Medindo o efeito das Commodities sobre a inflação brasileira

O período da pandemia tem sido marcado por diversos choques que têm afetado a economia mundial. Em particular, o mundo assiste a um avanço bastante forte nos preços das commodities, inclusive as da área de energia, que são utilizadas como insumo em diversas cadeias produtivas. Um dos efeitos mais nítidos desse aumento nas commodities é o avanço da inflação na maior parte dos países. Nesse Comentário de Conjuntura, buscamos verificar o impacto das commodities na chamada inflação de preços livres no Brasil a partir da estimação de uma Curva de Phillips aos moldes do que faz o Banco Central em seu modelo de pequeno porte.

O objetivo do exercício será estimar uma forma reduzida da Curva de Phillips do Modelo Semiestrutural de Pequeno Porte do BCB, conforme descrito abaixo:

(1)   \begin{align*} \pi_t^{livres} = \sum_{i>0} \beta_{1i} E_t \pi^{total}_{t+i} +\sum_{j>0} \beta_{2j} \pi^{total}_{t-j} +\sum_{k \geq 0} \beta_{3k} \pi^{importada}_{t-k} + \sum_{l>0} \beta_{4l} hiato_{t-l} + \sum_{m = 1}^4 D_m + \epsilon_t  \end{align*}

com a imposição da restrição de verticalidade de longo prazo:

(2)   \begin{align*} \sum_{i>0} \beta_{1i} +\sum_{j>0} \beta_{2j} +\sum_{k \geq 0} \beta_{3k} = 1 \end{align*}

Basicamente, a inflação dos preços livres é uma função linear da inflação passada, das expectativas de inflação, do hiato do produto e da inflação importada, que aqui será captura por um índice de commodities produzido pelo próprio Banco Central.

A reprodução do exercício está disponível para os membros do Clube AM. Uma aula sobre o assunto está disponível no nosso Curso de Macroeconometria usando o R.

Só hoje, 7 de abril, estamos com inscrições abertas para o Clube AM, o espaço de compartilhamento de exercícios da Análise Macro. Faça sua inscrição aqui.

O modelo é estimado via mínimos quadrados em dois estágios, utilizando como instrumentos as defasagens das próprias variáveis. Ademais, foram adicionadas dummies para controlar o overshooting do câmbio no início do governo Lula, outra para o governo Dilma Rousseff e uma última para a pandemia do Covid-19.  A seguir, os resultados do modelo.

 

Curva de Phillips com restrição de verticalidade
Variável Dependente: inflação de preços livres
Expectativa 12 meses 0.20***
(0.04)
IPCA Total(-1) 0.76***
(0.03)
IC(-1) 0.04**
(0.01)
Hiato(-1) 0.04
(0.02)
DLula -2.58***
(0.50)
DDilma -1.57*
(0.71)
DCovid 1.70**
(0.53)
Q1 -0.49*
(0.20)
Q2 -1.05***
(0.20)
Q3 -1.18***
(0.21)
eq1: R2 0.62
eq1: Adj. R2 0.57
Num. obs. (total) 75
***p < 0.001; **p < 0.01; *p < 0.05

A amostra contém dados trimestrais que vão desde o quarto trimestre de 2002 até o último trimestre de 2021. Nesse período, o modelo acima mostra que uma variação de 10% na inflação importada, medida pelo Índice de Commodities do Banco Central brasileiro, tem impacto de 0,4 p.p. dentro do trimestre, controlando para as variáveis em relevo.

_________________

A reprodução do exercício está disponível para os membros do Clube AM. Uma aula sobre o assunto está disponível no nosso Curso de Macroeconometria usando o R.

Só hoje, 7 de abril, estamos com inscrições abertas para o Clube AM, o espaço de compartilhamento de exercícios da Análise Macro. Faça sua inscrição aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.