ser<br />
chama<strong>da</strong> a atenção para os problemas observados na obtenção <strong>da</strong> variável estoque<br />
<strong>de</strong> capital. A primeira conclusão a que se po<strong>de</strong> chegar, olhando <strong>de</strong> maneira geral<br />
todos os coeficientes obtidos para a variável <strong>de</strong> capital, é que já não é tão visível a<br />
diferença entre os setores <strong>de</strong> alta e <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. Em alguns<br />
casos tem-se que as médias dos coeficientes obtidos nos setores <strong>de</strong> baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica para a variável <strong>de</strong> capital é maior do que aquelas dos<br />
setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica, como é o caso <strong>de</strong> O&P e as<br />
71
implementações <strong>de</strong> L&P que utilizam combustíveis e investimentos como proxy para<br />
a produtivi<strong>da</strong><strong>de</strong>. Em função <strong>da</strong> dispersão dos coeficientes nos métodos <strong>de</strong> O&P e<br />
L&P, só é possível tecer algum comentário sobre o setor 32, cujos coeficientes <strong>da</strong><br />
variável <strong>de</strong> capital se situam em torno <strong>de</strong> 0,47. Este também é o setor <strong>de</strong> menor<br />
dispersão dos coeficientes para os métodos paramétricos, mas que nesse caso se<br />
situam ao redor <strong>de</strong> 0,33, indicando que tais métodos paramétricos po<strong>de</strong>m estar<br />
subestimando o coeficiente <strong>de</strong> capital. De uma maneira geral percebe-se que o<br />
método MQO subestima os coeficientes <strong>de</strong> capital quando comparado aos métodos<br />
<strong>de</strong> L&P e O&P em ambos os grupos <strong>de</strong> intensi<strong>da</strong><strong>de</strong> tecnológica.<br />
72
5.4 Do estudo <strong>da</strong> produtivi<strong>da</strong><strong>de</strong>.<br />
Este trabalho viu-se impelido a dispensar razoável esforço na revisão teórica e<br />
empírica <strong>da</strong>s diversas metodologias para obtenção <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> total dos<br />
fatores. Tal esforço se <strong>de</strong>u <strong>de</strong>vido à varie<strong>da</strong><strong>de</strong> dos métodos existentes e à hipótese,<br />
coloca<strong>da</strong> no início <strong>de</strong>ste capítulo, <strong>de</strong> que o sucesso <strong>de</strong> ca<strong>da</strong> um dos métodos<br />
<strong>de</strong>pen<strong>de</strong> muito mais do conjunto <strong>de</strong> <strong>da</strong>dos utilizados que do labor <strong>de</strong> ca<strong>da</strong> um dos<br />
respectivos autores em justificar teoricamente seus procedimentos.<br />
O objetivo central <strong>de</strong>ste trabalho, no entanto, é explicitar a produtivi<strong>da</strong><strong>de</strong> <strong>da</strong>s<br />
empresas, que não é diretamente observável. Com efeito, o que se fez até o<br />
momento foi tentar i<strong>de</strong>ntificar qual a melhor ferramenta para seguir adiante com a<br />
investigação. Mas como já foi dito, a escolha não será uma tarefa fácil. Este trabalho<br />
se <strong>de</strong>parou, ao longo do processo, com uma dificul<strong>da</strong><strong>de</strong> comum aos trabalhos<br />
empíricos: a quali<strong>da</strong><strong>de</strong> dos <strong>da</strong>dos. De maneira geral a quali<strong>da</strong><strong>de</strong> dos <strong>da</strong>dos obtidos<br />
junto ao IBGE é excepcional, mas, como se tratam <strong>de</strong> <strong>da</strong>dos obtidos <strong>de</strong> pesquisas<br />
que são espontâneas, muitas vezes há observações faltantes, ou mesmo outliers,<br />
frutos <strong>de</strong> erros <strong>de</strong> entendimento ou digitação.<br />
A seguir são apresenta<strong>da</strong>s tabelas contendo as produtivi<strong>da</strong><strong>de</strong>s calcula<strong>da</strong>s a partir<br />
dos resíduos <strong>da</strong>s equações estima<strong>da</strong>s. De uma maneira geral a produtivi<strong>da</strong><strong>de</strong> é<br />
obti<strong>da</strong> através do seguinte cálculo:<br />
N ⎡<br />
⎤<br />
(22) pit<br />
= exp⎢ln( yit<br />
) − ∑ β<br />
k ln(<br />
xkit<br />
) ⎥⎦<br />
⎣<br />
k = 1<br />
73
On<strong>de</strong> i i<strong>de</strong>ntifica ca<strong>da</strong> empresa e t representa o tempo. Esta formulação permite a<br />
utilização <strong>de</strong> N insumos x, com seus respectivos coeficientes βk, para a produção y.<br />
A função levpet, que implementa o método <strong>de</strong> L&P, já gera automaticamente tais<br />
valores.<br />
Para efeito <strong>de</strong> comparação são apresenta<strong>da</strong>s também duas medi<strong>da</strong>s comumente<br />
utiliza<strong>da</strong>s como representativas <strong>da</strong> produtivi<strong>da</strong><strong>de</strong>: Valor <strong>da</strong> Transformação Industrial<br />
sobre Total <strong>de</strong> Pessoal Ocupado (VTI/PO) e Valor <strong>da</strong> Transformação Industrial sobre<br />
o Total <strong>de</strong> Salários Ligados à Produção (VTI/SAL). As duas representam a relação<br />
do VTI pela mão-<strong>de</strong>-obra, que é uma medi<strong>da</strong> <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> do trabalho. No<br />
primeiro caso o valor <strong>de</strong> VTI é <strong>de</strong>flacionado pelo IGP-M anual, adotando o ano <strong>de</strong><br />
2005 como 100. No segundo caso, como as duas gran<strong>de</strong>zas foram utiliza<strong>da</strong>s em<br />
uni<strong>da</strong><strong>de</strong>s monetárias (R$) correntes e a relação gera<strong>da</strong> é adimensional, não há a<br />
necessi<strong>da</strong><strong>de</strong> <strong>de</strong> <strong>de</strong>flacioná-las. Em todos os métodos econométricos foram utilizados<br />
apenas os salários ligados à produção como variável trabalho. Nestes métodos<br />
to<strong>da</strong>s as variáveis foram <strong>de</strong>flaciona<strong>da</strong>s com o <strong>de</strong>flator a<strong>de</strong>quado.<br />
Uma questão <strong>de</strong> fundo neste trabalho é como comparar os diversos métodos. Como<br />
as produtivi<strong>da</strong><strong>de</strong>s foram calcula<strong>da</strong>s <strong>de</strong> diversas formas, por métodos paramétricos e<br />
semi-paramétricos, e como os <strong>da</strong>dos apresentaram uma variabili<strong>da</strong><strong>de</strong> não<br />
imagina<strong>da</strong> a princípio, optou-se por apresentar os valores padronizados <strong>da</strong>s médias<br />
calcula<strong>da</strong>s para ca<strong>da</strong> setor. Ou seja, como os valores produzidos são as médias <strong>da</strong>s<br />
empresas em ca<strong>da</strong> setor, to<strong>da</strong>s foram dividi<strong>da</strong>s por seus respectivos <strong>de</strong>svios-<br />
padrão. Nas páginas a seguir são apresenta<strong>da</strong>s as produtivi<strong>da</strong><strong>de</strong>s padroniza<strong>da</strong>s<br />
VTI/PO, VTI/SAL, e as calcula<strong>da</strong>s por A&B, B&B, O&P, assim como pelas quatro<br />
versões do método L&P.<br />
74
Tabela 19 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 17.<br />
ano<br />
VTI/PO<br />
5<br />
VTI/SAL 6 A&B 7 B&B 8 OP 9<br />
LP<br />
(MP) 10<br />
LP<br />
(Comb) 11<br />
LP<br />
(Ener) 12<br />
75<br />
LP<br />
(Inv) 13<br />
1996 0,4789 0,4896 0,0396 0,0431 0,0420 0,0422 0,0384<br />
1997 0,4507 0,3275 0,0566 0,0619 0,0611 0,0597 0,0577<br />
1998 0,3272 0,2441 0,0728 0,2284 0,0473 0,0513 0,0516 0,0523 0,0444<br />
1999 0,2906 0,3325 0,1336 0,1965 0,0462 0,0479 0,0458 0,0471 0,0426<br />
2000 0,3672 0,2019 0,0749 0,2124 0,0324 0,0297 0,0294 0,0292 0,0284<br />
2001 0,0452 0,1963 0,0534 0,2073 0,0358 0,0417 0,0403 0,0363 0,0424<br />
2002 0,1654 0,0965 0,0630 0,1857 0,0252 0,0309 0,0277 0,0264 0,0285<br />
2003 0,1284 0,0810 0,0446 0,1609 0,0282 0,0332 0,0328 0,0311 0,0304<br />
2004 0,3002 0,2368 0,0305 0,1821 0,0234 0,0258 0,0252 0,0250 0,0239<br />
2005 0,1989 0,2255 0,0590 0,2150 0,0679 0,0727 0,0770 0,0747 0,0608<br />
Fonte: Elaboração própria.<br />
O que fica claro, no entanto, <strong>da</strong> análise <strong>da</strong> tabela 19, e <strong>da</strong>s tabelas 20, 21 e 22, na<br />
próxima página é que, in<strong>de</strong>pen<strong>de</strong>nte do método utilizado, não houve um crescimento<br />
consistente <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> ao longo <strong>da</strong> déca<strong>da</strong> analisa<strong>da</strong>. Mesmo sendo esse<br />
período <strong>de</strong> aprofun<strong>da</strong>mento <strong>da</strong> abertura econômica e intensa mo<strong>de</strong>rnização na<br />
economia brasileira, não é possível perceber ganhos permanentes. Mais ain<strong>da</strong>, nos<br />
setores apresentados neste primeiro bloco, <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica, afora<br />
pequenas oscilações, a tendência é <strong>de</strong> estagnação ou pequena que<strong>da</strong>.<br />
5 Valor <strong>da</strong> Transformação Industrial sobre Total do Pessoal Ocupado.<br />
6 Valor <strong>da</strong> Transformação Industrial sobre Total <strong>de</strong> Salários pagos na Indústria.<br />
7 Produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong> a partir dos coeficientes estimados pelo método <strong>de</strong> Arellano e Bond (1991).<br />
8 Produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong> a partir dos coeficientes estimados pelo método <strong>de</strong> Blun<strong>de</strong>ll e Bond (2000).<br />
9 Produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong> a partir dos coeficientes estimados pelo método <strong>de</strong> Olley e Pakes (1996).<br />
10 Produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong> a partir dos coeficientes estimados pelo método <strong>de</strong> Levinsohn e Petrin<br />
(2003), utilizando como proxy <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> o consumo <strong>de</strong> matéria-prima.<br />
11 Produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong> a partir dos coeficientes estimados pelo método <strong>de</strong> Levinsohn e Petrin<br />
(2003), utilizando como proxy <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> o consumo <strong>de</strong> combustíveis.<br />
12 Produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong> a partir dos coeficientes estimados pelo método <strong>de</strong> Levinsohn e Petrin<br />
(2003), utilizando como proxy <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> o consumo <strong>de</strong> energia.<br />
13 Produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong> a partir dos coeficientes estimados pelo método <strong>de</strong> Levinsohn e Petrin<br />
(2003), utilizando como proxy <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> o investimento.
Tabela 20 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 18.<br />
ano VTI/PO VTI/SAL A&B B&B OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
1996 0,3347 0,3290 0,0369 0,0353 0,0331 0,0327 0,0334<br />
1997 0,1848 0,0813 0,0296 0,0272 0,0256 0,0274 0,0329<br />
1998 0,2412 0,2856 0,0247 0,0448 0,0337 0,0340 0,0332 0,0348 0,0381<br />
1999 0,2681 0,2714 0,0813 0,0387 0,0341 0,0337 0,0318 0,0389 0,0485<br />
2000 0,2118 0,2664 0,0336 0,0325 0,0323 0,0379 0,0372 0,0430 0,0447<br />
2001 0,2408 0,2210 0,1082 0,0326 0,0183 0,0187 0,0187 0,0194 0,0187<br />
2002 0,3238 0,0996 0,0610 0,0315 0,0155 0,0165 0,0154 0,0164 0,0227<br />
2003 0,1986 0,2544 0,0513 0,0299 0,0195 0,0204 0,0193 0,0208 0,0264<br />
2004 0,2161 0,1933 0,0173 0,0249 0,0251 0,0204 0,0196 0,0200 0,0311<br />
2005 0,2657 0,3433 0,0275 0,0264 0,0185 0,0152 0,0150 0,0148 0,0239<br />
Fonte: Elaboração própria.<br />
Tabela 21 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 20.<br />
ano VTI/PO VTI/SAL A&B B&B OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
1996 0,4112 0,3099 0,0297 0,0312 0,0312 0,0312 0,0303<br />
1997 0,3425 0,3646 0,9340 0,9164 0,5241 0,6869 0,3084<br />
1998 0,4123 0,3377 0,0332 0,1849 0,0273 0,6501 0,6376 0,6044 0,0272<br />
1999 0,1450 0,1380 0,0403 0,1677 0,0319 0,0392 0,0370 0,0363 0,0325<br />
2000 0,2895 0,3370 0,0617 0,1641 0,0323 0,0280 0,0301 0,0295 0,0353<br />
2001 0,1603 0,3028 0,0412 0,1707 0,0242 0,0250 0,0266 0,0261 0,0262<br />
2002 0,2506 0,3933 0,0462 0,1295 0,9540 0,9175 0,6426 0,8070 0,3855<br />
2003 0,2795 0,3586 0,0251 0,1301 0,0422 0,0378 0,0341 0,0337 0,0319<br />
2004 0,0662 0,1472 0,0290 0,1646 0,0324 0,0318 0,0301 0,0311 0,0302<br />
2005 0,2150 0,0904 0,0375 0,0317 0,0349 0,0364 0,0363 0,0370 0,0335<br />
Fonte: Elaboração própria.<br />
Tabela 22 – Resultados do cálculo <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 36.<br />
ano VTI/PO VTI/SAL A&B B&B OP LP(MP) LP(Cb) LP(En) LP(Inv)<br />
1996 0,2866 0,3662 0,0388 0,0321 0,0323 0,0334 0,0294<br />
1997 0,1781 0,2703 0,0350 0,0348 0,0348 0,0341 0,0364<br />
1998 0,1868 0,2217 0,0517 0,2020 0,0257 0,6423 0,6514 0,7628 0,0298<br />
1999 0,2080 0,2392 0,0490 0,1756 0,0319 0,0359 0,0359 0,0358 0,0319<br />
2000 0,2303 0,2328 0,0531 0,2320 0,0206 0,0213 0,0212 0,0213 0,0206<br />
2001 0,2665 0,3044 0,0376 0,1754 0,0288 0,0233 0,0232 0,0234 0,0269<br />
2002 0,1652 0,3230 0,0272 0,1638 0,0181 0,0180 0,0176 0,0173 0,0193<br />
2003 0,2074 0,2123 0,0629 0,1669 0,4054 0,4552 0,4267 0,3866 0,4469<br />
2004 0,2164 0,1635 0,0213 0,1549 0,0310 0,0313 0,0312 0,0312 0,0309<br />
2005 0,2530 0,1870 0,0241 0,0257 0,0906 0,0921 0,0922 0,0922 0,0916<br />
Fonte: Elaboração própria.<br />
Para ilustrar melhor este argumento, são apresentados a seguir quatro gráficos que<br />
expressam a evolução <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s padroniza<strong>da</strong>s obti<strong>da</strong>s através dos<br />
métodos <strong>de</strong> O&P e L&P. No gráfico 1 po<strong>de</strong>-se perceber claramente uma que<strong>da</strong><br />
76
contínua <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s em to<strong>da</strong>s as implementações para o setor 17. Houve<br />
um crescimento consi<strong>de</strong>rável, <strong>de</strong> cerca <strong>de</strong> 50% entre 1996 e 1997. A partir <strong>de</strong> 1997,<br />
observa-se uma que<strong>da</strong> gra<strong>da</strong>tiva até atingir seu vale em 2004, com as<br />
produtivi<strong>da</strong><strong>de</strong>s caindo a um terço do que eram em 1997. Po<strong>de</strong>-se, porém, observar<br />
um forte crescimento em 2005, <strong>de</strong> mais <strong>de</strong> 200%. O quanto este fato se <strong>de</strong>ve a um<br />
crescimento real e o quanto po<strong>de</strong> ser <strong>de</strong>vido a problemas nos <strong>da</strong>dos do último ano<br />
<strong>da</strong> amostra é difícil dizer. O que fica evi<strong>de</strong>nte, também, é o quanto as cinco<br />
implementações caminham muito próximas.<br />
No gráfico 2, que expressa as produtivi<strong>da</strong><strong>de</strong>s padroniza<strong>da</strong>s para o setor 18, po<strong>de</strong>-se<br />
observar que o crescimento <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s se prolonga até o ano 2000,<br />
havendo uma que<strong>da</strong> abrupta em 2001. O setor ensaia alguma recuperação até o<br />
ano <strong>de</strong> 2004 e há novamente uma que<strong>da</strong> brusca em 2005. Neste segundo gráfico já<br />
não fica tão clara a proximi<strong>da</strong><strong>de</strong> entre os diversos métodos utilizados, com o insumo<br />
energia claramente gerando produtivi<strong>da</strong><strong>de</strong>s maiores que os <strong>de</strong>mais.<br />
Nos dois gráficos seguintes po<strong>de</strong>-se observar que a tendência é <strong>de</strong> estagnação,<br />
com alguns “choques <strong>de</strong> produtivi<strong>da</strong><strong>de</strong>”. No gráfico 3, que mostra as produtivi<strong>da</strong><strong>de</strong>s<br />
do setor 20, po<strong>de</strong>-se observar uma forte variação dos coeficientes entre os anos <strong>de</strong><br />
1997 e 1998, e em 2002. O que se po<strong>de</strong> dizer do choque na produtivi<strong>da</strong><strong>de</strong> entre<br />
1997 e 1998 é ele foi sentido imediatamente em 1997 pela via do investimento e<br />
rapi<strong>da</strong>mente também se dissipou, como o atestam O&P e L&P com investimento,<br />
mas que houve uma transmissão para 1998 pela via dos insumos intermediários. Em<br />
2002, também houve um choque <strong>de</strong> produtivi<strong>da</strong><strong>de</strong>, mas também <strong>de</strong> dissipação<br />
rápi<strong>da</strong>. Já no gráfico 4, <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s do setor 36, também foram observados<br />
dois choques, só que agora instantâneos em 1998 e em 2003.<br />
77
0,0800<br />
0,0700<br />
0,0600<br />
0,0500<br />
0,0400<br />
0,0300<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 17<br />
0,0200<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
Gráfico 1: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 17.<br />
Fonte: Elaboração própria.<br />
0,0500<br />
0,0450<br />
0,0400<br />
0,0350<br />
0,0300<br />
0,0250<br />
0,0200<br />
0,0150<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 18<br />
0,0100<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
Gráfico 2: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 18.<br />
Fonte: Elaboração própria.<br />
78<br />
OP_17<br />
LP_17_MAT<br />
LP_17_COMB<br />
LP_17_ENER<br />
LP_17_INV<br />
OP_18<br />
LP_18_MAT<br />
LP_18_COMB<br />
LP_18_ENER<br />
LP_18_INV
1,0000<br />
0,9000<br />
0,8000<br />
0,7000<br />
0,6000<br />
0,5000<br />
0,4000<br />
0,3000<br />
0,2000<br />
0,1000<br />
-<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 20<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
Gráfico 3: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 20.<br />
Fonte: Elaboração própria.<br />
0,8000<br />
0,7000<br />
0,6000<br />
0,5000<br />
0,4000<br />
0,3000<br />
0,2000<br />
0,1000<br />
-<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 36<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
Gráfico 4: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 36.<br />
Fonte: Elaboração própria.<br />
79<br />
OP_20<br />
LP_20_MAT<br />
LP_20_COMB<br />
LP_20_ENER<br />
LP_20_INV<br />
OP_36<br />
LP_36_MAT<br />
LP_36_COMB<br />
LP_36_ENER<br />
LP_36_INV
O ponto a se notar neste gráfico 4 é que tanto o método <strong>de</strong> O&P quanto o <strong>de</strong> L&P<br />
que utiliza investimento como proxy não respon<strong>de</strong>ram ao suposto choque <strong>de</strong> 1998.<br />
Po<strong>de</strong>-se supor que tenha sido apenas um choque <strong>de</strong> preços nos insumos. A menos<br />
<strong>de</strong>sta exceção, os métodos se mostram mais alinhados neste setor 36 do que no<br />
setor 20.<br />
Nas tabelas 24, 25, 26 e 27, nas páginas seguintes, são apresenta<strong>da</strong>s as<br />
produtivi<strong>da</strong><strong>de</strong>s gera<strong>da</strong>s para os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. Novamente<br />
aqui encontramos uma série <strong>de</strong> problemas com os valores gerados que neste<br />
momento apenas po<strong>de</strong>mos atribuir a inconsistências nos <strong>da</strong>dos, com uma suspeita<br />
muito forte sobre a variável <strong>de</strong> estoque <strong>de</strong> capital, aponta<strong>da</strong>s no capítulo anterior.<br />
Mesmo com todos os problemas, uma constatação já espera<strong>da</strong> é que os valores<br />
apresentados nas tabelas a seguir para as produtivi<strong>da</strong><strong>de</strong>s padroniza<strong>da</strong>s são<br />
substancialmente maiores que aqueles apresentados nas tabelas para os setores <strong>de</strong><br />
baixa intensi<strong>da</strong><strong>de</strong> tecnológica. Se computa<strong>da</strong> a média ano a ano dos métodos <strong>de</strong><br />
O&P e L&P, conforme apresenta a tabela 23, na próxima página, essa diferença só<br />
é a favor dos setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica em 1997, mas chega a ser <strong>de</strong><br />
quase vinte vezes em 2001. Po<strong>de</strong>mos observar claramente que se excetuando os<br />
anos <strong>de</strong> graves crises, como 1997, 2002 e 2003, os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong><br />
tecnológica ten<strong>de</strong>m a ter uma produtivi<strong>da</strong><strong>de</strong> em média <strong>de</strong>z vezes maior que a dos<br />
setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica. Ao que parece, as crises afetam <strong>de</strong><br />
maneira mais imediata os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica. A provável<br />
hipótese, que não será eluci<strong>da</strong><strong>da</strong> neste trabalho, é que os setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong> são mais sensíveis a variações nos níveis <strong>de</strong> investimento, que estão<br />
diretamente liga<strong>da</strong>s às taxas reais <strong>de</strong> juros. Ain<strong>da</strong> na tabela 23 percebe-se que as<br />
maiores relações entre as médias <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> ocorre nos anos <strong>de</strong> juro real<br />
80
mais baixo. A única exceção é o ano <strong>de</strong> 2002, em que o juro real caiu, em virtu<strong>de</strong> <strong>da</strong><br />
aceleração <strong>da</strong> inflação, mas os investimentos não ocorreram <strong>de</strong>vido às incertezas<br />
que cercavam o processo eleitoral.<br />
Tabela 23 – Razões entre as médias <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> dos setores <strong>de</strong> alta<br />
intensi<strong>da</strong><strong>de</strong> tecnologia e <strong>de</strong> baixa, consi<strong>de</strong>rando os métodos O&P e L&P.<br />
ano 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
A/B 1 7,08 0,42 6,63 4,77 11,10 19,94 1,19 1,53 9,71 1,33<br />
Juro<br />
2 16,29% 18,59% 26,69% 15,28% 10,81% 8,96% 5,90% 12,85% 8,03% 12,64%<br />
real<br />
Fonte: Elaboração própria.<br />
Notas: 1) Razão entre a média <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s calcula<strong>da</strong>s pelos métodos <strong>de</strong> O&P e L&P dos<br />
quatro setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica sobre as médias dos quatro setores <strong>de</strong> baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica<br />
2) Taxa OVER/SELIC <strong>de</strong>flaciona<strong>da</strong> pelo IPCA<br />
Tabela 24 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 30.<br />
ano VTI/PO VTI/SAL A&B B&B OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
1996 0,4039 0,4174 0,5572 0,6297 0,8794 0,8229 0,5531<br />
1997 0,3676 0,4483 0,1041 0,0995 0,1003 0,1007 0,0975<br />
1998 0,4794 0,5196 0,5089 0,4140 0,5922 0,6309 0,7228 0,6920 0,6128<br />
1999 0,4470 0,4137 0,1340 0,4936 0,1085 1,0320 0,5258 0,5410 0,1099<br />
2000 0,3911 0,5847 0,1403 0,4674 0,0945 0,1324 0,1004 0,1007 0,1041<br />
2001 0,3934 0,3759 0,3186 0,5661 0,6771 0,7314 0,6579 0,6208 0,7658<br />
2002 0,2780 0,5055 0,3382 0,4776 0,4939 0,6677 0,5101 0,6476 0,4812<br />
2003 0,3113 0,4341 0,2244 0,3110 0,4849 0,6506 0,3164 0,3889 0,3591<br />
2004 0,2141 0,3315 0,3078 0,3328 0,6595 0,6094 1,0170 1,0207 0,9989<br />
2005 0,4509 0,3351 0,1196 0,6006 0,0899 0,1061 0,0915 0,0918 0,0892<br />
Fonte: Elaboração própria.<br />
Tabela 25 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 32.<br />
ano VTI/PO VTI/SAL A&B B&B OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
1996 0,2757 0,5114 0,1163 0,2941 0,1287 0,1636 0,1171<br />
1997 0,3380 0,2762 0,0574 0,0616 0,0597 0,0599 0,0576<br />
1998 0,2675 0,2116 0,4550 0,2797 0,7795 0,9223 0,7315 0,8716 0,7152<br />
1999 0,2680 0,3902 0,1457 0,3471 0,0539 0,0579 0,0568 0,0570 0,0543<br />
2000 0,3813 0,4253 0,0733 0,0920 0,1068 0,1000 0,0969 0,0954 0,1112<br />
2001 0,3743 0,4352 0,0700 0,1873 0,9136 0,9154 0,8499 0,9811 0,8978<br />
2002 0,3138 0,3789 0,0346 0,1547 0,1581 0,1692 0,1324 0,1360 0,1646<br />
2003 0,3805 0,2055 0,0575 0,0532 0,2441 0,2755 0,2515 0,1819 0,2853<br />
2004 0,1937 0,1488 0,0730 0,0718 0,0633 0,0807 0,0613 0,0639 0,0642<br />
2005 0,2134 0,3200 0,0894 0,0668 0,0658 0,0762 0,0708 0,0755 0,0644<br />
Fonte: Elaboração própria.<br />
81
Tabela 26 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 34.<br />
ano VTI/PO VTI/SAL A&B B&B OP LP(MP) LP(Cb) LP(En) LP(Inv)<br />
1996 0,7408 0,8395 0,0600 0,0654 0,0603 0,0607 0,0665<br />
1997 0,5010 0,4533 0,0516 0,0577 0,0499 0,0499 0,0478<br />
1998 0,5749 0,7544 0,0700 0,1325 0,0629 0,0627 0,0604 0,0608 0,0638<br />
1999 0,4379 0,7759 0,0586 0,1726 0,0609 0,0585 0,0528 0,0531 0,0493<br />
2000 0,1353 0,3588 0,0560 0,1481 0,7655 1,1024 1,1669 1,1896 0,6099<br />
2001 0,0555 0,4921 0,0390 0,1535 0,0414 0,0745 0,0622 0,0622 0,0649<br />
2002 0,1879 0,4991 0,0529 0,1723 0,0365 0,0632 0,0551 0,0539 0,0537<br />
2003 0,2452 0,5074 0,1080 0,1819 0,0438 0,0326 0,0341 0,0345 0,0466<br />
2004 0,1270 0,2875 0,1479 0,1763 0,0493 0,0370 0,0442 0,0501 0,0591<br />
2005 0,2370 0,2626 0,0413 0,0416 0,0550 0,0373 0,0448 0,0499 0,0661<br />
Fonte: Elaboração própria.<br />
Tabela 27 – Resultados <strong>da</strong>s estimativas <strong>da</strong> Produtivi<strong>da</strong><strong>de</strong> para o setor 35.<br />
ano VTI/PO VTI/SAL A&B B&B OP LP(MP) LP(Cb) LP(En) LP(Inv)<br />
1996 0,4579 0,5084 0,0684 0,0721 0,0718 0,0725 0,0679<br />
1997 0,3815 0,3262 0,0936 0,0977 0,0929 0,1033 0,0842<br />
1998 0,3689 0,2361 0,0812 0,5932 0,4726 0,5595 0,3448 0,3355 0,6530<br />
1999 0,3517 0,4869 0,0851 0,4474 0,1575 0,1562 0,1721 0,1888 0,1268<br />
2000 0,4915 0,4031 0,0822 0,3732 0,1544 0,1629 0,1591 0,1593 0,1613<br />
2001 0,3435 0,3505 0,2830 0,3260 0,6344 0,5140 0,5087 0,4686 0,3920<br />
2002 0,4732 0,3794 0,0946 0,3919 0,1206 0,1262 0,1232 0,1231 0,1256<br />
2003 0,4251 0,4537 0,1002 0,5065 0,0607 0,0639 0,0629 0,0632 0,0608<br />
2004 0,4118 0,4203 0,0999 0,0968 0,0861 0,0958 0,0946 0,0933 0,0907<br />
2005 0,2834 0,5479 0,0756 0,1132 0,0717 0,0732 0,0762 0,0765 0,0617<br />
Fonte: Elaboração própria.<br />
Diferentemente do que foi observado nas produtivi<strong>da</strong><strong>de</strong>s padroniza<strong>da</strong>s para os<br />
setores <strong>de</strong> baixa intensi<strong>da</strong><strong>de</strong> tecnológica, nos setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> não é<br />
possível perceber qualquer tendência. Ao contrário, percebe-se um comportamento<br />
um tanto quanto caótico dos valores obtidos. À exceção do setor 34, que tem um<br />
forte pico no ano <strong>de</strong> 2000, e nos outros anos continuou estável, os <strong>de</strong>mais<br />
apresentam um contínuo sobe e <strong>de</strong>sce. Diante <strong>de</strong> tal variabili<strong>da</strong><strong>de</strong> cabe ao<br />
pesquisador i<strong>de</strong>ntificar possíveis fontes <strong>de</strong> variação, como preço dos insumos, taxa<br />
<strong>de</strong> juros (preço do investimento) ou variações cambiais, que possam causar impacto<br />
nas suas estimativas. Uma regulari<strong>da</strong><strong>de</strong>, no entanto, impressiona. To<strong>da</strong>s as<br />
82
produtivi<strong>da</strong><strong>de</strong>s observa<strong>da</strong>s no ano <strong>de</strong> 2005 são menores que aquelas observa<strong>da</strong>s<br />
em 1996. Em to<strong>da</strong>s as implementações e em todos os setores.<br />
Para o setor 30, em particular, percebe-se que em <strong>de</strong>terminados anos as estimativas<br />
por meio <strong>de</strong> ca<strong>da</strong> um dos métodos são muito díspares. Da<strong>da</strong> a coerência entre os<br />
métodos estu<strong>da</strong>dos até aqui, tais dispari<strong>da</strong><strong>de</strong>s apenas po<strong>de</strong>m ser atribuí<strong>da</strong>s aos<br />
problemas enfrentados com a variável <strong>de</strong> estoque <strong>de</strong> capital também neste setor 30.<br />
No gráfico 5 fica evi<strong>de</strong>nte esta dispersão entre os métodos. Nos três gráficos<br />
seguintes, on<strong>de</strong> são apresenta<strong>da</strong>s as curvas para os setores 32, 34 e 35, os<br />
métodos novamente voltam a <strong>de</strong>monstrar alguma coerência. Tal uniformi<strong>da</strong><strong>de</strong> só é<br />
quebra<strong>da</strong> nos chamados “choques <strong>de</strong> produtivi<strong>da</strong><strong>de</strong>”, on<strong>de</strong> ca<strong>da</strong> método respon<strong>de</strong><br />
com uma intensi<strong>da</strong><strong>de</strong> diferente. Em relação ao setor 32, cumpre <strong>de</strong>stacar o quanto o<br />
método <strong>de</strong> O&P e as diferentes implementações do método <strong>de</strong> L&P caminham<br />
juntos. Um ponto a se <strong>de</strong>stacar é que, enquanto a maioria dos setores experimentou<br />
dois choques <strong>de</strong> produtivi<strong>da</strong><strong>de</strong>, com pequena variabili<strong>da</strong><strong>de</strong> nos anos <strong>de</strong> ocorrência,<br />
o setor 34 apresentou apenas um choque no ano 2000, como mostra o gráfico 7. No<br />
setor 35, apresentado no gráfico 8, on<strong>de</strong> se esperava um comportamento mais<br />
estranho, por conta dos problemas já relatados nos <strong>da</strong>dos, os métodos se alinham<br />
bem. O único ponto a <strong>de</strong>stacar é que nele os picos <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> são bem<br />
menores que nos outros setores, quase meta<strong>de</strong> do pico observado no setor 34.<br />
83
1,0500<br />
0,9500<br />
0,8500<br />
0,7500<br />
0,6500<br />
0,5500<br />
0,4500<br />
0,3500<br />
0,2500<br />
0,1500<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 30<br />
0,0500<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
Gráfico 5: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 30.<br />
Fonte: Elaboração própria.<br />
1,0000<br />
0,9000<br />
0,8000<br />
0,7000<br />
0,6000<br />
0,5000<br />
0,4000<br />
0,3000<br />
0,2000<br />
0,1000<br />
-<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 32<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
Gráfico 6: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 32.<br />
Fonte: Elaboração própria.<br />
84<br />
OP_30<br />
LP_30_MAT<br />
LP_30_COMB<br />
LP_30_ENER<br />
LP_30_INV<br />
OP_32<br />
LP_32_MAT<br />
LP_32_COMB<br />
LP_32_ENER<br />
LP_32_INV
1,2000<br />
1,0000<br />
0,8000<br />
0,6000<br />
0,4000<br />
0,2000<br />
-<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 34<br />
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005<br />
Gráfico 7: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 34.<br />
Fonte: Elaboração própria.<br />
0,6600<br />
0,6000<br />
0,5400<br />
0,4800<br />
0,4200<br />
0,3600<br />
0,3000<br />
0,2400<br />
0,1800<br />
0,1200<br />
Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 35<br />
0,0600<br />
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006<br />
Gráfico 8: Comparativo <strong>da</strong>s Produtivi<strong>da</strong><strong>de</strong>s <strong>de</strong> O&P e L&P para o Setor 35.<br />
Fonte: Elaboração própria.<br />
85<br />
OP_34<br />
LP_34_MAT<br />
LP_34_COMB<br />
LP_34_ENER<br />
LP_34_INV<br />
OP_35<br />
LP_35_MAT<br />
LP_35_COMB<br />
LP_35_ENER<br />
LP_35_INV
À guisa <strong>de</strong> conclusão <strong>de</strong>sta seção convém ressaltar a proximi<strong>da</strong><strong>de</strong> <strong>da</strong>s<br />
produtivi<strong>da</strong><strong>de</strong>s calcula<strong>da</strong>s a partir dos coeficientes estimados pelos métodos <strong>de</strong> O&P<br />
e L&P. A questão que fica em aberto é porque eles respon<strong>de</strong>m <strong>de</strong> maneira tão<br />
diversa aos choques <strong>de</strong> produtivi<strong>da</strong><strong>de</strong>. E estes são, evi<strong>de</strong>ntemente, os eventos que<br />
mais interessam ao pesquisador, ao economista.<br />
O método <strong>de</strong> O&P parece ser um pouco superior ao <strong>de</strong> L&P, mas não a ponto <strong>de</strong> se<br />
<strong>de</strong>scartar completamente o segundo. O que se apreen<strong>de</strong> <strong>de</strong>sta pesquisa é que<br />
talvez a variabili<strong>da</strong><strong>de</strong> não seja tão ruim assim. Afinal, são nas variabili<strong>da</strong><strong>de</strong>s que<br />
estão conti<strong>da</strong>s as informações <strong>de</strong> <strong>de</strong>terminados eventos. A sugestão que fica ao<br />
pesquisador que está <strong>de</strong>terminado a conhecer como se comporta a produtivi<strong>da</strong><strong>de</strong><br />
total dos fatores <strong>de</strong> uma <strong>de</strong>termina<strong>da</strong> indústria é aplicar todos os métodos, pois a<br />
partir <strong>de</strong>les este terá um conhecimento maior <strong>da</strong> sua base <strong>de</strong> <strong>da</strong>dos, i<strong>de</strong>ntificando<br />
problemas que apenas por inspeção seria inviável. Os métodos po<strong>de</strong>m informar que<br />
talvez haja problema <strong>de</strong> mensuração ou uma anomalia qualquer em <strong>de</strong>terminado<br />
ano. Talvez o consumo <strong>de</strong> <strong>de</strong>terminado insumo possa estar fora dos padrões.<br />
Citando novamente VAN BIESEBROECK (2005), a maioria dos métodos não é<br />
sensível a pequenos erros <strong>de</strong> medi<strong>da</strong>, mas respon<strong>de</strong>m mal a gran<strong>de</strong>s erros. Tais<br />
informações po<strong>de</strong>m auxiliar o pesquisador a corrigir <strong>de</strong> maneira mais informa<strong>da</strong> sua<br />
base e, num processo iterativo, ir melhorando suas estimativas <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> até<br />
um ponto que expressar sua confiança nelas.<br />
86
6 DAS CONSIDERAÇÕES FINAIS<br />
O objetivo <strong>de</strong>ste trabalho é o <strong>de</strong> <strong>de</strong>terminar <strong>de</strong> forma efetiva qual é a produtivi<strong>da</strong><strong>de</strong><br />
total dos fatores no nível <strong>da</strong> ca<strong>da</strong> empresa. Ou seja, a partir <strong>da</strong> formulação <strong>da</strong><br />
função <strong>de</strong> produção <strong>de</strong> Cobb-Douglas, i<strong>de</strong>ntificar o que, além dos fatores capital e<br />
trabalho, po<strong>de</strong>ria impulsionar a produção.<br />
Como a formulação <strong>de</strong> Cobb-Douglas só leva em consi<strong>de</strong>ração capital e trabalho,<br />
este algo mais que impulsiona a produção <strong>de</strong>ve estar contido nos resíduos. A<br />
questão é que este resíduo, chamado <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> técnica, produtivi<strong>da</strong><strong>de</strong> total<br />
dos fatores, ou para nós apenas produtivi<strong>da</strong><strong>de</strong>, claramente interfere na escolha dos<br />
<strong>de</strong>mais componentes <strong>da</strong> função <strong>de</strong> produção, pois por <strong>de</strong>finição ela é conheci<strong>da</strong><br />
pelo produtor. Há, então, correlação dos resíduos com as variáveis explicativas, o<br />
que compromete a maioria dos métodos econométricos. Este trabalho faz então uma<br />
revisão dos métodos mais utilizados e como ca<strong>da</strong> um <strong>de</strong>les tenta, a sua maneira,<br />
resolver o problema <strong>da</strong> correlação entre os resíduos e as variáveis explicativas.<br />
Antes <strong>de</strong> prosseguir, no entanto, convém tecer um pequeno leque <strong>de</strong> comentários a<br />
cerca <strong>da</strong> base <strong>de</strong> <strong>da</strong>dos. A base <strong>de</strong> <strong>da</strong>dos utiliza<strong>da</strong> para levar a cabo tais<br />
experimentos econométricos é fun<strong>da</strong>mentalmente a Pesquisa Industrial Anual (PIA),<br />
do IBGE. O que está claro ao final <strong>de</strong>ste trabalho é que, apesar <strong>da</strong> PIA ser a melhor<br />
e mais ampla base <strong>de</strong> <strong>da</strong>dos disponível sobre o comportamento <strong>da</strong>s empresas, há<br />
que se ter algum cui<strong>da</strong>do ao utilizá-la. Deve-se investir algum tempo no início dos<br />
trabalhos em conhecer melhor a base e entendê-la em to<strong>da</strong>s as suas dimensões.<br />
Como a PIA é uma pesquisa censitária, e não uma base ca<strong>da</strong>stral, há muitos<br />
87
problemas <strong>de</strong> informações faltantes, erros <strong>de</strong> digitação, extratos amostrais e outros<br />
afins, que neófitos em seu uso <strong>de</strong>vem <strong>da</strong>r mais atenção. Este passo po<strong>de</strong> interferir<br />
bastante nos resultados <strong>da</strong> pesquisa e, no caso <strong>de</strong>ste trabalho, acredita-se que os<br />
resultados po<strong>de</strong>riam ser mais conclusivos com uma base melhor trabalha<strong>da</strong>.<br />
Voltando aos resultados obtidos com a aplicação dos métodos econométricos para<br />
<strong>de</strong>terminação dos parâmetros <strong>da</strong> função <strong>de</strong> produção, chega-se a uma primeira<br />
conclusão interessante. Não é fato que MQO sempre sobreestime o coeficiente do<br />
trabalho e subestime o coeficiente do capital. Mesmo sem conhecer os parâmetros<br />
reais dos coeficientes, observa-se que a direção do viés do MQO po<strong>de</strong> diferir entre<br />
setores <strong>de</strong> diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas. Enquanto que nos setores <strong>de</strong> baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica o MQO parece sobreestimar os coeficientes do trabalho,<br />
para os setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica o contrário parece ocorrer.<br />
O uso <strong>de</strong> <strong>da</strong>dos em painel, com efeitos fixos, mostrou-se duro <strong>de</strong>mais com o<br />
problema <strong>de</strong> variáveis omiti<strong>da</strong>s. Na ver<strong>da</strong><strong>de</strong> ele parece limpar em <strong>de</strong>masia as<br />
estimações, levando a uma subestimação dos parâmetros. O uso do MQO<br />
agregando a variável investimento teve uma resposta interessante. Claramente a<br />
variável investimento elimina um pouco do viés do MQO e, mais ain<strong>da</strong>, o faz nos<br />
dois sentidos no caso dos coeficientes do trabalho. Para o caso dos setores <strong>de</strong> baixa<br />
intensi<strong>da</strong><strong>de</strong> tecnológica ela parece reduzir o viés <strong>de</strong> sobreestimação <strong>de</strong>stes<br />
coeficientes, enquanto que no caso dos setores <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica ela<br />
parece reduzir a subestimação dos mesmos. Ou seja, no primeiro caso ela diminui<br />
os valores estimados para os parâmetros, enquanto que no segundo ela aumenta os<br />
valores estimados.<br />
88
Os métodos <strong>de</strong> ARELLANO e BOND (1991) e BLUNDELL e BOND (2000) foram<br />
também aplicados ao mesmo conjunto <strong>de</strong> <strong>da</strong>dos. Os dois procuram resolver o<br />
problema <strong>da</strong> endogenei<strong>da</strong><strong>de</strong> com o uso <strong>de</strong> variáveis instrumentais combina<strong>da</strong>s com<br />
o método <strong>de</strong> mínimos quadrados generalizados (GMM). Os resultados, quando<br />
cotejados todos os setores e comparados com os <strong>de</strong>mais métodos, mostraram-se<br />
inconsistentes.<br />
O que acabou por se tornar o ponto central <strong>de</strong>ste estudo, a comparação dos<br />
métodos <strong>de</strong> OLLEY e PAKES (O&P) (1996) e <strong>de</strong> LEVINSOHN e PETRIN (L&P)<br />
(2003), mostrou-se menos profícua do que se esperava, mas ain<strong>da</strong> assim permite<br />
chegar a algumas conclusões. O primeiro ponto a favor <strong>de</strong> O&P é a clareza <strong>da</strong><br />
proposta. L&P propôem uma boa alternativa ao utilizar insumos intermediários como<br />
proxy para a produtivi<strong>da</strong><strong>de</strong>, mas não explicam claramente o porque disso. Mais<br />
ain<strong>da</strong>, não estabelecem nenhuma regra para utilização <strong>de</strong>ste ou <strong>da</strong>quele insumo, e<br />
qual produziria melhores resultados para este ou aquele setor. Uma questão que<br />
merece maior questionamento é que soa muito forte a premissa <strong>de</strong> que aumentos <strong>da</strong><br />
produtivi<strong>da</strong><strong>de</strong> levarão a aumentos <strong>de</strong> consumo <strong>de</strong> insumos intermediários. Existem<br />
avanços técnicos que elevam a produtivi<strong>da</strong><strong>de</strong> e reduzem o consumo <strong>de</strong> insumos.<br />
Um exemplo são os novos motores, que <strong>de</strong>senvolvem maior potência com menor<br />
consumo <strong>de</strong> combustível. Voltando à questão dos insumo em L&P, é intrigante a<br />
variação que um mesmo parâmetro po<strong>de</strong> ter, para um mesmo setor, apenas ao<br />
trocar-se o insumo utilizado como proxy para a produtivi<strong>da</strong><strong>da</strong><strong>de</strong>, mesmo mantendo<br />
os outros no mo<strong>de</strong>lo como variáveis livres. Isso aumenta a insegurança com relação<br />
ao método. Os resultados obtidos são similares aos reportados por ACKERBERG et<br />
al. (2003), que também encontraram inconsistências entre os diversos insumos<br />
utilizados.<br />
89
Outras consi<strong>de</strong>rações que <strong>de</strong>vem ser teci<strong>da</strong>s a respeito <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s obti<strong>da</strong>s a<br />
partir dos diversos métodos estu<strong>da</strong>dos. Em primeiro lugar <strong>de</strong>ve-se relatar que, assim<br />
como aconteceu com os coeficientes estimados por ca<strong>da</strong> método, o cálculo <strong>da</strong><br />
produtivi<strong>da</strong><strong>de</strong> acabou por gerar uma enorme variabili<strong>da</strong><strong>de</strong>. Como tal variabili<strong>da</strong><strong>de</strong><br />
envolvia a questão <strong>de</strong> algumas or<strong>de</strong>ns <strong>de</strong> gran<strong>de</strong>za, optou-se por proce<strong>de</strong>r à análise<br />
com as produtivi<strong>da</strong><strong>de</strong>s padroniza<strong>da</strong>s. Ou seja, as produtivi<strong>da</strong><strong>de</strong>s médias obti<strong>da</strong>s<br />
para ca<strong>da</strong> setor foram dividi<strong>da</strong>s por seus respectivos <strong>de</strong>svios-padrão.<br />
A primeira conclusão, que perpassa todos os métodos, em todos os setores, é que<br />
não foi possível perceber nenhum aumento consistente <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> ao longo <strong>da</strong><br />
déca<strong>da</strong> estu<strong>da</strong><strong>da</strong> (1996 – 2005). Com exceção <strong>de</strong> alguns choques <strong>de</strong> produtivi<strong>da</strong><strong>de</strong><br />
isolados, o que se i<strong>de</strong>ntificou foi estagnação ou que<strong>da</strong> <strong>da</strong>s produtivi<strong>da</strong><strong>de</strong>s. Mesmo<br />
quando calcula<strong>da</strong>s as duas proxies contábeis para produtivi<strong>da</strong><strong>de</strong> (Valor <strong>da</strong><br />
Transformação Industrial sobre Pessoal Ocupado, ou sobre Total <strong>de</strong> Salários na<br />
Indústria) o que se observa é estagnação ou que<strong>da</strong>.<br />
Um fato surpreen<strong>de</strong>nte é que as produtivi<strong>da</strong><strong>de</strong>s padroniza<strong>da</strong>s obti<strong>da</strong>s pelo métodos<br />
O&P e L&P <strong>de</strong>ram resultados muito próximos, apesar <strong>da</strong> dispersão entre os<br />
coeficientes estimados por O&P e as diversas implementações <strong>de</strong> L&P, que<br />
acabaram por gerar gran<strong>de</strong> dispersão entre as produtivi<strong>da</strong><strong>de</strong> calcula<strong>da</strong>s<br />
diretamente.<br />
Por fim, o que po<strong>de</strong> ser a principal conclusão <strong>de</strong>ste trabalho é aquela que todo<br />
pesquisador sabe: não existe panacéia para todos os males. A variabili<strong>da</strong><strong>de</strong><br />
apresenta<strong>da</strong> entre os métodos <strong>de</strong> estimação <strong>de</strong> funções <strong>de</strong> produção enfraquece<br />
ca<strong>da</strong> método isola<strong>da</strong>mente, mas fortalece uma postura <strong>de</strong> ceticismo científico. Ou<br />
seja, para que se possa chegar a valores mais consistentes <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> o<br />
90
pesquisador não <strong>de</strong>ve se furtar a aplicar mais <strong>de</strong> um método. Ca<strong>da</strong> método po<strong>de</strong><br />
ressaltar uma certa fragili<strong>da</strong><strong>de</strong> <strong>da</strong> base <strong>de</strong> <strong>da</strong>dos, tornando possível a i<strong>de</strong>ntificação<br />
<strong>de</strong> problemas que apenas por inspeção não seria possível.<br />
Ca<strong>da</strong> um dos métodos <strong>de</strong>pen<strong>de</strong> do conjunto <strong>de</strong> <strong>da</strong>dos sobre os quais é aplicado.<br />
Dependência esta tanto em relação à quali<strong>da</strong><strong>de</strong> <strong>de</strong> coleta <strong>de</strong> <strong>da</strong>dos quanto à<br />
<strong>de</strong>limitação do espaço <strong>de</strong> pesquisa. Ou seja, a escolha do setor econômico interfere<br />
na quali<strong>da</strong><strong>de</strong> dos resultados. Um resultado importante <strong>de</strong>ste trabalho é que a<br />
aplicação do mesmo método a setores <strong>de</strong> diferentes intensi<strong>da</strong><strong>de</strong>s tecnológicas po<strong>de</strong><br />
gerar resultados divergentes.<br />
A questão que fica, no entanto, é que se diferentes setores apresentam respostas<br />
diferentes ao mesmo método, como será possível compará-los. Esta é a agen<strong>da</strong> do<br />
economista. Qual setor teria o aumento <strong>de</strong> produtivi<strong>da</strong><strong>de</strong> mais expressivo se a ele<br />
fossem canalizados investimentos? Quais insumos intermediários têm maior impacto<br />
sobre a produtivi<strong>da</strong><strong>de</strong>? Que políticas públicas são necessárias para se obter<br />
crescimento consistente <strong>da</strong> produtivi<strong>da</strong><strong>de</strong> ao longo dos anos? Estas são perguntas<br />
que este trabalho não respon<strong>de</strong>, mas que merecem to<strong>da</strong> a atenção.<br />
91
BIBLIOGRAFIA<br />
ABRAMOVITZ, M., (1956). “Resource and Output Trends in the United States Since<br />
1870,” The American Economic Review, Vol. 46, No. 2, Papers and Proceedings of<br />
the Sixty-eighth Annual Meeting of the American Economic Association. (May, 1956),<br />
pp. 5-23.<br />
ACKERBERG, D. A., CAVES, K. e G FRAZER, G., (2003). “Structural I<strong>de</strong>ntification<br />
of Production Functions,” mimeo, Universi<strong>da</strong><strong>de</strong> do Porto, Facul<strong>da</strong><strong>de</strong> <strong>de</strong> Economia,<br />
Macroeconomics Seminars, 22 June 2006, Daniel Ackerberg (University of<br />
California, LA).<br />
ALVES, P. e SILVA, A. M., (2008). “Estimativa do Estoque <strong>de</strong> Capital <strong>da</strong>s Empresas<br />
Industriais Brasileiras.” Brasília: IPEA, 2008 (Texto para Discussão nº 1325)<br />
ARBIX G., SALERNO M. S. e DE NEGRI, J. A., (2004). Inovação, via<br />
internacionalização, faz bem para as exportações brasileiras. XVI Fórum Nacional<br />
Economia do Conhecimento, Crescimento Sustentado e Inclusão Social, Rio <strong>de</strong><br />
Janeiro, maio <strong>de</strong> 2004<br />
ARELLANO, M. e BOND, S. R., (1991). “Some tests of specification for panel <strong>da</strong>ta:<br />
Monte Carlo evi<strong>de</strong>nce and an application to employment equations,” Review of<br />
Economic Studies, 58, 277-297.<br />
ARELLANO, M. e BOVER, O., (1995). “Another look at the instrumental variable<br />
estimation of error-components mo<strong>de</strong>ls,” Journal of Econometrics, Elsevier, vol.<br />
68(1), pages 29-51, July.<br />
BACEN, (2009). “Investimento Estrangeiro Direto / Censos 1995/2000 e Ingressos<br />
2001 a 2006”. Banco Central do Brasil. Disponível em:<br />
http://www.bcb.gov.br/rex/IED/Port/Ingressos/planilhas/DivugacaoAtivi<strong>da</strong><strong>de</strong>s95-06.xls.<br />
92
BLUNDELL, R.W. e BOND, S.R., (1998). “Initial Conditions and Moment Restrictions<br />
in Dynamic Panel Data Mo<strong>de</strong>ls,” Journal of Econometrics, 87, 115-143.<br />
BLUNDELL, R. W. e BOND, S. R., (2000). “GMM Estimation with Persistent Panel<br />
Data: An Application to Production Functions”, Econometric Reviews, 19 (3), 321–<br />
340.<br />
COBB, C. W., e DOUGLAS, P. H., (1928). “A Theory of Production,” American<br />
Economic Review, 18(1), 1928, Supplement, 139-72<br />
COSTA, G., ALVES, P., BITTENCOURT, M., ARAÚJO, K. e DOYLE, H., (2006)<br />
“Avaliação <strong>de</strong> uma Proxy para a I<strong>da</strong><strong>de</strong> <strong>da</strong> Firma Utilizando Amostragem Complexa.”<br />
Brasília: IPEA, 2006 (Texto Para Discussão nº 1240).<br />
DE NEGRI, J. A. e SALERNO, M. S. (2005). Inovações, padrões tecnológicos e<br />
<strong>de</strong>sempenho <strong>da</strong>s firmas industriais brasileiras. Brasília: IPEA, 2005.<br />
DE NEGRI, J. A., FREITAS, F., COSTA, G., SILVA, A. e ALVES P., (2005).<br />
“Tipologia <strong>da</strong>s firmas integrantes <strong>da</strong> indústria brasileira”, in Inovações, padrões<br />
tecnológicos e <strong>de</strong>sempenho <strong>da</strong>s firmas industriais brasileiras. Brasília: IPEA, 2005.<br />
DORASZELSKI, U. e JAUMANDREU, J., (2008). “R&D and Productivity: Estimating<br />
Production Functions When Productivity is Endogenous.” Harvard Institute of<br />
Economic Research Discussion Paper No. 2147, January 2008. Available at SSRN:<br />
http://ssrn.com/abstract=1080306.<br />
ERICSON, R. e PAKES, A., (1995). "Markov-Perfect Industry Dynamics: A<br />
Framework for Empirical Work," Review of Economic Studies, Blackwell Publishing,<br />
vol. 62(1), pages 53-82, January.<br />
FELIPE, J., HASAN, R. e MCCOMBIE, J. S. L., (2008). “Correcting for biases when<br />
estimating production functions: an illusion of the laws of algebra?” Cambridge<br />
Journal of Economics, 2008, 32(3):441-459<br />
FURTADO, A. T.; CARVALHO, R. Q., (2005). “Padrões <strong>de</strong> intensi<strong>da</strong><strong>de</strong> tecnológica<br />
<strong>da</strong> indústria brasileira: um estudo comparativo com os países centrais.” São Paulo<br />
em Perspectiva, São Paulo, v. 19, n. 1, Mar. 2005 . Disponível em<br />
93
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-88392005000100006&lng=en&nrm=iso.<br />
Acessado em 16/10/09. doi: 10.1590/S0102-88392005000100006.<br />
GRILICHES, Z. e MAIRESSE, J. (1995), “Production Functions: The Search for<br />
I<strong>de</strong>ntification”, in Econometrics and Economic Theory in the Twentieth Century: The<br />
Ragnar Frisch Centennial Symposium (Cambridge University Press) 169–203.<br />
HASKEL, J. E., PEREIRA, S. C. e SLAUGHTER, M. J., (2007). “Does Inward Foreign<br />
Direct Investment Boost the Productivity of Domestic Firms?” The Review of<br />
Economic and Statistics, August 2007, Vol. 89, No. 3, Pages 482-496<br />
HATZICHRONOGLOU, T., (1997). “Revision of the High-Technology Sector and<br />
Product Classification.” OECD Working Papers. OECD Science, Technology and<br />
Industry Working Papers No. 1997/2, 1997, English, 26 pages. Disponível em:<br />
http://dx.doi.org/10.1787/134337307632. Acessado em 12/10/2009<br />
HULTEN, C. R., (2000). "Total Factor Productivity: A Short Biography," NBER<br />
Working Papers 7471, National Bureau of Economic Research, Inc.<br />
IBGE, 2002. Pesquisa Industrial <strong>de</strong> Inovação Tecnológica – PINTEC 2000. Rio <strong>de</strong><br />
Janeiro: IBGE, 2002.<br />
IBGE, 2005. Pesquisa Industrial <strong>de</strong> Inovação Tecnológica – PINTEC 2003. Rio <strong>de</strong><br />
Janeiro: IBGE, 2005.<br />
IBGE, (2005b). “Empresas Industriais <strong>de</strong> alta intensi<strong>da</strong><strong>de</strong> tecnológica têm receita e<br />
investimento acima <strong>da</strong> média.” Rio <strong>de</strong> Janeiro: IBGE, 2005. Acessado em<br />
http://www.ibge.gov.br/home/presi<strong>de</strong>ncia/noticias/noticia_visualiza.php?id_noticia=388<br />
IBGE, 2007. Pesquisa Inovação Tecnológica – PINTEC 2000, 2003 e 2005. Rio <strong>de</strong><br />
Janeiro: IBGE, 2007.<br />
IBGE, 2007. Classificação Nacional <strong>de</strong> Ativi<strong>da</strong><strong>de</strong>s Econômicas. Versão 2.0. Rio <strong>de</strong><br />
Janeiro: IBGE, 2007.<br />
94
JAVORCIK, B. S., (2004). “Does Foreign Direct Investment Increase the Productivity<br />
of Domestic Firms?” In Search of Spillovers through Backward Linkages. The<br />
American Economic Review, Vol. 94, No. 3. (Jun., 2004), pp. 605-627.<br />
JORGE, M. F., (2008). “Investimento estrangeiro direto e inovação: um estudo sobre<br />
ramos selecionados <strong>da</strong> indústria no Brasil.” IPEA Texto para discussão Nº 1327,<br />
Fevereiro 2008.<br />
LEVINSOHN J.e PETRIN A., (2003). “Estimating Production Functions Using Inputs<br />
to Control for Unobservables.” The Review of Economic Studies, Vol. 70, No. 2.<br />
(Apr., 2003), pp. 317-341.<br />
MARKWALD, R., (2004). “Intensi<strong>da</strong><strong>de</strong> tecnológica e dinamismo <strong>da</strong>s exportações<br />
brasileiras” RBCE – Revista Brasileira <strong>de</strong> Comércio Exterior – 79, Abr/Jun <strong>de</strong> 2004,<br />
FUNCEX, Rio <strong>de</strong> Janeiro.<br />
MARSCHAK, J., e ANDREWS JR, W. H., (1944). “Random Simultaneous Equations<br />
and the Theory of Production,” Econometrica, Vol. 12, No. 3/4 (Jul. - Oct., 1944), pp.<br />
143-205<br />
MILL, J. S., (1996). Os Economistas – Princípios <strong>de</strong> Economia Política. Volumes I e<br />
II, Editora Nova Cultural. São Paulo, 1996.<br />
MUENDLER, MA., (2004a). "Estimating Production Functions When Productivity<br />
Change is Endogenous," CESifo Working Paper Series CESifo Working Paper No.<br />
1143 , CESifo Group, Munich.<br />
MUENDLER, MA., (2004b).Tra<strong>de</strong>, Technology and Productivity: A Study of Brazilian<br />
Manufacturers 1986-1998 (March 2004). CESifo Working Paper Series No. 1148.<br />
CESifo Group, Munich. Disponível em SSRN: http://ssrn.com/abstract=525924<br />
NSF, (2007). “Advancing Measures of Innovation Knowledge: Flows, Business<br />
Metrics, and Measurement Strategies.” 6-7 June 2006, Workshop Report, NSF 07-<br />
306, January 2007<br />
95
OECD, (2005). Science, Technology and Industry Scoreboard.<br />
OLLEY, S. and PAKES, A. (1996). “The Dynamics of Productivity in the<br />
Telecommunications Equipment Industry”, Econometrica, 64 (6), 1263–1298.<br />
ORNAGHI, C., (2006). “Assessing the effects of measurement errors on the<br />
estimation of production functions,” Journal of Applied Econometrics, 21, no 6, p.<br />
879-891<br />
PETRIN, A., POI, B. P. e LEVINSOHN, J., (2004). “Production function estimation in<br />
Stata using inputs to control for unobservables,” Stata Journal, 4, no2, p. 113-123,<br />
SCHUMPETER, J. A. (1997). Os Economistas – Teoria do Desenvolvimento<br />
Econômico. Editora Nova Cultural. São Paulo, 1997.<br />
SMITH, A. (1996). Os Economistas – A Riqueza <strong>da</strong>s Nações: Investigação Sobre<br />
sua Natureza e suas Causas. Volumes I e II, Editora Nova Cultural. São Paulo,<br />
1996.<br />
SOLOW, R. M., (1957). “Technical Change and the Aggregate Production Function.”<br />
The Review of Economics and Statistics, Vol. 39, No. 3. (Aug., 1957), pp. 312-320.<br />
VAN BIESEBROECK, J. (2005). "Robustness of Productivity Estimates." Journal of<br />
Industrial Economics, 55, 3 (September 2005): 529-69.<br />
WOOLDRIDGE, J. M., 2009. "On estimating firm-level production functions using<br />
proxy variables to control for unobservables," Economics Letters, Elsevier, vol.<br />
104(3), pages 112-114, September.<br />
YASAR, M., RACIBORSKI, R. e POI, B., (2008), “Production function estimation in<br />
Stata using the Olley and Pakes method,” Stata Journal, 8, no 2, p. 221-231,<br />
96
APÊNDICE A<br />
Tabela 1: Variáveis utiliza<strong>da</strong>s para exercício em painel referente aos anos <strong>de</strong> 1996 a<br />
2005 oriun<strong>da</strong>s <strong>da</strong>s bases PIA, RAIS, capital k (ALVES e SILVA, 2008) e<br />
empr_ano (COSTA et al., 2006). ......................................................................99<br />
Tabela 2: Variáveis construí<strong>da</strong>s e/ou gera<strong>da</strong>s no STATA para exercício em painel<br />
referente aos anos <strong>de</strong> 1996 a 2005 a partir <strong>da</strong>quelas referi<strong>da</strong>s na tabela 1. ..100<br />
Tabela 3: Regressões ro<strong>da</strong><strong>da</strong>s sobre os <strong>da</strong>dos <strong>da</strong>s tabelas 1 e 2 <strong>de</strong>ste Apêndice e<br />
as respectivas variáveis gera<strong>da</strong>s como resultado...........................................102<br />
Tabela 4: Variáveis utiliza<strong>da</strong>s <strong>da</strong> PINTEC, RAIS e SECEX para exercício <strong>de</strong> pseudo-<br />
painel referente aos anos <strong>de</strong> 2000, 2003 e 2005............................................104<br />
Tabela 5: variáveis construí<strong>da</strong>s e/ou gera<strong>da</strong>s no STATA para exercício <strong>de</strong> pseudo-<br />
painel referente aos anos <strong>de</strong> 2000, 2003 e 2005, a partir <strong>da</strong>quelas referi<strong>da</strong>s na<br />
Tabela 4..........................................................................................................106<br />
Tabela 6: Regressões ro<strong>da</strong><strong>da</strong>s sobre os <strong>da</strong>dos <strong>da</strong>s tabelas 4 e 5 <strong>de</strong>ste Apêndice e<br />
as respectivas variáveis gera<strong>da</strong>s como resultado...........................................107<br />
Tabela 7: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, MQO. A&B e B&B<br />
sobre o setor 17..............................................................................................108<br />
Tabela 8: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 18..............................................................................................109<br />
Tabela 9: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 20..............................................................................................110<br />
Tabela 10: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 36..............................................................................................111<br />
Tabela 11: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 30..............................................................................................112<br />
Tabela 12: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 32..............................................................................................113<br />
Tabela 13: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 34..............................................................................................114<br />
97
Tabela 14: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 35..............................................................................................115<br />
Tabela 13: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 17..................116<br />
Tabela 14: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 18..................116<br />
Tabela 15: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 20..................117<br />
Tabela 18: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 36..................117<br />
Tabela 17: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 30..................118<br />
Tabela 18: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 32..................118<br />
Tabela 19: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 34..................119<br />
Tabela 20: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 35..................119<br />
98
Tabela 1: Variáveis utiliza<strong>da</strong>s para exercício em painel referente aos anos <strong>de</strong> 1996 a<br />
2005 oriun<strong>da</strong>s <strong>da</strong>s bases PIA, RAIS, capital k (ALVES e SILVA, 2008) e<br />
empr_ano (COSTA et al., 2006).<br />
Variável Conceito Código <strong>da</strong> variável Base <strong>de</strong> origem<br />
empresa_ I<strong>de</strong>ntificação <strong>da</strong> empresa empresa_fic PIA\EMPRESA<br />
pesof Peso Amostral pesof PIA\EMPRESA<br />
po Pessoal Ocupado x02 PIA\EMPRESA<br />
vti Valor <strong>da</strong> Transformação Industrial x32 PIA\EMPRESA<br />
rlv Receita Líqui<strong>da</strong> <strong>de</strong> Ven<strong>da</strong>s x14 PIA\EMPRESA<br />
sal Salários x09 PIA\EMPRESA<br />
sal_ind Salários do Pessoal x10 PIA\EMPRESA<br />
combust Gasto com Combustíveis v00053 PIA\EMPRESA<br />
energia Gastos com Energia v00054 PIA\EMPRESA<br />
mat_prim Gastos com Matéria-prima x26 PIA\EMPRESA<br />
V0210 Ativos v0210 PIA\EMPRESA<br />
inv_aq Aquisições x52 PIA\EMPRESA<br />
inv_mel Melhorias x53 PIA\EMPRESA<br />
baixas Baixa x54 PIA\EMPRESA<br />
cnae2 CNAE a dois dígitos cnae2 PIA\EMPRESA<br />
cnae3 CNAE a três dígitos cnae3 PIA\EMPRESA<br />
cnae4 CNAE a quatro dígitos cnae4 PIA\EMPRESA<br />
pia Origem dos <strong>da</strong>dos (1=PIA) pia PIA\EMPRESA<br />
ano ANO ano PIA\EMPRESA<br />
k Estoque <strong>de</strong> Capital k CAPITAL<br />
empr_ano I<strong>da</strong><strong>de</strong> <strong>da</strong> empresa Empr_Anos RAIS<br />
99
100<br />
Tabela 2: Variáveis construí<strong>da</strong>s e/ou gera<strong>da</strong>s no STATA para exercício em painel<br />
referente aos anos <strong>de</strong> 1996 a 2005 a partir <strong>da</strong>quelas referi<strong>da</strong>s na tabela 1.<br />
Variável Conceito Descrição<br />
Inv sum(x52, x53) Investimentos são a soma <strong>de</strong> Aquisições e Melhorias<br />
inv_liq sum(inv, -x54) Investimentos líquidos são os Investimentos menos as Baixas<br />
rel_k k/vti Relação Capital sobre Valor <strong>da</strong> Transformação Industrial<br />
rel_k_rlv k/rlv Relação Capital sobre Receita Líqui<strong>da</strong> <strong>de</strong> Ven<strong>da</strong>s<br />
produtiv_sal vti/sal_ind<br />
produtiv_po vti/po<br />
i<strong>da</strong><strong>de</strong><br />
surv<br />
empr_ano if<br />
empr_ano!=.<br />
1 if i<strong>da</strong><strong>de</strong>!=. &<br />
i<strong>da</strong><strong>de</strong> > 1 &<br />
i<strong>da</strong><strong>de</strong>[_n-1]!=.<br />
Produtivi<strong>da</strong><strong>de</strong> medi<strong>da</strong> como Valor <strong>da</strong> Transformação Industrial<br />
dividi<strong>da</strong> pelo total dos salários na Indústria<br />
Produtivi<strong>da</strong><strong>de</strong> medi<strong>da</strong> como Valor <strong>da</strong> Transformação Industrial<br />
dividi<strong>da</strong> pelo número <strong>de</strong> pessoas ocupa<strong>da</strong>s<br />
I<strong>da</strong><strong>de</strong> é igual ao tempo <strong>de</strong> emprego do empregado mais antigo<br />
A empresa sobreviveu se i<strong>da</strong><strong>de</strong> é diferente <strong>de</strong> vazio E i<strong>da</strong><strong>de</strong> é<br />
maior que 1 E a i<strong>da</strong><strong>de</strong> <strong>da</strong> empresa no período anterior é<br />
diferente <strong>de</strong> vazio.<br />
exit 1 – surv A saí<strong>da</strong> é o complemento <strong>da</strong> sobrevivência<br />
mat_d<br />
mat_prim *<br />
<strong>de</strong>f_igp<br />
Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
trab_d sal_ind *<strong>de</strong>f_ipc Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
prod_d vti * <strong>de</strong>f_igp Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
rec_d rlv * <strong>de</strong>f_igp Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
comb_d<br />
ener_d<br />
combust *<br />
<strong>de</strong>f_comb<br />
energia *<br />
<strong>de</strong>f_comb<br />
Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
inv_d inv * <strong>de</strong>f_igp Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
invl_d inv_liq * <strong>de</strong>f_igp Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
cap_d k * <strong>de</strong>f_igp Variáveis <strong>de</strong>flaciona<strong>da</strong>s<br />
lni<strong>da</strong><strong>de</strong> ln(i<strong>da</strong><strong>de</strong>) Logaritmos <strong>da</strong>s variáveis<br />
lnmat ln(1+mat_prim) Logaritmos <strong>da</strong>s variáveis<br />
lntrab ln(1+sal_ind) Logaritmos <strong>da</strong>s variáveis<br />
lnprod ln(1+vti) Logaritmos <strong>da</strong>s variáveis<br />
lnrec ln(1+1rlv) Logaritmos <strong>da</strong>s variáveis<br />
lncomb ln(1+combust) Logaritmos <strong>da</strong>s variáveis<br />
lnener ln(1+energia) Logaritmos <strong>da</strong>s variáveis<br />
lninv ln(1+inv) Logaritmos <strong>da</strong>s variáveis<br />
lninvl ln(1+inv_liq) Logaritmos <strong>da</strong>s variáveis<br />
lncap ln(1+k) Logaritmos <strong>da</strong>s variáveis<br />
lnmat_d ln(1+mat_d) Logaritmos <strong>da</strong>s variáveis<br />
lntrab_d ln(1+trab_d) Logaritmos <strong>da</strong>s variáveis<br />
lnprod_d ln(1+prod_d) Logaritmos <strong>da</strong>s variáveis
lnrec_d ln(1+rec_d) Logaritmos <strong>da</strong>s variáveis<br />
lncomb_d ln(1+comb_d) Logaritmos <strong>da</strong>s variáveis<br />
lnener_d ln(1+ener_d) Logaritmos <strong>da</strong>s variáveis<br />
lninv_d ln(1+inv_d) Logaritmos <strong>da</strong>s variáveis<br />
lninvl_d ln(1+invl_d) Logaritmos <strong>da</strong>s variáveis<br />
lncap_d ln(1+cap_d) Logaritmos <strong>da</strong>s variáveis<br />
101
Tabela 3: Regressões ro<strong>da</strong><strong>da</strong>s sobre os <strong>da</strong>dos <strong>da</strong>s tabelas 1 e 2 <strong>de</strong>ste Apêndice e<br />
as respectivas variáveis gera<strong>da</strong>s como resultado.<br />
xi: opreg lnprod, exit(exit) state(lncap lni<strong>da</strong><strong>de</strong>) proxy(lninvl) free(lntrab lnmat lncomb lnener)<br />
cvars(i.ano)<br />
gen produtiv_op_XX = exp(lnprod - b1*lncap - b2*lntrab - b3*lni<strong>da</strong><strong>de</strong> - b4*lnmat - b5*lncomb -<br />
b6*lnener)<br />
opreg lnprod_d, exit(exit) state(lncap_d lni<strong>da</strong><strong>de</strong>) proxy(lninvl_d) free(lntrab_d lnmat_d lncomb_d<br />
lnener_d) cvars(ano)<br />
gen produtiv_op_XX_d = exp(lnprod_d - b1d*lncap_d - b2d*lntrab_d - b3d*lni<strong>da</strong><strong>de</strong> - b4d*lnmat_d -<br />
b5d*lncomb_d - b6d*lnener_d)<br />
reg lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d ano<br />
gen produtiv_ols_XX_d = exp(resid_ols_17_d)<br />
xtreg lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d ano, fe rob<br />
gen produtiv_fe_XX_d = exp(resid_fe_17_d)<br />
reg lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d lninvl_d ano<br />
gen produtiv_olsi_XX_d = exp(resid_olsi_17_d)<br />
xtabond lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d, twostep<br />
gen produtiv_ab_XX_d = exp(resid_ab_17_d)<br />
xtabond2 lnprod_d l.lnprod_d l.l.lnprod_d lntrab_d l.lntrab_d l.l.lntrab_d lncap_d l.lncap_d l.l.lncap_d<br />
lninvl_d l.lninvl_d l.l.lninvl_d lnmat_d l.lnmat_d l.l.lnmat_d lnener_d l.lnener_d l.l.lnener_d<br />
lncomb_d l.lncomb_d l.l.lncomb_d lni<strong>da</strong><strong>de</strong> l.lni<strong>da</strong><strong>de</strong> l.l.lni<strong>da</strong><strong>de</strong>, gmmstyle(lnprod_d l.lnprod_d<br />
l.l.lnprod_d lntrab_d l.lntrab_d l.l.lntrab_d lncap_d l.lncap_d l.l.lncap_d lninvl_d l.lninvl_d<br />
l.l.lninvl_d lnmat_d l.lnmat_d l.l.lnmat_d lnener_d l.lnener_d l.l.lnener_d lncomb_d l.lncomb_d<br />
l.l.lncomb_d lni<strong>da</strong><strong>de</strong> l.lni<strong>da</strong><strong>de</strong> l.l.lni<strong>da</strong><strong>de</strong>, laglimits(1 2)) twostep noleveleq nomata<br />
gen produtiv_bb_17_d = exp(resid_bb_17_d)<br />
levpet lnprod, free(lntrab lni<strong>da</strong><strong>de</strong> lninvl lnener lncomb) proxy(lnmat) capital(lncap) reps(200)<br />
predict produtiv_LP_XX_mat, omega<br />
levpet lnprod_d, free(lntrab_d lni<strong>da</strong><strong>de</strong> lninvl_d lnener_d lncomb_d) proxy(lnmat_d) capital(lncap_d)<br />
reps(200)<br />
predict produtiv_LP_XX_d_mat, omega<br />
levpet lnprod, free(lntrab lni<strong>da</strong><strong>de</strong> lninvl lnener lnmat) proxy(lncomb) capital(lncap) reps(200)<br />
predict produtiv_LP_XX_comb, omega<br />
levpet lnprod_d, free(lntrab_d lni<strong>da</strong><strong>de</strong> lninvl_d lnener_d lnmat_d) proxy(lncomb_d) capital(lncap_d)<br />
reps(200)<br />
predict produtiv_LP_XX_d_comb, omega<br />
levpet lnprod, free(lntrab lni<strong>da</strong><strong>de</strong> lninvl lnmat lncomb) proxy(lnener) capital(lncap) reps(200)<br />
predict produtiv_LP_XX_ener, omega<br />
102
Tabela 3: cont.<br />
levpet lnprod_d, free(lntrab_d lni<strong>da</strong><strong>de</strong> lninvl_d lnmat_d lncomb_d) proxy(lnener_d) capital(lncap_d)<br />
reps(200)<br />
predict produtiv_LP_XX_d_ener, omega<br />
levpet lnprod, free(lntrab lni<strong>da</strong><strong>de</strong> lnener lnmat lncomb) proxy(lninvl) capital(lncap) reps(200)<br />
predict produtiv_LP_XX_inv, omega<br />
levpet lnprod_d, free(lntrab_d lni<strong>da</strong><strong>de</strong> lnener_d lnmat_d lncomb_d) proxy(lninvl_d) capital(lncap_d)<br />
reps(200)<br />
predict produtiv_LP_XX_d_inv_d, omega<br />
reg lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d ano<br />
gen produtiv_ols_XX_d = exp(resid_ols_17_d)<br />
xtreg lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d ano, fe rob<br />
gen produtiv_fe_XX_d = exp(resid_fe_17_d)<br />
reg lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d lninvl_d ano<br />
gen produtiv_olsi_XX_d = exp(resid_olsi_17_d)<br />
xtabond lnprod_d lntrab_d lncap_d lni<strong>da</strong><strong>de</strong> lnmat_d lncomb_d lnener_d, twostep<br />
gen produtiv_ab_X_d = exp(resid_ab_17_d)<br />
xtabond2 lnprod_d l.lnprod_d l.l.lnprod_d lntrab_d l.lntrab_d l.l.lntrab_d lncap_d l.lncap_d l.l.lncap_d<br />
lninvl_d l.lninvl_d l.l.lninvl_d lnmat_d l.lnmat_d l.l.lnmat_d lnener_d l.lnener_d l.l.lnener_d<br />
lncomb_d l.lncomb_d l.l.lncomb_d lni<strong>da</strong><strong>de</strong> l.lni<strong>da</strong><strong>de</strong> l.l.lni<strong>da</strong><strong>de</strong>, gmmstyle(lnprod_d l.lnprod_d<br />
l.l.lnprod_d lntrab_d l.lntrab_d l.l.lntrab_d lncap_d l.lncap_d l.l.lncap_d lninvl_d l.lninvl_d<br />
l.l.lninvl_d lnmat_d l.lnmat_d l.l.lnmat_d lnener_d l.lnener_d l.l.lnener_d lncomb_d l.lncomb_d<br />
l.l.lncomb_d lni<strong>da</strong><strong>de</strong> l.lni<strong>da</strong><strong>de</strong> l.l.lni<strong>da</strong><strong>de</strong>, laglimits(1 2)) twostep noleveleq nomata<br />
gen produtiv_bb_XX_d = exp(resid_bb_17_d)<br />
103<br />
Notas:<br />
1) XX – Setor sobre o qual foi ro<strong>da</strong><strong>da</strong> a regressão, po<strong>de</strong>ndo assumir os valores 17, 18, 20, 30, 32,<br />
34, 35 e 36.<br />
2) reg – regressão por mínimos quadrados ordinários.<br />
3) xtreg – regressão <strong>de</strong> <strong>da</strong>dos em painel consi<strong>de</strong>rando efeitos fixos.<br />
4) xtabond – procediemento <strong>de</strong> estimação <strong>de</strong> Arellano e Bond (1991).<br />
5) xtabond2 – procedimento <strong>de</strong> estimação <strong>de</strong> Blun<strong>de</strong>ll e Bond (2000).<br />
6) opreg – procedimento <strong>de</strong> estimação <strong>de</strong> Olley e Pakes (1996), ver YASAR et al.(2008).<br />
7) levpet – procedimento <strong>de</strong> estimação <strong>de</strong> Levinsohn e Petrin (2003, ver PETRIN et al.(2004).
104<br />
Tabela 4: Variáveis utiliza<strong>da</strong>s <strong>da</strong> PINTEC, RAIS e SECEX para exercício <strong>de</strong> pseudopainel<br />
referente aos anos <strong>de</strong> 2000, 2003 e 2005<br />
Variável Conceito<br />
Código<br />
<strong>da</strong> variável<br />
Base <strong>de</strong><br />
origem<br />
empresa_ I<strong>de</strong>ntificador <strong>da</strong> empresa empresa_fic PINTEC<br />
ano Ano ano PINTEC<br />
pesof Pesa <strong>da</strong> empresa na amostra pesofim PINTEC<br />
v1<br />
v10<br />
v11<br />
v16<br />
v17<br />
v22<br />
v23<br />
Origem do capital controlador <strong>da</strong> empresa:<br />
1=Nacional; 2=Estrangeiro;3=Misto<br />
A empresa introduziu produto tecnologicamente novo ou<br />
significativamente aperfeiçoado para a empresa, mas já<br />
existente no mercado nacional?<br />
A empresa introduziu produto tecnologicamente novo ou<br />
significativamente aperfeiçoado para o mercado nacional?<br />
A empresa introduziu processo tecnologicamente novo ou<br />
significativamente aperfeiçoado para a empresa, mas já<br />
existente no setor no Brasil?<br />
A empresa introduziu processo tecnológicamente novo ou<br />
significativamente aperfeiçoado para o setor no Brasil?<br />
A empresa tinha algum projeto ain<strong>da</strong> incompleto para<br />
<strong>de</strong>senvolver ou introduzir produto ou processo<br />
tecnologicamente novo ou aprimorado?<br />
A empresa realizou algum projeto para <strong>de</strong>senvolver ou<br />
introduzir produto ou processo tecnologicamente novo ou<br />
aprimorado, mas que foi abandonado?<br />
v1 PINTEC<br />
v10 PINTEC<br />
v11 PINTEC<br />
v16 PINTEC<br />
v17 PINTEC<br />
v22 PINTEC<br />
v23 PINTEC<br />
v31 Valor dos dispêndios em ativi<strong>da</strong><strong>de</strong> INTERNA <strong>de</strong> P&D v31 PINTEC<br />
v32 Valor dos dispêndios na aquisição externa <strong>de</strong> P&D v32 PINTEC<br />
v33<br />
v34<br />
Valor dos dispêndios na aquisição <strong>de</strong> outros conhecimentos<br />
externos<br />
Valor dos dispêndios na aquisição <strong>de</strong> máquinas e<br />
equipamentos<br />
v33 PINTEC<br />
v34 PINTEC<br />
v35 Valor dos dispêndios em treinamento v35 PINTEC<br />
v36<br />
v37<br />
Valor dos dispêndios na introdução <strong>da</strong>s inovações<br />
tecnológicas no mercado<br />
Valor dos dispêndios em projeto industrial e outras<br />
preparações técnicas<br />
v36 PINTEC<br />
v37 PINTEC<br />
poe Pessoal Ocupado poe PINTEC<br />
recto Receita Total recto PINTEC<br />
conm Consumo <strong>de</strong> Matérias-primas conm PINTEC<br />
sal Gasto com Salários sal PINTEC<br />
gast Gastos totais gast PINTEC<br />
vti Valor <strong>da</strong> Transformação Industrial vti PINTEC<br />
vbpi Valor Bruto <strong>da</strong> Produção Industrial vbpi PINTEC<br />
coi Custo <strong>da</strong>s Operações Industriais coi PINTEC
ano2000 Deflator (base 2005) ano2000 PINTEC<br />
ano2003 Deflator (base 2005) ano2003 PINTEC<br />
ano2005 Deflator (base 2005) ano2005 PINTEC<br />
prop 3gr Proporção dos Empregados com 3º Grau Prop_3Grau RAIS<br />
tempo_es Tempo <strong>de</strong> Estudo Médio dos Empregados (em anos)<br />
Tempo_Estu<br />
do_Me<br />
RAIS<br />
Imp Importações (FOB) imp SECEX<br />
exp Exportações (FOB) exp SECEX<br />
105
Tabela 5: variáveis construí<strong>da</strong>s e/ou gera<strong>da</strong>s no STATA para exercício <strong>de</strong> pseudopainel<br />
referente aos anos <strong>de</strong> 2000, 2003 e 2005, a partir <strong>da</strong>quelas<br />
referi<strong>da</strong>s na Tabela 4<br />
Variável Conceito Código <strong>da</strong> variável<br />
GAS_PD_INT v31/recto Gasto em P&D interna sobre Receita<br />
AQUIS_PD v32/recto Gasto em Aquisição <strong>de</strong> P&D sobre Receita<br />
AQUIS_OUT v33/recto Gasto em Aquisição <strong>de</strong> Outros<br />
Conhecimentos sobre Receita<br />
AQUIS_ME v34/recto Gasto em Aquisição <strong>de</strong> Máquinas e<br />
Equipamentos sobre Receita<br />
TREINAM v35/recto Gasto em Aquisição <strong>de</strong> Treinamento sobre<br />
Receita<br />
INT_INOV v36/recto Gasto com Introdução <strong>de</strong> Inovação no<br />
Mercado sobre Receita<br />
106<br />
PROJ_IND v37/recto Gasto Projetos e Outras Preparações sobre<br />
Receita<br />
inov_prod 1 if v10==1 | v11==1; 0, cc Indica se inovou em produto<br />
inov_proc 1 if v16==1 | v17==1; 0, cc Indica se inovou em processo<br />
ied 0 if v1==1; 1, cc Indica se recebeu IED<br />
lnv31 ln(v31) Logaritmo <strong>da</strong>s variáveis<br />
lnv32 ln(v32) Logaritmo <strong>da</strong>s variáveis<br />
lnv33 ln(v33) Logaritmo <strong>da</strong>s variáveis<br />
lnv34 ln(v34) Logaritmo <strong>da</strong>s variáveis<br />
lnv35 ln(v35) Logaritmo <strong>da</strong>s variáveis<br />
lnv36 ln(v36) Logaritmo <strong>da</strong>s variáveis<br />
lnv37 ln(v37) Logaritmo <strong>da</strong>s variáveis<br />
lntempo_es ln(tempo_es) Logaritmo <strong>da</strong>s variáveis<br />
lnimp ln(imp) Logaritmo <strong>da</strong>s variáveis<br />
lnexp ln(exp) Logaritmo <strong>da</strong>s variáveis<br />
lni<strong>da</strong><strong>de</strong> ln(i<strong>da</strong><strong>de</strong>) Logaritmo <strong>da</strong>s variáveis<br />
lnprod_op_XX_d ln(produtiv_op_XX_d) Logaritmo <strong>da</strong>s variáveis<br />
lnprod_LP_XX_d_mat ln(produtiv_LP_XX_d_mat) Logaritmo <strong>da</strong>s variáveis<br />
Nota: XX – Setor sobre o qual foi ro<strong>da</strong><strong>da</strong> a regressão, po<strong>de</strong>ndo assumir os valores 17, 18, 20, 30, 32,<br />
34, 35 e 36.
Tabela 6: Regressões ro<strong>da</strong><strong>da</strong>s sobre os <strong>da</strong>dos <strong>da</strong>s tabelas 4 e 5 <strong>de</strong>ste Apêndice e<br />
as respectivas variáveis gera<strong>da</strong>s como resultado.<br />
probit inov GAS_PD_INT AQUIS_PD AQUIS_OUT AQUIS_ME TREINAM INT_INOV PROJ_IND<br />
tempo_es if cnae2=="XX"<br />
probit inov GAS_PD_INT AQUIS_PD AQUIS_OUT AQUIS_ME TREINAM INT_INOV PROJ_IND<br />
tempo_es i<strong>da</strong><strong>de</strong> if cnae2=="XX"<br />
probit inov GAS_PD_INT AQUIS_PD AQUIS_OUT AQUIS_ME TREINAM INT_INOV PROJ_IND<br />
tempo_es ied if cnae2=="XX"<br />
probit inov GAS_PD_INT AQUIS_PD AQUIS_OUT AQUIS_ME TREINAM INT_INOV PROJ_IND<br />
tempo_es ied imp exp if cnae2=="XX"<br />
reg lnprod_op_XX_d inov_prod inov_proc lntempo_es lni<strong>da</strong><strong>de</strong> ied lnexp lnimp<br />
reg lnprod_LP_XX_d_mat inov_prod inov_proc lntempo_es lni<strong>da</strong><strong>de</strong> ied lnexp lnimp<br />
107<br />
Notas:<br />
1) XX – Setor sobre o qual foi ro<strong>da</strong><strong>da</strong> a regressão, po<strong>de</strong>ndo assumir os valores 17, 18, 20, 30, 32,<br />
34, 35 e 36.<br />
2) reg – regressão por mínimos quadrados ordinários.<br />
3) probit – regressão por mo<strong>de</strong>lo Probit.
Tabela 7: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, MQO. A&B e B&B<br />
sobre o setor 17.<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
0,0631103<br />
(1,86)<br />
-0,4070111<br />
(-24,90)<br />
lnprod_d.L2.<br />
-0,2218869<br />
(-19,80)<br />
lntrab_d /D1.<br />
0,828868<br />
(66,87)<br />
0,6949386<br />
(18,62)<br />
0,8081254<br />
(66,27)<br />
0,6472758<br />
(9,64)<br />
0,094336<br />
(2,47)<br />
L1.lntrab_d/<br />
0,1458869<br />
(4,13)<br />
L2.lntrab_d<br />
0,1153067<br />
(3,52)<br />
lncap_d /D1.<br />
0,3151249<br />
(19,35)<br />
0,3902888<br />
(4,22)<br />
0,2672441<br />
(15,19)<br />
0,4211227<br />
(2,37)<br />
0,5265508<br />
(1,67)<br />
L1.lncap_d<br />
-0,0249013<br />
(-0,18)<br />
L2.lncap_d<br />
0,0818445<br />
(0,76)<br />
Lni<strong>da</strong><strong>de</strong> /D1.<br />
-0,005668<br />
(-0,18)<br />
0,5102865<br />
(2,28)<br />
0,0287842<br />
(0,88)<br />
-0,0315874<br />
(0,09)<br />
-7,788916<br />
(-0,98)<br />
L1.Lni<strong>da</strong><strong>de</strong><br />
-7,284776<br />
(-0,58)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
11,66081<br />
(2,20)<br />
lnmat_d /D1.<br />
0,0303466<br />
(5,10)<br />
0,0905616<br />
(5,42)<br />
0,0253452<br />
(4,29)<br />
0,0594628<br />
(2,43)<br />
-0,0347572<br />
(-1,66)<br />
L1.lnmat_d<br />
0,0036839<br />
(0,26)<br />
L2.lnmat_d<br />
-0,0090339<br />
(-0,90)<br />
lncomb_d /D1.<br />
0,0009412<br />
(0,24)<br />
0,00598<br />
(1,02)<br />
-0,0017553<br />
(-0,45)<br />
-0,0071141<br />
(-1,02)<br />
-0,0219704<br />
(-1,91)<br />
L1.lncomb_d<br />
-0,003862<br />
(-0,57)<br />
L2.lncomb_d<br />
-0,0078787<br />
(-1,75)<br />
lnener_d /D1.<br />
0,0142702<br />
(2,31)<br />
0,0232838<br />
(2,31)<br />
0,0125978<br />
(2,04)<br />
0,0158376<br />
(1,25)<br />
0,0140567<br />
(0,88)<br />
L1.lnener_d<br />
0,0152318<br />
(1,37)<br />
L2.lnener_d<br />
0,0051396<br />
(0,65)<br />
lninvl_d /D1.<br />
0,03439<br />
(8,59)<br />
-0,0436368<br />
(-3,13)<br />
L1.lninvl_d<br />
-0,0182156<br />
(-2,10)<br />
L2.lninvl_d<br />
-0,0037862<br />
(-0,69)<br />
ano<br />
0,0073607<br />
(1,06)<br />
-0,0744798<br />
(-5,59)<br />
0,0094727<br />
(1,35)<br />
_cons<br />
-16,89273<br />
(-1,21)<br />
145,0734<br />
(5,62)<br />
-20,3346<br />
(-1,45)<br />
(-,0653385<br />
(-2,58)<br />
Number of obs/gr. 11779 2599(gr.) 10708 6916 3789<br />
F / Sargan 1682,83 178,24 1495,52 58,65 1201,26<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,0074 0,000<br />
R-squared / AR1 0,5002 0,4672 0,5279 0,0000 0,032<br />
Adj R-squared/AR2 0,4999 0,5276 0,2588 0,033<br />
108
Tabela 8: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 18.<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
0,0900546<br />
(4,79)<br />
-0,3509917<br />
(-21,49)<br />
lnprod_d.L2.<br />
-0,1705129<br />
(-15,50)<br />
lntrab_d /D1.<br />
0,8233756<br />
(88,78)<br />
0,7675262<br />
(32,05)<br />
0,821364<br />
(87,81)<br />
0,6875918<br />
(17,17)<br />
0,1465574<br />
(1,6)<br />
L1.lntrab_d/<br />
0,134883<br />
(3,46)<br />
L2.lntrab_d<br />
0,1079868<br />
(3,87)<br />
lncap_d /D1.<br />
0,4367458<br />
(32,26)<br />
0,2302299<br />
(2,52)<br />
0,3817906<br />
(26,22)<br />
0,2542926<br />
(1,53)<br />
-0,5113597<br />
(-0,91)<br />
L1.lncap_d<br />
-0,4235486<br />
(-1,57)<br />
L2.lncap_d<br />
0,1514635<br />
(0,5)<br />
Lni<strong>da</strong><strong>de</strong> /D1.<br />
0,0408406<br />
(1,66)<br />
0,0015188<br />
(0,01)<br />
0,0605722<br />
(2,42)<br />
-0,0676618<br />
(-0,31)<br />
0,5353776<br />
(0,06)<br />
L1.Lni<strong>da</strong><strong>de</strong><br />
-14,31027<br />
(-1,05)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
10,46954<br />
(1,83)<br />
lnmat_d /D1.<br />
-0,0323015<br />
(-9,57)<br />
0,0356528<br />
(4,37)<br />
-0,0347115<br />
(-10,24)<br />
0,0376617<br />
(3,31)<br />
0,013844<br />
(0,41)<br />
L1.lnmat_d<br />
0,0262909<br />
(1,57)<br />
L2.lnmat_d<br />
0,0027727<br />
(0,24)<br />
lncomb_d /D1.<br />
0,0023761<br />
(0,58)<br />
0,0087995<br />
(1,44)<br />
0,0007527<br />
(0,18)<br />
0,0085505<br />
(1,09)<br />
0,0081925<br />
(0,36)<br />
L1.lncomb_d<br />
0,0058286<br />
(0,43)<br />
L2.lncomb_d<br />
0,0018284<br />
(0,19)<br />
lnener_d /D1.<br />
0,0326147<br />
(7,44)<br />
0,0279752<br />
(4,23)<br />
0,029499<br />
(6,66)<br />
0,0190647<br />
(2,14)<br />
0,0119045<br />
(0,59)<br />
L1.lnener_d<br />
0,0072701<br />
(0,56)<br />
L2.lnener_d<br />
-0,000659<br />
(-0,07)<br />
lninvl_d /D1.<br />
0,0336438<br />
(11,19)<br />
-0,070866<br />
(-3,67)<br />
L1.lninvl_d<br />
-0,0218362<br />
(-2,01)<br />
L2.lninvl_d<br />
-0,0125387<br />
-1,81)<br />
ano<br />
0,0304014<br />
(6,16)<br />
-0,022242<br />
(-1,78)<br />
0,0326408<br />
(6,51)<br />
_cons<br />
-64,15935<br />
(-6,49)<br />
43,98233<br />
(1,79)<br />
-68,00644<br />
(-6,77)<br />
-,0700406<br />
(-3,36)<br />
Number of obs/gr. 28887 28887 27545 14901 8934<br />
F / Sargan 2139,22 297,53 1860,32 86,95 2001,36<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,0000 0,000<br />
R-squared / AR1 0,3415 0,3272 0,3509 0,0000 0,000<br />
Adj R-squared/AR2 0,3413 0,3507 0,0902 0,218<br />
109
Tabela 9: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 20.<br />
110<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
0,0620527<br />
(1,84)<br />
-0,4069285<br />
(-18,52)<br />
lnprod_d.L2.<br />
-0,1465808<br />
(-9,84)<br />
lntrab_d /D1.<br />
0,8530895<br />
(76,04)<br />
0,846348<br />
(28,66)<br />
0,8534873<br />
(75,31)<br />
0,8502417<br />
(17,27)<br />
0,4892602<br />
(7,57)<br />
L1.lntrab_d/<br />
0,4211319<br />
(8,80)<br />
L2.lntrab_d<br />
0,2785007<br />
(5,54)<br />
lncap_d /D1.<br />
0,3835434<br />
(26,29)<br />
0,4498288<br />
(5,85)<br />
0,3187281<br />
(19,69)<br />
0,4672906<br />
(2,61)<br />
-0,0484317<br />
(-0,13)<br />
L1.lncap_d<br />
-0,1553502<br />
(-1,31)<br />
L2.lncap_d<br />
0,1829835<br />
(1,67)<br />
lni<strong>da</strong><strong>de</strong> /D1.<br />
-0,02468<br />
(-0,99)<br />
0,5438568<br />
(3,01)<br />
-0,0068611<br />
(-0,27)<br />
0,2380891<br />
(0,75)<br />
-64,8348<br />
21,76356)<br />
L1.lni<strong>da</strong><strong>de</strong><br />
92,06511<br />
34,18233)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
-30,88654<br />
13,16895)<br />
lnmat_d /D1.<br />
0,0604257<br />
(9,19)<br />
0,0747486<br />
(5,02)<br />
0,0566732<br />
(8,43)<br />
0,0622246<br />
(2,96)<br />
-0,0850513<br />
(-3,03)<br />
L1.lnmat_d<br />
-0,0398529<br />
(-2,13)<br />
L2.lnmat_d<br />
-0,025008<br />
(-1,64)<br />
lncomb_d /D1.<br />
0,0170571<br />
(5,90)<br />
0,0084719<br />
(2,06)<br />
0,0184386<br />
(6,23)<br />
0,0062918<br />
(1,16)<br />
-0,0024631<br />
(0,0110245)<br />
L1.lncomb_d<br />
0,0082999<br />
(0,0064669)<br />
L2.lncomb_d<br />
0,003696<br />
(0,0048864)<br />
lnener_d /D1.<br />
0,0068172<br />
(1,57)<br />
0,0029162<br />
(0,39)<br />
0,0060133<br />
(1,37)<br />
0,0176277<br />
(1,70)<br />
-0,033322<br />
(0,0156787)<br />
L1.lnener_d<br />
-0,01486<br />
(0,0105628)<br />
L2.lnener_d<br />
-,0039725<br />
(0,0072869)<br />
lninvl_d /D1.<br />
0,0276939<br />
(8,95)<br />
-0,0365565<br />
(-2,88)<br />
L1.lninvl_d<br />
-,0085989<br />
(-1,16)<br />
L2.lninvl_d<br />
-,0092905<br />
(-1,88)<br />
ano<br />
0,0037948<br />
(0,69)<br />
-0,0831629<br />
(-6,65)<br />
0,0071182<br />
(1,25)<br />
_cons<br />
-11,28721<br />
(-1,02)<br />
160,2621<br />
(6,59)<br />
-17,14985<br />
(-1,51)<br />
-0,1160152<br />
(-4,78)<br />
Number of obs / gr. 14118 14118 13114 7532 4140<br />
F / Sargan 2301,69 413,39 2007,73 94,22 840,46<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,0000 0,000<br />
R-squared / AR1 0,5331 0,5063 0,5507 0,0000 0,021<br />
Adj R-squared/AR2 0.5329 0,5504 0,0729 0,047
Tabela 10: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 36.<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
0,1234261<br />
(4,22)<br />
-0,3723152<br />
(-18,61)<br />
lnprod_d.L2.<br />
-0,1832824<br />
(-12,37)<br />
lntrab_d /D1.<br />
0,8595081<br />
(78,35)<br />
0,8121563<br />
(26,09)<br />
0,860226<br />
(77,77)<br />
0,758862<br />
(15,19)<br />
0,2635448<br />
(3,48)<br />
L1.lntrab_d/<br />
0,1693534<br />
(4,00)<br />
L2.lntrab_d<br />
0,1652181<br />
(3,40)<br />
lncap_d /D1.<br />
0,3939328<br />
(33,11)<br />
0,2944721<br />
(5,67)<br />
0,3149337<br />
(23,31)<br />
0,3373555<br />
(3,38)<br />
0,7121028<br />
(2,49)<br />
L1.lncap_d<br />
0,0353754<br />
(0,33)<br />
L2.lncap_d<br />
-0,0468348<br />
(-0,49)<br />
Lni<strong>da</strong><strong>de</strong> /D1.<br />
0,082902<br />
(3,65)<br />
0,2448116<br />
(1,56)<br />
0,1211534<br />
(5,24)<br />
0,1114553<br />
(0,38)<br />
-124,1729<br />
(-2,99)<br />
L1.Lni<strong>da</strong><strong>de</strong><br />
179,8858<br />
(2,77)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
-61,83259<br />
(-2,53)<br />
lnmat_d /D1.<br />
0,0223047<br />
(3,72)<br />
0,07522<br />
(4,45)<br />
0,0151115<br />
(2,50)<br />
0,0369807<br />
(1,86)<br />
-0,0854563<br />
(-2,17)<br />
L1.lnmat_d<br />
0,0173471<br />
(0,91)<br />
L2.lnmat_d<br />
-0,002174<br />
(-0,15)<br />
lncomb_d /D1.<br />
-0,0019784<br />
(-0,62)<br />
-0,0001695<br />
(-0,04)<br />
-0,0010459<br />
(-0,32)<br />
-0,0031382<br />
(-0,53)<br />
0,0102754<br />
(0,77)<br />
L1.lncomb_d<br />
0,0039007<br />
(0,53)<br />
L2.lncomb_d<br />
0,0024599<br />
(0,44)<br />
lnener_d /D1.<br />
0,0182555<br />
(3,84)<br />
0,0284352<br />
(3,92)<br />
0,0137594<br />
(2,85)<br />
0,0293665<br />
(3,05)<br />
0,0130704<br />
(0,68)<br />
L1.lnener_d<br />
0,0060818<br />
(0,55)<br />
L2.lnener_d<br />
0,0143989<br />
(1,86)<br />
lninvl_d /D1.<br />
0,0374578<br />
(12,89)<br />
-0,025434<br />
(-1,95)<br />
L1.lninvl_d<br />
-0,0094964<br />
(-1,18)<br />
L2.lninvl_d<br />
0,0023509<br />
(0,47)<br />
ano<br />
-0,0210988<br />
(-4,38)<br />
-0,0724964<br />
(-6,47)<br />
-0,0145475<br />
(-2,95)<br />
_cons<br />
38,69327<br />
(4,02)<br />
142,225<br />
(6,52)<br />
26,46228<br />
(2,69)<br />
-0,0985426<br />
(-4,94)<br />
Number of obs/gr. 18108 18108 16925 9976 5724<br />
F / Sargan 2657,52 340,61 2341,74 54,01 1137,94<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,0210 0,000<br />
R-squared / AR1 0,5068 0,4972 0,5255 0,0000 0,000<br />
Adj R-squared/AR2 0,5067 0,5253 0,0175 0,960<br />
111
Tabela 11: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 30.<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
-0,0025796<br />
(-0,06)<br />
0,0043781<br />
(0,10)<br />
lnprod_d.L2.<br />
-0,0617965<br />
(-1,40)<br />
lntrab_d /D1.<br />
0,6273108<br />
(18,55)<br />
0,5519153<br />
(5,18)<br />
0,7060308<br />
(21,29)<br />
0,5627212<br />
(4,82)<br />
0,3169205<br />
(7,55)<br />
L1.lntrab_d/<br />
-0,0387333<br />
(-0,56)<br />
L2.lntrab_d<br />
-0,1469352<br />
(-3,43)<br />
lncap_d /D1.<br />
0,3095659<br />
(6,46)<br />
-0,8498015<br />
(-0,98)<br />
0,2433409<br />
(5,11)<br />
01,051018<br />
(1,39)<br />
2,536474<br />
(3,81)<br />
L1.lncap_d<br />
-3,386068<br />
(-4,22)<br />
L2.lncap_d<br />
2,188654<br />
(3,35)<br />
lni<strong>da</strong><strong>de</strong> /D1.<br />
-0,1291171<br />
(-1,05)<br />
-0,7508428<br />
(-0,78)<br />
-0,096378<br />
(-0,86)<br />
-2,163995<br />
(-1,86)<br />
31,0095<br />
(0,48)<br />
L1.lni<strong>da</strong><strong>de</strong><br />
-61,03531<br />
(-0,63)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
27,81077<br />
(0,79)<br />
lnmat_d /D1.<br />
0,1718054<br />
(8,38)<br />
0,2141399<br />
(4,03)<br />
0,1225588<br />
(6,08)<br />
0,2030399<br />
(4,83)<br />
0,1462337<br />
(4,95)<br />
L1.lnmat_d<br />
0,0621499<br />
(2,70)<br />
L2.lnmat_d<br />
0,0462188<br />
(2,17)<br />
lncomb_d /D1.<br />
-0,0378871<br />
(-1,91)<br />
-0,0250292<br />
(-0,83)<br />
-0,0446064<br />
(-2,46)<br />
-0,0130982<br />
(-0,85)<br />
0,0691511<br />
(3,02)<br />
L1.lncomb_d<br />
-0,0173395<br />
(-1,30)<br />
L2.lncomb_d<br />
0,0155032<br />
(1,10)<br />
lnener_d /D1.<br />
,0264126<br />
(1,77<br />
,0421055<br />
(1,99<br />
,0288778<br />
(2,07<br />
,0314703<br />
(2,70<br />
,0079482<br />
(0,46)<br />
L1.lnener_d<br />
-,0407527<br />
(-2,78)<br />
L2.lnener_d<br />
-,00848<br />
(-0,47)<br />
lninvl_d /D1.<br />
,0259988<br />
(2,09)<br />
,0195629<br />
(1,44)<br />
L1.lninvl_d<br />
,0523711<br />
(2,88)<br />
L2.lninvl_d<br />
,0031886<br />
(0,27)<br />
ano<br />
-0,0389412<br />
(-1,63)<br />
-0,0358788<br />
(-0,55)<br />
-0,0435658<br />
(-2,00)<br />
_cons<br />
77,29974<br />
(1,61)<br />
91,86093<br />
(0,73)<br />
87,02767<br />
(1,99)<br />
-0,1074177<br />
(-1,33)<br />
Number of obs / gr. 841 841 760 439 228<br />
F / Sargan 182,63 21,97 199,19 35,28 234,83<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,4550 0,012<br />
R-squared / AR1 0,6055 0,1873 0,6797 0,0767 0,025<br />
Adj R-squared/AR2 0,6022 0,6763 0,1627 0,914<br />
112
Tabela 12: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 32.<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
-0,0314676<br />
(-0,790)<br />
-0,4840182<br />
(-163,11)<br />
lnprod_d.L2.<br />
-0,0829849<br />
(-30,38)<br />
lntrab_d /D1.<br />
0,6443189<br />
(34,62)<br />
0,5330371<br />
(6,71)<br />
0,6595958<br />
(35,71)<br />
0,6944731<br />
(9,69)<br />
0,7483522<br />
(46,70)<br />
L1.lntrab_d/<br />
0,2601681<br />
(20,42)<br />
L2.lntrab_d<br />
0,1039131<br />
(12,31)<br />
lncap_d /D1.<br />
0,4069716<br />
(18,79)<br />
0,1672972<br />
(0,66)<br />
0,3696935<br />
(15,47)<br />
0,3885478<br />
(2,28)<br />
0,3621458<br />
(6,84)<br />
L1.lncap_d<br />
0,0475771<br />
(1,93)<br />
L2.lncap_d<br />
-0,3954107<br />
(-14,52)<br />
lni<strong>da</strong><strong>de</strong> /D1.<br />
-0,0643615<br />
(-1,21)<br />
0,0291983<br />
(0,06)<br />
-0,0225478<br />
(-0,43)<br />
0,1107478<br />
(0,370)<br />
0,4704287<br />
(0,51)<br />
L1.lni<strong>da</strong><strong>de</strong><br />
-9,363667<br />
(-5,23)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
6,523621<br />
(6,00)<br />
lnmat_d /D1.<br />
0,0667687<br />
(6,29)<br />
0,1488587<br />
(4,05)<br />
0,050582<br />
(4,75)<br />
0,0845201<br />
(2,49)<br />
0,0965725<br />
(13,47)<br />
L1.lnmat_d<br />
0,0742164<br />
(13,28)<br />
L2.lnmat_d<br />
0,0043461<br />
(2,33)<br />
lncomb_d /D1.<br />
-0,0087353<br />
(-1,13)<br />
0,0078543<br />
(0,80)<br />
-0,0097177<br />
(-1,26)<br />
0,0096245<br />
(1,00)<br />
-0,0245697<br />
(-7,91)<br />
L1.lncomb_d<br />
-0,0053877<br />
(-3,52)<br />
L2.lncomb_d<br />
-0,0080017<br />
(-6,42)<br />
lnener_d /D1.<br />
0,0171074<br />
(2,21)<br />
0,0231613<br />
(1,36)<br />
0,0115355<br />
(1,48)<br />
0,0208627<br />
(2,01)<br />
-0,0333212<br />
(-10,10)<br />
L1.lnener_d<br />
0,0140767<br />
(6,36)<br />
L2.lnener_d<br />
-0,0081525<br />
(-3,94)<br />
lninvl_d /D1.<br />
0,0325017<br />
(4,91)<br />
-0,0160686<br />
(-9,94)<br />
L1.lninvl_d<br />
0,0010688<br />
(0,650)<br />
L2.lninvl_d<br />
0,0054842<br />
(3,93)<br />
ano<br />
-0,0270262<br />
(-2,40)<br />
-0,0640899<br />
(-1,86)<br />
-0,0267399<br />
(-2,38)<br />
_cons<br />
53,17978<br />
(2,35)<br />
130,9776<br />
(1,99)<br />
52,89401<br />
(2,35)<br />
-0,119671<br />
(-4,30)<br />
Number of obs / gr. 2738 2738 2529 1507 790<br />
F / Sargan 720,56 33,31 659,14 40,21 387,01<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,2504 0,000<br />
R-squared / AR1 0,6488 0,6276 0,6766 0,0066 0,063<br />
Adj R-squared/AR2 0,6479 0,6756 0,4527 0,999<br />
113
Tabela 13: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 34.<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
0,0818742<br />
(1,35)<br />
-0,4279977<br />
(-35,83)<br />
lnprod_d.L2.<br />
-0,1734227<br />
(-20,31)<br />
lntrab_d /D1.<br />
0,612862<br />
(54,56)<br />
0,5976101<br />
(11,42)<br />
0,6254061<br />
(54,85)<br />
0,6636299<br />
(10,44)<br />
0,2470718<br />
(8,00)<br />
L1.lntrab_d/<br />
0,2648426<br />
(8,76<br />
L2.lntrab_d<br />
0,0899282<br />
(7,34<br />
lncap_d /D1.<br />
0,3988274<br />
(31,57)<br />
0,2985442<br />
(4,11)<br />
0,3352927<br />
(23,84)<br />
0,1785643<br />
(1,72)<br />
0,3739589<br />
(2,26)<br />
L1.lncap_d<br />
-0,1421658<br />
(-1,40)<br />
L2.lncap_d<br />
-0,0037031<br />
(-0,04)<br />
lni<strong>da</strong><strong>de</strong> /D1.<br />
0,0822268<br />
(2,98)<br />
0,3463537<br />
(1,45)<br />
0,0774816<br />
(2,78)<br />
-0,1556032<br />
(-0,36)<br />
0,4937502<br />
(0,65)<br />
L1.lni<strong>da</strong><strong>de</strong><br />
-13,53814<br />
-(4,51)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
11,32499<br />
(4,48)<br />
lnmat_d /D1.<br />
0,0092865<br />
(2,11)<br />
0,0397655<br />
(4,36)<br />
0,0069078<br />
(1,52)<br />
0,0284888<br />
(3,04)<br />
0,0029175<br />
(0,31)<br />
L1.lnmat_d<br />
0,0089067<br />
(1,36)<br />
L2.lnmat_d<br />
0,0071594<br />
(1,54)<br />
lncomb_d /D1.<br />
0,0057639<br />
(1,86)<br />
0,0010433<br />
(0,28)<br />
0,0049877<br />
(1,58)<br />
-0,005018<br />
-(0,98)<br />
-0,0128407<br />
(-2,09)<br />
L1.lncomb_d<br />
-0,0033861<br />
(-1,02)<br />
L2.lncomb_d<br />
0,0013537<br />
(0,50)<br />
lnener_d /D1.<br />
0,0384683<br />
(7,54)<br />
0,0417588<br />
(4,91)<br />
0,0325946<br />
(6,31<br />
0,0430913<br />
(4,40<br />
0,0432038<br />
(4,35)<br />
L1.lnener_d<br />
0,0298869<br />
(4,69)<br />
L2.lnener_d<br />
0,0085963<br />
(1,72)<br />
lninvl_d /D1.<br />
0,0337538<br />
(9,93<br />
-0,0515605<br />
(-6,67)<br />
L1.lninvl_d<br />
-0,0305019<br />
(-5,85)<br />
L2.lninvl_d<br />
-0,0096465<br />
(-3,07)<br />
ano<br />
-0,0178231<br />
(-3,16)<br />
-0,0543919<br />
(-4,23)<br />
-0,013658<br />
-(2,39)<br />
_cons<br />
35,148<br />
(3,11)<br />
108,8555<br />
(4,35)<br />
27,44974<br />
(2,40)<br />
-0,0494331<br />
(-2,07)<br />
Number of obs / gr. 8219 8219 7601 4938 2811<br />
F / Sargan 2327,95 51,34 2065, 40 67,96 1036,29<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,0007 0,000<br />
R-squared / AR1 0,6649 0,6562 0,6852 0,0000 0,092<br />
Adj R-squared/AR2 0,6647 0,6848 0,4289 0,308<br />
114
Tabela 14: Resultados <strong>da</strong>s estimativas dos métodos MQO, FE, POLS. A&B e B&B<br />
sobre o setor 35.<br />
MQO Efeitos Fixos<br />
MQO c/<br />
Investimento<br />
Arellano<br />
& Bond<br />
Blun<strong>de</strong>ll<br />
& Bond<br />
lnprod_d<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(t)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lnprod_d /LD. /L1.<br />
-0,0222933<br />
(-0,49)<br />
-0,3721589<br />
(-366,15)<br />
lnprod_d.L2.<br />
-0,3175534<br />
(-330,39)<br />
lntrab_d /D1.<br />
0,773059<br />
(39,00)<br />
0,6993762<br />
(10,33)<br />
0,7518562<br />
(38,10)<br />
0,6729963<br />
(10,05)<br />
0,6592251<br />
(150,48)<br />
L1.lntrab_d/<br />
0,2503191<br />
(53,18)<br />
L2.lntrab_d<br />
-0,0205487<br />
(-9,34)<br />
lncap_d /D1.<br />
0,2380727<br />
(10,29)<br />
0,302356<br />
(1,70)<br />
0,188043<br />
(7,67)<br />
0,8569633<br />
(2,39)<br />
1,175084<br />
(39,28)<br />
L1.lncap_d<br />
0,3042336<br />
(6,95)<br />
L2.lncap_d<br />
0,0379319<br />
(1,12)<br />
lni<strong>da</strong><strong>de</strong> /D1.<br />
0,017497<br />
(0,27)<br />
-0,9528713<br />
(-1,77)<br />
0,0103601<br />
(0,16)<br />
-0,0519267<br />
(-0,08)<br />
-1,22644<br />
(-0,26)<br />
L1.lni<strong>da</strong><strong>de</strong><br />
-13,30749<br />
(-1,78)<br />
L2.lni<strong>da</strong><strong>de</strong><br />
12,1476<br />
(4,15)<br />
lnmat_d /D1.<br />
0,0435657<br />
(4,38)<br />
0,0695414<br />
(3,49)<br />
0,0362006<br />
(3,66)<br />
0,0253685<br />
(1,55)<br />
0,0101745<br />
(10,56)<br />
L1.lnmat_d<br />
-0,017738<br />
(-21,93)<br />
L2.lnmat_d<br />
0,0093963<br />
(17,69)<br />
lncomb_d /D1.<br />
0,018438<br />
(2,25)<br />
0,0225427<br />
(1,62)<br />
0,0158467<br />
(1,92)<br />
0,0160005<br />
(1,35)<br />
0,0052283<br />
(7,05)<br />
L1.lncomb_d<br />
-0,0026867<br />
(-3,00)<br />
L2.lncomb_d<br />
-0,02303<br />
(-33,04)<br />
lnener_d /D1.<br />
0,0022442<br />
(0,23)<br />
-0,0008303<br />
(-0,05)<br />
-0,009972<br />
(-1,01)<br />
0,0178511<br />
(1,34)<br />
0,028287<br />
(19,47)<br />
L1.lnener_d<br />
0,0042481<br />
(3,83)<br />
L2.lnener_d<br />
0,0500445<br />
(51,65)<br />
lninvl_d /D1.<br />
0,051206<br />
(6,57)<br />
-0,0512827<br />
(-43,78)<br />
L1.lninvl_d<br />
-0,0331693<br />
(-58,98)<br />
L2.lninvl_d<br />
-0,0026096<br />
(-4,80)<br />
ano<br />
-0,0184988<br />
(-1,33)<br />
-0,0252366<br />
(-0,71)<br />
-0,0244791<br />
(-1,75)<br />
_cons<br />
36,81611<br />
(1,32)<br />
52,66328<br />
(0,78)<br />
49,71215<br />
(1,77)<br />
-0,1405648<br />
(-3,04)<br />
Number of obs / gr. 2131 2131 1984 1141 634<br />
F / Sargan 483,83 42,07 437,97 39,72 489,40<br />
Prob > F/chi2 0,0000 0,0000 0,0000 0,2678 0,000<br />
R-squared / AR1 0,6147 0,0055 0,6395 0,0020 0,048<br />
Adj R-squared/AR2 0,6134 0,6381 0,4913 0,570<br />
115
Tabela 13: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 17.<br />
lnprod_d<br />
lntrab_d<br />
lncap_d<br />
lni<strong>da</strong><strong>de</strong><br />
lnmat_d<br />
lncomb_d<br />
lnener_d<br />
lninvl_d<br />
ano<br />
OP<br />
Coef.<br />
(z)<br />
0,8017113<br />
(18,51)<br />
0,273406<br />
(1,52)<br />
0,1382418<br />
(0,27)<br />
0,0266917<br />
(3,61)<br />
-0,000909<br />
(-0,19)<br />
0,0133822<br />
(1,76)<br />
0,011002<br />
(1,22)<br />
LP<br />
(MP)<br />
Coef.<br />
(z)<br />
0,7543489<br />
(16,82)<br />
0,5601801<br />
(3,68)<br />
0,0562701<br />
(1,17)<br />
-0,0021868<br />
(-0,49)<br />
0,0124927<br />
(1,42)<br />
0,0299215<br />
(5,67)<br />
LP<br />
(Comb)<br />
Coef.<br />
(z)<br />
0,8093539<br />
(19,50)<br />
0,4641438<br />
(2,73)<br />
0,0254228<br />
(0,51)<br />
0,0248368<br />
(2,69)<br />
0,0123208<br />
(1,62)<br />
0,0336226<br />
(6,13)<br />
LP<br />
(Ener)<br />
Coef.<br />
(z)<br />
0,8057762<br />
(19,28)<br />
0,2687133<br />
(1,69)<br />
0,0293112<br />
(0,53)<br />
0,0229948<br />
(2,36)<br />
-0,0009711<br />
(-0,21)<br />
0,0328838<br />
(6,34)<br />
LP<br />
(Inv)<br />
Coef.<br />
(z)<br />
0,8085858<br />
(18,22)<br />
0,7334953<br />
(2,97)<br />
0,0263368<br />
(0,55)<br />
0,0244503<br />
(2,40)<br />
-0,0027487<br />
(-0,62)<br />
0,0118188<br />
(1,52)<br />
Number of obs 28698 10708 10708 10708 10708<br />
Wald test 6,59 4,44 0,84 5,63<br />
Prob > chi2 0,0102 0,0351 0,3593 0,0176<br />
Tabela 14: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 18.<br />
lnprod_d<br />
lntrab_d<br />
lncap_d<br />
lni<strong>da</strong><strong>de</strong><br />
lnmat_d<br />
lncomb_d<br />
lnener_d<br />
lninvl_d<br />
ano<br />
OP<br />
Coef.<br />
(z)<br />
0,8169083<br />
(38,39)<br />
0,3542146<br />
(3,90)<br />
-0,1209481<br />
(-1,03)<br />
-0,0321505<br />
(-9,54)<br />
-0,0012002<br />
(-0,25)<br />
0,0293241<br />
(4,42)<br />
0,0329164<br />
(4,82)<br />
LP<br />
(MP)<br />
Coef.<br />
(z)<br />
0,7948552<br />
(34,69)<br />
0,1502605<br />
(1,19)<br />
0,078381<br />
(2,49)<br />
-0,0010308<br />
(-0,19)<br />
0,0254054<br />
(4,21)<br />
0,0266215<br />
(8,02)<br />
LP<br />
(Comb)<br />
Coef.<br />
(z)<br />
0,8269472<br />
(37,42)<br />
0,1622017<br />
(0,71)<br />
0,0630122<br />
(2,15)<br />
-0,0363064<br />
(-9,64)<br />
0,0274727<br />
(5,06)<br />
0,0320227<br />
(9,66)<br />
LP<br />
(Ener)<br />
Coef.<br />
(z)<br />
0,8278773<br />
(41,49)<br />
0,291728<br />
(3,27)<br />
0,0578698<br />
(1,81)<br />
-0,0364814<br />
(-9,79)<br />
0,0004256<br />
(0,09)<br />
0,0314569<br />
(9,12)<br />
LP<br />
(Inv)<br />
Coef.<br />
(z)<br />
0,825505<br />
(35,65)<br />
0,8779395<br />
(4,73)<br />
0,0565994<br />
(1,67)<br />
-0,0359628<br />
(-9,60)<br />
-0,0004486<br />
(-0,10)<br />
0,0266338<br />
(5,21)<br />
Number of obs 58053 27545 27545 27545 27545<br />
Wald test 0,11 3,45 15,53 0,34<br />
Prob > chi2 0,7399 0,0633 0,0001 0,5583<br />
116
Tabela 15: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 20.<br />
lnprod_d<br />
lntrab_d<br />
lncap_d<br />
lni<strong>da</strong><strong>de</strong><br />
lnmat_d<br />
lncomb_d<br />
lnener_d<br />
lninvl_d<br />
ano<br />
OP<br />
Coef.<br />
(z)<br />
0,8546697<br />
(31,02)<br />
0,1837999<br />
(0,65)<br />
-0,0895433<br />
(-0,40)<br />
0,0544129<br />
(4,44)<br />
0,0178374<br />
(4,75)<br />
0,0058264<br />
(1,11)<br />
0,0087643<br />
(1,30)<br />
LP<br />
(MP)<br />
Coef.<br />
(z)<br />
0,8468913<br />
(31,83)<br />
0,3287722<br />
(7,54)<br />
0,0033087<br />
(0,09)<br />
0,0190717<br />
(5,52)<br />
0,0053934<br />
(0,96)<br />
0,0245334<br />
(6,84)<br />
LP<br />
(Comb)<br />
Coef.<br />
(z)<br />
0,8584783<br />
(35,06)<br />
0,6363474<br />
(2,94)<br />
-0,0143631<br />
(-0,40)<br />
0,0529605<br />
(4,86)<br />
0,008683<br />
(1,86)<br />
0,0265836<br />
(7,94)<br />
LP<br />
(Ener)<br />
Coef.<br />
(z)<br />
0,8599954<br />
(32,28)<br />
-0,0088747<br />
(-0,26)<br />
0,026148<br />
(7,39)<br />
0,0534585<br />
(4,82)<br />
0,0184253<br />
(5,15)<br />
0,5040461<br />
(3,23)<br />
LP<br />
(Inv)<br />
Coef.<br />
(z)<br />
0,8598691<br />
(32,94)<br />
0,9088073<br />
(6,73)<br />
-0,0081718<br />
(-0,22)<br />
0,0537334<br />
(4,90)<br />
0,0181693<br />
(5,42)<br />
0,0055062<br />
(1,06)<br />
Number of obs 30252 13114 13114 13114 13114<br />
Wald test 15,26 6,58 8,20 35,63<br />
Prob > chi2 0,0001 0,0103 0,0042 0,0000<br />
Tabela 18: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 36.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
lnprod_d<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lntrab_d 0,8588005 0,8427201 0,8634763 0,8620772 0,8600354<br />
(31,30) (32,86) (34,18) (34,53) (32,99)<br />
lncap_d 0,7929033 0,4993042 0,4087635 0,2877593 0,8495797<br />
(3,86) (2,98) (4,18) (3,17) (14,42)<br />
lni<strong>da</strong><strong>de</strong> -0,2656087 0,1442088 0,1297952 0,1237516 0,1211145<br />
(-0,30) (4,25) (4,48) (3,91) (4,11)<br />
lnmat_d 0,0141267<br />
0,0150566 0,014959 0,0153664<br />
(1,83)<br />
(1,73) (1,72) (1,72)<br />
lncomb_d -0,0006583 -0,0005083<br />
-0,0000273 -0,0002698<br />
(-0,19) (-0,13)<br />
(-0,01) (-0,08)<br />
lnener_d 0,0137028 0,0160744 0,0149808<br />
0,0151312<br />
(2,19) (2,70) (2,30)<br />
(2,21)<br />
lninvl_d<br />
0,0351495 0,0378263 0,0365096<br />
(9,65) (11,28) (10,28)<br />
ano -0,0134089<br />
(-2,24)<br />
Number of obs 38776 16925 16925 16925 16925<br />
Wald test 9,61 22,90 11,32 169,52<br />
Prob > chi2 0,0019 0,0000 0,0008 0,0000<br />
117
Tabela 17: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 30.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
lnprod_d<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lntrab_d 0,7044285 0,6965177 0,7014076 0,7073938 0,7038081<br />
(9,56) (7,58) (7,82) (7,76) (8,07)<br />
lncap_d 0,1303371 1,13021 0,3486892 0,2846458 0,4672497<br />
(0,33) (2,91) (1,76) (1,02) (2,03)<br />
lni<strong>da</strong><strong>de</strong> -0,8625482 -0,0716906 -0,1043468 -0,1163587 -0,0995793<br />
(-0,39) (-0,54) (-0,72) (-0,93) (-0,76)<br />
lnmat_d 0,1281284<br />
0,1210531 0,1196016 0,1230284<br />
(3,77)<br />
(3,42) (3,53) (3,36)<br />
lncomb_d -0,0498235 -0,0497383<br />
-0,03948 -0,0430897<br />
(-1,92) (-1,57)<br />
(-1,46) (-1,37)<br />
lnener_d 0,0250899 0,0294476 0,0324212<br />
0,0306254<br />
(1,82) (2,00) (1,91)<br />
(1,78)<br />
lninvl_d<br />
0,0252041 0,0290333 0,0276975<br />
(1,79) (2,09) (1,97)<br />
ano -0,0446541<br />
(-1,88)<br />
Number of obs 2794 760 760 760 760<br />
Wald test 3,02 0,32 0,00 0,53<br />
Prob > chi2 0,0823 0,5735 0,9558 0,4672<br />
Tabela 18: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 32.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
lnprod_d<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lntrab_d 0,6519505 0,6279866 0,6542702 0,6544805 0,6470688<br />
(10,64) (10,08) (10,24) (10,85) (9,66)<br />
lncap_d 0,4926586 0,4443456 0,4736089 0,3876728 0,5440483<br />
(3,26) (3,68) (3,79) (3,07) (4,78)<br />
lni<strong>da</strong><strong>de</strong> 0,0445031 0,0335986 -0,0302935 -0,0200249 -0,0201271<br />
(0,08) (0,49) (-0,44) (-0,29) (-0,27)<br />
lnmat_d 0,0590666<br />
0,0532313 0,0531569 0,0561489<br />
(3,88)<br />
(3,10) (2,84) (2,86)<br />
lncomb_d -0,0121272 -0,0143434<br />
-0,0107081 -0,0115009<br />
(-1,66) (-2,15)<br />
(-1,54) (-1,61)<br />
lnener_d 0,0118253 0,010416 0,016427<br />
0,0145035<br />
(1,07) (1,26) (1,85)<br />
(1,58)<br />
lninvl_d<br />
0,0319734 0,034562 0,034108<br />
(3,74) (3,67) (3,42)<br />
ano -0,0258493<br />
(-1,44)<br />
Number of obs 7170 2529 2529 2529 2529<br />
Wald test 0,85 2,48 0,46 4,14<br />
Prob > chi2 0,3572 0,1155 0,4995 0,0419<br />
118
Tabela 19: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 34.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
lnprod_d<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lntrab_d 0,6251791 0,5775378 0,6295846 0,627969 0,6254069<br />
(9,79) (10,47) (11,72) (10,80) (10,97)<br />
lncap_d 0,6330275 0,1790427 0,3300642 0,3599543 0,7715154<br />
(2,64) (0,92) (2,53) (4,89) (3,98)<br />
lni<strong>da</strong><strong>de</strong> -1,420274 0,0845203 0,0764421 0,0737264 0,074299<br />
(-1,04) (2,08) (1,72) (1,70) (1,66)<br />
lnmat_d 0,0047803<br />
0,0060335 0,0037049 0,0041951<br />
(0,59)<br />
(0,88) (0,55) (0,57)<br />
lncomb_d 0,0064814 0,0039603<br />
0,0053632 0,0057406<br />
(1,78) (1,11)<br />
(1,73) (1,67)<br />
lnener_d 0,0320004 0,0311806 0,0311883<br />
0,0325842<br />
(3,71) (3,89) (4,05)<br />
(4,41)<br />
lninvl_d<br />
0,0292529 0,0333076 0,0324242<br />
(7,02) (8,05) (7,73)<br />
ano -0,0141363<br />
(-2,10)<br />
Number of obs 18149 7601 7601 7601 7601<br />
Wald test 0,21 0,63 1,73 5,67<br />
Prob > chi2 0,6473 0,4264 0,1882 0,0173<br />
Tabela 20: Resultados <strong>da</strong>s estimativas <strong>de</strong> O&P e L&P para o setor 35.<br />
OP<br />
LP<br />
(MP)<br />
LP<br />
(Comb)<br />
LP<br />
(Ener)<br />
LP<br />
(Inv)<br />
lnprod_d<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
Coef.<br />
(z)<br />
lntrab_d 0,7329437 0,7167936 0,7417009 0,7261366 0,7305407<br />
(10,09) (10,34) (10,67) (9,64) (9,94)<br />
lncap_d 0,2421695 0,4209816 0,174201 0,0288903 0,0120263<br />
(0,70) (2,48) (1,03) (0,10) (0,15)<br />
lni<strong>da</strong><strong>de</strong> -0,0640752 0,0068626 0,0167641 -0,0046011 -0,0083307<br />
(-0,05) (0,09) (0,22) (-0,06) (-0,82)<br />
lnmat_d 0,0352199<br />
0,035008 0,0355951 0,0358053<br />
(3,19)<br />
(3,04) (2,98) (3,14)<br />
lncomb_d 0,0135866 0,0097761<br />
0,008935 0,012716<br />
(1,29) (1,08)<br />
(1,03) (1,33)<br />
lnener_d -0,010895 -0,0111342 -0,005969<br />
0,6639079<br />
(-1,00) (-1,07) (-0,66)<br />
(2,77)<br />
lninvl_d<br />
0,0413502 0,0502862 0,0465051<br />
(3,86) (5,07) (4,85)<br />
ano -0,0278976<br />
(-1,92)<br />
Number of obs 6597 1984 1984 1984 1984<br />
Wald test 1,07 0,00 0,31 3,42<br />
Prob > chi2 0,3020 0,9500 0,5761 0,0643<br />
119
ANEXO A<br />
120
Tabela 1: Classificação por Intensi<strong>da</strong><strong>de</strong> Tecnológica - Variáveis PIA-Empresa 2003<br />
121