De forma a definir o PIB em termos um pouco mais precisos, Considere que o PIB efetivamente observado (de agora em diante chamado de PIB efetivo) possa ser decomposto em duas partes, a saber:
(1)
Onde é o PIB em , é a tendência de longo prazo do PIB, chamada de produto potencial e é um componente cíclico, chamado de hiato do produto.
O PIB Potencial, , a tendência do PIB Efetivo ao longo do tempo, reflete condições estruturais da economia, como a população em idade ativa, o estoque de capital, qualidade da educação, qualidade das instituições, etc. O hiato do produto, , o componente cíclico, por sua vez, reflete questões conjunturais, como incentivos de política econômica, condições climáticas, choques externos, incertezas políticas, etc.
Em outros termos, no curto prazo o PIB Efetivo pode crescer mais ou menos do que o PIB Potencial, aquela tendência. No longo prazo, entretanto, o crescimento da economia está limitado pela disponibilidade de fatores e pela forma como esses fatores são combinados.
Isto é, supondo que a estrutura da economia possa ser representada por uma função do tipo Cobb-Douglas, com retornos constantes de escala, temos que:
(2)
Onde e são, respectivamente, a quantidade de capital e trabalho, mede a eficiência tecnológica ou a produtividade total dos fatores e , por fim, mede a participação do capital na renda nacional.
Nesse contexto, , a soma de bens e serviços finais produzidos em determinado período de tempo, será dado pela combinação entre uma determinada quantidade de estoque de capital com outra de trabalho, moderada pela tecnologia disponível. Em última instância, portanto, estará limitado pela disponibilidade de fatores de produção e pela forma como esses fatores são combinados a produtividade total dos fatores. Os economistas gostam de chamar essa limitação de produto potencial, ou simplesmente .
No curto prazo, a diferença entre e será assim dada pelo hiato do produto, , que, por construção, irá medir o grau de ociosidade da economia.
Calcular o hiato do produto, entretanto, não é uma tarefa trivial, uma vez que o PIB potencial não é uma variável observável. Precisamos estimar o produto potencial e, depois, calcular o hiato.
Sendo assim, há três formas usuais de obter o Hiato do Produto:
- Extração de Tendência do PIB via MQO.
- Filtros Univariados e Multivariados, para extrair a tendência do PIB.
- Função de produção (descrita acima).
É importante destacar que nenhum método é perfeito, mas alguns são úteis para o próposito em questão. Sugere-se aqui obter diferentes tipos de Hiato, para realizar uma comparação abrangente, e compreender a incerteza relacionada à essa variável não observável.
Realizamos a comparação dos seguintes Hiatos do Produto:
- Tendência Linear (MQO)
- Tendência Quadrática (MQO)
- Filtro HP
- Filtro de Hamilton
- Hiato estimado pela Instituição Fiscal Independente
- Hiato estimado pelo Banco Central do Brasil
Para tanto, construímos o código em Python para criar as medidas de Hiato, exceto da IFI e BCB, que são importados de seus respectivos sites.
O resultado das medidas de Hiato do Produto podem ser visualizadas no gráfico abaixo, que mostra a trajetória das medidas até o momento (2024Q1). Apenas o Hiato do BCB e Tendência Linear apresentam-se negativos na margem (desconsiderando os intervalos de confiança), enquanto as outras medidas estão acima de 0%, sugerindo que a economia não está em grau ocioso, pelo contrário.
Estatística Descritivas dos Hiatos
Um ponto a se observar é do que as medidas de Hiato estimadas via Função de Produção (IFI e BCB) são menos voláteis, e possuem médias negativas, comparando-se às medidas de Tendências.
Código
Tendência Linear | Tendência Quadrática | Filtro HP | Filtro de Hamilton | IFI | BCB | |
---|---|---|---|---|---|---|
count | 113.000000 | 113.000000 | 113.000000 | 102.000000 | 112.000000 | 82.000000 |
mean | 0.205512 | 0.096821 | 0.016547 | 0.094519 | -0.967768 | -0.536463 |
std | 6.528785 | 4.431386 | 1.808351 | 4.352085 | 1.905623 | 1.711461 |
min | -15.410280 | -12.843644 | -9.825693 | -11.501185 | -10.060000 | -5.150000 |
25% | -4.623414 | -3.105382 | -0.850595 | -2.121579 | -1.942500 | -1.907500 |
50% | -2.297429 | -1.284489 | 0.399859 | 0.183379 | -0.795000 | -0.455000 |
75% | 4.772593 | 4.218755 | 1.127790 | 2.543618 | 0.365000 | 0.812500 |
max | 13.202287 | 8.545595 | 3.727109 | 11.594277 | 2.380000 | 2.430000 |
_____________________________________
Quer aprender mais?
Clique aqui para fazer seu cadastro no Boletim AM e baixar o código que produziu este exercício, além de receber novos exercícios com exemplos reais de análise de dados envolvendo as áreas de Data Science, Econometria, Machine Learning, Macroeconomia Aplicada, Finanças Quantitativas e Políticas Públicas diretamente em seu e-mail.