[Trabalho 1996 ] APRESENTAO ORAL

CEZAR AUGUSTO PEREIRA DOS SANTOS1;MRCIO MARCELO GROSS2;CLALTON ATADES DE FREITAS ;DIEISON LENON CASAGRANDE ;PAULO HENRIQUE DE OLIVEIRA HOECKEL . 1,3,4,5.PROGRAMA DE PS GRADUAO EM ECONOMIA E DESENVOLVIMENTO-UNIVERSIDADE FEDERAL DE SANTA MARIA, SANTA MARIA - RS - BRASIL; 2.UNIVERSIDADE FEDERAL DE SANTA MARIA, SANTA MARIA - RS - BRASIL;
3 4 5

Anlise da demanda de Energia Eltrica do setor industrial no Brasil Demand analysis of Electricity of the industrial sector in Brazil Grupo de Pesquisa 01: COMERCIALIZAO, MERCADOS E PREOS Resumo O presente artigo tem por objetivo estimar as relaes de longo e curto prazo da demanda por energia eltrica do setor industrial do Brasil atravs de um Modelo de Auto-Regresso Vetorial com correo de erro (VECM), pelo mtodo de Co-integrao de Johansen, para assim determinar as elasticidades renda, preo da demanda e preo cruzado por energia eltrica. Objetiva-se ainda projetar a demanda por energia eltrica para os meses de junho, julho e agosto de 2012 atravs da metodologia Box-Jenkins. Os resultados encontrados apontam que as elasticidades esto de acordo com a teoria econmica e com os resultados encontrados na literatura. A energia se mostrou um bem normal, com demanda inelstica e um bem substituto em relao ao petrleo para as indstrias que possuem essa mobilidade. O modelo de previso que apresentou melhor ajustamento aos dados foi um modelo AR (4,12) MA (4,12). A mdia da exatido das previses realizadas foi de 97,46%, que considerado um bom grau de ajustamento, considerando o fato de os dados serem mensais, onde as oscilaes so mais difceis de serem previstas. Esses resultados revelam que possvel utilizar dados mensais para previses de curto prazo em modelagens Box-Jenkins. Palavras-chave: demanda por energia eltrica; Modelo VECM; Metodologia Box-Jenkins. Abstract This paper aims to estimate the relationship of long and short-term demand for electricity in the industrial sector in Brazil through an Auto-Regression Model Vector Error Correction (VECM), at method of Johansen Co-integration, well to determine the income elasticity, price demand and price crossed by electricity. Another goal is to project the demand for electricity for the months of June, July and August of 2012 through the Box-Jenkins methodology. The results show that the elasticities are consistent with economic theory and with the results found in the literature. The energy showed a normal good with inelastic demand and a good substitute for oil for industries that have such mobility. The forecasting model that showed the Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

best fit to the data was a model AR (4,12) MA (4,12). The average accuracy of the predictions made was 97,46%, which is considered a good degree of adjustment, considering the fact the data is monthly, where the oscillations are more difficult to predict. These results show that it is possible to use monthly data for short-term forecasts in Box-Jenkins modeling. Key words: demand for electricity; VECM model; Box-Jenkins methodology.

1 INTRODUO Ao acender uma lmpada, ligar um notebook, subir num elevador e para a maioria das atividades de nosso cotidiano a energia eltrica est presente. difcil imaginar o dia-a-dia sem ela, tanto por parte do cidado comum, quanto no caso das empresas que para se manter em atividade dependem de energia, que na sua maioria a eltrica. A energia eltrica uma das principais fontes que compem a matriz energtica brasileira. Sua gerao provm em sua maioria de hidroeltricas (IBGE, 2012). Assim, conhecer a sua demanda importante tanto para polticas pblicas como estratgicas. Como a energia um dos pilares de sustentao da produo econmica de um pas os estudos relativos a essa temtica so abrangentes. Os ltimos estudos encontrados convergentes com a temtica proposta neste artigo foram: Schmidt e Lima (2004), Siqueira e Hollanda (2005), Mattos (2005), Irffi. et al. (2009). Esses autores analisaram e estimaram a demanda por energia eltrica no setor industrial, alm de estimarem tambm a demanda residencial e comercial. Andrade e Lobo (1997) analisaram apenas o setor residencial. Castro e Rosental (2008) estimaram as elasticidades para o Brasil de forma agregada. Leite (2006) e EPE (2011) projetaram a demanda de forma agregada para o Brasil. Nesses estudos alm das buscas por simulaes de previso de demanda desse tipo de energia no setor industrial, foi analisada em termos conjunturais a dinmica regional do consumo de energia eltrica. Sabe-se que a indstria responde por 14,6% do PIB brasileiro (IBGE, 2012) e, segundo a Pesquisa Industrial Anual (PIA) em 2009, o setor empregou pelo menos 7,9 milhes de pessoas e gastou com pessoal R$ 240,4 bilhes (IBGE, 2012). Dessa forma, tratase de um setor fundamental para a gerao de renda, riqueza e de empregos diretos e indiretos no Brasil. Apesar da importncia desse setor para a economia brasileira, h certa carncia de estudos recentes sobre a demanda industrial por energia eltrica no Brasil, sendo que o ltimo publicado no Pas foi o de Castro e Rosental (2008). Os demais estudos como os da EPE (2011) trataram apenas de previses da demanda, sem considerar as elasticidades e seu comportamento conjuntural. Nesse sentido, a consecuo da presente pesquisa poder contribuir com o debate acadmico em pelo menos trs vertentes. Primeiro, ao utilizar a mesma proposta metodolgica dos autores supra citados, mas utilizando uma base de dados atual, busca-se verificar como as elasticidades preo, preo cruzado e renda da demanda de energia eltrica industrial no Brasil se alteraram ao longo dos ltimos anos. Segundo, ao utilizar a metodologia Box-Jenkis para prever o crescimento da demanda de energia eltrica trs passos a frente, como realizado em Siqueira e Hollanda (2005), Leite (2006) e EPE (2011), mas com dados mensais, diferentemente desses autores que realizaram previses com Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

base de dados anuais; a periodicidade mensal melhora a capacidade de captao das possveis volatilidades do setor. Outra diferena em relao ao que se props realizar nesta pesquisa e os trabalhos citados anteriormente, diz respeito a proxy utilizada para representar o preo do bem substituto. No presente caso, utiliza-se o preo da commodity petrleo e derivados, enquanto os demais autores utilizavam o ndice IPA-OG de combustveis e lubrificantes. Defronte aos pontos levantados, a proposta do artigo responder a questes de como reage a demanda de energia eltrica no Brasil frente alterao na renda interna, no seu preo e no preo de um bem substituto e qual seria a previso de crescimento da demanda para os prximos trs perodos subsequentes (junho, julho e agosto de 2012). Para responder a essa problemtica delineia-se como objetivo geral analisar os determinantes da demanda de energia eltrica industrial no Brasil no perodo compreendido entre janeiro de 1990 e maio de 2012, e prever como ir se comportar essa demanda trs passos a frente. Nesse contexto, como objetivos especficos, aponta-se, efetuar uma anlise conjuntural para diagnosticar como se encontra o mercado de energia eltrica no Brasil, estimar os valores das elasticidades renda, preo cruzado e preo da demanda de energia eltrica industrial no Brasil, bem como, realizar a previso trs passos a frente e estimar os erros de previso, verificando a preciso da previso. Nesse aparato, com o intuito de atender aos objetivos apresentados, o presente artigo est dividido em cinco sees. A primeira contempla esta breve introduo, enquanto que a segunda seo traz uma breve contextualizao do setor de energia eltrica industrial no Brasil. J, a terceira e quarta seo apresentam, respectivamente, a metodologia e os resultados obtidos. Por fim, a quinta e ltima seo contempla as concluses finais. 2 ANLISE CONJUNTURAL DO CONSUMO E DO CUSTO DA ENERGIA ELTRICA INDUSTRIAL NO BRASIL NO PERODO DE 1990 A 2012 O consumo de energia eltrica no setor industrial vem apresentando tendncia positiva de crescimento, conforme se pode observar na Figura 1. Em janeiro de 1990, o consumo era de 8.327.000 MWh, porm em maio de 2012 passou a ser de 15.467.000 MWh. Na comparao entre as duas datas isso significou um aumento de 85,75%. A Figura 1 revela, tambm, alm dessa evoluo histrica no perodo de 1990 a 2012, a evoluo do PIB no mesmo perodo. Ao se analisar a Figura 1 fica claro o acompanhamento entre o crescimento do consumo de energia eltrica e o crescimento do PIB. A taxa de crescimento da demanda de energia eltrica no setor industrial representada atravs da regresso de um modelo log-linear do consumo de energia eltrica contra o tempo foi de 0,2542% ao ms para o perodo que vai de janeiro de 1990 a maio de 2012. Por outro lado, na regresso de um modelo de tendncia linear o coeficiente angular da varivel de tempo apresentou sinal positivo. Ou seja, a demanda por energia eltrica no setor industrial possui uma tendncia crescente. Entre janeiro de 1990 e maio de 2012 o consumo de energia eltrica no setor industrial aumentou 29.102,6 MWh por ms em mdia.

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Figura 1: Consumo de energia eltrica em relao ao PIB no setor industrial em MWh. Fonte: Elaborada pelos autores com base nos dados disponveis no IPEA (2012). A partir da implantao do plano real em julho de 1994, a tarifa mdia por MWh da energia eltrica no setor industrial em preos constantes de setembro de 2012 deflacionados pelo IGP-DI aumentou 12,35%, em relao a maio de 2012. Enquanto em julho de 1994 esta tarifa era de R$ 238,76 MWh, em maio de 2012 passou a custar R$ 268,26 MWh, conforme pode ser observado na evoluo histrica retratada na Figura 2. Na mesma figura encontra-se, tambm, o consumo em MWh.

Figura 2: Tarifa mdia em R$ por MWh (deflator: IGP-DI (preos set. 2012 = 1)) da energia eltrica em relao com consumo em MWh. Fonte: Elaborada pelos autores com base nos dados disponveis no IPEA (2012). Na Figura 3 mostrada a evoluo do preo ndice do petrleo e derivados em comparao com a evoluo do consumo de energia eltrica pelo setor industrial. A tendncia parece ser a mesma tanto para o consumo de energia eltrica quanto para o preo do petrleo. O fato de que de 2008 para 2009 ambos tiveram uma queda brusca devido crise financeira de 2008 consubstancia tal afirmao.

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Figura 3: Preo ndice do Petrleo e derivados em relao ao consumo em MWh no setor industrial. Fonte: Elaborada pelos autores com base nos dados disponveis no IPEA (2012) Segundo o Banco de Informaes de Gerao (BIG) da Agncia Nacional de Energia Eltrica (ANEEL) o Brasil possui, atualmente, 2.697 empreendimentos geradores de energia eltrica, os quais respondem por 119.570.598 kW de potncia. Para os prximos anos, e tambm para um perodo mais longo (anos prximos a 2020), esto previstos aumento de 48.450.908 kW na capacidade de gerao do pas (ANEEL, 2012). A queda do consumo de energia eltrica pelo setor industrial no primeiro semestre de 2009, devido crise financeira, contribuiu para evitar o aumento da tarifa de energia eltrica (INFRAESTRUTURA, 2011). A Tabela 1 mostra a composio dos empreendimentos geradores de energia eltrica no Brasil. Nota-se que o maior nmero de empreendimentos est concentrado em termeltricas, porm os com maior potncia so as usinas hidreltricas. O Brasil tambm possui oito usinas fotovoltaicas1 e um empreendimento de fonte mar de potncia associada de 50 kW. Esses empreendimentos so minoritrios no Brasil por possurem uma capacidade de gerao de energia muito baixa, alm do seu custo de instalao ser muito elevado quando comparado a outras fontes como a de hidroeltricas onde o custobenefcio muito maior no caso do Brasil. O Brasil tambm importa a maioria das placas fotovoltaicas o que aumenta ainda mais o seu custo de instalao de tais usinas. O Brasil possui apenas duas usinas termonucleares que respondem por 1,68% da produo nacional. Porm quando comparada, por exemplo, com as centrais geradoras eolieltricas que so um total de 81 unidades no pas e respondem por apenas 1,44% da produo nacional, revelam a sua alta capacidade de gerao em pouqussimas unidades produtoras. A grande quantidade de termeltricas instaladas no pas (1.588 unidades) mostra a facilidade com que o petrleo (mais especificamente o seu derivado leo diesel) pode ser usado como substituto na gerao de energia eltrica, a depender do preo de cada insumo, principalmente pelo setor industrial.
So usinas que utilizam no processo de gerao de energia mdulos solares e, a energia gerada por estes mdulos chamada de energia solar fotovoltaica.
1

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Tabela 1: Empreendimentos em operao2. Tipo Quantidade Potncia outorgada (kW) Potncia fiscalizada (kW) % CGH 391 232.499 230.869 0,19 EOL 81 1.795.028 1.718.532 1,44 PCH 426 4.211.277 4.137.493 3,46 UFV 8 5.494 1.494 0 UHE 201 81.963.837 79.048.204 66,11 UTE 1.588 33.715.651 32.427.006 27,12 UTN 2 1.990.000 2.007.000 1,68 Total 2.697 123.013.786 119.570.598 100 (Os valores de porcentagem so referentes a potncia fiscalizada. A potncia outorgada igual a considerada no ato de outorga. A potncia fiscalizada igual a considerada a partir da operao comercial da primeira unidade geradora). Fonte: ANEEL (2012). A Figura 4 mostra a composio da matriz de energia eltrica brasileira. As energias fsseis ainda so significativas no Brasil, como o petrleo e o gs natural que juntos somam 16% da produo nacional. A importao de energia eltrica (6,4%) supera a quantidade produzida por carvo mineral, a nuclear e a elica juntas. Alm de ser isoladamente maior que a produzida pelo petrleo.
Carvo Elica; 1,34 Mineral; 1,52 Importao; 6,40 Nuclear; 1,57 Biomassa; 7,64 Petrleo; 5,74 Gs; 10,48 Hidro; 65,30

Figura 4: Participao na matriz de energia eltrica em % de cada fonte. Fonte: ANEEL (2012). J, quando analisada a questo dos custos, se percebe que o custo financeiro da energia eltrica outro fator que influencia muito na sua demanda. A energia eltrica brasileira uma das mais caras do mundo. H quatorze encargos que incidem sobre a indstria brasileira, que respondem no final por 17% da tarifa paga pela indstria e os tributos correspondem a 31,5% (FIRJAN, 2011). A tarifa mdia de energia eltrica industrial no Brasil de 329,00 reais por MWh, conforme mostra a Tabela 2. Trata-se da tarifa mais alta entre os pases do BRIC. A mdia dos pases do BRIC sem o Brasil de R$/MWh 140,7. A Rssia o pas do BRIC que
CGH Central Geradora Hidreltrica; EOL - Central Geradora Eolieltrica; PCH Pequena Central Hidreltrica; UFV Usina Fotovoltaica; UHE Usina Hidreltrica de Energia; UTE Usina Termeltrica de Energia; UTN Usina Termonuclear;
2

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

possui a tarifa mais baixa ficando em R$/MWh 91,5, ou seja, 259,56% mais barata que a do Brasil. Todos os pases do BRIC possuem uma tarifa de no mnimo 74,91% mais barata que a do Brasil. Tabela 2: Tarifas de energia eltrica industrial dos BRICs Brasil, Rssia, ndia e China (R$/MWh). Pases Tarifa mdia (R$/MWh) Brasil 329,00 ndia 188,10 China 142,40 Rssia 91,50 Mdia de Rssia, ndia e China 140,70 Fonte: FIRJAN (2011). Essa discrepncia se mostra pelo alto valor dos encargos e tributos existentes na energia brasileira. Essa tarifa elevada contribui para aumentar os custos das indstrias brasileiras e diminuir sua competitividade no setor industrial. 3 METODOLOGIA O presente estudo tem por referencial terico a teoria da demanda neoclssica (VARIAN, 2006). Onde a demanda de um bem normal pode ser representada pela Equao 01. (1) onde, Dx quantidade demandada do bem x, Y renda dos consumidores, Px preo de venda do bem x e Py preo de venda do bem substituto y. A Equao 01 ilustra que a quantidade demandada de um bem normal x uma funo linear da renda dos consumidores (Y), do preo de comercializao do bem x (Px) e do preo de comercializao do bem substituto y (Py). No que se refere ao comportamento dos sinais esperados para os coeficientes dessas variveis, tem-se o seguinte: sinal positivo para o coeficiente de Y, sendo que aumentando a renda dos consumidores se espera um aumento da demanda do bem x; sinal negativo para o coeficiente da varivel Px, uma vez que aumentando o preo desse bem se espera uma queda na sua demanda; e, sinal positivo para o coeficiente do preo de um bem substituto y, j que aumento o preo de Y, espera-se aumento da demanda do bem x. Quanto aos dados utilizados na presente pesquisa, os mesmos foram obtidos junto ao Instituto de Pesquisa Econmica Aplicada (IPEA). A base de dados mensal e compreende o perodo de janeiro de 1990 a maio de 2012, e compreende as seguintes variveis: Consumo de energia eltrica do setor industrial em MWh3; Tarifa mdia de energia eltrica industrial por MWh4; Proxy para o preo de um bem substituto, usando para isso o ndice de preos internacionais de commodities petrleo e derivados5; e Produto interno bruto (PIB)6. 3.1 Modelo Economtrico
Os dados brutos do IPEA encontravam-se em GWh, para transformar para MWh foi multiplicado por 1000. Fonte: Eletrobrs. 4 Deflator: IGP-DI (preos set. 2012 = 1). Fonte: Eletrobrs. Unidade R$. 5 Fonte: IPEA. ndice (jan. 2002 = 100). 6 Deflator: IGP-DI (preos set. 2012 = 1). Fonte: Banco Central do Brasil, Boletim, Seo Atividade Econmica (BCB Boletim/Ativ. Ec.). Unidade: R$ (milhes).
3

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

O modelo utilizado do tipo duplo-log. Um aspecto muito atraente deste modelo, que o tornou bastante aprecivel nos trabalhos aplicados, que o coeficiente angular dessa forma funcional mede a elasticidade (variao percentual) da varivel dependente em relao a varivel independente. O modelo tem a seguinte especificao7: (2) em que, lnC - logaritmo natural da quantidade consumida de energia eltrica; lnP - logaritmo natural da tarifa mdia da energia eltrica; lnY - logaritmo natural do PIB; lnPBS - logaritmo natural do preo de um bem substituto; - termo de erro; - intercepto do modelo; - Coeficiente que revela a elasticidade preo da demanda; - Coeficiente que revela a elasticidade preo cruzada da demanda; - Coeficiente que revela a elasticidade renda da demanda; Na equao 02 tem-se o modelo log-log, onde o intercepto e os coeficientes so chamados de coeficientes parciais de regresso. Estes coeficientes medem os impactos das mudanas de uma varivel independente em relao varivel dependente, mantendo todas as demais variveis do modelo constantes. 3.2 Previso utilizando a metodologia Box-Jenkins A previso pela metodologia ARIMA conhecida popularmente pelo mtodo BoxJenkins. O enfoque desses mtodos no est na construo de modelos de equaes simultneas ou uniequacionais, mas sim na anlise probabilstica, ou estocstica, as propriedades da prpria sria temporal, com a filosofia de deixar os dados falar por si mesmos. Nessa metodologia o Yt ser explicado por seus valores passados, ou defasados dos termos do erro estocstico (GUJARATI, D. N.; PORTER, D. C., 2011). Por essas especificidades tais modelos so considerados atericos, pois no so derivados de nenhuma teoria econmica. No processo autorregressivo integrado de mdias mveis (ARIMA) (p, d, q) identifica-se o nmero de termos de autorregressivos (p), o nmero de vezes que a srie deve ser diferenciada para que se torne estacionria (d) e o nmero de termos de mdias mveis (q) (BUENO, 2008). Analiticamente, um modelo ARIMA (p, d, q) pode ser especificado da seguinte forma: (3) em que, : a previso do consumo de energia eltrica; : o intercepto; : o somatrio variando de 1 at n dos coeficientes do operador de diferenas AR ( ); : Termo de erro; - o somatrio variando de 1 at q dos coeficientes do operador de diferenas MA ( ).

Para o clculo da regresso e de todos os testes economtricos ser utilizado o software STATA, verso 10.1.

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

4 RESULTADOS E DISCUSSES Num primeiro momento, a presente seo contempla os resultados da estimao do modelo de longo e de curto prazo para o consumo de energia eltrica, enquanto que num segundo momento apresenta o consumo de energia previsto atravs da metodologia BoxJenkins para perodos selecionados. 4.1 Estimao das relaes de longo e de curto prazo Atravs dos testes de Dickey Fuller, Phillips Perron, KPSS e NG-Perron as sries utilizadas se mostraram no estacionrias em nvel. Porm, em primeira diferena todas as sries se tornaram estacionrias (Tabela 4). Tabela 4: Testes de Estacionariedade de DFA, Phillips-Perron, KPSS e NG-PERRON. Varivel DFA* PP* KPSS** NG-Perron NGPerron *** *** -1,201 -1,175 12,499 -0.061 -0.033 lnClags(1) -1,979 -1,962 4,33 -6.697 -1.829 lnPlags(1) -0,713 -1,6 4,12 0.751 0.446 lnYlags(4) -1,063 -0,749 7,49 -1.289 -0.490 lnPBSlags(2) -17,752 -17,961 0,0125 -172.870 -9.287 lnCdiflags(0) -14,734 -14,732 0,0966 -139.585 -8.354 lnPdiflags(0) -9,025 -15,178 0,0323 -10.279 -2.236 lnYdiflags(4) -11,62 0,107 -78.903 -6.275 lnPBSdiflags(1) -9,389 Fonte: Resultados da pesquisa.* Valor crtico a 5% de significncia de -2,879.** Valor crtico a 5% de significncia de 0,463. *** Teste de NG-Perron, valor crtico ao nvel de significncia de 5% igual a -8,10 para e -1,98 para , a 1% so respectivamente, 13,80 e -2,58. Com base na Tabela 5 possvel notar que h pelo menos um vetor de cointegrao, uma vez que a estatstica trao calculada de 24,9752 ao nvel de significncia de 5 % menor que o valor crtico de 29,68, levando a no rejeio de H0 (existe pelo menos 1 vetor de cointegrao). Ou seja, existe uma relao de longo prazo entre as sries utilizadas no modelo. Tabela 5: Teste de Co-integrao de Johansen. Vetores de Estatstica Valor Vetores de Estatstica Valor cointegrao Trao crtico 5% cointegrao autovalor Crtico 5% 55,0806 47,21 r=0 30,1054 27,07 Nenhum 24,9752* 29,68 r=1 18,8946* 20,97 Pelo menos 1 6,0806 15,41 r=2 4,6941 14,07 Pelo menos 2 1,3864 3,76 r=3 1,3864 3,76 Pelo menos 3 Fonte: elaborado pelos autores com base nos dados do IPEA (2012). Os resultados do modelo mostram que todos os parmetros so significativos a 1%, conforme se pode verificar na Tabela 6 atravs do valor p, com exceo da varivel preo. No entanto, dada a importncia desta varivel para a anlise em questo, ou seja, a elasticidade preo, mantm-se esta varivel no modelo. Os sinais encontrados foram condizentes com a teoria. Negativo para Preo e positivo para a Renda e Preo do Bem Substituto. Ou seja, medida que o preo da energia eltrica aumenta a sua demanda diminui. Por outro lado, medida que o preo do Petrleo e a Renda aumentam a demanda por energia eltrica tambm aumenta. Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Com relao aos valores dos parmetros, pode-se dizer que dado um aumento de 1% no Preo da energia eltrica, o seu Consumo ir diminuir, em mdia, 0,006%, tudo o mais permanecendo constante. Ao passo que se ocorrer um aumento de 1% no preo do Petrleo o Consumo de energia eltrica ir aumentar, em mdia, 0,1868%. Enquanto que um aumento de 1% na Renda aumentar o Consumo de energia eltrica, em mdia, em 0,4490%, ceteris paribus. Tabela 6: Estimao das relaes de longo prazo. Varivel Coeficiente* Teste t Valor p -9,6985 ----Constante -0,0066 1.54 0.124 lnP (0,0043) 0,4490 -5.02 0,00 lnY (0,0894) 0,1868 -8.27 0,00 lnPBS (0,0225) * Os valores entre parnteses indicam desvios-padro. Fonte: elaborado pelo autor. A elasticidade renda da demanda se mostrou significativa e estatisticamente maior que zero (0,4490). A elasticidade preo da demanda se mostrou inelstica (-0,0066), o que significa que a quantidade demandada relativamente pouco sensvel s variaes do preo. Por outro lado, a elasticidade-preo cruzada da demanda foi de (0,1868) o que mostra que o petrleo um bem substituto para a energia eltrica usada no setor industrial, o que significa que quando o preo do petrleo varia positivamente, tudo o mais permanecendo constante, tende a aumentar a demanda por energia eltrica. Na Tabela 7 faz-se uma comparao entre os valores encontrados por outros autores que analisaram a demanda por energia eltrica em diferentes locais, perodos e mtodos. Percebe-se que o presente trabalho foi o nico encontrado que estimou o modelo de demanda com dados mensais. A primeira diferena que se percebe que todos os parmetros apresentaram valores menores do que os trabalhos que usaram dados anuais. Os sinais encontrados foram condizentes com os demais trabalhos, negativo para a tarifa de energia eltrica e positivo para as demais variveis, variando no caso da constante que em alguns teve sinal positivo e em outros negativos. O perodo mais recente analisado foi at 2003 no trabalho de Irffi. et al. (2009), enquanto que o presente trabalho analisou dados recentes at maio de 2012. Percebe-se que com os resultados encontrados nesse trabalho a elasticidade-preo da demanda ficou mais inelstica (-0,006) e a elasticidade-renda da demanda tambm diminuiu (0,4). Schmidt e Lima (2004) e Mattos (2005) analisaram os dados para o Brasil como um todo, os demais autores analisaram apenas a regio nordeste do Brasil. Os resultados foram muito semelhantes para o Brasil como para a Regio Nordeste, indicando ser relativamente homognea a demanda no Brasil. O mtodo mais usado pra estimao foi o Johansen, seguido por MQO e outros mtodos menos comuns como MQ2E e DOLS. Tabela 7: Comparao dos resultados encontrados com os de outros autores. Preo de Mtodo/ Preo de Autores/Perodo de Anlise Constante Tarifa Renda Bem Local Mquinas Substituto Siqueira & Hollanda MQO/ -5,32 -0.87 -0.55 1,58 0.33 2005)*/ 1970 a 2000 Nordeste Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

MQ2E/ -6,38 -0.57 -0.65 1,67 0.26 Nordeste Johansen/ -529 - 0.44 - 0.85 0.99 0.08 Nordeste DOLS/ 8,03 -3,71 0,96 1,21 0,51 Nordeste Johansen/ 2,36 -0,55 -0,46 1,92 0,02 Brasil Johansen/ Mattos (2005)/ 1974 a 2002 6,8 -0,49 1,59 Brasil *Esses autores tambm estimaram a demanda residencial e comercial. **Dados mensais os demais autores usaram dados anuais. Fonte: elaborado pelos autores. J, na Tabela 8 so apresentados os resultados estimados do modelo de curto prazo, juntamente com o Mecanismo de Correo de Erros. Tabela 8: Modelo de curto prazo por MCE. Coeficiente Erro Padro Teste t Valor p Constante 0,0013 0,0022 0,61 0,541 -0,1475 0,0648 -2,27 0,023 lnCt-1 0,0046 0,0039 1,17 0,241 lnPt-1 0,1350 0,0476 2,84 0,005 lnYt-1 0,1116 0,0275 4,06 0,00 lnPBSt-1 t-1 -0,0799 0,0412 -1,94 0,052 Fonte: elaborado pelos autores com base nos dados do IPEA (2012). Os sinais encontrados para as variveis esto de acordo com a teoria econmica. Um sinal positivo para a renda, ou seja, a medida que a renda aumenta a demanda pelo bem tambm aumenta. Um sinal positivo para o preo do bem substituto, a medida que aumenta o preo do bem substituto aumenta tambm a demanda pelo bem analisado, no caso um aumento do preo do petrleo leva a um aumento na demanda por energia eltrica no setor industrial. Apenas o preo do bem em questo (tarifa da energia eltrica do setor industrial) que apresentou um sinal diferente do esperado pela teoria econmica. O sinal esperado seria negativo para o preo do bem, pois a medida que seu preo aumenta sua demanda cairia, mas o sinal encontrado foi positivo, os resultados mostram que no curto prazo a medida que o preo aumenta o consumo tambm aumenta, porm esse mesmo parmetro tambm se mostrou no significativo, ou seja, estatisticamente igual a zero, somente ao nvel de significncia () de 25% o parmetro seria significativo, como tal nvel de significncia muito elevado no o aceitamos, ou seja, o valor do parmetro estatisticamente igual a zero. A constante tambm se mostrou no significativa, todos os demais parmetros se mostraram significativos a 5% de significncia. A no significncia do lnP no curto prazo reflete um atraso temporal com que a demanda por energia eltrica responde as oscilaes no preo de sua tarifa. Os resultados sero percebidos e absorvidos com certa defasagem temporal pelo sistema econmico, ou seja, polticas de reduo ou aumento de preo da tarifa de energia eltrica no surtem efeito imediato na demanda industrial por energia eltrica. O coeficiente de ajustamento ( ) se mostrou significativo a 10% de significncia e uma velocidade de ajustamento lenta, da ordem de 7% a cada perodo. Tendo o coeficiente negativo (-0,0799349), temos um desequilbrio transitrio (curto prazo) e sua velocidade de Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Siqueira & Hollanda (2005)*/ 1970 a 2000 Siqueira & Hollanda (2005)*/ 1970 a 2000 IrffiI. et al. (2009)*/ 1970 a 2003 Schmidt & Lima (2004)*/ 1969 a 1999

correo, rumo ao equilbrio de longo prazo lenta. Assim, conclui-se que desequilbrios de curto prazo da demanda de energia eltrica no setor industrial, devido a variaes do preo, da renda e do preo do bem substituto (petrleo) so reduzidos lentamente. Este coeficiente de ajustamento indica qual a proporo do desequilbrio de curto prazo do consumo de energia eltrica corrigido no ms seguinte. O valor encontrado de 7% a diferena entre o valor realizado e o valor de longo prazo que corrigido a cada perodo. Conforme a Figura 5 a anlise da funo de resposta ao impulso mostra que variaes no antecipadas na renda e no preo do bem substituto (petrleo) tm impactos positivos na demanda de energia eltrica industrial. No caso de impulsos pelo lado da renda, esta demanda aumenta positivamente no primeiro ms, caindo no segundo, mas ainda com uma relao positiva. A mesma volta a crescer no terceiro ms, estabilizando-se a partir do quarto. No caso do lnPBS, percebe-se que sua influncia aumenta com o passar do tempo (nos trs primeiros meses), aps o terceiro ms seus efeitos se tornam estveis.
orderr1, lnp, lnc
.2

orderr1, lnpbs, lnc

.1

0 0 5 10

orderr1, lny, lnc

.2

.1

0 0 5 10

step

Figura 5: Funo de impulso resposta sobre a demanda de energia eltrica industrial. Fonte: Elaborado pelos autores com base nos resultados da pesquisa. Os efeitos de impulsos nos preos praticamente no so sentidos. Apresentam uma estabilizao desde o incio em torno de zero, semelhante ao parmetro de curto prazo que foi estatisticamente igual a zero. Rapidamente os choques no preo so absorvidos pelo sistema. Este resultado vai em direo ao fato de a demanda por energia eltrica industrial ser altamente inelstica. 4.2 Previso utilizando a metodologia Box-Jenkins Na aplicao da metodologia Box-Jenkins para a previso de determinada srie temporal importante seguir trs estgios principais. O primeiro contempla o processo de identificao dos possveis modelos e de seus parmetros, j no segundo passo elaborada a estimao do modelo, e por fim, efetuam-se os testes de adequao do modelo, aos quais se segue a aplicao do modelo para a previso8.
8

Ver Hamilton (1994) e Enders (2010).

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Inicialmente, apresenta-se a Tabela 9, a qual traa um comparativo entre os perodos, locais, setores e mtodos usados por outros autores que tambm realizaram previses para a demanda de energia eltrica. Verifica-se que os autores, geralmente, usam ou a metodologia VAR ou a ARIMA, ambas as metodologias possuem bom poder de previso. Na metodologia VAR, assim como nas equaes simultneas deve-se considerar muitas variveis endgenas em conjunto, no havendo normalmente variveis exgenas no modelo. Levando em conta essas informaes a opo neste trabalho foi pela metodologia ARIMA. Atravs da Tabela 9 se percebe que todos os trabalhos de previso foram para a demanda industrial, com exceo de Leite (2006) que fez a previso da demanda para o pas como um todo. Dos modelos utilizados que previram a demanda industrial apenas Schmidt e Lima (2004) a fizeram para todo o Brasil, os demais autores se detiveram na Regio Nordeste (IrffiI. et al. (2009), Siqueira e Hollanda (2005). O mtodo usado pelos autores se concentra na metodologia VAR/VEC, sendo que apenas Leite (2006) usou a metodologia ARIMA para previso. No entanto, esse ltimo autor utilizou os dados de forma agregada para todo o Brasil e fez a previso at o ano de 2012. Tabela 9: Comparativo de previses para demanda industrial de energia eltrica Perodo de Mtodo de Autores Previso Demanda Local Anlise previso Siqueira &Hollanda (2005) 1970 a 2000 2004-2010 VAR/VEC Industrial Nordeste Schmidt & Lima (2004) 1969 a 1999 2001-2005 VAR/MCEV Industrial Brasil IrffiI. et al. (2009) 1970 a 2003 2004-2006 MCE/VEC Industrial Nordeste Leite (2006) 1966 a 2005 2006-2015 ARIMA Nacional Brasil Fonte: elaborado pelos autores. Conforme j analisado a srie lnC estacionria em primeira diferena conforme os testes de DFA, PP, KPSS e NG-Perron j comentados. Para a identificao de p e q Gujarati & Porter (2011) e Bueno (2008) recomendam analisar a funo de autocorrelao e de autocorrelao parcial da varivel. Na Figura 6 esto representadas a funo de autocorrelao (FAC) e de autocorrelao parcial (FACP) da varivel lnCdif. Segundo Bueno (2008), a escolha do modelo de previso d-se, principalmente, pela anlise das funes de autocorrelao e de autocorrelao parcial. Assim, o padro auto-regressivo (AR) do modelo determinado quando se verifica que a FACP truncada na defasagem p e a FAC apresenta uma queda exponencial da autocorrelao. Por outro lado, tratando-se de um modelo de mdias mveis (MA), a FAC deve ser truncada na defasagem q e a FACP deve apresentar um padro de queda exponencial.
0.40

-0.20

10

20 Lag

30

40

-0.20 0

Partial autocorrelations of lncdif -0.10 0.00 0.10 0.20

Autocorrelations of lncdif 0.00 0.20

0.30

10

20 Lag

30

40

Figura 6: Funo de Autocorrelao (esquerda) e Funo de Autocorrelao Parcial (direita) da varivel lnCdif. Fonte: Elaborado pelos autores com base nos resultados da pesquisa.
Bartlett's formula for MA(q) 95% confidence bands

95% Confidence bands [se = 1/sqrt(n)]

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

Assim, atravs da anlise da Figura 6 nota-se que a funo de autocorrelao truncada na quarta e na dcima segunda defasagem, tendo indcios de modelo degenerado MA(4, 12). Do mesmo modo, a funo de autocorrelao parcial truncada nestas mesmas defasagens, apresentando indcios de um modelo AR (4,12). No entanto, como tanto a FAC quanto a FACP encontram-se truncadas nas defasagens especificadas, tal modelo pode ser especificado como um modelo degenerado AR (4,12) MA (4,12). Juntamente com o processo de identificao do modelo, encontra-se o processo de deciso de qual modelo melhor se adqua aos dados. Para isso, utilizaram-se os critrios de informao de AIC e BIC representados na Tabela 10. Tabela 10: AIC e BIC para os modelos candidatos a previso. AIC BIC MA(4,12) -1025,65 -1011,285 AR(4,12) -1040,59 -1026,229 AR (4,12) MA (4,12) -1052,761 -1031,215 Fonte: Elaborada pelos autores com base nos resultados da pesquisa. Atravs das estatsticas presentes na Tabela 10, infere-se que, segundo Bueno (2008), quanto mais parmetros so estimados em um mesmo perodo da amostra, menor ser o erro estimado, no entanto, h tambm uma penalizao pelo acrscimo destes estimadores9. Assim, deseja-se o modelo com o menor valor para as estatsticas de AIC e BIC. Nesse caso, o modelo com menor valor para os critrios de informao encontra-se no modelo AR (4,12) MA (4,12). Desse modo estima-se o seguinte modelo: (4) em que, representa a primeira diferena do logaritmo do consumo de energia eltrica (C). Em seguida, a Tabela 11 contempla os valores para os parmetros do modelo AR (4, 12) MA (4,12) escolhido com base na anlise da FAC e da FACP e, principalmente, com base no teste e avaliao dos possveis modelos a serem estimados. Com exceo da constante e do parmetro , todos os demais parmetros se mostraram significativos, no entanto, os parmetros no significativos foram mantidos no modelo, dado o bom grau de ajustamento proporcionado por este modelo. Tabela 11: Parmetros estimados para o modelo AR (4, 12) MA (4,12). Coeficiente Erro Padro Teste t Valor p Constante 0,00205 0,00411 0,50 0,617 0,02718 0,02767 0,98 0,326 0,95436 0,02800 34,08 0,000 -0,13425 0, 06485 -2,07 0,038 -0,77283 0,07821 -9,88 0,000 Fonte: Elaborado pelos autores com base nos resultados da estimao. No processo de verificao da adequao do modelo, parte-se para a anlise dos resduos provenientes do modelo AR (4,12) MA (4,12). Neste passo, efetua-se a anlise da autocorrelao dos resduos. A Figura 7 mostra a autocorrelao dos resduos. Portanto, tmse indcios estatsticos que os resduos do modelo tm distribuio normal. Adicionalmente,

Para mais detalhes sobre os critrios de informao ver Bueno (2008, p. 46-48).

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

usa-se a estatstica Box-Pierre Q10 sobre os resduos estimados para confirmar e reforar os resultados. Assim, a soma dos quadrados dos resduos das 30 autocorrelaes dos resduos, demonstrada pela estatstica Q estatisticamente significativa (valor p de 0,1853) confirmando que o termo de erro rudo branco. Ou seja, tanto a FAC quanto a estatstica Box-Pierre Q indicam que os resduos estimados so puramente aleatrios, no havendo necessidade de se procurar por outro modelo ARIMA (GUJARATI & PORTER, 2011).
0.20 -0.20 0 Autocorrelations of res -0.10 0.00 0.10

10

Lag

20

30

Figura 7: Funo de Autocorrelao dos resduos do modelo AR (4, 12) MA (4,12). Fonte: Elaborado pelos autores com base nos resultados da pesquisa. Por fim, para se chegar ao clmax de um modelo de previso, para se obter os valores previstos, faz-se necessrio integrar o modelo AR (4,12) MA (4,12) representado na Equao 4, pois este est apresentado em primeira diferena, devido ao pressuposto de estacionariedade da modelagem ARIMA. Desse modo, para a previso do consumo de energia eltrica para o perodo de junho de 2012 a Equao 03 pode ser transformada em: (5) Nesta especificao o termo de erro presumido como sendo igual a zero. Desse modo a Equao 5 transformada na Equao 6 a seguir: (6). Assim, o modelo especificado na Equao 6 ser utilizado para a previso do consumo de energia eltrica para o ms de junho de 2012. De forma anloga, utiliza-se a Equao 03 para a derivao e especificao dos modelos de previso para os meses subsequentes, ou seja, para os perodos de julho e agosto de 2012. Ento, aps serem realizadas as devidas substituies dos valores reais nas equaes derivadas da Equao 4, para os perodos de junho, julho e agosto de 201211, encontram-se os valores previstos para o consumo, os quais esto representados na Tabela 12. Tabela 12: Previso do consumo de energia eltrica para os meses de junho, julho e agosto de 2012. Valor Grau de exatido da % Perodo lnC* Valor previsto realizado previso em % 2012.06 16,5662 15652866,40 15166000,00 -3,2102 96,89
A estatstica Q frequentemente utilizada como um teste para verificar se uma srie temporal um rudo branco. , em que n = tamanho da amostra, = coeficientes de correlao amostral e m o tamanho da defasagem. Com H0 : = 0 e H1: 0. 11 Para no se tornar redundante as equaes para os perodos de julho e agosto de 2012 no foram apresentas.
10

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

2012.07 16,5687 2012.08 16,5781

15191000,00 -3,3066 96,80 15634000,00 -1,3256 98,70 Mdia: 97,46 * Efetua-se o antilogaritmo do valor estimado para lnC e assim encontra-se o valor previsto. Fonte: elaborado pelos autores com base nos dados do modelo de previso AR (4,12) MA (4,12). Atravs da anlise da Tabela 12, possvel analisar o grau de exatido das previses realizadas, as quais variam de 96,89% a 98,70%, com uma mdia de 97,46% de perfeio da previso. Desse modo, encontram-se valores previstos para os meses de junho, julho e agosto de 2012, respectivamente de 15,65, 15,69 e 15,84 milhes de MWh, enquanto que os valores mensais, registrados pela Eletrobrs, foram respectivamente, 15,16, 15,19 e 15,63 milhes de MWh, indicando que os valores estimados superestimaram os valores reais. Tais resultados so considerados estatisticamente consistentes apesar de se ter a base de dados mensais, em que as oscilaes so mais acentuadas e menos previsveis. Logo, os resultados da previso confirmam que a modelagem ARIMA proposta vivel para realizar previses de curtssimo prazo. 5 CONCLUSES No presente artigo, procurou-se estudar o setor eltrico brasileiro apresentando estimativas das elasticidades preo, elasticidade renda da demanda e elasticidade preo cruzado de energia eltrica do setor industrial do Brasil. Para isto, foram utilizados dados mensais do perodo de janeiro de 1990 a maio de 2012, em conjunto com testes estatsticos que representassem essas relaes. Com base nos dados percebesse que o consumo de energia eltrica industrial no Brasil aumentou 85,75% de janeiro de 1990 a maio de 2012. Esse crescimento acompanhou o crescimento do PIB brasileiro no mesmo perodo, apresentando uma mesma tendncia. Juntamente com o aumento do consumo, a tarifa cobrada sobre a utilizao da energia eltrica tambm apresentou essa trajetria ascendente. A matriz energtica brasileira apesar de se originar de vrias fontes, ainda se encontra concentrada em poucos setores. As fontes fsseis continuam significativas (16,22%) e a hidroeltrica a preponderante (65,3%). Apesar de mais da metade da nossa matriz energtica ser de fontes renovveis, a grande dependncia de apenas uma fonte renovvel, como a hidroeltrica deve ser analisada com cuidado, uma vez que no caso de secas sazonais, como as que vm ocorrendo nos ltimos anos pode comprometer a oferta de energia eltrica do pas, fato que seria comprometedor considerando que a demanda apresenta um crescimento constante. Alm disso, a alta carga tributria incidente sobre a tarifa de energia eltrica no Brasil contribui para tornar a tarifa brasileira uma das mais caras do mundo e a mais alta dos pases do BRIC. No presente trabalho foi estimada a demanda por energia eltrica para o Brasil para o perodo de janeiro de 1990 a maio de 2012 utilizando, primeiramente, um modelo de correo de erros vetoriais - VEC/MCE. Em tal etapa foi estimado o coeficiente de ajustamento (t-1), atravs do qual se verificou uma velocidade de ajustamento lenta, da ordem de 7% a cada perodo. A concluso disto que desequilbrios de curto prazo so reduzidos lentamente. Na anlise da funo de resposta ao impulso tem-se que variaes no antecipadas na renda e no preo do bem substituto (petrleo) tm impactos positivos na demanda de energia eltrica industrial. Enquanto que os efeitos de impulsos nos preos no so sentidos, refletindo os efeitos de uma demanda altamente inelstica. Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

15693303,65 15841237,91

As elasticidades encontradas foram de encontro com a teoria econmica e com trabalhos realizados por outros autores. Ou seja, restou confirmada a hiptese de que a energia eltrica um bem normal, com demanda inelstica e funciona como um bem substituto em relao ao petrleo como fonte de energia para as indstrias nas quais possvel tal mobilidade. A elasticidade renda da demanda se mostrou significativa e estatisticamente maior que zero (0,4490). A elasticidade preo da demanda se mostrou inelstica (-0,0066), o que significa que a quantidade demandada relativamente pouco sensvel s variaes do preo. Por outro lado, a elasticidade-preo cruzada da demanda (0,1868) mostrou que o petrleo um bem substituto para a energia eltrica usada no setor industrial. Na sequncia foram feitas as estimativas da demanda de energia eltrica de junho a agosto de 2012 utilizando o modelo ARIMA, o qual apresentou uma mdia de 97,46% de perfeio da previso, mostrando-se vivel para realizar previses de curtssimo prazo. Nesse sentido, os resultados obtidos fornecem informaes sobre a tendncia do mercado de energia eltrica em anlise, no devendo ser interpretados como resultados finais, uma vez que esse processo de escolha de modelos pode variar de acordo com os critrios adotados pelo pesquisador. Assim, essas tendncias foram captadas pelas previses realizadas, sendo convertidas em valores previstos. Diferente de outros trabalhos apresentados, no presente estudo utilizou-se dados mensais, o que melhora a capacidade de captao das possveis volatilidades do setor. Da mesma maneira o poder de exatido das previses para os trs prximos perodos mostrou-se muito alto, confirmando portanto que a modelagem ARIMA proposta vivel para realizar as previses propostas. Nesse sentido, a consecuo da presente pesquisa contribui com o debate acadmico a cerca de estudos que tem como foco este importante setor da economia brasileira, sendo de suma importncia para o mesmo, por suprir h carncia de estudos recentes sobre a demanda industrial por energia eltrica no Brasil. REFERNCIAS BIBLIOGRFICAS ANDRADE, L. C. M.; FLAUZINO, R. A.; SILVA, I. N. Sistemas Fuzzy para Previso de Demanda de Energia Eltrica no Curtssimo Prazo. Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications. Serra Negra/SP jun. 2010. Disponvel em: <http://www.sbmac.org.br/dincon/trabalhos/PDF/control/67803.pdf>. Acesso em 16 nov. 2011. ANDRADE, T. A.; LOBO, W. J. A. Elasticidade Renda e Preo da Demanda Residencial de Energia Eltrica no Brasil. Texto para Discusso n 489, Instituto de Pesquisa Econmica e Aplicada, Rio de Janeiro, jun. 1997. Disponvel em: <http://www.pro.poli.usp.br/graduacao/backup/disciplinas-em andamento/pro2208_7/td0489.pdf>. Acesso em 16 nov. 2011. ANEEL. Agncia Nacional de Energia Eltrica. Braslia, Distrito Federal, 2012. Disponvel em: <http://www.aneel.gov.br/>. Acesso em 16 out. 2012. BUENO, R. de L. da S. Econometria de Sries Temporais. So Paulo, Ed. CENGAG Learning, 2008. CASTRO, N. J. de; ROSENTAL, R. Nova tendncia para a Elasticidade-Renda da Demanda de Energia Eltrica no Brasil. IFE Informativo Eletrnico do Setor Eltrico n. 2.215 de 3

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

de mar. 2008. Disponvel em: <www.brazilink.org/tiki-download_file.php?fileId=112>. Acesso em 16 nov. 2011. ENDERS, W, Applied Econometric Time Series. Jonh Willey & Sons, Inc., 2010. EPE. Empresa de Pesquisa Energtica. Projeo da Demanda de Energia Eltrica para os prximos 10 anos (2011-2020). Nota Tcnica DEA 03/11. Rio de Janeiro, fev. 2011. Disponvel em: <http://www.epe.gov.br/mercado/Documents/S%C3%A9rie%20Estudos%20de%20Energia/2 0110222_1.pdf>. Acesso em 16 nov. 2011. GUJARATI, D. N.; PORTER, D. C. Econometria Bsica. Rio de Janeiro: 5 Ed. AMGH Editora Ltda, 2011. FIRJAN. Quanto custa a energia eltrica para a indstria no Brasil? Federao das Indstrias do Estado do Rio de Janeiro. Rio de Janeiro, N8, agosto, 2011. HAMILTON, J. D. Time series analysis. 1. Ed. New Jersey: Princeton University Press, 1994. IBGE. Instituto Brasileiro de Geografia e Estatstica. Rio de Janeiro, 2011. Disponvel em <http://www.ibge.gov.br>; Acessado em: 15 nov. 2011. INFRAESTRUTURA. Anurio Exame. So Paulo: Editora Abril, 2009. IPEA. Instituto de Pesquisa Econmica Aplicada. Rio de Janeiro, 2011.Disponvel em: <http://www.ipea.gov.br/portal/>. Acesso em: 1 nov. 2011. IRFFI, G.; CASTELAR, I.; SIQUEIRA, M. L.; LINHARES, F. C.; Previso da demanda por energia eltrica para classes de consumo na regio Nordeste, usando OLS dinmico e mudana de regime. Economia Aplicada, vol. 13 n 1. Ribeiro Preto Jan./Mar. 2009. LEITE, S. Q. Projees para a demanda por energia eltrica no Brasil, 2006-2015. Dissertao de Mestrado Profissionalizante apresentada ao Programa de Ps-Graduao em Economia das Faculdades Ibmec. Rio de Janeiro, 2006. MATOS, O. C. de. Econometria Bsica. 3 ed. So Paulo: Atlas S.A., 2000. MATTOS, L. B. Uma Estimativa da Demanda Industrial de Energia Eltrica no Brasil: 1974-2002. Organ. Rurais Agroind., Lavras, v. 7, n. 2, p. 238-246, 2005. PINDYCK, R. S.; RUBINFELD, D. L. Econometria. 1 ed. Rio de Janeiro: Elsevier, 2004. SCHMIDT, C. A. J.; LIMA, M. A. M. A Demanda por Energia Eltrica no Brasil. RBE Rio de Janeiro 58(1):67-99 jan/mar 2004. SIQUEIRA, M. L.; HOLLANDA, H. A Demanda Setorial por Energia Eltrica no PsRacionamento de 2001. Previses de Longo Prazo para o Nordeste Brasileiro. Trabalho Submetido ao X Encontro Regional de Economia. [S.l.: s.n.], mai. 2005. Disponvel em:

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural

<http://www.bnb.gov.br/content/aplicacao/ETENE/Anais/docs/mesa12_texto1.pdf>. em 16 nov. 2011.

Acesso

VARIAN, H. R. Microeconomia: princpios bsicos. 7 ed. Rio de Janeiro: Campus, 2006.

Belm - PA, 21 a 24 de julho de 2013 SOBER - Sociedade Brasileira de Economia, Administrao e Sociologia Rural