FACULDADE DE CIÊNCIAS

Departamento de Matemática e Informática

Trabalho de Licenciatura em
Estatística

Dissertação para obtenção do Grau de Mestre

em[Engenharia Informática]

Análise do impacto de factores

determinantes à variação da Balança de
pagamentos em Moçambique

Autor: Mucavele, Elton Isaías

Maputo, Abril de 2022

 FACULDADE DE CIÊNCIAS
Departamento de Matemática e Informática

Trabalho de Licenciatura em Estatística

Dissertação para obtenção do Grau de Mestre

em[Engenharia Informática]

Análise do impacto de factores determinantes à

variação da Balança de pagamentos em
Moçambique

Autor: Elton Isaías Mucavele

Supervisor: Dra, Rafica Abdulrazac

Maputo, Abril de 2022

2
Dedicatória

[Exemplo, Aos meus pais, etc]

Declaração de Honra

Declaro por minha honra que o presente Trabalho de Licenciatura é resultado da minha investigação
e que o processo foi concebido para ser submetido apenas para a obtenção do grau de Licenciado
em [nome do curso], na faculdade de Ciências da Universidade Eduardo Mondlane.

Maputo, 03 de Novembro de 2021

_______________________________
(Elton Isaías Mucavele)

ii
Agradecimentos

[Os agradecimentos, apesar de haver total liberdade no conteúdo e forma desta secção,
normalmente inicia-se com os agradecimentos institucionais (orientador, instituição, colegas, …)
e só depois os pessoais (amigos, família, …).

iii
Resumo

O texto deve começar aqui!

O resumo não deve exceder uma página e deve sintetizar a ideia e os resultados do trabalho. Pode
responder às seguintes questões:

Qual é o problema?

Porque é que ele é interessante?

Objectivos?

Métodos usados?

Qual é a solução?

O que resulta (implicações) da solução?

Palavras-chave: Palavras-chave

iv
Abstract (Opcional)

Your text should start here!

The abstract should not exceed one page and should summarize the idea and the results of the
work. You can answer the following questions:

What is the problem?

Why is it interesting?

What is the solution?

What are the results (implications) of the solution?

Keywords:

v
Abreviaturas
ADF Augumented Dickey-Fuller

AIC Akaike Information Criteria

AR Autoregressive

ARMA Autoregressive Moving Average

ARIMA Autoregressive Integrated Moving Average

BIC Bayesian Information Criteria

BOP Balança de Pagamentos

Bcorr Balança Corrente

Bcap Balança Capital

Bfin Balança Financeira

BM Banco de Moçambique

DF Dickey-Fuller

FMI Fundo Monetário Internacional

INE Instituto Nacional de Estatística

MQO Mínimos Quadrados Ordinários

PP Philips Perron

VAR Vector Autoregressivo

SI Sistema de Informação

TIC Etc

vi
vii
Índice

Dedicatória............................................................................................................................................i

Declaração de Honra............................................................................................................................ii

Agradecimentos..................................................................................................................................iii

Resumo................................................................................................................................................iv

Abstract (Opcional)..............................................................................................................................v

Abreviaturas........................................................................................................................................vi

Lista de Figuras...................................................................................................................................xi

Lista de Tabelas..................................................................................................................................xii

Introdução.............................................................................................................................................1

1.1. Contextualização....................................................................................................................1

1.2. Definição do problema..........................................................................................................3

1.3. Objectivos..............................................................................................................................4

1.3.1. Objectivo Geral..............................................................................................................4

1.3.2. Objectivos específicos....................................................................................................4

1.4. Relevância do estudo.............................................................................................................4

Revisão de Literatura............................................................................................................................6

2. Enquadramento Teórico............................................................................................................6

2.1. Conceito da Balança de Pagamentos.....................................................................................6

2.1.1. Componentes da Balança de Pagamentos......................................................................6

2.1.2. Abordagens Que Explicam a Balança de Pagamentos.................................................11

2.2. Balança de pagamentos em Moçambique............................................................................17

2.3. Econometria de séries Temporais........................................................................................20

2.3.1. Conceito de série Temporal..........................................................................................20

2.3.2. Componentes de uma Série Temporal..........................................................................21

2.3.3. Processos Estocásticos.................................................................................................22

viii
 2.3.4. Estacionariedade de uma Série Temporal....................................................................22

2.3.5. Processo Estocástico de raíz unitária............................................................................26

2.3.6. Processos Estocásticos Integrados...............................................................................26

2.3.7. Processos Autoregressivos...........................................................................................29

2.3.8. Processos de Médias Móveis........................................................................................29

2.3.9. Processos autoregressivos de médias móveis...............................................................29

2.3.10. Processos autoregressivos integrados de médias móveis.........................................30

2.3.12. O Método de Mínimos Quadrados..........................................................................38

Material e Métodos.............................................................................................................................39

3.1 Material................................................................................................................................39

3.2 Métodos...............................................................................................................................40

3.2.1.Testes de estacionariedade................................................................................................40

3.2.2. Verificação do Modelo.................................................................................................46

3.3. Vetor Autoregressivo (VAR)...........................................................................................47

3.4. Causalidade de Granger...................................................................................................49

3.5. Função Impulso e Resposta (FIR)...................................................................................50

3.6. Decomposição de Variância.............................................................................................51

Resultados e Discussão......................................................................................................................52

4.1 Análise Descritiva dos dados...............................................................................................52

4.2 Estacionaridade das Variáveis.............................................................................................56

4.2.1. [Primeiro subtítulo]......................................................................................................57

4.2.2. [Segundo subtítulo]......................................................................................................57

4.3 [Terceiro título]....................................................................................................................57

Conclusões e Recomendações............................................................................................................58

6.1 [Primeiro título]...................................................................................................................58

6.2 [Segundo título]...................................................................................................................58

6.2.1. [Primeiro subtítulo]......................................................................................................58

ix
 6.2.2. [Segundo subtítulo]......................................................................................................58

6.3 [Terceiro título]....................................................................................................................58

Referências Bibliográficas.................................................................................................................59

Anexos................................................................................................................................................63

Anexo 1: [Descrição]......................................................................................................................63

Anexo 2: [Descrição]......................................................................................................................63

x
Lista de Figuras

xi
Lista de Tabelas

xii
 1
Introdução
1.1. Contextualização
Segundo Amaral et al (2007), o comércio externo 1 tem assumido uma importância crescente na
actividade económica mundial, principalmente desde o final da II Guerra Mundial. Não existem nos
dias actuais economias fechadas, embora existam diferenças entre os países quanto ao grau de
abertura com o exterior. Todas as economias mantém relações entre si, traduzidas quer na troca de
bens e serviços, quer ainda no movimento de capitais. As relações económicas internacionais dão
lugar a pagamentos e recebimentos entre o país e o exterior, em grande parte traduzidas por
entradas e saídas de divisas (Amaral et al, 2007).

Segundo Rossetti (2016), As transações económicas de determinado país com o exterior, agrupadas
segundo seus fatos geradores como o comércio de mercadorias, prestação de serviços,
transferências e movimento de capital nas formas de finaciamento e de investimentos diretos,
resultam em saldos líquidos parciais, que produzem diferentes impactos sobre as condições internas
de equilíbrio e de crescimento, essas transações são totalizadas em um levantamento de natureza
contábil que regista todos os recebimentos de agentes económicos do país, como unidades
familiares, empresas e governo, por fornecimento de produtos e fatores de produção a agentes
económicos de outros países.a denominação usual desse levantamento é balança de pagamentos.

Segundo Rezende (2015), a balança de Pagamentos é o registo, de forma sistemática, de todas as

transações econômicas entre residentes e não residentes durante um período de tempo.

Segundo Veviane Vecchi (2017), Balança de Pagamentos é utilizada para avaliar o estado das
finanças internacionais de um país, permitindo acompanhar a evolução do fluxo de recurssos físicos
e financeiros entre os agentes residentes e não residentes em uma determinada economia.

Segundo Mueller (2011), balança de pagamentos de contabilidade é baseada no princípio de dupla

entrada com cada item contabilizado como crédito e débito. Portanto, o resultado final estará em
equilíbrio e a equação para a balança de pagamentos será zero. Déficits e superávits só podem
aparecer nos sub-saldos, como na balança comércial, serviços, transferências unilaterais e na conta

1
Comércio entre um país específico e os restantes países.
capital e financeira. O registo de um déficit em conta corrente significa que o país gasta mais do que
produz num determinado período.

A balança de pagamentos aparece assim como, um dos registos mais importantes do sistema de
contas nacionais. Segundo o Fundo Monetário Internacional (2009), a balança de pagamentos é um
registo contábil sistemático das transações económicas que envolvem residentes e não residentes de
um determinado país, num determinado período de tempo. Esta é constituída pela balança corrente,
balança de capital e balança financeira. A partir do saldo das componentes da balança de
pagamentos pode-se chegar à conclusão da situação económica do país, tornando-se deste modo
conhecida a capacidade líquida de financiamento, ou a necessidade líquida de financiamento pelo
exterior.

Segundo De Brito (2017), o período que se prolonga desde os finais do século XIX até ao fim da II
Guerra Mundial, é caracterizado por duas dinâmicas paralelas: por um lado, a integração de
Moçambique na economia capitalista regional, cujo centro era a indústria mineira sul-africana, que
se desenvolveu a partir da segunda metade do século XIX com a descoberta de diamantes e ouro na
região Transval. E por outro lado, a relação clássica das economias coloniais, que fazia de
Moçambique um fornecedor de matérias-primas para indústrias Metropolitanas. De acordo com o
mesmo autor, neste período desenvolvem-se agroindústrias viradas para exportação, do açúcar,
algodão, copra, madeira, sisal e chá. Em princípios dos anos 40 estas culturas representaram dois
terços do valor total das exportações de Moçambique.

De acordo com o mesmo autor, a característica principal da economia moçambicana que marcou
todo o período colonial, é a sua orientação para uma economia de serviços ferro portuários
orientados para os países vizinhos, nomeadamente: a África do Sul, a Rodésia (actual Zimbabwe),
Niassalândia (actual Malawi) de trabalho migratório, particularmente importante nas regiões do Sul
do Save, sectores cujas receitas permitiam um certo equilíbrio na Balança de pagamentos, dado que
a balança comercial era sistematicamente deficitária.

De acordo com Instituto Nacional de Estatística (2017), o contínuo interesse no comércio

internacional2 de mercadorias deve-se essencialmente ao seu papel crucial no desenvolvimento
económico, pois, esse comércio liga produtores e consumidores localizados em diferentes países
criando um sistema económico global. Neste contexto, a disponibilidade de estatísticas do comércio
internacional de mercadorias de alta qualidade torna-se uma pré-condição para uma análise em

2
Comércio efetuado entre diferentes países.

2
profundidade da produção, consumo, emprego, renda e bem-estar geral para o país, regiões assim
como para o mundo.

Assim sendo a presente pesquisa visa analisar o impacto dos factores determinantes à variação da
balança de pagamentos em Moçambique nos períodos de 2000-2018.

1.2. Definição do problema

Segundo Bernstein (1956), uma balança de pagamentos satisfatória é aquela que permite a um país,
num período médio de anos favoráveis e desfavoráveis, efetuar seus pagamentos, inclusive saída
normal de capital, através de receitas provenientes das transações normais e do influxo de capital,
sem que o nível de atividade econômica situe-se abaixo do desejado, pela restrição das importações
que objetivasse evitar um "deficit".
De acordo com o Banco de Moçambique (2018), o défice na balança da conta corrente vem se
agravando cada vez mais, resultando assim num saldo global da balança de pagamentos deficitário
o que leva ao país, à necessidade líquida de financiamento pelo exterior.

Segundo o ministério da Indústria e Comércio (2016), Moçambique é importador líquido de vários

bens, destacando-se alimentos básicos, incluindo cereais, encontram-se neste grupo: o milho, trigo e
arroz, é também importador de quantidades substanciais de carne e de produtos animais. De acordo
com a mesma entidade as importações de alimentos tem aumentado substancialmente entre 2001 e
2015 com o volume a aumentar cinco vezes. Além disso, prevê-se que a população moçambicana
continue a crescer exponencialmente, atingindo a projeção de 40 milhões até 2030 e mais de 60
milhões até 2050, isto sugere que sem um aumento substancial da produção agrícola nacional, a
importação de alimentos básicos continuará a aumentar, com as consequentes implicações para
balança comercial do país. Por seu peso na balança de pagamentos como um todo, os resultados
líquidos do fluxo do comércio acabam por definir as direcções com que se movimentarão as demais
contas (Rossetti).

Segundo Nogueira (2012), quando um país importa mais do que exporta, tem de pedir um
empréstimo ao estrangeiro para financiar a diferença. Deste modo passa-se a ter um défice na
balança de pagamentos e a situação agrava-se porque no futuro o valor emprestado tem de ser pago
com juros. O problema de défice da balança de pagamentos é uma realidade e deste modo surgem
as seguintes questões, quais são os factores que provocam variações na balança de pagamentos de
Moçambique? E até que ponto os factores são determinantes na variação da balança de
pagamentos?

3
1.3. Objectivos
1.3.1. Objectivo Geral
Analisar a variação da balança de pagamentos de Moçambique e das suas componentes
no período de 2000-2018.

1.3.2. Objectivos específicos

 Descrever o comportamento da série da balança de pagamentos e o
comportamento da série dos respectivos factores que compõem a amostra;
 Analisar as relações de causalidade entre os factores que compõem a Balança de
pagamentos no período em análise;
 Verificar quais os factores afetam a Balança de pagamentos de Moçambique a
curto prazo;
 Verificar quais dos factores determinantes são significativos para a estabilidade
da Balança de Pagamentos;

1.4. Relevância do estudo

Segundo Ibraimo (2019), durante cerca de uma década e meia 2000-2015, a economia de
Moçambique apresentou uma taxa de crescimento média de cerca de 7.5% por ano. Este
crescimento, foi acompanhado por uma elevada atração do investimento directo estrangeiro e pela
aparente estabilidade dos principais indicadores macroeconómicos, tais como a inflação, a taxa de
câmbio e a constituição de reservas internacionais líquidas.

Segundo Branco (2010), a estabilidade da economia nacional tem sido medida essencialmente pela
taxa de inflação e pela taxa de câmbio. Estes indicadores são, no entanto, apenas o reflexo
monetário de problemas de estrutura mais geral da economia e/ou do funcionamento do sistema
financeiro. Do ponto de vista da produção, é mais importante tentar verificar como é que as
dinâmicas de produção e estabilidade se relacionam. Uma das formas de o fazer é analisar a relação
dinâmica entre a estrutura da produção e a balança de pagamentos.

Segundo Carilho e Weimer (2017), a economia moçambicana é uma economia de consumo típica e
não uma economia baseada em investimentos para produção e nos mercados interno e externo.

De acordo com Siúta (2019), as crises económicas em Moçambique são causadas pela dependência
da economia do capital estrangeiro, com particular destaque para o caso da indústria. Boa parte de
bens, serviços de que o país dispõe não são produzidos internamente. O interesse por materiais,
alimentos, ou outros serviços externos vem aumentando no seio da população moçambicana, e deste

4
modo, há um aumento na dependência das importações. Quanto mais dependente do mercado
externo o país se encontrar, menos produtivo fica. Assim sendo, o país apresenta-se como incapaz
no suprir até mesmo as necessidades básicas da população, buscando no mercado externo bens que
poderiam ser produzidos internamente. Esta problemática não só afecta a capacidade do país
sustentar a população com bens produzidos internamente, como também têm impacto directo nas
contas nacionais, apresentando-se assim deficitárias (Siúta, 2019). Vários são os factores que tem
um impacto na variação ou estado das contas nacionais, se estas são deficitárias ou superavitárias,
assim sendo a presente abordagem científica tem como principal enfoque a análise dos factores que
determinam a variação da balança de pagamentos em Moçambique no período compreendido entre
os anos 2000 à 2018.

5
 2
Revisão de Literatura
2. Enquadramento Teórico
A presente abordagem tem como objectivo fazer uma análise dos factores determinantes à variação
da Balança de pagamentos em Moçambique, e qual é o impacto que os mesmos factores tem sobre a
Balança de pagamentos. São vários os estudos fundamentados que mostram a relação entre
diferentes factores e a Balança de pagamentos, razão pela qual torna-se importante a análise para o
caso de Moçambique. Deste modo interessa apresentar alguns conceitos teóricos.

2.1. Conceito da Balança de Pagamentos

Segundo o Banco de Moçambique (2009), a Balança de pagamentos é o registo contábil e
sistemático de todas as transações económicas realizadas num determinado período de tempo, entre
residentes de um País e os residentes de outros Países, ou não residentes.

Residentes: são indivíduos ou empresas estabelecidos no território do país e cuja atividade está
sujeita à legislação do mesmo (Vecchi, 2017).

Não residentes: são indivíduos ou empresas estabelecidos no exterior, os que se encontram em

trânsito no país e os que estão estabelecidos no país mas têm suas atividades financiadas e
legisladas pelos seus países de origem. Por exemplo, subsidiárias de empresas multinacionais são
residentes nos países em que estão instaladas, mesmo que sua propriedade seja de estrangeiros; e
embaixadas são não residentes nos países em que estão sediadas.

Nesta balança são registadas diversos movimentos financeiros, tal como:

 As entradas de capitais decorrentes das exportações de mercadorias, dos investimentos

realizados por agentes económicos estrangeiros, dos subsídios ou das remessas de
emigrantes;
 As saídas de capitais motivadas pelas importações de mercadorias.

2.1.1. Componentes da Balança de Pagamentos

Segundo FMI (2009), a balança de pagamentos é constituída pela balança corrente, balança de
capital e balança financeira. De acordo com a mesma entidade, embora a balança de pagamentos
esteja, em princípio equilibrada, podem existir desequilíbrios resultantes das fontes de dados e

6
compilação dos mesmos. Desta forma este desequilíbrio é apresentado numa rubrica separada da
balança de pagamentos designada por erros e omissões. Tais valores não devem ser incluídos
indiscriminadamente nas outras rubricas.

A balança de pagamentos pode ser representada pela seguinte equação

BOP=BCORR + BCAP+ BFIN+ EIO=0(1)
Sendo,
𝐵O𝑃 = 𝑏𝑎𝑙𝑎𝑛ç𝑎 𝑑𝑒 𝑝𝑎𝑔𝑎𝑚𝑒𝑛𝑡𝑜𝑠

𝐵𝐶ORR = 𝑏𝑎𝑙𝑎𝑛ç𝑎 𝑐𝑜𝑟𝑟𝑒𝑛𝑡𝑒

𝐵𝐹IN = 𝑏𝑎𝑙𝑎𝑛ç𝑎 𝑓𝑖𝑛𝑎𝑛𝑐𝑒𝑖𝑟𝑎

𝐸𝑖𝑂= 𝑒𝑟𝑟𝑜𝑠 𝑒 𝑜𝑚𝑖𝑠𝑠õ𝑒𝑠

Assim, a balança de pagamentos equivale a soma algébrica da conta corrente, conta capital, conta
financeira e erros e omissões. O resultado da balança de pagamentos representa a variação das
reservas internacionais do país, detidas pelo Banco Central, no conceito de liquidez internacional,
deduzidos os ajustes relativos a valorizações das moedas estrangeiras e do ouro em relação ao dólar
americano e os ganhos ou perdas relativos a flutuações nos preços dos títulos e da cotação do ouro.
(Rezende et al, 2015).

2.1.1.1. Balança Corrente

De acordo com Rezende et al (2015), a balança corrente mostra os fluxos internacionais, ou,
pagamentos e recebimentos de bens e serviços, renda e transferências, daí o seu enquadramento no
que se chama de transações correntes; o saldo desta rubrica é fundamental porque dá uma medida
da forma como a actividade temporal da economia se desenvolve face ao exterior. Um saldo
positivo por exemplo, que a actividade corrente é suficiente para gerar receitas que cobrem os
encargos face ao exterior dessa actividade. Por conveniência divide-se a Balança corrente por
quatro (4), componentes distintas.

 Balança Comercial: Revela contabilisticamente os movimentos de exportação e importação

de mercadorias, através do critério de avaliação FOB (Franco a Bordo 3) que representa o
valor de fronteira do país exportador. Incluem-se as operações de comércio triangular
(Rezende et al, 2015).
Segundo Samuelson e Nordhaus (2010), a balança comercial representa a diferença
numérica entre o volume das exportações e das importações dos bens e serviços de um país
3
Valor da mercadoria colocada no modo de transporte no local combinado de embarque para exportação, livre de quaisquer encargos suplementares.

7
 em relação a um outro. Quando as exportações excedem as importações, a diferença é um
excedente, caso que contribui para o crescimento do PIB, caso contrário tem-se uma balança
comercial negativa.
Segundo Vecchi (2017), a balança comercial regista as transações de compra e venda de
bens entre residentes e não residentes, os valores são registados pelos preços FOB.

 Balança de Serviços:
De acordo com Rossetti (2016), a balança de serviços compreende as receitas è despesas
cambiais, destacando ainda que existem muitos e numerosos serviços, objecto de troca a
nível internacional, que representam prestações imateriais. Estes subdividem-se em serviços
de transportes, serviços da Banca de seguros, viagens, actividades de consultoria,
comunicações, construção, serviços financeiros, serviços de informação e informática,
direitos do autor, serviços governamentais e outros.
 Balança de Rendimentos: é o registo das remunerações do factor trabalho, isto é, salários
ou do factor capital que são juros e dividendos pagos por não-residentes a favor de
residentes, bem como inversamente (Rezende et al 2015).
 Balança de Transferências: esta regista pagamentos efectuados devido a transferências de
recursos reais ou de direitos financeiros, fornecidos ao resto do mundo ou recebidos do resto
do mundo, sem nenhuma contrapartida. Tais transferências podem ser privadas, isto é,
remessas de emigrantes; donativos de fundos ou de bens por instituições. Ou públicas, que
são donativos de governos; ajudas de solidariedade; reparações de guerra. É de salientar que
não se trata de registar movimentos de capital, pois, estes dão sempre lugar ao aparecimento
de créditos ou débitos, pois, os registos tão-somente dizem respeito a pagamentos finais, que
em função do destinatário tem o sinal (+), crédito ou o sinal (-), débito.

2.1.1.2. Balança Capital

De acordo com Krugman & Obstfeld (2001), a conta capital, da Balança de pagamentos regista
todas as compras ou vendas internacionais de ativos. Por exemplo quando uma entidade nacional
compra um ativo internacional, a transação entra na balança de pagamentos Nacional como um
débito na conta capital.

Compreende as transferências de capital correspondentes a mudanças de propriedade sem

contrapartida, que se traduzem no aumento dos ativos do país recetor ou na diminuição dos seus
passivos

Por Exemplos;

8
  As transferências de património resultantes do regresso dos emigrantes;
 As transferências da União Europeia para financiamento de infraestruturas;
 O perdão de uma dívida de um país terceiro face a Moçambique.

2.1.1.3. Balança Corrente e de Capital

O saldo conjunto da Balança Corrente e de Capital indica se uma economia está numa situação
credora ou devedora face ao Resto do Mundo. Valores positivos – capacidade de financiamento, ou
seja, a economia gera recursos que não utiliza, sendo uma poupança interna, utilizada por outros
países para se financiarem. Valores negativos – necessidade de financiamento, ou seja, tem de
recorrer a poupança externa para financiar a atividade económica interna.

2.1.1.4. Balança Financeira

Trata-se de uma conta que regista os fluxos financeiros, ela inclui todas as transacções ligadas a
transferências de propriedade, criação ou extinção de disponibilidades e responsabilidades
financeiras externas da economia. O maior mérito desta balança é o de permitir visualizar a
acumulação de activos ou passivos líquidos face ao exterior.
A balança financeira contém as seguintes rúbricas:

 Investimento Directo;
Segundo Mankiw (2010), o investimento estrangeiro assume várias formas, onde destacam-
se duas principais. Um investimento de capital que é possuído e operado por uma entidade
estrangeira e um investimento financiado com dinheiro estrangeiro, mas operado por
residentes. Quando estrangeiros investem em um país, e mesmo sabendo de que o
rendimento desse investimento retorna ao proprietário estrangeiro, o investimento aumenta o
estoque do capital da economia, proporcionando maior produtividade e maiores salários.
Além disso, o investimento estrangeiro é uma maneira pela qual os países pobres podem
aprender tecnologias avançadas, desenvolvidas e usadas por países ricos. Por essas razões,
muitos economistas que assessoram governos de países menos desenvolvidos apoiam nas
políticas que incentivam o investimento estrangeiro.
 Investimento de carteira; refere-se à compra de produtos financeiros (ações; obrigações)
na bolsa de valores do Resto do Mundo por residentes no nosso país e à compra de produtos
financeiros na Bolsa de Valores de Moçambique por parte de não residentes.

9
  Outros investimentos; registam-se todas as transações financeiras efetuadas entre os
agentes de vários países não abrangidas pelas restantes rubricas como os créditos comerciais
e os ativos não considerados de reserva, a obtenção de empréstimos ou a constituição de
depósitos em bancos não residentes.
 Derivados financeiros; englobam as transações entre residentes e não residentes de
derivados financeiros como os futuros ou as opções de compra e venda. Estes produtos
financeiros permitem antecipar o preço dos ativos a comprar ou a vender no futuro.
 Reservas oficiais internacionais: regista as transações em moeda estrangeira efetuadas
pelas autoridades monetárias, como o Banco de Central. Para serem considerados ativos de
reservas, os ativos têm de ser relativos a não residentes e têm de ser expressos em moedas de
países fora desta área.
Na última componente da balança, as reservas oficiais internacionais, abarcam as disponibilidades
sobre o exterior e as responsabilidades face ao exterior. A respectiva posição líquida é
extremamente importante, na medida em que permite, em hipótese do saldo positivo, amortecer
crises regionais ou mundiais e intervenção no mercado cambial, um cenário quotidiano.

2.1.1.5. Erros e Omissões

Segundo Souza (2018), a recolha de dados nunca é exaustiva. Sabendo-se que o saldo contabilístico
da balança de pagamentos tem de ser nulo, calcula-se residualmente a rubrica de Erros e omissões.
Parte dos Erros e omissões pode reflectir operações não declaradas, como operações ilícitas com o
resto do mundo. Como exemplo de operações que seriam contadas com valores negativos (Débito)
em erros e omissões são importações provenientes de contrabando, produtos ilegais como, drogas,
fuga a tarifas ou impostos, exportações ilegais de capitais, por serem resultantes de actividades
ilícitas ou em países com restrições à circulação internacional de capitais.
Segundo Rezende et al (2015), as partidas a crédito e a débito lançadas na balança de pagamentos
provêm de diversas fontes de informações, gerando, na prática, um total líquido diferente de zero. A
principal razão está nas discrepâncias temporais das diversas origens dos dados utilizados. Com
isso, torna-se necessário o lançamento de partida equilibradora para o balanceamento das contas. Os
erros e omissões se prestam, portanto, a compensar toda sobrestimação ou subestimação dos
componentes registados.
Segundo Vecchi (2017), erros e omissões corresponde a transações que não foram registadas pela
autoridade monetária, mas, que provoca variações das reservas internacionais.
Inflação e taxa de câmbio

10
 De acordo com Bernstein (1956), a ideia de inflação como causa de dificuldades na balança de
pagamentos é antiga datando, pelo menos, de Adam Smith. Se um país tem uma balança de
pagamentos satisfatória, uma expansão excessiva de crédito deverá provocar um "deficit" em sua
balança. À medida que o aumento da despesa causada pelo excesso de crédito dirige-se para os bens
de importação ou exportação, a balança de pagamentos será imediatamente influenciada. A
dificuldade não está em saber se a inflação afetará ou não a balança de pagamentos mas, sim, de
quanto e quando.
Segundo Frazão (2010), a teoria da Balança de Pagamentos, foi inspirada em Keynes, que
procurava determinar a taxa cambial com base nos saldos da Balança de Pagamentos. A existência
de um défice influenciava automaticamente o nível da taxa cambial, atendendo ao desequilíbrio
entre a procura e a oferta de divisas, causando deste modo, uma maior procura de divisas, reduzindo
assim o valor da moeda nacional no mercado de câmbios. Contrariamente, numa situação de saldo
positivo, o valor cambial tendia a subir. O comportamento do mercado cambial era de difícil
previsão, dependendo de vários factores a ter em conta, nomeadamente, a Estabilidade Política e
Social, Considerações Psicológicas, Taxa de Inflação, Taxas de Juro e Saldos da Balança Comercial
e Balança de Transacções Correntes.

2.1.2. Abordagens Que Explicam a Balança de Pagamentos

Segundo FMI (2001), nas décadas de 1950 e 1960, uma série de novas abordagens foram
desenvolvidas com o objetivo de compreender melhor as sequências de eventos econômicos que
poderiam levar os países a problemas de balança de pagamentos e as medidas de política que
poderiam prevenir ou corrigir esses problemas.

Existem muitas abordagens teóricas para analisar a balança de pagamentos. Para discernir tal
análise, seria útil distinguir tais abordagens teóricas sobre os dois componentes da BOP, a saber, a
conta corrente e de capital. Na conta corrente, a primeira abordagem teórica comum a ser
mencionada é baseada na natureza competitiva da economia, assim denominada abordagem da
competitividade, baseada na elasticidade ou sensibilidade do comércio (yousif & Mussa, 2016) .

2.1.2.1. Abordagem das Elasticidades

Segundo yousif & Mussa (2016), na sua forma mais simples a abordagem das elasticidades
concentra-se na conta corrente da balança de pagamentos e preocupa-se com a condição em que as
variações da taxa de câmbio podem compensar as distorções de preços no comércio internacional,
que se presume ser a principal causa do valor das importações excederem o das exportações. A
análise de equilíbrio Marshaliana é aplicada aos mercados de exportação e importação. Os
11
movimentos de capitais são presumidos e o nível de preços doméstico varia em relação ao nível
preços mundial (Dhliwayo, 1996).

Esta é uma abordagem associada a Robinson (1937), que fornece uma análise de como a
desvalorização da taxa de câmbio e o nível de preços afetam a balança comercial, dependendo da
elasticidade da oferta e da demanda por câmbio e bens estrangeiros. Os preços são considerados
flexíveis e, portanto, é o movimento dos preços que determina o saldo da conta corrente. A taxa de
câmbio é o preço mais importante considerado nesta abordagem. Isso ocorre porque a taxa de
câmbio está intimamente ligada à balança comercial (Gureech, 2014),.

Segundo Eitah et al (2012), esta abordagem é vista a partir de uma premissa explícita de uma
economia em equilíbrio em termos de troca. Isso significa que, em equilíbrio as exportações de um
país são iguais às suas importações. As exportações dependem positivamente da taxa de câmbio,
esta definida como número de unidades da moeda nacional em uma unidade de moeda estrangeira.
Enquanto as importações dependem negativamente da taxa de câmbio.

Segundo yousif & Mussa (2016), a abordagem da competitividade mostra claramente que os
ternos de troca podem ser influenciados por uma mudança na taxa de câmbio. O tamanho da
oscilação na balança comercial depende das elasticidades de exportação e importação, mas, esta
abordagem foi desenvolvida dentro de uma estrutura de taxas de câmbios fixas, como o sistema de
Bretton –Woods e não pode operar sob regime de flutuação livre porque a mudança na taxa de
câmbio é completamente endógena.

Segundo Fleeymurs (2005), esta abordagem como aspecto de equilíbrio, também exclui a conta de
capital, na base de que um excesso ou deficiência das exportações em relação às importações
resultará em um superávit ou deficit na balança de pagamentos; assim, seu foco principal está na
conta corrente para a balança de pagamentos. Além disso esta abordagem assume que a elasticidade
preço da oferta, doméstica e internacional, é igual ao infinito. A abordagem das elasticidades aplica
a condição de Marshall-Lerner, que afirma que a soma das elasticidades da demanda por
importações e exportações deve ser superior a um em termos absolutos para que a desvalorização
melhore a Balança de pagamentos ( Carneiro, 2013).

De acordo com Bird, (1981), a abordagem das elasticidades, por exemplo, concentra-se na conta
corrente, onde as variações nos preços relativos exercem seu impacto sobre os fluxos de bens e
serviços.

12
2.1.2.2. Abordagem de Absorção
De acordo com Bird(1981), a abordagem de absorção também enfatiza a conta corrente,
concentrando-se na relação entre renda e bens e serviços importados, embora, neste caso, a atenção
se concentre na localização das escalas de oferta e demanda de moeda estrangeira, em vez de suas
elasticidades.

Segundo Carneiro (2013), diante das limitações da abordagem das elasticidades, diversos autores,
tais como Harberger (1950), Meade (1951), Alexander (1952, 1959), buscaram modificá-la para
integrá-la ao arcabouço keynesiano em voga à época, tentando modelar os efeitos da variação
cambial sobre variáveis centrais do modelo keynesiano, como produto e emprego.
De acordo com o mesmo autor, em sua análise dos efeitos de uma desvalorização cambial, a
abordagem da absorção incorpora a abordagem das elasticidades, na medida em que leva em conta
os efeitos do modelo BRM, isto é, a diminuição do preço relativo do bem nacional causada pela
depreciação leva a um deslocamento da demanda em favor desse bem que, supondo válida a
condição BRM, melhora o saldo comercial.
Segundo Bobai (2013), a abordagem de absorção é baseada na identidade da renda nacional:

Y =C + I + G+ X−M (2)

Onde

Y =Renda nacional ;

C=consumo privado de bens e serviços adquiridos no território nacional e no exterior ;

I =investimento total , tanto por empresas quanto pelo governo ;

G=Despesas do governo em bens e serviços ;

X =exportações de bens e serviços ;

M =importações de bens e serviços ;

Então C+ I +G são combinados em um único termo, A, que representa a absorção doméstica, ou

seja, despesas internas totais:

A=C+ I +G(3)

Então,

13
 Y = A + X −M ( 4 )

Declarando que a renda nacional é igual à absorção mais a balança comercial, reescrito como:

X −M =Y − A (5 )

De acordo com Fleermuys (2005), isso afirma que a balança comercial é igual à diferença entre a
renda interna e a absorção total. A equação (5) é a equação fundamental da abordagem de absorção.
Isso implica que, se a absorção total (despesas) exceder a receita (produção), as importações
excederão as exportações, resultando em um déficit na balança de pagamentos. Se ocorrer o oposto,
ou seja, onde a receita excede a absorção, a balança de pagamentos será excedente. Um déficit da
balança de pagamentos pode, portanto, somente ser corrigido se o nível de absorção mudar em
relação ao nível de renda.

De acordo com Bernstein (1956), o estudo baseado na absorção inicia-se com o conjunto da
economia nacional daí passando para o sector de importação e exportação. Este estudo acentua
facto de que os problemas da balança de pagamentos podem ter múltiplas causas e que os remédios
podem envolver diferentes tipos de medidas. Por outro lado o estudo baseado nas elasticidades
parece ser dirigido exclusivamente para a explicação dos efeitos da desvalorização sobre um
problema da balança de pagamentos que se origine da disparidade de preços-custos.

De acordo ainda com Bobai (2013), um aspecto que essas duas abordagens alternativas, a
abordagem das elasticidades e a abordagem da absorção, têm em comum é que elas assumem que
os desequilíbrios da balança de pagamentos são permanentes. Além disso, ambas as abordagens têm
sido criticadas principalmente por não levarem em consideração a conta de capital da balança de
pagamentos. Esses mecanismos se concentram apenas na conta corrente e, portanto, ignoram os
impactos particulares dos movimentos de capitais sobre a balança de pagamentos.

De acordo com Carneiro (2013), de acordo com esta abordagem, só se conseguirá uma melhoria na
Balança de Pagamentos de um país se a sua produção total de produtos e serviços for superior à
absorção dessa mesma produção. É, portanto, uma abordagem que coloca a ênfase na Balança de
Transacções Correntes. Desta forma, a mensagem básica desta abordagem é a de que a redução da
absorção, principalmente através do corte dos gastos governamentais, é condição necessária, para
melhorar a conta corrente da Balança de Pagamentos.

14
2.1.2.3. Abordagem Monetária da Balança de pagamentos
De acordo com Bird (1981), a abordagem monetária enfatiza a irrelevância de decompor a balança
de pagamentos e, portanto, faz pouca distinção entre a conta corrente e a de capital. A abordagem
monetaria não se preocupa com esses saldos parciais que são deixados amplamente inexplicados.

De acordo com Yousif & Musa (2016), a abordagem monetária vê os desequilíbrios na balança de
pagamentos em termos de desequilíbrios entre a demanda e a oferta de estoque de moeda. A
abordagem concentra sua análise na conta monetária da balança de pagamentos no contexto de uma
análise de equilíbrio geral. Assim, a balança de pagamentos é um fenômeno monetário e não real e
os desequilíbrios da balança de pagamentos são desequilíbrios de estoque e não de fluxo.

Segundo Júnior (1995), a ideia central da abordagem monetária é que os problemas da balança de
pagamentos são fenómenos essencialmente monetários. Um desequilíbrio na Balança de
pagamentos implica perdas ou ganhos de reserva, que com excepção de tentativas temporárias
esterilizar o fluxo das reservas, representa um desequilíbrio no mercado monetário doméstico. O
desequilíbrio na balança de pagamentos representa, portanto, excesso de oferta ou de demanda por
moeda.

Segundo Barret (1989) a essência da abordagem monetária é que ela vê as mudanças nas reservas
internacionais de um país como reflexo de um desequilíbrio de ações no mercado monetário
doméstico. A ligação entre as reservas internacionais e o mercado monetário é que a variação nas
reservas internacionais deve ser igual à diferença entre as variações na demanda por moeda no
mercado monetário doméstico e a expansão do crédito doméstico. Na abordagem monetária. existe
um déficit ou superávit da balança de pagamentos quando há uma redução ou aumento nas reservas
internacionais.

Segundo Júnior (1995), o enfoque se aplica a situações de taxa de câmbio fixa ou administrada.
Quando a taxa de câmbio flutua livremente, o que implica uma balança de pagamentos nula por
hipótese, o enfoque se torna a teoria monetária da determinação da taxa de câmbio. Os proponentes
do enfoque mantêm algumas hipóteses comuns listadas a seguir:

 Existe uma função bem definida de demanda por moeda que depende de um número
pequeno de variáveis económicas e essas variáveis não são as mesmas que governam a
oferta de moeda. No modelo mais simples a demanda por moeda é directamente relacionada
à renda através de uma velocidade constante da moeda; nos modelos mais elaborados, essa
velocidade é tida como uma função estável de outras variáveis (Bobai, 2013).

15
  A autoridade monetária controla a taxa de expansão do crédito doméstico ao sistema
bancário (ativo doméstico líquido do Banco Central), e controla assim o fluxo de oferta de
moeda. A autoridade monetária não controla o estoque de moeda na economia: as reservas
internacionais desempenham o papel de estoque regulador dependente do equilíbrio no
mercado monetário (Júnior, 1995).

 A arbitragem internacional leva à igualdade de preços dos bens e serviços entre a economia
doméstica e o resto do mundo, bem como à igualdade de retornos nos títulos domésticos e
estrangeiros de igual qualidade. Ou seja, é válida a paridade do poder de compra.

Um modelo monetário de uma economia pequena pode ser esboçado em breves traços e permite
sublinhar as implicações principais do enfoque. Há dois tipos de ativos financeiros na economia:
títulos domésticos e moeda. A riqueza total é mantida quer sob a forma de títulos ou de moeda. O
equilíbrio nesses dois mercados pode ser expresso sob a forma de excesso de demanda por moeda e
excesso de demanda por títulos.

De acordo com Bird (1981), a abordagem monetária, portanto, concorda com a abordagem de
absorção de que, a menos que a Renda real esteja subindo rápido o suficiente para induzir um
aumento adequado na demanda real por moeda, as implicações deflacionárias de um déficit terão de
ser aceitas se a balança de pagamentos for melhorada.

Teorias da Balança de Pagamentos

Segundo Whitman (1975), Uma forma de expor as diferenças analíticas entre as várias abordagens
da análise da balança de pagamentos é tornar explícita a natureza dos pressupostos necessários para
torná-los formalmente consistentes entre si. Mundell descreve a estrutura para tal reconciliação,
caracterizando três abordagens para a análise da balança de pagamentos (em primeiro lugar,
abstraindo, para simplificar, dos movimentos de capital, de modo que a balança comercial e a
balança de pagamentos sejam idênticas; todos os agregados estão em termos nominais):

Segundo Bird (1981), diferentes teorias tendem a se concentrar em diferentes componentes da

balança de pagamentos. A abordagem das elasticidades, concentra-se na conta corrente, onde as
mudanças nos preços relativos exercem seu impacto sobre o fluxo de bens e serviços.

De acordo com Carneiro (2013), de acordo com esta abordagem, só se conseguirá uma melhoria na
Balança de Pagamentos de um país se a sua produção total de produtos e serviços for superior à

16
absorção dessa mesma produção, desta forma, a mensagem básica desta abordagem é a de que a
redução da absorção, principalmente através do corte dos gastos governamentais, é condição
necessária, para melhorar a conta corrente da Balança de Pagamentos.
Segundo Barret (1989), a essência da abordagem monetária é que ela vê as mudanças nas reservas
internacionais de um país como reflexo de um desequilíbrio de ações no mercado monetário
doméstico. A ligação entre as reservas internacionais e o mercado monetário é que a variação nas
reservas internacionais deve ser igual à diferença entre as variações na demanda por moeda no
mercado monetário doméstico e a expansão do crédito doméstico. Na abordagem monetária. existe
um déficit ou superávit da balança de pagamentos quando há uma redução ou aumento nas reservas
internacionais.

De acordo com Bird (1981) & Barret (1989), a abordagem monetária enfatiza a irrelevância de
decompor a balança de pagamentos e, portanto, faz pouca distinção entre a conta corrente e a de
capital. A abordagem monetaria não se preocupa com esses saldos parciais que são deixados
amplamente inexplicados.

2.2. Balança de pagamentos em Moçambique

Segundo o Banco de Moçambique (2018), As transacções económicas e financeiras entre
Moçambique e o resto do mundo em 2018, resultaram num saldo global deficitário, tendo-se
registado no exercício de 2018 um défice na conta corrente na ordem de USD 4,347.5 milhões, uma
deterioração de 68.1%, em comparação com o desempenho do sector externo referente ao exercício
de 2017, correspondente a 31.5% do PIB, no geral as estatísticas do sector externo de 2018 indicam
que o país continua a dar sinais de excesso de absorção, marcada pelo agravamento no défice da
conta corrente, que foi parcialmente financiada pelo influxo de Investimento Directo Estrangeiro
(IDE) e contratação líquida de empréstimos externos, tendo resultado num saldo global da Balança
de pagamentos deficitário.

De acordo com De Brito (2017), a economia moçambicana ainda na fase colonial, foi
estruturada com base na dependência do fluxo de recursos externos, onde as grandes companhias
estrangeiras, o trabalho migratório e aprestação de serviços de transporte para o hinterland
desempenhavam um papel primordial, tanto na balança da economia com o resto do mundo como
na organização dos processos produtivos, incluindo das famílias rurais. Nos anos seguintes à
independência, a contribuição desses fluxos reduziu drasticamente, afetando a capacidade produtiva
da economia e conduzindo a uma crise da balança de pagamentos. A partir dos anos noventa do

17
seculo vinte, a ajuda internacional e o Investimento Directo Estrangeiro (IDE) substituíram as
fontes históricas de recursos externos.
De acordo com o Banco de Moçambique (2016), a nível da economia moçambicana, no ano de
2016, o desempenho da actividade económica foi negativamente afectado por um conjunto de
choques exógenos, com destaque para a suspensão do apoio externo ao Orçamento do Estado e à
balança de pagamentos pelos parceiros de cooperação, pelo conflito militar em algumas províncias
da região centro-norte do País, pela queda do Investimento Directo Estrangeiro (IDE), pela
estiagem prolongada no sul-centro do país e as cheias nas regiões centro e norte do país e também
pelo aumento do serviço da dívida pública externa, a maior implicação dos constrangimentos acima
referidos, foi a redução da disponibilidade de divisas no mercado com reflexos sobre o
comportamento da taxa de câmbio, com o Metical a registar no ano uma depreciação nominal face
ao Dólar Americano e ao Rand Sul-africano em 50.8% e 58.5%, respectivamente.

De acordo com Abbas (2015), a partir de 2000, algumas culturas de rendimento começaram a
ganhar peso, como por exemplo, açúcar, algodão, tabaco, caju e banana. Tendo, desde então,
impulsionado as exportações e contribuído positivamente para a melhoria do saldo da Balança de
Pagamentos de Moçambique. Apesar do grande endividamento, a economia de Moçambique já
tinha gradualmente recuperado no início da década de 2000, sendo uma das economias com maior
crescimento a nível mundial (Caughlin, 2005).

Branco et al (2010), a forma como o investimento se relaciona com a balança de pagamentos

depende da estrutura produtiva e comercial gerada, bem como das instituições estabelecidas (por
exemplo, as políticas industriais e pacotes de incentivo). Assim, enquanto a economia permanecer
limitada na sua capacidade de substituir importações e mantiver uma estrutura não diversificada de
exportações, e enquanto o modelo de acumulação de capital for tão generoso para o capital
multinacional, a expansão económica continuará a pressionar fortemente a balança de transacções
correntes e a totalidade da balança de pagamentos.

Segundo Caughlin (2005), Moçambique continua pobre e fortemente dependente da ajuda

financeira externa, com o grosso da população a viver nas áreas rurais, baixa esperança de vida, alta
taxa de mortalidade infantil, em que grande parte da população continua funcionalmente analfabeta
e pessoas com educação formal concentram -se nas zonas urbanas, principalmente em Maputo, esta
situação provavelmente é que afecta a forma e localização do investimento estrangeiro assim como
a natureza das tecnologias implantadas.

18
De acordo com Mosca (2002), a economia de Moçambique tem um crescimento que depende de
factores e de recursos externos, o que dificulta a estabilização da Balança de pagamentos e coloca-a
em situação de dependência. A Balança de pagamentos, com excepção de 1972 foi sempre negativa,
sendo grandes défices da balança comercial.

Segundo Saranga (2000), as taxas de câmbio desde 1980 até 1994 foram ditadas
administrativamente pelo governo. A taxa de câmbio durante este período em particular sofreu
muitas transformações ao longo do período em análise, e principalmente com a introdução do PAE
em que desvalorizou-se o metical com o intuito de reduzir os desequilíbrios da balança de
pagamentos.

De acordo com o Governo de Moçambique (2008), no período de 2000 à 2007, no que se refere à
Balança de Serviços, o seu défice em termos médios é de USD 334.5 milhões ao ano, determinado
pelo comportamento da rubrica de transporte, viagens, construção e serviços empresariais que
registaram agravamentos. À conta financeira, o destaque vai para as operações de alívio da dívida
que resultaram num cancelamento divida externa pública destacando-se o ano de 2006, quando o
país beneficiou-se de um perdão da dívida externa pública no âmbito da iniciativa MDRI,
resultante das contribuições do Fundo Monetário Internacional, Agência Internacional de
Desenvolvimento e Banco Africano de Desenvolvimento.

2.3. Econometria de séries Temporais

2.3.1. Conceito de série Temporal
Segundo Morretin e Toloi (1981), uma série temporal é qualquer conjunto de observações
ordenadas no tempo. Essas medições podem ser feitas continuamente no tempo ou apenas em
momentos específicos, geralmente igualmente espaçados. Por convenção esses dois tipos de séries
são designados de séries temporais contínuas e discretas respectivamente, independentemente da
natureza da variável medida, que tanto pode ser discreta como contínua, em ambos os casos.
As séries temporais podem também ser classificadas em univariadas, se são constituídas por
observações de uma só variável e em multivariadas se se observarem mais variáveis em cada
instante.
Independentemente do tipo de série, os dados de séries temporais de regra geral, uma propriedade
muito particular: observações sucessivas são correlacionadas e, portanto, a análise desses dados
deve ter em conta a ordem em que as observações são recolhidas.

19
Segundo Chefield (2000), o estudo de séries temporais tem, dependendo de cada caso, objectivos
específicos. No entanto de uma forma geral podem mencionar-se como principais objectivos os
seguintes:
 Descrever os dados usando estatísticas descritivas e ou métodos gráficos e compreender o
mecanismo gerador da série, isto é, procurar encontrar razões que justifiquem o
comportamento da série, monitorizar a sua trajectória, analisar periodicidades relevantes nos
dados, etc.
 Encontrar um modelo estatístico adequado para descrever a evolução da série temporal. São
vários os modelos propostos, entre os quais se destacam os modelos ARIMA, os modelos de
alisamento exponencial, os modelos de regressão múltipla, etc.
 Prever o comportamento futuro da série, o que pode revelar-se extremamente útil na
construção e execução de planos a curto, médio e longo prazos, e ou no controlo de um
determinado processo.
 Em economia a análise de séries temporais é utilizada para estudar a estrutura dinâmica de
um processo, investigar as relações dinâmicas entre as variáveis, proceder ao ajustamento
sazonal de dados económicos, melhorar a análise de regressão quando os erros são
correlacionados, produzir previsões pontuais e ou intervalos de previsão. (Tsay, 2000).

2.3.2. Componentes de uma Série Temporal

A variação de uma série temporal pode ser decomposta em quatro componentes: a tendência (T), a
componente sazonal (S), a componente cíclica (C) e a componente irregular ou residual (E). Estas
podem ser descritas como:
 Tendência (T): é a inclinação que a série temporal apresenta ao longo do tempo, podendo
esta ser linear ou não, crescente ou decrescente. A tendência pode ser consequência do facto
dos valores observados dependerem de uma componente determinística que é função
monótona do tempo, embora para muitos autores esta possa ser de natureza estocástica.
 Sazonalidade (S): corresponde a um padrão de aumento e diminuição que ocorre
regularmente na série em períodos específicos, originando oscilações que se repetem. O
movimento dentro de um período tem então, duração fixa e é atribuída a fatores sazonais,
isto é, relacionados com aspectos do calendário, por exemplo, os meses ou trimestres de um
ano, ou os dias de uma semana. A sazonalidade pode ser classificada como aditiva se não
depende do nível de série, ou multiplicativa quando é proporcional ao mesmo. Esta fonte de
variação é muitas vezes removida através de um procedimento designado de ajustamento
sazonal, uma vez que este pode omitir outras componentes relevantes, tais como a tendência.

20
  Componente Cíclica (C): é um padrão de flutuação que não apresenta qualquer
periodicidade definida, isto é, sua duração não é fixa, portanto o seu comprimento varia
frequentemente de ciclo para ciclo. Por outras palavras os ciclos são qualquer componente
não-sazonal que apresenta um padrão reconhecível, exemplo ciclos económicos (Chatfield,
2000). Como estas flutuações são irregulares e se podem prolongar por vários anos, é
frequente ignorar esta componente para séries curtas. Além disso como se torna difícil
dissociar a componente cíclica da tendência estas são muitas vezes aglomeradas e referidas
como componente de tendência cíclica.
 Aleatoriedade (E): é a componente que contém qualquer variação não explicada pelas
componentes anteriores e representa o ruído aleatório. Quando esta componente é modelada
por um processo estocástico de variáveis aleatórias não correlacionadas e identicamente
distribuídas, é referida como ruído branco.
2.3.3. Processos Estocásticos
Segundo Souza (1981), existe uma grande classe de fenômenos, naturais, econômicos, e outros, cuja
observação e consequente quantificação numérica, produz uma sequência de dados distribuídos no
tempo. A esta sequência de dados ordenados segundo o parâmetro tempo, denomina-se série
temporal.

As séries temporais apresentam alguns padrões específicos de comportamento, mas há casos em

que esse padrão não é observado. Tratando-se assim dos processos estocásticos.

Um processo estocástico é qualquer família ou coleção de variáveis aleatórias Y (t ), t ∈ T , em que T

é um conjunto de índices representando o tempo (Gujarati; Porter, 2011).

Uma série temporal é dada como sendo uma realização qualquer de um processo estocástico. Tal
interpretação é essencial e fornece uma espécie de fundamentação teórica na formulação das
diversas metodologias para a análise e previsão de séries temporais. (Souza, 1981).

2.3.4. Estacionariedade de uma Série Temporal

Segundo (Gujarati, 2006) uma série temporal é considerada estacionária se a média, variância e
autocovariância permanecem as mesmas independentemente do período de tempo em que sejam
medidas. Contudo, como na maioria dos casos é impossível saber se todos os parâmetros da série
temporal são estacionários. Deste modo, recorre-se à média, à variância, à covariância e à

21
autocorrelação para determinar a estacionariedade de uma série, dado serem os principais
momentos que a caracterizam.

Para Ehlers (2004), a autocorrelação é uma ferramenta importante para se identificar as

propriedades de uma série temporal, que consiste na análise de quantidades chamadas coeficientes
de autocorrelação amostral.

De acordo com Ehlers (2004), Chatfield (1995), Desta forma uma série temporal apresenta as
seguintes propriedades:

1. Média E ( Y t )=μ(2)
2 2
2. Variância Var ( Y t ) =E(Y t −μ) =σ (3)

3. Covariância γ k =E [ ( Y t −μ ) ( Y t +k −μ ) ](4)
γ k cov (Y t ,Y t +k )
4. Função autocorrelação ρk = =
γ0 Var ( Y t )

Onde Y t Corresponde a uma série temporal.

2.3.4.1. Processos estocásticos estacionários

Segundo Gujarati e Porter (2011), um processo estocástico é estacionário se suas médias e variância
forem constantes ao longo do tempo e se o valor da covariância entre os dois períodos de tempo
depender apenas da distância ou defasagem entre os dois períodos e não do período de tempo
efetivo em que a covariância é calculada.

Uma série temporal pode ser caracterizada como estacionária em sentido estrito ou em sentido
fraco. Uma série temporal é estacionária em sentido estrito quando todos os seus parâmetros não
variam ao longo do tempo. Por outro lado, uma série será estacionária em sentido fraco ou de
segunda ordem quando, após um conjunto de transformações, a série torna-se estacionária (William
Wei, 2006).

Segundo Ehlers (2007), uma série é dita estritamente estacionária se a distribuição de probabilidade
conjunta de Y t , ... ,Y t é a mesma de Y (t ¿¿1 +k), …, Y
1 n (t ¿ ¿ n+ k)¿
. Ou seja, o deslocamento da origem dos
¿

tempos por uma quantidade k não tem efeito na distribuição conjunta que depende apenas dos
intervalos entre t 1 , … t k

22
De acordo com Chatfield (1995), e Ehlers (2007), em particular para, k =1 a estacionariedade estrita
implica que a distribuição de Y t é a mesma para todo t de modo que, se os dois primeiros momentos
forem finitos,

E(Y t )=μ

2
Var (Y t )=σ , ∀t .

Isto é, constantes ao longo do tempo não dependendo de t .

Para k =2, a distribuição conjunta de Y (t 1) e Y (t 2) depende apenas da distância t 2−t 1, chamada

defasagem. A função de autocovariancia depende também da distancia de t 2−t 1 e pode ser escrita
como, γ (k ), sendo,

γ ( k )=E [ Y t −μ ][ Y t +k −μ ] =cov [ Y t , Y t +k ] (1)

γ ( k ), É chamado de coeficiente de autocovariâcia a defasagem k .

Na prática, é muito difícil fazer uso da definição da estacionaridade estrita, costuma-se assim definir
a estacionaridade de forma menos restrita (Chatfield 1995, Ehlers 2004).

De acordo com Chatfield (1995), assim sendo um processo estocástico Y t , t ∈ T é dito ser
estacionário de segunda ordem ou fracamente estacionário se a média é constante e sua função de
autocovariância depende apenas da defasagem, isto é,

E ( Y t )=μ e cov (Y t , Y t +k )=γ ( k )

Nenhuma outra suposição é feita a respeito dos momentos de ordem mais alta. Além disso, fazendo
k=0, segue que var ( Y t ) =γ ( 0 ), ou seja, a variância do processo assim como a média também é
constante. Também pode-se observar que tanto a média quanto a variância precisam ser finitos.

Geralmente muitas propriedades dos processos estacionários dependem apenas da estrutura

especificada pelo primeiro e segundo momento. Uma classe importante de processos onde isto se
verifica é a classe de processos normais ou gaussianos onde a distribuição conjunta de
Y ( t 1) , … . , Y (t k ) é normal multivariada para todo o conjunto t 1 , … . , t k . A distribuição normal
multivariada fica completamente caracterizada pelo primeiro e segundo momentos, isto é, por

23
μt e γ ( t 1 ,t 2 )assim a estacionaridade fraca implica implica em estacionaridade estrita para processos

normais. Por outro lado, μ e γ ( k ) podem descrever inadequadamente processos que sejam não
normais (Chatfield 1995, Ehlers 2004).

De acordo com Ehlers (2007), contudo, como na maioria dos casos é impossível saber se todos os
parâmetros da série temporal são estacionários. Deste modo, recorre-se à variância, à média e à
autocorrelação para determinar a estacionariedade de uma série, dado serem os principais
momentos que a caracterizam. Estas estarão representadas nas seguintes equações:

E ( Y t )=μt (2)

Var ( Y t ) =E(Y t −μt )2 (3)

γ (t 1−t 2)=E [ ( Y t 1−μt 1 )( Y t 2−μt 2 ) ](4 )

Onde Y t Corresponde a uma série temporal.

A presença, ou não, da Estacionariedade no estudo de uma série temporal é fundamental na adoção

do modelo econométrico a utilizar, dado existirem modelos que trabalham exclusivamente com
séries estacionárias, ou vice-versa. (William Wei, 2006).

Segundo Gujarati (2011), embora o interesse esteja voltado para a série temporal estacionária,
encontra-se frequentemente a série temporal não estacionária. O exemplo classico é o modelo de
passeio aleatório. Em geral diz-se que os preços dos activos, como preços das acções ou taxas de
câmbios, seguem um passeio aleatório, isto é, eles são não estacionários.

Segundo Ehlers (2007), alguns processos que são utilizados com frequências na especificação de
modelos para séries temporais são :

 Sequência aleatória: um processo em tempo discreto é chamado puramente aleatótrio se

consiste numa sequência de variáveis aleatórias ε t independentes e identicamente
distribuídas. Isto implica nas seguintes propriedades:
E ( ε t ) =μ

var ( ε t ) =σ 2ε
γ ( k )=cov ( ε t ε t+ k )=0 , k =±1 , ± 2, … .
Como a média e a função autocovariância não dependem do tempo o processo é estacionário
em segunda ordem. A função autocorrelação é simplesmente:

24
 ρk =
{0 se k=±
1 se k=0
1 ,± 2 , …
(5) Chatfield (2003),

Um passeio aleatório é as vezes chamado de ruído branco e por ser útil por exemplo na
construção de processos mais complicados. As propriedades acima podem ser
compreendidas como ausência de correlação serial e homocedasticidade condicional
Chatfield (1995).

 Ruído Branco: seja ε t um processo discreto puramente aleatório com média zero e
variância finita σ 2ε um processo Y t é chamado ruído branco se:
Y t =Y t −1 + ε t (6)

Apos substituições sucessivas obtem-se que:

Y t =Y t −2 + ε t−1 +ε t

Y t =Y t −3 + ε t−2 + ε t−1 +ε t +ε t

: Ehlers (2007)

t
Y t =Y 0 + ∑ ε j
j=1

Segundo Ehlers(2007), e iniciando o processo em Y 0=0 é possível verificar que E ( Y t )=tμ e

2
var ( Y t ) =tσ ε , como a média e a variância dependem de t este processo é não estacionário.
No entanto nota-se que a primeira diferença de um passeio aleatório é estacionária já que
∆ ( Y t )=Y t−Y t−1=ε t ( 7 )

2.3.5. Processo Estocástico de raíz unitária

De acordo com Kleinschmidt (2019), a simples visualização de um gráfico não permite distinguir
uma série com tendência estocástica de uma com tendência determinística. Para fazer isso,
empregaremos os testes de raiz unitária.
É comum uma série temporal macroeconômica apresentar raiz unitária.
Para entender o que isso significa, considere o seguinte modelo econométrico autorregressivo:
Y t =Y t −1 + ε t (8)

Suponha ainda que ε t é um ruído branco. Na equação 8 o valor presente de Y t depende do seu valor
ocorrido no período anterior, Y t −1 mais um choque aleatório, ε t. Se em t+ 1ocorrer um choque não

25
antecipado, isso terá reflexo Y t +1. Esse choque impactará em Y t +2, Y t +3, ..., Y t +T se traduzindo em
um choque permanente.
Se por outro lado o modelo fosse,
Y t =α Y t −1+ ε t (9)
E se |α|<1, o efeito do choque se dissipa no tempo, porque diferentemente de (8), quando um
choque em t + 1 se torna permanente, em (9) apenas uma proporção α desse choque impactará a
trajetória da série Y t , e esse efeito será cada vez menor à medida que se avança no tempo.
Segundo Maddala (2003), o que tem de se observar em (9) é se α <1 ou se α =1. No primeiro caso,
a série é estacionária e no segundo caso não, caracterizando o que é chamado na econometria de
raiz unitária.
2.3.6. Processos Estocásticos Integrados
De acordo Kleinschmidt (2019), Quando há necessidade de tirar a primeira diferença de uma série
temporal, Y t
De acordo com o mesmo autor, assim, caso tenha-se uma série que, para se tornar estacionária tem
de diferenciá-la (d ) vezes, diz-se que a série é integrada de ordem (d ), ou I (d ), mas se não for
preciso diferenciá-la para torná-la estacionária, ou seja, se for estacionária em nível, diz-se que a
série em questão é I (0), ou seja, integrada de ordem zero.
Segundo Gujarati e Porter (2011), existem propriedades de processos estocásticos integrados
apresentam algumas propriedades apresentadas a seguir:
1. Se X t I (0) e Y t I (1), então Zt =(X t + Y t )=I (1).
2. Se X t I (d ), então Zt =(a+b X t )=I (d ).
3. Se X t I (d 1) e Y t I (d 2), então Zt =(a X t + b Y t ) I (d 2).
4. Se X t I (d ) e Y t I (d ), então Zt =(a X t + b Y t ) I (d ).
Na primeira propriedade, tem-se uma combinação linear de duas séries, sendo a primeira delas
estacionária em nível enquanto a segunda, para ser estacionária, deverá ser diferenciada uma vez. O
resultado dessa combinação é uma série que não é estacionária. A segunda propriedade mostra que
uma combinação linear de séries temporais, onde a série precisa ser diferenciada (d ) vezes para se
tornar estacionária, gera como resultado uma série integrada de ordem (d ). Isso implica dizer que se
a combinação Zt for feita com uma série estacionária, I (0), o resultado também será uma série I (0).
As propriedades 3 e 4 informam que combinações de séries temporais integradas de ordem diferente
geram séries temporais combinadas cuja ordem de integração será a da série original que tiver a
ordem maior. Assim, se uma série é estacionária, I (0) e a outra é I (1), o resultado de sua
combinação será uma série I (1) (Gujarati & Porter, 2011).

26
Como pode se verificar, é importante saber a ordem de integração das séries temporais, ou seja,
quantas vezes é preciso diferenciá-las para que se tornem estacionárias. O problema é que
observando apenas para um gráfico de série temporal, muitas vezes, pode se ter a convicção de que
está-se diante de uma série não estacionária, mas não saber-se-á de qual ordem. A saída é fazer um
teste estatístico na série, chamado de teste de raiz unitária (Gujarati & Porter, 2011).
Segundo Bueno (2008), para uma série que apresenta não estacionariedade devido à presença de
raiz unitária, a remoção de tendência não a torna estacionária, pois é proibido diferenciar uma série
que é tendência estacionária, porque isso adiciona ruído à série original.
Da mesma forma, é proibido estimar uma série que é tendência estocástica usando tendência
determinística, porque isso não elimina a tendência estocástica.

27
2.3.7. Processos Autoregressivos
De acordo com Caiado (2016), o processo autorregressivo é um modelo de regressão linear no qual
as variáveis regressoras são os valores do processo em 𝑝 instantes anteriores. Assim, um processo
autoregressivo de ordem p, AR( p) quando satisfaz a equação

Y t =ϕ 1 Y t−1 +ϕ 2 Y t−2 +…+ ϕ p Y t −p + ε t (24)

onde ε té um ruído branco de média nula, independente de Y t −k para todo o k ≥ 1.

De facto, Y t pode ser vista como uma variável dependente que é explicada através de uma regressão
linear múltipla, em que as observações em p instantes anteriores funcionam como variáveis
explicativas e ϕ i são os coeficientes de cada Y t −i.

2.3.8. Processos de Médias Móveis

Segunda Morretin e Toloi (2004), o nome média móvel é utlizado porque, a cada período, a
observação mais antiga é substituída pela mais recente, calculando-se uma mais recente. Um
processo é classificado como sendo de médias móveis de ordem q , onde o mesmo é denotado por
MA (q), quando apresentar as seguintes características, ε t é um processo aleatório com média µ e
variância δ 2ε .

O processo Y t diz-se um processo de médias móveis de ordem q , MA (q) , quando assume a

expressão

Y t =ε t +θ1 ε t −1 +θ 2 ε t−2 +…+θ q ε t−q ( 25)

Onde ε t é um ruído branco de média nula.

2.3.9. Processos autoregressivos de médias móveis

Segundo Caiado (2016), os processos estacionários e invertíveis podem ser representados quer na
forma autoregressiva quer na forma de médias móveis. Contudo, pode acontecer que qualquer um
destes processos tenha uma representação com um número excessivo de parâmetros, o que pode
conduzir a uma perda de eficiência na sua estimação. Se assim for pode construir-se um modelo
mais parcimonioso que inclua tanto termos autoregressivos como de médias móveis. Este modelo
designa-se de processo misto autoregressivo e de médias móveis de ordens p e q e representa-se por
ARMA( p , q).

28
Assim, o processo Y t diz-se um processo autoregressivo e de médias móveis de ordens p e q ,
ARMA( p , q), se satisfaz a equação

Y t =ϕ 1 Y t−1 +…+ ϕ p Y t −1 + ε t −θ1 ε t−1−…−θ q ε t−q (26)

Em que os Y t −1+Y t −2+ …+Y t − p, são independentes de ε t. Os valores da série Y t são combinações
lineares dos p−¿valores passados mais um termo ε t, no qual incorpora argumentos na série até o
tempo t , que não é explicado pelos valores passados (Morretin e Toloi, 2006)

2.3.10. Processos autoregressivos integrados de médias móveis

Segundo Rebeiro e Warner (2003), a maioria dos procedimentos de análise estatística de séries
temporias supõe que estas sejam estacionárias, será necessário transformá-las caso não sejam. A
transformação mais comum consiste em diferenças sucessivas da série original até obter uma série
estacionária (Morretin e Toloi, 1987).

De acordo Morretin e Toloi (1987), a representação ARIMA ( p , d , q ), refere-se, às ordens de auto-

regressão, integração e de média móvel. Formando a classe de processos lineares estacionários,
sendo assim, p é o número de termos auto-regressivo, d é o número de diferenças, q é o número de
termos da média móvel.

De acordo com Cryer & Chan (2008), diz-se que uma série temporal Y t segue um processo
autoregressivo integrado de médias móveis se a d -ésima diferença W t =∇d Y t é estacionário.
considere W t segue um processo ARMA ( p , q ) , assim diz-se que Y t é um processo ARIMA( p , d , q ).

Rebeiro e Warner (2003), o número d de diferenças necessárias para tornar a série estacionária é
denominada ordem de integração. A inclusão do termo de integração permite que sejam utilizados
os modelos ARIMA( p , d ,q ) dados pela equação:

W t =ϕ1 W t −1 + ϕ2 W t −2+ …+ϕ p W t− p + ε t−Ѳ1 ε t −1−Ѳ2 ε t −2 −…−Ѳ q ε t−q ( 27)

Em que: W t =∇d Y t

O modelo ARIMA( p , d ,q ), dado pela equação acima (27) pode seer reescrito utilizando o operador
de defasagem L.

(1−ϕ 1 L−…−ϕ p L p ) W t =( 1−Ѳ1 L−…−Ѳ q Lq ) ε t

Com W t =(1−L)d Y t

Φ ( L) (1−L)d Y t =Ѳ ( L ) ε t (28)

29
2.3.10.1. O fenómeno da regressão espúria

De acordo com Valk & Pumi (2015), a utilização dos modelos de regressão envolvendo séries
temporais não estacionárias pode conduzir ao problema que se convencionou chamar de regressão
espúria, isto é quando tem-se um alto R2 sem uma relação significativa entre as variáveis, assim, na
presença de raíz unitária podem-se encontrar relações econométricas entre duas variáveis
econômicas sem qualquer relação de causalidade entre uma e outra por puro acaso, isso é
particularmente comum quando se trata de séries não estacionárias. . Por exemplo, a regressão de
uma variável I(1) com outra I(1) obtida independentemente gera alto R2 e estatística t significante.
No entanto o resultado não tem significado econômico.

A esse fenómeno Granger e Newbold (1974), deram o nome de problema de regressão espúria. Em
que, uma regressão espúria exibi valores baixos que os da estatística de Durbin Watson e um alto
valor de R2.

De acordo com Granger e Newbold (1974), a não rejeição da estatística, da existência de relação
entre duas variáveis geradas por passeios aleatórios independentes apresenta probabilidade muito
elevada, tendo demonstrado por via de simulações.

2.3.11. O Método de Mínimos Quadrados

De acordo com Gujarati (2011), o procedimento do método de MQO consiste na escolha dos
valores dos parâmentros desconhecidos de forma que a soma dos quadrados dos desvios da
resgressão (SQD) seja menor possível.

De acordo com Verbeek (2004), o método de mínimos quadrados ordinários (MQO), é utilizado
para estimar parâmetros β que minimizam a soma dos quadrados dos desvios (SQD). Esta
abordagem é conhecido como mínimos quadrados ordinários (OLS).

n
SQD ( β )=∑ ¿ ¿
t=1

Segundo Gujarati (2011) as estimativas de mínimos quadrados possuem algumas propriedades

ideiais. Estas indicam que os estimadores de mínimos quadrados da classe dos estimadores lineares
não enviesados têm variância mínima, isto é, são o melhor estimador linear não tendencioso
(BLUE-Best Linear Umbiased Estimator).

3 30
Material e Métodos
Nesta secção irá realizar-se uma breve apresentação dos dados utilizados e dos modelos empregues
para efeitos da Análise do impacto de factores determinantes à variação da Balança de Pagamentos
em Moçambique.

3.1 Material
Para o presente trabalho, serão usados dados de uma fonte secundária, referentes ao saldo trimestral
da Balança de pagamentos de Moçambique. E aos saldos das suas componentes como a Balança
corrente, Balança capital, Balança financeira e Erros e omissões. Considerou-se também os dados
da taxa de inflação medidos pelo índice de preços no consumidor e das taxas de câmbios face ao
dólar norte-americano.

Os dados utilizados são trimestrais com um horizonte temporal que se inicia no primeiro trimestre
de 2000 e termina no quarto trimestre de 2018 pelo que a amostra compreende um total de 76
observações. Para o efeito de análise de dados, serão usados os softwares Eviews 9 Sv e Stata 14, os
resultados e a interpretação serão redigidos no pacote Word da Microsoft 2013 e Latex.

Variável Símbolo Unidade de medida Fonte

Balança de Pagamentos Log(Bop) Milhões de Meticais INE, Banco de Moçambique
Balança Corrente Log(Bcor) Milhões de Meticais INE, Banco de Moçambique
Log(Bcap
Balança Capital ) Milhões de Meticais INE, Banco de Moçambique
Balança Financeira Log(Bfin) Milhões de Meticais INE, Banco de Moçambique
Erros e Omissões Log(Eio) Milhões de Meticais INE, Banco de Moçambique

Tabela.1: Descrição dos dados e de variáveis incluídas seu símbolo, descrição da moeda e fonte
2000-2018

3.2 Métodos
A presente abordagem integra uma análise econométrica de séries temporais, que procura captar a
variação da balança de pagamentos em função da variação das suas componentes como variações na

31
balança corrente, variações na balança capital, balança financeira e comportamento de actividades
ilícitas registadas na rubrica erros e omissões no período em análise.

Deste modo, a utilização desta metodologia baseia-se em vários estudos empíricos analisados e
também justifica-se pelo facto de efetuar-se uma análise com séries temporais e mediante esta
abordagem serão analisados o efeito de uma variável para outra e permitindo chegar a uma
conclusão pautável. A primeira etapa passa por testar a estacionariedade das variáveis selecionadas.
O teste de decomposição de variância, permitirá verificar se há forte evidência ao longo do tempo a
variável explicativa, onde terá um poder explicativo a variância da variável dependente. Entretanto,
também o teste de causalidade de Granger para as variáveis, este teste serve para verificar se a
variável precede temporalmente ou causa, no sentido de Granger outra, e identificar o
direcionamento dessa causalidade. Portanto em última instância, será feito uma avaliação de
validade do modelo como um todo de recurso da observância dos principais pressupostos do
Método do Mínimos Quadrados Ordinários (MQO). Este teste permite avaliar o grau de
credibilidade do modelo estimado e assegurar que não sejam violados alguns pressupostos, assim
sendo, serão elaborados testes de normalidade, multicolinearidade, heteroscedasticidade e
autocorrelação.

3.2.1.Testes de estacionariedade

3.2.1.1.Função de Auto-Correlação e Colerograma

De acordo com Vasconcellos & Alves (2000), a FAC, com k defasagens denotada por ρ k, é definida
como:

γ k Cov
ρk = = (40)
γ 0 Var

Em que a covariância com defasagem k e a variância são aquelas anteriormente definidas. Segundo
Gujarati e Porter, desde que tanto a covariância como a variância sejam medidas nas mesmas
unidades, ρk é um número sem unidades, ou seja, puro, que varia entre -1 e +1, como qualquer outra
correlação.

O primeiro passo na análise de dados para estudos da natureza econométrica consiste na realização
de testes de raíz unitária, e Para tal aplica-se o teste de Dickey-Fuller Aumentado ou ADF
(Augmented Dickey-Fuller), sendo que este é o teste frequentemente empregue e o teste de Philips
Perron (1988). O teste de Philips Perron é preferido ao teste de Dickey Fuller Augmented

32
tradicional (ADF) devido ao uso de métodos não paramétricos para ajustar a correlação em série e
endogeneidade de regressores, evitando assim a perda de observações como acontece no teste de
ADF. Além disso, ao contrário do teste de ADF, o teste de PP continua eficiente mesmo nos casos
em que os resíduos da regressão são heterrocedásticos (Enders 1995).

3.2.1.2.Testes de raízes unitárias

Segundo Paulo Teles e Andre Almeida (2016), as séries temporais de variáveis económicas, são
geralmente não estacionárias e, quando tal sucede, é necessário primeiro torná-las estacionárias.
Com efeito a identificação de um modelo ARMA exige a determinação prévia de d, a ordem de
integração da série, que é o número de raízes unitárias no polinómio autorregressivo e, portanto, o
número de diferenças necessárias para tornar a série estacionária. Por este motivo é importante
testar a estacionaridade de uma série, tendo sido propostos muitos testes com este objectivo, pelo
que serão apresentados os mais utilizados.

3.2.1.2.1.Testes de Dickey e Fuller

De acordo com Vasconcellos e Alves (2000), tem como finalidade testar a existência de uma raíz
unitária em Y t , quando o processo gerador da série é expresso por um dos três modelos
apresentados a seguir.

Considere-se um processo definido por:

Y t =ϕ Y t−1 +ϵ t , −1 ≤ ϕ ≤ 1 ,(41)

Onde ϵ t , é um ruído branco. Este processo é estacionário se: |ϕ|< 1, trata-se de um processo
autoregressivo de ordem 1, no entanto quandoϕ =1, este processo é um passeio aleatório. Assim, se
ϕ =1, pode dizer-se que a série é não estacionária.

De acordo com Vasconcellos e Alves (2000), o teste de Dickey e Fuller, tem como finalidade testar
a existência de uma raíz unitária em Y t , quando o processo gerador da série é expresso por um dos
três modelos apresentados a seguir.

O processo descrito pela equação (41) pode ser escrito na forma das diferenças, ou seja,

∇ Y t=δ Y t−1 +ϵ t (42),

Onde δ =ϕ−1 e ϵ t , é um processo estacionário. Assim, as hipóteses para o teste DF em termos de δ

são dadas por:

33
 H 0 :δ =0 e H 1 : δ<0 .

Se a hipótese H 0 não é rejeitada então o processo Y t , é não estacionário, isto é, Y t I ( 1 ) .

No caso de δ <0 então ϕ −1< 0 ⇔ ϕ<1 e, tendo em conta as condições de estacionariedade para este
processo, a série Y t é estacionária.

Além da equação (42), Dickey e Fuller consideram também duas equações alternativas

∇ Y t=a0 +δ Y t −1+ ϵ t ( 43 )

∇ Y t=a0 +a1 t + δ Y t −1 +ϵ t (44)

A diferença entre as três reside, essencialmente, na presença ou ausência de uma constante a 0 e, ou

de um termo determinístico a 1 t . Assim, a rejeição da hipótese nula H 0 :δ =0, considerando a
equação (43), implica que o processo Y t é estacionário de média não nula. No caso da equação (44)
a indicação é de que Y t I ( 0 ) com uma tendência determinística.

Ao aplicar o teste DF deve verificar-se se a sequência ϵ t é não correlacionada, uma vez que, quando
este pressuposto não se verifica, estes testes tendem a exibir um fraco comportamento. Caso isso
aconteça, o teste DF não pode ser aplicado e deve optar-se por uma versão do teste para ordens
superiores, ou seja, o teste ADF (Cordeiro, 2011).

3.2.1.2.2.Teste de Dickey-Fuller Aumentado

Segundo Gujarati (2006), para casos em que a sequência dos ϵ t são correlacionados, Dickey e Fuller
(1981), desenvolveram outro teste, o teste de Augumented Dickey & Fuller (ADF).

Considere-se, neste caso, um processo mais complexo que o apresentado em (41) definido por

Y t =ϕ 1 Y t−1 +ϕ 2 Y t−2 +…+ ϕ p Y t −p + ϵ t ( 45 )

Assim obtém-se:

p−1
Y t =δY t−1 + ∑ γ j ∇ Y t− j + ϵ t (46)
j=1

p p
Onde δ=∑ ϕi −1, γ j =− ∑ ϕ i, ∇ Y t− j =Y t− j−Y t − j−1 e ϵ t , é um ruído branco.
i=1 i= j +1

Esta decomposição separa o modelo (45) em dois termos: Y t −1 e as p−1 primeiras diferenças. No
caso em que Y t é I ( 1 ) (passeio alearório se ), esta separação envolve uma componente I ( 1 ) e p−1

34
componentes I ( 0 )(estacionárias). Na terminologia comum diz-se que o modelo foi aumentado por
p−1 componentes de primeiras diferenças, dando origem à designação ADF( p−1).

p
Para o modelo (46), a existência de uma raíz unitária é garantida se ∑ ϕ i=1, isto é, se δ=0 .
i=1

Assim, as hipóteses a testar são também neste caso:

H 0 :δ =0 e H 1 : δ <0 .

E a não rejeição da hipótese nula implica a não estacionariedade de Y t . Como este teste é unilateral
à esquerda a hipótese nula é rejeitada a um nível de significância α se a estatística de teste for
inferior ou igual ao quantil ( 1−α ) 100 % da distribuição corrspondente (valor crítico).

Além da equação (46) e a semelhança do que acontece no teste DF, são propostas duas outras
equações

p −1
Y t =a 0+ δY t −1+ ∑ γ j ∇ Y t − j +ϵ t ( 47)
j=1

p−1
Y t =a 0+ a1 t +δY t−1 + ∑ γ j ∇ Y t− j + ϵ t (48)
j=1

Cuja diferença entre as três reside, novamente, na presença ou ausência de uma constante a 0 e, ou
de um termo determinístico a 1 t . Assim, a rejeição da hipótese nula H 0 :δ =0, considerando a
equação (47), implica que o processo Y t é estacionário de média não nula. No caso da equação (48)
a indicação é de que Y t I ( 0 ) comm uma tendência determinística.

Para Moreira (2011), a limitação do teste do Dickey e Fuller (1979), deve se ao facto de considerar
o erro ϵ t , porém, o erro é um processo estacionário qualquer e isso causa distorções no poder do
teste, assim a ideia é utilizar um modelo que seja estimado utilizando as variáveis autoregressivas
que é o teste ADF para que possa se analisar a existência de raízes unitárias.

Um dos principais problemas do teste ADF é decidir qual o número de termos a incluir na equação
a ser testada, ou seja, o valor de p. Para escolher existem várias estratégias entre as quais: escolher
o valor de p empiricamente, incluir o número suficiente de termos de forma qu a estrutura dos
resíduos não apresente correlação. Minimizar algum critério de informação, como por exemplo o
critério de informação de Akaike (AIC).

35
3.2.1.2.3. O teste de Philips Perron (PP)
difere do teste de Dickey e Fuller essencialmente na estrutura permitida para os erros, ε t. De facto,
enquanto o teste ADF, exige que estes sejam independentes, o teste de PP, permite que os erros
sejam correlacionados, e possivelmente heterocedásticos. Assim as equações a testar são iguais as
apresentadas para o teste ADF, com a única diferença que ε tdeixa de ser um ruído Branco. As
hipóteses a testar são também idênticas e, portanto, a rejeição da hipótese nula implica a
estacionaridade do processo. (Lima, 2018).

Critérios de seleção dos desfasamentos do modelo VAR

Para determinar o número ótimo de defasagem, utilizam-se os critérios da informação de Akaike Schwarz e
comprovados com o de Hannan-Quinn. Tendo considerado todos os requisitos necessários para
determinar o modelo certo a ser empregado; determinou-se o número de defasagens que foram
usados para estimar o modelo. Tem-se cinco critérios de informação para seleção de defasagens,
onde segue-se respetivamente razão de verossimilhança (LR), Erro de predição final (FPE), critérios
de informação de Akaike (AIC), critério de informação de Hannan Quinn (HQ), critério de
informação de Swartz (SC), na determinação dos critérios de informação considerou-se o menor
valor que melhorou o modelo.

3.2.1. Determinação do tamanho de defazagens (Lag)

Segundo Moreira (2011), a determinação do lag adequado é uma questão bastante importante, pois ,
se o comprimento do defasamento é muito curto, então pode surgir autocorrelação entre os termos
do erro o que leva a ineficiência dos estimadores , por outro lado, a escolha de uma dimensão
grande no lag, requer a utilizaçào de um grande número de parâmetros, aumentando a complexidade
do processo de estimação o que mais uma vez conduz a ineficiência.

3.2.1.1. Critério de Informação de Akaike

De acordo com Furlan (2009), Hirotugu Akaike baseado na informação de Kullback-Leibler e na

consistência e normalidade assintótica do estimador de máxima verossimilhança, desenvolveu o
critério de informação de Akaike para a escolha da dimensão de um modelo estatístico. Ele propôs
escolher a dimensão do modelo que resulte no maior valor possível de:

AIC ( k )=log ( L )−k (49)

36
 n
Sendo que log ( L )=¿− log ( σ ) é o valor da máxima log verossimilhança a menos de uma
2
2
constante, considerado que os termos de erro são normais e k é o número de coeficientes do
modelo. Portanto, AIC é definido como maximização de:

−n
log ( σ est ) −k (50)
2
AIC ( k )=
2

Ou equivalente, a minimização de

2k
AIC ( k )=log ( σ est ) −
2
(51)
n

Sendo que σ2est é o estimador de máxima verossimilhança de σ 2 e n é o número de observações da

amostra.

AIC (14) é uma medida de qualidade de ajuste de um modelo estatístico estimado, o qual fornece
uma medida relativa da perda de informação quando um determinado modelo é usado para
descrever a realidade, portanto, o objectivo é minimizar essa perda.

Considerando que a amostra é grande, para um modelo de dimensão infinita, AIC fornece uma
seleção eficiente assintoticamente. Entretanto, se o modelo verdadeiro possui dimensão finita, assim
como outros métodos eficientes assintoticamente; não fornece seleções consistentes, pois tende a
superestimar a ordem do modelo. Além disso, quando a dimensão do modelo cresce em relação ao
tamanho da amostra, AIC pode apresenter grande viés negativo (Furlan 2009).

3.2.1.2. Critério de informação Bayesiano ou de Schwarz

Motivado pela idéia sugerida por Akaike(1973) de modificar o princípio de máxima

verossimilhança (MV) para seleção da ordem de modelos, Schwarz (1978) baseou-se nos
estimadores de Bayes sob uma classe especial de prioris e prôpos uma outra modificação da MV,
dando origem ao critério de informação de Schwarz (Furlan 2009). Esse método consiste em
escolher a ordem do modelo, k , que maximiza:

1
SC =log ( L )− klog ( n ) (52)
2

−n
Sendo que log ( L )= log ( estσ ) é o valor da máxima log verossimilhança a menos de uma
2
constante. Maximizar (52), é o mesmo que minimizar:

37
 log ⁡( n)
SC =log ( σ 2 est ) +k (53)
n

Sendo que σ 2 est é o estimador da máxima verossimilhança.

1
A diferença entre os critérios de SC e AIC está apenas na multipicação da constante log ( n ) ao
2
valor da dimensão k. Os dois critérios, de acordo com Furlan (2009), terão diferenças acentuadas
apenas nos casos em que os valores da dimensão do modelo ou o número de observações forem
altos.

3.2.1.3. Critério de Hannan-Quinn

Hannan e Quinn (1979) desenvolveram o critério de informação Hannan-Quinn (HQ) para

determinação da ordem de uma auto-regressão. Hannan (1980), generalizou a técnica para um
processo auto-regressivo de médias móveis. Este método consiste na identificação da ordem de um
modelo baseado em acrescentar uma função penalizadora ao log da verossimilhança, (Furlan 2009).

A ideia é escolher a ordem k do modelo que minimize:

Critério k =log ( σ−2 ) +kC ( n ) (54)

Sendo que σ −2 é o estimador de máxima verossimilhança de σ 2 e C(n) é a função penalizadora do

log ⁡(n)
tamanho da série. Em HQ, C(n) é dado por 2 log ou seja, este critério é estabelecido por:
n
2 log ⁡(log (n))
HQ=log ( σ −2 ) +k (55)
n

Hannan e Quinn (1979) avaliaram os critérios HQ e AIC para um processo auto-regressivo de

primeira ordem com dados simulados. HQ propiciou melhores resultados que AIC para amostras
grandes. Entretanto, eles ressaltaram que não signifique necessariamente que o mesmo resultado
ocorrerá em outras circunstâncias.

3.2.2. Verificação do Modelo

Existem vários procedimentos e testes para validar a adequação dos Modelos VAR, de forma a
assegurar os seguintes pressupostos;

3.2.2.1. Teste de Autocorrelação

De acordo com Asteriou e Hall (2007), o teste de autocorrelação tem como objectivo eliminar a
hipótese de que os erros que possam ocorrer num determinado período afetem os erros do período

38
seguinte. Aplicando o teste de LM (Multiplicador de Lagrange), que é um teste genérico de
Autocorrelação criado por Breush e Godfrey, que testa a ausência de Autocorrelaçao(Gujarati
2011).

3.2.2.2. Teste de Normalidade

De acordo com Morreira (2011), a normalidade dos resíduos é uma condição obrigatória para tornar
o ajustamento dos modelos confiável. Foi determinada através do teste de Jarque Bera que é um
teste de hipótese conjunta, e de amostra grande cuja hipótese nula é que os resíduos estão
normalmente distribuídos. Se P-valor calculado for suficientemente baixo, pode-se rejeitar a
hipótese nula de que os resíduos são normalmente distribuídos, e se p-valor for razoavelmente alto,
aceita-se a hipótese alternativa de que os resíduos não estão normalmente distribuídos.

3.2.2.3. Teste de Heteroscedasticidade

De acordon com Gujarati (2011), verifica o comportamento da variância dos erros, se ela
permanece constante ao longo do tempo. Para a verificação desta condição aplica-se o teste de da
heteroscedasticidade de White, em que para a sua realização, ainda segundo Gujarati (2011),
obtêmse os resíduos u^i do modelo princípal e gera-se uma regressão auxiliar, tomando os resíduos
ao quadrado e desta equação obtêm-se o coeficiente de determinação R2. O valor obsevado do teste
é obtido pelo produto N∗R 2. A estatística N∗R 2 segue assimptóticamente a distribuição
quiquadrado com graus de liberdade (gl) igual ao número dos regressores e sua expressão é

2 2
N∗R ≈ χ cr ( gl ) (56)

Se o valor do N∗R 2 obtido excede o valor crítico do χ 2cr ( gl ) ao nível de significância escolhido,
conclue-se que há heteroscedasticidade, mas se o valor observado não exceder o valor crítico, diz-se
que não há heteroscedasticidade, o que significa que a variância permanece constante ao longo do
tempo.

3.3. Vetor Autoregressivo (VAR)

O modelo VAR (Vector Autoregressive) surgiu como uma generalização dos modelos
autoregressivos univariados, através de Sims (1980). É um modelo de regressão definido por
sistemas de equações e que pode ser visto como uma combinação de séries temporais de sistemas de
equações simultâneas.
Segundo Nogueira (2014), A principal vantagem do modelo VAR é a possibilidade de estimar
diversas variáveis em simultâneo. Este trata todas as relações lineares existentes entre as variáveis

39
endógenas e os valores passados das mesmas, sem impor restrições quanto à sua independência e
dependência, permitindo ainda a inclusão de variáveis exógenas ao modelo.

De acordo com o mesmo autor, os modelos VAR analisam séries temporais estacionárias, ou seja,
de tipo I(0). Quer isto dizer que as séries têm médias, variâncias e co-variâncias constantes ao longo
do tempo.

Nos casos em que as séries temporais são integradas de primeira ordem, alguns termos
determinísticos das mesmas puderam ser absorvidos na relação de cointegração, sendo o processo
não estável e as variáveis cointegradas (Sims et al., 1990).

Para analisar a ordem de integração das variáveis estudamos a estacionaridade aplicando três testes
de raízes unitárias, ADF (Augmented Dickey Fuller) e PP (Phillips Perron). Os testes ADF e PP
testam a não estacionaridade das variáveis analisadas, com a hipótese nula a indicar que a variável
tem uma raiz unitária, ou integrada de ordem um. Sendo que o teste PP, é menos sensível a outliers
e a quebras estruturais. O KPSS é um teste de confirmação com hipótese nula de estacionaridade.

Antes da estimação do modelo a determinação do número de desfasagens (lag) adequado é uma

questão bastante importante, pois, se o comprimento da desfasagem é muito curto, então pode surgir
autocorrelação entre os termos do erro o que leva a ineficiência dos estimadores. Por outro lado, a
escolha de uma dimensão grande no número de desfasagens, requer a utilização de um grande
número de parâmetros, aumentando a complexidade do processo de estimação o que mais uma vez
conduz a ineficiência. O Critério de Akaike (AIC) é a metodologia que vai ser aplicada. Pois dos
critérios possíveis, o AIC é o que melhor representa o número de desfasagens existentes (Thornton
e Batten, 1985 e Soydemir, 1997).

Quanto à verificação da presença ou não de cointegração entre as séries temporais consideradas no

estudo, as técnicas adotadas foram as propostas por Engle-granger (1987) e por Johansen e Juselius
(1990). Para o primeiro, testa-se a hipótese nula em que as séries não são cointegradas, através das
estatísticas de tau e z. Já o segundo, que utiliza as estatísticas de traço e do “maximum-eigevalue”
para determinar o número de vetores cointegrados.

Com uma amostra de variáveis endógenas, os coeficientes do modelo VAR podem ser estimados de
forma eficiente pelo método dos mínimos quadrados (OLS– Ordinary Least Squares) aplicado
separadamente a cada uma das equações. Antes da estimação do modelo, são ainda realizados testes
de diagnóstico, como teste à normalidade, autocorrelação e heterocedasticidade, para validar a sua
possível execução.

40
Um modelo autorregressivo de ordem ( p), denominado VAR (p) , pode ser expresso pela
seguinte expressão:

Y t =α + ϕ 1 Y t −1+ ϕ 2 Y t −2+ …+ϕ p Y t− p + ε t (57)

Onde:

Y t ≡[Y 1 t , … ,Y kt ]' : corresponde a um vector (kx 1) que inclui um conjunto de variáveis;

α ≡[α 1 , … , α k ]' : corresponde a um vector (kx 1) que representa o termo independente;

ϕ j: corresponde a uma matriz (kxk ) de coeficientes autorregressivos para j=1,2 ,… … , p.

ε t ≡[ε 1t , … …. , ε kt ]' : corresponde a um vector (kx 1) que inclui os erros da estimação econométrica.
Representa um processo de ruído branco, ou seja, valor esperado nulo corresponde a um vector
E [ ε t ] =0 , com os erros não correlacionados: (cov [ ε t ε s ]=0 , t ≠ s) e E [ ε t , ε t ' ] =Ω, com Ω uma matriz
(kxk ) simétrica e positiva.

Pelo Teorema de Representação de Granger (1987), na presença de cointegração entre as variáveis,

isto é, existindo relações de equilíbrio de longo prazo entre as variáveis, estas devem ser
representadas por um Modelo de Correção de Erros. Um Vetor com Mecanismo de Correção de
Erros concilia variáveis não estacionárias, desde que possuam algum grau de cointegração. Este
apresenta uma componente de longo prazo e outra de curto prazo.

3.4. Causalidade de Granger

De acordo com Bueno (2011), o teste de causalidade de Granger procura testar se os parâmetros
estimados do passado de uma variável são significativos para prever outra variável. Dessa forma se
o passado de Y não ajuda a prever o de Z, diz se que Y não causa Z no sentido de granger. Onde
utiliza o teste F para verificar a significância dos coeficientes das defasagens.

De acordo com o mesmo autor, o teste não se direciona a analisar a siginificancia dos termos de
correção de erros. Para análise do teste de causalidade de granger às estimações VEC, é necessário
que primiro se faça o teste F em conjunto, a melhor forma encontrada é criar um sistema com todas
as equações do modelo VEC, estimar por MQO e verificar a significância dos coeficientes
individualmente e depois é feito conjuntamente pelo teste de Wald.

De acordo com Gujarati e Porter (2011), podem ocorrer quatro tipos de causalidades: unilateral, de
X para Y; quando conjunto dos coeficientes defasados de Y não for estatisticamente diferente de

41
zero e os coeficientes defasados de X for estatisticamente diferente de zero. Unilateral de Y para X;
quando o conjunto dos coeficientes defasados de Y for estatisticamente diferentes de zero e os
coeficientes defasados de X não for estatisticamente diferentes de zero; bilateral, quando ambas
variáveis Y e X, são estatisticamente significativas e diferentes de zero. E independencia, quando
ambas variáveis Y e X não são estatisticamente significativas e diferentes de zero. A hipótese nula
do teste é de que X não causa Y na equação e de que Y não causa X na equação.

Segundo Nogueira (2014), o teste de Causalidade de Granger, permite identificar a relação causal
entre as séries, isto é, quem influencia quem, de que modo e com que intensidade. Segundo Granger
(1969), a causalidade entre as séries ocorre quando uma variável no presente ou no passado
consegue prever valores futuros de outra variável. O teste de causalidade de Granger/bloco de
exogeneidade permitirá também testar a exogeneidade das variedades, ou seja, verificar se nenhuma
variável do modelo afeta outra em particular, se existir esta variável será vista como exógena.

3.5. Função Impulso e Resposta (FIR)

Segundo Perreira (2019), as funções de impulso resposta (FIR) têm como objetivo mostrar o
comportamento de variáveis endógenas face a um choque externo num determinado período de
tempo, em uma das variáveis, ou seja, no caso uma variável endógena sofrer um determinado
choque durante um momento, a função impulso resposta estuda a resposta das restantes variáveis
endógenas a esse choque (Lutkepohl, 2006). Este choque na variável endógena dá-se ao nível dos
termos de erro e, portanto, para que se possa afirmar que as variáveis são efetivamente endógenas, é
necessário que o choque cause impacto nas variáveis em estudo, Caso contrário, conclui-se que as
variáveis serão independentes, pelo que devem ser tratadas como variáveis exógenas. A construção
das FIR está sujeita à aplicação do modelo de Cholesky. Este modelo estuda as FIR em função da
ordenação das variáveis da mais independente para a mais dependente.

De acordo com Morreira (2011), a um qualquer momento do tempo um impulso originário de uma
equação pode impactar uma série por completo. O teste de resposta a um impulso ou perturbação
mostra os efeitos de um choque exógeno sobre o inteiro processo ao longo do tempo. Se o sistema
de equações é estável, então qualquer choque deve desvanecer para zero. Um sistema instável vai
produzir trajecto de tempo explosivo. E como consequência pode-se detectar relações dinâmicas
entre as variáveis ao longo do tempo.

A forma uni-variada de um processo VAR ( p) pode ser representada na forma de um processo de

um vector de média móvel (decomposição de Wald), isto é:

Y t =μ+ut + ψ 1 ut −1+ψ 2 ut −2 +… .(58)

42
Onde ψ s são as matrizes de média móvel com dimensão KxK , e que representam os choques de
ut −s em Y t , e onde ψ si , j é o termo (i , j) da matriz ψ s que é interpretado como resposta ao impulso,

dY dY
ψ i , j ( s ) =ψ si , j = i, t+1
= i,t
, em que i j=1(59)
du j, t
du j,t−s

A equação (59) é chamada de função de impulso resposta. É possível decompor a previsão h passos à
frente da variância do erro devido a cada choque u j ,t . A decomposição da previsão da variância
determina a porporção da variação de Y t causada pelo choque de versus o choque das outras variáveis
u j ,t para i≠ j.

3.6. Decomposição de Variância

Segundo Perreira (2019), na metodologia VAR, a análise da variância permite entender a relevância
de uma variável na explicação de outra variável. Esta análise é feita a partir da sua decomposição e
indica, de uma forma percentual, o peso de cada variável na variância dos resíduos das outras
variáveis em estudo. À semelhança das FIR, também na decomposição da variância é necessário a
ordenação de Cholesky e, por uma razão de lógica e coerência, será a mesma ordenação que a usada
na construção das FIR.

Passos para estimação de um Modelo VAR

1. Variáveis endógenas: Escolher as variáveis endógenas que comporão o Vector

2. Gráficos: Analisar os gráficos das séries para verificar a existência de tendências
estocásticas e determinísticas
3. Teste de Raízes Unitárias: Realizar testes ADF para determinar a ordem de integração
4. Se as séries forem I(0), deve-se estimar um modelo VAR sem diferenciar as séries
5. Teste de Co-integração: Se uma ou mais séries forem I(1), fazer o teste de co-integração de
Jonhansen para determinar a existência e número de relações de co-integração.
6. Estimação do VAR ou VEC: Deve-se estimar um VAR se não houver equações de co-
integração, e um VEC se houver uma ou mais equações de co-integração.

43
 4
Resultados e Discussão
Neste capítulo apresenta-se uma síntese e explicam-se os resultados obtidos neste estudo. Os
resultados foram produzidos a partir da análise econométrica das variáveis, e posteriormente cada
um dos modelos estimados. Foram considerados os logaritmos das variáveis originais de modo a
diminuir as diferenças entre valores de períodos temporais diferentes e, principalmente, estabilizar a
sua variância. Primeiro são apresentadas as estatísticas descritivas, sendo a seguir apresentada a
análise de dados para estudos da natureza econométrica como primeiro passo tem-se a realização
de testes de raíz unitária, e Para tal aplica-se o teste de Dickey-Fuller Aumentado ou ADF
(Augmented Dickey-Fuller), sendo que este é o teste frequentemente empregue e o teste de Philips
Perron (1988).

4.1 Análise Descritiva dos dados

Foram considerados no estudos as seguintes medidas média, desvio padrão, a amplitude, os máximo
e mínimos, descrevendo assim as características das variáveis em estudo. Foram consideradas no
estudo as seguintes variáveis, Balança de pagamentos, Balança financeira, balança corrente, balança
capital, erros e omissões. O valor médio do défice da balança de pagamentos é de -40898.29
milhões de meticais, e do défice da Balança financeira é de -20449.15 milhões de meticais, da
balança de corrente é de -24078.73 milhões meticais, o da Balança capital é de 3553.375 milhões de
meticais, e o dos erros e omissões é de 76.20651 milhòes de meticais. Os valores máximos e
mínimos de cada variável estão com a amplitude entre o défice de 243613.6 a 69502.4 milhões de
meticais, o que mostra que estão afastados dos valores médios, indicando assim a existência de
grande flutuação relativamente a média. Com variando assim em 1.25423.

Tabela. 4.1. Estaísticas descritivas das séries logaritmizadas

Variáveis
Bp Bfin Bcor Bcap Eio
Média -40898.29 -20449.15 -24078.73 3553.375 76.20651
Mediana -14678.58 -7339.277 -11522.55 2570.927 73.25033
Máximo 69502.4 34751.18 4913.077 35330.87 2342.984
Mínimo -243613.6 -121806.8 -125211.8 171.7615 -2272.321
Desv. Padrão 52935.35 26467.67 25948.89 4773.817 726.3611
Número de Obs. 76 76 76 76 76

44
Em todas as figuras é patente a não linearidade das séries, indicando a falta de uma tendência
padronizada em cada uma das séries. Verifica-se uma oscilação constante ao longo do intervalo
temporal considerado, para a Balança de pagamentos

logBp

15

10

-5

-10

-15
I . 2003

IV . 2 0 0 6

IV . 2 0 1 2

IV . 2 0 1 5

IV . 2 0 1 8
III. 2 0 0 1

III. 2 0 0 4

III. 2 0 0 7

III. 2 0 1 3

III. 2 0 1 6
IV . 2 0 0 0

IV . 2 0 0 3

IV . 2 0 0 9
III. 2 0 1 0
II. 2 0 0 2

II. 2 0 0 5

II. 2 0 0 8

II. 2 0 1 1

II. 2 0 1 4

II. 2 0 1 7
I. 2 0 0 0

I. 2 0 0 6

I. 2 0 1 2

I. 2 0 1 5

I. 2 0 1 8
I. 2 0 0 9

Figura.01.

Observa-se pela figura 01, que até o primeiro trimestre de 2008, a variável que representa a balança
de pagamentos logaritimizada tinha picos maiores de superávits. A partir do segundo trimestre de
2008º essa variação torna-se menor. É possível observar que nos anos seguintes até 2018 ocorreu
sempre uma redução do saldo da Balança até mesmo chegou a tornar-se deficitária.

logBCOR
12

-4

-8

-12

-16
I . 2003

IV. 2006

IV. 2012

IV. 2015

IV. 2018
III. 2001

III. 2004

III. 2007

III. 2013

III. 2016
III. 2010
IV. 2000

IV. 2003

II. 2005

II. 2008

IV. 2009

II. 2017
I. 2000

II. 2002

II. 2011

II. 2014
I. 2012

I. 2015
I. 2006

I. 2018
I. 2009

Figura.02.

45
Em relação a balaça corrente nota-se uma redução até o segundo trimestre de 2002, a Balança teve
seu maior crescimento no quarto trimestre do mesmo ano, apresentando seus dois picos no quarto
trimestre de 2007 e segundo de 2008 respectivamente. Do ano de 2009 em diante a variação tornou-
se menor e a balança tornou-se ainda mais negativa.

logBCAP
11

10

5
I . 2003
III. 2 0 0 1

III. 2 0 0 4

III. 2 0 0 7

III. 2 0 1 3

IV . 2 0 1 5
III. 2 0 1 6

IV . 2 0 1 8
IV . 2 0 0 6

IV . 2 0 1 2
IV . 2 0 0 0

IV . 2 0 0 9
IV . 2 0 0 3

III. 2 0 1 0
II. 2 0 0 2

II. 2 0 0 5

II. 2 0 0 8

II. 2 0 1 1

II. 2 0 1 4

II. 2 0 1 7
I. 2 0 0 0

I. 2 0 0 6

I. 2 0 1 2

I. 2 0 1 5

I. 2 0 1 8
I. 2 0 0 9

Figura.03

Observa-se pela figura 02, que até o meio do ano de 2002, a variável que representa a balança
capital logaritimizada tinha picos maiores de superávits apresentando uma redução até meados de
2003, apresentando o maior pico mo quarto trimestre de 2006 . A partir do terceiro trimestre de
2007 essa variação torna-se menor.

logBFIN
15

10

-5

-10

-15
I . 2003

IV . 2 0 0 6

IV . 2 0 1 2

IV . 2 0 1 5

IV . 2 0 1 8
III. 2 0 0 1

III. 2 0 0 4

III. 2 0 0 7

III. 2 0 1 3

III. 2 0 1 6
IV . 2 0 0 0

IV . 2 0 0 3

IV . 2 0 0 9
III. 2 0 1 0
II. 2 0 0 2

II. 2 0 0 5

II. 2 0 0 8

II. 2 0 1 1

II. 2 0 1 4

II. 2 0 1 7
I. 2 0 0 0

I. 2 0 0 6

I. 2 0 1 2

I. 2 0 1 5

I. 2 0 1 8
I. 2 0 0 9

Figura.04

A figura 04 apresenta a evolução da série que indica a variável relacionada a balança financeira,
observando a série, é possível notar que a Balança financeira apresenta picos de superávits até o
primeiro trimestre de 2008 A partir do segundo trimestre de 2008 essa variação torna-se menor. É
possível observar que nos anos seguintes até 2018 ocorreu sempre uma redução do saldo da Balança
até mesmo chegou a tornar-se deficitária.

46
 logEio
10.0

7.5

5.0

2.5

0.0

-2.5

-5.0

-7.5

-10.0
I . 2003

IV. 2006

IV. 2018
III. 2001

IV. 2012
III. 2013

IV. 2015
III. 2016
III. 2004

III. 2007
IV. 2000

IV. 2003

IV. 2009
III. 2010
I. 2000

II. 2002

II. 2005

II. 2008

II. 2011

II. 2014

II. 2017
I. 2012

I. 2015
I. 2006

I. 2018
I. 2009
Figura.05

É patente na figura a não linearidade da série, indicando a falta de uma tendência padronizada na
variável erros e omissões. Verifica-se uma oscilação constante ao longo do intervalo temporal
considerado, o que sugere uma alternância entre redução e aumento do saldo da rúbrica erros e
omissões..

Tabela.4.1. Matriz das correlações

LOGBP LOGBCAP LOGBCOR LOGBFIN LOGEIO

LOGBP 1 0.306962844 0.647191623 0.999877438 -0.092589
LOGBCAP 0.3069628 1 -0.12949578 0.303177826 -0.080062
LOGBCOR 0.6471916 -0.12949578 1 0.649420726 -0.065706

LOGBFIN 0.9998774 0.303177826 0.649420726 1 -0.095883

LOGEIO -0.09259 -0.08006293 -0.06570673 -0.09588319 1

Na matriz das correlações avaliou-se a relação existente entre a Balança de pagamentos e as

variáveis independentes e entre as variáveis independentes. Na tabela 3, observou-se que a Balança
de pagamentos estava positivamente relacionada a todas outras variáveis, mas, negativamente
relacionada aos Erros e omissões. A Balança capital foi negativamente relacionada à Balança
corrente, aos Erros e omissões e positivamente relacionada a todas outras variáveis.
A Balança corrente foi negativamente relacionada à Balança capital, aos Erros e omissões, e
positivamente relacionada a todas outras variáveis.

47
No entanto, os Erros e omissões, estavam negativamente relacionados à Balança de pagamentos,
Balança corrente, Balança capital, Balança financeira.
. E importante ressaltar que o estudo não encontrou problema de multicolinearidade entre as
variáveis de interesse do modelo.

4.2 Estacionaridade das Variáveis

Tabela.4.2. Teste de raíz unitária

Augumented Dickey Fuller Philips Perron

P-
Variaveis Estatisca t ADF(5%) P-Value Estatística t PP(5%) Value
LogBp -3.077546 -2.901217 0.0326 -6.947387 -2.90067 0.00000

LogBcor -3.59562 -2.901217 0.0081 -8.026497 -2.90067 0.00000

LogBCap -7.631832 -2.90067 0.0000 -7.679912 -2.90067 0.00000
LogBfin -3.027097 -2.901217 0.0370 -6.886643 -2.90067 0.00000

LogEio -8.018586 -2.90067 0.0000 -8.120115 -2.90067 0.00000

Este teste define a existência de uma raiz unitária para a hipótese nula.
Foi feito o teste de estacionaridade para todas as variáveis indicadas na tabela 1. Observou-se pois,
que A Balança de pagamentos, Balança corrente, Balança capital, Balança financeira, Erros e
Omissões mostraram-se estacionárias em Nível.

4.2.1. [Primeiro subtítulo]

4.2.2. [Segundo subtítulo]

4.3 [Terceiro título]

48
 5
Conclusões e Recomendações

6.1 [Primeiro título]

6.2 [Segundo título]

6.2.1. [Primeiro subtítulo]

6.2.2. [Segundo subtítulo]

6.3 [Terceiro título]

49
Referências Bibliográficas
1. Abbas, M. (2015), A Macroeconomia e a Produção Agrícola em Moçambique. Observador
Rural (26), OMR.
2. Almeida, P.A.A, 2016, Causalidade e cointegração entre os preços do petróleo no Mercado
internacional e indicadores macroeconómicos da economia brasileira.
3. Amaral et al. (2007). Introdução a Macroeconmia, 2 edição; escolar editora.
4. Andrade, J.S., 2001, Apontamentos de econometria aplicada.
5. Banco de Moçambique (2009), Boletim Anual da Balança de pagamentos. Maputo-
Moçambique.
6. Banco de Moçambique (2015), Boletim Anual da Balança de pagamentos. Maputo-
Moçambique.
7. Banco de Moçambique (2016), Boletim Anual da Balança de pagamentos. Maputo-
Moçambique.
8. Banco de Moçambique (2017), Boletim Anual da Balança de pagamentos. Maputo-
Moçambique.
9. Banco de Moçambique (2018), Balanca de pagamentos. Maputo-Moçambique.
10. Banco de Moçambique (2018), Boletim Anual da Balança de pagamentos. Maputo-
Moçambique.
11. Banze, C.E.C.A., 2010, Análise da integração de mercados agrícolas e seus efeitos em
comercialização de feijão manteiga para Maputo 2005-2009.
12. Bata, V. 2008, Fundamentos Básicos de Processos Estocásticos.
13. Bellouni, M., 2009, Energy Consumption and GDP in Tunisia: Cointegration and Causality
Analysis.
14. Bernstein, E. M., 1956. "Análise dos Problemas de Balanços de Pagamentos," Revista
Brasileira de Economia - RBE, EPGE Brazilian School of Economics and Finance - FGV
EPGE (Brazil), vol. 10(2), April.
15. Bueno, R.D.L. da S. (2012). Econometria de séries temporais. São Paulo: Cengage
Learning
16. Branco et al (2010), Economia Extractiva e Desafios de Industrialização em Moçambique
17. Brito, Luis (2017), Agora eles tem medo de nós, uma colectanea de textos sobre revoltas
populares em Moçambique (2008-2012).
18. Caiado, J. (2016). Métodos de Previsão em Gestão – Com Aplicações em Excel. Lisboa:
Edições Sílabo, 2a ed

50
19. Carneiro, F.L., 2013 Universidade De Brasília – unb Faculdade de Economia,
Administração, Contabilidade e Ciências da Informação Departamento de Economia A
influência da taxa de câmbio sobre o desempenho comercial, Dissertação de
Mestrado, Brasilia.
20. Chatfield, C. (1995). Time-Series Forecasting. Chapman and Hall/CRC.
21. Chatfield, C. (2000). The Analysis of Time Series: An Introduction. Chapman and
Hall/CRC, 5a ed.
22. Chichava, S. (2019). “Desafios para Moçambique”, Instituto de Estudos Sociais e
Económicos. Maputo.
23. Cryer & Chan (2008), Time series in Statistics, With application in R, 2a edition, Series
editors: G. Casella, S. Fienberg, I. Olkin, Iowa City, Iowa
24. Eita et al (2012), Macroeconomic Determinants of Balance of Payments in Namibia,
International Journal of Business and Management.
25. Eita et al (2012), Macroeconomic Determinants of Balance of Payments in Namibia,
International Journal of Business and Management.
26. Ehlers, R.S. (2007). Análise de Séries Temporais. Paraná: Universidade Federal de Paraná.
27. Enders, W. (2004), applied econometric time series, 4th edition, Alabama: University of
Alabama..
28. Farias, H.P. 2008, Função resposta a impulse e decomposição da variância do erro de
previsão aplicados às principais bolsas de valores.
29. Fleermuys, F. N. (2005). The balance of payments as a monetary phenomenon an
econometric study of Namibia. Environment Economics Unit Ministry of Environment and
Tourism private Bay 13306 Windhoek Namibia.(ff@dea.met.gov.na)
30. Fundo Monetário Internacional (2001), The two Monetary Approaches to the Balance of
payments: Keynesian and Johnsonian, Wanshington: International Monetary Fund.
31. Fundo Monetário Internacional (2009), Balance of payments Manual, 6th edition,
Wanshington: International Monetary Fund.
32. Furlan, C.P.R., 2009, Especificação do tamanho da desfasagem de um modelo dinâmico.
33. Governo de Moçambique (2008), Balanço De Meio-Termo Do Programa Do Governo 2005
-2009. Maputo
34. Granger, W.J. and Engle, R.F, 1987, Econometrica: Cointegration and Error Correction,
Representation, Estimation and Testing, vol 55, The Econometric Society.
35. Gujarati, D.N e Porter, D.C, 2011, Econometria básica, 5a edição, AMCH Editora Ltda.

51
36. Heemskerk, W., Borman, G. Muolha, J., Mayato, A. E Kleijn, W. 2014, Programa Regional
e integrado de desenvolvimento de sementes (PRIDE), Agência do vale de Zambézia e
cooperação Holandesa.
37. Hyndman, R., Koehler, A., Snyder, R., & Grose, S. (2002). A state space framework for
automatic forecasting using exponential smoothing methods. International Journal of
Forecasting
38. Ibraimo, (2019). “Desafios para Moçambique”, Instituto de Estudos Sociais e Económicos.
Maputo.
39. INE (2017), Documento Metodológico: estatísticas do comércio externo, Moçambique
Novembro de 2017.
40. Johansen, S., 2005, Interpretation of cointegrating coeficients in the cointegrated vector
autoregressive model, Blackwell publishing, lda, Oxford.
41. Júnior, A. A. Z., (1995). Taxa de câmbio e política cambial no Brasil. Biblioteca edusp de
economia 2 edição.
42. Khan, A.S., Costa Júnior, M.P., Sousa, E.P. e Lima, P.V.P, 2007, Análise de cointegração
com threshold nos mercados exportadores de mel natural no Brasil.
43. Kleinschmidt, V., 2019, Econometria II, Centro Universitário Leonardo Da Vinci. Brasil.
44. Krugman, P.R., e Obstfeld, M., (2001), Economia Internacional, Teoria e Política, 5a
edição, pearson education. São Paulo
45. Lin, J.L., 2008, notes on testing causality.
46. Lutkepohl, H. (2006). New Introduction to Multiple Time Series. Springer
47. Maddala, G.S. (1992). Introduction to Econometrics, 2nd Edition, USA.
48. Mankiw, G. (2010). Macroeconomia, 7ª Edição – LTC Editoras.
49. Margarido, M.A. 2008, Análise do poder de compra no Mercado de arroz em São Paulo.
50. Ministério da Indústria e Comércio (2016), Posicionamento de Moçambique no comércio
internacional, edição de 2016.
51. MORREIRA, B. A. B. C., (2011). Modelização De Empréstimos Bancários De Empresas Não
Financeiras Na Zona Euro: Uma Abordagem Var/Vecm. Mestrado em Matemática financeira
Universidade de Lisboa.
52. Morretin, P. A. e Toloi C. M. C.(1981).Modelos Para previsão de Series Temporais.
Instituto de Matemática Pura e Aplicada. Rio de Janeiro.
53. Nogueira, P. A. S. S. (2012). A Balança de Pagamentos de uma Economia Aberta: O caso
cabo-verde. Instituto Universitário de Lisboa. Portugal-Lisboa.

52
54. Obade, S.M e Korcek, M., 2014, Are Food Prices Affected by crude oil prices: Causality
Investigation, Society of interdisciplinary Business research.
55. PERREIRA, A. I., (2019). A Taxa de Câmbio Real Efetiva e o impacto na Balança
Comercial. Dissertação de Mestrado em Economia Monetária, Bancária e Financeira.
Escola de Economia e Gestão, Universidade de Minho.
56. Rezende, A.A. & Prates., R. C. (2015), Considerações a respeito da Balança de
Pagamentos: uma análise da evolução e dinâmica das contas brasileiras no período 2000-
2014 Revista Paranaense De Desenvolvimento, Curitiba, 2015.
57. Silva, F.G e Martinelli, L.A.S., 2012, Introdução à Economia.
58. Sims, C. A. (1980). Macroeconomics and reality. Econometrica
59. Singh, N.P. e Sharma, S., 2018, Cointegration and Causality among Dollar, Oils, Golg and
sentex across Global Financial Crisis, SAGE Publications.
60. Siúta, (2019). “Desafios para Moçambique”, Instituto de Estudos Sociais e Económicos.
Maputo.
61. Sociedade Portuguesa de Estatistica (2016), Boletim Semestral de Séries temporais e suas
aplicações, Sociedade Portuguesa de Estatística Lisboa. Portugal.
62. SOUZA, F.E. P. 2018, economia internacional in Macroeconomia aberta. Brasil.
63. SOUZA, R. C. ( 1 981 c). Métodos para Análise e Previsão de séries Temporais. Revista de
econometria, PUC/RJ, Novembro, 1981.
64. UNICEF, (2019), Análise do espaço fiscal. Maputo, Moçambique .
65. Vasconcellos, M.A.S. e Alves, D. (2000), Manual de Econometria, editora ATLAS. São
Paulo.
66. Verbeek, M. (2004). Econometria. 2a Edição. Inglaterra. John Wiley and Sons Ltd.
67. Weimer, B. & Carrilho, J. (2017). A economia política da descentralização em
Moçambique: Dinâmicas, Efeitos e Desafios. Instituto de Estudos Sociais e Económicos.
Maputo.

53
Anexos

Anexo 1: [Descrição]

Anexo 2: [Descrição]

54