Você está na página 1de 18

Anlise do efeito pass-through cambial para a formao dos ndices de preos no Brasil (1999 - 2011)

Gabrielito Menezes Rodrigo Nobre Fernandez 26 de maro de 2012

Resumo
O presente trabalho tem como objetivo conhecer a relao entre as variaes nos ndices de preos e as variaes na taxa de cmbio, analisando o efeito pass-through cambial. Para tanto, utilizou-se variveis no horizonte temporal de janeiro de 1999 a dezembro de 2011 e, a partir de mtodos economtricos, estimou-se um Vetor Auto-Regressivo (VAR) inferindo o impulso resposta, decomposio da varincia, assim como o teste de causalidade de Granger. Com base nos resultados encontrados, acredita-se que o cmbio afeta os preos domsticos, comprometendo de forma mais contundente os preos por atacado. Tambm foi evidenciado que o efeito pass-through , de fato, transmitido no sentido cmbio para ndices de preos. Palavras-chave: pass-through cambial, ndice de preos, Vetor Auto-Regressivo. Classicao do JEL: E31, C01, C5. rea Temtica: Econometria.
Doutorando em Economia Aplicada pelo Programa de Ps-Graduao em Economia da Universidade Federal do Rio Grande do Sul - PPGE / UFRGS. E-mail: gabrielito.menezes@ufrgs.br Doutorando em Economia Aplicada pelo Programa de Ps-Graduao em Economia da Universidade Federal do Rio Grande do Sul - PPGE / UFRGS. E-mail: rodrigo.fernandez@ufgrs.br

Abstract
The current work aims to know the relationship between the variations of prices index and the exchange rate. For that, it used variables in the temporal horizon from Augusts 1999 to Decembers 2011 and starting of econometric models, it calculated the Vector Autoregressions (VAR) inferring the impulse response, decomposition of variance, such as, the Grangers causality test. According with the results, it believes that the exchange rate aects the domestic prices, committing more forceful the wholesale prices. Also it has seen that the pass-through in fact is passed to exchange rate in sense of price index. Keywords: Exchange pass-through, Prices Index, Vector Autoregressions. JEL Classication: E31, C01, C5. Thematic Area: Econometrics.

Introduo

Com a implantao do plano Real em 1994 e a paridade garantida pelo governo brasileiro em relao ao dlar, foi possvel remover a memria inacionria acumulada pelas polticas econmicas anteriores. Assim, em 1999 o regime cambial foi alterado para o utuante, mesmo que ainda em alguns perodos houvesse a interveno do Banco Central (utuao suja) ou a aplicao das bandas cambiais. Dessa forma, importante observar o pass-through cambial, ou seja, a transmisso (repasse) da variao da taxa de cmbio para os ndices de preos. Esse fato dependente, principalmente, da elasticidade dos produtos que constituem esses ndices. De modo geral, quanto maior for a sensibilidade, maior ser o repasse, a variao do ndice de preos depender da composio dele e da forma como o setor afetado reagiu variao cambial. Acreditamos que em virtude do grau de abertura comercial apresentado pela economia brasileira, o qual no perodo de 1999 a 2010 teve mdia de 9,2%1 , este efeito vigorar na relao de preos medida que ocorrerem os choques cambiais. No entanto, o grau de repasse no instantneo, porque a transmisso no completa e varia signicativamente. Neste sentido, utilizamos sries de dados mensais de janeiro de 1999 a dezembro de 2011 da taxa de cmbio e mais trs ndices de preos, sendo estes, o IPCA, o IGP-M e IPA-M com o intuito de vericar como se d repasse das variaes cambiais. Para isso empregamos a metodologia de Vetor Auto-Regressivo (VAR), bem como, a funo impulso resposta, a decomposio da varincia e o teste de causalidade de Granger. Com este propsito, este estudo foi estruturado em cinco sees iniciando-se por esta introduo. Seguimos com o referencial terico em que apresentamos a teoria econmica, a qual aborda o pass-through cambial tendo como foco em algumas discusses empricas para
1

Fonte IPEA-DATA.

a economia brasileira. Posteriormente, expomos a metodologia adotada e em sequncia debatemos os resultados encontrados. Por m, realizamos as consideraes nais.

Referencial Terico

A expresso exchange rate pass-through utilizada para referir-se aos efeitos nas variaes da taxa de cmbio em relao as alteraes nos preos dos bens para os consumidores, aos investimentos, aos volumes de comrcio e aos preos das importaes e exportaes. Esta passagem ou repasse foi analisada por Goldfan e Welang (2000) utilizando a metodologia de dados em painel para 71 pases com dados mensais de 1980 a 1998, empregando como variveis para o modelo economtrico: o ciclo de negcios, taxa de cmbio real, ambiente inacionrio e o grau de abertura econmica de cada pas. A principal concluso do trabalho que a transmisso sobre ndices de preo ao produtor cresce com o tempo e o grau da transmisso maior em economias emergentes. Nesta mesma perspectiva, McCarthy (2000) investigou o impacto da variao cambial nos preos de importao e domsticos para pases industrializados, atravs de um modelo VAR. A anlise das funes de resposta ao impulso e da decomposio da varincia evidenciam uma correlao positiva do efeito pass-through com o grau de abertura do pas. Sob outro prisma, Belaish (2003) avalia que o efeito de repasse no Brasil caiu em relao aos pases da Amrica Latina. Na verdade, esse ndice seria comparvel aos pases pertencentes ao G-7, embora os efeitos nos preos brasileiros apaream mais rpido. O choque nos preos aos consumidores bastante limitado, porm rpido. O modelo sugerido pela autora mostra que aps um ano o efeito sobre os preos de 17%. J o impacto sobre os preos no atacado maior e ocorre mais rapidamente, a transmisso realizada no mesmo bimestre e pode chegar a 100% em um ano. O ndice geral de preos reage no mesmo ano sobre metade da variao da taxa de cmbio. Dentro deste escopo, Vieira e Cardoso (2004) corroboram que a experincia dos pases desenvolvidos na transio de regimes cambiais mais rgidos para mais exveis inclui alguns aspectos desfavorveis entre eles a inao. Nesse sentido, alm da inao, Maciel (2006) considera vrios fatores como responsveis pelos repasses das oscilaes cambiais nos ndices de preos, sendo estes: o grau de abertura da economia, o quo aquecida est a demanda interna, a participao de insumos importados na produo de bens internos e o desvio padro da taxa de cmbio em relao a seu nvel de equilbrio. Numa anlise para a economia brasileira no perodo de 2000 a 2005, o mesmo autor constatou que os bens comercializveis sofreram um impacto mais imediato, em relao s variaes do cmbio, e os bens no comercializveis possuram um menor efeito de repasse. Na perspectiva da anlise dos ndices de preos, Guilln e Arajo (2006) utilizaram dados mensais de janeiro de 1995 a dezembro de 2005 referentes a ndices de preo (IPCA, IGP-M, IPA-DI, IPI) e a taxa de cmbio mensal. Visto que as sries eram cointegradas os pesquisadores utilizaram modelos de sries em diferena e dois vetores de cointegrao e um vetor de ciclo para analisar as tendncias de longo prazo entre as variveis. Os resultados encontrados por eles se mostraram alinhados com outros trabalhos realizados para diferentes pases, isto , que as transmisses das variaes cambiais no so comple3

tamente repassadas para ndices de preos. Em suma, as reaes do IGP-M e do IPA-DI so mais rpidas e intensas a choques da taxa de cmbio que o IPCA. Dentro deste escopo, Al-Abri e Goodwin (2009), fazem uma avaliao do efeito passthrough para dezesseis pases da OCDE2 . Eles propuseram tcnicas de estimao nolinear para vericar o grau de repasse nos preos das importaes de cinco setores (alimentos e produtos agrcolas, energia, bens industrializados e no industrializados e matrias primas). Ao utilizarem esta tcnica de estimao os preos das importaes respondem mais rapidamente aos choques na taxa de cmbio nominal. No mbito de pases em desenvolvimento, Holland e Pillatti (2009) acreditam que h naes que possuem um elevado grau de repasse cambial e que tambm possuem um alto grau de absoro das variaes cambiais pelos preos domsticos. Se este nvel de repasse alto a taxa de juros pode ser usada para prevenir depreciaes cambiais e pode ento limitar o uso da poltica monetria. Dessa forma, quanto mais alta a absoro dos movimentos cambiais pelos preos, maior ser presso inacionria e maior ser o controle dos movimentos cambiais. O efeito destes deslocamentos, nas taxas de cmbio, pode ser determinante para explicar o comportamento dos ndices de preos. Nesta perspectiva, Devereux e Yetman (2010) desenvolvem um modelo terico para uma pequena economia aberta, onde constatam que o repasse determinado pelas caractersticas estruturais da economia, tais como a persistncia de choques, e o grau de rigidez dos preos. Dessa forma, viu-se que o pass-through possui bastante relevncia para os estudos de economias abertas sob o regime de cmbio utuante. A seguir, apresenta-se a metodologia para a anlise deste efeito na formao dos ndices de preos no Brasil.

Metodologia e Dados

A investigao emprica dos efeitos que a taxa de cmbio exerce sobre os ndices de preos domsticos se baseia na anlise de sries de tempo, especicamente, na anlise de funes de resposta a impulso e decomposio da varincia, fornecidas por um Vetor Auto-Regressivo (VAR) padro. Atravs dele possvel expressar modelos econmicos complexos com diversas variveis, este procedimento uma extenso dos modelos univariados para um espao multivariado. De acordo com Enders (2010), o modelo VAR til para analisar as inter-relaes entre mltiplas sries temporais, partindo do pressuposto que todas as variveis so determinadas dentro de um sistema de equaes. Nessa perspectiva, este procedimento permite aperfeioar o nvel da previso de uma srie temporal por considerar a possibilidade que as variveis sejam mutuamente inuenciadas uma pela outra. Dessa maneira, quando trabalhamos com sries temporais necessrio realizar alguns testes, sendo o principal deles, o teste para a vericao da raiz unitria. Esse procedimento utilizado para vericar a estacionaridade3 da srie. Portanto, este conceito de extrema importncia, porque sua constatao permite que possam ser feitas inferncias estatsticas sobre os parmetros estimados, com base na realizao de um processo estocstico (BUENO, 2008).
Organizao para a Cooperao e Desenvolvimento Econmico. Srie que se desenvolve no tempo aleatoriamente ao redor de uma mdia constante, reetindo alguma forma de equilbrio estvel. (MORETTIN, 2006).
3 2

Com esse intuito, no presente estudo so utilizados os testes de raiz unitria de DickeyFuller Aumentado (ADF) (1979) e de Philips-Perron (PP) (1988), sob a hiptese nula de que as variveis so integradas de primeira ordem I(1), isto , apresentam raiz unitria. A seguir apresentamos o modelo economtrico VAR.

3.1

Modelo VAR(p)

Podemos expressar um modelo VAR de ordem p por um vetor com n variveis endgenas, Xt , que esto conectadas entre si por uma matriz A, assim tem-se que:
p

AXt = B0 +
i=1

Bi Xt1 + t

(3.1)

Onde: i. A uma matriz (n x n ) que dene as restries contemporneas entre as variveis que constituem o vetor Xt ; ii. Xt um vetor (n x 1 ) de variveis econmicas de interesse no instante t ; B0 , um vetor de constantes (n x 1 ); iii. Bt uma matriz (n x n ) de coecientes, com i= 0,....,p; iv. t , um vetor (n x 1 ) de perturbaes aleatrias no correlacionadas entre si contempornea ou temporalmente, isto ,t i.i.d(0, In ). A equao (3.1) uma expresso de um modelo VAR estrutural, pois descreve a interao de variveis endgenas de um modelo econmico teoricamente estruturado. Os choques t so denominados choques estruturais porque afetam, individualmente, cada uma destas variveis. Estes elementos so considerados independentes entre si, visto que suas inter-relaes so captadas indiretamente pela matriz A. Assim, a independncia dos choques ocorre sem perda de generalidade (BUENO, 2008). De acordo com Enders (2010), as hipteses assumidas para o modelo so: (i) as variveis que compem o vetor so estacionrias; (ii) os choques aleatrios so rudos branco com mdia zero e varincia constante(t N (0, )) ; os choques so rudo branco no auto-correlacionados Cov (t , j ) .

3.2

Ordem de Defasagem do VAR

O principal fato a ser usado para determinar a odem de defasagem do modelo a parcimnia, isto , buscar utilizar a maioria das variveis econmicas da forma mais razovel, j que defasagens muito elevadas ou baixas podem prejudicar o poder do teste estatstico (ENDERS, 2010). Neste sentido, h verses multivariadas dos critrios de informao dos modelos univariados, os quais podem ser utilizados para a metodologia VAR, tais como: Critrio de Informao de Akaike (AIC); Critrio de Informao Schwarz 4 (BIC); Critrio de Informao de Hannan-Quinn (HQ) e Erro de Predio Final (FPE).
O critrio informao de Schwarz, tambm conhecido como critrio de informao Bayesiano e tem as siglas (BIC), (SBC) e (SBIC).
4

3.3

Teste de Causalidade de Granger

O teste de causalidade de Granger (1969) supe que as informaes relevantes para previso das respectivas variveis Y e X estejam contidas exclusivamente nos dados das sries temporrias destas variveis. O teste envolve a estimao das seguintes regresses:
n n

Yt =
i=1 n

i Yti +
j =1 n

j Xtj + u1t j Ytj + u2t


j =1

(3.2) (3.3)

Xt =
i=1

i Xti +

Onde se admite que as perturbaes u1t e u2t no tenham correlao. A equao (3.2) postula que se relaciona com seus prprios valores defasados e com os valores defasados de Xt , o procedimento inverso, porm anlogo para a equao (3.3). Para que estas relaes se conrmem, os coecientes estimados sobre Xt defasado (i. e., os j ), e sobre Yt defasados (i. e., j ) nas equaes (3.2) e (3.3) de modo respectivo, devem ser, em conjunto, signicativamente diferentes de zero. O procedimento usado para vericar se h causalidade no sentido de Granger o Teste F convencional.

3.4

Funo Resposta ao Impulso

O modelo VAR, de um modo geral, no permite identicar todos os parmetros da forma estrutural, a menos que sejam impostas restries adicionais. A soluo pode ser um sistema recursivo, impondo-se alguns coecientes iguais a zero, denidos por argumentos econmicos (BUENO, 2008). Por outro lado, Enders (2010), salienta que atravs do instrumental de impulsoresposta, possvel visualizar a resposta de uma determinada varivel a um choque especco nas inovaes ou resduos do modelo, enquanto os demais choques permanecem constantes. Ademais, possvel observar em quanto tempo o choque se dissipa para retornar a trajetria estvel de longo prazo.

3.5

Decomposio de Varincia

Outro modo de analisar os resultados do modelo atravs da decomposio da varincia. Esta tcnica mostra que porcentagem da varincia do erro de previso decorre de cada varivel endgena ao longo do tempo de previso. De tal modo, a mesma fornece informaes relevantes relacionadas importncia de uma determinada varivel nas alteraes de outra varivel do modelo (BUENO, 2008).

3.6

Dados

A m de realizar as estimativas, optou-se por selecionar conjunto de dados, que abrange o perodo ps-desvalorizao, formados por observaes mensais cambial de janeiro de 1999 a dezembro de 2011. O vetor de variveis que ser utilizado nos testes economtricos composto por: - Taxa de Cmbio, a mdia do ms da taxa de cmbio livre (R$/US$), obtida na pgina do Banco Central do Brasil; 6

- IPCA, ndice Nacional de Preos ao Consumidor Amplo, (% a.m.) - IBGE; - IGP-M, ndice Geral de Preos - Mercado (% a.m.) - FGV/Conj. Econmica. Esse ndice compreende o perodo entre os dias 20 do ms de referncia e 21 do ms anterior. Registra o ritmo evolutivo de preos como medida sntese da inao nacional. composto pela mdia ponderada do ndice de Preos por Atacado (IPA) (60%), ndice de Preos ao Consumidor (IPC-FGV) (30%) e ndice Nacional de Preos da Construo Civil (INCC) (10%); - IPA-M, ndice de Preos por Atacado Mercado (% a.m.) FGV /Conj. Econ. Compreende o perodo entre os dias 20 do ms de referncia e 21 do ms anterior. Registra o ritmo evolutivo de preos como medida sntese da inao nacional.

Resultados Empricos5

Foram realizados os testes de Dickey-Fuller Aumentado (ADF) e Phillips-Perron (PP) sob a hiptese nula de que as variveis possuem raiz unitria. Os resultados esto visveis na tabela 1, a seguir.

Tabela 1: Testes de Raiz Unitria (ADF) e (PP)


Variveis Defasagens n ADF Cmbio 1 154 -9.706655 IGP-M 0 155 -4.708634 IPA-M 0 155 -4.880726 IPCA 0 155 -5.842088 Fonte: Elaborado pelos autores. Valor Crtico 1% 5% -3.473096 -2.880211 -3.472813 -2.880088 -3.472813 -2.880088 -3.472813 -2.880088 PP -9.932636 -4.984989 -4.880726 -5.855770 Valor Crtico 1% 5% -3.473096 -2.880211 -3.472813 -2.880088 -3.472813 -2.880088 -3.472813 -2.880088

Conforme os resultados obtidos, a varivel cmbio necessitou de uma defasagem para car estacionria. As demais variveis (IGP-M, IPA-M e IPCA) no apresentam raiz unitria, ou seja, estacionrias em nvel. Aps realizarmos o teste de estacionaridade, para a escolha da ordem de defasagem a ser utilizada na estimao do modelo VAR, levamos em conta a indicao dos critrios estatsticos de seleo apresentados na seo 3.2. Cabe destacar que a defasagem do VAR escolhida quando indicada por todos os testes ou por sua maioria.

Tabela 2: Seleo da ordem de defasagem do modelo VAR (Cmbio IGP-M IPCA) FPE AIC BIC HQ Defasagem utilizada Lag 2 2 1 2 2
Fonte: Elaborado pelos autores. Notas: cada teste foi realizado considerando o nvel de signicncia de 5%

Resultados implementado no software Eviews 6.

Tabela 3: Seleo da ordem de defasagem do modelo VAR (Cmbio IPA-M IPCA) FPE AIC BIC HQ Defasagem utilizada Lag 4 4 1 1 4
Fonte: Elaborado pelos autores. Notas: cada teste foi realizado considerando o nvel de signicncia de 5%

Alm disso, importante vericar a estabilidade do VAR. O teste de estabilidade permite analisar se todas as razes so, em mdulo, menores que um, ou seja, se esto dentro do crculo unitrio. Neste contexto a gura 1 apresenta os resultados que corroboram com a condio de estabilidade.

Figura 4.1: Teste de Estabilidade do VAR

Fonte: Elaborado pelos autores.

Ademais, foi feito o teste de causalidade de Granger com duas defasagens. Como podemos observar na tabela 4, no podemos rejeitar a hiptese de que os ndices de inao no Granger causa Cmbio, mas rejeitamos a hiptese de que Cmbio no Granger causa inao. Portanto, podemos perceber que ocorre causalidade de Granger unidirecional do Cmbio para a inao e no ao contrrio, como espervamos.

Tabela 4: Teste de Causalidade de Granger Hiptese nula n Estatstica F IGP-M does not Granger Cause CMBIO 153 1.67969 CMBIO does not Granger Cause IGP-M 12.2880 IPA-M does not Granger Cause CMBIO 153 1.51080 CMBIO does not Granger Cause IPA-M 12.9654 IPCA does not Granger Cause CMBIO 153 1.14891 CMBIO does not Granger Cause IPCA 13.1700
Fonte: Elaborado pelos autores.

Probabilidade 0.1900 1.E-05 0.2241 6.E-06 0.3198 5.E-06

Com base nesses resultados, derivaram-se as funes de resposta ao impulso das principais variveis de interesse. O objetivo desse tipo de funo mostrar como as variveis endgenas do VAR se comportam quando h um choque em uma varivel endgena especca. A tabela 5 representada abaixo mostra o comportamento das variveis, dado um choque de inovao na taxa de cmbio livre (R$/US$). Nessa perspectiva, para determinar as funes resposta ao impulso6 , deve-se especicar uma ordem plausvel das variveis, destacamos aqui que tal ordenao importante na decomposio de Cholesky. Adotamos as mesmas ordens propostas por Guilln e Arajo (2005), as funes dos modelos estimados seguem a seguinte classicao: Modelo 1: Cmbio IGP-M IPCA Modelo 2: Cmbio IPA-M IPCA Na tabela 5, a segunda e terceira coluna exibem os resultados da anlise impulsoresposta para o primeiro modelo (Cmbio IGP-M IPCA). Constatamos que a reao do IGP-M mais rpida e forte a choques na taxa de cmbio do que a do IPCA. No primeiro perodo 11,88% do choque repassado para IGP-M, porm notamos que o ponto mximo dado no segundo perodo, onde cerca de 30% do choque transmitido ao IGP-M, em seguida, temos um movimento de queda. Ao considerarmos o IPCA, h uma pequena reduo no primeiro perodo, observamos que 10% do choque transmitido no terceiro perodo e posteriormente ocorre uma nova reduo.
Em anexo esto as estimativas dos modelos VAR 1 e 2, bem como os grcos das funes de impulsoresposta.
6

Tabela 5: Funo Resposta ao Impulso (Cmbio - IGP-M - IPCA) (Cmbio - IPA-M Perodo IGP-M IPCA Perdo IPA-M 1 0.118885 -0.04885 1 0.159179 2 0.298357 0.080884 2 0.390951 3 0.287163 0.106759 3 0.433784 4 0.226097 0.098287 4 0.268541 5 0.150865 0.075212 5 0.250351 6 0.087123 0.050849 6 0.205431 7 0.041634 0.030472 7 0.163825 8 0.01297 0.015621 8 0.085836 9 -0.0027 0.00599 9 0.025387 10 -0.00951 0.000486 10 -0.00684 11 -0.011 -0.00214 11 -0.03214 12 -0.00976 -0.00297 12 -0.05272 13 -0.00748 -0.00284 13 -0.06139 14 -0.00511 -0.00227 14 -0.06087 15 -0.00313 -0.00161 15 -0.05501 16 -0.00166 -0.00103 16 -0.04609 17 -0.00069 -0.00058 17 -0.03557 18 -0.00013 -0.00027 18 -0.02443 19 0.000155 -7.76E-05 19 -0.01402 20 0.000258 2.31E-05 20 -0.00529 21 0.00026 6.53E-05 21 0.001524 22 0.000215 7.32E-05 22 0.006377 23 0.000157 6.40E-05 23 0.009322 24 0.000102 4.84E-05 24 0.010599
Fonte: Elaborado pelos autores.

- IPCA) IPCA -0.07197 0.054414 0.10711 0.106054 0.084172 0.082884 0.07329 0.053105 0.033855 0.018672 0.006197 -0.00406 -0.01143 -0.01544 -0.0168 -0.01639 -0.01463 -0.01197 -8.92E-03 -5.90E-03 -3.18E-03 -9.04E-04 8.36E-04 2.02E-03

Dentro deste escopo, expomos os resultados da anlise de impulso resposta para o modelo dois (Cmbio IPA-M IPCA). nas colunas quarta e quinta da tabela 5. Vericamos um comportamento similar ao modelo um, mas a varivel IPA-M reage com maior intensidade aos choques na taxa de cmbio quando comparada ao IGP-M. Isto , aps o primeiro ms, 15,91% deste choque repassado para o IPA-M. Neste sentido observamos que o ponto mximo ocorre no terceiro perodo, em que cerca de 43,4% do choque transmitido ao IPA-M, reiterando o que ocorre no resultado anterior, em que a partir deste perodo comea um movimento de queda. Assim como analisamos o IPCA, os resultados so parecidos com o conjunto anterior, h uma pequena reduo no primeiro momento e o pice de 10,6% ocorre no terceiro perodo seguido por uma queda. Posteriormente, realizamos a anlise da decomposio da varincia7 em que utilizamos a varincia do erro de previso para vinte quatro meses sumarizados em intervalos entre
Conforme o mtodo de Cholesky de fatorizao de matrizes. Ver Hamilton (1994). A decomposio de varincia fornece informao sobre a importncia relativa das inovaes aleatrias sobre as variveis do presente estudo.
7

10

seis perodos aps o choque. Optamos por este procedimento, uma vez que nos perodos posteriores a parcela de explicao de cada varivel sobre as demais no sofre alteraes signicativas. Apresentamos as tabelas 6 e 7, onde vericamos que o percentual da varincia prevista do IGP-M, IPA-M e IPCA em relao s inovaes da taxa de cmbio so considerveis. Observamos que os resultados da decomposio de varincia corroboram com resultados de resposta a impulso.

Tabela 6: Decomposio de Varincia (Cmbio - IGP-M - IPCA)


Perodo Cmbio 1 6 12 18 24 100.0000 96.4861 96.4548 96.4543 96.4543 Cmbio IGP-M 0.0000 2.2654 2.2884 2.2885 2.2885 IPCA 0.0000 1.2485 1.2569 1.2572 1.2572 Cmbio 5.9056 36.2063 36.0856 36.0919 36.0919 IGP-M IGP-M 94.0944 58.8889 58.2574 58.2497 58.2497 IPCA 0.0000 4.9048 5.6570 5.6584 5.6584 Cmbio 2.7671 22.3085 22.6935 22.7004 22.7003 IPCA IGP-M 37.3104 36.0252 35.5741 35.5722 35.5722 IPCA 59.9225 41.6664 41.7323 41.7274 41.7275

Fonte: Elaborado pelos autores.

Dessa forma, a tabela 6 apresenta a relao da decomposio da varincia do modelo 1. Em suma, damos um choque em uma destas variveis e acompanhamos o efeito do mesmo por vinte quatro meses na varincia da primeira e das outras que compe o sistema. Nessa perspectiva, constatamos que para o Cmbio a maior parte de sua varincia devida a prpria varivel (96,45%) seguida pelo IGP-M (2,28%) e pelo IPCA (1,25%). J ao avaliar o IGP-M, o fenmeno se repete sendo que a maior parte de sua varincia devida ela mesma (58,24%), seguida pelo Cmbio (36,09%), e pelo IPCA (5,65%). Por m, atravs do mesmo procedimento para o IPCA, observamos que a maior parte de sua varincia devida prpria varivel (41,72%) seguida pelo IGP-M (35,57%) e pelo cmbio (22,07%).

Tabela 7: Decomposio de Varincia (Cmbio - IPA-M - IPCA)


Perodo Cmbio 1 6 12 18 24 100.0000 89.9842 88.6263 88.4447 88.4211 Cmbio IGP-M 0.0000 4.5667 4.9884 4.9888 4.9976 IPCA 0.0000 5.4492 6.3853 6.5665 6.5813 Cmbio 5.5208 38.1600 37.4894 37.9357 37.9104 IGP-M IGP-M 94.4792 57.9295 53.4046 52.9265 52.8594 IPCA 0.0000 3.9105 9.1060 9.1378 9.2302 Cmbio 6.1513 26.7522 29.4110 29.7375 29.7520 IPCA IGP-M 25.0788 28.9473 26.6207 26.5152 26.4736 IPCA 68.7699 44.3005 43.9683 43.7473 43.7743

Fonte: Elaborado pelos autores.

11

Ademais, a tabela 7 apresenta a decomposio de varincia do modelo 2(Cmbio - IPAM - IPCA), a forma adotada equivalente a anterior. Assim, para a varivel Cmbio, constatamos que a maior parte de sua varincia devida a si mesma (88,42%), seguida pelo IPA-M (4,99%), e pelo IPCA (6,58%). Em relao ao IPA-M tambm vericamos que a maior parte de sua varincia ocorre devido prpria varivel (52,85%), acompanhada respectivamente pelo Cmbio (37,91%), e pelo IPCA (9,23%). No mesmo patamar o IPCA, a maior parte de sua varincia (43,77%) decorrente dela mesma, em sequncia temos o cmbio (29,75%), e o IPA-M (26,47%).

Consideraes Finais

O presente artigo teve como objetivo entender o efeito do repasse cambial, pass-through para a formao do ndice de preos para a economia brasileira no perodo de 1999 a 2011. O grau de transmisso uma importante varivel para os policymakers, pois podem implicar em polticas anti-inacionrias menos custosas para o pas. O instrumental economtrico utilizado baseado no modelo de Vetor Auto-Regressivo (VAR) para cada conjunto de dados, funes de resposta ao impulso e tambm utilizao da decomposio de varincia para cada varivel analisada. Os resultados esto alinhados com outros trabalhos empricos, bem como, Belaish, (2003), Maciel (2006) e Guilln e Arajo (2006), realizados para o Brasil e outros pases, no sentido que a transmisso das mudanas cambiais no inteiramente repassada para ndices de preos. Constatamos que as reaes do IGP-M e do IPA-M so mais intensas a choques da taxa de cmbio que o IPCA. Ao considerar os resultados da decomposio de varincia, percebe-se que o percentual da varincia prevista do IGP-M, IPA-M e IPCA, devido a inovaes na taxa de cmbio no so desprezveis, isto , h uma importncia relativa da varincia do cmbio para explicar a varincia nos ndices de inao. Por m, para uma nova agenda de pesquisa interessante identicar como o grau de transmisso afeta outros ndices de preos, ou seja, ampliando mais o debate do efeito pass-through para promover uma melhor orientao aos policymakers.

Referncias

AL-ABRI, A. S.; GOODWIN, B. K. Re-examining the exchange rate pass-through into import prices using non-linear estimation techniques: Threshold cointegration, International Review of Economics & Finance, Elsevier, vol. 18, 142-161, 2009. BELAISCH, A. Exchange rate pass-through in Brazil, IMF working papers, n. 141, Julho, 2003. DEVEREUX, M. B.; YETMAN, J. Price adjustment and exchange rate pass-through, Journal of International Money and Finance, Vol.29, 2010. BUENO, R., Econometria de Sries Temporais. Ed. Cengage Learning, 2008. DICKEY, D. A.; FULLER, W. A. Distribution of the estimator for auto-regressive time series with a unit root. Journal of the American Statistical Association, 74:427-31, 1979. 12

ENDERS, W., Applied econometric time series. New York: John Wiley and Sons.Press, forthcoming, 2010. FRAGA, G. J. et al. O pass-through das variaes da taxa de cmbio para os preos de exportao de soja. In: XLIV Congresso Brasileiro de Economia e Sociologia Rural, 2006, Fortaleza. XLIV SOBER, 2006. GRANGER, C. W. J. Investigating Causal Relations by Econometric Models and CrossSpectral Methods. Econometrica, 37, 424438, 1969. GOLDFAJN, I. ; WERLANG, S.R.C. The Pass-Through from Depreciation to Ination: A Panel Study, Working Paper 5, Banco Central do Brasil, 2000. GUILLN, O. T. C. ; ARAJO, C.H.V. . O mecanismo de transmisso da taxa de cmbio para ndices de preos: uma anlise VECM para o Brasil. In: XXXIII Encontro Nacional de Economia, 2005, Natal, RN. Anais do XXXIII Encontro Nacional de Economia, 2005. GUILLN, O. T. C. ; ARAJO, C.H.V. . O mecanismo de transmisso da taxa de cmbio para ndices de preos: uma anlise VECM para o Brasil. In: XI Reunin de la Red de Investigadores de Bancos Centrales, 2006, Buenos Aires. Anais do XI Reunin de la Red de Investigadores de Bancos Centrales. Mxico, D.F. : CEMLA, 2006 . HAMILTON, J. Time Series Analysis. Princeton University Press, Princeton, 1994. HOLLAND, M. ; PILLATTI, C. . Regimes cambiais e intervenes no mercado de cmbio: uma abordagem a partir da experincia brasileira. Revista Produo Online, v. IX, p. 361-382, 2009. MACIEL, L. F. P. Pass-Through Cambial: Uma Estimao para o Caso Brasileiro. 2007. Dissertao (Mestrado em Economia) - Fundao Getlio Vargas - RJ. MCCARTHY, J. Pass-through of exchange rates and import prices to domestic ination in some industrialized economies, Sta Reports 111, Federal Reserve Bank of New York, 2000. MORETTIN, P. A. Econometria Financeira: Um curso em sries temporais nanceiras. So Paulo: Blucher, 2006. PHILLIPS, P.C.B; PERRON, P. Testing for a Unit Root in Time Series Regressions. Biometrika 75, 335-346, 1988. SIMS, C. A.; STOCK, J. H.; WATSON, M. W. Inference in Linear Time Series Models with Some Unit Roots. Econometrica, Econometric Society, v. 58. n.1, p. 113-144, Jan. 1990. TEJADA, C. A. O. ; FRITZ FILHO, L. F. ; COSTA, T. V. M. . O pass-through das variaes da taxa de cmbio para os preos das exportaes agropecurias do Rio Grande do Sul 2002. TEJADA, Csar A. O. ; SILVA, A. G. . O pass-through das variaes da taxa de cmbio para os preos dos principais produtos exportados pelo Brasil. Revista de Economia e

13

Sociologia Rural, v. 46, p. 171-205, 2008. VIEIRA, F. V. ; CARDOSO, C. A. Transio de Regimes Cambiais no Brasil: Uma Anlise de Modelos de Vetores Auto-Regressivos (VAR) e Causalidade. In: IX Encontro Regional de Economia, 2004, Fortaleza. CD - Anais do IX Encontro Regional de Economia, 2004. p. 1-24. WATSON, M. W. Vector Auto-Regression and Co-Integration. In: Engle, R. F.; McFadden, D. L. (Ed.). Handbook of Econometrics. Elsevier, 1994. v. 4, p. 2844-2915.

14

ANEXO
Tabela 8: Estimativa do Modelo VAR (Cmbio - IGP-M - IPCA) DCAMB IGP-M IPCA DCAMB(-1) 0.352196 2.603269 1.083332 (-0.0903) (-0.46639) (-0.27993) [ 3.90048] [ 5.58178] [ 3.86996] DCAMB(-2) 0.05382 -0.660435 -0.065628 (-0.09289) (-0.47979) (-0.28798) [ 0.57939] [-1.37650] [-0.22789] IGP_M(-1) -0.029083 0.631264 0.052758 (-0.02013) (-0.10397) (-0.0624) [-1.44485] [ 6.07171] [ 0.84544] IGP_M(-2) 0.025156 0.11569 0.08434 (-0.01828) (-0.09443) (-0.05668) [ 1.37603] [ 1.22519] [ 1.48810] IPCA(-1) 0.014192 0.476197 0.573153 (-0.03394) (-0.17532) (-0.10523) [ 0.41810] [ 2.71609] [ 5.44651] IPCA(-2) -0.041532 -0.677014 -0.188502 (-0.03405) (-0.17587) (-0.10556) [-1.21976] [-3.84955] [-1.78574] C 0.017134 0.279219 0.228317 (-0.014) (-0.07231) (-0.0434) [ 1.22377] [ 3.86116] [ 5.26019] R-squared 0.135187 0.686886 0.516227 F-statistic 3.803766 53.38075 25.96576
Fonte: Elaborao prpria a partir de dados da pesquisa. Nota: Os valores entre parnteses e colchetes se referem ao desvio padro e estatstica t, respectivamente.

15

Tabela 9: Estimativa do Modelo VAR (Cmbio - IPA-M - IPCA) DCAMB IPA-M IPCA DCAMB(-1) 0.348041 3.509896 0.870981 (-0.09015) (-0.67899) (-0.29084) [ 3.86069] [ 5.16932] [ 2.99473] DCAMB(-2) 0.116092 -0.242912 0.074706 (-0.09876) (-0.74382) (-0.31861) [ 1.17552] [-0.32657] [ 0.23448] DCAMB(-3) 0.05992 -1.159878 0.276781 (-0.09846) (-0.7416) (-0.31766) [ 0.60855] [-1.56402] [ 0.87132] DCAMB(-4) -0.053762 0.771157 0.013464 (-0.09356) (-0.70467) (-0.30184) [-0.57463] [ 1.09435] [ 0.04461] IPA_M(-1) -0.015873 0.675564 0.081279 (-0.01359) (-0.10234) (-0.04384) [-1.16817] [ 6.60116] [ 1.85414] IPA_M(-2) -0.005897 0.04507 -0.000796 (-0.01571) (-0.11836) (-0.0507) [-0.37527] [ 0.38078] [-0.01570] IPA_M(-3) 0.015605 0.114299 0.011175 (-0.01529) (-0.11514) (-0.04932) [ 1.02084] [ 0.99273] [ 0.22660] IPA_M(-4) 0.008874 -0.027353 0.018267 (-0.0115) (-0.0866) (-0.03709) [ 0.77184] [-0.31586] [ 0.49246] IPCA(-1) 0.019545 0.44866 0.512239 (-0.03151) (-0.23734) (-0.10166) [ 0.62025] [ 1.89040] [ 5.03872] IPCA(-2) -0.048806 -0.887294 -0.236588 (-0.03346) (-0.25203) (-0.10796) [-1.45852] [-3.52054] [-2.19151] IPCA(-3) 0.074434 0.141647 0.205087 (-0.03492) (-0.26301) (-0.11266) [ 2.13152] [ 0.53856] [ 1.82042] IPCA(-4) -0.112827 -0.116762 -0.047853 (-0.03161) (-0.23806) (-0.10197) [-3.56968] [-0.49048] [-0.46929] C 0.034832 0.377899 0.213561 (-0.01601) (-0.1206) (-0.05166) [ 2.17532] [ 3.13349] [ 4.13413] R-squared 0.242107 0.708226 0.552427 F-statistic 3.67365 27.914 14.19416
Fonte: Elaborao prpria a partir de dados da pesquisa. Nota: Os valores entre parnteses e colchetes se referem ao desvio padro e estatstica t, respectivamente.

16

Figura 6.1: Funo Resposta ao Impulso do Modelo VAR (Cmbio IGP-M - IPCA)

Fonte: Elaborao prpria a partir do software Eviews.

17

Figura 6.2: Funo Resposta ao Impulso do Modelo VAR (Cmbio - IPA-M - IPCA)

Fonte: Elaborao prpria a partir do software Eviews.

18