quinquies (nouveau)

A fraude e a corrupção não são fenômenos recentes no país. Ainda assim, no atual contexto político, empresarial e social, esses problemas atingem entidades públicas, privadas e o terceiro setor (SILVA; FLACH, 2014). Diversos casos de fraude corporativa e de corrupção de naturezas diversas vieram à tona nas últimas décadas,

abalando a credibilidade corporativa e alertando a sociedade para os riscos e consequências dessas práticas.

A corrupção, em suas diversas formas, compromete o desenvolvimento do mercado e reduz a possibilidade de lucratividade consistente no longo prazo (SANTOS et al., 2013). Além disso, a corrupção consome 20% dos investimentos, sendo que menos de 1% desse valor é revertido para a instituição lesada (QUADROS, 2007).

Além disso, o PIB brasileiro sofre uma perda anual de 5% por causa da corrupção pública. Trata-se de cifra significativa, correspondente a 130 bilhões de reais (ESTADÃO, 2010). Em termos globais, dados do UNODC (2004) indicam que um valor astronômico é pago em subornos, o que contribui para a pobreza global e interfere negativamente no desenvolvimento (ANJOS; MARTINS, 2011).

4 METODOLOGIA

A metodologia de pesquisa do presente trabalho consiste na coleta de dados para análise de estatística descritiva e econométrica por meio de gráficos e tabelas com os principais índices e resultados econômicos do Brasil no período pré-crise (antes de 2014) e pós-crise (2015 em diante), bem como da China, dos EUA e da América Latina no mesmo período. Os países e a região foram estudados como base para análise dos principais movimentos econômicos no período estudado. As fontes dos dados estudados para o Brasil foram o Instituto Brasileiro de Geografia e Estatística (IBGE), BC e FMI. Por outro lado, no que se refere às economias internacionais, foram utilizados dados da Bloomberg, do FMI, do Banco Mundial e do Banco Central de cada país.

De acordo com Granger (1969), uma variável X causa outra variável Z, se a observação de X no presente ou no passado ajuda a prever os valores futuros de Z para algum horizonte de tempo. Para os testes econométricos, foi utilizado os software GRETL, que tem como base os testes de causalidade de Granger, que assumem que o futuro não pode causar o passado nem o presente. Esses testes de causalidade são os mais populares na literatura, tendo sido criados pelo econometrista Clive Granger. Davidson e MacKinnon (1993) argumentam que a escolha de um número elevado de defasagens seria preferível, uma vez que isso permitiria verificar como a exclusão de algumas defasagens afetaria o resultado das estimações. Além disso, a escolha de poucas defasagens pode causar um sério viés devido à omissão de variáveis relevantes (estimador de mínimos quadrados das variáveis que permanecem será inconsistente e as variâncias e erros-padrão desses coeficientes serão incorretamente calculados). Para avaliar a estacionariedade (ou não) das séries, foi realizado também o teste de Raiz Unitária, com o teste de dickey-fuller aumentado, através do software econométrico GRETL. A tabela 1 apresenta as definições das variáveis para as quais os testes de granger-causalidade foram realizados.

Tabela 1 - Definições das Variáveis

Fonte: Elaboração própria.

O uso de modelos autorregressivos vetoriais (VAR) é largamente difundido em pesquisas de economia e, segundo Cavalcanti (2010), eles estão entre os instrumentos mais usados em investigações empíricas na área de macroeconomia. Os modelos VAR, em grande medida, são populares por conta da percepção de que eles permitem analisar as interrelações entre múltiplas variáveis a partir de um conjunto mínimo de restrições de identificação,- isso é, de restrições que permitam identificar o componente “exógeno” de cada variável, possibilitando estimar o efeito de um “choque” dessa variável sobre as demais. Mesmo os adeptos dessa metodologia reconhecem, porém, que o problema de identificação está longe de ser resolvido, o que explica a coexistência de vários métodos alternativos de identificação na literatura.

Maddala (1992) sugere que a dimensão das defasagens é, em certo sentido, arbitrária. Isso porque existe uma variedade de métodos alternativos para se determinar o tamanho ótimo de defasagens em um modelo. Gujarati (1995), no entanto, alerta para o fato de que a análise de causalidade é bastante sensível ao número de defasagens escolhido. Davidson e MacKinnon (1993) sugerem que se procure identificar o número de defasagens em primeiro lugar e, só depois, efetue-se os testes de causalidade.

Davidson e MacKinnon (1993) argumentam que a escolha de um número elevado de defasagens seria preferível, uma vez que dessa forma o analista pode verificar como a exclusão de algumas defasagens afeta o resultado das estimações. Além disso, a escolha de poucas defasagens pode causar um sério viés devido à

Variável Definição Fonte

CT Saldo de conta corrente BC

DBT Dívida brasileira (% do PIB) BC

E Taxa de câmbio entre BRL e USD BC

INF Inflação americana (trimestral em %) BC

JEA Juros americanos (em %) BC

M Saldo de importações (em USD) BC

MFO Preço do minério de ferro (em USD) Bloomberg

PBR PIB brasileiro (trimestral em USD) BC

PEA PIB americano (trimestral em USD) BC

PMO PIB mundial (trimestral em USD) BC

PTR Preço do barril de petróleo (em USD) Bloomberg

omissão de variáveis relevantes (estimador de mínimos quadrados das variáveis que permanecem serão inconsistentes e as variâncias e erros-padrão desses coeficientes serão incorretamente calculados). Por outro lado, a escolha de mais defasagens do que o necessário pode levar ao viés de inclusão de variáveis irrelevantes, que é menos sério do que o caso anterior (os coeficientes podem ser estimados consistentemente pelo método de mínimos quadrados, tendo-se em mente que suas variâncias podem ser menos eficientes). Na verdade, esse é o método de modelagem originalmente proposto pelo econometrista escocês David Hendry (1980), que sugere que a escolha do melhor modelo deve ser feita gradativamente, partindo-se de um modelo bem geral e, a partir de vários testes, estreitando-se o alcance do modelo na análise final.

Tabela 2 - Testes de Defasagem

Fonte: Elaboração própria com base nos cálculos do Software Gretl

Variável Defasagens Constante Tendência ADF

PBR 0 Sim Sim 0,2188

PEA _{2 Não Sim 0,06317}

JEA 4 Não Sim 0,03673

PMO _{0 Sim Não 0,4713}

CT _{5 Não Sim 0,3912}

E _{2 Sim Sim 0,4657}

PTR _{0 Sim Sim 0,5485}

MFO 3 Não Sim 0,3481

X _{7 Sim Não 0,9293}

5 ANÁLISE DOS DADOS E RESULTADOS DAS ESTIMATIVAS ECONOMÉTRICAS

Inicialmente será feita uma análise do comportamento de indicadores macroeconômicos e, em seguida, serão detalhados e analisados os resultados dos testes de causalidade de Granger.