ESTIMANDO OS EFEITOS LÍQUIDOS DA ABERTURA COMERCIAL

NO CRESCIMENTO ECONÔMICO BRASILEIRO

Janaina Carvalhedo
Flavio Ataliba
Christiano Penna

RESUMO:
Este artigo busca analisar o efeito líquido da abertura comercial no crescimento
econômico brasileiro. Para tanto, introduzimos uma proposta de análise empírica
baseada num modelo dinâmico que nos permite estimar os efeitos diretos da
abertura econômica no curto e no longo prazo. A partir dessa análise, a hipótese de
que a abertura econômica no Brasil gerou um efeito negativo num primeiro período e
que posteriormente passou a influenciar o crescimento econômico de longo prazo de
maneira positiva fica evidenciada.
 1 - INTRODUÇÃO

No final dos anos oitenta, foi lançada a aposta de que a abertura da economia
brasileira colocaria o Brasil numa crescente inserção internacional e promoveria um
ambiente competitivo, eliminando distorções de mercado, gerando aumentos de
produtividade e proporcionando um ambiente estável para o crescimento econômico.
O discurso por trás da abertura econômica era focado em dois pontos: de um
lado a ampliação das importações iria submeter as empresas nacionais à
concorrência externa, pressionando o nível de preços internos para baixo e pondo
um freio à inflação e, de outro lado, ocorreria uma ampliação das exportações,
permitindo o abastecimento externo de economias onde a oferta estrangeira não
seria suficiente. A liberalização comercial, portanto, além de servir para garantir a
reversão do processo inflacionário e a estabilidade dos preços deveria servir como
um propulsor do crescimento econômico com base nas importações e exportações
realizadas pelo Brasil.
O processo de abertura promoveu intensas transformações na economia
brasileira e estimulou as empresas nacionais a buscarem estratégias que as
colocassem em conformidade com os padrões de seus competidores internacionais.
Essas transformações, entretanto, não ocorreram de maneira imediata. No curto
prazo, diversos setores produtivos que outrora foram privilegiados com o sistema
econômico vigente até então tiveram que realizar grandes esforços no intuito de se
adequar ao sistema econômico que estava por vir. No curto prazo, portanto, é de se
esperar que o efeito da abertura comercial e de uma possível explosão das
importações tenha uma contribuição negativa no crescimento. No longo prazo,
entretanto, é de se esperar que esse efeito se reverta e que os ganhos de eficiência
assim como a explosão das exportações contribuam de maneira positiva para o
desenvolvimento econômico brasileiro.
A literatura que busca investigar este tema no Brasil, de uma forma geral,
aborda de maneira indireta o impacto da abertura no crescimento, seja através do
mercado de trabalho [ver Raposo e Machado (2002) para uma resenha
bibliográfica] 1 , seja através da análise da produtividade industrial [ver Bonelli (1992,
1998), Hay (1997) e Ferreira e Rossi (2003)] 2 .
Este artigo busca participar do debate ao tratar de analisar o efeito líquido da
abertura no crescimento econômico. Para tanto, introduzimos uma proposta de
análise empírica baseada num modelo dinâmico que nos permite estimar os efeitos
diretos da abertura econômica no curto e no longo prazo.
A partir dessa análise, a hipótese de que a abertura econômica no Brasil
gerou um efeito negativo num primeiro período e que posteriormente passou a
influenciar o crescimento econômico de longo prazo de maneira positiva fica
evidenciada.
O artigo encontra-se dividido em três seções, incluindo esta introdução. A
segunda seção apresenta a pesquisa empírica e é subdividida em 3 subseções onde
analisamos i) a teoria e o método a serem empregados; ii) o procedimento de
estimação utilizado, e; iii) as evidências e resultados empíricos. A terceira seção
conclui.
1
As autoras concluem que existem efeitos diferenciados da abertura no mercado de trabalho brasileiro.
2
Hay (1997) conclui que a abertura provocou uma redução do market share das empresas nacionais no mercado
doméstico, que houve uma redução dos lucros e um aumento generalizado da eficiência industrial. Enquanto que
os outros dois trabalhos encontram evidências positivas do impacto da abertura comercial na Produtividade Total
dos Fatores (TFP).

2
 2 - ANÁLISE EMPÍRICA

2.1 – Teoria e Método

A literatura sobre abertura econômica é relativamente extensa e pouco

consenso se tem a respeito da variável a ser utilizada em trabalhos empíricos.
Souza (2007) apresenta 13 tipos diferentes de medidas de abertura comercial. São
elas: (i) nível de preço relativo – NPR; (ii) nível de preço relativo modificado - NPRM;
(iii) intensidade do comércio internacional - ICI ; (iv) intensidade do comércio
internacional ajustada - ICIA; (v) indicador de Sachs-Warner - SW; (vi) imposto de
importação - IIM; (vii) prêmio do câmbio no mercado negro - PCMN; (viii) tendência
da tarifa nominal – TTN; (ix) medidas não tarifárias – MNT; (x) cobertura das
medidas não tarifárias – CMNT; (xi) licenças – LCN; (xii) proibições – PRB e; (xiii)
quotas - QTS.
Não existe, no entanto, consenso sobre qual a melhor medida a ser utilizada
para mensurar liberalização comercial, nem se existe medida mais adequada para
determinada situação 3 e, devido à disponibilidade de dados em painel, neste
trabalho optou-se por trabalhar conjuntamente com dois indicadores de liberalização
comercial: O indicador de Sachs e Warner 4 , SW, e a intensidade do comércio
internacional, ICI.
A intensidade do comércio internacional visa refletir como alterações na
política comercial afetam o fluxo do comércio. Esta medida é calculada por país
segundo a razão entre a soma das importações M e das exportações X e o produto
interno bruto - PIB, ou seja: ICI it = ( X it + M it ) / PIBit . Embora haja alguma crítica em
torno dessa variável, como por exemplo, o possível erro de medida devido ao
tamanho das economias levadas em conta na amostra, essa é a variável que melhor
reflete os efeitos que buscamos analisar aqui, além do que ela incorpora todos os
efeitos advindos das políticas cambiais e das políticas de estabilização.
Já o indicador de Sachs-Warner (1995) determina, segundo um agregado de
medidas, se o país é ou não aberto 5 . Este segundo indicador é representado por
variável dummy que toma o valor 1 para o país que passa sucessivamente por cinco
testes de abertura: (i) tarifa média abaixo dos 40%; (ii) medidas não-tarifárias
cobrindo menos de 40% das importações; (iii) prêmio do câmbio no mercado negro
abaixo de 20% da média observada durante os anos 70 e 80; (iv) ausência do
sistema econômico socialista e (v) ausência de controle extremo sobre as
exportações, como impostos, quotas e/ou monopólios estatais. Segundo estes
autores, esse indicador fica definido para o Brasil de modo que:
⎧0 , se t < 1991
SWt = ⎨ .
⎩1 , se t ≥ 1991
3
Como uso de diferentes medidas pelos autores torna difícil a comparação de resultados, pois esses podem ser
dependentes da medida de liberalização considerada, Berg e Krueger (2003) afirmam que todas as medidas de
liberalização são, de certo modo, imperfeitas.
4
De acordo com Berg e Krueger (2003), o indicador de Sachs-Warner representa esforço bem sucedido na
mensuração da importância total das restrições exercidas pela política comercial.
5
Segundo estes autores, “Brazil is Open since 1991. Brazil is rated as closed before 1991, based on the evidence
in Coes (1991). Specifically, the average effective protection rates in 1967 and 1973 exceed 40 percent. In
addition, the index of trade liberalization indicates that 1973 was the most liberal year during the period 1947-
82, so we rate this period as insufficiently liberal by our standards. A high black market premium also
disqualifies Brazil in the early 1960s and the period 1975-89. The 1991 dating is based on the reforms of the
Collor administration.”

3
 O Gráfico 1 representa o comportamento temporal das variáveis
macroeconômicas de intensidade de comércio nacional, ( X + M ) / PIB , das relações
exportação e importação sobre o PIB, X / PIB e M / PIB , e da taxa de crescimento
econômico, GY , durante os anos de 1986 a 2003 6 .

GRÁFICO 1: Taxa de Crescimento e Variáveis de Comércio

28

24

20

16

12

-4

-8
86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03

(X+M) / PIB X/PIB

M/PIB GY

Note que para esse período em análise, após 1989 o diferencial entre as
exportações sobre o PIB e as importações sobre o PIB passa a se reduzir. A partir
desta data as importações sobre o PIB começam a crescer de forma sustentada
enquanto que as exportações sobre o PIB, a partir de 1991 entram numa trajetória
de queda que se reverte apenas em 1998. Note também que de 1994 até as
proximidades de 2002 a relação importação sobre o PIB supera a relação
exportação sobre o PIB.
A intensidade de comércio internacional (ICI) tem uma leve elevação a partir
de 2001 acompanhada por uma elevação do crescimento econômico no ano
subseqüente. A partir de 1993 o ICI passa a declinar até 1996 e tal declínio é
acompanhado pela taxa de crescimento. Depois de 1998, o ICI dispara e a taxa de
crescimento econômico parece voltar para o seu patamar de longo prazo.
Essa breve inspeção das séries parece não nos dar muita informação a cerca
de qual o devido efeito da abertura econômica no crescimento da economia
brasileira. Com efeito, é necessário aprimorarmos um pouco mais nossa análise.
Grande parte das análises empíricas envolvendo abertura comercial utilizam
basicamente 2 tipos de abordagens: A abordagem através de séries temporais e
uma abordagem através da Regressão de Solow ou Regressão Aumentada de
Solow basicamente focada em dados em painéis como, por exemplo,
Greenaway(2001).
A análise da abertura econômica através de séries temporais com a correta
utilização de variáveis dummy, embora possa ter alguma validade para esse
assunto, tem como grande finalidade a previsão e perde um pouco de força no
tocante aos efeitos de curto da abertura econômica, além do que, tal análise requer
estudos de causalidade, testes de raiz unitária e outros assuntos que não
pretendemos abordar nesse trabalho.
Posto isso, propomos uma análise alternativa baseada num Modelo de Painel
Dinâmico 7 que leva em consideração 21 estados 8 durante o período de 1986 a
6
O percentual de todas as variáveis está multiplicado por 100.
7
Para mais detalhes sobre o uso dos dois modelos de painel, sugerimos Baltagi (2001)
8
O escopo e abrangência desse trabalho levam em conta uma abordagem com dados em painel que toma como
amostra os estados de Alagoas, Amazônia, Bahia, Ceará, Espírito Santo, Goiás, Maranhão, Mato Grosso, Mato

4
2004; A validação para a abordagem em dados em painel é a de que, em seu
conjunto, tais estados devem responder de maneira análoga a um estado único e,
esse estado único, por sua vez, deve responder de maneira análoga aos dados
macroeconômicos do Brasil.
A alternativa da análise com dados em painel, entretanto, apresenta duas
dificuldades: a primeira é que perdemos um pouco da estrutura dos dados quando
saímos de uma análise internacional para uma análise de um país específico e a
segunda é que a maioria dos trabalhos com dados em painel é focada em modelos
baseados na regressão de Solow – com variáveis sugeridas por Levine e Renelt
(1992) - e tais dados dificilmente são disponibilizados para os estados brasileiros.
Um exemplo dessas dificuldades pode ser demonstrado ao tentarmos nos
aproximar do modelo proposto por Greenaway (2001). Este autor baseia sua
especificação nas variáveis-chaves propostas por Levine e Renelt adicionando ainda
termos de comércio e liberalização. A especificação dinâmica de Greenaway (2001)
é baseada num painel de 73 países e toma a seguinte forma:
Δ ln yi ,t = αΔ ln yi ,t −1 + β1 ln yi , 65 + β 2 SCH i ,65 + β 3 Δ ln TTI i ,t + β 4 Δ ln POPi ,t
⎛ INV ⎞
+β5 ⎜ ⎟ + β 6 LIBi ,t + Δε i ,t
⎝ GDP ⎠ i ,t
onde yi ,t representa o PIB real per capita; ln yi , 65 é o logaritmo neperiano do PIB per
capita real em 1965; SCH i ,65 é o nível de estudo secundário em 1965; TTI i ,t
representa um índice de termos de troca; POPi ,t representa a população;
[( INV ) /(GDP)]i ,t representa a taxa de investimento; e LIBi,t é uma dummy que capta
a liberalização econômica 9 .
Ao introduzir variáveis defasadas da taxa de crescimento do PIB real per
capita, Greenaway estabelece um modelo dinâmico e posteriormente acrescenta
variáveis chaves da Regressão de Solow tais como a renda per capita inicial, ln yi , 65 ,
o capital humano inicial, SCH i ,65 , a taxa de crescimento da população, Δ ln POPi ,t , o
investimento realizado, [( INV ) /(GDP)]i ,t acrescentando, também, duas variáveis de
comércio: uma que representa um índice de termos de troca, TTI i ,t , e outra que
representa a liberalização econômica LIBi ,t . A estimação desse modelo dinâmico é
realizada através de Método dos Momentos Generalizados – GMM.
Entretanto, ao formular modelos de painéis dinâmicos,
“ Panel data are well suited for examining dynamic effects, as in the first-order model,
y i ,t = x'i ,t β + γ y i ,t −1 + α i + ε i ,t = w'i ,t δ + α i + ε i ,t , where the set of high hand side
variables, wi t now includes the lagged dependent variable, y i , t −1 . Adding dynamics to a
model in this fashion is a major change in the interpretation of the equation. Without the
lagged variable, the “independent variables” represent the full set of information that produce
observed outcome y i , t . With the lagged variable, we now have in the equation, the entire
history of the right hand side variables, so that any measured influence is conditioned on this
history: in this case, any impact of xi t represents the effect of new information.”
Greene (2003, pg 307)

Grosso do Sul, Minas Gerais, Pará, Paraíba, Paraná, Pernambuco, Piauí, Rio Grande do Norte, Rio Grande do
Sul, Rio de Janeiro, Santa Catarina, São Paulo e Sergipe e cobre o período de 1986 a 2003.
9
Greenaway (2001) utiliza três diferentes proxies para a liberalização: a primeira é baseada no World Bank
Report de 1993, a segunda baseada em Sachs e Warner (1995) e a última baseada em Dean et al. (1994).

5
 Posto isso, acreditamos que ao acrescentar maiores ordens de defasagens
da taxa de crescimento econômico já estaríamos incorporando os efeitos da renda
per capita inicial e do capital humano inicial. A variável [( INV ) /(GDP)]i ,t , embora seja
uma das mais cruciais dentre as variáveis da Regressão de Solow, não está
disponível para os estados brasileiros e também desconhecemos uma proxy
disponível para essa variável.
Em posse dos dados, a parte da nossa regressão de Solow sugerida por
Greenaway se resumiria à:
Δ ln y i ,t = A( L)Δ ln yi ,t + β1 Δ ln POPi ,t + ε i ,t (1)
onde A(L) é um polinômio de defasagens de ordem p que foi estabelecido de
acordo com o nível de significância da variável defasada.
Tratando agora das variáveis de comércio, como estamos tratando dos
estados brasileiros, a variável de índice de termos de troca perde sua razão de
existir, entretanto nos propomos a utilizar a variável de intensidade de comércio
internacional a nível estadual disponibilizada pela SECEX, ICI, para capturar os
efeitos líquidos da abertura comercial. A variável dummy que delimita a abertura
comercial no estudo de Greenaway, LIBi ,t , traz bastante poder de informação, pois é
variante no tempo para os diversos países, entretanto, como a abertura econômica
brasileira é valida para todos os estados, aqui nos propomos a trabalhar com uma
única dummy proposta por Sachs e Warner de modo que:
⎧0 , se t < 1991
SWi t = ⎨ , para todo i .
⎩1 , se t ≥ 1991
Para que o modelo fique bem especificado é necessário que se leve em conta
tanto o período posterior à abertura comercial quanto o período precedente a
mesma. Para analisarmos quais os efeitos da liberalização do comércio introduzimos
o vetor de dummys proposto por Sachs-Warner, SWt , multiplicado pela variável de
intensidade de comércio internacional, ICI i t , o período anterior à abertura pode ser
analisado ao se pré-multiplicar as variáveis por (1 − SWt ) .
Δ ln yi ,t = A( L)Δ ln yi ,t + β1Δ ln POPi ,t + β 2 * (1 − SWt ) * ln ICI i ,t
(2)
+ β 3 * SWt * ln ICI i ,t + Δε i ,t
Também é possível segregar o efeito da intensidade de comércio
internacional em efeitos de curto e de longo prazo. A equação (2) pode ser
decomposta da seguinte maneira 10 :
Δ ln y i ,t = A( L)Δ ln y i ,t + β1 Δ ln POPi ,t
+ B(1) [(1 − SWt ) * ln ICI i ,t + SWt * ln ICI i ,t ] (3)
+ C ( L) [(1 − SWt ) * Δ(ln ICI i ,t ) + SWt * Δ(ln ICI i ,t )] + Δε i ,t
q
onde o coeficiente da variável ln ICI i t , B (1) = ∑ b j mensura o efeito de longo prazo
j =1

abertura comercial e C ( L) é um polinômio de defasagens com ordem q e

q −1
coeficientes ck = −∑ b j , que descreve o efeito temporário (de curto prazo), da
j =k

10
Ver Greene (2003, pg 562).

6
abertura comercial. Por simplicidade, neste estudo fixamos a ordem do polinômio de
defasagens C(L) que maximizasse o R 2 da regressão proposta em (3).

2.2 – Estimação

Note que a variável do lado direito da equação 3 representa o a taxa de

⎡ ⎛ PIBt ⎞ ⎛ PIBt −1 ⎞⎤
crescimento do PIB per capita, isto é, Δ ln y it = ⎢ln⎜⎜ ⎟⎟ − ln⎜⎜ ⎟⎟⎥ , enquanto
⎣ ⎝ POPt ⎠ ⎝ POPt −1 ⎠⎦
que do lado esquerdo desta mesma equação supondo p=2, por exemplo, teremos
Δ ln yi , t −1 e Δ ln y i , t − 2 , e também teremos Δ ln POPit = [ln( POPt ) − ln( POPt −1 )] e
ICI it = ( X it + M it ) / PIBit . Portanto, todas as nossas variáveis explicativas estão sendo
determinadas conjuntamente com a variável dependente, devido a isso, os
regressores devem a estar correlacionados com o termo de erro, resultando em uma
das formas de endogeneidade das variáveis explicativas: a simultaneidade.
Quando temos um problema de endogeneidade conjunta da maioria das
variáveis consideradas, a estimação por GMM acoplada ao procedimento de
instrumentalização sugerido por Arellano e Bond (1991) é o mais indicado para a
análise 11 . A estrutura econométrica é a que se segue:
Por simplificação, faça p = q = 1 e colete os vetores de variáveis da seguinte
maneira: y it = [Δ ln y it ] , y it −1 = [Δ ln y it − p ] e
xit = [Δ ln POPit , SWt * ln ICI it , SWt * Δ ln ICI it −q ] . Então, nosso painel dinâmico se
resume a:
yit = γy it −1 + β ' xit + ε it i = 1,..., N t = 1,..., T
e assume-se que: ε it = μ i + ν it , onde μ i ~ IID(0, σ μ2 ) e ν it ~ IID(0, σ ν2 ) .
Incorporando um efeito individual, α i , teremos:
y it = γyit −1 + β ' xit + α i + u it i = 1,..., N t = 1,..., T
Por simplicidade, suprima os regressores xit e admita que γ < 1 , ou seja, que
y i t −1 é (fracamente) estacionaria e assuma também que uit ~ IID em i e t . Então,
fazendo α i∗ = α i + μ , onde μ é um intercepto não-variante na regressão de modo
N
que ∑α
i =1
i = 0 , temos: y it = γ y it −1 + α i∗ + u it i = 1,..., N t = 1,..., T

Tomando a primeira diferença dessa equação a fonte do viés do estimador de

OLS , α i∗ , desaparece. Teremos, então:
12

( y it − y it −1 ) = γ ( y it −1 − y it − 2 ) + (u it − u it −1 ) i = 1,..., N t = 1,..., T

11
A estimação por variáveis instrumentais aqui proposta é especificada com efeitos fixos em primeiras
diferenças. As constantes implicadas pelo efeito fixo assim como a projeção ortogonal também são aplicadas à
lista de instrumentos.
12
Nickell (1981) demonstra que, para um T fixo,
−1
1+ γ ⎛ 1 1− γT ⎞⎧ 2γ ⎡ 1 − γ T ⎤⎫
plim( γ$ − γ ) = − ⎜1 − ⎟ ⎨1 − − ⎬
T − 1 ⎝ T 1 − γ ⎠ ⎩ (1 − γ )(T − 1) ⎢⎣ T (1 − γ ) ⎥⎦ ⎭
1
N →∞

7
 Agora é necessário instrumentalizar Δy it −1 = ( y it −1 − y it − 2 ) , que é evidentemente
correlacionado com o erro (u it − u it −1 ) . A segunda defasagem do nível, y it − 2 , e sua
primeira diferença, Δy it −2 = ( y it − 2 − y it −3 ) , são possíveis instrumentos, pois ambos são
correlacionados com ( y it −1 − y it − 2 ) mas são não-correlacionados com (u it − u it −1 ) ,
enquanto que o próprio uit não é serialmente correlacionado.
Neste caso, o estimador de variáveis instrumentais sugerido por Anderson-
Hsiao (que é consistente quando N → ∞ ou T T → ∞ ou ambos) é dado por:
N T N T

∑ ∑ ( yit − yit −1 )( yit −2 − yit −3 ) ∑ ∑(y it − y it −1 ) y it − 2

γˆ IV = i =1
N
t =3
T
e γˆ IV = i =1
N
t =2
T

∑ ∑(y
i =1 t =3
it −1 − y it − 2 )( y it − 2 − y it −3 ) ∑ ∑(y
i =1 t =2
it −1 − y it − 2 ) y it − 2

Arellano e Bond (1991) argumentam que o estimador resultante da utilização

de instrumentos adicionais é mais eficiente. O argumento é baseado na
ortogonalidade entre os valores defasados da variável dependente yit e os erros uit .
Por simplicidade, re-escreva a equação em diferenças vista acima definindo:
3 como t , 2 como t − 1 e, 1 como t − 2 , de modo que:
( yi 3 − yi 2 ) = γ ( yi 2 − yi1 ) + (ui 3 − ui 2 )
Então, y i1 é um instrumento válido para Δy i 2 , pois os mesmos são altamente
correlacionados, e y i1 não é correlacionado com (u i 3 − u i 2 ) a menos que uit seja
serialmente correlacionado.
A matriz de instrumentos ótima (i.e. eficiente) difere de acordo com a
correlação entre as variáveis explanatórias e o efeito fixo e de acordo com a
qualidade das variáveis explanatórias (i.e. se elas são predeterminadas ou
estritamente exógenas) 13 .
Como é de se esperar que a população e a intensidade de comércio
internacional estejam correlacionadas com determinados fatores específicos de cada
região tais como educação, concentração de renda, etc, neste trabalho supõe-se
que todas as variáveis independentes 14 são correlacionadas com o efeito fixo, μ i , e
são estritamente exógenas.
Como é de se esperar que os distúrbios em cada estado sejam
contemporaneamente correlacionados e assumindo que todos os regressores do
lado direito são exógenos e também que as inovações possuam uma mesma
estrutura de correlação no tempo, podemos utilizar uma matriz de variância de erros

13
Diz-se que xit é predeterminada se os valores futuros desses regressores são correlacionados com o erro
corrente, i.e. E ( xit u is ) ≠ 0 para s<t e 0 caso contrário; e diz-se que xit é estritamente exógena se os valores
futuros e passados desses regressores são não correlacionados com o erro em qualquer tempo, i.e.
E ( xit u is u is −1 ) = 0 para todo t,s.
14
xit = [Δ ln POPit , SWt * ln ICI it , SWt * Δ ln ICI it −q ]

8
SUR (Seemingly Unrelated Regression) 15 para controlar o possível efeito da
heterocedasticidade nos desvios padrões das estimativas.
O estimador GMM de Arellano e Bond requer dois testes em relação ao vetor
de resíduos: o Teste de Especificação de Sargan e o Teste de Correlação Serial. O
primeiro teste permite validar as condições de momento e melhor especificação do
modelo, corrigindo o problema de variáveis omitidas, e sobre-identificação de
restrições. Esse teste é baseado na estatística J (i.e. no valor da função objetivo nos
parâmetros estimados) 16 , e resulta na seguinte estatística de teste:
−1
⎡N ′ ⎤ asy
J = Δuˆ ′⎢∑ Wi (Δuˆ i )(Δuˆ i )Wi ⎥ W ′(Δuˆ ) ~ χ p2 − K −1
⎣ i −1 ⎦
onde p é o posto da matriz de instrumentos 17 , Wi , e Δû são os resíduos da
estimação de segundo estágio.
O Teste de Correlação Serial da regressão residual pode ser útil na definição
do número de defasagens incluídas no vetor de instrumentos. Para que o estimador
de GMM seja consistente é necessário que E[Δu it Δu it − 2 ] = 0 . Note que testamos se o
termo de erro diferenciado é correlacionado serialmente em segunda ordem, pois
por construção, o termo de erro diferenciado é provavelmente correlacionado
serialmente em primeira ordem, m¹, mesmo se o termo de erro original não for.
Sob hipótese nula de que não existe correlação serial de segunda ordem,
H 0 : E[Δu it Δu it − 2 ] = 0 , formula-se a estatística de teste que se segue:
u$ ′ u$ asy
m 2 = −21/ 2 ∗ ~ N (0,1)
u$
onde û é descrito na equação (9) de Arellano e Bond (1991, p.284) e não será
descrito aqui.
A rotina para a formulação dessa estatística ainda não está disponível no
Eviews 5.0. Uma alternativa simples para verificarmos se existe auto-correlação
serial de segunda ordem é a análise das funções de auto-correlação serial da
diferença dos resíduos, e é esta alternativa que utilizaremos aqui.

⎛ σ 11Σ11 σ 12 Σ12 L σ 1M Σ 1M ⎞
⎜ ⎟
⎜ σ 21Σ 21 σ 22 Σ 22 L σ 2M Σ 2M ⎟
Essa matriz de variâncias é definida como: V = Σ ⊗ I T = ⎜
15
M M O M ⎟
⎜ ⎟
⎜σ Σ ⎟
⎝ M1 M1 σ M 2Σ M 2 L σ MM Σ MM ⎠
onde Σ i j é a matriz de auto-correlação para a i − ésima e j − ésima equação.
16
Sobre hipótese nula de que as restrições sobre-identificadas são validas a estatística J é distribuída como uma
χ ( k − p ) , onde k é o número de coeficientes estimados e p é o rank da matriz de instrumentos.
⎡[ y i1 ] 0 ⎤
⎢ [ y i1 , y i 2 ] ⎥
17
No caso de t = 3 , por exemplo será Wi = ⎢ ⎥.
⎢ O ⎥
⎢ 0
⎣ [ y i1 ,..., yiT − 2 ]⎥⎦

9
2.3 – Resultados e Evidências Empíricas

Antes das estimativas, reportamos o posto da matriz de instrumentos,

rank (W ) = 105 . A estatística J = 100.0488 nos ajuda a testar a validade das
restrições de sobre identificação quando se tem mais instrumentos do que
parâmetros para estimar. O teste de Sargan para a validação dos instrumentos é
definido como Prob( J > χ p2 − k ) onde p é o posto da matriz de instrumentos e k é o
número de parâmetros a serem estimados. Como o p-valor deste teste é de
0.341577, não se deve rejeitar a hipótese nula de que os instrumentos são não-
correlacionados com o termo de erro 18 , portanto, nossos instrumentos são validos.
Uma inspeção visual das funções de auto-correlação serial da diferença dos
resíduos (descritos a seguir) demonstra que o termo de erro diferenciado é
correlacionado serialmente em primeira ordem e que possivelmente o mesmo não é
correlacionado serialmente em segunda ordem, isto nos dá evidência de que
E[Δu it Δu it − 2 ] = 0 , ou seja, de que o estimador de GMM é consistente.

Quadro 1: Autocorrelação Serial da Diferença dos Resíduos

Neste estudo utilizamos o estimador de dois estágios 19 proposto por Arellano

e Bond (1991) com matriz de instrumentos em primeira diferença e desvios padrões
robustos baseados na matriz de pesos SUR. Os polinômios de defasagem que
maximizam o R 2 da regressão proposta em (3) são p = 1 e q = 3 ; a equação (3)
levando em conta tais polinômios é replicada em (4) e suas estimativas são as que
vêm a seguir.

18
“The null hypothesis of the Sargan tests states that the instruments are uncorrelated with the error terms.
Failure to reject the null hypothesis provides evidence that valid instruments are used.”
19
Considerando as condições de momento, Arellano & Bond (1991) propõe um estimador GMM de 2 estágios.
Na primeira etapa, supõe-se que os termos de erro são independentes e homocedásticos nos estados e ao longo
do tempo. No segundo estágio, os resíduos obtidos na primeira etapa são utilizados para construir uma estimativa
consistente da matriz de variância-covariância (SUR), relaxando assim as hipóteses de independência e
homocedasticidade. O estimador do segundo estágio é assintóticamente mais eficiente em relação ao estimador
da primeira etapa.

10
Δ ln y i ,t = β1 Δ ln y i ,t −1 + β 2 Δ ln POPi ,t
+ β 3 (1 − SWt ) * (ln ICI i ,t ) + β 4 (1 − SWt ) * Δ(ln ICI i ,t )
+ β 5 (1 − SWt ) * Δ(ln ICI i ,t −1 ) + β 6 (1 − SWt ) * Δ(ln ICI i ,t − 2 ) (4)
+ β 7 ( SWt ) * (ln ICI i ,t ) + β 8 ( SWt ) * Δ(ln ICI i ,t ) + β 9 ( SWt ) * Δ(ln ICI i ,t −1 )
+ β 10 ( SWt ) * Δ(ln ICI i ,t − 2 ) + Δε i ,t

Quadro 2: Estimativas

Variável Coeficiente Desv. Pad t-Statistic Prob.

Δ(ln y i ,t −1 ) -0.148756 0.043148 -3.447583 0.0007

Δ(ln POPi ,t ) 2.361759 3.550453 0.665200 0.5065
LP (1 − SWt ) * (ln ICI i ,t ) 0.072251 0.096746 0.746814 0.4558
Pré-Abertura

CP (1 − SWt ) * Δ(ln ICI i ,t ) -0.491332 1.934071 -0.254040 0.7997

CP (1 − SWt ) * Δ(ln ICI i ,t −1 ) -0.031472 0.568102 -0.055398 0.9559
CP (1 − SWt ) * Δ (ln ICI i ,t − 2 ) -0.100165 0.608394 -0.164638 0.8694
LP SWt * (ln ICI i ,t ) 0.091993 0.014637 6.284771 0.0000
Pós-Abertura

CP SWt * Δ(ln ICI i ,t ) -0.074924 0.018196 -4.117557 0.0001

CP SWt * Δ (ln ICI i ,t −1 ) -0.041146 0.013836 -2.973777 0.0032

CP SWt * Δ (ln ICI i ,t − 2 ) -0.015359 0.008288 -1.853267 0.0650

R 2 = 0.201965

Neste trabalho, o R 2 foi basicamente utilizado para estabelecermos a ordem

do polinômio de defasagens para o modelo 20 ; um R 2 relativamente baixo é usual em
modelos dinâmicos de defasagens distribuidas 21 , posto isso, não devemos nos
preocupar muito com o mesmo. Note que o coeficiente (negativo e estatisticamente
significante) da variável Δ(ln y i , t −1 ) não possui o sinal esperado; este é um resultado
empírico 22 e, embora seja de se esperar que a taxa de crescimento passada
contribuísse positivamente para a taxa de crescimento do período presente, esse

20
Os resultados encontrados são muito semelhantes ao se escolher aleatoriamente a ordem do polinômio de
defasagens.
21
Ver Enders (XXXXXXXXXXX).
22
Buscando corroborar nossos achados para o sinal negativo da taxa de crescimento defasada, também
estimamos um AR(4) levando em conta a taxa de crescimento. Note que todos os coeficientes são negativos e
estatisticamente significantes. Os resultados são expostos a seguir.
Variable Coefficient Std. Error t-Statistic Prob.
C 0.017214 0.003729 4.616429 0
D(LOG(PIBCAPITA(-1))) -0.113028 0.053693 -2.105072 0.0363
D(LOG(PIBCAPITA(-2))) -0.108374 0.051719 -2.09544 0.0372
D(LOG(PIBCAPITA(-3))) -0.16046 0.051269 -3.129751 0.002
D(LOG(PIBCAPITA(-4))) -0.102539 0.049094 -2.088611 0.0378

11
fato não ocorre aqui devido a alguma especificidade do caso brasileiro ou
possivelmente devido ao período em análise.
A taxa de crescimento populacional, Δ(ln POPi ,t ) , possui um sinal positivo
embora estatisticamente insignificante (estatística t de 0.5065), sugerindo que a taxa
de crescimento populacional não teve influencia sobre a taxa de crescimento
econômico.
Ao se pré-multiplicar as variáveis por (1 − SWt ) é possível analisar o efeito da
intensidade de comércio internacional antes da abertura comercial; como era de se
esperar, antes da abertura econômica brasileira os efeitos de longo e de curto prazo
da intensidade de comércio internacional são estatisticamente insignificantes. Os
coeficientes de interesse para esse estudo são os demais, que não os apresentados
anteriormente; são eles: SWt * (ln ICI i ,t ) , SWt * Δ(ln ICI i , t ) , SWt * Δ(ln ICI i , t −1 )
e SWt * Δ(ln ICI i , t − 2 ) ; O primeiro está associado ao impacto de longo prazo e os
outros três podem ser interpretados como multiplicadores de impacto de curto prazo
da abertura comercial no crescimento econômico.
Nossa análise revela que o impacto inicial da abertura comercial
SWt * Δ(ln ICI i , t −1 ) é negativo, -0.074924, e estatisticamente significante, com
estatística t de -4.117557. O impacto nos períodos subseqüentes também são
negativos, -0.041146 e -0.015359 e note-se que suas estatísticas t vêm perdendo
significância estatística conforme o horizonte de tempo vem se ampliando. Tal
evidencia pode ser um indício de que o coeficiente negativo desta variável comece a
perder força ao longo do tempo.
Note, entretanto, que o efeito de longo prazo da abertura comercial é positivo,
+0.091993, e estatisticamente significante, com estatística t de 6.284771. Isto sugere
que, embora exista um efeito de curto prazo negativo, esse efeito se dissipa e, no
longo prazo, temos uma reversão desse efeito.
Utilizando os coeficientes definidos de acordo com (4), pode-se analisar o
efeito líquido da abertura comercial no crescimento econômico. Assumindo que os
efeitos negativos de curto prazo estejam se revertendo a uma mesma taxa, e
balizados superiormente pelo efeito de longo prazo, elaboramos o Gráfico 2, que
ilustra a essência dos efeitos da abertura comercial no crescimento econômico.

Gráfico 2: Efeito Líquido da Abertura Comercial no Crescimento

0.1 0.09
0.09
0.08 0.08
0.06
0.05
0.04
0.02 0.02
0.00
0
1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
-0.02
-0.04 -0.04
-0.06
Efeito Líquido da Abertura Com ercial
-0.08 -0.07

12
 No Gráfico 2 observa-se que o efeito negativo de curto prazo se reverte e
tende para o efeito de longo prazo (0.091993 sugerido pelos resultados da
regressão), corroborando, portanto, com a idéia da existência da curva J proposta
por Greenaway (2001).
A especificidade do caso brasileiro sugere que a abertura econômica afeta de
maneira permanentemente o crescimento econômico, sugerindo que um efeito
endógeno é mais condizente que um efeito neoclássico 23 .

3 - CONCLUSÃO

O presente trabalho evidência de maneira simples e concisa de que forma a

liberalização econômica ocorrida no início dos anos noventa afetou a taxa de
crescimento do PIB per capita brasileiro.
Através de um painel dinâmico com 21 estados estimamos de que forma o
índice de intensidade de comércio, ICI , afetava e afetou (no curto e no longo prazo)
o crescimento econômico antes e depois da abertura comercial. O procedimento de
estimação aqui utilizado é o GMM instrumental de dois estágios sugerido por
Arellano Bond (1991); procedimento este, que nos exonera dos possíveis problemas
de simultaneidade.
O estudo nos permite realizar uma análise dinâmica dos efeitos da abertura
comercial durante a década de noventa até o período recente.
Uma analise conjunta dos gráficos 1 e 2 permite inferir que o efeito perverso
da abertura foi dirimido num prazo de tempo relativamente curto (pouco mais de 3
anos). Durante esses anos, a explosão das importações e adequação da economia
brasileira aos moldes internacionais acabou por gerar um efeito não desejável no
crescimento econômico. Entretanto, a partir desse período, a maturação dos
investimentos requeridos para aumentar o nível de eficiência econômica passa a
ocorrer; depois de 1993 as exportações apresentam um boom e o efeito negativo do
índice de intensidade de comércio se reverte, passando a afetar de maneira positiva
a taxa de crescimento da renda per capita.
No longo prazo, nossos resultados sugerem que a abertura da economia
brasileira surtiu os efeitos líquidos esperados, ou seja, acabou por beneficiar o
crescimento econômico do Brasil.

23
Ver Jones (1995).

13
 REFERÊNCIAS BIBLIOGRÁFICAS
BONELLI, R. (1992), “Growth and productivity in Brazilian industries: impacts of trade
orientation”. Journal of Development Economics, v.39, n.1, 1992.

BONELLI, R., FONSECA, R. (1998) “Ganhos de produtividade e de eficiência: novos

resultados para a economia brasileira”. 1998, mimeo.

ENDERS, W. (1948), “Applied econometric time series” Wiley series in probability and
mathematical statistics. 1st Edition.

FERREIRA, P. C. & ROSSI Jr., J. L. (2003). “New Evidence from Brazil on Trade
Liberalization and Productivity Growth”. Internacional Economic Review.

GREENE, W. (2003), Econometric Analysis. 5th ed. New York, Prentice Hall, 2003.

JONES, C. I. (1995), “Times Series Test of Endogenous Growth Models”. Quarterly Journal
of Economics, 110, 495-525.

HAY, D. (1997), “The post 1990 Brazilian trade liberalization and the performance of
large manufacturing firms: productivity, market share and profits”. Jul. 1997,
mimeo.

RAPOSO, D. A. e MACHADO A. F. (2002), “Abertura comercial e mercado de trabalho:

uma resenha bibliográfica”. Belo Horizonte: UFMG/Cedeplar, 2002. Texto para discussão;
177.

14