Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo: O artigo apresenta uma anlise economtrica de dados em painel para analisar a
demanda residencial de eletricidade no Brasil considerando os efeitos espaciais. Uma base de
dados composta pelas 27 unidades da federao no perodo de 2003 a 2011 utilizada para
estimar as elasticidades-preo e -renda da demanda. Com uma abordagem pioneira, sete
modelos com diferentes padres de dependncia espacial so estimados e, de acordo com o
critrio AIC, o modelo SAC mostrou-se o melhor. Estimativas de -0,031 para a elasticidade-
preo e de 0,342 para a elasticidade-renda so obtidas e mostram-se de acordo com a teoria
econmica. Um valor elevado de 0,796 obtido para o coeficiente autorregressivo espacial,
sendo similar aos encontrados na literatura. Os resultados indicam que mudanas no preo da
eletricidade e na renda dos consumidores em unidades vizinhas tm um efeito maior do que
mudanas similares nessas variveis dentro da prpria unidade.
Abstract: The paper presents an econometric analysis of panel data to analyze the residential
electricity demand in Brazil considering the spatial effects. A database composed of the 27 units
of the federation in the period from 2003 to 2011 is used to estimate the price and income
elasticities of demand. With a pioneering approach, seven models with different patterns of
spatial dependence are estimated and, according to the AIC criterion, the SAC model proved to
be the best. Estimations of -0.031 for the price elasticity and of 0.342 for the elasticity-income
are obtained and are shown according to economic theory. A high value of 0.796 is obtained
for the spatial autoregressive coefficient, being similar to that found in the literature. The results
indicate that changes in the price of electricity and the income of consumers in neighboring
units have a greater effect than similar changes in these variables within the unit itself.
1 INTRODUO
A energia eltrica um insumo de uso amplamente generalizado nas economias
modernas e, dentre as diferentes formas de energia disponveis na natureza, a que proporciona
maior eficincia ao setor produtivo e maior conforto populao nas atividades de consumo
residencial (SILVA, 2001). Entretanto, o elevado grau de capilaridade com que a eletricidade
penetra na sociedade combinado com as limitaes tecnolgicas para seu armazenamento em
grande escala torna o setor eltrico um segmento bastante sensvel. Problemas de abastecimento
de eletricidade rapidamente se convertem em apages, ou seja, interrupes do processo
produtivo e do consumo residencial com significativos prejuzos econmicos e sociais.
Os desafios evidenciados pelo problema do racionamento de 2001 forneceram uma
importante sinalizao de que dispositivos adicionais precisariam ser inseridos no
funcionamento do setor eltrico de modo a se proporcionar a chamada segurana energtica,
1
Os autores agradecem FAPEMIG, CAPES e CNPq pelo seu apoio.
2 REVISO DA LITERATURA
Esta seo apresenta os principais trabalhos sobre a demanda de energia eltrica focando
as metodologias empregadas, os perodos de anlise e as estimativas de elasticidades-preo e -
renda. A primeira subseo aborda os trabalhos internacionais e a segunda os trabalhos
nacionais.
Tabela 1 - Trabalhos relativos demanda por energia eltrica que no incorporam efeitos
espaciais
Tabela 2 - Trabalhos relativos demanda por energia eltrica que incorporam efeitos espaciais
Autor Metodologia Regio estudada Principais resultados
Ohtsuka et al SAR-ARMA; 9 distribuidoras O modelo SAR-ARMA(1,1) mostrou melhor
(2010) ARMA japonesas capacidade preditiva que o modelo ARMA(1,1).
Ohtsuka e 9 distribuidoras O modelo VAR(1) mostrou melhor capacidade
SAR-ARMA; VAR
Kakamu (2013) japonesas preditiva que o modelo SAR-ARMA(1,1).
3.1 Metodologia
3.1.1 Especificao da Demanda Residencial por Energia Eltrica (DREE)
Nesta subseo, o modelo terico da demanda de energia eltrica proposto por Andrade
e Lobo (1997) apresentado. As hipteses bsicas propostas pelos autores adaptadas para o
intuito deste artigo so:
i.A energia eltrica demandada pelos consumidores residenciais ligados rede de
distribuio plenamente atendida. Ou seja, de uma forma geral ou para grande parte
dos consumidores, admitido que no existe o problema de demanda reprimida e que a
oferta do servio infinitamente elstica. Com esta hiptese, pode-se utilizar a
quantidade consumida como uma boa aproximao para a quantidade demandada;
ii.A demanda residencial das UFs influenciada por duas variveis fundamentais: o preo
cobrado pelo servio e a renda familiar das unidades da federao. Teoricamente,
espera-se que o consumo reaja negativamente s variaes do preo e positivamente s
variaes da renda.
Com base nestas hipteses, a representao da DREE pode assumir a seguinte forma
genrica:
= ( , ) (1)
= 0 1 2 (2)
A equao (3) assim se constitui num modelo de regresso linear mltipla que pode ser
estimado por diferentes mtodos. Por sua vez, os parmetros estimados 1 e 2 seriam
aproximaes das elasticidades-preo e -renda da DREE. Na prxima subseo, ser
incorporada a dimenso espacial (UF) no modelo.
= + + (4)
2
Para mais detalhes sobre o teste I de Moran ver captulo 4 de Almeida (2012).
= + + + (5)
= + (6)
em que a matriz uma matriz quadrada de dimenso 2727, sendo o grau de conexo
entre as UFs i e j, a defasagem espacial da DREE para a UF i no tempo t. As variveis
explicativas exgenas (constante, renda dos consumidores residenciais e preo mdio de
energia eltrica) defasadas espacialmente so representadas por , os erros defasados
espacialmente so simbolizados por . Os parmetros e so escalares espaciais, ao passo
que um vetor de coeficientes espaciais. Os modelos de efeitos fixos com dependncia
espacial so representados pelas equaes (7) e (8).
= + + + + (7)
= + (8)
em que o efeito especfico da i-sima UF. O modelo de efeitos aleatrios com dependncia
espacial representado por:
= + + + (9)
= + + (10)
possvel extrair vrios modelos de painel de dados com dependncia espacial. Para
isto, basta impor diferentes restries nos parmetros espaciais dos modelos acima. Neste artigo
sero considerados sete modelos de painel de dados espaciais: i) modelo geral, que considera a
dependncia espacial da varivel dependente (), das variveis explicativas () e dos
termos de erro (); ii) modelo SAR (Spatial Autoregressive), que considera apenas a
dependncia espacial da varivel dependente; iii) modelo SEM (Spatial error model), que
considera apenas a dependncia espacial dos termos de erro; iv) modelo SAC, que considera a
dependncia espacial da varivel dependente e dos termos de erro; v) modelo SDM (Spatial
Durbin model), que considera a dependncia espacial da varivel dependente e das variveis
explicativas; vi) SDEM (Spatial Durbin error model), que considera a dependncia espacial
das variveis explicativas e dos termos de erro; e vii) SLX (Spatial cross-regressive), que
considera apenas a dependncia espacial das variveis explicativas.
3
O procedimento de Baumont (2004) possui trs passos: i) estima-se o modelo clssico de regresso linear; ii)
testam-se os resduos deste modelo para a autocorrelao espacial usando o I de Moran para um conjunto de
matrizes W; iii) seleciona-se a matriz de pesos espaciais que tenha gerada o mais alto valor do teste I de Moran, e
que seja significativo estatisticamente.
4 RESULTADOS
Para a estimao dos modelos, as variveis explicativas renda dos consumidores
residenciais e preo residencial da energia eltrica foram representadas pelas sries do PIB per
capita e preo mdio residencial respectivamente. A varivel dependente DREE foi
representada pelo consumo de energia eltrica residencial, pois assumido que toda quantidade
de energia eltrica demandada pelos consumidores residenciais efetivamente fornecida, ou
seja, pode-se utilizar a quantidade consumida como uma boa aproximao para a quantidade
demandada.
Primeiramente, foram ajustados trs modelos sem dependncia espacial utilizando os
seguintes mtodos de estimao: Pooled OLS, o de efeitos fixos e o de efeitos aleatrios. Todos
os testes e estimaes deste artigo foram construdos utilizando o software R. As estimativas
para estes modelos foram obtidas atravs do mtodo de mxima verossimilhana7 e esto
dispostas na Tabela 3.
4
www.eletrobras.com
5
www.aneel.gov.br
6
Tambm foi calculada a mdia ponderada das tarifas de energia eltrica pela quantidade consumida de energia
de cada distribuidora. As estimaes com as diferentes mdias ponderadas obtiveram coeficientes semelhantes.
7
Maiores detalhes sobre o mtodo de mxima verossimilhana para estes modelos, ver Millo e Piras (2012).
Pela Tabela 3, nota-se um bom ajustamento por parte dos modelos de Efeito Fixos e o
de Aleatrios, sendo um indcio de que os efeitos no observados so relevantes. Para verificar
se estes efeitos so estatisticamente significativos, foi empregado o teste de Breusch-Pagan no
modelo Pooled OLS, encontrando-se um valor da estatstica de teste de 17.649 com um p-valor
de 2,2 1016. Com isto, pode-se concluir a um nvel de 5% de significncia que h evidncias
para rejeitar a hiptese de que a varincia dos resduos devido aos efeitos individuais (UF)
zero, ou seja, h fortes indcios de haver efeitos no observados no modelo.
Verificada a presena dos efeitos no observados no modelo, o teste de Hausman
indicou um -valor de 2,4416, com um p-valor de 0,295. Logo, conclui-se que no h
evidncias para rejeitar a hiptese de que a correlao entre as variveis explicativas e os efeitos
especficos seja igual a zero, ou seja, prefervel o modelo de efeitos aleatrios.
De posse do modelo de efeitos aleatrios, aplicou-se o teste de I de Moran nos 9 cortes
transversais de tempo (2003 a 2011) para checar se existe autocorrelao espacial em seus
resduos. De acordo com o procedimento de Baumont (2004), a matriz de ponderao espacial
de 3 vizinhos mais prximos foi a que gerou o mais alto valor de I de Moran e foi
estatisticamente significativo8.O sinal das estatsticas de I de Moran indica uma similaridade
entre os valores das DREE e da localizao espacial da mesma, ou seja, UFs com altos valores
de DREE tendem a estar prximas umas das outras. A magnitude mdia das estatsticas de I de
Moran utilizando a matriz de 3 vizinhos mais prximos foi de 0,276, evidenciando que existe
uma forte autocorrelao espacial dos resduos do modelo de efeitos aleatrios sem considerar
nenhum tipo de dependncia espacial.
Foram estimados, ento, sete modelos de efeitos aleatrios considerando diferentes tipos
de dependncia espacial. O mtodo de estimao utilizado foi o de mxima verossimilhana,
que o mtodo alternativo ao MQO mais eficiente. Segundo Millo e Piras (2012), o MQO
ineficiente para modelos com componente de erros autocorrelacionados espacialmente.
Na Tabela 4, WDREE representa a DREE defasada espacialmente, WResduos representa o
termo de erro defasado espacial, WPreo representa o preo da energia eltrica defasado
espacialmente, WRenda representa a renda dos consumidores defasada espacialmente e AIC
representa o critrio de informao de Akaike.
Os resultados dos modelos de painel espacial so satisfatrios dado que a maior parte
dos coeficientes so significativos, relativamente semelhantes e possuem os sinais esperados.
Em todos os modelos, os coeficientes da varivel renda, da varivel dependente espacialmente
8
Ver anexo A1.
Nota-se que a DREE responde ao nvel de renda dos consumidores residenciais com
uma elasticidade de 0,342. Este valor similar aos encontrados por Andrade e Lobo (1997),
Schmidt e Lima (2004) e Gomes (2010), respectivamente 0,213, 0,539 e 0,102 e indica que
uma variao na renda dos consumidores residenciais tem um efeito positivo na DREE. O valor
da elasticidade-preo foi relativamente baixo (0,031), no sendo significativo. Os estudos
realizados no Brasil mostram similaridade nas elasticidades-preo, 0,051 por Andrade e
Lobo (1997), 0,085 por Schmidt e Lima (2004) e 0,111 por Gomes (2010), sendo todas
significativas. Deve ser observado que as estimativas dos estudos anteriores sobre as
elasticidades da demanda no consideram os efeitos espaciais indiretos. Comparando os
resultados do modelo SAC com os do modelo de efeitos aleatrios sem dependncia espacial,
pode-se concluir que as estimativas das elasticidades so estatisticamente diferentes para o
preo (SAC: -0,031, Efeitos aleatrios: -0,223) e para a renda (SAC: 0,342, Efeitos aleatrios:
1,503).
A estimativa do coeficiente autorregressivo espacial da DREE foi relativamente alta
(0,796), sendo semelhante estimativa encontrada por Blzquez et al (2013), para o caso
0,796** - - -
WDREE
(0,047) - - -
-0,569** - - -
WResduos
(0,167) - - -
Fonte: Elaborao prpria.
Nota: Valores com * significativos a 5% e com ** significativos a 1%. Valores entre parnteses representam o
erro padro da estimativa.
5 CONSIDERAES FINAIS
REFERNCIAS
ACTON, Jan Paul, MITCHELL, Bridger M., SOHLBERG, R. Estimating residential electricity
demand under declining-block tariffs: an econometric study using micro-data. Applied
Economics, v. 12, n. 2, p. 145-161, 1980.
AMARAL, R. M.; MONTEIRO, MVSP. A demanda por energia eltrica residencial no Brasil:
Estimativa das elasticidades renda e preo aps o apago. XXX Encontro Nacional de
Engenharia de Produo. Maturidade e desafios da Engenharia de Produo:
competitividade das empresas, condies de trabalho, meio ambiente. Anais. So Carlos,
So Paulo, 2010.
BALESTRA, P.; NERLOVE, M. Pooling cross-section and time-series data in the estimation
of a dynamic model: The demand for natural gas, Econometrica. v. 34, p. 585-612, 1966.
BALTAGI, B. H.; Griffin, J. M. Gasoline demand in the OECD: Na application of pooling and
testing procedures. European Economic Review. v. 22, p. 117-137, 1983.
BAUMONT, C. Spatial effects in housing price models: do house prices capitalize urban
development policies in the agglomeration os Dijon (1999)? Mimeo. Universit de
Bourgogne, 2004.
CHO, S. -H., TAEYOUNG, K., HYUN, J. K., KIHYUN, P., ROLAND, K. R. Regionally-
varying and regionally-uniform electricity pricing policies compared across four usage
categories. Energy Economics. v. 49, P. 182-191, 2015.
CLIFF, A.; ORD, J. K. Spatial processes, models and applications. Londres: Pion,1981.
ELHORST, J. P. Spatial panel data models. In: FISCHER, M. M.; GETIS, A. (ed). Handbook
of Applied Spatial Analysis: Software Tools, Methods and Applications. Berlim: Springer,
2010.
JAMIL, F.; AHMAD, E. Income and price elasticities of electricity demand: Aggregate and
sector-wise analyses. Energy Policy, v. 39, P. 5519 5527, 2011.
LESAGE, J. P., PACE, R. K. Introduction to spatial econometrics. CRC Press, Boca Raton,
2009.
LIM, K-M.; LIM, S-Y.; YOO, S-H. Short- and long-run elasticities of electricity demand in the
Korean servisse sector. Energy Policy. V. 67, P. 517-521, 2014.
LIU, Gang. Estimating Energy Demand Elasticities for OECD Countries A Dynamic Panel
Data Approach. Statistics Norway, Research Department Discussion Papers. n. 373, 2004.
MATTOS, L.B., REIS, B. S., LIMA, J. E. e LRIO, V. S. Demanda industrial de energia eltrica
em Minas Gerais, 1970-2002. Revista de Economia e Agronegcio, 3 (1). 2005. 97-120.
MATTOS, L.B., REIS, B. S., LIMA, J. E., LRIO, V. S. Demanda de energia eltrica pelo setor
comercial em Minas Gerais, 1970-2002. Revista GEPEC 10, 1. 2006. 9-27.
MILLO, G., PIRAS, G. splm: Spatial Panel Data Models in R. Journal of statistical software.
Issue 1. V. 47, Abril 2012.
OHTSUKA, Y.; OGA, T.; KAKAMU, K. Forecasting electricity demand in Japan: A Bayesian
spatial autoregressive ARMA approach. Computional Statistics and Data Analysis. V. 54, P.
2721-35, 2010.
SILVA, S.M. Anlise economtrica da demanda de energia eltrica nos setores residencial-
urbano e rural do Brasil, 1970/1999. Dissertao de Mestrado. Viosa: UFV. 2001.
VIANA, G. I. M. N.; SILVA, Alexandre Lima Marques. Um modelo para projees para
demanda por energia eltrica, 20092017 para o setor residencial no Brasil. Rev. Bras. Energy,
v. 20, p. 107-126, 2014.
ZHOU, S.; TENG, F. Estimation of urban residential electricity demand in China using
household survey data. Energy Policy, v. 61, P. 394-402, 2013.
ANEXO
Rainha padronizada na linha 0,07 0,135 0,184* 0,103 0,113 0,101 0,106 0,106 0,111
Torre 0,07 0,135 0,184* 0,103 0,113 0,101 0,106 0,106 0,111
Torre padronizada globalmente 0,063 0,136* 1,166* 0,084 0,111 0,111 0,124 0,089 0,109
Distncia inversa 0,022* 0,048** 0,062** 0,042** 0,042** 0,039** 0,039** 0,034** 0,036**