Departamento de Ensino e Investigação de Economia

A RELAÇÃO ENTRE O PIB E O DESEMPREGO. UMA ANÁLISE DE

REGRESSÃO PELO MÉTODO DOS MQOs AOS INDICADORES
ANGOLANOS DE 1991 À 2017

Monografia a apresentar à Faculdade

de Economia da UJES, como um dos
requisitos para a obtenção do grau de
licenciatura em economia

Alegria Silvano Pedro

Registo Nº_________/2020
 Departamento de Ensino e Investigação de Economia

A RELAÇÃO ENTRE O PIB E O DESEMPREGO. UMA ANÁLISE DE

REGRESSÃO PELO MÉTODO DOS MQOs AOS INDICADORES
ANGOLANOS DE 1991 À 2017

Monografia a apresentar à Faculdade

de Economia da UJES, como um dos
requisitos para a obtenção do grau de
licenciatura em economia.

Autor: Alegria Silvano Pedro

Tutor: Hélder Jonas Chingunde Marcelino MSc.

Janeiro, 2020
DEDICATÓRIA

Ao meu pai que tudo fez, e muito almejou para que este sonho se tornasse
realidade. Onde quer que ele esteja, de certeza que está feliz com essa realização.
AGRADECIMENTOS

Agradeço a Deus pela bênção da vida, saúde e protecção.

Agradeço aos meus familiares pelo apoio, especialmente minha mãe que não
tem poupado esforços em prol da minha formação.

Agradeço a todos colegas da Faculdade de Economia do ciclo de formação

2014/2017, juntos ultrapassamos várias dificuldades, e por isso hoje me sinto
membro de uma família que antes não conhecia.

Aos docentes da Faculdade de Economia que com seu saber ajudaram-me a

trilhar o caminho da ciência e descobrir-se sempre na base da humildade. E dirijo
um especial agradecimento ao Professor Hélder Jonas Chingunde Marcelino, tutor
deste trabalho pela paciência que teve de me guiar a seguir o método científico na
elaboração deste trabalho.

Aos anónimos que de alguma forma contribuíram para o êxito da minha

formação.
ÍNDICE
INTRODUÇÃO ...................................................................................................................................... 1

CAPITULO I - REVISÃO DA LITERATURA ..................................................................................... 6

1.1. Um tradeoff na relação entre o PIB e o desemprego ......................................................... 6

1.2. Flutuações na actividade económica como causa do tradeoff entre o PIB e o

desemprego....................................................................................................................................... 8

1.3. O PIB como medida da actividade económica .................................................................. 13

1.3.1. Conceitos .......................................................................................................................... 13

1.3.2. Algumas abordagens inerentes ao PIB ....................................................................... 15

1.3.3. Os componentes do PIB ................................................................................................ 18

1.3.4. O PIB como medida de bem-estar económico ........................................................... 20

1.3.4. Economia subterrânea, uma limitação do PIB ............................................................ 21

1.4. O desemprego......................................................................................................................... 22

1.4.1. O problema do desemprego na actualidade ............................................................... 23

1.4.2. O desemprego como um problema económico .......................................................... 26

1.5. Características Particulares Da Economia Angola............................................................ 30

1.5.1. Implicações da baixa do preço do petróleo na economia angolana ....................... 31

CAPITULO II – METODOLOGIA ..................................................................................................... 33

2.1. O modelo de regressão linear simples ................................................................................ 35

2.2. Apresentação da técnica utilizada - o método dos mínimos quadrados ordinários

(MQO)............................................................................................................................................... 37

2.3. Hipóteses do modelo ............................................................................................................. 39

2.4. Propriedades dos estimadores de mínimos quadrados dos coeficientes de regressão

........................................................................................................................................................... 42

2.4.1. Centricidade ..................................................................................................................... 42

2.4.2. Eficiência........................................................................................................................... 43

i
 2.4.3. Consistência ..................................................................................................................... 45

2.5. Teste de significância............................................................................................................. 46

2.6. Predictor de mínimos quadrados ......................................................................................... 50

2.7. Modelo hiperbólico. ................................................................................................................ 53

CAPITULO III – ANÁLISE E DISCUSSÃO DOS RESULTADOS. .............................................. 57

3.1. Estatística descritiva dos dados ........................................................................................... 57

3.2. Estimação do desemprego pelo MQO, utilizando o software Gretl ................................ 59

3.4. Teste de significância............................................................................................................. 62

3.5 O predictor de mínimos quadrados ....................................................................................... 64

3.6. Estimação do desemprego no modelo hiperbólico pelo MQO, utilizando o software

Eviews .............................................................................................................................................. 68

3.6.1 Teste de significância ...................................................................................................... 70

3.6.2 Novo predictor de mínimos quadrados ......................................................................... 71

CONCLUSÕES ................................................................................................................................... 73

LIMITAÇÕES....................................................................................................................................... 77

RECOMENDAÇÕES ......................................................................................................................... 78

BIBLIOGRAFIA ................................................................................................................................... 80

ANEXOS. ............................................................................................................................................. 83

ii
Lista das Tabelas

Tabela 1. Ciclos económicos e as respectivas etapas na história económica de angola ...... 30

Tabela 2. Estatística descritiva dos dados ..................................................................................... 58

Tabela 3. Sumário dos resultados ................................................................................................... 59

Tabela 4. Coeficientes ....................................................................................................................... 60

Tabela 5. Valores do PIB e desemprego angolano (1991-2017) ............................................... 84

Tabela 6. ANOVA ............................................................................................................................... 84

Tabela 7. Valores críticos da distribuição t-student. ..................................................................... 87

iii
Lista das Gráficos

Gráfico 1. Gráfico ilustrativo dos cículos económicos .................................................................. 10

Gráfico 2. Predicção pontual ............................................................................................................ 51

Gráfico 3. Predicção pontual e predicção por intervalo ................................................................ 53

Gráfico 4. Curvas do modelo hiperbólico. ...................................................................................... 55

Gráfico 5. Representação do PIB e desemprego angolano de 1991-2017 .............................. 58

Gráfico 6. Gráfico do desemprego versus PIB (com ajustamento MQO) .................................. 62

Gráfico 7. Predicção estimada pontual e por intervalo ................................................................. 65

Gráfico 8. Diagrama de dispersão do desemprego contra o PIB ............................................... 67

Gráfico 9. Representação da curva de um modelo hiperbólico. ................................................. 68

Gráfico 10. Representação gráfica do .................................................................. 69

Gráfico 11. Predictor pontual hiperbólico do desemprego de MQOs......................................... 71

iv
Lista das Ilustrações

Ilustração 1. Diagrama de fluxo circular de uma economia ......................................................... 18

Ilustração 2. Página online da base de dados “the global economy.com”. ............................... 83

v
Lista de símbolos, abreviaturas e siglas

ANOVA – Analyses off variance.

BNA - Banco Nacional de Angola.

BLUE - Best Linear Unbiased Estimators.

CV – Coeficiente de variação.

ep – Erro padrão

GDP - Gross Domestic Product.

GNP - Gross National Product.

INEA – Instituto Nacional de Estatística.

MINFIN – Ministério das Finanças.

MQO - Mínimos Quadrados Ordinários.

MRL - Modelo de Regressão Linear.

OGE – Orçamento Geral do Estado.

OLS - Ordinary Least Square.

PIB – Produto Interno Bruto.

PNB - Produto Nacional Bruto.

RESET - Regression Specification Error Test.

- Coeficiente de determinação.

̅ Coeficiente de determinação ajustado.

CEIC – Centro de estudos e investigações científicas.

SQE – Soma dos Quadrados Estimados.

SQR - Soma dos Quadrados Residuais.

SQT - Soma dos Quadrados Totais.

UCAN – Universidade Católica de Angola.

UJES – Universidade José Eduardo dos Santos.

vi
USD – Dólar norte americano.

u.m - unidades monetárias.

– Taxa natural de desemprego

Var – Variância.

X - Variável explicativa do modelo de regressão linear.

Y – Variável explicada do modelo de regressão linear.

vii
RESUMO

O desemprego é um problema extremamente grave, não só do pondo de vista

económico, mas também do ponto de vista social e pessoal. Por essa razão nos
últimos anos se tem multiplicado o seu estudo nas mais diversas áreas da ciência.
No âmbito económico no século passado foi identificado pelos economistas que
existe uma relação indirecta entre o produto e o desemprego. Todavia esta relação
nos indicadores PIB e desemprego angolanos não se apresenta de forma constante,
nem clara, porque olhando para os dados em análise verifica-se a ocorrência das
três relações possíveis (positiva, negativa e nula). Por meio da análise de regressão
a presente pesquisa procurou analisar em primeiro lugar a relação que se
estabelece entre o PIB e desemprego angolanos e segundo o anglo de inclinação
desta relação de formas a se poder especificar o modelo predictor. Por causa dos
desvios, a princípio os dados sugeriram a existência das três relações possíveis
entre os indicadores, porém o tratamento e análise dos dados revelou resultados
que estabelecem a existência de uma relação média negativa ou inversa entre os
indicadores angolanos (PIB e desemprego) num ângulo de inclinação ̂
. Todo
este processo possibilitou especificar a equação predictora para o desemprego
angolano quando forem conhecidos ou previstos os valores do PIB dada por
̂
̂

Palavras-chaves: Desemprego, PIB, relação, Angola.

viii
INTRODUÇÃO

A forma como estruturou-se o tema deste trabalho pode despertar

desinteresse, porque aparentemente faz perguntas cuja as respostas já existem
dentro do âmbito da teoria económica, o que talvez vai passar por despercebido é
que estas respostas foram concebidas no contexto da economia mundial nos anos
de 1960, desde então muita coisa mudou no desenrolar da economia mundial, essas
novas mudanças impõem novos desafios e exigem novas medidas. Se tivermos
ainda em conta que o desemprego é um problema extremamente grave, não só do
pondo de vista económico, mas também do ponto de vista social e pessoal, se vai
perceber a razão de nos últimos anos se terem multiplicado o seu estudo nas mais
diversas áreas da ciência.

A história económica revela que na década dos anos de 1960 os economistas

descobriram que o desemprego varia inversamente ao produto ao longo dos ciclos
económicos. Desde então foi estabelecido na teoria económica que um crescimento
positivo do PIB causa um decrescimento na taxa de desemprego, isso é; existe uma
relação negativa ou um tradeoff entre estas duas variáveis (PIB e desemprego).

O desenrolar da economia mundial a partir da década dos anos de 1990 até

os tempos actuais vem impondo novas transformações que geram novos desafios
aos economistas, os períodos de expansões e picos dos ciclos económicos não são
capazes de repor na sua totalidade os níveis de emprego existentes antes das
depressões (Maréchal, 2000). Este fenómeno vem sendo causado por vários
motivos, no qual pode se destacar o de que; nas economias capitalistas o
investimento e a inovação constituem o motor para sustentar o crescimento
económico e consequentemente dar maior possibilidades de criar novos empregos.
Segundo Dawbor (2006) principal motor destas transformações é seguramente a
revolução tecnológica que vivemos. Essa revolução actual não é mais de infra-
estrutura, como a ferrovia ou o telégrafo, ou de máquinas, como o automóvel e o
torno, mas de sistemas de organização do conhecimento. É a própria máquina de
inventar e renovar tecnologias que esta sendo revolucionada. Isso gera um
deslocamento acelerado das formas pelas quais nos vinculamos com o processo de
mudar o mundo. Muda o conceito de trabalho. Em princípio, fazer mais coisas com
menos esforço não parece problema, e sim solução. Entretanto, na ausência das

1
mudanças institucionais correspondentes, a tecnologia termina por privilegiar
minorias e gerar exclusão e angustia na maioria.

Para Dawbor (2006), a inserção desigual nos processo modernizados e

globalizados de produção gerou o maior drama social que o planeta já enfrentou em
sua história.

Segundo o discurso do presidente do Banco Mundial J. Wolfensohn, perante

a junta de governantes da entidade no fórum social mundial; essa “fractura
social mundial” que nos desarticula em termos não só políticos e sociais, mas
também económicos, está se tornando o problema central do planeta (apud
Dawbor, 2006).

Até no final do século XX, o crescimento económico era tido como solução
para o desemprego, actualmente, motivado pela revolução tecnológica, o próprio
crescimento começa a ser um factor gerador do desemprego (Trevisan, 2010).

Teoricamente, quanto mais elevada a taxa de variação real do PIB, maior

quantidade de emprego deveria ser criada. Segundo o relatório económico de
Angola feito pela UCAN (2015), as evidências empíricas internacionais não
confirmam a relação positiva entre emprego e crescimento. A abertura dos mercados
e a crescente concorrência entre as economias parecem obrigar a sacrificar a
criação de postos de trabalho em favor de processos de produção mais poupadores
deste factor de produção e com maior recurso ao capital e à tecnologia.

Estas evidências empíricas podem também ser confirmadas por uma análise
qualitativa nos dados dos indicadores angolanos (PIB e desemprego) entre os anos
de 1991 à 2017:

 Nos 27 anos em estudo na presente pesquisa, pelo menos em 10 anos

existiu uma relação positiva ou directa entre o PIB e desemprego. O
maior destaque se da no ano de 2000 em que o PIB teve uma variação
positiva de 48.69% e o desemprego teve uma variação também
positiva de 0.95%, ou seja houve um crescimento significativo no PIB e
por contrapartida houve também um ligeiro crescimento no
desemprego;

2
  Dentro das observações em estudo, em pelo menos 2 anos o
desemprego manteve sua variação constante mesmo com variações
significativas no PIB, o maior realce verifica-se no ano de 2012 em que
o PIB teve uma variação positiva de 12,7% e o desemprego não teve
nenhuma variação;
 Nos dados em estudo 15 observações apresentam uma relação
negativa entre o PIB e o desemprego. O maior destaque se da no ano
de 2007 onde o PIB teve uma variação positiva de 24,6% e o emprego
teve uma variação negativa de 20,7%.

Uma outra análise qualitativa exógena a pesquisa que registou também estas
evidências nos indicadores angolanos, foi feita e descrita no relatório económico de
Angola do SEIC-UCAN (2015), com dados fornecidos pelo INEA, o paradoxo foi
apresentado da seguinte forma:

Nota-se que nos anos de maior variação real do PIB a taxa de desemprego
reduziu. Este fenómeno é visível até 2008. É claro o paradoxo de 2009 –
talvez o ano em que maior número de empregos tenha sido criado – em que
coabitam uma reduzida taxa de variação da actividade económica global
(2,4%) com baixa taxa de desemprego (23,4%, a segunda mais baixa de
sempre no período 2000/2013)1, (UCAN, 2015).

No século XXI vem se tornando cada vez mais clara a moderna tendência da
económica real contrariar a teoria postulada relativa ao produto versus desemprego
descoberta nos anos de 1960.

Justificativa

Actualmente é um risco afirmar que existe uma relação positiva ou negativa

entre o PIB e o desemprego apenas tendo como base uma análise qualitativa nos
dados. Porque atendendo as novas tendências económicas, pode inclusive ser
legítimo ter duvidas se a variável PIB tem alguma relação com a variável
desemprego. Como vimos no caso dos indicadores angolanos registou-se a
ocorrência dos três tipos possíveis de relação entre as variáveis (positiva, negativa e

1
Atenda-se ao facto de que os dados usados no relatório da UCAN (2015), são fornecidos pelo INEA e estes
diferem dos dados fornecidos pelo banco mundial que são analisados nesta pesquisa.
3
nula). Logo uma análise qualitativa dos dados não é suficiente porque pode fornecer
conclusões equivocadas ou não reais. Nesta linha de pensamentos a realização da
presente pesquisa é justificada, porque tem a possibilidade de trazer suporte
científico matemático na afirmação de conclusão a ser encontrada.

Por outra a previsão constitui uma parte importante da análise econométrica;

para algumas pessoas, é provavelmente a mais importante (Gujarati & Porter, 2011).
A capacidade de prever valores de uma variável dependente é um dos objectivos a
análise de regressão linear (Ribeiro, 2014). Pelo que tendo em conta as
características e os instrumentos utilizados pela pesquisa com vista a alcançar os
resultados pretendidos, todo este trabalho pode ser mais gratificante se no final além
do estudo proposto a ser realizado poder gerar um modelo previsor do desemprego.
Por este motivo formulou-se as seguintes perguntas de pesquisa:

Problemas Científicos

Que relação se estabeleceu entre o PIB e o desemprego nacional

angolano no período entre 1991-2017?

Que predictor se pode extrair da observação do período em análise?

Objectivos.

Geral:

Identificar a relação existente entre o PIB e o desemprego angolano entre os

anos de 1991-2017, bem como o Predictor que se pode extrair da referida
observação.

Específicos:

1. Fundamentar teoricamente a matéria ligada a controvérsia entre PIB e

desemprego;
2. Caracterizar a economia de Angola no que tange a situação do
desemprego e ao comportamento do PIB entre 1991-2017;
3. Especificar o modelo predictor do desemprego angolano explicado pelo
PIB no período em análise.

4
Hipóteses

H1: no período em análise, a relação dos indicadores económicos PIB e

desemprego na economia foi indirecta, por isso o modelo predictor a gerar nesta
observação estabelece uma previsão de tradeoff entre as duas variáveis.

H2: no período em análise, a relação dos indicadores económicos produto e

emprego na economia não foi indirecta e por essa razão o modelo predictor a gerar
nesta observação não estabelece uma previsão de tradeoff entre as duas variáveis.

Estrutura do trabalho

Na presente pesquisa além deste capítulo introdutório que fez uma breve
abordagem sobre o paradoxo do PIB versos desemprego, apresentam-se mais três
capítulos. No primeiro apresenta-se a fundamentação teórica relativa ao PIB,
desemprego e a relação estudada ao nível da literatura nos dois indicadores em
análise. No segundo faz-se incursão sobre o método científico utilizado na pesquisa.
O terceiro capítulo é dedicado para a análise e discussão dos resultados, em função
do estudo realizado finalmente apresentou-se algumas conclusões, Limitações e
recomendações. O trabalho conta também no final com a apresentação da
bibliografia consultada e os anexos.

5
CAPITULO I - REVISÃO DA LITERATURA

1.1. Um tradeoff na relação entre o PIB e o desemprego

Segundo Santos (1997) no seu publicado dicionário inglês-português de

economia, define tradeoff como a cedência de um benefício a fim de obter outro, em
troca. Santos (1997) Ainda menciona que a mesma palavra pode significar
compensação.

Já Mankiw (2010) é mais especifico e explica que em economia, tradeoff é

uma expressão que define uma situação de escolha conflitante, isto é, quando uma
acção economica que visa à resolução de determinado problema acarreta,
inevitavelmente, outros. Por exemplo, em determinadas circustancias, a redução da
taxa de desemprego apenas podera ser obtida com o aumento da taxa de inflação,
existindo, portanto, um tradeoff entre inflação e desemprego.

O provérbio “Nada é de graça” é muito conhecido e comum no meio social.

Ele expressa uma grande verdade. Para conseguirmos algo que queremos,
geralmente precisamos abrir mão de outra coisa de que gostamos. A tomada de
decisões exige escolher um objectivo em detrimento de outro (Mankiw, 2010).

Igualmente quando as pessoas estão agrupadas em sociedade, deparam-se

com diferentes tipos de tradeoff. Um exemplo de tradeoff que se pode dar nestas
circunstâncias e facilmente compreendido na sociedade angolana, é o que existe
entre a produção de bens alimentares derivado de investimentos feitos na agricultura
e investimentos feitos na segurança nacional derivado de investimentos feitos em
materiais bélicos como armas, assim sendo podemos comparar a compra ou
produção de armas e a produção do milho. Com o fim dos conflitos armados no país
em 2002, o OGE aos poucos foi baixando grandes fatias para a compra de
armamento e por contrapartida as fatias destinadas para a agricultura foram
aumentando aos poucos. O facto é que quando a sociedade gasta em defesa
nacional (armas) para proteger suas fronteiras contra agressores estrangeiros,
menos gasta com bens de consumo (milho) para elevar o padrão de vida interno
(Samuelson & Nordhaus, 2005).

Reconhecer que as pessoas enfrentam tradeoffs não nos diz, por si só, quais
as decisões que elas tomarão ou desejariam tomar (Mankiw, 2010). Por exemplo um

6
estudante não deveria abandonar os estudos apenas porque isso aumenta o tempo
disponível para trabalhar. A sociedade não deveria deixar de proteger suas
fronteiras só porque assim tem mais chances de aumentar o padrão de vida interno.
Ainda assim reconhecer tradeoffs em nossa vida é importante porque as pessoas
somente podem tomar boas decisões se compreendem as opções que lhes estão
disponíveis (Samuelson & Nordhaus, 2005).

Tal como mencionou-se, a sociedade enfrenta muitas situações de tradeoffs,

logicamente a economia de um país também depara-se com muitas situações de
tradeoffs. Um exemplo sobre tradeoff na economia que é muito conhecido inclusive
também é mencionado por Mankiw (2010), é sobre a curva de Phillips que relaciona
a inflação e o desemprego no curto prazo. A descoberta deste tradeoff na economia
trouxe a luz o entendimento de que a taxa natural do desemprego depende de
diversas características do mercado de trabalho, como a legislação do salário
mínimo, o poder de mercado dos sindicatos, o papel dos salários de eficiência e a
eficácia da busca de empregos. Por sua vez, a taxa de inflação depende
principalmente do crescimento na oferta de moeda. No longo prazo, portanto, a
inflação e o desemprego são problemas com pouca coisa em comum. Já no curto
prazo, ocorre exactamente o contrário. A sociedade se depara, no curto prazo com
um tradeoff entre inflação e desemprego. Se os formuladores da política monetária e
fiscal expandem a demanda agregada e movem a economia para cima ao longo da
curva de oferta agregada de curto prazo, podem expandir a produção e reduzir o
desemprego por algum tempo, mas apenas à custa do aumento do nível de preços.
Se os formuladores de políticas contraírem a demanda agregada e moverem a
economia para baixo ao longo da curva de oferta agregada de curto prazo, podem
reduzir a inflação, mas apenas à custa temporária de menor produção e
desemprego mais elevado.

Um tradeoff tem uma forte conexão com custo de oportunidade. Segundo

Samuelson & Nordhaus, (2005) o custo de oportunidade de uma decisão é o custo
da alternativa perdida. Nos processos de decisões, os decisores precisam estar
cientes dos custos de oportunidade que acompanham cada acção possível.

Um aspecto implícito do conceito de um tradeoff é a existência de uma

situação conflitante cuja a resolução acarreta, inevitavelmente, outros. Olhando para

7
as duas variáveis em abordagem, foi se percebendo em economia que ao longo dos
ciclos económicos (tal como veremos em detalhes mas a frente) uma das
consequências do crescimento do PIB resulta na redução do desemprego, e o
inverso é válido. Logo a teoria estabeleceu que existe uma relação indirecta entre
estas duas variáveis.

Na literatura económica dificilmente se encontra um tópico que trata

exactamente sobre o tradeoff entre desemprego e o PIB2. Então porque chamar de
tradeoff esta relação? Porque ao longo dos tempos a medida que os economistas
foram observando o comportamento destas duas variáveis em análise, notou-se um
comportamento conflituante entre as duas variáveis, logo é compreensível dizer que
existe um tradeoff entre o PIB e o desemprego.

Obviamente o manuseamento pelos actores da política económica nestas

duas variáveis é derivado, visto que não podem ser manuseadas directamente 3,
assim sendo a escolha em aumentar ou diminuir o PIB ou o desemprego é
observável por meio das políticas económicas adoptadas. Por outra, um governo
não adoptaria politicas que de forma directa visem aumentar desemprego, porque
além dos motivos políticos, sociais e morais; em economia, segundo Wonnacott &
Wonnacott (2004), um dos objectivos das metas económicas é criar um alto nível de
emprego. E segundo Samuelson & Nordhaus (2005), a redução do desemprego
constitui um dos três objectivos macroeconómicos principais de um governo ou
estado.

1.2. Flutuações na actividade económica como causa do tradeoff entre o

PIB e o desemprego

A história económica mostra que a economia nunca cresce segundo um

padrão contínuo e constante. Um país pode beneficiar de vários anos de expansão e
prosperidade económicas excitantes. Mas, este período, pode ser seguido de uma
recessão, ou mesmo de uma crise financeira, ou, em raras ocasiões, de uma
depressão prolongada (Samuelson & Nordhaus, 2005). Essas variações da

2
Tal como acontece por exemplo entre o desemprego e a inflação. Cuja o estudo e descoberta valeu uma das
maiores descobertas da ciência económica no século XX, denominada actualmente por curva de Plilips de curto
prazo.
3
Tal como acontece por exemplo com as políticas monetária e fiscal de um país.
8
actividade económica surgem e são conhecidas como ciclos económicos (Nabais &
Ferreira, 2012). Então o produto nacional diminui, os lucros e os rendimentos reais
diminuem e a taxa de desemprego salta para níveis inaceitavelmente elevados,
quando legiões de trabalhadores perdem os seus empregos (Samuelson &
Nordhaus, 2005).

É comum em economia se confundir o conceito de um ciclo económico com o

conceito de uma crise económica. Embora estejam interligados, numa linguagem
económica técnica, os conceitos são distintos um do outro.

Segundo o professor Irueste (1999) no dicionário abreviado de economia

define crise económica como ser a ruptura do equilíbrio entre a oferta e a procura de
bens e serviços, que dá origem a uma fase de depressão da conjuntura económica.
Ainda segundo Irueste, (1999) na mesma obra explica que os ciclos económicos são
as flutuações do nível da actividade económica (normalmente representado pelo
rendimento nacional) segundo um modelo ou comportamento regular ou habitual,
em que uma expansão da actividade é seguida de uma contracção, que se alteram
no decurso da trajectória a longo prazo da produção ou rendimento. Assim pode-se
perceber que tal como evidenciado por Samuelson & Nordhaus, (2005) e Nobais &
Ferreira (2012) os ciclos económicos são flutuações do produto e do emprego
nacionais, cuja as depressões é que vão constituir as crises económicas por ser o
momento que a economia apresenta os sinais de uma crise económica como por
exemplo o desajuste do equilíbrio entre a oferta e a procura e um elevado nível de
desemprego.

Tal como mencionado pelos autores: Samuelson & Nordhaus (2005), Mankiw
(2010) e Nabais & Ferreira (2012) os ciclos passam normalmente pelas seguintes
fases: Pico ou prosperidade; contracção ou recessão; depressão e expansão. O
gráfico a seguir espelha a posição de cada uma dessas fases ao longo dos ciclos.

9
Gráfico 1. Gráfico ilustrativo dos cículos económicos
2

Pico
1,5

Pico Expansão
1 Recessão
contracção
pico Expansão
0,5
Depressão
Expansão
0
A1 A2 A3 A4 A5 A6 A7 A8 A9 A10A11A12A13A14A15A16A17A18A19A20
-0,5 contracção

-1
Depressão

-1,5 PIB

Fonte: (Samuelson e Nordhaus, 2005, pag 409).

 Picos ou prosperidade corresponde ao valor mais elevado da fase de

expansão (Nabais & Ferreira, 2012). Os picos e as recessões marcam
os pontos de viragem dos ciclos (Samuelson & Nordhaus, 2005).
 Contracção ou recessão é um período contínuo de declínio do produto,
do rendimento, e emprego, normalmente perdurando de seis meses a
um ano e caracterizado pelas contracções alargadas a muitos sectores
da economia (Samuelson & Nordhaus, 2005).
 Depressão é ponto que corresponde ao valor mais baixo da fase de
recessão, em que se regista taxa mais baixa; a economia esta em
depressão quando se atinge o menor crescimento do PIB (Nabais &
Ferreira, 2012). E segundo Wonnacott & Wonnacott (2004), Uma
depressão existe quando a taxa de desemprego permanece alta
durante um longo período.
 As expansões são imagens simétricas das recessões (Samuelson &
Nordhaus, 2005).

Segundo Mankiw (2010) os deslocamentos da demanda agregada e da oferta

agregada constituem as duas causas básicas dos ciclos económicos. Porem

10
Samuelson & Nordhaus (2005) entendem que as causas dos ciclos podem ser
exógenas ou internas ao sistema económico.

As teorias exógenas encontram a raiz do ciclo económico nas flutuações dos

factores exteriores ao sistema económico – nas guerras, revoluções e eleições; nos
preços do petróleo, nas descobertas de ouro, e nas migrações; nas descobertas de
novas terras e recursos; nas descobertas científicas e nas inovações tecnológicas;
até mesmo nos pores-do-sol, na mudança climática e no estado do tempo
(Samuelson & Nordhaus, 2005).

Pelo contrário as teorias internas procuram mecanismos do interior do próprio

sistema económico que dá origem aos ciclos económicos que se geram a si próprios
(Samuelson & Nordhaus, 2005). Nesta abordagem, todas as expansões geram
recessões e contracções e todas as contracções geram recrudescimento e
expansão, numa cadeia quase regular, repetitiva.

Assim algumas consequências dos ciclos nos períodos de contracção,

depressão ou precisamente nas crises económicas são:

 Com frequência, as compras dos consumidores reduzem

acentuadamente, enquanto as existências de bens duráveis aumentam
inesperadamente (Samuelson & Nordhaus, 2005), (Nabais & Ferreira,
2012). A medida que as empresas reagem cortando a produção, o PIB
real cai (Samuelson & Nordhaus, 2005). Pouco depois, o investimento
das empresas em edifícios fabris e equipamentos também se reduz
acentuadamente (Samuelson & Nordhaus, 2005), (Nabais & Ferreira,
2012);
 A procura de trabalhadores por parte das várias entidades produtivas
diminui: redução dos horários, seguida de dispensas temporárias e de
maior desemprego (Samuelson & Nordhaus, 2005), (Nabais & Ferreira,
2012);
 Com a redução do consumo apesar, da redução da produção, a
inflação abranda (Samuelson & Nordhaus, 2005) (Nabais & Ferreira,
2012);

11
  Os lucros das empresas reduzem-se acentuadamente; as cotações
das acções caem quando os investidores sentem que a economia esta
nos preliminares da queda (Samuelson & Nordhaus, 2005), (Nabais &
Ferreira, 2012).
 Devido à redução da procura de crédito, as taxas de juro geralmente
também diminuem na recessão (Samuelson & Nordhaus, 2005)
(Nabais & Ferreira, 2012).

Segundo Mankiw (2010), com essas consequências identificadas, pode se

gerar três factos irrefutáveis que formam características comuns nos ciclos
económicos:

1º Os ciclos económicos são irregulares e imprevisíveis. As flutuações

económicas ou ciclos económicos são frequentemente chamadas ciclo de negócios.
Como sugere a expressão, as flutuações económicas correspondem a mudança nas
condições dos negócios (Mankiw, 2010). A expressão ciclo de negócios, entretanto,
pode dar uma ideia enganosa, porque sugere que as flutuações económicas
seguem um padrão regular e previsível. Na verdade, as flutuações económicas não
são regulares e são quase impossíveis de se prever com precisão (Samuelson &
Nordhaus, 2005) e (Mankiw, 2010).

2º A maioria das variáveis macroeconómicas flutua conjuntamente. O PIB real

é a variável mais usada para monitorar variações de curto prazo na economia
porque é a medida mais abrangente da actividade económica. Ocorre que para
monitorar as flutuações de curto prazo, não importa realmente a medida de
actividade económica que utilizamos (Mankiw, 2010). A maioria das variáveis
macroeconómicas que medem algum tipo de renda, despesas ou produção flutua de
maneira bastante próxima (Mankiw, 2010). Quando o PIB real cai durante uma
recessão caem também a renda pessoal, os lucros das empresas, as despesas de
consumo, as despesas de investimento, a produção industrial, as vendas. Como as
recessões são fenómenos que afectam a economia, elas aparecem em muitas
fontes de dados macroeconómicos (Mankiw, 2010). Embora muitas variáveis
macroeconómicas flutuem juntas, as flutuações se dão em medidas diferentes
(Mankiw, 2010).

12
 3º Com a queda na produção, o desemprego cresce. As variações na
produção de bens e serviços da economia são estreitamente correlacionadas com
variações na utilização da força de trabalho na economia. Em outras palavras,
quando o PIB real cai, a taxa de desemprego aumenta (Samuelson & Nordhaus,
2005), (Mankiw, 2010). Esse facto não surpreende: quando as empresas decidem
produzir uma quantidade menor de bens e serviços demitem trabalhadores,
aumentando o número de pessoas desempregadas (Mankiw, 2010).

A partir das cinco consequências e dos três factos irrefutáveis dos ciclos
económicos o que se esta a tentar explicar é a raiz do possível tradeoff estabelecido
entre o PIB e o desemprego na economia. Quanto maior for a tendência do PIB
crescer, maior é a tendência do desemprego baixar, e o contrário é válido.

1.3. O PIB como medida da actividade económica

1.3.1. Conceitos

Como a saúde da economia afecta profundamente a todos, as mudanças das

condições económicas são muito noticiadas pela mídia. Os órgãos de difusão como
jornais, a rádio e a TV apresentam frequentemente alguma nova estatística sobre a
economia. Fazem-no especificando a renda total de todas as pessoas da economia,
a taxa de inflação, a taxa de desemprego, déficit comercial. Todas essas estatísticas
são macroeconómicas (Wonnacott & Wonnacott, 2004). Em vez de dizerem algo
sobre uma família, uma empresa específica ou mercado, indicam algo sobre toda a
economia.

Conforme Wonnacott & Wonnacott (2004), normalmente ao se julgar a

situação económica de uma pessoa, olhar-se primeiramente para a sua renda. Uma
pessoa com renda elevada tem mais facilidade para pagar pelos bens necessários e
supérfluos que existem. Não é de surpreender que as pessoas de renda elevada
desfrutem de melhor padrão de vida. A mesma lógica se aplica à economia de um
país. Ao julgar, se uma economia vai bem ou mal, é natural examinar a renda total
obtida por todos os membros da economia.

É neste sentido que o Produto nacional vem a ser o valor em unidades

monetárias (de qualquer moeda monetária como o dólar americano por exemplo)

13
dos bens e serviços finais produzidos durante o ano numa dada economia
(Wonnacott & Wonnacott, 2004).

Para a medição produto de uma dada economia em contas nacionais podem

ser usados os indicadores económicos como o PIB ou PNB.

Segundo Samuelson & Nordhaus (2005), contas nacionais são um conjunto

de estatísticas que permitem aos decisores políticos determinar se a economia está
em contracção ou expansão e se há ameaça de uma grave recessão ou inflação.

Quanto aos conceitos de PIB e PNB pode se encontrar na literatura definições

muito simples como a de Irueste (1999) que se refere ao PIB como ser o produto
interno bruto, cuja sigla na língua inglesa é dada por GDP (gross domestic product).
E o PNB como produto nacional bruto, cuja sigla em inglês é dada por GNP (gross
national product). Já autores como Samuelson & Nordhaus (2005), Mankiw (2010) e
Santos et all (2010), são mais profundos e específicos e conceituam o PIB como ser
o valor de mercado de todos bens e serviços finais produzidos em um país, em um
dado período de tempo. Por outra Samuelson & Nordhaus (2005), afirmam que o
PNB é uma alternativa do produto nacional, amplamente utilizado até há pouco
tempo. Pelo que Nabais & Ferreira (2012), define o PNB como o montante da
produção realizada por unidades produtivas nacionais, mesmo que utilizem os
factores produtivos fora do território económico. Assim a diferença existente entre
PIB e PNB reside no facto de: o PNB é o produto total produzido com o trabalho ou
capital propriedade de residentes de um dado país; enquanto o PIB, é a produção
realizada com o trabalho e capital localizados no interior desse país (Samuelson &
Nordhaus, 2005).

Quanto ao conceito do PIB, alguns aspectos a ele inerentes que não são
abordados mais a frente saltam a vista e devem ser esclarecidos:

 O PIB ser a soma de todos “bens e serviços”. O PIB inclui tanto os

bens tangíveis quanto os serviços intangíveis. Por exemplo: quando se
compra um CD de uma banda, se esta comprando um bem, e o preço
de compra faz parte do PIB; quando se paga para assistir a um show
da mesma banda, está se comprando um serviço, e o preço do
ingresso também faz parte do PIB (Mankiw, 2010).

14
  O PIB ser a soma dos “bens finais”. Segundo Mankiw (2010), o PIB usa
somente o valor dos bens finais. A razão é que o valor dos bens
intermediários já está incluído no preço dos bens finais. Somar o valor
de mercado dos bens intermediários ao valor dos seus respectivos
bens finais seria uma dupla contagem, ou seja, contar duas vezes
(incorrectamente) o mesmo bem. Uma excepção importante a esse
princípio surge quando um bem intermediário é produzido e, em vez de
ser usado, é acrescentado ao estoque de bens de uma empresa para
ser usado ou vendido em uma outra data posterior. Neste caso, o bem
intermediário é considerado “final”, nesse momento, e seu valor como
investimento em estoque é incluído como parte do PIB. Portanto, os
acréscimos ao estoque são somados ao PIB; quando o bem em
estoque for mais tarde, utilizado ou vendido, as reduções do estoque
serão subtraídas do PIB.

Segundo Samuelson & Nordhaus (2005), ainda que o PIB e as restantes

contas nacionais pareçam conceitos arcaicos, contam-se de facto entre as grandes
invenções do século XX. Tal como os satélites no espaço podem pesquisar a
situação meteorológica de todo um continente, assim o PIB pode dar uma imagem
global do estado da economia (Samuelson & Nordhaus, 2005).

Na presente pesquisa foi usada a quantificação do produto pelo PIB4 por ser o
mais usual entre economistas, mídia social e público em geral. Dizia o economista
angolano Rosado (2017) em uma palestra realizada na Faculdade de Economia da
UJES-Huambo, se duas economias encontrassem uma a outra e decidissem
conhecer-se, provavelmente em vez de se perguntarem os seus nomes, talvez
perguntariam uma a outra, qual é o seu PIB? Pretende-se com isso esvaecer
qualquer discussão sobre o melhor indicador, e o mais representativo; porque essas
questões não fazem parte dos objectivos da pesquisa.

1.3.2. Algumas abordagens inerentes ao PIB

Numa economia moderna produz-se uma variedade de bens e serviços. Uma

das maneiras de avaliar o desempenho da economia é através da medição da

4
Para se mais específico vai se usar a quantificação feita pelo PIB real.
15
produção agregada de bens e serviços. É claro que a medida da produção total não
da uma visão completa do bem-estar da nação. Quando se adquire mais e mais
bens, não esta necessariamente tornando as pessoas mais realizadas ou mais
felizes. Outras coisas também são importantes, como o sentido de participação que
vem do trabalho diário e qualidade do meio ambiente (Mankiw, 2010). Entretanto, o
volume total do que é produzido é uma das importantes medidas do sucesso
económico (Wonnacott & Wonnacott, 2004).

A grande variedade de produtos coloca um problema: como agrega-los numa

única medida de produto nacional? Como somar produtos diferentes? Os preços de
mercado fornecem uma resposta. Se uma dúzia do produto é vendida a 100 u.m e
uma dúzia do produto a 20 u.m, o mercado está indicando que uma dúzia de
custa cinco dúzias de . Quando são usados os preços de mercado, e podem
ser somados e comparados, então a mesma forma pode ser valida para todos bens
e serviços passiveis de serem transaccionados no mercado.

Os preços em u.m fornecem uma base satisfatória para o cálculo do produto

nacional num ano qualquer (Santos, Pina, Braga, & Aubyn, 2010). Porém, segundo
Wonnacott & Wonnacott (2004), se o desejo é avaliar o desempenho da economia
durante vários anos, levanta-se um segundo problema: a inflação altera o valor da
u.m para menos, e a deflação, infrequente, o altera para mais.

Tal como Wonnacott & Wonnacott (2004) referenciam, à medida que os anos
passam, o valor de mercado do produto nominal pode crescer por dois motivos
bastante diversos:

 Primeiro, a quantidade dos bens e serviços podem aumentar. Este

aumento é desejável, uma vez que coloca no mercado mais bens e
serviços à disposição;
 O segundo, os preços desses mesmos bens e serviços pode aumentar.
Este aumento é indesejável, pois mostra o fracasso (ou insucesso) na
batalha contra a inflação. Para julgar o desempenho da economia, é
essencial separar o incremento desejável na quantidade de produto do
incremento indesejável nos preços.

16
 Para fazer isso usa-se um índice de preços, o qual é calculado a partir dos
preços médios entre o ano base e o ano de referência e é usado para medir a
inflação. Uma vez que se tem este índice de preços, pode ser usado para
deflacionar o PIB a preços correntes e calcular o PIB real, ou a preços constantes
(Santos, Pina, Braga, & Aubyn, 2010).

Por causa da problemática da inflação o PIB pode ser nominal ou real. É

nominal quando é medido a preços correntes, isso é; pelos preços prevalecentes no
mercado na época de sua realização. É real quando é medido a preços constantes,
isso é aos preços prevalecentes com um ano-base específico.

O PIB mede duas coisas ao mesmo tempo: a renda total de todas as pessoas
da economia e a despesa total com os bens e serviços produzidos na economia. O
PIB consegue medir tanto a renda total quanto a despesa total porque, na verdade,
as duas são a mesma coisa. Para a economia como um todo, a renda deve ser igual
à despesa. Segundo Mankiw (2010), essa afirmação é verdadeira, a renda de uma
economia é igual à despesa porque cada transacção envolve duas partes: um
comprador e um vendedor. Cada u.m de despesa de algum comprador corresponde
a uma u.m de renda para um vendedor. Assim, cada transacção contribui igualmente
para a renda da economia e para a despesa do país.

De forma simplificada se pode ver com mais clareza a igualdade entre renda
e despesa por meio do diagrama de fluxo circular representado na ilustração 1.
Segundo Mankiw (2010), esse diagrama descreve todas as transacções que
envolvem as famílias e as empresas de uma economia simples. Pode se simplificar
as coisas supondo que todos os bens e serviços são comprados por famílias e que
elas gastam toda a sua renda. Nessa economia, as famílias compram bens e
serviços das empresas; essas empresas fluem através dos mercados de bens e
serviços. As empresas, por sua vez, usam o dinheiro que recebem pelas vendas
para pagar salários aos trabalhadores, alugueis aos proprietários da terra e lucros
aos proprietários das empresas; essa renda flui através dos mercados de factores
de produção. Nessa economia, o dinheiro flui continuamente das famílias para as
empresas e destas para as famílias (Maia, 2015).

17
Ilustração 1. Diagrama de fluxo circular de uma economia

Fonte: (Mankiw , 2010, pag 491).

Segundo (Maia, 2015), este fluxo monetário é medido pelo PIB, que pode ser
calculado de duas maneiras: somando a despesa total das famílias ou somando a
renda total (salários, aluguéis e lucros) paga pelas empresas. Como qualquer
despesa da economia acaba como renda de alguém, o PIB é o mesmo,
independentemente do método de cálculo escolhido.

Tal como referenciado por Mankiw (2010), a economia real, naturalmente, é

mais complicada do que a representada na ilustração 1. Em particular, as famílias
não gastam toda a sua renda. Elas entregam parte ao governo sob a forma de
impostos e poupam parte para algum uso futuro. Além disso, as famílias não
compram todos os bens e serviços produzidos na economia. Alguns bens e serviços
são comprados pelos governos e outros por empresas que planejam usá-los no
futuro para produzir seus produtos. Mas a lição é a mesma: independentemente de o
comprador do bem ou serviço ser uma família, um governo ou uma empresa, a
transacção terá um comprador e um vendedor. Assim, para a economia como um
todo, a despesa e a renda são sempre iguais (Mankiw, 2010).

1.3.3. Os componentes do PIB

A despesa na economia assume diversas formas. O PIB inclui todas formas

18
de despesas em bens e serviços produzidos internamente (Mankiw, 2010). Segundo
Nabais ett all (2012), para entender como a economia está usando seus recursos
escassos, os economistas estudam a composição do PIB, e dividem-no em quatro
componentes: consumo , investimento , compras do governo e
56
exportações liquida :

Para Mankiw (2010), Esta equação é uma identidade – uma equação que
deve ser verdadeira a propósito de como as variáveis na equação são definidas.
Nesse caso, como cada u.m de dispêndio no PIB é colocado em um dos quatro
componentes do PIB, a soma dos quatro componentes deve ser igual ao PIB.
Vamos analisar cada um desses quatro componentes com maior detalhe:

 O consumo representa a despesa das famílias em bens e serviços,

exceptuando a compra de imóveis residenciais (Wonnacott &
Wonnacott, 2004).
 O investimento é constituído pelos dispêndios em equipamentos de
capital, estoques e estruturas, incluindo a compra de novos imóveis
residenciais pelas famílias (Mankiw, 2010).
 As compras do governo representam os gastos feitos pelos governos
para a provisão de bens públicos (Nabais & Ferreira, 2012).
 As exportações líquidas representam as despesas feitas por parte de
estrangeiros em bens produzidos internamente (exportações) menos
as despesas feitas em bens estrangeiros por parte de residentes
internos (importações) (Mankiw, 2010).

Como se pode ver pelas componentes do PIB, este não é uma variável
unicamente dependente da variável desemprego, inclusive o desemprego nem é
uma variável principal na composição do PIB. O desemprego acaba reflectido no PIB
porque tal como mencionado antes o produto=despesa=rendimento, e segundo

5
É comum em alguns livros de economia, macroeconomia ou relacionados ao assunto, encontrar a palavra
exportações denotada como X. E a palavra importações como M.
6
Igualmente, tal como a literatura denotou um símbolo para o PIB, também denota as palavras: consumo,
investimento, gastos e Exportações líquidas; com as suas iniciais. O mesmo acontece com outras palavras ou
símbolos inerentes às equações ou identidades económicas.
19
Nabais & Ferreira (2012), o rendimento = despesa porque os rendimentos auferido
pelos elementos das unidades de consumo, que fornecem trabalho e iniciativa às
unidades de produção, são iguais às despesas de consumo. Por essa linha de
pensamento, o desemprego acaba sendo também um componente essencial do
PIB. Inclusive na ilustração 1 o diagrama de fluxo circular apresenta a maneira como
o desemprego sendo o antónimo do factor de produção trabalho acaba contribuindo
para formação do PIB de uma economia.

1.3.4. O PIB como medida de bem-estar económico

O PIB mede tanto a renda total quanto a despesa total da economia em bens
e serviços. Assim, o PIB per capita7 retrata a renda e das despesas do individuo
médio na economia. Como a maioria das pessoas preferia ter maior renda e
desfrutar de uma despesa maior, o PIB per capita é uma medida natural do bem-
estar económico do individuo médio (Wonnacott & Wonnacott, 2004).

Algumas pessoas, entretanto, contestam a validade do PIB como medida de

bem-estar. Mankiw (2010), apresenta o discurso do senador Robert Kennedy
quando concorreu à presidência, em 1968, e fez uma comovente crítica a respeito
das medidas económicas:

(O PIB) não leva em consideração a saúde das nossas crianças, a qualidade

de sua educação ou a felicidade de suas brincadeiras. Não inclui a beleza da
poesia nem a solidez dos nossos casamentos, a inteligência do nosso debate
público ou a integridade dos funcionários públicos. Não mede nem nossa
coragem, nem nossa sabedoria, nem nossa devoção ao país. Em resumo,
mede tudo, excepto aquilo que faz a vida valer a pena, e pode nos dizer tudo
sobre a América, excepto a razão pela qual nos orgulhamos de ser
americanos. (Robert Kennedy, 1968 apud Mankiw, 2010).

Muito do que Robert Kennedy disse está correcto. Então porque se preocupar
com o PIB? A resposta é que um PIB elevado ajuda, de fato, a levar uma vida
confortável. O PIB não mede a saúde das crianças, mas países com PIBs maiores
podem arcar com o custo de um melhor atendimento de saúde para suas crianças.
O PIB não mede a qualidade da educação, mas países com PIBs maiores podem ter

7
PIB per capita é o valor do PIB de uma economia dividido pelo número da população habitante deste país.
20
sistemas educacionais melhores. Ele não mede a beleza da poesia, mas países com
PIBs maiores podem ensinar mais cidadãos a ler e a apreciar a poesia. O PIB não
leva em conta a inteligência, integridade, coragem, sabedoria ou devoção ao país,
mas todos esses louváveis atributos são mais fáceis de desenvolver quando as
pessoas estão menos preocupadas em garantir as necessidades materiais da vida.
Em suma, o PIB não mede directamente as coisas que fazem a vida valer a pena,
mas mede capacidade de obter os insumos para uma vida que valha a pena
(Mankiw, 2010).

Segundo Samuelson & Nordhaus (2005), o PIB não é uma medida perfeita de
bem-estar. Algumas coisas que contribuem para uma boa vida ficam de fora dele.
Uma delas é o lazer. Mankiw (2010), chama atenção para um exemplo onde se
supõe que todas as pessoas da economia subitamente começam a trabalhar todos
os dias da semana, em vez de desfrutar de lazer nos finais de semana. Mais bens e
serviços seriam produzidos e o PIB aumentaria. Mas, apesar do aumento do PIB,
não se poderia concluir que todos estariam em melhor situação. A perda de bem-
estar decorrente da redução do lazer seria compensada pelos ganhos de bem-estar
decorrentes da produção e do consumo de uma maior quantidade de bens e
serviços.

1.3.4. Economia subterrânea, uma limitação do PIB

Como o PIB usa os preços de mercado para avaliar bens e serviços, nele é
desconsiderado o valor de quase todas as actividades que ocorrem fora dos
mercados. Muitas actividades económicas úteis ocorrem fora do mercado. Por
exemplo, os estudantes universitários estão a investir em capital humano. As contas
nacionais registam as propinas, mas omitem os custos de oportunidade dos
rendimentos que deixariam de ser ganhos. Segundo Mankiw (2010), estudos
indicam que a inclusão de investimentos que ocorrem fora do mercado em educação
e noutras áreas duplicariam, ou mais, a taxa de poupança nacional.

Similarmente, muitas actividades das famílias produzem bens e serviços com

o valor de “quase mercado”, como refeições, lavagem de roupas e cuidar de
crianças. Estimativas indicam que o valor do trabalho não pago das famílias poderá
ser quase 50% do total do consumo de mercado (Samuelson & Nordhaus, 2005).

21
 E quanto a muitas actividades da economia subterrânea que cobrem uma
grande variedade de actividades de mercado que não são reportadas à
administração pública? Nesta não contam-se actividades como o jogo, a
prostituição, o tráfico de drogas, o trabalho exercido por emigrantes ilegais, a troca
de serviços e o todo o movimento não registado. Segundo Mankiw (2010), de facto,
muita actividade subterrânea é intencionalmente excluída porque o produto nacional
exclui actividades ilegais; por censo social estes são “males” e não “bens”. Um
volumoso comércio de cocaína não entra no PIB. Para outras, não ilegais mas
apenas não declaradas, como gorjetas.

Tal como mencionado por Mankiw (2010), outra coisa que o PIB exclui é a
qualidade do meio ambiente. O mesmo autor traz a seguinte ilustração: Imagine que
o governo elimine todas as regulamentações ambientais. As empresas poderiam,
então, produzir bens e serviços sem levar em consideração a poluição que criam, e
o PIB poderia aumentar. Mas o bem-estar provavelmente diminuiria. A deterioração
da qualidade do ar e da água mais do que contrabalançaria os ganhos decorrentes
da maior produção.

O PIB também não diz nada a respeito da distribuição da renda. Uma

sociedade em que 100 pessoas tenham renda anual de 50 mil u.m tem um PIB de 5
milhões e, o que não é surpreendente, um PIB per capita de 50 mil. O mesmo se dá
em uma sociedade em que 10 pessoas ganhem, 500 mil u.m cada e 90 sofram sem
ganhar nada poucas pessoas olhariam para essas duas situações e diriam que são
equivalentes (Mankiw, 2010). O PIB per capita nos diz o que acontece com a pessoa
média, mas por trás da média existe uma ampla variedade de experiencias
individuais.

1.4. O desemprego

O desemprego constitui um dos problemas mais antigos da economia. De

lembrar que a escola fisiocrata, uma das mais antigas escolas da ciência económica
já debruçou sobre o desemprego e apresentou o que era sua visão para a resolução
do problema. Afinal são muitas as lembranças sobre a cadeira de “história do
pensamento económico”, especialmente quando abordava-se sobre o
posicionamento dos economistas fisiocratas; defendiam a prática dos salários baixos

22
para reduzir a ociosidade e promover a participação da força de trabalho (Brue,
2006).

Porem ao se falar do desemprego há que prestar atenção em alguns

aspectos de língua. A palavra desemprego é antónima da palavra emprego, que em
economia é normalmente usada para denotar o factor de produção fornecido pela
força física ou mental de pessoas (mão de obra). Por essa razão as suas
abordagens facilmente se confundem. Por exemplo quando um político apresenta
um programa de governação que inclua o combate ao desemprego, implicitamente
se percebe que ele pretende aumentar o número de vagas de trabalho no país,
autarquia, etc. ou seja pretende aumentar o nível de emprego. Assim sendo o
desemprego é antónimo a emprego. Pelo que o crescimento do emprego implica,
proporcionalmente a decrescimento do desemprego, e o inverso é válido. E para que
exista emprego tem de existir proporcionalmente vínculos laborais, o inverso é
válido.

1.4.1. O problema do desemprego na actualidade

Segundo Maréchal (2000), desde os anos de 1980 que a situação do

emprego nos países ocidentais não para de se degradar e esta degradação toma a
forma do aumento, em proporções variáveis conforme os estados do desemprego,
da inactividade parcial e da exclusão. O mesmo autor referencia ainda que se estes
três fenómenos têm de ser tidos em conta simultaneamente é porque o problema do
emprego constitui uma questão multidimensional e avalia-lo apenas pelo ponto de
vista económico significa desprezar franjas importantes da população que se
encontram em situações intermédias entre o emprego, a inactividade e o
desemprego.

Segundo Trevisan (2010), esta multidimensionalidade num acto económico

surge no confronto entre a finitude do mundo e o carácter infinito e proteiforme das
necessidades humanas que reside a razão de ser da actividade económica. De
facto, perante recursos em quantidades finitas, os homens procuram melhorar a sua
condição produzindo e trocando bens e serviços destinados ao consumo ou à
produção. Uma actividade humana apresenta, pois, um aspecto económico quando
visar deste modo um objecto exterior a si mesmo e ao tentar atingi-lo pela
combinação de meios pertencentes às esferas humana (o trabalho) e natural (os
23
recursos e as capacidades purificadoras), o acto económico revela-se de natureza
multidimensional (Maréchal, 2000).

Segundo Maréchal (2000), desde o início da década de 1990, o tema do

emprego parecia exigir outro referencial analítico mais cuidadoso e segmentado,
porem atento a consequências sectoriais, menos generalizantes. Havia um ponto
comum nos diversos autores: além das variáveis conhecidas embutidas na equação
emprego/ciclo económico, esse novo referencial incluía mais uma: a tecnologia
(Dawbor, 2006)

A observação histórica de que as pressões sobre o nível do emprego

ocorriam sempre paralelamente a mudanças tecnológicas voltou a ser muito
mencionada em todos esses estudos. E principalmente que tais mudanças sempre
provocavam efeitos nas condições de trabalho e por isso tinha, responsabilidade
directa no nível de emprego (Brue, 2006). Esses termos históricos, essa
compreensão das consequências do uso da técnica é antigo. É um engano, por
exemplo, imaginar que esse tipo de constatação só ocorreu depois da revolução
industrial. A preocupação com as consequências do avanço tecnológico já aparece
de forma muito clara nas análises do pensamento mercantilista, em pleno século
XVIII. Colbert descrevia o trabalho poupado pela máquina como um inimigo do
trabalho; porem ao mesmo tempo que o ministro de Luís XIV se opunha à introdução
de qualquer maquinaria na indústria privada, ele favorecia ou impunha seu uso nas
empresas do governo, para encurtar o tempo gasto e poupar o custo (Brue, 2006).

Segundo Dawbor (2006), actualmente as nações unidas trabalham com o

conceito de jobless growth, que designa o novo desemprego que surge não da falta
de crescimento, mas do próprio crescimento. Podemos acrescentar a noção de
downsizing, que em geral constitui uma teoria delicada que explica por que esta
muita gente desempregada; a reengenharia, que cumpre funções semelhantes,
mostrando que há um alto nível de desemprego por uma boa razão científica de
management; ou ainda o conceito de lean and mean, literalmente “enxuta e
malvada”, que resume a visão actual de empresa eficiente e gera boa parte da
angústia que o ser humano por acaso empregado sente hoje. No conjunto, o fato de
teóricos indiscutivelmente competentes em suas áreas abrirem um leque tão amplo

24
de perspectivas mostra que a dúvida e insegurança sobre o futuro constituem a
única realidade palpável (Dawbor, 2006).

Os estudos empíricos ajudam, mas não resolvem. Há hoje um número muito

significativo de pesquisas sobre emprego, e desemprego, estudos de dinâmicas
económicas sectoriais e regionais, e nunca tivemos tantas cifras. Também nunca
estivemos tão confusos (Dawbor, 2006). Segundo (Maréchal, 2000), quando as
transformações atingem um ritmo e uma profundidade de maiores proporções, os
próprios conceitos, as ferramentas de análise de que dispomos, tendem a tornar-se
inadequados. No entanto, a diversidade e complexidade dos subsistemas que
surgem apontam para a necessidade de entender as razões, e estas residem em
grande parte na transformação dos processos produtivos, das relações de poder, na
cultura do trabalho (Maréchal, 2000).

Segundo Dawbor (2006), o principal motor das transformações é

seguramente a revolução tecnológica que vivemos. Essa revolução actual não é
mais de infra-estrutura, como a ferrovia ou o telégrafo, ou de máquinas, como o
automóvel e o torno, mas de sistemas de organização do conhecimento. É a própria
máquina de inventar e renovar tecnologias que esta sendo revolucionada. Isso gera
um deslocamento acelerado das formas pelas quais nos vinculamos com o processo
de mudar o mundo. Muda o conceito de trabalho. Em princípio, fazer mais coisas
com menos esforço não parece problema, e sim solução. Entretanto, na ausência
das mudanças institucionais correspondentes, a tecnologia termina por privilegiar
minorias e gerar exclusão e angustia na maioria (Dawbor, 2006).

Para Dawbor (2006), a inserção desigual nos processo modernizados e

globalizados de produção gerou o maior drama social que o planeta já enfrentou em
sua história. Hoje enquanto ficamos falando da crise financeira, em todo mundo 1,3
bilhão de pessoas subsistem com menos de 1 USD por dia; 3 bilhões carecem de
serviços de saneamento, e 2 bilhões não têm electricidade (Dawbor, 2006). Segundo
o discurso do presidente do Banco Mundial J. Wolfensohn, perante a junta de
governantes da entidade no fórum social mundial; essa “fractura social mundial” que
nos desarticula em termos não só políticos e sociais, mas também económicos, está
se tornando o problema central do planeta” (J. Wolfensohn Apud Dawbor, 2006).
Com isso, a própria função do emprego muda: de uma visão meramente

25
produtivista, evoluiu para um entendimento melhor da estruturação social que o
trabalho assegura. “Não é uma visão nova para nós, que clamamos há décadas pela
humanização dos processos económicos” (Dawbor, 2006). O interessante aqui é a
amplitude das esferas que começam a tomar consciência de que não se deixa
impunemente mais da metade da população mundial na privação e no desespero. A
crise a partir de certo nível, é democrática e atinge a todos (Maréchal, 2000).

1.4.2. O desemprego como um problema económico

O problema do desemprego apesar de ser antigo, em economia ainda não é

uma variável simples de lidar ou manipular. Segundo Samuelson & Nordhaus (2005)
o trabalho é mais que um factor de produção abstracto, os trabalhadores são
pessoas que querem bons empregos com salários elevados de modo a que possam
comprar as coisas que precisam e desejam, os trabalhadores precisam de comer;
mas também têm sentimentos, de modo que se preocupam tanto com a quantidade
como com a qualidade.

Para Maia (2015) a questão do desemprego e da inflação encontram-se entre

os mais citados temas de reflexão na economia. Segundo o mesmo autor apesar
dos custos do desemprego serem muito elevados, por mais que se contabilizem os
dólares perdidos, eles não reflectem suficientemente os prejuízos humanos, sociais
e psicológicos que podem advir de períodos de desemprego involuntário persistente.
Estudos feitos sobre o desemprego indicam que ele conduz simultaneamente a
deterioração da saúde física e mental (Samuelson & Nordhaus, 2005).

Porem antes de avançar na abordagem do presente subtema é importante

esclarecer conceitos.

 Visto que o desemprego constitui uma das palavras chaves da

pesquisa alguns esclarecimento sobre o mesmo é necessário. Atenda-
se que o desemprego o tem origem dependente da situação do
mercado de trabalho. O mercado de trabalho é o mercado no qual se
processa a compra e venda de serviços de mão-de-obra (Passos &
Nogami, 2012). Neste mercado os trabalhadores (o lado da oferta de
mão de obra) se defrontam com as empresas (o lado da demanda por
mão de obra) para, em processos de negociação, determinar os níveis

26
 salariais, as condições de trabalho e outras questões pertinentes à
relação capital-trabalho.
 A força de trabalho diz respeito aos indivíduos que vão constituir o
mercado de trabalho, mercado este que abastece as firmas em caso
de necessidade de mão-de-obra (Passos & Nogami, 2012).
 Empregados são as pessoas que desempenham qualquer trabalho
remunerado, bem como aquelas que têm empregos mas estão
ausentes por motivos de doenças, greves ou férias (Samuelson &
Nordhaus, 2005).
 Em economia, uma pessoa está desempregada se tem capacidade e,
embora procure, não encontra emprego (Wonnacott & Wonnacott,
2004).
 Trabalho é o nome dado a todo esforço humano, físico ou mental,
despendido na produção de bens e serviços (Passos & Nogami, 2012).
O tamanho da população estabelece para esse factor de produção um
limite em termos de quantidade. Entretanto, importa também a
quantidade do trabalho. Sabe-se que duas pessoas que trabalham oito
horas por dia não são, necessariamente, igualmente produtivas. Por
essa razão, em qualquer país, a quantidade total do recurso
denominado trabalho também o é.

No subtema anterior foram mencionados vários pontos de vista sobre o

desemprego, suas causas e suas ramificações. Assim pode-se levantar a questão:
atendendo os objectivos que a pesquisa tem, como vai se abordar todos os pontos
na presente pesquisa? Para responder a esta inquietação vamos a uma síntese
abordagem dos tipos de desemprego. Em economia existem quatro tipos de
desemprego:

 O desemprego sazonal. Ocorre em função da sazonalidade de

determinados tipos de actividade económica, tais como a agricultura e
turismo, e que acabam causando variações na demanda de trabalho
em diferentes épocas do ano (Passos & Nogami, 2012).
 O desemprego friccional. Verifica-se quando as pessoas se
desempregam e/ou movimentam com frequência entre empregos, à

27
 procura de um melhor emprego (Maia, 2015). Por outras palavras, este
tipo de desemprego é causado por dificuldades de equilíbrio de
mercado.
 O desemprego estrutural ou voluntário. Este tipo de desemprego é
composto por pessoas que, ao nível do salário verificado, não querem
trabalhar. Trata-se de pessoas que não encontram o tipo de trabalho
ou de remuneração que pensam ser suficiente para justificar o esforço
(Maia, 2015).
 O desemprego involuntário ou cíclico. Segundo Samuelson & Nordhaus
(2005) este tipo de desemprego existe quando a procura global por
trabalhadores é diminuta. Quando a despesa e o produto totais
diminuem, o desemprego aumenta praticamente em todo lado. Logo
este é o tipo de desemprego que encontra origem no desequilíbrio
entre a procura agregada e oferta agregada da economia.

Segundo Samuelson & Nordhaus (2005) A distinção entre desemprego

sazonal, cíclico, friccional e estrutural ajuda os economistas a diagnosticar o estado
de saúde geral do mercado de trabalho. Podem ocorrer elevados níveis de
desemprego sazonal, friccional, ou estrutural, ainda que o mercado de trabalho
global esteja em equilíbrio, quando, por exemplo, é grande a mudança de emprego
ou quando o salário mínimo demasiado elevado afasta certos grupos da população
activa. Porem o desemprego cíclico ocorre durante as recessões, quando o
desemprego cai em resultado de um desequilíbrio entre a oferta e a procura
agregadas (Samuelson & Nordhaus, 2005).

Para Passos & Nogami, (2012) é comum os economistas utilizarem o termo

pleno emprego, ao fazerem-no, não estão querendo dizer que o emprego seja zero.
Na verdade, haverá sempre uma taxa de desemprego, mesmo que haja pleno
emprego da força de trabalho. Essa taxa de desemprego de pleno emprego é dada
pela soma dos desempregos friccional, estrutural e sazonal. Denomina-se também
por taxa natural de desemprego (Maia, 2015). Segundo Samuelson & Nordhaus
(2005), os economistas dizem que o pleno emprego foi atingido quando o
desemprego cíclico for zero, e a taxa natural de desemprego for maior que zero, pois
existem os desempregos: friccional, estrutural e sazonal.

28
 Atendendo o tipo e objectivos da pesquisa. É sobre esse tipo de desemprego
(desemprego cíclico ou involuntário) que se vai observar e analisar na economia
angolana. Este rumo deve-se ao facto de que a pesquisa é revestida de um certo
carácter macroeconómico, e a abordagem dos outros tipos de desemprego
(friccional e estrutural) são revestidos de carácter microeconómicos, pelo que suas
análises e abordagem económicas são feitas dentro do campo da microeconomia.

1.4.2.1. A lei de Okun

Para Samuelson & Nordhaus (2005) o aumento da taxa de desemprego é a

consequência mais penosa de qualquer recessão. Quando o PIB diminui, as
empresas necessitam menos quantidade do factor trabalho, de modo que não são
contratados novos trabalhadores e os actuais são dispensados, o impacto pode ser
dramático. Ainda segundo Samuelson & Nordhaus (2005) verifica-se que o
desemprego varia inversamente ao produto ao longo do ciclo económico, este
movimento conjunto, foi identificado pela primeira vez em 1962 por Arthur Okun, é
conhecido por lei de Okun.

Segundo a Okun (1962, apud Samuelson & Nordhaus 2005), por cada 2% de
quebra do PIB relativamente ao PIB potencial8, a taxa de desemprego aumenta
cerca de 1 ponto percentual (Apud Samuelson & Nordhaus, 2005). Isso significa que
se o PIB começa a 100% do seu potencial e diminui para 98% do potencial, a taxa
de desemprego aumenta 1 ponto percentual.

Uma consequência importante da lei de Okun é que o PIB efectivo 9 tem de

crescer tão rapidamente quanto o PIB potencial para que a taxa de desemprego não
aumente (Samuelson & Nordhaus, 2005). Neste sentido, o PIB tem de continuar a
crescer para que o desemprego fique estagnado. Mais se a intenção for baixar a
taxa de desemprego, o PIB efectivo tem de crescer mais rapido que o PIB potencial.

Segundo Samuelson & Nordhaus (2005) A lei de Okun proporciona ligação

vital entre o mercado do produto e o mercado de trabalho. Descreve a associação

8
PIB potencial é o produto sustentável máximo que pode ser produzido sem que se desencadeie o aumento
das pressões inflacionárias (Samuelson & Nordhaus, 2005).
9
PIB efectivo é o valor real na do PIB na economia em contraste com o PIB potencial desta mesma economia.
29
entre os movimentos de curto prazo do PIB real e as variações do desemprego
(Samuelson & Nordhaus, 2005).

1.5. Características Particulares Da Economia Angola

A economia angolana é portadora de certas particularidades que devem ser

consideradas em pesquisas que visem aplicar teorias económicas em estudos de
indicadores económicos angolanos.

A economia angolana possui características típicas de economias africanas

emergentes, que são caracterizadas essencialmente pela exportação da maioria das
matérias-primas e importação de bens de consumo.

Na história económica de angola ao longo das suas fases encontra-se vários

ciclos de principais produtos que sustentavam a economia. Isso é, desde que há
registo (no período colonial) a economia angolana sempre vivenciou períodos ou
ciclos onde ficou dependente de três ou menos produtos principais de exportação
que dessa forma constituem ou constituíam produtos de base para a sustentação da
economia. Essas fases podem ser subdivididas da seguinte forma:

Tabela 1. Ciclos económicos e as respectivas etapas na história económica de

angola
Período Ciclo do principal produto de exportação

Período pré- colonial (até 1482) Não se verifica no território nacional a

existência de menos de três produtos
principais ao longo deste período afim.

Período colonial (1482 a 1975)
Ao longo das suas fases este período
conheceu os ciclos: do ouro, marfim e do
tráfico de escravos (1892 à 1910), ciclo do
milho (1911 à 1947) ciclo do café (1946 à
1972), ciclo do petróleo (1973 até os dias de
hoje).

Período pós colonial (1975 até hoje) Ciclo do petróleo (1973 até os dias actuais).

Fonte: Adaptado de Dilolwa, 2000.

30
Como se vê o ciclo do petróleo perdura desde 1973 até hoje. Dados do BNA (2017)
indicam que as exportações de petróleo representaram cerca de 94,7% do total das
exportações e 30.87% do PIB em 2017. Razão pela qual pode se dizer que a
economia angola é petro-dependente. Essa petro-dependência já várias vezes
mostrou sua ineficácia, todavia nenhuma foi ou é mais marcante que baixa do preço
do petróleo de 2015.

Em 2015 oferta mundial do petróleo aumentou consideravelmente, o preço do

barril de petróleo atingiu mínimas em quase 12 anos, sendo negociado abaixo de
US$ 30. A commodity encerrou 2015 com queda acumulada de 35% e iniciou 2016
ladeira abaixo; em Janeiro de 2016, quando atingiu o menor nível desde Junho de
2004 (BNA, Relatório e Contas 2016, 2018).

1.5.1. Implicações da baixa do preço do petróleo na economia angolana

A economia angolana deparou-se com vários obstáculos económicos no

decorrer do ano de 2015 em consequência da redução da cotação internacional do
Crude para cerca de metade comparando com a cotação média de 2014. Os
impactos estenderam-se a todos os sectores da economia visto que a exportações
de petróleo representavam cerca de 94,7% do total das exportações e 30.87% do
PIB. A taxa de inflação de 2015 homóloga aumentado 6,79 pontos percentuais face
a 2014, fixando-se nos 14,27% (7,48% em 2014). O Ministério das Finanças apontou
para uma diminuição da Despesa Total em 36,62% no mesmo ano e uma redução
da Receita Total de 30,64% para o OGE de 2015 (BNA, 2017).

Nos anos seguintes a depreciação da moeda nacional e o aumento

significativo da inflação foram se intensificando e gerando um conjunto de
consequências negativas na economia. No país onde a maior parte de bens
consumidos é importado. O aumento da inflação desacompanhado das
actualizações salariais teve grandes efeitos negativos.

Das várias consequências que esta crise económica tem acarretado para a
economia angolana, as mais contundentes tem sido a perda significativa do poder
de compra para a maioria da população, já para alguns tem sido mesmo a perda da
renda por meio da perda do emprego. Dados do INEA revelam que em 2015 a taxa

31
de desemprego era de 20%, este ano (2019) os dados INEA revelam que a taxa de
desemprego já atingiu os 28.8% da população activa.

É curioso que o sector dos petróleos no país é praticamente de onde parte a

crise que assola o país, crise esta que tem causado o crescimento do nível
desemprego no país, mas não é o sector que mais emprega10, porém atendendo o
seu peso no PIB, no OGE e nas exportações nacionais essa situação na economia
não constitui um comportamento estranho. Porque pelo peso que tem na economia,
o comportamento deste mercado (positivo ou negativo) tem a capacidade de criar
rapidamente um efeito dominó por toda a economia. por outra este senário no sector
dos petróleos pode mais uma vez confirmar as actuais tendências nas economias de
que; o crescimento económico não aponta necessariamente para o crescimento do
emprego.

Segundo relatório do SEIC-UCAN (2015), por este motivo a capacidade de

criação de emprego em Angola – reflectida na elasticidade emprego/rendimento
(PIB) pode ser relativamente baixa, para além de instável ao longo do tempo,
justamente devido ao grau de dependência do exterior e da fraca integração
económica interna.

Com a abordagem deste subtema é possível entender que a economia

angolana é vulnerável a ciclos com origens exógenas ao sistema, especialmente os
choques derivados do comércio internacional das matérias-primas, razão pela qual a
análise dos seus indicadores exigem especial atenção em análises dos seus
indicadores globais.

10
Segundo o relatório da universidade Católica de Angola (2015), apesar do peso do sector petrolífero na
economia, em 2013 este sector empregava apenas 0,39% da população empregada. Segundo o mesmo
relatório os sectores que mais despendiam maiores investimentos em capitais (o sector petróleos e de
electricidade) eram os que menos empregavam.
32
CAPITULO II – METODOLOGIA

A ciência tem como objectivo fundamental chegar à veracidade dos fatos.

Método é em suma um caminho para se chegar a determinado fim. Gil (2008) Define
método científico como o conjunto de procedimentos intelectuais e técnicos
adoptados para se atingir o conhecimento. Já Marconi & Lakatos (2003) afirmam
que, o método é o conjunto das actividades sistemáticas e racionais que, com maior
segurança e economia, permite alcançar o objectivo - conhecimentos válidos e
verdadeiros -, traçando o caminho a ser seguido, detectando erros e auxiliando as
decisões do cientista. Nesta senda pode-se extrair destas definições que a
especificação da metodologia de pesquisa abrange um determinado número de
itens, pois visa responder às questões: como? Com quê? Onde? E quanto?

O presente trabalho pode ser classificado quanto a forma de abordagem em

pesquisa quantitativa pois serão utilizadas ferramentas estatísticas para a análise
dos dados, e em pesquisa qualitativa, pois, a presente pesquisa apresenta um lado
descritivo. Assim sendo esta é uma pesquisa de estudo de caso feita a partir de
pesquisa bibliográfica, documental e de análise de dados obtidos do banco mundial
através do portal de The Global economy.com.

Como se viu no capítulo introdutório deste trabalho uma análise qualitativa,

nos dados em estudo podem revelar resultados equivocados, desfasados da
realidade e sem bases científicas.

Segundo Samuelson & Nordhaus, (2005), a economia baseia-se

frequentemente em análises e teorias, as abordagens teóricas permitem proceder a
amplas generalizações; porem desenvolveu-se técnica especializada conhecida por
econometria que aplica ferramentas estatísticas aos problemas económicos. No uso
da econometria o economista pode tratar de grandes quantidades de dados para
extrair relações simples. Por isso para o tratamento dos dados das variáveis em
estudo, vai se servir da econometria por meio da análise de regressão linear simples
para se extrair relações matemáticas ou estatísticas entre as variáveis em análise.

Porque a análise de regressão? A análise de regressão linear simples

segundo Oliveira et all (2011) é um instrumento útil para a análise da relação que se
estabelecem entre duas variáveis. Todo este processo é bastante importante no

33
estudo das reacções e tendências das variáveis económicas; na aferição dos testes
de possíveis decisões, na previsão, e na extracção de conhecimentos relevantes a
partir do conjunto de dados que se cruzam e entrelaçam diariamente na vida das
organizações e das empresas. Logo para o alcance dos objectivos da pesquisa este
revela-se um bom método para a prossecução dos objectivos da pesquisa.

Neste conjunto de pensamentos pode surgir uma questão; o que é

econometria? Segundo Gujarati & Porter (2011), em uma interpretação literal,
econometria significa medição económica. Isso se deve porque a palavra
econometria é formada por aglutinação de dois elementos, dos quais o primeiro,
econo, tem claramente a ver com economia, enquanto o segundo, metria, é derivado
do vocábulo grego para medida (Oliveira, Santos, & Fortuna, 2011). A etimologia da
palavra sugere, portanto que, a econometria se ocupa de problemas de medida e
quantificação em economia. Embora a medição seja uma parte importante da
econometria, seu escopo é muito mais amplo. Por esta razão por esta razão pode-se
extrair uma série de conceitos sobre econometria:

 Segundo Tintner (1968), a econometria é o resultado de determinada

perspectiva sobre o papel da economia, consiste na aplicação da
estatística matemática a dados económicos para dar suporte empírico
aos modelos formulados pela economia matemática e obter resultados
numéricos (apud Gujarati & Porter, 2011).
 Segundo Theil (1971), a econometria diz respeito a determinação
empírica das leis económicas (apud Gujarati & Porter, 2011).
 A econometria é baseada no desenvolvimento de métodos estatísticos
para estimar relações económicas, testar teorias, avaliar e implementar
políticas de governo e de negócios (Wooldridge, 2006).

Segundo Oliveira et all (2011) não é verdade, contudo, que à econometria

interessem todos os problemas de medida de variáveis económicas. A quantificação
da taxa de inflação, por si só, ou a taxa de desemprego, por si só, não são,
geralmente, problemas que concitem a atenção de econometristas. Em ambos os
casos, a tarefa cabe a um ramo da estatística, a estatística económica, que se
encarrega de definir critérios metodológicos, recolher e publicar dados sobre essas
taxas. Mas já será um problema tipicamente do foro econométrico a quantificação da

34
relação entre taxa de inflação e taxa de desemprego. Mais do que mera
quantificação das variáveis, na econometria tem-se por alvo essencial a
quantificação das relações entre variáveis económicas.

Segundo Segundo Gujarati & Porter (2011), a análise econométrica obedece

a determinadas fases, e estas fases podem ser descritas como:

1. Exposição da teoria ou hipótese;

2. Especificação do modelo matemático da teoria;
3. Especificação do modelo econométrico;
4. Obtenção dos dados;
5. Estimação dos parâmetros do modelo econométrico;
6. Teste de hipóteses;
7. Projecção ou previsão;
8. Uso do modelo para fins de controlo de política;

Dentro do seu vasto campo de abordagem da econometria encontra-se a

análise de regressão. Segundo Hoffmann (2016), a análise de regressão é o método
mais importante da econometria. Constitui de facto uma ferramenta muito importante
para a ciência econométrica e para a ciência económica, porque grande parte da
abordagem econométrica gira em torno da análise de regressão.

2.1. O modelo de regressão linear simples

Gujarati & Porter (2011), afirmam que o termo regressão foi criado por Francis
Galton em um artigo famoso. Galton verificou que embora existisse uma tendência
de que os pais altos tivessem filhos altos e pais baixos tivessem filhos baixos, a
estrutura média das crianças nascidas de pais com dada altura tendia a mover-se ou
regredir à altura média da população como um todo. Em outras palavras, a altura
dos filhos de mais altos ou mais baixos que o padrão tende a mover-se no sentido
da altura média da população. A lei de regressão universal de Galton foi confirmada
por seu amigo Karl Pearson, que colectou mais de mil registos de altura de membros
de grupos familiares. Ele constatou que a altura média dos filhos de pais baixos era
maior do que a de seus pais; portanto, filhos de pais altos e baixos regrediam
igualmente à altura de todos homens. Nas palavras de Galton, isso era uma
regressão à mediocridade.

35
 Segundo Gujarati & Porter (2011) a interpretação moderna de regressão é
bastante diferente. De modo geral, podemos dizer:

A análise de regressão diz respeito ao estudo da dependência de uma

variável, a variável dependente, em relação a uma ou mais variáveis, as
variáveis explanatórias, visando estimar e/ou prever o valor médio (da
população) da primeira em termos dos valores conhecidos ou fixados (em
amostragens repetidas) das segundas. Isso é, a regressão relaciona uma
variável explicada com um ou um conjunto de variáveis explicativas e uma
variável aleatória. Admite-se que, numa certa população, existe uma relação
que se pretende estudar entre essas variáveis.

A análise de correlação, onde o principal objectivo é medir a força ou grau de

associação linear entre duas variáveis está estritamente relacionada à análise de
regressão, mas conceptualmente é muito diferente (Gujarati & Porter, 2011). O
coeficiente de correlação mede a força dessa associação (linear). Por exemplo,
podemos estar interessados em determinar o coeficiente de correlação entre fumar e
câncer de pulmão; entre as notas obtidas nas provas de estatística e econometria,
no ensino médio e na faculdade, etc. na análise de regressão, não estamos
interessados propriamente nessa medida mas sim buscamos estimar ou prever o
valor médio de uma variável com base nos valores fixos de outras. Portanto, talvez
queiramos saber se é possível prever a nota média de uma prova de econometria
conhecendo as notas do estudante na prova de estatística. Existem algumas
diferenças entre a regressão e a correlação. Na análise de regressão, existe uma
assimetria na maneira com as variações dependente e independente são tratadas.
Supomos que a variável dependente seja estatística, aleatória ou estocástica, e que
tenha distribuição probabilística. Por outro lado, consideramos que as variáveis
explicativas têm valores fixos (em amostra repetidas), como definimos acima.
Enquanto, na análise de correlação tratamos quaisquer variáveis simetricamente;
não há distinção entre as variáveis dependentes e explicativas. Pois a correlação
entre as notas de econometria e de estatística, por exemplo é a mesma entre as
notas de estatística e econometria. O que nos indica que na correlação as duas
variáveis aleatória são aleatórias. A correlação baseia-se na premissa da
aleatoriedade das suas variáveis e a regressão esta condicionada à premissa de

36
que a variável dependente é estocástica, mas explicativa são não estocásticas.

Segundo Wooldridge (2006), sempre é interessante conhecer os efeitos que

algumas variáveis exercem, ou que parecem exercer, sobre outras. Mesmo que não
exista relação causal entre as variáveis pode se relaciona-las por meio de uma
expressão matemática, que pode ser útil para se estimar o valor de uma das
variáveis quando conhecemos os valores das outras (estas de mais fácil obtenção
ou antecessoras da primeira no tempo), sob determinadas condições.

Genericamente, tais relações funcionais podem ser representadas por:

Onde Y representa a variável dependente e os representam as

variáveis explicativas.

São exemplos de relações funcionais entre variáveis:

 Crescimento do PNB de um país em função dos anos ;

 Variação da produção obtida numa cultura conforme a quantidade
de nitrogénio , fósforo e potássio utilizada na adubação;
 Variação do preço de um produto no mercado em função da
quantidade oferecida .

Segundo Oliveira et all (2011), o modelo de regresso linear relaciona uma

variável (variável explicada) com uma (variável explicativa) e uma variável
aleatória . Admite-se que, numa certa população, existe uma relação entre essas
variáveis que pode ser descrita pela equação:

(2.1)

Em que são constantes e é uma perturbação aleatória.

2.2. Apresentação da técnica utilizada - o método dos mínimos

quadrados ordinários (MQO)

Segundo Gujarati & Porter (2011), o método dos mínimos quadrados

ordinários (MQO) é o mais utilizado para análise de regressão porque é
intuitivamente convincente e matematicamente muito mais simples em relação a
outros métodos. Para estes autores, o método MQO tem algumas propriedades

37
estatísticas muito atraentes que o tornaram um dos métodos de análise de
regressão mais poderosos e difundidos.

Como se pode ver na equação (2.1), esse é um modelo que postula a

existência de uma relação entre a variável explicada e a variável explicativa, válida
para qualquer indivíduo pertencente a uma dada população. Esta relação, é
caracterizada nomeadamente, pelos parâmetros desconhecidos.

Nesta notação, os símbolos e ( designam, respectivamente,

os valores observados para as variáveis explicativas e para a variável explicada
para o º Individuo da amostra. O objectivo é o de determinar valores numéricos
(estimativas) para os coeficientes , ,…, ; a partir destas estimativas define-se o
valor estimado para a observação de :

̂ ̂ ̂ ̂ (2.2)

A diferença entre o valor observado, , e o seu valor estimado segundo (2.2)

̂ , é designada por resíduo de estimação: ̂ . Se optássemos por um

conjunto como ̃ ̃ em vez de ̂ ̂ seriam diferentes os valores para

estimados para dados agora por: ̃ ̃ ̃ e, portanto, outros os resíduos de
estimação. Estes dependerão, assim, da escolha das estimativas dos coeficientes
de regressão; interessara que as discrepâncias entre valores observados e
estimados de sejam tão pequenas quanto possível. O método de estimação a
escolher devera, então, permitir atingir este objectivo.

A preferência que, na generalidade das análises econométricas, é dada a

este método tem a ver com o facto de, com base em determinadas hipóteses que
serão expostas mais adiante, proporcionar estimadores que possuem propriedades
óptimas, em particular quanto a centricidade e a eficiência.

Segundo Oliveira et all (2011) é precisamente atendendo ao critério em que

se baseia este método, que é chamado de método de mínimos quadrados
ordinários, MQO, mais vulgarmente conhecido pela sigla inglesa OLS (de Ordinary
Least Square).

38
 Deduzem-se, então, os estimadores de mínimos quadrados dos parâmetros
, minimizando a soma dos quadrados dos resíduos. Partindo do modelo de
regressão escrito na forma:

(2.1)

Onde

Uma vez que a soma dos quadrados dos resíduos vem dada por

∑ ∑ ̂ ∑( ̂ ̂ ) ,

O critério de mínimos quadrados requer então, como primeira condição, a nulidade

das derivadas de primeira ordem:

∑ ∑
̂ e ̂

Estas derivadas parciais de 1ª ordem são:

∑
∑( ̂ ̂ ) ∑( ̂ ̂ )
̂
∑
∑( ̂ ̂ ) ∑( ̂ ̂ )
{ ̂

E, igualando estas derivadas a zero, obtém-se o seguinte sistema de duas equações

a duas incógnitas ( ̂ ̂ )

∑( ̂ ̂ ) ∑ ∑ ̂ ∑ ̂
, ,
∑( ̂ ̂ ) ∑ ∑ ̂ ̂

∑ ∑ ∑ ∑
̂
∑ ̂ ∑ ̂ ∑ ∑ ∑
,
̂ ∑ ̂ ∑
{ ∑ ∑ ∑
∑ ̂
∑ ∑

2.3. Hipóteses do modelo

Segundo Oliveira et all (2011) depois de deduzidos os estimadores de

mínimos quadrados dos coeficientes de regressão, colocasse a questão de saber

39
quais serão as propriedades desses estimadores: serão por exemplo estimadores
centrados? Consistentes?

Os estimadores MQO se escrevem em função da variável e da variável

explicativa as propriedades dos estimadores vão depender das características
destas variáveis, em particular de , dependerão da variável aleatória , que é uma
das suas componentes. Para analisar as propriedades estatísticas dos estimadores
é necessário conhecer a distribuição de probabilidade da variável ou, pelo menos
de conhecer os principais momentos da sua distribuição. Não sendo essa
distribuição conhecida, nem sendo a variável observável, terão de estabelecer-se
determinadas hipóteses relativas a sua distribuição de probabilidade. Essas
hipóteses e outras relativas às variáveis explicativas, são conhecidas como
hipóteses clássicas do modelo de regressão linear (Oliveira, Santos, & Fortuna,
2011).

1. Hipótese [ ]: Linearidade.

Verifica-se aqui que, para cada observação , uma relação linear de dependência
suportada por dois parâmetros, e designados coeficientes de regressão
(Ribeiro, 2014).

2. Hipótese [ ]: Exogeneidade estrita.

O segundo Ribeiro (2014) nesta hipótese postula-se que o valor esperado de cada
variável residual é nulo. Ou seja o valor médio de cada perturbação aleatória é nulo.
Assim:

3. Hipótese [ ]: Homocedasticidade condicionada.

Está assim a se postular que a variância do termo de perturbação é uma constante,

idêntica qualquer que seja a sequência ordenada . Para uma mesma
sequência de variáveis explicativas, e qualquer que seja, ter-se-ão diversos valores
de e, consequentemente diverso valores de ; mas a dispersão desses valores
(variância) será sempre a mesma. Esta hipótese é conhecida por hipótese da
40
homoscedasticidade; diz-se assim que, por hipótese, as perturbações aleatórias
são homoscedásticas (Oliveira, Santos, & Fortuna, 2011). Por definição,
[ ] pelo que pela hipótese H1 coadjuvada com (H2). Segundo Oliveira et
all (2011) e Ribeiro (2014) pode-se rescrever:

4. Hipótese [ ]: Ausência de autocorrelação.

A terceira hipótese é relativa a covariâncias entre dois quaisquer termos de

perturbação. A hipótese postula que a covariância entre dois quaisquer termos de
perturbação é nula, ou seja, não estão correlacionadas. Esta hipótese é conhecida
por hipótese de ausência de autocorrelação (Oliveira, Santos, & Fortuna, 2011).
Pelo que simplificando, vem:

( )

Como {[ ][ ]}, a consideração conjunta

das hipóteses (H3) e (H1) conduz a:

( )

Por sua vez, a consideração simultânea das hipóteses (H1), (H2) e (H3) permite
escrever:

( ) {

5. Hipótese [ ]:

A variável explicativa é não aleatória, pelo que é nula a covariância entre o termo
de perturbação e a variável explicativa.

6. Hipótese [ ]:

A variável explicativa assume, no conjunto das observações valores não todos

iguais, ou seja, não é constante na amostra.

Resulta destas hipóteses que é uma variável aleatória que tem, para todo , média
e variância . Como ̂ e ̂ são parâmetros
desconhecidos, a partir de uma amostra de observações, são obtidas estimativas
̂ e ̂ desses parâmetros e pode escrever-se

41
 ̂ ̂ ̂

Onde ̂ é o valor estimado de correspondente à -ésima observação. Designado

por o resíduo de estimação para a -ésima observação tem-se:

̂ ̂

Ou ainda

̂ ̂

2.4. Propriedades dos estimadores de mínimos quadrados dos

coeficientes de regressão

Como consequência da utilização do método de mínimos quadrados

verificam-se alguns resultados particulares que apresentam algumas propriedades
importantes, e que o tornam num método muito interessante (Oliveira, Santos, &
Fortuna, 2011). Essas propriedades são as seguintes:

2.4.1. Centricidade

Segundo Oliveira et all (2011), diz-se cêntrico ou centrado o estimador cuja

distribuição tenha por média o valor do parâmetro que se pretende estimar; em caso
contrário, o estimador diz-se excêntrico, ou enviesado. Mais formalmente, sendo ̂
um estimador de , ̂ é um estimador cêntrico se ( ̂ )

A partir da expressão e considerando ∑ ( ), obtém-se

̃ ∑( )

Pelas propriedades do somatório obtém-se

̃ (∑ ∑ )

̃ ∑

42
Valendo-se da hipótese da exogeneidade estrita [ ] que postula que , e
aplicando o valor esperado das expressões em ambos os membros da equação
[ ( ̂) ] e, obtém-se:

( ̃) ( ∑ )

( ̃) ( ∑ )

( ̃) (∑ )

( ̃) *∑ +

( ̃) (24.1)

Logo fica provado que o estimador é cêntrico.

2.4.2. Eficiência

Segundo Oliveira ett all (2011), na análise da eficiência dos estimadores

MQO comece-se por deduzir as variâncias dos estimadores e as respectivas
covariâncias. A matriz de variâncias e covariâncias do vector coluna ̂ , de dimensão
,

̂ ̂ ̂ ̂ ̂ ̂ ̂
̂ ̂ ̂ ̂ ̂ ̂ ̂
(̂) ̂ ̂ ̂ ̂ ̂ ̂ ̂ ,

[ ̂ ̂ ̂ ̂ ̂ ̂ ̂ ]

Escreve-se matricialmente

(̂) {[ ̂ ( ̂ )][ ̂ ̂ ] }11

[ ̂ ̂ ] (por 24.1)

{[ ][ ]}

[ ]12

( ̂) [̂ ( ̂ )]
11
Note-se que a definição usual da variância de um escalar,
43
 13

14

15

(̂)

ou se recorrermos na forma linear poe definição então:

( ̃) [̃ ( ̃)]

( ̃) [ ∑( ) ]

( ̃) [ ∑( ) ]

∑ ∑
( ̃) * +

∑
( ̃) ( )

∑
( ̃) ( )

∑
( ̃) ( )

∑
( ̃) ( )

( ̃) ∑

Como

12 ̂
13
Por [ ].
14
Dado que deduzido de H1, H2, H3 {[ ]} .
15
Ab=bA, sendo b um escalar.
44
 ( ̃) ∑

( ̃)

Quando se trata de comparar dois estimadores cêntricos de um mesmo

parâmetro, diz-se que o estimador mais eficiente é aquele que tiver menor variância
(Oliveira, Santos, & Fortuna, 2011). Deduzidas as variâncias dos estimadores MQO,
é importante estudar a eficiência desses mesmos estimadores, ou seja,
comparativamente com outros estimadores alternativos para os parâmetros , os
estimadores MQO apresentam uma maior ou menor variância? São mais eficientes
do que os outros estimadores lineares? Para responder a essa questão é necessário
recorrer ao teorema de Gauss-Marcov, que afirma que, uma vez verificadas as
hipóteses clássicas do modelo de regressão linear, os estimadores de mínimos
quadrados de , são os estimadores de variância mínima, na classe dos
estimadores cêntricos de , e lineares em Y (Oliveira, Santos, & Fortuna, 2011). Os
estimadores MQO são assim chamados estimadores BLUE (Best Linear Unbiased
Estimators), isto é, os melhores estimadores lineares e cêntrico, neste sentido, o
termo melhor tem o significado de menor variância.

Segundo (Wooldridge, 2006) a importância do teorema de Gauss-Marcov é

que, quando um conjunto padrão de hipóteses se mantem, não necessitamos
procurar por estimadores não-viesados alternativos; nenhum será melhor que MQO.
Equivalentemente, se somos apresentados a um estimador que é tanto linear como
não-viesado, então sabemos que a variância desse estimador é pelo menos tão
grande quando a variância de MQO; nenhum cálculo adicional é necessário para
mostrar isso. Se qualquer uma das hipóteses de Gauss-Marcov for violada, o
teorema não é mais válido.

2.4.3. Consistência

Uma última propriedade dos estimadores MQO diz respeito à consistência

dos estimadores. O conceito de consistência de estimadores tem a ver com a
distribuição assimptótica dessas variáveis aleatórias, ou seja, com o seu estudo
considerando que o número de observações que compõe a amostra tende para
infinito (Oliveira, Santos, & Fortuna, 2011).
45
 Seja ̂ um estimador um estimador do parâmetro baseado numa amostra
de dimensão ̂ é um estimador consistente d e se

(| ̂ |)

Em que é um número positivo arbitrariamente pequeno. A verificação desta

condição implica que a sequencia de variáveis aleatórias ̂ converge em
probabilidade par a, o que se escreve normalmente como

̂ ou ̂ .

Como é, decerto, previsível, é muito difícil, em geral, provar que um estimador

é consistente por recurso à definição que se acaba de se expor16. Há um resultado
mais fácil de estabelecer e que consiste numa condição de consistência que é
suficiente, embora não necessária: é consistente o estimador que seja cêntrico17 e
possua variância que tenda para 0 (zero) com a dimensão da amostra.

Segundo Oliveira ett all (2011), embora essencial, a consistência esta longe
de constituir um critério insuperável para a selecção de um estimador. Por um lado,
porque a consistência, como propriedade assimptótica que é, oferece um guia pouco
fiável para as amostras de dimensão finita com que, inevitavelmente tem de lidar-se;
a informação de que, no limite, o estimador tem uma performance perfeita, diz pouco
sobre o seu desempenho em situações muito distantes do limite. Por outro lado,
porque, encontrado um estimador consistente de um parâmetro, pode facilmente
gerar-se uma infinidade de outros estimadores consistentes; se um estimador
consistente existir, não é único.

2.5. Teste de significância

Uma hipótese estatística é uma conjectura acerca dos parâmetros ou

distribuição de uma população e envolve, portanto, uma suposição sobre aspectos
desconhecidos da população. Um teste de hipótese é um procedimento que permite
decidir, com base numa determinada probabilidade, se uma dada hipótese

16
Por causa da tendência de infinidade que se coloca no número de observações .
17
De facto, não é indispensável que o estimador seja cêntrico. Basta que, apesar de enviesado em amostras
finitas, tenha um enviesamento que tenda para 0 com a dimensão da amostra. Há quem designe como
assimptoticamente cêntricos os estimadores que exibem essa característica.
46
estatística é ou não suportada pela informação fornecida pelos dados de uma dada
hipótese estatística é ou não suportada pela informação fornecida pelos dados de
uma amostra (Oliveira, Santos, & Fortuna, 2011). Qualquer teste de hipótese
envolve sempre um par de hipóteses: uma hipótese nula, versus uma hipótese
alternativa

Segundo Oliveira ett all (2011), no caso de testes de hipóteses sobre

coeficientes individuais, o interesse é realizar testes sobre apenas um coeficiente de
regressão. Vejam-se alguns exemplos:

 Versus ;
 Versus ;
 Versus

Os testes podem ser unilaterais ou bilaterais (Ribeiro, 2014). Segundo Ribeiro

(2014), num teste bilateral, a hipótese alternativa contempla possibilidades à
esquerda e à direita da hipótese nula. No teste unilateral, apenas contempla
possibilidades à esquerda ou à direita de .

O conjunto de todos os valores possíveis da estatística de teste é dividido em

dois subconjuntos: a região de rejeição, ou a região de crítica, e a região de não
rejeição, ou a região de aceitação (Hoffmann, 2016). A cada uma destas regiões
está associada uma certa probabilidade, de acordo com a distribuição da estatística
de teste. Se o valor observado da estatística de teste pertencer a região de rejeição,
a hipótese nula é rejeitada; caso contrário, isto é, se o valor observado da estatística
de teste pertencer a região de aceitação.

Uma vez que o teste de hipóteses leva a uma decisão sobre a rejeição ou
não, existe a possibilidade de se tomar uma decisão errada. Segundo Oliveira ett all
(2011), podem cometer-se dois tipos de erros: o erro de primeira espécie, ou erro
tipo I, e o erro de segunda espécie, ou erro tipo II. No primeiro caso rejeita-se ,
sendo porém verdadeira, enquanto no segundo caso não se rejeita , sendo
falsa.

Para Oliveira ett all (2011), o ideal seria conseguir minimizar as

probabilidades de ocorrência dos dois tipos de erro, mas existe um balanço entre
eles, no sentido de que, dada uma amostra de dimensão , não é possível minimizar

47
simultaneamente ambas as probabilidades. Na prática, procura-se minimizar
depois de se ter afixado um valor reduzido para , geralmente
A escolha mais comum em econometria, , significa estar-se
disposto a incorrer no risco de tomar a decisão errada, quando a hipótese nula é
verdadeira, em 5% dos casos, em media. Pelo que o cálculo de probabilidade será
dado por:

[̂ (̂ ) ̂ ( ̂ )]

2.5.1.1. Teste de significância individual da única variável explicativa

Segundo Oliveira ett all (2011), um facto com importante relevância na análise
de estatística do modelo de regressão linear, ocorre quando se testa a hipótese de
um determinado coeficiente de regressão ser igual a zero ( ) seja o modelo:

Considere o teste de

̂ contra ̂

e suponha que a conclusão do teste foi a de não rejeição de , ou seja, a não

rejeição de que . Ora, se fosse igual a zero, isso significava que o modelo
se escreveria

ou seja, a variável não era explicativa de . Testar a hipótese de ser nulo um

determinado coeficiente equivale a testar a significância estatística da variável
explicativa que lhe esta associada.

Já que , então, testar o efeito da variável explicativa sobre a variável

explicada , coeteris paribus, corresponde ao teste de

vs

Se for desconhecida e verdadeira, a estatística de teste é definida por

̂
̂

48
Esta estatística é designada por estatística , ou rácio . Por definição, a estimativa
do desvio-padrão do estimador de coeficiente de regressão é sempre positiva;
então, o sinal de é o mesmo da estimativa do coeficiente de regressão (Oliveira,
Santos, & Fortuna, 2011). Pelo que para Oliveira ett all (2011), Gujarati & Porter,
(2011) e Ribeiro (2014) a regra de decisão deste teste é:

 Rejeita-se se para
 Rejeita-se se para
 Rejeita-se se para

2.5.1.2. Teste de significância global

Considere o modelo

em que há uma única variável explicativa, o teste de significância global reduz-se ao

teste de

̂ contra ̂

Sob a hipótese nula, a estatística de teste é definida por:

(25.1)

Para este modelo

∑( ̂ ̅) ∑[ ̂ ̂ (̂ ̂ ̅ )] ̂ ∑

então (25.1) pode ser reescrito como

̂ ∑ ̂

̂
√
∑
( )

a estatística de teste de significância individual neste caso é definida por

49
 ̂

̂
√
∑
( )

Ou seja, ( ; também é . Portanto, o teste de significância

global no modelo de regressão linear é equivalente ao teste de significância
individual da única variável explicativa (Oliveira, Santos, & Fortuna, 2011).

2.6. Predictor de mínimos quadrados

A previsão é uma parte importante da análise econométrica; para algumas

pessoas, é provavelmente a mais importante (Gujarati & Porter, 2011). Como prever
as variáveis económicas, como o PIB, a inflação, as taxas de juros, os preços das
acções, as taxas de desemprego e as outras inúmeras variáveis económicas? A
capacidade de prever valores da variável dependente é um dos objectivos a
análise de regressão linear (Ribeiro, 2014). Dados o modelo e as suas respectivas,
desejamos predizer, para determinado valor da variável explanatório , o valor da
variável dependente , que é dado por

(26.1)

em que é um termo aleatório. O erro aleatório tem média e variância

. Admitimos também que não seja correlacionado com qualquer das
observações amostrais; assim, . Para Gujarati & Porter (2011), em
(26.1), podemos substituir os parâmetros desconhecidos por seus estimadores e
. Como não é conhecido, não podemos estimar o erro aleatório ; substituímo-
lo, pois, por sua esperança (zero). Isso produz o predictor de mínimos quadrados de
,

̂ ̂ ̂ (26.2)

representado abaixo no gráfico 2. Essa predicção é dada pelo ponto na recta

ajustada de mínimos quadrados correspondente a

50
Gráfico 2. Predicção pontual

Fonte: (Gujarati & Porter, 2011, pag 147).

Uma questão interessante que pode surgir é: até que ponto o processo de predicção
como este é bom? Como os estimadores de mínimos quadrados ̂ e ̂ variáveis
aleatórias, também o é ̂ ̂ ̂ .

Segundo Wooldridge (2006), para calcular as propriedades amostrais deste preditor,

examina-se o erro de previsão

̂ ̂ ̂

(̂ ) (̂ ) (26.3)

com as propriedades dos estimadores de MQO e as suposições sobre , o valor

esperado de é

(̂ ) (̂ ) (̂ )

(26.4)

que significa que, em média, que o erro de previsão é zero, e ̂ , é um predictor

linear não tendencioso de .

Com a expressão (26.4) para o erro de previsão, e com as variâncias e

covariâncias do MQO, pode-se mostrar que a variância do erro de previsão é
̅
(̂ ) * ∑ ̅
+ (26.5)

51
 Observa-se que, quanto mais afastado estiver da media amostral ̅ , menos
confiável será a previsão, pois a variância do erro de previsão será maior. Se os
erros aleatórios têm distribuição normal, ou se o tamanho da amostra é grande,
então o erro de previsão é distribuído normalmente com media zero e variância
dada por (26.5) (Ribeiro, 2014). Estima-se a variância do erro de previsão
substituindo-se por seu estimador, de modo que se obtenha:

̅
* +
∑ ̅

Cuja raiz quadrada é o erro-padrão de previsão

√ (26.6)

Podemos usar valores preditos ̂ e o erro-padrão da previsão para calcular

um intervalo de confiança, ou um intervalo de predicção. Logo a variável aleatória
padronizada é:

(26.7)
√ ̂

então, substituímos em (26.6) por ̂ , obtemos uma estatística ,

(26.8)
√ ̂

Com estes resultados, podemos construir um intervalo de predição para , como

construímos intervalos de confiança pra os parâmetros . Se é um valor critico da
distribuição tal que , então

(26.9)

Levando a variável aleatória de (36.8) e (36.9), obtemos

̂
* +

Simplificando esta expressão, obtém-se:

[̂ ̂ ] (36.10)

Um intervalo de de confiança, ou intervalo de predicção para é

52
Como se viu, a equação (26.5) implica que quanto mais afastado da média ̅ da
amostra esta , maior é a variância do erro de previsão. E quanto maior a variância,
menos confiável é a predicção.

Em outras palavras, nossas predicções para valores de próximos da média

amostra ̅ são mais confiáveis do que as predicções para valores de afastados
da media amostral ̅ . Esse é um resultado razoável. Naturalmente, não poderíamos
esperar uma predicção muito precisa para um valor de sobre o qual temos poucas
informações amostrais. A ilustração abaixo mostra a relação a relação entre
predicçoes pontuais e de intervalos para diferentes valores de . Uma predicçao
pontual é sempre dada pela recta de mínimos quadrados ajustada ̂ ̂ ̂ .
Um intervalo de confiança de predição torna a forma de suas faixas em torno da
recta de MQ. Como a variância da previsão aumenta com o afastamento de da
media da amostra ̅ , a largura das faixas de confiança aumenta a medida que
̅ aumenta (Gujarati & Porter, 2011).

Gráfico 3. Predicção pontual e predicção por intervalo

Fonte: (Gujarati & Porter, 2011, pag 147).

2.7. Coeficiente de determinação

O erro padrão da estimativa ou erro padrão (ep), é simplesmente o desvio

padrão dos valores da variável independente em relação à linha de regressão

53
estimada. Esta medida é frequentemente usada como uma medida sintética da
qualidade do ajustamento da linha de regressão estimada.

Ao considerar-se a qualidade do ajustamento da linha de regressão ajustada

a um conjunto de dados; vamos descobrir quão “bem” uma linha de regressão
amostral é adequada aos dados. Se todas as observações fossem situadas na linha
de regressão, obteríamos um ajustamento “perfeito”, mas isso raramente acontece.
Em geral, haverá alguns resíduos estimados ̂ positivos e outros ̂ negativos. O
que esperamos é que esses resíduos em torno da linha de regressão sejam os
menores possíveis. Nesta ordem de ideias existe o coeficiente de determinação ( ),
este coeficiente é uma medida resumida que diz quanto a linha de regressão
amostral ajusta-se aos dados.

O valor de assim definido é conhecido como coeficiente de determinação

(amostral) e é o indicador mais usado para medir a qualidade do ajustamento de
uma linha de regressão. Segundo Gujarati & Porter (2011), em palavras, mede a
proporção ou percentual da variação total da variável dependente explicada pelo
modelo de regressão. Pelo que este destaca-se com duas propriedades:

 É um valor não negativo;

 Seus limites são . Um igual a 1 significa um ajustamento
perfeito, ̂ . Por outra, um , significa que não há
qualquer relação entre regressando e regressor ( ̂ ). Neste caso, a
melhor previsão para qualquer valor da variável dependente é o seu
valor médio. Nesta situação, a linha de regressão será horizontal ao
eixo da variável exógena.

2.8. Modelo hiperbólico.

No âmbito econométrico existe varias formas de modelação para o estudo de

diferentes formas nas relações entre as variáveis, as tais chamadas formas
funcionais (Wooldridge, 2006). Estas formas funcionais do modelo linear por meio de
suas técnicas permitem o estudo desde modelos não lineares nas variáveis a
modelos não lineares nos parâmetros. Na presente pesquisa é de particular
importância dentre os vários modelos nas formas funcionais o uso do modelo
hiperbólico ou reciproco, por ser este formulado originalmente para o estudo de

54
variáveis que relacionam-se de forma inversa. E segundo Gujarati e Porter (2011), é
descrito na sua forma estocástica:

(28.1)

Segundo Oliveira, ett all (2011) no caso de uma função hiperbólica, existe
uma relação entre as variáveis e dada por (28.1). Para Gujarati e Porter (2011),
embora este modelo seja não linear na variável , porque entra de modo inverso, o
modelo é linear em e , portanto, é um modelo de regressão linear18, razão pela
qual todas as hipótese e propriedades emanadas anteriormente no modelo linear
são válidas igualmente neste modelo.

O modelo hiperbólico ou reciproco apresenta os seguintes aspectos: quando

aumenta indefinidamente, o termo 19 tende a zero e aproxima-se do
valor-limite ou assintótico . Portanto, um modelo hiperbólico como (28.1) traz
embutido uma assímptota ou limite que a variável dependente assumirá quando o
valor da variável aumentar indefinidamente. O gráfico 4 apresenta algumas das
formas prováveis da curva correspondente à equação (28.1)

Gráfico 4. Curvas do modelo hiperbólico.

Fonte: (Gujarati & Porter, 2011, pag. 184)

Para Oliveira, ett all (2011) neste modelo, a elasticidade de em ordem a é

variável e dada por:

18
Se considerarmos , então a Equação (27.1) é linear nos parâmetros, bem como as variáveis e

19
Nota: é uma constante.
55
sendo o declive também variável:

Na presente pesquisa o modelo hiperbólico a ser usado nos próximos

capítulos é definido na sua forma estocástica como:

(28.2)

Onde: é substituído por Desemprego que representa a variável explicada.

é substituído por PIB que representa a variável explicativa do modelo. Quanto ao
parâmetro no âmbito da teoria económica representa a taxa do pleno emprego
por ser o valor a que tende o desemprego quando o desemprego cíclico tende a 0.
Já é propensão de variação do desemprego cíclico. representa todas as
variáveis que afectam o desemprego e não foram expressas no modelos.
representa apenas os vários momentos da observação.

Quanto ao modelo linear simples foi especificado como:

(2.1)

Porém atendendo as especificidades da pesquisa, d`hora avante a equação

(2.1) será substituída por:

(3.1)

Onde: é substituído por Desemprego (variável explicada). é substituído por PIB

que representa a variável explicativa do modelo. continua representando o termo
independente denotado por coeficiente intercepto. continua representando o
coeficiente de variação da variável explicativa. continua representando uma
variável aleatória não observável, ou seja uma perturbação aleatória que segue as
hipóteses clássicas. A variância de , também é desconhecida, é .

56
CAPITULO III – ANÁLISE E DISCUSSÃO DOS RESULTADOS.

No presente capítulo apresentam-se e discutem-se os resultados da pesquisa

desenvolvida com a finalidade de identificar a relação existente entre o PIB e o
desemprego angolano entre os anos de 1991-2017, bem como o Predictor que se
pode extrair da referida observação.

Os dados utilizados na pesquisa, são provenientes do banco mundial e

retirados na base de dados “the Global economy”; onde os dados relativos ao PIB
são descritos em horizontes temporais de um ano e foram expressos em mil milhões
de USD; e o nível de desemprego verificado nos anos correspondentes foram
expressos em percentagem da população activa desempregada no período em
análise. Estes dados podem ser encontrados na tabela 5 em anexos II. O tratamento
dos dados foi feito através dos softwares Excel e eviews.

Optou-se por esta forma de modelação por ser uma técnica simples através
da qual é possível analisar a relação de uma variável explicada com uma variável
explicativa. Analisando de forma linear como a variável independente (PIB) afecta a
variável dependente que no da presente pesquisa é desemprego. Para o efeito,
foram aplicados modelos de regressão linear simples, através da técnica de
obtenção das estimativas do MQO. Posteriormente foi analisado a qualidade dos
modelos e seus ajustes na teoria económica esboçada.

3.1. Estatística descritiva dos dados

Atenda-se para gráfico 4 abaixo que representa o PIB e o desemprego de

1991 a 2017.

57
Gráfico 5. Representação do PIB e desemprego angolano de 1991-2017
160

140

120

100

80 PIB em bilhões de USD

60 DS em %

40

20

Fonte: the Global economy.

Por meio de uma análise qualitativa neste gráfico pode se ter a ideia de que existe
um certo tradeoff entre o PIB e o desemprego. Entretanto como vimos anteriormente
pode ser prematuro chegar a tal conclusão, e uma análise gráfica é suficiente. Por
este motivo apresenta-se também a análise das relações estatísticas que as
variáveis apresentam:

Tabela 2. Estatística descritiva dos dados

PIB Desemprego
Média 51,71 Média 16,42
Mediana 23,55 Mediana 20,44
Moda N/C Moda 7,36
Desvio-padrão 50,06 Desvio-padrão 6,68
Var da amostra 2 506,22 Var da amostra 44,60
Mínimo 4,44 Mínimo 7,14
Máximo 145,71 Máximo 23,92
Soma 1 396,18 Soma -------
Observações 27,00 Observações 27,00
Elaboração própria por via do software Excel.

58
 A tabela acima contém muitas informações da estatística económica que
podem proporcionar observações interessantes sobre o desempenho da economia
no período em análise.

Começando pela média, entende-se que ao longo dos 27 anos observados, o

valor do PIB nacional em média é de 51,71 mil milhões de USD, já para o
desemprego no mesmo período a taxa média é de 16,42%. Ainda sobre o período
em análise o valor máximo do PIB registado é de 145,71 mil milhões de USD (2014),
e o valor mínimo alcançado é de 4,44 mil milhões de USD (1994). Para o
desemprego a maior taxa de desemprego já registada é 23,92% (2003), e a menor
taxa de desemprego já registada é de 7.14% (2017). Quanto ao valor modal do PIB
nada consta, já para o desemprego é 7,36%, medida que foi obtida em dois anos
seguidos (2011 e 2012) apesar de se verificar no PIB uma variação positiva de
14,54%.

Para o desvio padrão e a variância calculou-se os respectivos coeficientes de

variação para o PIB e o desemprego, os resultados obtidos foram: e
. Isso nos leva a ter a percepção de que os dados relativos ao
PIB têm menor tendência para desvios em torno da média que os dados relativos ao
desemprego visto que tem um coeficiente de variação inferior ao coeficiente de
variação do desemprego.

A análise descritiva nos dados apesar de atraente, não é suficiente para

atingir os objectivos da pesquisa, pelo que segue-se a análise referente a inferência
estatística para obtenção das estimativas do modelo.

3.2. Estimação do desemprego pelo MQO, utilizando o software Gretl

Estimativas OLS usando as 27 observações 1991 – 2017.

Variável dependente: Desemprego.

Variável independente: PIB.

Tabela 3. Sumário dos resultados

Estatística de regressão

59
R múltiplo 0,955

Quadrado de R 0,912

Quadrado de R ajustado 0,908

Erro-padrão 2,020

Observações 27

Elaboração própria por via do software Gretl.

Tabela 4. Coeficientes
Coeficientes Erro- Stat t valor P 95% inferior 95%
padrão superior
Interceptar 23,006 0,5645 40,755 2,1885E-24 21,843 24,168
PIB -0,127 0,0079 -16,097 1,05345E-14 -0,144 -0,111
Elaboração própria por via do software Gretl.

Obtidas as tabelas de análise podemos escrever a equação estimada do

modelo como:

̂ ̂

esta que tem como:

̂ ̂

A equação acima corresponde a recta estimada para os pontos, ou seja, de

acordo com o método dos mínimos quadrados ordinários ela expressa exactamente
a recta tendencial do desemprego para com o PIB.

Com base nos resultados apresentados, é possível retirar um conjunto de

interpretações ainda mais interessantes.

60
 Em relação ao parâmetro ̂ que é o intercepto da linha, em inferência
estatística a interpretação do parâmetro intercepto exige especial atenção, pós que
tal como Gujarati & Porter (2011), debruçaram “muitas vezes o intercepto não
apresenta um significado viável no sentido prático”. Por exemplo a interpretação
mecânica do intercepto neste caso leva a afirmar que representa o valor
percentual do desemprego quando o PIB é igual a zero. Esta interpretação por si
sou não tem sentido. Então tendo em atenção o devido cuidado, e analisando o
gráfico número 7 colocado mais abaixo, facilmente se pode perceber que ̂
representa o valor máximo que o desemprego pode atingir, isso é a taxa mais
alta que o desemprego angolano pode atingir é . Essa interpretação pode
encontrar uma controvérsia nos próprios dados porque tal como se viu na análise
descritiva dos dados, o desemprego tem um , que é maior que ̂ .
Essa questão facilmente pode ser resolvida, tal como mencionado, o modelo tem em
conta a variável que representa uma variável aleatória não observável, além disso
verificou-se que o ajustamento do modelo , não é um ajustamento perfeito
( ), porém é notável por ser um valor próximo de 1. E isso é suficiente para se
entender que há um bom ajustamento no modelo. Isso é, o PIB explica grande parte
da variação do desemprego, concretamente o PIB explica 91,2% do desemprego.
Apesar do modelo ter um bom o , não estabelece uma relação perfeita entre o PIB
e o desemprego, isso é existem outras variáveis não especificadas que afectam a
variável desemprego. Então o valor máximo do desemprego é ̂ quando for
explicado pelo PIB, logo é normal que a taxa de desemprego em algum momento
seja superior a ̂ ( ), quando e se isso acontecer saberemos que outras
variáveis não especificadas no modelo influenciaram o desemprego.

Relativamente ao parâmetro ̂ em inferência estática representa o

coeficiente angular (tal como se observa no gráfico 7), isso é a variação da variável
dependente dada uma variação unitária da variável independente. Na interpretação
em curso salta a vista em primeiro lugar a observação de que o modelo expressa a
existência de uma relação indirecta entre o desemprego e o PIB, este facto é
evidenciado pelo sinal negativo no parâmetro ̂ . Em seguida essa relação indirecta
é expressa por uma percentagem de 12,7. Isso é quando o PIB variar em uma

61
unidade monetária, o desemprego varia em 12,7% na direcção oposta a variação do
PIB.

Assim a recta de regressão dada por ̂ pode

ser apresentada de forma exacta tal como no gráfico 7:

Gráfico 6. Gráfico do desemprego versus PIB (com ajustamento MQO)

Fonte: Elaboração própria por via do software Gretl.

Este último gráfico é importante, visto que traça a recta mais adequada para a
regressão, e igualmente marca os pontos dos desvios em relação a média. Além
disso até certo ponto tem lógica no âmbito da teoria económica. Na teoria
económica foi estabelecido que existe um tradeoff entre PIB e desemprego. Neste
gráfico esta relação é evidentemente de tradeoff, a medida que o PIB cresce, o
desemprego diminui devido a inclinação negativa da recta.

3.4. Teste de significância

Na análise de regressão pode se incorrer a uma série de erros que podem

comprometer não sou a qualidade da análise mas como também a qualidade dos

62
parâmetros estimados. Como se viu a análise de regressão é baseada em hipóteses
no processo de estimação se uma hipótese for violada pode comprometer as
propriedades dos estimadores. Para aferir os possíveis erros no processo de
estimação existe uma série de testes, todavia destes pode se destacar os testes
para aferir a linearidade, a especificação, a heteroscedasticidade, a normalidade dos
resíduos e a significância dos parâmetros.

Na análise de regressão simples os primeiros quatro testes são dispensáveis,

visto que o modelo comporta apenas uma variável explicativa cuja através do
processo de estimação fica implícita a linearidade no modelo, a especificação, a
heteroscedasticidade e a normalidade da distribuição dos resíduos. Entretanto torna-
se imperativo aplicar um teste para aferir a significância estatística da variável
explicativa no modelo que pode ser obtida através do teste t-student20 ou o teste F
de Fisher21.

Tal como mencionado no capítulo 2, segundo Oliveira ett all (2011) “o teste de
significância global no modelo de regressão linear simples é equivalente ao teste de
significância individual da única variável explicativa”, logo torna-se também
dispensável a realização do teste de significância global, mas ainda assim vale
lembra que caso se opte em efectuar os dois testes estes têm que de apresentar as
mesmas conclusões. Por este motivo se efectuou-se o teste de significância
individual do parâmetro da única variável explicativa que é apresentado a seguir.
Porém partimos do modelo estimado dado por:

 Estabelecimento das hipóteses:

̂ ̂

 Cálculo do

20
Para o teste de significância individual.
21
Para o teste de significância global.
63
 ̂
Pela fórmula ̂

Porem na tabela gerada , logo:

 Critérios de rejeição ou aceitação:

Rejeita-se se para

 Cálculo do valor amostral da estatística de teste:

Pela tabela dos valores críticos da distribuição ,

 Conclusão:

Rejeita-se a hipótese nula e aceita-se a hipótese alternativa. Isso significa que o

estimador ̂ é estatisticamente significante para o modelo.

3.5 O predictor de mínimos quadrados

Uma vez obtida a equação estimada ̂ pode

se escrever a recta de predicção pontual e por intervalo para os valores do
desemprego, os quais são comparados com os valores observados no gráfico a
seguir com um intervalo de confiança de 5%:

64
Gráfico 7. Predicção estimada pontual e por intervalo

Fonte: elaboração própria pelo software gretl

A recta representativa do desemprego predito ao longo das observações não

se afasta muito dos valores observados, o que é positivo para a qualidade do
modelo obtido. Visto que nossas, nossas predicções para valores de próximos
da média amostral ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅ são mais confiáveis do que as predicções para
valores de afastados da media amostral ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅. Esse é um resultado
razoável. Naturalmente, não poderíamos esperar uma predicção muito precisa para
um valor de desemprego sobre o qual temos poucas informações amostrais. Uma
predicçao pontual é sempre dada pela recta de mínimos quadrados ajustada, que
para este caso em concreto foi dada por ̂ ̂ ̂ . Um intervalo
de confiança de predição torna a forma de suas faixas em torno da recta de mínimos
quadrados. Como a variância da previsão aumenta com o afastamento de
da media da amostra ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅, a largura das faixas de confiança
aumenta a medida que | ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅| aumenta.

65
 O modelo apresentado apesar da beleza teórica que comporta apresenta
alguns aspectos que ao serem confrontadas com a teoria económica falham. Por
exemplo no modelo apresentado se o o desemprego vai assumir
valores negativos, e isso não tem sentido porque segundo Wonnacott e Wonnacott
(2004), é um dos principais objectivos da ciência económica e do governo um alto e
rápido crescimento do PIB, pelo que é espectável que em alguma dada altura o PIB
angolano seja igual ou superior a mil milhões de USD. Assim em termos
práticos não se pode restringir o crescimento do PIB para evitar que o desemprego
seja negativo, e porque em termos práticos é impossível existir uma taxa de
desemprego negativa bem como um PIB que o cause. Estas falhas do modelo
esclarecem que um modelo linear não é o mais adequado para o tipo de problema
em estudo.

Analisando um pouco o modelo em causa e o resultado encontrado, é

possível chegar a conclusão que o modelo não é o mais adequado para a pesquisa
atendendo os seus objectivos, isso porque modelos lineares do tipo
são concebidos para o estudo de relações lineares rectas entre variáveis quando
por Gujarati & Porter (2011). E essa situação não se verifica nos dados das variáveis
em estudo, até certo ponto os dados sugerem uma relação curvilínea.

Porém o estudo do anterior modelo linear não foi uma completa perda de
tempo, com este modelo foi possível aprender uma questão crucial para a escolha
do modelo adequado ao problema, apesar do desfasamento do modelo para com a
realidade, foi possível por intermédio dele responder a primeira pergunta da
pesquisa. Este modelo permitiu perceber e confirmar que existe sim uma relação
inversa ou indirecta entre o PIB e desemprego angolano, com essa certeza há uma
certa segurança na escolha do modelo econométrico mais adequado para a
pesquisa, e é por essa razão que apesar do modelo anteriormente estimado estar
desfasado com a teoria, se fez constar nesta monografia em vez de ser removido.

Com a confirmação de que existe uma relação inversa entre o PIB e o

desemprego, é possível dispor de um certo grau de confiança na escolha do modelo
mais adequado. Apesar desta pequena segurança a questão: como escolher o
melhor modelo? Não se cala. Segundo Gujarati e Porter (2011), No modelo de duas
variáveis, o modo mais simples de decidir se por exemplo o modelo reciproco ou

66
hiperbólico ajusta-se aos dados é traçar o diagrama de dispersão de contra e
ver se os pontos aproximam-se de uma curva hiperbólica.

Gráfico 8. Diagrama de dispersão do desemprego contra o PIB

Fonte: Elaboração própria pelo software Gretl.

Como se pode ver no gráfico 8, a dispersão dos dados é muito parecida a

curva descrita no gráfico 9 descrito baixo, inclusive, a existência de uma assímptota
que marca o limite inferior parece de alguma forma ser evidente na dispersão dos
dados.

67
Gráfico 9. Representação da curva de um modelo hiperbólico.

Agora se tem razões suficientes para se optar para a estimação da equação

do desemprego angolano através de um modelo hiperbólico.

3.6. Estimação do desemprego no modelo hiperbólico pelo MQO,

utilizando o software Eviews

Tendo o modelo da equação (28.2) e os dados do período em referencia:

(28.2)

Pode se estimar a equação hiperbólica do desemprego angolano no software

Eviews, cuja o processo revelou os seguintes resultados:

Dependent Variable: DESEMPREGO

Method: Least Squares (Gauss-Newton / Marquardt steps)
Date: 11/27/19 Time: 21:41
Sample: 1 27
Included observations: 27
DESEMPREGO=C(1)+C(2)*(1/PIB)

Coefficient Std. Error t-Statistic Prob.

C(1) 11.51024 1.345721 8.553210 0.0000

C(2) 69.18405 13.77969 5.020724 0.0000

R-squared 0.502068 Mean dependent var 16.41815

Adjusted R-squared 0.482151 S.D. dependent var 6.678286
S.E. of regression 4.805811 Akaike info criterion 6.048716
Sum squared resid 577.3954 Schwarz criterion 6.144704
Log likelihood -79.65766 Hannan-Quinn criter. 6.077258
F-statistic 25.20767 Durbin-Watson stat 0.240649
Prob(F-statistic) 0.000035

68
Isso é:

̂
̂

Equação que tem como:

̂ ̂

Com a equação acima é possível traçar a curva da seguinte forma:

Gráfico 10. Representação gráfica do ̂

Uma vez que o modelo é por si inverso, pelo sinal positivo da equação
estimada e pela inclinação negativa da curva entende-se que existe uma relação
negativa ou inversa do desemprego para com o PIB.

Quanto a interpretação de ̂ , verifica-se que ̂ corresponde a menor taxa a

que o desemprego pode atingir quando o PIB tende a infinito. Por si só esta
interpretação não tem grande possibilidade de se verificar na prática porque o PIB
cresce a números finitos reais e observáveis.

Do ponto de vista económico ̂ é a taxa mínima que o PIB pode atingir. Essa
interpretação pode gerar enumeras inquietações visto que no desemprego
observado em alguns momentos esta variável já atingiu taxas inferiores a 11,51%.
Para entender essa questão há que ter em atenção ao , um não é
expressivo por não ser muito próximo de 1, indicação de que não existe um grau de
ajustamento perfeito do desemprego para com o PIB, porém para o âmbito da
pesquisa é suficiente porque o PIB neste modelo explica cerca de das
variações do desemprego. Neste ponto de vista é normal que em algum momento o
desemprego atinja taxas inferiores a 11,51%, mas quando se verificar esta situação
69
saberemos que tal variação no desemprego não foi causada pelo PIB mas sim por
outras variáveis que também afectam o desemprego e não foram expressas no
modelo.

Olhando pelas especificidades do modelo, 11,51% é a taxa do pleno emprego

angolano, neste ponto da assímptota inferior do modelo o desemprego cíclico é igual
a zero. Visto ser um valor muito alto se comparado com outros países mais
desenvolvidos, entende-se que há uma forte presença dos desempregos sazonais,
friccionais e estruturais na economia.

Tal como visto interpretação de ̂ tem de ser feita em função do valor que

assumir a variável explicativa, dado que ̂ , pelo que uma variação

̂

induzida na variável desemprego depende do valor assumido pela variável PIB. Por
exemplo um aumento do PIB de 100 para 110 mil milhões de USD tem uma variação
no modelo diferente do aumento 150 a 160 mil milhões de USD. O importante sobre
̂ é saber que pelo declive ̂ o desemprego nunca será inferior a 11,51% por
̂

mais alto que o PIB cresça.

Dentro da teoria económica ̂ que é dado no modelo por representa o

coeficiente de variação do desemprego em função do PIB.

3.6.1 Teste de significância

̂ ̂ ̂
̂

 Estabelecimento das hipóteses:

̂ ̂

 Cálculo do

̂
Pela fórmula ̂

Porem na tabela gerada , logo:

70
  Critérios de rejeição ou aceitação:

Rejeita-se se para

 Cálculo do valor amostral da estatística de teste:

Pela tabela dos valores críticos da distribuição ,

 Conclusão:

Rejeita-se a hipótese nula e aceita-se a hipótese alternativa. O que significa

que o coeficiente de variação ̂ é estatisticamente significante para o modelo.

3.6.2 Novo predictor de mínimos quadrados

Uma vez obtida a equação estimada ̂ pode

̂

se escrever a recta de predicção pontual os valores do desemprego, os quais são

comparados com os valores observados no gráfico a seguir:

Gráfico 11. Predictor pontual hiperbólico do desemprego de MQOs.

30

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

Desemprego Des H estimado Linear (Des H estimado)

Fonte: Elaboração própria pelo software Excel.

Estimada a função desemprego, pelas hipóteses do modelo MQO supomos

que as variáveis e os parâmetros se comportam suavemente. Como esses cálculos
sugerem que, um modelo estimado pode ser usado para fins de controlo ou

71
formulação de políticas. Atendendo ainda que com o nível de significância usado o
desemprego estimado não se afasta muito do desemprego observado então o
Predictor obtido pode ser sim usado para fins de previsão. Com uma combinação
apropriada de políticas de combate ao desemprego cíclico, o governo pode manejar
a variável de controlo para gerar o nível desejado da variável meta desemprego.
É claro que, como observado, os erros de previsão aumentam rapidamente se
avançamos muito no futuro (Gujarati & Porter, 2011). É neste sentido que
Wooldridge (2006), aconselha que um profissional deve, normalmente, fazer uma
previsão a cada período de tempo. Embora este processo exija mais computação, o
trabalho é relativamente pequeno, e pode funcionar melhor, pois os coeficientes da
regressão se ajustam pelo menos um pouco, aos novos pontos de dados.

72
CONCLUSÕES

A presente pesquisa analisou a relação existente entre o PIB e o desemprego

nos indicadores angolanos PIB e desemprego utilizando como técnica de estimação
o método dos mínimos quadrados ordinários para prever o comportamento da
variável desemprego para a economia. pelo que é possível emanar as seguintes
conclusões:

 Desde o capítulo introdutório foi exposta a teoria, todavia esta exposição foi
apresentada de forma claramente no capítulo 2 onde debruçou-se que
Samuelson & Nordhaus (2005) afirmaram que o aumento da taxa de
desemprego é a consequência mais penosa de qualquer recessão. Quando o
PIB diminui, as empresas necessitam menos quantidade do factor trabalho,
de modo que não são contratados novos trabalhadores e os actuais são
dispensados. Desta forma o que esta teoria postula é que o desemprego varia
inversamente ao produto ao longo do ciclo económico;

 A principio o modelo econométrico foi especificado no capítulo 3 como:

Porém uma análise cuidada revelou que o modelo que melhor se ajusta a
pesquisa tinha de ser dado por:

 Os dados usados para se estimar os modelos esboçados foram obtidos do

banco mundial e retirados na base de dados “the Global economy”, estes
podem ser verificados na tabela em anexo II. Estes dados são apresentados
em termos reais, e reflectem os fenómenos económicos ou estatísticos
ocorridos na economia angolana entre 1991-2017;

 No 3º capítulo por meio do software Gretl foi usada a técnica de estimação

por mínimos quadrados ordinários, razão pela qual foi possível obter a
seguinte equação:

73
 ̂

Equação que tornou evidente e clara a existência de uma relação inversa

entre o PIB e Desemprego nos indicadores angolanos. Razão pela qual tinha
de se procurar estimar uma equação para o PIB e desemprego no âmbito de
um modelo próprio para analisar relações inversas. Neste sentido o modelo
hiperbólico mostrou-se mais adequado para o estudo em causa e atendendo
as especificidades da teoria esboçada. E assim é que foi escrita a equação:

 Quanto ao teste de hipóteses enumeram-se as seguintes conclusões:

 Por meio dos modelos usados foi possível confirmar a relação
estabelecida pela teoria económica nos indicadores angolanos. Na
pesquisa é realçada esta conclusão foi obtida do modelo linear, porque
o modelo hiperbólico é específico para analisar relações inversas entre
variáveis, logo, opta-se por este modelo quando já é sabido a prior que
a relação entre as variáveis é inversa. O que não era o caso no
princípio da pesquisa. Por este motivo, por esse ponto de vista, o
modelo linear tem a sua importância na pesquisa. E segundo Gujarati e
Porter (2011), a combinação dos dois modelos (linear e hiperbólico)
podem ser úteis para o cálculo da taxa natural de desemprego;
 A existência do modelo hiperbólico na pesquisa reveste-se de grande
importância, porque descreve22 de acordo com os parâmetros da teoria
económica a inversão existente nos indicadores em estudo. Isso é a
teoria estabelece que existe uma relação inversa entre o PIB e
desemprego, mas existe uma restrição no sentido lógico para o
desemprego dada como ( ), e no sentido prático essa
restrição é dada como ( ). No modelo essa pode
ser igual a ( ) visto que marca a assímptota inferior para o
desemprego por mais alto que o PIB possa estar. Essa conclusão
compactua com a teoria económica, porque ainda que a procura

22
Apenas descreve, não indica.
74
 agregada e oferta agregada estejam em equilíbrio de formas a que já
não exista o desemprego cíclico na economia, ainda assim sempre
existira o desemprego sazonal, friccional e estrutural. Neste caso como
para o desemprego cíclico apenas o PIB concorre para a formação da
taxa natural de desemprego, tem sentido estabelecer que para o
conjunto de dados analisados, a taxa natural do desemprego angolano
é de . Por esta ser muito alta, espelha a existência de altos
níveis de desemprego sazonal, friccional, e estrutural na economia;

 O modelo hiperbólico não refuta a teoria esboçada, embora deve se

reconhecer que possui suas limitações, visto que existem outras variáveis
significantes para a variável dependente desemprego que não são
especificadas no modelo. Porém é passível de ser utilizado para se poder
prever os valores futuros do desemprego, com base nos valores futuros
conhecidos ou esperados do PIB;
 Quanto aos limites inferiores e superiores do desemprego, se tivermos em
atenção a interpretação nos dois modelos veremos que o primeiro estabelece
um limite superior de 23,006% e o segundo estabelece um limite inferior de
11,51%. Atendendo a qualidade dos modelos e seguindo a recomendação
dada por Gujarati e Porter (2011), de que a interpretação conjunta de dois
modelos obtidos pela mesma técnica23; é possível notar que neste caso os
modelos estudados estabelecem a seguinte restrição:
[ ]
 Sabendo que a função estimada da equação hiperbólica do desemprego e
que as variáveis e que os parâmetros se comportam suavemente. Como
esses cálculos sugerem que, um modelo estimado pode ser usado para fins
de controlo ou formulação de políticas. Com uma combinação apropriada de
políticas fiscais e monetárias, os actores das políticas económicas podem
manejar a variável de controlo PIB para gerar o nível desejado da variável
meta desemprego. Porem essa tarefa é competência exclusiva aos actores

23
Para o nosso caso, pelo MQO
75
 das políticas económicas como o governo;

 Há um outro aspecto importante a se fazer constar nas conclusões, tal como

se viu no capítulo 1 a economia angolana pela sua forte dependência pelo
sector petrolífero é vulnerável a ciclos exógenos ao próprio sistema
económico derivados do comércio internacional relativo aos petróleos. Por
essa razão muitas vezes os indicadores globais como o PIB podem sugerir
um comportamento anormal em relação ao postulado na teoria económica,
isso porque o sector petrolífero tem um forte peso na economia, e este sector
é praticamente governado pela sua lei da procura e oferta no mercado
internacional. E como se não bastasse, nos últimos anos tem sido um dos
sectores ao nível do mundo que tem substituído a intensidade no factor
trabalho pelo capital.

Como conclusão final, no âmbito da pesquisa fica comprovada que a hipótese 1

da presente pesquisa é verdadeira, pelo que refuta-se a hipótese número 2. Porque
de facto no período em análise, a relação dos indicadores económicos produto e
emprego na economia nacional foi indirecta e o modelo predictor obtido da
observação estabelece uma previsão de tradeoff entre as duas variáveis.

76
LIMITAÇÕES

Na elaboração da presente pesquisa foram encontradas algumas limitações

que de certa forma colocam em causa a qualidade do trabalho:

 Verificou-se a indisponibilidade de dados relativos ao números de empregos

que a economia criou a cada ano, razão pela qual não foi possível utilizar tal
variável e foi necessário recorrer a uma alternativa que resultou na utilização
da variável desemprego como variável dependente em substituição da
variável emprego. Verificou-se também indisponibilidade dos dados relativos
ao PIB potencial de cada ano, o que constituiu dificuldade e pode retirar certa
qualidade na pesquisa visto dados como do PIB potencial, efectivo e relativos
ao número de empregos poderiam trazer a possibilidade de se incluir no
trabalho ricas abordagens que tornariam a pesquisa ainda mais interessante.
 A indisponibilidade de dados relativos ao PIB não petrolífero no período em
análise também constitui uma limitação, visto a análise de como os
indicadores se comportam quando desligados do sector petrolífero
enriqueceria ainda mais as abordagens da pesquisa.
 Outra dificuldade encontrada ao longo da pesquisa prendeu-se no que
respeita sobre a fonte dos dados a usar. Visto que as instituições nacionais
fornecedoras de dados necessários para este tipo de análise usam
metodologias distintas das instituições estrangeiras, e os dados fornecidos
pelas instituições nacionais não possuem histórico suficiente para garantir o
rigor e qualidade em uma análise de regressão; como se essa situação já não
fosse suficientemente complicada, na sua maioria os dados das instituições
nacionais são contraditórios em relação aos dados das instituições
internacionais. Por exemplo, o INEA calculou uma taxa de desemprego
nacional para 2018 avaliada em 28,8%, enquanto o Banco mundial calculou
uma taxa avaliada em 7,25%. A taxa fornecida pelo INEA aparenta ser mais
real, porém os dados fornecidos pelo INEA não possuem um histórico que
permita ao menos efectuar 25 observações. Por essa razão foi necessário se
fazer recurso a outra fonte de informação internacional (Banco Mundial) para
a obtenção dos dados necessários na elaboração da pesquisa.

77
RECOMENDAÇÕES

Tendo em conta as conclusões, as recomendações da pesquisa são as

seguintes:

 Aos estudantes do curso de economia, recomenda-se a utilização diferentes

técnicas para obtenção das estimativas. Isso permite não sou a comparação
prática dos métodos pelos resultados, mas também no processo pode
constituir uma forma de ensino aprendizagem dos métodos e dos softwares
para estudo dos métodos.
 Um dos grandes problemas com que o pesquisador se pode defrontar ao
construir modelos econométricos, é a utilização dos dados para a modelação.
O ramo da estatística em Angola é de certa forma difícil de se lidar quando se
trata de pesquisas onde seja necessário. Essa dificuldade pode se prender
pelo histórico, pela disponibilidade oportuna dos dados. Por essa razão,
recomenda-se aos estudantes e pesquisadores a ter um certo cuidado quanto
a opção de utilizar dados oficiais nacionais ou estrangeiros para a estimação
dos modelos, pois, os modelos são muito sensíveis quanto a escolha dos
dados a serem analisados tanto pelo histórico, quanto pela disponibilidade
oportuna dos dados. Logo criar um modelo da economia assente nos índices
desviados pode apresentar resultados completamente desfasado da realidade
e transmitir sinais errados aos decisores.
 Quanto aos produtores das estatísticas económicas nacionais como INE e
outros afins, recomenda-se que se faça um esforço no sentido de manter uma
certa acessibilidade e regularidade na publicação dos dados dos principais
indicadores da economia nacional, de formas a que mais cedo ou mais tarde
o país disponha também de uma base de dados que contenha ao menos os
principais indicadores económicos nacionais com um histórico que possibilite
e facilite aos estudantes e pesquisadores realizarem seus estudos, e
projecções sobre a economia com um grau de confiança elevado.
 Ao longo da pesquisa foi possível perceber que existem outras variáveis e
algumas podem ter significância ao afectar a variável desemprego. Por esta
razão aos estudantes da Faculdade de Economia e pesquisadores,
recomenda-se a realização de mais estudos sobre o desemprego, sobre tudo

78
aqueles que visam identificarem outras variáveis que afectam a variável
desemprego com vista a dar maiores contribuições para o entendimento do
problema do desemprego, de formas a alargar os conhecimentos sobre este
mal na sociedade. Se a maioria das variáveis significantes para o
desemprego forem identificadas e compreendidas, as políticas de combate ao
desemprego têm mais chances de serem melhoradas e terem maiores
probabilidades de serem eficazes e eficientes ao actuar sobre os propósitos
para os quais são concebidas.

79
BIBLIOGRAFIA

Afonso, A., & Nunes, C. (2011). Probabilidades e Estatística. Lisboa: Escolar Editora.

Bandeira, M. L. (2004). Demografia; objecto, teorias e métodos. Lisboa: Escolar

Editora.

BNA. (2017). Relatórios e contas 2015. Banco Nacional de Angola, Luanda.

BNA. (2018). Relatório e Contas 2016. Banco Nacional de Angola, Luanda.

BNA. (2018). Relatório e Contas 2017. Banco Nacional de Angola, Luanda.

BNA. (2019). Relatório e Contas 2018. Banco Nacional de Angola, Luanda.

Brue, S. L. (2006). História do Pensamento Econômico (6ª ed.). São Paulo:

Thomson.

Canterbery, E. R. (2001). Breve historia do pensamento economico. Lisboa: Instituto

PIAGET.

Carvalho, C. R. (2017). Notas sobre a economia angolana. Palestra na Faculdade de

Economia Da UJES. Huambo.

Dawbor, L. (2006). O que acontece com o trabalho? (3ª ed.). São Paulo: Senac São
Paulo.

Dilolwa, C. R. (2000). Contribuição à historia economica de Angola (2ª ed.). Luanda:

Editorial Nzila.

Gil, A. C. (2008). Métodos e Técnicas de Pesquisa Social (6ª ed.). São Paulo: Atlas
S.A.

Gomes, O. (2015). Dicionário Prático de Economia (1ª ed.). Lisboa: Edições Sílabo
Lda.

Gujarati, D., & Porter, D. (2011). Econometria básica (5ª ed.). São Paulo: McGraw
Hill.

Hoffmann, R. (2016). Análise de regressão, uma introdução à econometria (5ª ed.).

São Paulo: Hucitec.

Irueste, J. M. (1999). Dicionário abreviado de economia (1ª ed.). (L. C. Gomes, & S.
Vilarigues, Trads.) Madrid: Campo das Letras - Editores S.A.

80
Krugman, P. (2009). O regresso da economia da depressão e a crise actual (3ª ed.).
Lisboa: Editorial Presença.

Maia, R. P. (2015). Economia (2ª ed.). Luanda: Plural Editores.

Mankiw, N. G. (2010). Introdução à Economia (5ª ed.). São Paulo: Centage Learning
Edições Lda.

Mankiw, N. G. (2010). Princípios de macroeconomia (5ª ed.). São Paulo: Centage

Learning Edições Ltda.

Marconi, M. d., & Lakatos, E. M. (2003). Fundamentos de metodologia científica (5ª

ed.). São Paulo: Atlas.

Maréchal, J.-P. (2000). Economia, o emprego e o ambiente. Lisboa: Instituto Piaget.

MINFIN. (2015). Síntese Orçamento Geral do Estado 2016. Ministério das Finanças
da República de Angola, Luanda.

MINFIN. (2017). Relatório de fundamentação do OGE 2018. Ministério das Finanças

da República de Angola, Luanda.

MINFIN. (2019). Relatório de de Fundamentação do Orçamento Geral Do Estado

Revisto 2019. Ministerio Das Finanças Da República de Angola, Luanda.

Mosca, J., & Zanzala, J. (2006). Economia dos Palop. Lisboa: Instituto PIAGET.

Nabais, C., & Ferreira, R. V. (2012). Macroeconomia, lições e exercícios. Lisboa:

Lidel - edições técnicas, lda.

Oliveira, M., Santos, L. D., & Fortuna, N. (2011). Econometria. Lisboa: Escolar
Editora.

Passos, C. R., & Nogami, O. (2012). Economia (6ª ed.). São Paulo: Cengage
Learning.

Ribeiro, C. S. (2014). Econometria. Lisboa: ESCOLAR EDITORA.

Samuelson, P. A., & Nordhaus, W. D. (2005). Economia (18ª ed.). Madrid: McGraw-
Hill Interamericana de Espanã S.A.U.

Santos, F. N. (1997). Dicionário Inglês-Português (3ª ed.). Lisboa: PUBLICAÇÕES

EUROPA-AMÉRICA.

81
Santos, J., Pina, Á., Braga, J., & Aubyn, M. S. (2010). Macroeconomia (3ª ed.).
Lisboa: Escolar Editora.

Soares, J. C. (2010). Dicionário de economia (2ª ed.). Lisboa: Plátano Editora, SA.

Trevisan, L. (2010). Educação e Trabalho (2ª ed.). São Paulo: Senac São Paulo.

UCAN. (2015). Relatório Económico de Angola 2013. Luanda: Texto Editores.

Wonnacott, P., & Wonnacott, R. (2004). Economia (2ª ed.). São Paulo: Pearson
Education.

Wooldridge, J. (2006). Introdução À Econometria Uma Abordagem Moderna. São

Paulo: Thomson.

82
ANEXOS.

ANEXOS I.

Ilustração 2. Página online da base de dados “the global economy.com”.

Fonte: the Global economy.com

83
ANEXOS II.

Tabela 5. Valores do PIB e desemprego angolano (1991-2017)

PIB DS PIB DS
Ano (em bilhões de USD) (%) Ano (em bilhões de USD) (%)

1991 10,6 22,6 2005 36,97 20,53

1992 8,31 20,92 2006 52,38 17,67
1993 5,77 21,25 2007 65,27 14,63
1994 4,44 21,16 2008 88,54 12,04
1995 5,54 21,15 2009 70,31 10,61
1996 7,53 20,07 2010 83,8 9,09
1997 7,65 21,47 2011 111,79 7,36
1998 6,51 20,44 2012 128,05 7,36
1999 6,15 20,9 2013 136,71 7,45
2000 9,13 22,89 2014 145,71 7,43
2001 8,94 23,11 2015 116,19 7,28
2002 15,29 23,9 2016 101,12 7,28
2003 17,81 23,92 2017 122,12 7,14
2004 23,55 23,64 ----- ----- -----
Fonte: the Global economy.com

ANEXOSIII.

Tabela 6. ANOVA
ANOVA
gl SQ MQ F F de significância
Regressão 1 1057,553 1057,553 259,118 1,0534E-14
Residual 25 102,034 4,081
Fonte: Elaboração própria pelo software Gretl.

84
ANEXOS IV.

Dedução do .

Para calcular , procedemos do seguinte modo, sabe-se que:

̂ (A.1)

Elevando ao quadrado ambos os membros da equação (A.1) e somando temos:

̂ ∑ ∑̂ ∑ ∑̂

∑̂ ∑ (A.2)

̂ ∑ ∑

Já que ∑ e ̂ ̂ .

As várias somas de quadrados que aparecem na equação (A.2) podem ser descritas
como a seguir∑ ∑ ̅ : = variação dos valores observados de em torno
de sua média amostral, que pode ser chamada de soma total de quadrados (STQ).

∑ ∑ ̅ ∑ ̅ ̂ ∑ variação dos valores estimados de

em torno de sua média ( ̂ ) ̅ , que apropriadamente, pode ser chamado de

soma dos quadrados devido à regressão (e é devido as variáveis explicativas) ou

simplesmente a soma dos quadrados explicados (SQE) pela regressão. ∑
variação residual ou inexplicada dos valores de em relação à linha de regressão,
ou simplesmente soma dos quadrados dos resíduos (SQR). Portanto a equação
(A.2) é

(A.3)

E mostra que a variação total dos valores observados de em torno de sua media
pode ser dividida em duas partes, uma atribuível à linha de regressão e a outra a
forças aleatórias, porque nem todas as observações efectivas de situam-se sobre
a linha ajustada. Podemos ver isso geometricamente na figura abaixo. Dividindo os
dois lados da equação (A.3) por STQ, obtemos

85
 ∑ ̅ ̂ ∑
(A.4)
∑ ̂ ∑ ̂

Agora definir como,

∑ ̅ ̂
(A.5)
∑ ̂

Ou como

∑
(A.6)
∑ ̂

Dedução do ̅ .

∑ ̂
̅ ∑
(A.7)

Em que k é igual ao número de parâmetros do modelo, incluindo o termo de

intercepto.

É fácil verificar que ̅ e relacionam-se, porque, substituindo a equação

(A.6) na equação (A.7) obtemos:

̅ (A.8)

86
ANEXOS IV.

Tabela 7. Valores críticos da distribuição t-student.

87