EStudo Empírico da Conduta Competitiva das Companhias

Dados Internacionais de Catalogação-na-Publicação (CIP)
Divisão de Informação e Documentação
Lovadine, Débora
Estudo Empírico da Conduta Competitiva das Companhias Aéreas Brasileiras / Débora Lovadine.
São José dos Campos, 2006.
101f.
Tese de Mestrado – Curso de Engenharia de Infra-Estrutura Aeronáutica – Área de Transporte Aéreo e
Aeroportos.
Instituto Tecnológico de Aeronáutica, 2006. Orientador: Prof. Dr. Alessandro Vinícius Marques de Oliveira.
1. Transporte Aéreo. 2. Organização Industrial. 3. Antitruste. I. Comando-Geral de Tecnologia Aeroespacial.
Instituto Tecnológico de Aeronáutica. Divisão de Engenharia de Infra-Estrutura Aeronáutica. II.Título
(tamanho 10)
REFERÊNCIA BIBLIOGRÁFICA – (negrito, tamanho 12)
LOVADINE, Débora. Estudo Empírico da Conduta Competitiva das Companhias Aéreas
Brasileiras. 2006. 101. Tese de Mestrado – Instituto Tecnológico de Aeronáutica, São José dos
Campos.
(tamanho 12)
CESSÃO DE DIREITOS – (negrito, tamanho 12)
NOME DO AUTOR: Débora Lovadine.
TÍTULO DO TRABALHO: Estudo Empírico da Conduta Competitiva das Companhias Aéreas
Brasileiras.
TIPO DO TRABALHO/ANO: Tese / 2006.
É concedida ao Instituto Tecnológico de Aeronáutica permissão para reproduzir cópias desta tese e
para emprestar ou vender cópias somente para propósitos acadêmicos e científicos. O autor reserva
outros direitos de publicação e nenhuma parte desta tese pode ser reproduzida sem a sua autorização
(do autor).
(tamanho 12)
Débora Lovadine
Rua João Graner, 244 – Algodoal
13405-465 – Piracicaba – SP.
ESTUDO EMPÍRICO DA CONDUTA COMPETITIVA DAS COMPANHIAS
AÉREAS BRASILEIRAS
Débora Lovadine
Composição da Banca Examinadora:
Prof. Dr. Carlos Müller – Presidente – ITA
Prof. Dr. Alessandro Vinícius Marques Oliveira – Orientador - ITA
Prof. Dr. Rodrigo Arnaldo Scarpel - ITA
Prof. Dr. Nicolau Dionísio Fares Gualda – Poli/USP
ITA
ii
RESUMO
O objetivo da presente pesquisa é estudar a conduta competitiva das companhias aéreas
brasileiras nas principais ligações do país, utilizando modelagem teórica e estimação
paramétrica. A metodologia consiste no desenvolvimento de um modelo empírico de oferta e
demanda que permita a estimação de um parâmetro indicativo da conduta das firmas; se
cooperativa (com racionalidade de cartel), ou não-cooperativa (competitiva). Essa
abordagem metodológica, desenvolvida dentro da Nova Organização Industrial Empírica,
concentra-se nos efeitos das práticas colusivas tendo por isso, a vantagem de não depender
de evidências de conluio, como a existência de comunicação entre as empresas envolvidas;
com ela, é possível averiguar se houve alterações no comportamento das firmas nesse
mercado e consequentemente no exercício do poder de mercado, seja por conseqüência de
acordos de compartilhamento de aeronaves (ex. code-share Varig - Tam), seja por causa de
alianças comerciais diversas, explícitas ou tácitas e até por mudanças conjunturais (ex.
desvalorização cambial). Busca-se também, incorporar um maior refinamento ao modelo
através do método de reamostragem chamado Bootstrap. Através dele, é possível computar
medidas mais precisas para estatísticas (ex. desvio-padrão) utilizadas na realização de testes
de hipótese para a conduta. Os resultados indicaram a não rejeição de conduta competitiva
entre as firmas, ou seja, não há indícios de cooperação (com racionalidade de cartel) entre
as empresas do setor nas rotas estudadas. A desvalorização cambial não se configurou como
um fator de redução da competição; pelo contrário, intensificou a conduta competitiva das
firmas.
iii
ABSTRACT
The present work aims at studying the competitive conduct of Brazilian’s airlines on the main
routes of the country, using theoretical model of competition and parametric estimation. The
methodology consists of an empirical model of supply and demand wich permits the
estimation of a parameter indicative of the firm´s conduct; if it is a cooperative situation
(cartel rationality) or a non-cooperative situation (competitive market). This methodology,
developed within the framework of the New Empirical Industrial Organization, focuses in the
effects of collusive actions, having therefore the advantage of being independent of evidences
of collusion such as the existence of previous communication among firms; with such
approach, we are able to investigate changes in firm’s behavior and consequently the execise
of market power, either because of code sharig or differents kinds of commercial alliances or
by conjunctural changes. Moreover, this research aims at incorporating a refinement by
using a resampling method called Bootstrap. With bootstraping, it is possible to compute
more accurate measures of the standard deviation of estimates and therefore to have more
reliable tests of hypotheses about firms's conduct. The results indicate the non rejection of the
non-cooperative conduct among firms, meaning the absence of evidence of coordination
among firms on routes under. The exchange rate devaluation did not present any effect in
soothing competition; on the contrary, it intensificated the competitive conduct among firms.
iv
Agradecimentos
A Deus, pela vida.
Ao professor e orientador Alessandro de Oliveira, pelos valiosos ensinamentos, paciência e
atenção dedicada.
Aos professores Carlos Müller e Anderson Correia, pelas pertinentes sugestões e opiniões.
A meus pais, Benedito e Rosângela, pelo incentivo constante.
A meu irmão, André, pelo companheirismo e críticas construtivas.
A meus avós, em especial, vô Francisco (in memmoriam) pelo apoio e exemplo de vida.
Aos amigos e a todos que direta ou indiretamente colaboraram para a concretização desse
trabalho.
À FAPESP, pelo apoio financeiro.
v
Sumário
1. INTRODUÇÃO ....................................................................................................................9
2. BREVE DESCRIÇÃO DO SETOR..................................................................................10
2.1 Relevância ...................................................................................................................... 10
2.2 Aspectos da demanda .....................................................................................................11
2.3 Aspectos da oferta .......................................................................................................... 14
2.4.1 Barreiras à entrada ................................................................................................... 17
2.4.2 Excesso de capacidade.............................................................................................18
2.4.3 Economias de densidade, de escala e custos ...........................................................20
3. DESREGULAMENTAÇÃO DO SETOR ........................................................................23
4. POLÍTICA ANTITRUSTE ...............................................................................................28
4.1 Condutas ......................................................................................................................... 30
5. MODELOS TEÓRICO E EMPÍRICO ............................................................................ 36
5.1 Modelo Teórico .............................................................................................................. 36
5.2 Modelo Empírico............................................................................................................ 43
6. DADOS ................................................................................................................................ 47
6.1 Estimador, Endogeneidade e Instrumentos ....................................................................50
6.2 Estimação em dois estágios, desvios padrões incorretos e bootstrap............................. 52
7. RESULTADOS E DISCUSSÃO ....................................................................................... 54
7.1 Demanda......................................................................................................................... 54
7.2 Relação de Oferta ........................................................................................................... 58
7.3 Testes de hipótese para conduta ..................................................................................... 62
8. CONCLUSÃO.....................................................................................................................64
BIBLIOGRAFIA .................................................................................................................... 66
APÊNDICE 1- Identificação e escolha de instrumentos ..................................................... 70
APÊNDICE 2 - Estimação em dois estágios e desvios padrões incorretos ........................72
vi
APÊNDICE 3 - Bootstrap e correção de desvios-padrões ...................................................75
ANEXO 1 - Estimações e testes de hipótese ........................................................................78
vii
Índice de Figuras
Figura 1 - Evolução da participação do mercado doméstico (market share) das empresas
aéreas brasileiras. ................................................................................................................... 15
Figura 2 - Tráfego, oferta e excesso de capacidade. ............................................................19
Figura 3 – Evolução da oferta e demanda no transporte aéreo regular para linhas
domésticas durante a liberalização do setor.........................................................................25
Figura 4 – Lucratividade da indústria de transporte aéreo regular em linhas domésticas.
.................................................................................................................................................. 25
Figura 5 – Evolução da participação das principais despesas nos custos do transporte
aéreo doméstico (em %). ........................................................................................................26
Figura 6 – Obtenção de lucro econômico. ............................................................................29
viii
Índice de Tabelas e Quadros
Tabela 1 – Evolução de passageiros embarcados pago (em mil), 2000 a 2004..................14
Tabela 2 – Evolução de assentos-km ofertados (em mil), 2000 a 2004. .............................16
Quadro 1 –Características possíveis facilitadoras de cooperação entre firmas................33
Tabela 3 – Estatítica descritiva .............................................................................................50
Tabelas 4 – Resultados da estimação da equação de demanda – Gol...............................55
Tabelas 5 – Resultados da estimação da equação de demanda – TAM............................55
Tabelas 6 – Resultados da estimação da equação de demanda – Varig ...........................55
Tabelas 7 – Resultados da estimação da equação de demanda – Vasp ............................ 56
Tabela 8 – Elasticidades .........................................................................................................58
Tabela 9 – Relação de Oferta - Gol ......................................................................................60
Tabela 10 – Relação de Oferta - TAM..................................................................................60
Tabela 11 – Relação de Oferta - Varig .................................................................................60
Tabela 12 – Relação de Oferta -Vasp ................................................................................... 61
Tabela 13 – Teste de conduta – Caso Base ...........................................................................63
Tabela 14 – Teste de conduta – Efeito da taxa de câmbio ..................................................63
Tabela 15 – Estatística descritiva de preços......................................................................... 63
9
1. INTRODUÇÃO
O setor de transporte aéreo, considerado de caráter estratégico para governos e
analistas setoriais, ao realizar a integração intra-regional e internacional, cumpre importante
papel estimulando relações econômicas e o intercâmbio de pessoas e mercadorias no âmbito
nacional e internacional. Além disso, sua interação com a indústria aeronáutica propicia
acesso a inovações tecnológicas advindas de desenvolvimento de conhecimentos que
abrangem desde produtos até métodos de gerência (logística, tomada de decisão, simulações).
No Brasil, durante os anos noventa, o setor passou por um processo gradual de
desregulamentação e encontra-se atualmente liberalizado. Um mecanismo amplamente
utilizado para promover o bem-estar econômico em mercados oligopolísticos recentemente
liberalizados trata-se da política antitruste.
No setor aéreo, uma das atribuições principais da política antitruste diz respeito ao
chamado “controle de condutas”, que tem se intensificado nos últimos anos em virtude,
principalmente, das alianças firmadas entre as firmas. Diante desse novo cenário, a
preocupação é garantir um grau de competição “saudável”, evitando que a maior aproximação
entre as firmas facilite a implementação de uma conduta cooperativa (com racionalidade de
cartel) e resulte em abusos do poder de mercado. Um de seus exemplos mais relevantes foi o
caso de condenação das companhias aéreas da Ponte Aérea RJ-SP, pelo Conselho
Administrativo de Defesa Econômica - CADE, em 1999.
Nesse trabalho será desenvolvida uma modelagem empírica de “parâmetro de
conduta”, utilizando-se como base os chamados “modelos de parâmetro de conduta”
propostos por Bresnaham (1982) dentro da abordagem da Nova Organização Industrial
Empírica - NOIE, com dados coletados junto ao Departamento de Aviação Civil para as
principais ligações do país. Assim, através de modelos estruturais aliados a um extenso
10
aparato econométrico, é possível averiguar os atuais comportamentos das firmas e também
verificar se eventos relevantes para o setor (ex. desvalorização cambial) modificaram o grau
de competição no mercado.
Espera-se que essa proposta metodológica se torne um ferramental adicional para os
tomadores de decisão em análise a casos de infrações à ordem econômica e que de forma
geral, o trabalho contribua para o esclarecimento de questões acerca do funcionamento de
mercados desregulamentados para condução adequada de políticas antitruste.
Propõe-se ainda, a utilização de um procedimento de reamostragem simples, porém
pouco explorado pela literatura, chamado bootstrap. Através dele, objetiva-se oferecer um
refinamento adicional ao modelo, trazendo um fator diferencial para o presente trabalho.
2. BREVE DESCRIÇÃO DO SETOR
2.1 Relevância
O setor de transporte aéreo cumpre importante papel estimulando as relações
econômicas e o intercâmbio de pessoas e mercadorias no âmbito nacional e internacional.
Considerado de caráter “estratégico” pelos governos e analistas setoriais, congrega as
seguintes características:
Na economia; estimula o comércio interno e internacional, além de acordos de longa
distância que necessitam de presença física das partes envolvidas e incentiva o turismo
possibilitando a entrada de divisas e a geração de renda para pontos turísticos.
No âmbito social; conecta cidades e regiões cujo acesso via outros modais é difícil,
promovendo a inserção social, econômica e cultural.
11
No âmbito tecnológico; sua interação com a indústria aeronáutica é um dos
responsáveis pelo estímulo à inovação com respeito ao desenvolvimento de novos
produtos (aeronaves e equipamentos) e métodos de gerência (logística, tomada de
decisão, simulações).
2.2 Aspectos da demanda
Na busca por identificar os “consumidores” do serviço de transporte aéreo, Berry,
Carnal e Spiller (1996) constataram a existência de dois tipos distintos de passageiros: um
com atributos típicos de “viajante a turismo” - alta sensibilidade a preço, baixa propensão a
pagar por altas freqüências de vôos e baixa desutilidade por vôos com conexão - e outro, com
atributos que configuram o padrão de “viajante a negócio” - baixa sensibilidade a preço, alta
propensão a pagar por altas freqüências de vôos e alta desutilidade por vôos com conexão.
Essa segmentação também pode ser visualizada no mercado doméstico, onde há
predominância dos “viajantes a negócio”. Segundo estudo realizado pela Sindicato Nacional
das Empresas Aeroviárias - SNEA, cerca de 71% das viagens realizadas no país no período de
1980 a 1996 foram viagens de negócios. Tal fato se reflete na baixa elasticidade preço da
demanda agregada, de –0,439 para o período de 1978 a 1997 e de –0,438 de 1994 a 1997,
encontradas em estudos realizados pela Secretaria de Acompanhamento Econômico – SEAE
(Tavares, 1999).
Outra característica da demanda diz respeito a sua alta relação com o PIB. No mercado
de transporte aéreo, a demanda por viagens aéreas acompanha as oscilações no produto, ou
seja, existe relação positiva entre a renda gerada pela economia e viagens aéreas. Mudanças
proporcionais na renda provocam mudanças mais do que proporcionais na demanda por
viagens aéreas, indicando elasticidade-renda da demanda elástica (maior do que um). Segundo
12
estudos realizados pela SEAE, a elasticidade renda da demanda foi de 1,067 tanto nos
períodos de 1978 a 1997 quanto para o período de 1994 a 1997 (Tavares, 1999).
Existe uma discussão recorrente no setor a respeito da percepção dos passageiros com
relação aos atributos oferecidos pelas firmas, o que implicaria classificar o “produto”
transporte aéreo como homogêneo ou heterogêneo.
Lovadine e Oliveira (2005) explicam que, com o processo de desregulamentação,
houve uma evolução nos padrões competitivos entre as companhias aéreas, que apresentaram
maior diferenciação dos atributos oferecidos aos passageiros. Estudando o mercado específico
de Ponte Aérea os autores tratam o produto como heterogêneo, corroborando a idéia de
Borenstein (1989) e Berry (1990), de que passou-se a entender a competição no setor como
sendo a rivalidade entre firmas que são distintas entre si, que possuem atributos diversos que
são efetivamente percebidos pelo consumidor. Estes atributos distintos adviriam de:
1. vantagens competitivas referentes à rota, como, por exemplo, diferentes escalas de
operação, com diferentes números de freqüências diárias de vôo, o que gera
assimetrias com relação às distâncias entre horário de vôo ofertado e horário desejado
de partida (chamado de “schedule delay”); diferentes posicionamentos de oferta nos
horários de pico, com diferentes apelos aos passageiros com viagens por motivos de
negócios; diferentes padrões de serviços de atendimento ao consumidor, presença de
frills antes e durante o embarque, tipo de aeronave, etc; e
2. vantagens competitivas referentes ao aeroporto e à cidade, por exemplo: tamanhos
diferentes de rede doméstica e internacional, participação em alianças globais de
companhias aéreas, número de cidades atendidas, níveis de propaganda,
características do programa de milhagem, restrições verticais com relação aos agentes
de viagem, etc.
13
Além disso, com o aparecimento das chamadas “companhias aéreas de baixo custo,
baixo preço” e sua penetração cada vez maior nos mercados aéreos em todo o mundo, a
tendência dos trabalhos acadêmicos tem sido a de considerar este setor como típico de
produto diferenciado, dada a clara distinção entre os padrões de serviço e a forma de atuação
das novas entrantes e as incumbentes. Exemplos desse tipo de análise, onde se assume o
produto diferenciado entre as chamadas “network carriers” e as “low cost carriers” são os
trabalhos de Windle e Dresner (1999), Boguslaski, Ito e Lee (2004) e Oliveira e Huse (2005).
Mas, como anteriormente ressaltado, essa questão ainda não é consensual, tanto que a
maioria dos conselheiros do Conselho Administrativo de Defesa Econômica - CADE
(representado por Farina, 2004;), em análise ao caso da Ponte Aérea Rio de Janeiro – São
Paulo, optaram por assumir que o produto é homogêneo nesta ligação.
Com relação ao grau de substitubilidade inter-modal aéreo e terrestre (representado
pelo ônibus), o trabalho de Turolla, Oliveira e Vassalo (2005) mostra que os passageiros de
ônibus classificados como “premium”, isto é, aqueles têm alta sensibilidade à qualidade do
ônibus e estão dispostos a pagar por altas tarifas são os efetivos consumidores marginais nesse
mercado; logo, eles constituem um conjunto pequeno de passageiros que consideram a
mudança de transporte significativa quando as diferenças de preço se reduzem. Assim, o
transporte aéreo se configura numa alternativa viável para a classe de passageiros de ônibus
que atribuem grande valor à qualidade do serviço e que irão optar pelo transporte aéreo
durante períodos de guerra de preços ou de descontos.
A Tabela 1 apresenta a evolução de passageiros embarcados pagos durante o período
de 2000 a 2004. Nota-se que houve oscilações no período, mas que a tendência ainda é
crescente. O maior número registrado de passageiros é no ano de 2004 (cerca de 31 bilhões) e
a maior taxa de crescimento ocorreu entre os anos de 2003 e 2004 (9,82%).
14
Tabela 1 – Evolução de passageiros embarcados pago (em mil), 2000 a 2004.
ano
passageiros embarcados pago
variação (%)
2000
2001
2002
2003
2004
28.016.184 29.885.764 30.137.835 28.312.724 31.094.369
6,67
0,84
-6,06
9,82
Fonte: Anuários - DAC
2.3 Aspectos da oferta
A oferta de transporte aéreo é realizada por firmas que se distinguem por operar vôos
em trechos nacionais ou regionais 1. De fato, essa distinção não se estende mais à classificação
das firmas uma vez que em 2000, o Departamento de Aviação Civil - DAC instituiu que se
devia utilizar apenas o termo “empresas aéreas brasileiras”. Essa decisão advém do fato de ser
extremamente difícil realizar uma delimitação exata, ou definir um fator 2 que permita a
distinção sobre o que é uma firma regional e o que é uma firma nacional.
Uma diferenciação que é pertinente ao setor diz respeito a empresas de transporte
aéreo regular e não regular. Segundo estatísticas do DAC (2006) foram listadas trinta e quatro
empresas cadastradas no ramo de transporte aéreo regular no país e treze no ramo de
transporte aéreo não-regular. Do total de empresas regulares, cinco aguardam pela concessão
de autorização para iniciar atividade e outras cinco estão com atividades paralisadas. Das
empresas aéreas não regulares, as que se dedicam ao transporte de passageiros ou de
passageiros e cargas são cinco.
Apesar de um número expressivamente grande de empresas, o mercado de empresas
regulares, alvo desse trabalho, é concentrado em poucas firmas. A Figura 1 mostra a evolução
da participação do mercado das principais companhias aéreas brasileiras. Pode-se observar
1
As linhas regionais compreendem as rotas domésticas de pequeno curso, que servem de afluência e são complementares às
linhas aéreas nacionais. Tais rotas são, em geral, pouco movimentadas e ligam aeroportos de segunda e terceira categorias,
que não podem receber aviões de médio e grande porte (Widmer, 1984).
2
Os fatores que chegaram a ser utilizados para fazer essa distinção foram além da delimitação espacial, a presença de escala
e a etapa média do vôo.
15
que desde o início do período até 1997 havia a dominância do mercado por três firmas: Varig,
Vasp e Transbrasil. A partir do respectivo ano, a TAM desponta como uma das grandes e logo
em seguida a Gol também, enquanto que há o declínio da Vasp e Transbrasil. Em 2003, as
três maiores empresas (TAM, VRG e Gol) detinham mais de 80% do mercado.
60%
Participação no mercado
doméstico, em %.
VRG
45%
VSP
30%
TAM
TBA
GOL
15%
Novatas
0%
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
Figura 1 - Evolução da participação do mercado doméstico (market share) das empresas
aéreas brasileiras. Fonte: Oliveira (2005a).
Existe ainda uma segmentação entre as firmas surgida no pós-desregulamentação e
que convém tecer algumas considerações. Full Service Carrier - FSC (Empresa de serviço
completo) e Low Cost Carrier - LCC (Empresa de baixo custo) são as classificações que
surgiram dada a observância de que existiam estratégias reconhecidamente distintas entre as
firmas, assim como nichos de mercados que as diferenciavam. No Brasil, a Gol foi
considerada uma LCC, enquanto que as outras eram as legacy ou FSC. Oferecendo serviço
básico de transporte aéreo, sem frills e com preços baixos, e sobretudo com baixos custos e
escolha cuidadosa de rotas, a Gol se tornou uma das empresas mais bem sucedidas e vendas
diretas aos consumidores com penetração crescente no mercado.
16
As características mais marcantes das LCC são: padronização da frota; simplificação ou
eliminação de serviço de bordo; opção por utilização de aeroportos secundários e menos
congestionados; utilização da venda pela internet de passagens; rede de trabalho com estrutura
simples de ponto a ponto com ausência ou fraca propensão a realizar vôos de longas
distâncias; programa de freqüência de vôo simples ou inexistente; alto nível de utilização da
frota e empregados altamente motivados. Além disso, as LCCs estão tipicamente associadas a
estratégia de preços muito agressiva, tipicamente usando uma estrutura de tarifa simplificada
e baixas tarifas.
Assim, o surgimento das LCC acirrou a competição no mercado e essa parece ser a
tendência crescente para os próximos anos, conforme aponta Oliveira (2005b, p.2):
“ Following the successful paradigm of the pioneer Southwest Airlines, in the
United States, airlines such as Ryanair and EasyJet, in Europe, flourished in the
market, and soon the concept has spread worldwide. Moreover, this segment is
expected to expand considerably within the next few years, and this has
undoubtedly been forcing legacy carriers to respond progressively - a movement
that is shaping the frontiers of competition in the industry.”
A Tabela 2 apresenta a evolução de assentos-km ofertados, durante o período de 2000
a 2004. Observa-se uma leve tendência decrescente nos assentos-km ofertados, sendo que o
maior valor para o período foi registrado no ano de 2002 e a maior variação percentual
positiva foi entre 2000 e 2001.
Tabela 2 – Evolução de assentos-km ofertados (em mil), 2000 a 2004.
ano
assentos-km ofertados
variação (%)
Fonte: Anuários – DAC
2000
2001
2002
2003
2004
41.562.143 45.313.616 47.013.166 41.850.561 42.756.200
9,03
3,75
-10,98
2,16
17
2.4 Características do mercado
Em estudos estruturais é de essencial relevância que sejam identificadas as principais
características do mercado com o qual se trabalha. Essas características direcionam na
formulação de hipóteses sobre como as firmas se comportam nesse mercado.
2.4.1 Barreiras à entrada 3
Franco et all (2002) descrevem os vários tipos de barreiras observadas nesse setor:
i)
barreira institucional; a necessidade de autorização para concessão de rotas e
regulação de oferta para serviços aeroportuários pode efetivamente impedir a livre
entrada (e, portanto, a contestabilidade) de novas empresas.
ii)
barreira física; representada pelo tamanho das aeronaves em conjunto com a infraestrutura aeroportuária. Segundo Ragazzo (2006), os serviços oferecidos pelo
aeroporto, como: alocação de espaços de tempo para decolagens e aterrissagens
(slots) e de portões de embarque (gates), sistemas de controle de tráfego aéreo,
instalações de movimentação de passageiros, bagagens, manutenção, (entre vários
outros) podem importar em verdadeira limitação física do número de companhias.
iii)
barreira econômica; representada pela exigência de grande capital investido para o
início do negócio, operação e manutenção, além da dificuldade na aquisição de
financiamento.
iv)
barreira informacional; significando a ausência ou escassez de conhecimento por
parte das firmas sobre aspectos da demanda.
v)
3
barreira à entrada de empresas estrangeiras no mercado.
Bain (1956) define barreiras à entrada como vantagens que as firmas estabelecidas possuem sobre os competidores
potenciais, sendo que estas vantagens se refletem na capacidade de elevar persistentemente os preços acima do nível
competitivo sem atrair novas firmas para a indústria.
18
Ragazzo (2006), ainda acrescenta mais duas possíveis barreiras:
vi)
barreira gerada pela “reputação”; representada pelo fato de que as companhias
aéreas incumbentes têm evidentes vantagens competitivas frente a novas empresas,
seja por possuírem programas de milhagem ou estreito contato com agências de
viagem, o que reafirma a lealdade do consumidor às marcas das empresas com
tradição.
vii)
barreiras artificiais através da prática de preços predatórios; representada pela
prática de preços predatórios 4 da incumbente diante da ameaça de uma empresa
LCC. O autor destaca que essa prática reiterada poderá gerar uma nova barreira à
entrada, conhecida como a barreira de reputação predatória. Justamente em função
da reputação predatória, as empresas incumbentes não necessitam se engajar em
estratégias anticompetitivas com freqüência, criando-se na verdade, uma barreira
artificial advinda ataques anteriores (histórico predatório). Isso seria o suficiente
para evitar a entrada de novos concorrentes.
2.4.2 Excesso de capacidade
Segundo Wells e Wensveen (2003), as companhias aéreas vão inevitavelmente
incorrer em excesso de capacidade, até mesmo numa fase de expansão econômica. Isso
porque o excesso é resultado de dois fatores, independentes do andamento da economia:
i)
importância competitiva da tabela de freqüência; dado que a programação de
horários conveniente é uma das mais importantes características de diferenciação
das companhias, todas as companhias se empenham por uma programação de alta
freqüência em toda rota importante.
4
Segundo Pindyck e Rubinfeld (2002), preço predatório é definido como a prática de estabelecer preços que excluem a
concorrência e desencorajam novas empresas a entrar no mercado, de tal modo que se obtenham maiores lucros futuros.
19
ii)
altos custos fixos incorridos pela companhia aérea; que, como conseqüência, são
incentivadas a voar o máximo possível, até mesmo se um vôo incremental não
produza receita suficiente para cobrir totalmente os custos fixos. Mas, sempre que
o vôo cubra os custos variáveis e contribua com as despesas gerais, é melhor a
firma voar do que não voar. De qualquer modo, a acumulação de muita
programação marginalmente justificada cria excesso de capacidade para a
indústria como um todo.
A Figura 2 mostra o excesso de capacidade durante o período de 1970 a 2005, medidos
pela diferença entre assentos-quilômetros ofertados (AKO) e passageiros-quilômetros pagos
(PKP). Pode-se notar que houve aumento capacidade ociosa (diferença entre AKO e PKP)
durante o período – de uma média de 5,4 bilhões de (1970-1991) para níveis de 14,6 bilhões
(1992-2004). Segundo Oliveira (2005a), este aumento no sistema pode, potencialmente,
provocar acirramentos competitivos de curto prazo no setor, dada a maior necessidade de
preencher assentos vazios em uma indústria onde o produto é marcado pela perecibilidade.
50.0
45.0
40.0
AKO
Em bilhões
35.0
30.0
25.0
PKP
20.0
15.0
10.0
5.0
0.0
1970
1975
1980
1985
1990
1995
2000
Figura 2 - Tráfego, oferta e excesso de capacidade. Fonte: Oliveira (2005a).
2005
20
2.4.3 Economias de densidade, de escala e custos
Em transporte aéreo, afirma-se que há retornos de densidade crescentes se os custos
médios caem à medida que uma empresa adiciona novos vôos ou assentos em vôos já
existentes, mantendo-se inalterados o fator de aproveitamento, a etapa média de vôo e o
número de aeroportos servidos. Se, sob as mesmas restrições, os custos médios se mantiverem
constantes, diz-se que a empresa opera sob retornos constantes de densidade. No caso de os
custos médios crescerem, então se diz que a empresa opera em regime de retornos
decrescentes de densidade.
Já no que diz respeito aos retornos de escala, diz-se que estes existem se os custos
médios de uma empresa caírem com a adição de vôos para um novo aeroporto não servido
previamente, sem que isso afete o fator de aproveitamento geral, a etapa média de vôo e nem
a densidade de serviço por aeroporto. De forma análoga ao ilustrado para o caso de retornos
de densidade, diz-se que os retornos de escala são constantes (crescentes) se a adição de vôos
para um novo aeroporto mantiver constante (aumentar) os custos médios da empresa, sob as
mesmas restrições.
O trabalho de Berry, Carnall e Spiller (1997) mostra que, no lado dos custos,
encontrou-se forte evidência de economias de densidade. Além disso, observaram também
que companhias operando grandes hubs 5, na média, tiveram significantes reduções no custo
marginal, em relação às que operam fora do hub, para as mesmas rotas. E também
acrescentam que as economias de densidade podem depender da natureza da rota, dado que
não foram encontradas economias de densidade em distâncias menores que 500 milhas ou
menos.
Com relação aos custos das empresas no setor, Caves e Christensen (1980) relatam
que na literatura norte-americana existem três fortes crenças sobre as estruturas dos custos. A
5
Dá-se o nome de hub aos aeroportos que destacam-se no contexto de um país ou região como foco de grande número de
vôos.
21
primeira é que existem custos unitários de serviço rapidamente declinantes dentro de um
mercado, considerando o “mercado” como par-de-cidade (Bailey e Panzar, 1981; Keeler,
1978; White, 1979); a segunda é que existem aproximadamente retornos constantes à escala
para companhias aéreas que alcançaram determinado tamanho (Caves, 1962; Douglas e
Miller, 1974; Keeler, 1978; White, 1979) e; a terceira é que há economias de escala que
podem ser mais exploradas pelas pequenas empresas do que pelas grandes, considerando que
as menores tem custos unitários mais altos do que as grandes.
Segundo Betancor e Nombela (2001) a categorização dos custos constitui uma questão
essencial no processo de decisão das companhias. Ela facilita a avaliação de novos
investimentos ou a adoção de adequadas políticas de preço (Doganis, 1995). A classificação
dos custos realizados é resultado das práticas contábeis, apesar de ser na verdade afetado pela
regulação da International Civil Aviation Organization - ICAO e procedimentos
recomendados. Para a ICAO, a prática normal é subdividir entre custos operacionais e nãooperacionais, com o objetivo de dividir os custos derivados da principal atividade da
companhia daqueles itens gerados de operações não relacionadas com seu principal objetivo
ou que não tem relação estreita com as operações típicas da companhia pelo serviço (ex.
custos financeiros, diferenças entre equipamentos residuais e valores de realização de
mercado, perdas de operações de troca de dinheiro ou perdas de companhias afiliadas, etc...).
Os custos operacionais podem ainda ser diretos ou indiretos. A ICAO considera três
tipos de custos diretos (operações de vôo, manutenção e depreciação) e cinco outras
categorias de custos indiretos (serviços ao passageiro, venda de passagens e promoção, gerais,
administrativos e outros). Dentre eles, o apontado como mais oneroso, cujo primeiro
componente é o custo com tripulação (piloto, co-piloto e engenheiro de vôo). Outros
elementos considerados nessa categoria são: combustível para aeronave e óleo, equipamento
22
de vôo e segurança, aluguel de equipamento de vôo, treinamento de tripulação (não
amortizável) e outros gastos com vôo.
Os custos operacionais podem ainda ser classificados como fixos ou variáveis
dependendo da relação com a produção. Companhias de transporte aéreo produzem serviços
aéreos para passageiros e carga, no entanto, quando se tenta medir produto, surgem muitas
definições por parte das companhias. Passageiros-km disponível ou transpotados, toneladaskm disponíveis ou transportada, número de horas voadas, número de km voados ou número
de aterrissagens, são todas medidas alternativas de produto para as companhias.
Mesmo assumindo uma definição adequada de “produto” para determinada firma, a
questão de quais custos vão ser assumidos fixos quando a produção se alterar e quais custos
vão ser variáveis, não tem uma resposta simples. Pensando no caso de um vôo cancelado,
alguns custos podem ser evitados e conseqüentemente variáveis (ex: combustível, refeição,
serviço de bordo), enquanto outros podem ser parcialmente evitados.
Betancor e Nombela (2001, p.3) esclarecem a idéia:
“ For instance, cabin crew subsistence and overtime costs could be escapable if a
flight is cancelled, though fixed salaries could not be. In addition, some costs that
are clearly fixed in the short run will become variable when a longer perspective is
adopted. The schedule program of services might vary from one term to another,
and therefore, by changing flight plans some cost components might be now
escapable. For example aircrafts might be sold and, as a result, the depreciation
costs reduced.”
De acordo com a categorização de custos da ICAO, não é possível distinguir todos os
itens de custo e então é muito difícil separar especificamente o que é variável ou não no curto
ou médio prazo. No entanto, como Doganis (1995) aponta, cerca de 90% dos custos totais das
23
companhias podem variar no médio prazo (o período de um ano), já descontando todos os
operacionais, fato crucial para o cálculo do custo marginal.
Como principais componentes, quatro podem ser citados: câmbio, combustível, pessoal
e encargos (tributos/ tarifas/juros). Destes, o câmbio tem significativa relevância, já que a
aviação tem uma relação comercial muito estreita com o mercado internacional
(compra/aluguel de aeronaves, peças de reposição, seguros, combustível etc.), qualquer
variação cambial pode reduzir ou aumentar os custos das empresas. Dados do Departamento
de Aviação Civil (DAC), de 2001, mostram que o câmbio foi o principal item de custo das
empresas aéreas, responsável por cerca de 28,7% dos custos totais.
Pessoal e encargos, segundo item de custo mais importante, reflete o modelo de gestão
das companhias. Existem ainda outros, de participação reduzida e que se referem à relação
direta com cliente, como: marketing, bilhetagem, lojas/balcões para atendimento, sistemas de
bônus, serviço de bordo etc. Todos esses indicadores têm custos diferenciados.
3. DESREGULAMENTAÇÃO DO SETOR
A liberalização do transporte aéreo brasileiro iniciou-se nos anos noventa e envolveu
um conjunto de medidas chamado de “Política de Flexibilização do Transporte Aéreo”.
Consistiu num processo gradual de flexibilização constituído por três etapas liberalizadoras
(Oliveira, 2005c).
A primeira etapa de liberalização aconteceu em 1992. A partir dela, os monopólios
regionais, exceto no caso das linhas aéreas especiais 6, foram definitivamente abolidos. Com a
6
São denominadas linhas aéreas especiais as ligações que envolvem vôos entre pares de aeroportos centrais das cidades de
São Paulo, Rio de Janeiro, Belo Horizonte e Brasília.
24
extinção da política de “quatro companhias nacionais e cinco regionais” observaram-se uma
série de pequenas novas companhias aéreas entrantes no mercado (ex. Pantanal, Tavaj, Meta,
Rico, etc.).
Nessa etapa, também ficou determinado o alargamento das bandas tarifárias ao redor
dos preços de referência, gerando maior liberdade, ainda que restrita, para variações de
preços. Assim, os limites inferior e superior, que eram de –25% a +10% passaram a ser de –
50% a +32%, respectivamente.
Segundo Oliveira (2005c), nesse novo cenário, a competição em preços era vista como
“saudável” para a indústria e passou a ser incentivada. Nesse sentido, as bandas tarifárias
eram consideradas instrumentos temporários para intensificar a rivalidade de preços. No
entanto, os preços ainda eram, de certa forma, indexados, já que as tarifas de referência eram
controladas e sujeitas às políticas de reajustes periódicos.
No final dos anos noventa (início de 1998) aconteceu a segunda etapa de liberalização.
Nesse momento, foram removidos os dois dispositivos de controle da competição que ainda
perduravam no setor: as bandas tarifárias e a exclusividade do direito das regionais operarem
as linhas aéreas especiais.
Nesse novo ambiente liberalizado, houve elevação de 22,4% na oferta
(ass.km
oferecidos) para as linhas domésticas, de 1997 para 1998 (Figura 3). Em contrapartida, no
mesmo período, a lucratividade da indústria (linhas domésticas) reduziu
percentuais (de 10,63% para 2,42%) (Figura 4).
8,21 pontos
25
Figura 3 – Evolução da oferta e demanda no transporte aéreo regular para linhas
domésticas durante a liberalização do setor. Fonte: Anuário DAC (2001).
De fato, durante o ano de 1998 foram observados fenômenos de “guerras de preços” e
“corridas por freqüência”, que nada mais representavam que os ajustes de curto prazo das
novas medidas implementadas, mas que provocaram uma movimentação competitiva como
não se via pelo menos desde a década de sessenta (Oliveira, 2005c).
Figura 4 – Lucratividade da indústria de transporte aéreo regular em linhas domésticas.
Fonte: Anuário DAC – Dados Econômicos (2001).
A andamento do processo de liberalização foi significativa e negativamente afetado
com a mudança no regime cambial em 1999. A elevada desvalorização ocorrida em janeiro
daquele ano provocou grande impacto no desempenho da atividade do transporte aéreo, tendo
26
em vista que o componente câmbio é extremamente representativo na composição de custos
das empresas, dada a sua dependência de insumos cotados em dólares tais como: leasing,
seguro e manutenção (Figura 5).
A maxidesvalorização da moeda afetou ainda as receitas, tendo em vista a diminuição
constatada na demanda de passageiros. Assim, houve em um primeiro momento, uma
tendência generalizada à suspensão das tarifas promocionais vigentes e, em seguida, a
necessidade de um realinhamento de preços face ao choque nos custos (Anuário DAC, 2001).
30.00
25.00
Em %
20.00
15.00
10.00
5.00
0.00
1996
1997
1998
1999
2000
Encargos com Pessoal
Câmbio
Combustível
Despesas Comerciais
2001
Figura 5 – Evolução da participação das principais despesas nos custos do transporte
aéreo doméstico (em %). Fonte: Anuário DAC – Dados Econômicos (2001).
No entanto, diante de aumentos de preços em diversos setores da economia, o
Ministério da Fazenda não permitiu que os preços dessa indústria fossem realinhados. Tal fato
representou uma limitação às estratégias das firmas, dado que o controle dos reajustes de
preços foi novamente posto em prática, na forma da necessidade de autorização prévia do
DAC e do Ministério da Fazenda (Oliveira, 2005c).
Em 2001 ocorreu a terceira etapa de liberalização do setor. Através de um acordo entre
o DAC e o Ministério da Fazenda, os mecanismos de regulação econômica que ainda existiam
no setor foram removidos, inclusive a interferência macroeconômica. Assim, além da
27
liberalização dos preços, houve a flexibilização dos processos de entrada de novas firmas e de
pedidos de novas linhas aéreas, freqüências de vôo e aviões, em um processo que culminou
com a entrada da Gol, em janeiro de 2001.
Em 2003, diante de um novo governo federal e de novas políticas setoriais, as
autoridades reguladoras voltaram a interferir no mercado, buscando controlar o que foi
chamado de “excesso de capacidade” e o acirramento da “competição ruinosa” no mercado.
Pedidos de importação de novas aeronaves, novas linhas e mesmo de entrada de novas
companhias aéreas, somente seriam aceitos mediante apresentação de estudos de viabilidade
econômica prévia, configurando-se uma situação semelhante ao do período regulatório típico.
No entanto, havia uma grande diferença neste caso, uma vez que não houve interferência na
precificação das companhias aéreas, ou seja, não houve re-regulação tarifária (Oliveira
2005c).
Em 27 de setembro de 2005 foi criada, através da lei nº 11.182, a Agência Nacional de
Aviação Civil (ANAC). A entidade é integrante da Administração Pública Federal indireta,
submetida a regime autárquico especial, vinculada ao Ministério da Defesa. De acordo com a
lei, é competência da União, por intermédio da ANAC e nos termos das políticas
estabelecidas pelos Poderes Executivo e Legislativo, regular e fiscalizar as atividades de
aviação civil e de infra-estrutura aeronáutica e aeroportuária.
Não é, porém, atribuição da ANAC, julgar casos de infração à ordem econômica. Ao
tomar conhecimento de fato que comprometa a defesa e a promoção da concorrência, deverá
comunicá-lo aos órgãos e entidades específicos (SEAE e CADE) para que adotem as
providências cabíveis.
A Empresa Brasileira de Infra-Estrutura Aeroportuária (Infraero) continua com a
função atual, ou seja, responsável pela gestão dos aeroportos brasileiros. Já a Aeronáutica, que
28
era responsável pelo Departamento de Aviação Civil (DAC), continua responsável pela
segurança e prevenção de acidentes no setor e regulamentação técnica.
4. POLÍTICA ANTITRUSTE
Diante de um ambiente liberalizado e mudanças no ambiente competitivo provocado
por inovações de ordem tecnológica, organizacional e institucional, que por sua vez, é
resultado da intensificação das relações internacionais no processo denominado globalização,
assistiu-se a um processo de reestruturação produtiva de vários setores, representado pelo
crescente número de alianças, fusões e aquisições no cenário empresarial (Farina, 2005).
Nesse cenário, o papel do Estado regulador cede espaço para os órgãos de defesa da
concorrência que, através de um conjunto de mecanismos legais e institucionais chamado de
“política antitruste”, almejam a eficiência econômica dos mercados através da promoção e
estímulo à competição.
Segundo Farina (2005), a competição é visualizada pela perspectiva do lucro que
estimula e orienta os negócios privados em uma economia de mercado, sinalizando
oportunidades de investimento para as firmas incumbentes e para as potenciais entrantes.
Assim, a principal justificativa econômica para a política de defesa da concorrência é proteger
e até mesmo intensificar a força competitiva, que se supõe constituir o mecanismo mais eficaz
para alcançar a eficiência produtiva, o vigor da inovação técnica e a criação de novos
produtos.Por outro lado, o lucro obtido através do abuso de poder de mercado é amplamente
condenado, uma vez que geralmente é resultado de uma estratégia implementada com dano à
concorrência. Ou seja, num mercado oligopolista, alguns atos de concentração e conduta
29
coordenada podem ocasionar um comportamento idêntico que é tão efetivo em restringir a
produção e aumentar preços como um cartel explícito. Como resultado, além de inviabilizar a
entrada de novos competidores, tem-se o aumento da ineficiência 7 do mercado (ver Figura 6).
Eficiência
Ineficiência
Lucro econômico
Competição
Abuso ou aumento de poder
de mercado
- conduta coordenada
- atos de concentração
Figura 6 – Obtenção de lucro econômico.
Assim, a política antitruste é realizada através de instrumentos de intervenção nos
quais as autoridades podem atuar, tanto de maneira repressiva quanto preventiva, com relação
aos atos considerados lesivos à competição (atos de concentração, como fusões e
incorporações, ou práticas de articulação de mercado, como colusão tácita, coordenação de
preços e quantidades). São dois os seus tipos de processos: o controle da estrutura da
indústria, voltado para o controle da formação de poder de mercado 8; e o controle das
condutas, que se preocupa em coibir os abusos do poder de mercado que seja eventualmente
detido por uma ou mais firmas da indústria. Esses processos podem envolver duas dimensões:
7
A ineficiência de um mercado é identificada pela magnitude com que sua estrutura gera o chamado “peso morto”. Quanto
maior o poder de mercado, maior o aumento na capacidade de gerar “peso morto”.
8
Segundo Kupfer e Hasenclever (2002), poder de mercado é a capacidade de restringir a produção e aumentar preços de
modo a, não atraindo novos competidores, obter lucro acima do normal; é definido como poder de fixar preços significativa e
persistentemente acima do nível competitivo, isto é, dos custos médios.
30
a horizontal, quando as empresas objeto são competidoras em um mercado; e a vertical, que
envolve empresas situadas em diferentes níveis da cadeia produtiva.
No transporte aéreo, a preocupação com o aumento do poder de mercado se torna
substancialmente maior após a segunda etapa de liberalização. Num ambiente liberalizado, as
autoridades antitruste receiam que ocorra aumento na concentração do setor, quer através de
alianças ou de acordos operacionais, e se reduza a contestabilidade pela existência de
barreiras à entrada (Oliveira, 2005c).
As instituições governamentais incumbidas da investigação antitruste no Brasil são a
Secretaria de Direito Econômico (SDE) e o Conselho Administrativo de Defesa Econômica
(CADE), vinculados ao Ministério da Justiça, e a Secretaria de Acompanhamento Econômico
(SEAE), no Ministério da Fazenda. Enquanto a SDE tem um papel de acompanhamento e de
instauração de processo administrativo para apuração de infrações, o CADE possui caráter
judicante, de decisão, julgando os processos instaurados por aquela. Já à SEAE cumpre o
papel de elaborar parecer econômico e proceder com investigações, em coordenação com os
demais órgãos.
4.1 Condutas
O alvo desse trabalho será unicamente o estudo das condutas, ou seja, o estudo do
comportamento competitivo das firmas no mercado, deixando a cargo de outros trabalhos ou
pesquisa futura, os atos de concentração.
No setor aéreo, diante de um ambiente liberalizado, assistiu-se a um processo de
reestruturação produtiva, com mais intensidade no que diz respeito à formação de alianças
estratégicas, quer sejam domésticas ou internacionais. Assim, criou-se possibilidade atrativa
de aumentar o lucro econômico através de redução de custos e aumento da eficiência
31
resultantes de algumas ações operacionais conjuntas, tais como: coordenação do fluxo de
passageiros e bagagem, divisão de recursos dos aeroportos (portões de embarque, balcões de
check-in e tripulação de solo) e esforços combinados de promoção e propaganda.
A despeito das vantagens apontadas, os órgãos antitrustes também estão atentos à
possibilidade de que acordos entre firmas facilitem a implementação de conduta cooperativa
(com racionalidade de cartel 9) e resulte em abusos do poder de mercado, ameaçando a
concorrência. Sob essa suspeita, o pool na Ponte-Aérea Rio de Janeiro – São Paulo foi alvo de
investigação pelo CADE. A investigação teve início após uma conduta verificada em 1999,
quando as quatro companhias que operavam a Ponte Aérea Rio de Janeiro – São Paulo
aumentaram seus preços no mesmo dia, em um mesmo percentual de dez por cento. Nesse
processo, aberto sob a alegação de “conduta combinada e uniforme”, as empresas foram
condenadas pela prática de infração a ordem econômica e penalizadas com pagamento de
multa.
Oliveira e Turolla (2005), utilizando “modelos de parâmetro conduta” da Nova
Organização Industrial Empírica - NOIE, realizaram a tarefa de averiguar se a conduta
observada realmente representou, do ponto de vista econômico, uma efetiva coordenação com
racionalidade de cartel. Os resultados empíricos indicaram que não foi possível rejeitar a
hipótese de que as empresas mantiveram uma conduta não-cooperativa no mercado, ao
contrário do que foi decidido pelas autoridades antitruste.
Segundo os autores, a principal conclusão é que as movimentações paralelas de preços
de agosto de 1999 não acarretaram efeitos relevantes sobre o mercado, representando muito
provavelmente apenas uma tentativa de realinhamento de receitas unitárias diante choque
cambial do início daquele ano, não tendo sido capazes de representar um efetivo
distanciamento de referenciais competitivos no mercado.
9
Segundo Pindyck e Rubinfeld (2002), cartel é definido como um mercado no qual algumas ou todas as
empresas fazem acordos explicitamente e coordenam preços e níveis de produção de maneira que possam
maximizar seu lucro conjunto.
32
As condutas coordenadas ou cooperativas são representadas por situações em que as
firmas combinam preços e quantidades de modo colusivo, produzindo ineficiência ao
mercado. Ou seja, em mercados oligopolistas, condutas anti-competitivas podem produzir um
resultado de equilíbrio similar a um cartel explícito. A ação integrada e informal entre as
firmas pode ocasionar um comportamento idêntico, que é tão efetivo em restringir a produção
como um cartel explícito, em que não há testemunhas ou documentação para provar a
conspiração.
A realização de condutas coordenadas geralmente é feita através de uma colusão
tácita, caso em que as firmas realizam acordos sem que se tornem explicitamente públicos.
Essa idéia também é apresentada no trabalho de Oliveira e Turolla (2005), que não descartam
a hipótese de que as companhias aéreas possam vir a ter acordos facilitados pela sinalização
de preços através de seu sistema de reservas – ATPCO.
Existem também, características próprias do setor que podem facilitar esses acordos,
conforme aponta Matsumura e Figueira de Mello (2005) e que são apresentadas no Quadro 1.
33
Quadro 1 –Características possíveis facilitadoras de cooperação entre firmas.
Mercado
• Alto
grau
concentração
de Num mercado em que poucos concorrentes dominam parcela
substancial do mercado, aumenta a possibilidade de
cooperação entre os agentes.
As
dificuldades de ingresso de novas firmas em determinado
• Grande presença de
mercado permite que haja menor contestabilidade no
barreiras à entrada
mercado 10, gerando lucros não efêmeros.
• Baixa assimetria de A disponibilidade de informações está diretamente ligada à
informação entre os formação de estratégias. A facilidade de comunicação entre
as empresas permite que as estratégias sejam estabelecidas
agentes
conjuntamente, muitas vezes com racionalidade de cartel e
dano à concorrência. Além disso, com informação perfeita, o
desvio do acordo pode ser detectado imediatamente e a
punição torna o desvio não lucrativo.
• Repetição
e A repetição e freqüência da interação entre as firmas gera um
freqüência
da histórico de possíveis ações e previsibilidade dos resultados
das estratégias que são jogadas com freqüência.
interação
Demanda
• Baixa elasticidade À medida que os consumidores se mostram menos sensíveis
às variações de preço do produto ou serviço (demanda
da demanda
inelástica a preço), maior a margem para aumento de preços
realizado pelos ofertantes.
Os preços de conluio são fracamente pró-cíclicos e a
• Ciclo de
amplitude do ciclo de preços de conluio é maior quando a
crescimento da
duração esperada da expansão é menor e a da recessão é maior
demanda
(Bagwell e Staiger,1997).
Oferta
• Homogeneidade das Firmas que são mais parecidas tendem a entrar em conluio
mais facilmente, dadas as similaridades em termos de
firmas
estrutura organizacional e de precificação.
• Homogeneidade dos Existe maior facilidade de realização de combinação de preços
se os produtos oferecidos pelas firmas são mais parecidos.
produtos
Além das características acima apontadas, a implementação e manutenção do conluio
tácito dependem ainda dos seguintes fatores (Matsumura e Figueira de Mello, 2005).
Facilidade em coordenação; deve-se ter claro um equilíbrio de conluio sem que
seja necessário um acordo formal.
10
Segundo Baumol (1982), um mercado considerado contestável é aquele em que as firmas entrantes não
sofrerão qualquer desvantagem em termos de técnicas de produção ou de qualidade do produto em relação às
firmas já participantes, e que as entrantes em potencial achem apropriado julgar a lucratividade da entrada em
termos dos preços já praticados no mercado antes de sua entrada.
34
Facilidade em detectar os desvios; variáveis relevantes para tal devem ser
observadas ou então, as firmas devem ser capazes de fazer inferências do
comportamento das rivais a partir de informações próprias.
Facilidade em fazer cumprir o acordo; a ameaça de punição deve ser crível, isto é,
as firmas devem ter o incentivo a punir eventuais desvios.
Assim, a decisão de acatar ou desviar de um acordo depende:
dos ganhos do desvio em relação às perdas potenciais (isto é, as perdas com a
punição vezes a probabilidade de ser descoberto) e, portanto, a solução cooperativa
é estável se os ganhos com o desvio não superarem as perdas potenciais.
da credibilidade da punição: como a punição envolve custos também para quem
vai exercê-la, o incentivo por trás de uma estratégia de conluio deve ser o de que a
firma prefere retaliar a acomodar um potencial desvio (Motta, 2004).
A detenção de poder de mercado é condição necessária, mas não suficiente para haver
ilicitude. Atos ilícitos dependem ainda da constatação de efeitos anticompetitivos que
decorram de uma conduta ou de um ato de concentração. Algumas condutas restritivas ou
certos atos de concentração, mesmo que provoquem efeitos negativos sobre a concorrência,
podem também gerar ganhos de eficiência que os compensem. Dentre os ganhos típicos de
eficiência figuram: reduções de custo associadas a economias de escala e escopo, aumentos de
produtividade ou qualidade, aperfeiçoamentos tecnológicos, economias de custos de
transação, etc. Nesses casos, há consenso no sentido de que tais condutas ou atos de
concentração não devem ser proibidos quando seus eventuais efeitos restritivos forem
devidamente compensados pelas eficiências por eles geradas; caso contrário, a aplicação da
lei provocaria ineficiências nos mercados e teria um resultado contrário ao interesse social
(Kupfer e Hasenclever, 2002).
35
Na legislação brasileira, a ilegalidade de uma conduta depende de se verificar se ela
produz certos efeitos, que são apresentados nos seguintes termos: “ limitar, falsear ou de
qualquer forma prejudicar a livre concorrência ou a livre iniciativa; dominar mercado
relevante de bens e serviços; aumentar arbitrariamente os lucros; exercer de forma abusiva
posição dominante”(Lei 8.884, de 11 de junho de 1994). A lei elenca também, um conjunto de
condutas típicas que se caracterizam como infrações à ordem econômica, mas que é
meramente exemplificativo, não esgotando todas as condutas possíveis.
Na visão dos órgãos antitruste, são consideradas condutas nocivas à concorrência
aquelas implementadas por empresas que detêm poder sobre determinado mercado, das quais
são exemplo a prática de cartel, a prática de preços predatórios, as vendas casadas, os acordos
de exclusividade, a discriminação de preços, a fixação de preços de revenda e as restrições
territoriais.
Os efeitos são descritos na lei de modo genérico, ficando a cargo da análise econômica
identificá-los nos casos concretos e ponderá-los com eventuais eficiências. O importante, do
ponto de vista jurídico, é que qualquer conduta – prevista ou não prevista expressamente na
lei – pode ser considerada ilegal, e que tal ilegalidade dependerá sempre da análise dos efeitos
econômicos – considerados em termos líquidos (Kupfer e Hasenclever, 2002).
O procedimento de análise de uma conduta se inicia com o encaminhamento de um
formulário para que os cidadãos denunciem a existência de infrações à ordem econômica à
Secretaria de Acompanhamento Econômico do Ministério da Fazenda (SEAE/MF). Com base
na informação prestada, a SEAE analisará a pertinência da denúncia e, uma vez caracterizados
os indícios da existência da infração, recomendará a abertura de um processo administrativo
contra os infratores. Iniciado o processo administrativo, será instruída representação a ser
encaminhada à SDE; a SDE pode promover Averiguação Preliminar ou instaurar diretamente
Processo Administrativo. O CADE julga, então, com base nas opiniões da SEAE e da SDE à
36
respeito da configuração ou não de infração à ordem econômica. Nas análises de condutas
anticompetitivas, a manifestação da SEAE é facultativa.
5. MODELOS TEÓRICO E EMPÍRICO
5.1 Modelo Teórico
Modelos de conduta, em última instância, têm como objetivo identificar o exercício do
poder de mercado. Isso porque, algumas condutas, assim como alguns atos de concentração
podem, conforme apontado pela Figura 6 no tópico 4, conduzir à praticas abusivas ou de
excesso de poder de mercado e conseqüentemente gerar ineficiência.
Até o início dos anos 80, a identificação de poder de mercado era feita através da
estimação da performance das firmas, exercício desenvolvido pela abordagem da EstruturaConduta-Desempenho, conhecida como ECD. Ao assumir a existência de uma relação causal
estável entre as estrutura da indústria, a conduta da firma e a performance do mercado,
acreditava-se que a partir de um conjunto de variáveis estruturais observáveis seria possível
explicar as diferenças interindústria na performance de mercado e particularmente, o poder de
mercado. E ainda que, medidas de poder de mercado podiam ser calculadas de dados
disponíveis (medidas de lucratividade). Dados contábeis poderiam ser usados para construir
aproximação do índice de Lerner ou lucros econômicos.
Várias críticas surgiram à essa abordagem tais como: i) é assumido que a estrutura da
indústria determina causalmente seu desempenho, quando o desempenho pode influenciar a
estrutura da indústria; ii) medidas de concentração pouco refletem o nível de poder de
mercado de uma indústria, já que não levam em conta as elasticidades da demanda, incentivos
37
aos produtores e entrada potencial de competidores; e principalmente; iii) informações
corretas sobre custos marginais podem não existir. Diante dessa última razão, tem-se que,
tanto pela endogeneidade das variáveis estruturais ou pela pouca confiabilidade de dados
contábeis, as formas tradicionais de calcular poder de mercado baseados no paradigma ECD,
implicariam resultados inadequados para medir o desempenho das indústrias.
Com o surgimento da corrente da Nova Organização Industrial Empírica (NOIE), foi
desenvolvida uma nova forma de identificação do poder de mercado. A abordagem NOIE
consiste em associar modelos teóricos de competição (com componentes da teoria dos jogos)
à utilização de métodos econométricos na investigação empírica. Trata-se, dessa forma, de
uma abordagem estrutural, porque envolve o uso de teoria para especificar a estrutura da
demanda e oferta, e identificar a conduta da firma.
As vantagens dessa nova abordagem em relação à ECD são apontadas por Church e
Ware (2000): i) dados contábeis de custos não são usados; assim, medidas significativas de
custo marginal são assumidas como não-observáveis. Isso significa que margens preço-custo
e a observação direta do índice de Lerner não são possíveis ou não são significativas; ii) o
foco em estimar poder de mercado é uma única indústria. Logo, hipóteses falsas considerando
simetria na indústria não são necessárias; iii) o comportamento da firma ou da indústria é
estimado baseado em modelos teóricos de oligopólio, o que permite testar o grau do poder de
mercado; iv) o grau do poder de mercado pode ser identificado e estimado e sua inferência é
baseada na conduta das firmas.
Dentro dessa nova abordagem, Bresnaham (1982, p.87) desenvolveu os chamados
“modelos de parâmetro de conduta”, cuja idéia é resumida nos seguintes termos:
“ A parameter indexing the oligopoly solution concept is econometrically
identified. It is identified by standard econometric methods, even when no cost or
profit data are available, and when the demand and cost curves must be estimated
38
as well. That is, the comparative statistics of equilibrium, as price and quantity are
moved by exogenous variables, reveal the degree of market power.”
Assim, grande avanço dessa modelagem com relação ao proposto pela linha da ECD é
o fato de que não são necessários mais os dados de custo marginal e de poder de mercado,
mas apenas deslocadores de custo.
Essa metodologia tem ainda a vantagem de não depender de informações a respeito da
comunicação prévia entre as empresas. No entanto, tais informações são importantes para
compor o total de documentos necessários para uma análise completa de um caso antitruste.
Desse modo, optou-se por essa última abordagem para a realização desse trabalho e
especificamente, pela aplicação dos “ modelos de parâmetro de conduta” desenvolvidos por
Bresnahan, dentro da NOIE.
A clássica descrição dessa metodologia se resume na estimação de equações de
demanda e oferta, representando o comportamento das firmas por parâmetros desconhecidos a
ser estimados chamados de “parâmetros de conduta”. A partir de então, inferências sobre
poder de mercado tornam-se factíveis quantitativamente na forma de simples testes de
hipóteses como, a de concorrência competitiva (ausência de interação estratégica) e da
maximização conjunta de lucros (coordenação ou colusão), bem como hipóteses
intermediárias, típicas de modelos oligopolísticos.
Diferentes estratégias de equilíbrio das firmas são derivadas de condições de
maximização do lucro, que por sua vez, são sensíveis ao jogo que as firmas costumam jogar, a
informação da estrutura e o tipo de produto assumido. Por exemplo, competição perfeita,
Bertrand, Cournot ou equilíbrio de Stackelberg direcionam o modelo para diferentes
condições de maximização de lucro e, logo, diferentes equações estruturais das quais se
derivam os parâmetros estimados.
39
Assim, antes de proceder à especificação do modelo, serão apresentadas as duas
hipóteses que definirão o tipo de equilíbrio competitivo:
Tipo de produto 11 – No setor, existe uma discussão proeminente sobre o “produto”
transporte aéreo ser homogêneo ou heterogêneo. Segundo Oliveira & Turolla
(2005), o período pós-regulatório apresentou mudanças nas características do setor
que o transformaram de produto homogêneo para heterogêneo. Com o aumento da
competição, houve estímulo em oferecer produtos com maior diferenciação de
atributos (programas de milhagem, com diferentes estruturas de premiação; graus
diferentes de dominância das freqüências ao longo de um dia e também nos
horários de pico), que são efetivamente perceptíveis ao consumidor. Corroborando
a idéia dos autores, nesse trabalho será adotada a hipótese de produto heterogêneo.
Tipo de Jogo – Adotou-se como jogo o padrão estabelecido por Bertrand, de jogo
estático em preços. O uso dos preços como variável estratégica é procedimento
padrão em caso de mercados com produto heterogêneo.
O mercado será modelado como estrutura de duopólio, em que tem-se uma firma base
versus uma média ponderada das demais. Essa forma de modelagem está fundamentada na
hipótese do “oponente médio” desenvolvida por Slade (2004), em que o preço da rival é uma
média ponderada do preço das oponentes.
A função de demanda de cada firma foi baseada no trabalho de Slade (2004) e será
representada por:
q rt = q( p rt , p rt− , Ω, β ) + ε rt = β 0 + β 1 p rt + β 2 p rt− + φ (Ω) + ε rt
11
(1)
A importância da adoção de hipótese sobre o tipo de produto advém do fato de que o resultado de equilíbrio competitivo para um mercado
depende dessa decisão. Ao assumir que um produto é homogêneo, estamos também assumindo que o resultado não-cooperativo
(competitivo) desse mercado seria o preço se igualando ao custo marginal. Ao assumir que o produto é heterogêneo (diferenciado) tem-se
que o equilíbrio do resultado não-cooperativo (equilíbrio de Bertrand-Nash) seria um preço acima do custo marginal. Slade (2004) já apontou
que é comum observar, em mercados oligopolísticos, margens positivas sobre o custo marginal advindas da estrutura do mercado e da
diferenciação de produto.
40
Onde q rt é a quantidade demandada da firma, na rota r, no mês t; p rt e p rt− são,
respectivamente, o próprio preço e o do oponente médio; Ω é um vetor de deslocadores da
demanda e os β ' s são parâmetros.
De (1), segue-se a condição de primeira ordem para maximização de lucros em relação
à variável estratégica preço (p) 12:
Max p rt q rt − ct rt (q rt , Φ ) → p
p
dq
dct dq
+q+
=0
dp
dq dp
(2)
Onde: o termo p rt q rt representa a receita da firma e ct rt é a função custo total e Φ é
um vetor de deslocadores de custos da firma ( dct / dq ) sendo o custo marginal da firma, na
rota r, no mês t, cmg rt .
O termo dq / dp pode ser então desenvolvido de modo a incorporar crenças, ou seja,
conjeturas sobre a forma em que as firmas oponentes variam seus preços, caso uma firma
varie seu preço. Isso pode ser representado por
dp − / dp , que surge conforme o
desenvolvimento abaixo :
dq ∂q dq dp −
=
+
= β1 + β 2θ
dp ∂p dp − dp
(3)
Esse termo, dp − / dp , denominado θ , é então o chamado parâmetro de conduta,
através do qual é possível testar hipóteses a respeito das variações conjeturais das firmas no
mercado.
12
A maximização de lucros em relação ao preço, p, advém da adoção da hipótese, anteriormente justificada, de
que se trata de um jogo estático em preços.
41
Com a inserção de (3) em (2), e juntamente com alguma manipulação algébrica,
chega-se ao formato final da condição de primeira ordem, que nesse caso, também é
considerada a relação de oferta da firma:
p = cmg −
1
q
β1 + β 2θ
(4)
Onde cmg é o custo marginal.
Ao adotar a hipótese de variações conjeturais, θ pode ser considerado um índice de
competição média da conduta do oligopólio, capaz de representar benchmarks relevantes
como comportamento do equilíbrio de Nash em preços (Bertrand-Nash) e desvios deste
equilíbrio não-cooperativo.
Desse modo, têm-se duas situações de referência:
(i) Se θ = 0 , estamos diante da hipótese clássica de variações conjeturais nulas em
preços de Bertrand ( dp − / dp = 0 ), ou seja, não há reação no preço das rivais diante
de uma mudança no preço de uma das firmas. Caso estivéssemos em um mercado
com produto homogêneo, essa situação resultaria em preço igual ao custo marginal.
Mas, pelo fato de os consumidores perceberem as firmas como distintas (produto
heterogêneo), o comportamento de “tomador de preço” não leva ao resultado de
competição perfeita, mas sim a preços superiores ao custo marginal e no patamar do
equilíbrio de Bertrand-Nash (benchmark de equilíbrio não-cooperativo).
Nesse caso, temos uma relação de oferta tal como:
p = cmg −
1
β1
q
(5)
42
Se criarmos uma nova variável, q tp =
q
β1
, obtemos o seguinte modelo:
p = cmg − γ 1 q tp
(6)
Desse modo, torna-se factível a realização de um teste de hipótese sob o
comportamento das firmas em que a hipótese nula é: γ 1 = 1 (é tomador de preço/competitiva)
e a hipótese alternativa: γ 1 ≠ 1 (não é tomador de preço).
ii) Se θ = 1 , configura-se hipótese de que as firmas rivais imitam qualquer variação
de preço realizada por uma das firmas, alterando também seus preços. Nesse caso,
as firmas adotam um comportamento conhecido na literatura como “equiparador de
preço” e enquadrado como prática colusiva (Corts, 1995). Nessa análise, considerase que, quanto maior o parâmetro conduta das companhias, maior a probabilidade de
que elas estejam empreendendo alguma prática colusiva, e portanto, o referencial
θ = 1 (benchmark de equilíbrio cooperativo) representa uma importante ferramenta
de análise antitruste.
Nesse caso, a equação de oferta fica:
p = cmg −
1
q
β1 + β 2
Se criarmos uma nova variável q ep =
(7)
q
obtemos o seguinte modelo:
β1 + β 2
p = cmg − δ 1 q ep
(8)
43
Desse modo, torna-se factível
a realização de um teste de hipótese sob o
comportamento das firmas em que a hipótese nula é: δ 1 = 1 (equiparação de preços/possível
cartel) e a hipótese alternativa: δ 1 ≠ 1 (não há equiparação de preços).
Pode-se ainda, estimar a relação de oferta padrão tal como em (4) e considerando que
o termo 1 /( β 1 + β 2 ) = ϖ 1 , testa-se a hipótese de precificação ao custo marginal, em que a
hipótese nula é ϖ 1 = 0 (precificação ao custo marginal) e a hipótese alternativa: ϖ 1 ≠ 0
(precificação não é ao custo marginal).
5.2 Modelo Empírico
O modelo empírico será estimado com os dados provenientes da base do Núcleo de
Estudos em Competição e Regulação do Transporte Aéreo - NECTAR, detalhados no tópico 6
desse trabalho. Foram estimadas as equações de demanda e oferta, para cada firma. Assim, o
equivalente empírico das equações do modelo teórico (1), (6) e (8) está apresentado abaixo.
A equação de demanda para cada firma (1) é estimada na seguinte forma:
20
q rt = β 0 + β 1 p rt + β 2 p rt− + β 3 PIBt + ∑ β r +3 D _ rota r + ε rt
(9)
r =1
Onde:
q rt é o número de passagens aéreas vendidas. O índice rt se refere ao número de
passagens vendidas pela companhia aérea no par de cidades r no mês t. Inclui todos os
bilhetes comercializados para o par de cidades, independentemente das características
e restrições associadas ao próprio bilhete e à viagem em si; desta forma, engloba
bilhetes representativos de vôos tanto non stop, quanto com escala e/ou conexão, etc.
44
p rt é o preço médio da passagem aérea (R$) da companhia, na ligação r, no mês t.
Esse preço foi obtido pela multiplicação do yield (preço por passageiro-km) pelo km,
obtendo, assim, o preço médio por passageiro.
p − rt é o preço do oponente médio ou preço do rival. Esse preço foi calculado a partir
da média ponderada dos preços das firmas rivais, onde o fator de ponderação é o
número de passagens aéreas vendidas.
PIBt é um indicador mensal do produto gerado pela economia no mês t.
D_rota é uma variável de efeitos fixos de rota r (total de 20 variáveis).
Adotou-se a estrutura linear para a equação de demanda. Nesse caso, é esperado que a
inflexibilidade pela utilização dessa estrutura seja refletida nos parâmetros estimados e
conseqüentemente nas elasticidades e padrões de substitutibilidade entre as firmas (ver
Crooke et all, 1999). Além disso, a linearidade da curva de demanda implica que elasticidades
menores estejam relacionadas a preços menores e elaticidades maiores estjam relacionadas a
preços maiores (ver Pindyck e Rubinfeld, 2002).
Existem outras formas funcionais que conferem maior flexibilidade ao modelo tais
como: log-linear, logit e Almost Ideal Demand System (AIDS). Crooke et all (1999) compara
estas formas e mostra analitica e graficamente suas propriedades.
A relação de oferta padrão representada pela equação (4) 13:
20
p rt = ω 0 + ω1cme + ω 2 q rt + ω 3 q rt _ tcâmbio + ∑ ω r +3 D _ rota r + ξ rt
r =1
13
Considerou-se, nessa notação, que 1 /( β 1 + β 2 ) = ϖ 1 .
(10)
45
Onde:
p rt é o preço médio da passagem aérea (R$) da companhia, na ligação r, no mês t.
Esse preço foi obtido pela multiplicação do yield (preço por passageiro-km) pelo km,
obtendo, assim, o preço médio por passageiro.
q rt é o número de passagens aéreas vendidas. O índice rt se refere ao número de
passagens vendidas pela companhia aérea no par de cidades r no mês t. Inclui todos os
bilhetes comercializados para o par de cidades, independentemente das características
e restrições associadas ao próprio bilhete e à viagem em si; desta forma, engloba
bilhetes representativos de vôos tanto non stop, quanto com escala e/ou conexão, etc.
qrt _tcâmbio é uma variável resultante da multiplicação de q rttp pela taxa de câmbio. 14
Utilizou-se a taxa de câmbio média mensal comercial para compra (fonte: Boletim do
Banco Central do Brasil).
cme é o custo médio operacional (R$) da companhia, na ligação r, no mês t.
D_rota é uma variável de efeitos fixos de rota r (total de 20 variáveis).
Nesse modelo, assumiu-se a hipótese de que os custos marginais na rota são iguais ao
custos médios, ou seja, diante da impossibilidade de se conhecer os custos marginais, foram
utilizados como proxies os custos médios. Essa hipótese pode não ser razoável se for
considerado que existem ganhos de escala e de densidade para as firmas do setor. No entanto,
independetemente da razoabilidade ou não da hipótese assumida, espera-se que não haja
prejuízo ao modelo visto que, certamente, deslocamentos nos custos médios estão atrelados a
deslocamentos nos custos marginais e essa relação é suficiente para a identificação da relação
de oferta e conseqüentemente do parâmetro de conduta.
14
Espera-se que o coeficiente dessa variável represente a alteração da conduta das firmas devido às variações da
taxa de câmbio, principalmente devido à desvalorização cambial de 2002.
46
A relação de oferta para a situação de tomador de preço representada pela equação (6):
20
p rt = γ 0 + γ 1cmert + γ 2 q + γ 3 q _ tcâmbio + ∑ γ r +3 D _ rotar + ε rt
tp
rt
tp
rt
(11)
r =1
Onde:
q rttp é o q rt com as modificações propostas em (6).
A relação de oferta para a situação de equiparador de preço representada pela equação
(8):
20
p rt = δ 0 + δ 1cmert + δ 2 q rtep + δ 3 q rtep _ tcambio + ∑ δ r +3 D _ rota r + v rt
(12)
r =1
Onde:
q rtep é o q rt com as modificações propostas em (8).
Em suma, a sequência de procedimentos a serem adotados para cada firma são: i)
estimação de demanda, ii) estimação das relações de oferta (padrão, tomador de preço e
equiparador de preço), iii) correção dos devios-padrões através de bootstrap e iv)
realização dos testes de hipótese para conduta (precificação ao custo marginal, tomador de
preço, equiparador de preço).
47
6. DADOS
Os dados para este estudo são provenientes da base de dados do Núcleo de Estudos em
Competição e Regulação do Transporte Aéreo - NECTAR referente a preços das passagens
aéreas, quantidades de bilhetes vendidos, atributos das firmas e custo médio das firmas.
A principal fonte de dados relativos a preços, quantidades e atributos das firmas é o
conjunto de Relatórios Mensais do Yield, desenvolvido pela Divisão de Assuntos Econômicos
(SA3). Estes relatórios foram criados a partir de setembro de 2001, com as determinações da
Portaria 1213, de 16 de agosto de 2001 (revogada pela Portaria 447/DGAC), que aperfeiçoava
o Regime de Liberdade Tarifária do segmento de aviação regular doméstica.
Os Relatórios Mensais do Yield são elaborados a partir de remessa mensal de
informações pelas empresas de transporte aéreo regular, cuja remessa deve acontecer até o
quinto dia útil do mês subseqüente, e se refere a uma relação desagregada das bases tarifárias,
respectivas tarifas e quantidades de passagens comercializadas em cada uma delas, pela
companhia aérea.
Importante salientar que os Relatórios Mensais do Yield são construídos tendo-se
como referência a comercialização de passagens pela companhia aérea, e não o tráfego de
passageiros.
A segunda fonte de informações para a Base de Dados do NECTAR é constituída pelo
Relatório Operacional Mensal que, por sua vez, serve de base para o Anuário Estatístico do
DAC, Volume II — Dados Econômicos, onde são apresentadas informações anuais
detalhadas sobre custos, desagregadas por companhia aérea. Nesse documento encontram-se
dados detalhados sobre custos operacionais diretos e indiretos, desagregados por aeronave
(tanto no mercado doméstico como internacional), são apresentados.
48
Desta forma, os dados constantes do Relatório Operacional Mensal foram utilizados na
geração de um custo operacional médio ao nível da rota, que simplesmente é a média dos
custos das aeronaves que operam uma dada rota, ponderada pelo número de assentos
oferecidos por aquela aeronave naquele mercado.
Para fins de construção da Base de Dados final, foram escolhidas, dentre as linhas
monitoradas, incluídas na Portaria DAC 447/DGAC, as que envolvessem as seguintes
cidades: São Paulo, Rio de Janeiro, Belo Horizonte, Curitiba, Florianópolis e Porto Alegre.
Para simplificação, foram adotados os seguintes códigos para essas cidades: CBSP, CBRJ,
CBBH, SBBR, SBCT, SBFL, SBPA.
Foram também utilizados índice mensal de PIB 15 e taxa de câmbio comercial para compra
provenientes do Banco Central.
Tem-se assim um conjunto de:
4 firmas: Vasp, Tam, Gol e Grupo Varig (VRG+NES+RSL).
20 rotas, que envolvem 7 cidades: CBSP, CBRJ, CBBH, SBBR, SBCT, SBFL, SBPA.
Sendo que CBSP = SBSP + SBGR; CBBH = SBBH + SBCF; CBRJ = SBRJ +
SBGL 16.
21 períodos (meses) referentes ao período de julho de 2002 a março de 2004.
Esses dados são representativos do tráfego de onze milhões de passageiros, ou seja,
aproximadamente 38% do tráfego aéreo doméstico em 2001 (Anuário Estatístico do DAC,
Dados Estatísticos). No total, são 1680 observações referentes às ligações mais densas do
país. A base inclui somente transporte de passageiros (exclui carga); somente operações
15
Os valores mensais de PIB podem ser encontrados na seção de séries históricas, tabela número 4380. Disponível em:
www.bcb.gov.br
16
As rotas são: CBBH=>CBSP – Belo Horizonte => São Paulo, CBBH=>SBBR – Belo Horizonte => Brasília,
CBRJ=>CBSP – Rio de Janeiro => São Paulo, CBRJ=>SBBR – Rio de Janeiro => Brasília, CBRJ=>SBCT – Rio de Janeiro
=> Curitiba, CBRJ=>SBPA – Rio de Janeiro => Porto Alegre, CBSP=>CBBH – São Paulo => Belo Horizonte,
CBSP=>CBRJ – São Paulo => Rio de Janeiro, CBSP=>SBBR – São Paulo => Brasília, CBSP=>SBCT – São Paulo =>
Curitiba, CBSP=>SBFL – São Paulo => Florianópolis, CBSP=>SBPA – São Paulo => Porto Alegre, SBBR=>CBBH –
Brasília => Belo Horizonte, SBBR=>CBRJ – Brasília => Rio de Janeiro, SBBR=>CBSP – Brasília => São Paulo,
SBCT=>CBRJ – Curitiba => Rio de Janeiro, SBCT=>CBSP – Curitiba => São Paulo, SBFL=>CBSP – Florianópolis => São
Paulo, SBPA=>CBRJ – Porto Alegre => Rio de Janeiro, SBPA=>CBSP – Porto Alegre => São Paulo
49
domésticas, companhias brasileiras (exclui companhias regionais da franja de mercado; exclui
internacionais).
Os valores monetários para preços e custos foram atualizados pelo IPCA – Índice
Nacional de Preços ao Consumidor Amplo, a valor presente de janeiro de 2006
17
.
Um dos eventos relevantes para o período e que se buscou inserir ao modelo foi a
desvalorização cambial de 2002. Com isso, a intenção é verificar se esse fato alterou de
alguma forma a conduta competitiva das firmas no mercado.
A Tabela 3 apresenta as estatísticas descritivas 18 para as principais variáveis do
modelo: número de passagens aéreas vendidas (q), preço médio da passagem (p), preço médio
da passagem dos rivais ( p − ) e custo médio (cme), todas consideradas no nível da rota.
Nota-se que existe grande variabilidade para todas as variáveis, o que se configura
como um ponto positivo para a identificação dos parâmetros da equação de demanda e de
oferta.
Os preços próprios se mostraram próximos aos preços médios das rivais no entanto, os
primeiros apresentaram maior variabiliadade. Os custos médios apresentaram valores menores
do que os preços próprios, conforme o esperado, e correspondem a um montante aproximado
de 66% dos preços.
17
Testes com o IPA para deflacionar custos mostraram que ele pondera excessivamente os períodos de variações cambiais,
não refletindo as reais condições de mercado para insumos adquiridos internamente como: mão-de-obra, tarifas
aeroportuárias e serviços de bordo. Dessa forma, o IPCA mostrou-se o índice mais adequado para o deflacionamento de todos
os dados, inclusive os de custo.
18
As estatísticas descritivas para cada firma não serão apresentadas em virtude da sigilosidade dos dados.
50
Tabela 3 – Estatítica descritiva 19
Variáveis
q
p (R$)
p − (R$)
cme (R$)
Número de
observações
1680
1680
1680
Média
na rota
1932,35
461,91
414,00
DesvioPadrão
2363,77
189,83
145,93
Mín
Máx
22,16
175,45
176,72
16899,63
1191,83
959,23
1680
304,00
155,193
56,00
948,12
6.1 Estimador, Endogeneidade e Instrumentos
A estimação de um sistema de demanda e oferta pode ser realizada de duas formas:
utilizando somente um procedimento (equações simultâneas) ou em etapas, equação-porequação (estimação em dois estágios). Nesse trabalho, será utilizado o segundo, que em geral,
tem a vantagem de que a estimação de uma equação não influencie a estimação das outras
equações do sistema e ainda, será realizada através painéis de ligações para cada firma 20.
O método de estimação utilizado foi o MMG (Método dos Momentos Generalizado).
Este estimador se mostra mais eficiente com relação aos métodos usuais de estimação de
sistemas de equação, por ser robusto à presença de heteroscedasticidade desconhecida
(Wooldridge, 2002). Através do uso de variáveis binárias de rota, espera-se controlar os
efeitos que não se alteram no tempo, o que deve produzir resultados equivalentes ao estimador
de efeitos fixos para painéis de dados.
Nas equações de demanda (para cada firma), as variáveis consideradas endógenas no
modelo foram p e p − . Nesse caso, os instrumentos utilizados foram: custo do combustível,
da manutenção, do aluguel, das tarifas aeroportuárias e distância média das etapas percorridas,
todos defasados de um período, e preços em outros mercados – no caso, em outras rotas. Estes
20
Inicialmente, a idéia era utilizar um único painel de firmas e ligações. A dificuldade na utilização dessa estrutura surgiu no
momento da estimação da relação de oferta, quando não se podia deixar de incorporar ao modelo variáveis endógenas
multiplicativas de quantidade e firma e desse modo, aumentou significativamente o problema de identificação do modelo,
dado que o número e a qualidade de instrumentos não se mostraram suficientes.
51
últimos foram construídos conforme os procedimentos utilizados por Hausman, Leonard e
Zona (1994). Os autores partem da idéia de que choques de demanda em mercados diferentes
são independentes, logo exógenos. Isso quer dizer que os preços de um mesmo produto
possuem componentes comuns de custos, ou seja, de oferta em mercados de diferentes
regiões, além de um componente não observado de demanda específico de cada região e, na
medida em que estes choques de demanda específicos a cada região são independentes entre
si e os preços são formados com base em custos comuns, o preço em outra localidade será um
bom instrumento não correlacionado com o erro e correlacionado com a variável endógena.
Essa hipótese pode ser testada a partir dos testes J de Hansen e LR de Anderson.
Nas relações de oferta, as variáveis consideradas endógenas no modelo foram q rt e
q rt _ tcâmbio . Os instrumentos utilizados nesse caso foram PIB (deslocador da demanda) e
características das firmas rivais, tais como: vôos com stops, vôos durante o fim-de-semana,
vôos durante a semana e vôos no pico; todas medidas como fatias de mercado (em termos de
assentos transportados) da respectiva empresa, em determinada rota, em determinado mês. A
utilização de características das rivais como instrumentos para a oferta foi sugerida por Berry,
Levinson e Pakes (1995), cuja lógica está no fato de que atributos são bons deslocadores de
demanda da firma (relevantes) e atributos das rivais não estão correlacionados diretamente
com o preço da firma (válidos/ortogonais) 21.
Em ambos os casos, equações de demanda e relação de oferta, foram realizados testes
de validade e relevância dos instrumentos através dos testes J de Hansen e LR de Correlação
Canônica de Anderson, respectivamente.
21
A discussão aprofundada sobre instrumentos está no APÊNDICE 1.
52
6.2 Estimação em dois estágios, desvios padrões incorretos e bootstrap
Um problema quando se trabalha com modelos de estimação em dois estágios é que o
modelo do segundo estágio contém variáveis construídas com parâmetros estimados no
primeiro estágio. A prática usual é desconsiderar o fato de que essas variáveis são aleatórias e
proceder à estimação do modelo de segundo estágio como se todas as variáveis fossem
determinísticas. Esse procedimento continua produzindo estimativas não tendenciosas
(coeficientes estão corretamente estimados), porém elas não são eficientes, pois a matriz de
variância-covariância das estimativas dos parâmetros de segundo estágio inclui ruído induzido
pelas estimativas do primeiro estágio. Em outras palavras, o problema se traduz em desviospadrões incorretos, o que implica resultados não confiáveis para testes de hipótese 22.
Pode-se realizar a correção do desvio-padrão de duas maneiras: baseado na fórmula
assintótica ou através de método simples de reamostragem chamado bootstrap. Em seus
estudos, Karaca-Mandic e Train (2002) constataram que a correção do desvio-padrão baseado
na fórmula assintótica e no bootstrap apresentaram resultados similares.
Bootstrap trata-se de um método de reamostragem com reposição de elemento descrito
primeiramente por Bradley Efron (1979). A teoria de modelos baseados em amostragem para
inferências estatísticas parte da hipótese de que os dados surgem como uma amostra de
alguma distribuição de probabilidade conceitual f. Incertezas sobre as inferências podem ser
medidas se for estimado f. A idéia fundamental do método do bootstrap é que se pode
computar medidas de incerteza (média, intervalo de confiança, desvio-padrão) a partir da
distribuição de f estimada da amostra (Burnham, 2004).
Existem duas situações distintas em que o bootstrap atua: a paramétrica e a nãoparamétrica. Quando existe um modelo matemático particular, com constantes ajustáveis ou
parâmetros ψ que determinam f, o modelo é chamado de paramétrico e os métodos
22
O problema dos desvios padrões incorretos está descrito analiticamente no APÊNDICE 2.
53
estatísticos baseados nesse modelo são métodos paramétricos. Nesse caso, a estatística de
interesse, ξ , é componente ou função de ψ . Quando nenhum modelo matemático é usado, a
análise estatística é não-paramétrica, e usa apenas o fato de que as variáveis aleatórias são
independentes e identicamente distribuídas. No caso de tratar-se de um modelo paramétrico, a
análise não-paramétrica pode ser útil para indicar a robustez das extrações da análise
paramétrica (Hair et all, 1998).
Em geral, métodos de reamostragem são mais utilizados em aproximações não paramétricas. Nesse caso, o procedimento consiste na geração de múltiplas amostras (x*B) –
onde B é o número de reamostras bootstrap - a partir de uma amostra inicial (x), através de
um processo aleatório e com reposição. Freqüentemente, a amostra é composta de n unidades
independentes, e isso basta para fazer um simples exemplo aleatório de tamanho n, com
reposição, e obter uma amostra bootstrap.
O conjunto B das reamostras bootstrap é uma proxy para um conjunto B de amostras
reais independentes de f (na realidade tem-se somente uma amostra atual de dados).
Propriedades esperadas da replicação de amostras reais são inferidas das amostras bootstraps
(uma a uma), exatamente como inicialmente foi analisada a amostra real de dados. Do
conjunto de resultados de amostra tamanho B, pode-se medir as incertezas sobre inferência da
amostra para a população. O bootstrap pode trabalhar bem para amostras de grandes
tamanhos (n), mas pode não ser confiável para pequenas (n = 5, 10 ou até 20). A distribuição
bootstrap pode ser vista como aproximação altamente acurada da verdadeira distribuição da
amostra do estimador (Burnham, 2004). Maiores detalhes são encontrados em APÊNDICE 3.
54
7. RESULTADOS E DISCUSSÃO 23
7.1 Demanda
Os resultados da estimações das demandas são apresentados nas Tabelas 4, 5, 6 e 7.
Pode-se observar que todos os coeficientes são significativos e possuem sinais condizentes
com expectativa da teoria econômica: preço próprio negativamente relacionado com a
quantidade demandada (aumento de preço próprio reduz a demanda por esse serviço); preço
do rival/substituto positivamente relacionada com a quantidade demanda (aumento do preço
do rival, aumenta a demanda da firma) e; renda positivamente relacionada com a quantidade
demandada (aumento da renda, aumenta consumo desse serviço).
Entre as firmas, o maior valor estimado para o parâmetro de preço próprio foi o da
Gol, isso reflete o fato de que seus passageiros são mais sensíveis a preço do que os
passageiros das demais. O maior valor estimado para o parâmetro de preço das rivais foi o da
Vasp, indicando que diante de um aumento em seus preços, sua perda de demanda seria maior
do que se fosse com qualquer outra firma. Com relação ao PIB, o maior valor estimado está
na equação de demanda da TAM, sinalizando a maior sensibilidade de seus passageiros diante
de uma alteração na renda.
Um ponto que merece considerações é o fato do valor estimado para o parâmetro do
PIB ser negativo e significativo (1% de significância) para a Vasp. Esse resultado inesperado
possivelmente pode ter relação com a crise da empresa que já despontava nesse período, ou
seja, apesar de um aumento de renda da economia (PIB), a empresa, devido à crise, perdia
demanda para os concorrentes.
23
Todas as rotinas e resultados das estimações e testes encontram-se no ANEXO 1.
55
Tabelas 4 – Resultados da estimação da equação de demanda – Gol
Gol
Variáveis explicativas
p
q
-7,06***
(1,35)
p
−
5,90***
(0,94)
PIB
33,60***
(3,28)
constante
-3276,69***
(515,44)
Número de Observações
Centered R²
F (82, 1593)
Estatística J de Hansen
Estatística LR de Anderson
400
0,78
56,63***
8,41
121,68***
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
Tabelas 5 – Resultados da estimação da equação de demanda – TAM
TAM
Variáveis explicativas
p
q
-4,37***
p−
4,96***
(0,84)
(1,29)
PIB
39,52***
(6,61)
constante
8369,91***
(1055,44)
Número de Observações
Centered R²
F (82, 1593)
Estatística J de Hansen
Estatística LR de Anderson
400
0,93
117,01***
9,49
123,93***
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
56
Tabelas 6 – Resultados da estimação da equação de demanda – Varig
Varig
Variáveis explicativas
p
q
-6,24***
p−
3,44***
(1,41)
(0,82)
PIB
20,81***
(6,71)
constante
-468,47
(985,02)
Número de Observações
Centered R²
F (82, 1593)
Estatística J de Hansen
Estatística LR de Anderson
400
0,75
66,92***
12,62
89,38***
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
Tabelas 7 – Resultados da estimação da equação de demanda – Vasp
Vasp
Variáveis explicativas
p
q
-5,03**
(1,94)
p
−
7,18**
(3,08)
PIB
-13,64***
(4,66)
constante
1139,58
(971,63)
Número de Observações
Centered R²
F (82, 1593)
Estatística J de Hansen
Estatística LR de Anderson
400
0,84
50,19***
5,73
12,58**
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
57
A Tabela 8 apresenta as elasticidades. Todos os valores correspondem às elasticidades
no ponto médio. Logo, podem ser representadas como:
1)
Elasticidade preço da demanda:
∂q p
∂q
, onde o valor estimado para
∂p q
∂p
pode ser obtido da equação da demanda e, nesse caso, corresponde à
estimativa de β 1 obtido para cada firma e, p e q são o preço médio e a
quantidade média da firma, respectivamente.
2)
Elasticidade cruzada da demanda:
∂q p −
, onde o valor estimado para
∂p − q
∂q
pode ser obtido da equação da demanda e, nesse caso, corresponde à
∂p
estimativa de β 2 obtido para cada firma e, p − e q são o preço médio das
rivais e a quantidade média da firma, respectivamente.
3)
Elasticidade renda da demanda:
∂q PIB
, onde o valor estimado para
∂PIB q
∂q
pode ser obtido da equação da demanda e, nesse caso, corresponde à
∂PIB
estimativa de β 3 obtido para cada firma e, PIB e q são o valor médio de
PIB e a quantidade média da firma, respectivamente.
Destaca-se que o maior valor para a elasticidade própria foi encontrado para a Varig e
o menor para a Gol; o maior para elasticidade cruzada corresponde ao da Vasp e o maior para
elasticidade renda corresponde ao da TAM. De fato, era esperado que as elasticidades ao nível
da firma fossem maiores do que as encontrada ao nível do mercado (agregada), que gira em
torno de –0,4 (elasticidade-preço) e 1,1 (elasticidade-renda). Isso decorre do fato de que o
transporte aéreo trata-se de um serviço essencial, principalmente em viagens de longa
58
distância ou de necessidade rápida (demanda agregada inelática) no entanto, o passageiro tem
opções em relação à escolha da empresa com a qual pretende obter o serviço (demanda da
firma elástica).
Além disso, elasticidades menores para a Gol e maiores para a Varig, refletem a
estrutura linear da demanda, em que preços menores estão relacionados a elasticidades
menores e preços maiores estão relacionados a elasticidades maiores.
Tabela 8 – Elasticidades
Firmas
Gol
TAM
Varig
Vasp
Elasticidade preço- Elasticidade preçoprópria da demanda cruzada da demanda
-2,03
2,55
-5,64
3,82
-8,05
2,64
-6,73
10,62
Elasticidade renda
3,48
10,63
5,59
-5,99
7.2 Relação de Oferta
Nas Tabelas 9, 10, 11 e 12 estão reportadas as estimativas das relações de oferta
(padrão, tomador de preço e equiparador de preço) para cada firma. Para os modelos em que
houve modificação da variável q - tomador de preço e equiparador de preço – as estimativas
dos desvios-padrões apresentadas já foram corrigidas através do bootstrap. O sinal do custo
médio é positivo, conforme esperado. O coeficiente de q (parâmetro de conduta) também se
mostrou positivo e condizente com a teoria econômica. A variável deslocadora de q devido
ao câmbio, apresentou sinal negativo em todos os modelos. Essa variável representa a
variação da conduta associada à variação na taxa de cambio. É importante ressaltar que não se
trata do efeito da taxa de câmbio sobre o preço ofertado, uma vez que essa relação é
originalmente positiva (aumento dos custos eleva os preços). Se se considera que durante o
59
período da base de dados houve um período de desvalorização cambial e isso foi captado pela
variável em questão, o resultado pode ser justificável se pensarmos que durante um período de
desvalorização cambial as firmas se tornam mais agressivas competitivamente para manter
suas margens de lucro. Ou seja, diante dessa situação, não há necessariamente a necessidade
de coordenação entre as firmas para que não haja perda de lucratividade, pelo contrário, tratase de uma situação mais “individualista” em que cada qual busca por outras maneiras, se
manter competitivas no mercado.
O grau de ajustamento dos modelos, representado pelo R 2 , se enquadrou entre 70% e
88% e os testes de significância conjunta das variáveis do modelo (teste F) foram
estatisticamente significantes ao nível de 1% .
Os instrumentos também se mostraram eficientes no procedimento de identificação
das relações de oferta; os testes de validade dos intrumentos – Estatística J de Hansen ( H 0 : o
instrumento é válido e H a : o instrumento não é válido) – não foram rejeitados e os testes de
redundância dos instrumentos – Estatística LR de Anderson ( H 0 : o instrumento é redundante
e H a : o instrumento não é redundante) foram rejeitados.
Novamente, os resultados nas relações de oferta para a Vasp se mostraram contrários à
teoria econômica no que diz respeito ao sinal de q, que se apresenta negativo. As estimativas
para os custos se foram positivas e significantes e, apesar de os instrumentos se mostrarem
razoavelmente bons, não foi possível identificar a equação de oferta.
60
Tabela 9 – Relação de Oferta - Gol
0,10***
(2) Com
transformação – q rttp
Tomador de preço
p rt
0,74**
(3) Com
transformação - q rtep
Equiparador de preço
p rt
0,12**
(0,02)
(0,29)
(0,04)
-0,04***
-0,31***
0,052**
(0,01)
(0,15)
(0,03)
0,30***
0,30***
0,30***
(0,08)
(0,10)
(0,11)
Variável dependente
(1) Sem transformação
– Precificação ao custo
marginal
p rt
q
q_tcambio
cme
Número de
Observações
Centered R²
F (82, 1593)
Estatística J de
Hansen
Estatística LR de
Anderson
420
0,70
74,36***
7,61
11,12*
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
Tabela 10 – Relação de Oferta - TAM
Variável dependente
q
q_tcambio
cme
Número
Observações
Centered R²
F (82, 1593)
Estatística
J
Hansen
Estatística LR
Anderson
(1) Sem
(2) Com transformação (3) Com transformação transformação –
q rtep
– q rttp
Precificação ao
Tomador de preço
Equiparador de preço
custo marginal
p rt
p rt
p rt
0,13***
0,57***
0,07***
(0,04)
(0,23)
(0,03)
-0,04**
-0,19***
-0,03***
(0,01)
(0,07)
(0,00)
0,60***
0,60***
0,60***
(0,10)
(0,11)
(0,11)
de 420
0,70
64,86***
de 1,88
de 26,56***
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
61
Tabela 11 – Relação de Oferta - Varig
Variável dependente
q
q_tcambio
cme
Número de
Observações
Centered R²
F (82, 1593)
Estatística J de
Hansen
Estatística LR de
Anderson
0,12***
(2) Com
transformação – q rttp
Tomador de preço
p rt
0,76**
(3) Com
transformação - q rtep
Equiparador de preço
p rt
0,34**
(0,05)
(0,38)
(0,16)
-0,04***
-0,26***
-0,12***
(0,01)
(0,09)
(0,04)
0,49***
0,49***
0,49***
(0,08)
(0,10)
(0,09)
(1) Sem transformação
– Precificação ao custo
marginal
p rt
420
0,88
148,31***
7,06
15,04**
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
Tabela 12 – Relação de Oferta -Vasp
Variável dependente
q
q_tcambio
cme
Número de
Observações
Centered R²
F (82, 1593)
Estatística J de
Hansen
Estatística LR de
Anderson
-0,17
(2) Com
transformação – q rttp
Tomador de preço
p rt
1,67
(3) Com
transformação - q rtep
Equiparador de preço
p rt
-1,20
(0,19)
(2,71)
(1,90)
0,03
1,00
0,04
(0,04)
(1,83)
(0,08)
0,24***
0,24**
0,25***
(0,08)
(0,09)
(0,08)
(1) Sem transformação
– Precificação ao custo
marginal
p rt
420
0,87
129,81***
1,18
8,26**
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança. Dummies controladoras de rotas foram omitidas.
62
7.3 Testes de hipótese para conduta
As Tabelas 13 e 14 apresentam os testes de conduta para o “caso base” e para a
situação de efeito da taxa de câmbio, respectivamente. Os resultados dos testes mostram que a
hipótese de equiparação de preço é rejeitada em qualquer dos modelos, sob qualquer situação.
Isso mostra que não há constatação empírica que as firmas atuaram de forma coordenada no
mercado (racionalidade de cartel) para o período de julho de 2002 a março de 2004.
Para o caso base, não se pôde rejeitar a hipótese de tomador de preço para as firmas
(equilíbrio competitivo para produto diferenciado). Esse resultado também foi encontrado no
trabalho de Oliveira (2005), em estudo sobre a competição na ligação Rio de Janeiro – São
Paulo. Assim, pode-se dizer que apesar de o setor apresentar várias características
classificadas como facilitadoras de possível conluio entre as firmas, tal situação não foi
verificada com base nos dados. Possivelmente, a diferenciação em
termos de estrutura
tarifária e de estratégias adotadas pelas firmas, ainda mais acentuada no pósdesregulamentação, tenha se configurado como um fator relevante para a obtenção desse
resultado de não-coordenação.
A análise da conduta diante de um choque de desvalorização cambial mostrou que as
firmas se tornaram mais competitivas (não rejeição de precificação ao custo marginal) quando
se incorpora essa situação ao modelo. Diante desse resultado e analisando-se a base de dados,
percebe-se que, de fato, durante o período de desvalorização cambial a variância dos preços se
tornaram maiores, ou seja, houve maior “descolamento” de preços entre as firmas – refletido
na redução do valor do parâmetro de conduta e maior competição entre as firmas (Tabela 15).
Realizando um teste de igualdade de variâncias, não se pôde rejeitar a hipótese de que há
diferença entre elas.
Tal resultado pode ser justificado se levarmos em conta que diante de uma situação
adversa, as firmas se tornam mais agressivas competitivamente, visando preservar sua própria
63
margem de lucro. Além disso, a dificuldade em repassar integralmente o aumento dos custos
– devido à desvalorização cambial - para o valor das passagens aéreas, também colabora para
uma situação de equilíbrio de mercado em que os preços se apresentam mais próximos ao
custo marginal.
Os resultados inconclusivos de conduta para a Vasp refletem estimativas da oferta
cujos sinais não foram condizentes com a lógica econômica. De fato, os dados relativos à
Vasp não tiveram o mesmo ajustamento dos dados correspondentes à demais firmas. Um
possível justificativa seria a crise pela qual a empresa já passava nesse período.
Tabela 13 – Teste de conduta – Caso Base
Firmas
Gol
TAM
Varig
Vasp
Precificação ao Custo
marginal ( H 0 : ω 2 = 0 )
0,10***
0,13***
0,12***
-0,17
Tomador de preço
( H 0 : γ 2 = 1)
0,74
0,57*
0,76
1,67
Equiparador de preço
( H 0 : δ 2 = 1)
0,12***
0,07***
0,34***
-1,19
Tabela 14 – Teste de conduta – Efeito da taxa de câmbio 24
Firmas Precificação ao custo
marginal
( H 0 : ω 2 + ω 3 * tcambio = 0 )
Gol
-0,02*
TAM -0,004
Varig 0,006
Vasp -0,06
Tomador de preço
Equiparador de preço
( H 0 : γ 2 + γ 3 * tcambio = 1 ) ( H 0 : δ 2 + δ 3 * tcambio = 1 )
-0,23***
-0,03***
- 0,06***
4,81
-0,037***
-0,02***
- 0,04***
-1,06
***-Significativa ao nível de 1% de confiança. ** - Significativa ao nível de 5% de confiança. * Significativa ao nível de
10% de confiança.
Tabela 15 – Estatística descritiva de preços
Média
Desvio-Padrão
Mín
455,18
181,75
175,45
p
p (na desvalorização cambial)
470,90
199,87
176,72
24
Máx
1131,66
1191,83
Os valores utilizados correspondem à soma do coeficiente de q ao coeficente de q_tcambio multiplicado pela
taxa de cambio média, ou seja, o efeito da taxa de câmbio na conduta é representado por:
∂q + ∂q _ tcambio * tcambio .
64
8. CONCLUSÃO
Esse trabalho buscou estudar a conduta competitiva das companhias aéreas brasileiras
para as principais ligações do país através dos chamados “modelos de parâmetro de conduta”,
desenvolvidos dentro da abordagem da Nova Nova Organização Industrial Empírica.
A análise foi realizada com dados que compreenderam o período de julho de 2002 a
março de 2004, para as quatro principais firmas (Gol, TAM, Varig e Vasp) dentro de um
conjunto de 21 ligações de pares de cidades.
Foi incorporada à metodologia, a aplicação de um método chamado Bootstrap,
utilizado como forma de corrigir os desvios-padrões das estimativas obtidas da relação de
oferta de modo a permitir a realização de testes de hipótese mais confiáveis para conduta.
Os resultados mostraram que durante o período da base, não foi possível rejeitar a
hipótese de que as firmas adotaram uma conduta não cooperativa (Equilíbrio Bertrand Nash
para produto heterogêneo ou situação de Tomador de preço). De fato, em outros trabalhos
realizados para o setor (Oliveira, 2005 e Lovadine e Oliveira, 2005) foram obtidos resultados
semelhantes. Isso significa que apesar do setor de transporte aéreo congregar algumas
características aparentemente possíveis facilitadoras para uma conduta colusiva (oligopólio,
barreiras à entrada, inelasticidade agregada da demanda, etc...), os resultados empíricos não
comprovam essa idéia.
A análise da conduta para um dos eventos relevantes para o período – desvalorização
cambial de 2002 - mostrou que esse evento produziu uma conduta mais competitiva, de modo
que não foi possível rejeitar a hipótese de precificação ao custo marginal para essa situação.
Tal resultado pode ser justificado se levarmos em conta que diante de uma situação adversa,
65
as firmas se tornam mais agressivas competitivamente, visando preservar sua própria margem
de lucro.
Do exposto, conclui-se que não há indícios que para afirmar de que houve abuso de
poder de mercado via conduta coordenada em preços por parte das firmas, uma vez que essa
hipótese foi rejeitada na análise empírica.
É importante ressaltar que os resultados de estudos empíricos devem ser
complementares dentro da análise antitruste, não desconsiderando o fato de existirem
evidências outras que devem ser investigadas para um julgamento adequado.
Como sugestões para aperfeiçoamento do trabalho, a primeira delas seria a utilização
de outra forma funcional para a estimação da demanda. Conforme apontado no tópico 5.2,
existem na literatura atual, formas que conferem maior flexibilidade aos parâmetros estimados
da demanda (log-linear, logit e Almost Ideal Demand System) e que conseqüentemente,
impactam nas estimativas das elasticidades obtidas. Outro ponto que mereceria maior atenção
seria com respeito ao encontro de instrumentos para identificar a relação de oferta. De fato
esse foi um ponto crítico do trabalho e que inviabilizou a exploração de um único painel de
ligações e firmas. Por fim, caberia ainda um estudo aprofundado da base de dados com
relação à Vasp. Pode ser que um estudo minucioso dos dados ajude a entender os resultados
inesperados nas estimações e nos testes de hipótese para essa firma.
66
BIBLIOGRAFIA
Anuários – DAC. Disponível em: www.dac.gov.br
Bagwell, K. e R. W. Staiger (1997) “Collusion over the Business Cycle”, Rand Journal of
Economics, 28 (1): 82 — 106.
Bailey, E. E.; Panzar, J. C.(1981) “ The Contestability of Airline Markets during the
Transition to Deregulation”. Law and Contemporany Problems, p. 125-145.
Bain, J. S. (1956) Barriers to New Competition. Cambridge, MA: Harvard University Press.
Baumol, W., R. Panzar and R. (1982) Willig, Contestable Markets and the Theory of Market
Structure, New York: Harcourt Brace Jovanovich, Inc.
Berry, S. (1990) Airport Presence as Product Differentiation. American Economic Review 80,
394-399.
Berry, S.; Carnall, M.; Spiller, P. (1996) Airline Hubs: Costs, Markups and the Implications
of Customer Heterogeneity. NBER Working Paper Series 5561: 41.
Berry, S.; Levinshon, J.; Pakes, A.
Equilibrium.Econometrica, 63, 841-890.
(1995)
Automobile
Prices
in
Market
Betancor, O.; Nombela, G. (2001). European Airline’s Marginal Costs. Working paper of
Dpto. Análisis Económico Aplicado. Universidad de Las Palmas de Gran Canaria.
Boguslaski, R., Ito, H., & Lee, D. (2004) Entry Patterns in the Southwest Airlines Route
System. Review of Industrial Organization 25, 317-350.
Borenstein, S. (1989) Hubs and High Fares: Dominance and Market Power in the U.S. Airline
Industry. Rand Journal of Economics 20: 344-365.
Bresnahan, T. (1982) Empirical Studies of Industries with Market Power. In Handbook of
Industrial Organization. Vol. II. Edited by Schmalensee, R. and Willig, R. Amsterdam:
Elsevier Science Publishers.
Burnham, K. P. (2004) Bootstrap. Notes of Class, Colorado State University. Disponível em
site: http://www.warnercnr.colostate.edu/class_info/fw663/bootstrap.pdf
Caves, R.E.(1962) “Air Transport and Its Regulators”. Cambridge: Harvard University Press.
Caves, D.W., Christensen, L.R. (1980). “Global Properties of Flexible Funcional Forms”,
American Economic Review Vol.70, p. 422-432.
Church, J.; Ware, R. (2000) Insdustrial Organization: An Strategic Approach. New York:
McGraw-Hill.
Corts, K. (1995) On the Robustness of the Argument that Price-matching is Anti-competitive.
67
Economics Letters 47, 417-421.
Doganis, R. (1995). Flying off course. The Economics of International Airlines. Harper
Collins. London.
Douglas, G. W.; Miller, J. C., III.(1974) Economic Regulation of Domestic Air Transport:
Theory and Policy. Washington, D. C.: Brookings Intitution.
Efron, B. (1979) Bootstrap methods: another look at the jackknife. Ann. Statist. 7 1-26.
Efron, B. and Tibshirani, R. J. (1993) An Introduction to the Bootstrap. Chapman and Hall,
New York.
Farina, E. (2005) Teoria Econômica, Oligopólios e Política Antitruste . Revista de Direito da
Concorrência, nº6, abr. a jun./2005.
Farina, E. (2004) Voto-vista de Conselheiro. Processo Administrativo n. 08012.000677/1999
70.Conselho Administrativo de Defesa Econômica.
Franco, F. A. L; Santana, P. M.; Almeida, C. B.; Braga, R. J.(2002) Recent Deregulation of
the Air Transportation in Brazil. Documento de trabalho da SEAE. Disponível em site:
http://www.fazenda.gov.br/seae/documentos/doctrabalho/DocTrab12.PDF
Hair, Joe F.; Anderson, Rolph E.; Tatham, Ronald L.; Black, William C. (1998) Multivariate
Data Analysis, Fifth Edition, Prentice-Hall: Upper Saddle River.
Hausman, J., Leonard, G., & Zona, D. (1994) Competitive Analysis with Differentiated
Products. Annales d'Economie et de Statistique 34 , 159-180.
Karaca-Mandic, P. and K. Train (2002), ‘Standard error correction in twostep estimation with
nested samples’, Working Paper, Department of Economics, University of California,
Berkeley.
Keeler, T. E. (1978) Domestic Trunk Airline Regulation: An Economic Evaluation. Working
paper in Federal Regulation Washington, D.C.: U.S. Government Printing Office.
Kupfer, D.; Hasenclever, L. (2002) Economia Industrial. Editora Campus, 680p.
Lovadine, D., Oliveira, A. V. M. (2005) Desregulamentação da Aviação Civil no Brasil In:
Marcos Regulatórios no Brasil: O que foi feito e o que ainda falta fazer. ed.Rio de
Janeiro: IPEA, 2005, p. 245-283.
Matsumura, E. H.; Figueira de Mello, M. (2005) Uso de Métodos Quantitativos na
Investigação de Práticas Anticompetitivas. Versão preliminar apresentada em Seminário
de Estudos em Métodos Quantitativos Aplicados à Defesa da Concorrência e à Regulação
Econômica – SDE/Ipea/Anpec. Brasília, D.F.
Motta, M. (2004) Competition Policy: Theory and Practice, Cambridge University Press.
68
Oliveira, A. V. M. (2005a) Performance dos Regulados e Eficácia do Regulador: Uma
Avaliação das Políticas Regulatórias do Transporte Aéreo e dos Desafios para o Futuro.
Documento de trabalho DT007-05. Disponível em: www.nectar.ita.br
Oliveira, A. V. M. (2005b) An Empirical Model of Low Cost Carrier Entry: The Entry
Patterns of Gol Airlines. Documento de Trabalho N. 002 – Acervo Científico do Núcleo
de Estudos em Competição e Regulação do Transporte Aéreo (NECTAR). São José dos
Campos, SP. Disponível em http://www.ita.br/~nectar.
Oliveira, A. V. M. (2005c) The Impacts of Liberalization on Competition on an Air Shuttle
Market. Documento de Trabalho N. 006, 2005 – Acervo Científico do Núcleo de Estudos
em Competição e Regulação do Transporte Aéreo (NECTAR). São José dos Campos, SP.
Disponível em http://www.nectar.ita.br
Oliveira, A.V.M. e Turolla, F. (2005) Competição, Colusão e Antitruste: Estimação da
Conduta Competitiva de Companhias Aéreas. Documento de Trabalho N. 003 – Acervo
Científico do Núcleo de Estudos em Competição e Regulação do Transporte Aéreo
(NECTAR). São José dos Campos, SP. Disponível em http://www.ita.br/~nectar
Oliveira, A. V. M. e Huse, C. (2005) Localized Competitive Advantage and Price Reactions
to Entry: Full-Service vs. Low-Cost Airlines in the Brazilian Market. Documento de
Trabalho N. 010 – Acervo Científico do Núcleo de Estudos em Competição e Regulação
do Transporte Aéreo (NECTAR). São José dos Campos, SP. Disponível em
http://www.ita.br/~nectar.
Pindyck, R. S.; Rubinfeld, D. L. (2002) Microeconomia. Prentice Hall.
Ragazzo, C. E. J. (2006) O Processo de Flexibilização e as Fusões e os Acordos de
Cooperação no Mercado de Transporte Aéreo de Passageiros. Documento de Trabalho N.
32 – Acervo da Secretaria de Acompanhamento Econômico (SEAE). Brasília, D.F.
Disponível em: www.fazenda.gov.br/seae
Slade, M. (2004) Market Power and Joint Dominance in UK Brewing. Journal of Industrial
Economics 52, 133-163.
Tavares, M. P. (1999) O Transporte Aéreo Doméstico e a Lógica da Desregulamentação.
Documento de Trabalho N. 04 – Acervo da Secretaria de Acompanhamento Econômico
(SEAE). Brasília, D.F. Disponível em: www.fazenda.gov.br/seae
Turolla, F. A., Vassallo, M. D. e Oliveira, A. V. M. (2005) Is there Competition Between
Coaches and Airlines in Brazil? Documento de Trabalho N. 009 – Acervo Científico do
Núcleo de Estudos em Competição e Regulação do Transporte Aéreo (NECTAR). São
José dos Campos, SP. Disponível em http://www.ita.br/~nectar.
Wells,A.T., Wensveen, J. G. Air Transportation: A Management Perspective. Hardcover,
2003.
White, L. J. (1979)“Economies of Scale and the Question of ‘Natural Monopoly’ in the
Airline Industry”. Journal of Air Law and Commerce, Vol. 44, p. 545-573.
69
Widmer, J. A. (1984) Perspectivas de evolução do transporte aéreo regional no Brasil. Tese de
D.Sc., COPPE/UFRJ, Rio de Janeiro, RJ, Brasil.
Windle, R. & Dresner, M. (1999) Competitive Responses to Low Cost Carrier Entry.
Transportation
Research - Part E 35, 59-75.
Wooldridge, J. (2002) Introductory Econometrics Analysis of Cross Section and Panel Data,
2ª ed. Cambridge, MA: The MIT Press.
70
APÊNDICE 1- Identificação e escolha de instrumentos
O problema de variáveis explicativas endógenas surge basicamente por três situações:
omissão de variáveis, erro de mensuração e simultaneidade. Em todos os casos, o estimador
de Mínimos Quadrados se torna viesado e inconsistente, dado que uma de suas hipóteses
básicas é violada (ver maiores detalhes em Wooldridge, 2002). Nesse caso, o procedimento
usual é usar um estimador por variáveis instrumentais – IV.
Especificamente nesse trabalho, a endogeneidade se origina da simultaneidade entre
demanda e oferta, em que preço e quantidade, ao serem determinados conjuntamente, estão
correlacionados com o erro aleatório.
Assim, a solução para o problema de identificação de uma equação constitui-se na
procura e escolha de instrumentos fortes (relevantes e válidos)
de modo a produzir
estimativas não-viesadas e consistentes para os parâmetros.
Nesse sentido, grande parte das discussões acadêmicas sobre modelos que possuem
variáveis explicativas endógenas está no procedimento de escolha e na justificativa para uso
de determinados instrumentos.
No caso da identificação da demanda, têm-se como possíveis instrumentos:
deslocadores exógenos de custo (combustível, taxa de câmbio, e outros)
preços em outros mercados/cidades; esse tipo de instrumento foi proposto por
Hausman, Leonard e Zona (1994), partindo da hipótese de que preços de um
mesmo produto, em mercados/cidades diferentes possuem componentes comuns
de custos, enquanto que o componente de demanda seria específico. Logo, um
choque exógeno que alterasse os preços em todos os mercados seria advindo do
componentes de custos, validando a utilização de tais instrumentos.
71
variáveis defasadas no tempo; estas contam com o reconhecimento do fato de que
as variações observadas na variável dependente de um período, não tem efeito
limitado ao período em que ocorrem. Geralmente existem defasagens de ajuste
entre o período em que o choque ocorreu e o período em que ele de fato
influenciou a variável dependente.
A utilização desses instrumentos não deve necessariamente ser exclusiva, tanto que
nesse trabalho optou-se por usar uma combinação dos três.
Para a identificação da oferta, os instrumentos sugeridos seriam:
deslocadores exógenos de demanda (ex: PIB e outros)
atributos das firmas rivais; estes, por serem deslocadores de demanda da
firma e não estarem correlacionados diretamente com o preço da firma
(Berry, Levinson e Pakes, 1995).
Também, nesse caso optou-se por utilzar a combinação dos dois instrumentos acima
citados.
72
APÊNDICE 2 - Estimação em dois estágios e desvios padrões incorretos
Pensando analiticamente nesse problema, considere:
i) Uma equação de demanda tal como:
q = β 0 + β1 p + β 2 p − + ... + β n x n + v
(13)
onde, p − , x1 ,..., x n são variáveis exógenas e q e p são variáveis endógenas.
ii) Uma equação de “oferta” tal como:
p = γ 0 + γ 1 q tp + γ 2 x 2 + ....γ n x n + u
(14)
onde: q tp = q / βˆ1 (supondo a situação de Bertrand-Nash onde θ = 0) .
No primeiro estágio, estima-se a demanda tal como em (9).
No segundo estágio estima-se a oferta, lembrando que os valores da variável q tp nesta
equação não são os valores observados, mas sim os valores construídos com um parâmetro
estimado no primeiro estágio e por isso, pode ser definida como:
q tp = qˆ tp + v
onde, q tp se compõe de uma parte sistemática, q̂ tp , e de uma parte aleatória, v .
(15)
73
Assim, podemos representar a equação no segundo estágio da seguinte maneira:
p = γ 0 + γ 1 (qˆ tp + v) + γ 2 x 2 + ....γ n x n + u ⇒
⇒ p = γ 0 + γ 1 qˆ tp + γ 2 x 2 + ....γ n x n + (u + γ 1v)
(16)
Logo, a estimativa da variância e conseqüentemente do desvio-padrão do erro
aleatório no segundo estágio não é referente a u , como desejávamos, mas referente a
(u + γ 1v) . Isso significa que a estimativa do desvio-padrão do erro aleatório do segundo
estágio contém um componente aleatório adicional resultante do primeiro estágio. Como a
variância dos parâmetros estimados depende da variância estimada do erro aleatório, elas
também ficam afetadas. Ou seja, as variâncias das estimativas dos parâmetros que deveriam
ser:
Var (γˆ ) =
σˆ u2
n
∑ (x
i =1
(17)
− x j ) (1 − R )
2
ij
2
j
se apresentam tal como:
Var (γˆ ) =
σˆ (2u +γ v )
1
n
∑(x
i =1
ij
(18)
− x j ) (1 − R )
2
2
j
74
E por esse motivo, dizemos que as variâncias, ou de outra forma, os desvios-padrões
das estimativas dos parâmetros do segundo estágio devem ser corrigidos. É importante
salientar que o estimador (seja 2SLS, GMM ou outro) continua sendo consistente e
produzindo estimativas não tendenciosas dos parâmetros. A correção dos desvios-padrões é
necessária para a realização de inferências estatísticas tais como a realização de testes de
hipótese e a construção de intervalos de confiança.
75
APÊNDICE 3 - Bootstrap e correção de desvios-padrões
Tem-se como guia prático para estimar desvio-padrões, o seguinte procedimento de
bootstrap (Efron & Tibshirani, 1993):
1) Seleciona-se B amostras independentes de bootstrap x*¹, x*², ..., x*B, cada uma
consistindo de n elementos gerados num processo aleatório e com reposição de x.
2) Estima-se o valor do par desejado correspondente a cada reamostra de bootstrap:
θˆ *(b) = s (x*b) b = 1, 2, 3, ...., B
(19)
onde θˆ * é a réplica bootstrap de θˆ e θˆ é a estimativa do parâmetro de interesse, θ .
3) Estima-se o erro padrão se F ( θˆ ) pelo desvio-padrão das amostras das B réplicas:
B
seˆ B = {∑ [θˆ * (b) − θˆ(.)] 2 / B − 1}1 / 2
(20)
b =1
onde seˆB é o desvio-padrão das réplicas bootstrap de se F ( θˆ ) e θˆ *(.) =
∑
B
θˆ * (b) / B .
b =1
Assim, à medida em que B tende a infinito, o desvio-padrão estimado pelo bootstrap
tende ao desvio-padrão da população. Pelo fato de que essa aproximação envolve a repetição
do procedimento de análise dos dados originais com muitas réplicas do conjunto de dados,
isso é às vezes chamado de método intensivo-computacional (Davison & Hinkley, 1997).
O algoritmo bootstrap para estimar o desvio-padrão pode ainda ser visualizado pela
seguinte Figura 4:
76
Amostra x de
tamanho n, de uma
população com
distribuição de
probabilidade
desconhecida F.
B reamostras
bootstrap de
tamanho n
obtida de x com
reposição de
elementos.
x = ( x1 , x2 ,..., xn )
x *1
x *2
M
x
*B
Replicações
bootstrap da
estatística
desejada
Desvio- padrão estimado através de
bootstrap
B
*1
s( x )
s ( x *2 )
M
seˆ B = {∑ [ s ( x *b − ∑b =1 s ( x *b ) / B ] 2 / B − 1}1 / 2
B
b =1
s ( x *B )
Figura 7 – Algoritmo Bootstrap para estimar desvios-padrões. Fonte: baseado em Efron
& Tibshirani (1993).
Para o caso específico do presente trabalho, o procedimento adotado será semelhante
ao descrito acima. E ressaltando, o objetivo ao utilizá-lo é considerar que a variável
construída com parâmetro estimado na demanda é aleatória e não determinística. Ou seja,
pretende-se, através da reamostragem, conferir aleatoriedade na variável de modo a minimizar
o viés que se produz ao considerá-la determinística. No entanto, cabe aqui explicitá-lo em
detalhes.
A partir da amostra inicial (tamanho n) das variáveis explicativas da segunda equação
(equação de oferta) e estima-se o modelo e obtém-se, por exemplo, a estimativa de γ 1
relacionada a qˆm1 . Para obter o que chamaremos de verdadeiro desvio-padrão ou desviopadrão corrigido de γˆ1 , gera-se B reamostras de qm1 , de tamanho n, re-estimando o modelo
para cada reamostra. Ao final do processo, tem-se um γˆ1 para cada reamostra e pode-se então,
calcular o desvio-padrão “verdadeiro” a partir da distribuição das γˆ1B ' s obtidas.
77
Amostra x de
tamanho n, de uma
população com
distribuição de
probabilidade
desconhecida F.
q tp = ( q1tp , q2tp ,..., qntp )
B reamostras
bootstrap de
tamanho n
obtida de x com
reposição de
elementos.
q tp
*1
q tp
*2
M
q tp*B
Replicações
bootstrap da
estatística
desejada
Desvio- padrão estimado através de
bootstrap
B
γˆ
*1
γˆ
*2
seˆB = {∑ [ γˆ *b − ∑b=1 γˆ *b / B]2 / B − 1}1/ 2
B
b=1
M
γˆ *B
Figura 8 – Representação do algoritmo bootstrap para uma das variáveis da segunda
equação do modelo (equação de oferta). Fonte: Elaborado pela autora.
78
ANEXO 1 - Estimações e testes de hipótese
*Gol*
*demanda*
.
. ivreg2 q (p pjmp = x1pi x12pi x3pi x19pi l.fuel l.maint l.rental l.charges avstl)
pib2 k1-k20 if i1==1, gmm
Warning - collinearities detected
Vars dropped: k10
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
1031862872
2640023965
228400552.2
Number of obs
F( 22,
377)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
400
56.63
0.0000
0.7787
0.9135
755.6
-----------------------------------------------------------------------------|
Robust
q |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------p | -7.063229
1.353457
-5.22
0.000
-9.715957
-4.410501
pjmp |
5.905731
.9389284
6.29
0.000
4.065465
7.745997
pib2 |
33.60271
3.285339
10.23
0.000
27.16357
40.04186
k1 |
413.5034
193.5187
2.14
0.033
34.2137
792.793
k2 | -788.4123
383.4102
-2.06
0.040
-1539.883
-36.94211
k3 |
4900.33
371.0526
13.21
0.000
4173.08
5627.579
k4 |
193.3573
263.4853
0.73
0.463
-323.0645
709.779
k5 | -938.8554
162.6764
-5.77
0.000
-1257.695
-620.0155
k6 | -1358.164
261.747
-5.19
0.000
-1871.179
-845.1493
k7 |
339.1084
188.3774
1.80
0.072
-30.10457
708.3213
k8 |
4769.295
392.0164
12.17
0.000
4000.957
5537.633
k9 |
203.4507
222.5095
0.91
0.361
-232.6599
639.5613
k11 |
49.94278
164.2849
0.30
0.761
-272.0497
371.9353
k12 |
563.3226
265.7543
2.12
0.034
42.45379
1084.191
k13 | -586.2512
384.2967
-1.53
0.127
-1339.459
166.9565
k14 |
110.2237
279.2752
0.39
0.693
-437.1457
657.593
k15 |
173.0087
215.8977
0.80
0.423
-250.143
596.1605
k16 | -968.7039
162.0572
-5.98
0.000
-1286.33
-651.0776
k17 |
270.8344
226.1143
1.20
0.231
-172.3414
714.0102
k18 |
113.5945
163.4157
0.70
0.487
-206.6945
433.8834
k19 | -1361.188
261.9303
-5.20
0.000
-1874.562
-847.8135
k20 |
782.4594
251.8274
3.11
0.002
288.8867
1276.032
_cons | -3276.686
515.4464
-6.36
0.000
-4286.942
-2266.429
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 121.684
Chi-sq(8) P-val =
0.0000
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
8.414
Chi-sq(7) P-val =
0.2975
-----------------------------------------------------------------------------Instrumented:
p pjmp
Included instruments: pib2 k1 k2 k3 k4 k5 k6 k7 k8 k9 k11 k12 k13 k14 k15 k16
k17 k18 k19 k20
Excluded instruments: x1pi x12pi x3pi x19pi L.fuel L.maint L.rental L.charges
avstl
Dropped collinear:
k10
------------------------------------------------------------------------------
79
* elasticidade *
. sum elas_p_gol elas_pjmp_gol elas_pib_gol if i1==1
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------elas_p_gol |
420
-2.038626
2.579062 -31.62553 -.2025137
elas_pjmp_~l |
420
2.556617
2.671022
.2427818
30.16776
elas_pib_gol |
420
3.488406
3.212035
.5423494
33.21311
*relação de oferta - Base*
.
. ivreg2 p (q q_tcambio = pib2 wda wea wdc stpc web pkb) avt_ipca k2-k20 if i1==1,
gmm
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
4754834.748
48817833.73
1418723.834
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
74.36
0.0000
0.7016
0.9709
58.12
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q |
.1045285
.0294146
3.55
0.000
.0468768
.1621801
q_tcambio | -.0452847
.0147098
-3.08
0.002
-.0741154
-.0164541
avt_ipca |
.2992002
.0823316
3.63
0.000
.1378333
.4605671
k2 |
190.2179
33.8929
5.61
0.000
123.7891
256.6468
k3 |
128.5084
84.11405
1.53
0.127
-36.35214
293.3689
k4 |
83.88276
19.61662
4.28
0.000
45.4349
122.3306
k5 | -69.80994
23.29725
-3.00
0.003
-115.4717
-24.14817
k6 | -44.60423
31.62372
-1.41
0.158
-106.5856
17.37712
k7 | -4.497556
12.97492
-0.35
0.729
-29.92794
20.93283
k8 |
134.9195
88.39122
1.53
0.127
-38.32412
308.1631
k9 |
74.55858
17.68668
4.22
0.000
39.89332
109.2238
k10 | -12.35628
11.93878
-1.03
0.301
-35.75585
11.0433
k11 | -41.76092
12.38342
-3.37
0.001
-66.03197
-17.48987
k12 |
65.41005
16.24222
4.03
0.000
33.57589
97.24421
k13 |
187.3444
30.7815
6.09
0.000
127.0138
247.6751
k14 |
85.60073
18.89458
4.53
0.000
48.56804
122.6334
k15 |
70.1795
17.36456
4.04
0.000
36.14559
104.2134
k16 | -82.60331
22.7409
-3.63
0.000
-127.1747
-38.03197
k17 | -6.522523
14.89724
-0.44
0.662
-35.72058
22.67554
k18 | -44.10257
11.9843
-3.68
0.000
-67.59137
-20.61378
k19 | -37.59443
33.19491
-1.13
0.257
-102.6553
27.46641
k20 |
78.04484
17.1898
4.54
0.000
44.35345
111.7362
_cons |
293.9139
28.70042
10.24
0.000
237.6621
350.1657
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 11.120
Chi-sq(6) P-val =
0.0847
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
7.610
Chi-sq(5) P-val =
0.1791
-----------------------------------------------------------------------------Instrumented:
q q_tcambio
Included instruments: avt_ipca k2 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wda wea wdc stpc web pkb
------------------------------------------------------------------------------
80
*testes - caso base*
. lincom q -0
( 1)
q = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) |
.1045285
.0294146
3.55
0.000
.0468768
.1621801
-----------------------------------------------------------------------------.
. lincom _b[q] + _b[q_tcambio]*3.14
( 1)
q + 3.14 q_tcambio = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.0376656
.0194067
-1.94
0.052
-.075702
.0003708
------------------------------------------------------------------------------
*Tomador de preço*
.
. ivreg2 p (q1i1 q1_tcambio_i1 = pib2 wda wea wdc stpc web pkb) avt_ipca k2-k20 if
i1==1, gmm
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
4754834.748
48817833.73
1418723.953
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
74.36
0.0000
0.7016
0.9709
58.12
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i1 |
.7383086
.2077623
3.55
0.000
.3311019
1.145515
q1_tcambio~1 | -.3198565
.1038985
-3.08
0.002
-.5234939
-.1162191
avt_ipca |
.2992003
.0823316
3.63
0.000
.1378333
.4605672
k2 |
190.2179
33.8929
5.61
0.000
123.7891
256.6468
k3 |
128.5084
84.11406
1.53
0.127
-36.35214
293.3689
k4 |
83.88276
19.61662
4.28
0.000
45.4349
122.3306
k5 | -69.80994
23.29725
-3.00
0.003
-115.4717
-24.14818
k6 | -44.60424
31.62372
-1.41
0.158
-106.5856
17.37711
k7 | -4.497554
12.97492
-0.35
0.729
-29.92794
20.93283
k8 |
134.9195
88.39122
1.53
0.127
-38.32412
308.1631
k9 |
74.55857
17.68668
4.22
0.000
39.89332
109.2238
k10 | -12.35628
11.93878
-1.03
0.301
-35.75585
11.0433
k11 | -41.76092
12.38342
-3.37
0.001
-66.03197
-17.48987
k12 |
65.41006
16.24222
4.03
0.000
33.5759
97.24422
k13 |
187.3444
30.7815
6.09
0.000
127.0138
247.6751
k14 |
85.60073
18.89458
4.53
0.000
48.56803
122.6334
k15 |
70.1795
17.36456
4.04
0.000
36.14559
104.2134
k16 | -82.60332
22.7409
-3.63
0.000
-127.1747
-38.03197
k17 | -6.522518
14.89724
-0.44
0.662
-35.72058
22.67554
k18 | -44.10257
11.9843
-3.68
0.000
-67.59137
-20.61378
k19 | -37.59443
33.19491
-1.13
0.257
-102.6553
27.4664
k20 |
78.04485
17.1898
4.54
0.000
44.35346
111.7362
_cons |
293.9139
28.70042
10.24
0.000
237.6621
350.1657
------------------------------------------------------------------------------
81
Anderson canon. corr. LR statistic (identification/IV relevance test): 11.120
Chi-sq(6) P-val =
0.0847
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
7.610
Chi-sq(5) P-val =
0.1791
-----------------------------------------------------------------------------Instrumented:
q1i1 q1_tcambio_i1
Included instruments: avt_ipca k2 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wda wea wdc stpc web pkb
------------------------------------------------------------------------------
* Tomador de preço – com bootstrap*
.
. ereturn display
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i1 |
.7383086
.2966636
2.49
0.013
.1568587
1.319759
q1_tcambio~1 | -.3198565
.1558764
-2.05
0.040
-.6253686
-.0143444
avt_ipca |
.2992003
.1037366
2.88
0.004
.0958803
.5025202
k2 |
190.2179
47.12049
4.04
0.000
97.86345
282.5724
k3 |
128.5084
124.7275
1.03
0.303
-115.953
372.9698
k4 |
83.88276
22.78961
3.68
0.000
39.21595
128.5496
k5 | -69.80994
32.4739
-2.15
0.032
-133.4576
-6.162279
k6 | -44.60424
43.34072
-1.03
0.303
-129.5505
40.34201
k7 | -4.497554
13.97032
-0.32
0.748
-31.87887
22.88377
k8 |
134.9195
130.018
1.04
0.299
-119.911
389.75
k9 |
74.55857
21.45657
3.47
0.001
32.50447
116.6127
k10 | -12.35628
13.96671
-0.88
0.376
-39.73053
15.01797
k11 | -41.76092
12.91722
-3.23
0.001
-67.07821
-16.44363
k12 |
65.41006
20.73699
3.15
0.002
24.7663
106.0538
k13 |
187.3444
42.21495
4.44
0.000
104.6046
270.0842
k14 |
85.60073
21.46704
3.99
0.000
43.5261
127.6753
k15 |
70.1795
21.54502
3.26
0.001
27.95203
112.407
k16 | -82.60332
31.30443
-2.64
0.008
-143.9589
-21.24777
k17 | -6.522518
16.11813
-0.40
0.686
-38.11348
25.06844
k18 | -44.10257
13.10376
-3.37
0.001
-69.78546
-18.41968
k19 | -37.59443
44.90934
-0.84
0.403
-125.6151
50.42626
k20 |
78.04485
19.23248
4.06
0.000
40.34988
115.7398
_cons |
293.9139
42.59756
6.90
0.000
210.4243
377.4036
-----------------------------------------------------------------------------.
. *testes - TP*
.
. lincom q1i1 - 1
( 1)
q1i1 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.2616914
.2966636
-0.88
0.378
-.8431413
.3197585
-----------------------------------------------------------------------------.
. lincom _b[q1i1] + _b[q1_tcambio_i1]*3.14 - 1
( 1)
q1i1 + 3.14 q1_tcambio_i1 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -1.266041
.2086878
-6.07
0.000
-1.675061
-.8570203
------------------------------------------------------------------------------
82
* Equiparador de preço*
.
. ivreg2 p (q2i1 q2_tcambio_i1 = pib2 wda wea wdc stpc web pkb) avt_ipca k1-k20 if
i1==1, gmm
Warning - collinearities detected
Vars dropped: k6
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
4754834.748
48817833.73
1418723.502
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
74.36
0.0000
0.7016
0.9709
58.12
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i1 |
.1209915
.0340474
3.55
0.000
.0542599
.1877232
q2_tcambio~1 |
-.052417
.0170265
-3.08
0.002
-.0857884
-.0190456
avt_ipca |
.2992002
.0823316
3.63
0.000
.1378333
.4605671
k1 |
44.60421
31.62372
1.41
0.158
-17.37713
106.5856
k2 |
234.8222
18.66124
12.58
0.000
198.2468
271.3975
k3 |
173.1125
109.8821
1.58
0.115
-42.25246
388.4775
k4 |
128.487
25.69242
5.00
0.000
78.13077
178.8432
k5 | -25.20571
18.78429
-1.34
0.180
-62.02225
11.61082
k7 |
40.10666
31.67217
1.27
0.205
-21.96966
102.183
k8 |
179.5236
114.2783
1.57
0.116
-44.45783
403.5051
k9 |
119.1628
25.33269
4.70
0.000
69.51164
168.8139
k10 |
32.24794
29.3131
1.10
0.271
-25.20469
89.70056
k11 |
2.843289
32.1316
0.09
0.929
-60.13349
65.82007
k12 |
110.0143
37.79939
2.91
0.004
35.92882
184.0997
k13 |
231.9487
18.47435
12.56
0.000
195.7396
268.1577
k14 |
130.2049
26.56672
4.90
0.000
78.13514
182.2748
k15 |
114.7837
25.04407
4.58
0.000
65.69825
163.8692
k16 | -37.99908
19.16238
-1.98
0.047
-75.55665
-.4415152
k17 |
38.08169
32.64658
1.17
0.243
-25.90442
102.0678
k18 |
.5016339
31.7592
0.02
0.987
-61.74525
62.74851
k19 |
7.00981
18.533
0.38
0.705
-29.31421
43.33383
k20 |
122.6491
37.21114
3.30
0.001
49.71655
195.5816
_cons |
249.3097
22.6819
10.99
0.000
204.854
293.7654
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 11.120
Chi-sq(6) P-val =
0.0847
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
7.610
Chi-sq(5) P-val =
0.1791
-----------------------------------------------------------------------------Instrumented:
q2i1 q2_tcambio_i1
Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wda wea wdc stpc web pkb
Dropped collinear:
k6
------------------------------------------------------------------------------
* Equiparador de preço – com bootstrap*
. ereturn display
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i1 |
.1209915
.049537
2.44
0.015
.0239008
.2180822
q2_tcambio~1 |
-.052417
.0260931
-2.01
0.045
-.1035584
-.0012755
83
avt_ipca |
.2992002
.1063858
2.81
0.005
.0906878
.5077126
k2 |
190.218
49.02904
3.88
0.000
94.12281
286.3131
k3 |
128.5083
126.6764
1.01
0.310
-119.7728
376.7894
k4 |
83.88277
21.66788
3.87
0.000
41.41451
126.351
k5 | -69.80992
33.9101
-2.06
0.040
-136.2725
-3.347358
k6 | -44.60421
44.65548
-1.00
0.318
-132.1273
42.91892
k7 | -4.497555
13.71186
-0.33
0.743
-31.3723
22.37719
k8 |
134.9194
134.8268
1.00
0.317
-129.3362
399.1751
k9 |
74.55858
22.14472
3.37
0.001
31.15574
117.9614
k10 | -12.35628
13.96613
-0.88
0.376
-39.72939
15.01684
k11 | -41.76092
13.28049
-3.14
0.002
-67.7902
-15.73165
k12 |
65.41005
20.69332
3.16
0.002
24.8519
105.9682
k13 |
187.3444
44.34733
4.22
0.000
100.4253
274.2636
k14 |
85.60074
21.81206
3.92
0.000
42.84989
128.3516
k15 |
70.1795
22.12499
3.17
0.002
26.81533
113.5437
k16 |
-82.6033
32.44386
-2.55
0.011
-146.1921
-19.0145
k17 | -6.522518
16.09518
-0.41
0.685
-38.06848
25.02345
k18 | -44.10258
12.82596
-3.44
0.001
-69.24099
-18.96416
k19 |
-37.5944
45.75893
-0.82
0.411
-127.2803
52.09145
k20 |
78.04484
20.67452
3.77
0.000
37.52354
118.5661
_cons |
293.9139
44.00842
6.68
0.000
207.659
380.1688
------------------------------------------------------------------------------
*testes - EP*
.
. lincom q2i1 - 1
( 1)
q2i1 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.8790085
.049537
-17.74
0.000
-.9760992
-.7819178
-----------------------------------------------------------------------------.
. lincom _b[q2i1] + _b[q2_tcambio_i1]*3.14 - 1
( 1)
q2i1 + 3.14 q2_tcambio_i1 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -1.043598
.0351942
-29.65
0.000
-1.112577
-.9746184
------------------------------------------------------------------------------
*TAM*
* demanda*
. ivreg2 q (p pjmp = x1pi x12pi x3pi x19pi l.fuel l.maint l.rental l.charges avstl)
pib2 k1-k20 if i2==1, gmm
Warning - collinearities detected
Vars dropped: k3
GMM estimation
--------------
Total (centered) SS
=
5196064323
Number of obs
F( 22,
377)
Prob > F
Centered R2
=
=
=
=
400
117.01
0.0000
0.9362
84
Total (uncentered) SS
Residual SS
=
=
8851610752
331613207.6
Uncentered R2 =
Root MSE
=
0.9625
910.5
-----------------------------------------------------------------------------|
Robust
q |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------p | -4.377759
.8448648
-5.18
0.000
-6.033663
-2.721854
pjmp |
4.967734
1.287843
3.86
0.000
2.443608
7.49186
pib2 |
39.51932
6.613354
5.98
0.000
26.55738
52.48125
k1 | -10073.56
424.6342
-23.72
0.000
-10905.83
-9241.291
k2 | -11147.34
572.852
-19.46
0.000
-12270.11
-10024.58
k4 | -9884.124
454.9575
-21.73
0.000
-10775.82
-8992.423
k5 | -11714.09
397.8025
-29.45
0.000
-12493.77
-10934.41
k6 | -10644.31
474.2657
-22.44
0.000
-11573.85
-9714.765
k7 | -9947.517
422.7646
-23.53
0.000
-10776.12
-9118.914
k8 | -61.77646
624.8211
-0.10
0.921
-1286.403
1162.85
k9 | -9703.224
451.2562
-21.50
0.000
-10587.67
-8818.778
k10 | -10517.28
431.47
-24.38
0.000
-11362.95
-9671.617
k11 | -11319.97
388.7773
-29.12
0.000
-12081.96
-10557.98
k12 | -9228.058
458.1659
-20.14
0.000
-10126.05
-8330.069
k13 | -11217.72
568.5117
-19.73
0.000
-12331.98
-10103.46
k14 | -9795.072
459.0573
-21.34
0.000
-10694.81
-8895.336
k15 |
-9790.93
459.0238
-21.33
0.000
-10690.6
-8891.26
k16 | -11764.69
396.9492
-29.64
0.000
-12542.7
-10986.68
k17 | -11049.29
425.5386
-25.97
0.000
-11883.33
-10215.25
k18 | -11414.78
394.8744
-28.91
0.000
-12188.72
-10640.84
k19 | -10682.74
459.371
-23.26
0.000
-11583.09
-9782.393
k20 | -9439.113
471.9181
-20.00
0.000
-10364.06
-8514.171
_cons |
8369.917
1055.438
7.93
0.000
6301.297
10438.54
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 123.930
Chi-sq(8) P-val =
0.0000
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
9.491
Chi-sq(7) P-val =
0.2193
-----------------------------------------------------------------------------Instrumented:
p pjmp
Included instruments: pib2 k1 k2 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15 k16
k17 k18 k19 k20
Excluded instruments: x1pi x12pi x3pi x19pi L.fuel L.maint L.rental L.charges
avstl
Dropped collinear:
k3
------------------------------------------------------------------------------
*elasticidades*
. sum elas_p_tam elas_pjmp_tam elas_pib_tam if i3==1
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------elas_p_tam |
420
-5.648178
12.02329 -111.3979 -.1420891
elas_pjmp_~m |
420
3.825215
7.233642
.1310787
60.11192
elas_pib_tam |
420
10.63157
19.59313
.5935276
159.2654
* relação de oferta*
.
. ivreg2 p (q q_tcambio = pib2 wdb pka wec) avt_ipca k1-k20 if i2==1, gmm
Warning - collinearities detected
Vars dropped: k6
GMM estimation
Number of obs =
420
85
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
16056313.7
159320708.5
4885224.185
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
64.86
0.0000
0.6957
0.9693
107.8
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q |
.1294569
.0458305
2.82
0.005
.0396308
.2192831
q_tcambio | -.0452899
.0135976
-3.33
0.001
-.0719407
-.0186391
avt_ipca |
.6013588
.1001591
6.00
0.000
.4050507
.797667
k1 | -87.33329
50.14073
-1.74
0.082
-185.6073
10.94074
k2 |
212.9787
35.14996
6.06
0.000
144.086
281.8714
k3 | -1.777127
230.3752
-0.01
0.994
-453.3042
449.75
k4 | -19.98731
43.89047
-0.46
0.649
-106.011
66.03643
k5 | -97.34259
41.04344
-2.37
0.018
-177.7862
-16.89894
k7 | -82.11069
50.68069
-1.62
0.105
-181.443
17.22164
k8 |
7.083611
220.6367
0.03
0.974
-425.3563
439.5235
k9 | -28.88036
45.56099
-0.63
0.526
-118.1783
60.41753
k10 | -30.91997
63.4609
-0.49
0.626
-155.301
93.4611
k11 |
-124.422
41.59948
-2.99
0.003
-205.9555
-42.88857
k12 | -5.928295
53.64194
-0.11
0.912
-111.0646
99.20797
k13 |
196.1286
35.53958
5.52
0.000
126.4723
265.7849
k14 |
2.943221
42.69013
0.07
0.945
-80.7279
86.61434
k15 | -32.78719
44.67594
-0.73
0.463
-120.3504
54.77604
k16 | -112.1957
39.40577
-2.85
0.004
-189.4296
-34.9618
k17 | -123.7095
47.56387
-2.60
0.009
-216.933
-30.48606
k18 | -143.7496
40.0939
-3.59
0.000
-222.3322
-65.16696
k19 | -12.86333
37.20704
-0.35
0.730
-85.78779
60.06113
k20 | -34.99035
53.6124
-0.65
0.514
-140.0687
70.08802
_cons |
447.4337
65.75211
6.80
0.000
318.5619
576.3054
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 26.560
Chi-sq(3) P-val =
0.0000
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
1.887
Chi-sq(2) P-val =
0.3893
-----------------------------------------------------------------------------Instrumented:
q q_tcambio
Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wdb pka wec
Dropped collinear:
k6
-----------------------------------------------------------------------------.
. lincom q - 0
( 1)
q = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) |
.1294569
.0458305
2.82
0.005
.0396308
.2192831
-----------------------------------------------------------------------------.
. lincom _b[q] + _b[q_tcambio]*3.14
( 1)
q + 3.14 q_tcambio = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.0127534
.0188577
-0.68
0.499
-.0497137
.024207
------------------------------------------------------------------------------
86
.
. *Tomador de preço*
.
. ivreg2 p (q1i2 q1_tcambio_i2 = pib2 wdb pka wec) avt_ipca k1-k20 if i2==1, gmm
Warning - collinearities detected
Vars dropped: k6
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
16056313.7
159320708.5
4885224.422
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
64.86
0.0000
0.6957
0.9693
107.8
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i2 |
.5667312
.2006349
2.82
0.005
.173494
.9599683
q1_tcambio~2 | -.1982683
.0595269
-3.33
0.001
-.3149388
-.0815977
avt_ipca |
.6013589
.1001591
6.00
0.000
.4050507
.797667
k1 | -87.33328
50.14074
-1.74
0.082
-185.6073
10.94076
k2 |
212.9787
35.14996
6.06
0.000
144.086
281.8714
k3 | -1.777118
230.3752
-0.01
0.994
-453.3042
449.75
k4 | -19.98731
43.89047
-0.46
0.649
-106.011
66.03643
k5 | -97.34259
41.04344
-2.37
0.018
-177.7862
-16.89893
k7 | -82.11069
50.6807
-1.62
0.105
-181.443
17.22165
k8 |
7.083613
220.6367
0.03
0.974
-425.3563
439.5236
k9 | -28.88035
45.56099
-0.63
0.526
-118.1783
60.41754
k10 | -30.91997
63.4609
-0.49
0.626
-155.301
93.46111
k11 |
-124.422
41.59948
-2.99
0.003
-205.9555
-42.88856
k12 | -5.928294
53.64194
-0.11
0.912
-111.0646
99.20797
k13 |
196.1286
35.53958
5.52
0.000
126.4723
265.7849
k14 |
2.943227
42.69013
0.07
0.945
-80.72789
86.61435
k15 | -32.78718
44.67594
-0.73
0.463
-120.3504
54.77605
k16 | -112.1957
39.40577
-2.85
0.004
-189.4296
-34.9618
k17 | -123.7095
47.56387
-2.60
0.009
-216.933
-30.48605
k18 | -143.7496
40.09391
-3.59
0.000
-222.3322
-65.16695
k19 | -12.86333
37.20704
-0.35
0.730
-85.78779
60.06113
k20 | -34.99035
53.6124
-0.65
0.514
-140.0687
70.08802
_cons |
447.4337
65.75211
6.80
0.000
318.5619
576.3054
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 26.560
Chi-sq(3) P-val =
0.0000
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
1.887
Chi-sq(2) P-val =
0.3893
-----------------------------------------------------------------------------Instrumented:
q1i2 q1_tcambio_i2
Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wdb pka wec
Dropped collinear:
k6
------------------------------------------------------------------------------
*Tomador de preço – com bootstrap*
.
. ereturn display
87
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i2 |
.5667312
.2367252
2.39
0.017
.1027584
1.030704
q1_tcambio~2 | -.1982683
.07078
-2.80
0.005
-.3369945
-.059542
avt_ipca |
.6013589
.1141194
5.27
0.000
.377689
.8250287
k2 |
300.312
59.65155
5.03
0.000
183.3971
417.2269
k3 |
85.55616
234.0621
0.37
0.715
-373.1972
544.3095
k4 |
67.34597
41.39868
1.63
0.104
-13.79394
148.4859
k5 | -10.00931
49.22733
-0.20
0.839
-106.4931
86.47448
k6 |
87.33328
56.11861
1.56
0.120
-22.65717
197.3237
k7 |
5.222591
21.15787
0.25
0.805
-36.24608
46.69126
k8 |
94.41689
227.5915
0.41
0.678
-351.6543
540.4881
k9 |
58.45292
30.11833
1.94
0.052
-.5779195
117.4838
k10 |
56.41331
43.50797
1.30
0.195
-28.86074
141.6874
k11 | -37.08876
37.84313
-0.98
0.327
-111.2599
37.08242
k12 |
81.40498
34.64902
2.35
0.019
13.49415
149.3158
k13 |
283.4619
59.14663
4.79
0.000
167.5366
399.3871
k14 |
90.2765
40.34329
2.24
0.025
11.20512
169.3479
k15 |
54.54609
30.45293
1.79
0.073
-5.140559
114.2327
k16 |
-24.8624
51.3981
-0.48
0.629
-125.6008
75.87602
k17 | -36.37625
26.78134
-1.36
0.174
-88.86671
16.11422
k18 | -56.41628
36.64634
-1.54
0.124
-128.2418
15.40922
k19 |
74.46995
54.23332
1.37
0.170
-31.82541
180.7653
k20 |
52.34293
33.94214
1.54
0.123
-14.18245
118.8683
_cons |
360.1004
73.74562
4.88
0.000
215.5616
504.6392
-----------------------------------------------------------------------------.
. *testes - TP*
.
. lincom q1i2 - 1
( 1)
q1i2 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.4332688
.2367252
-1.83
0.067
-.8972416
.030704
-----------------------------------------------------------------------------.
. lincom _b[q1i2] + _b[q1_tcambio_i2]*3.14 - 1
( 1)
q1i2 + 3.14 q1_tcambio_i2 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -1.055831
.097035
-10.88
0.000
-1.246016
-.865646
-----------------------------------------------------------------------------.
. *Equiparador de preço*
.
. ivreg2 p (q2i2 q2_tcambio_i2 = pib2 wdb pka wec) avt_ipca k1-k20 if i2==1, gmm
Warning - collinearities detected
Vars dropped: k6
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
16056313.7
159320708.5
4885224.642
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
64.86
0.0000
0.6957
0.9693
107.8
88
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i2 |
.0763764
.0270389
2.82
0.005
.0233812
.1293716
q2_tcambio~2 | -.0267199
.0080222
-3.33
0.001
-.0424432
-.0109966
avt_ipca |
.6013589
.1001591
6.00
0.000
.4050507
.797667
k1 | -87.33328
50.14074
-1.74
0.082
-185.6073
10.94077
k2 |
212.9787
35.14996
6.06
0.000
144.086
281.8714
k3 | -1.777132
230.3752
-0.01
0.994
-453.3043
449.75
k4 |
-19.9873
43.89047
-0.46
0.649
-106.011
66.03643
k5 | -97.34259
41.04344
-2.37
0.018
-177.7862
-16.89893
k7 | -82.11069
50.6807
-1.62
0.105
-181.443
17.22165
k8 |
7.083659
220.6367
0.03
0.974
-425.3563
439.5236
k9 | -28.88036
45.56099
-0.63
0.526
-118.1783
60.41754
k10 | -30.91996
63.4609
-0.49
0.626
-155.301
93.46112
k11 |
-124.422
41.59948
-2.99
0.003
-205.9555
-42.88856
k12 | -5.928291
53.64194
-0.11
0.912
-111.0646
99.20798
k13 |
196.1286
35.53958
5.52
0.000
126.4723
265.7849
k14 |
2.943225
42.69013
0.07
0.945
-80.7279
86.61435
k15 | -32.78718
44.67594
-0.73
0.463
-120.3504
54.77605
k16 | -112.1957
39.40577
-2.85
0.004
-189.4296
-34.9618
k17 | -123.7095
47.56387
-2.60
0.009
-216.933
-30.48605
k18 | -143.7496
40.09391
-3.59
0.000
-222.3322
-65.16695
k19 | -12.86333
37.20704
-0.35
0.730
-85.78779
60.06113
k20 | -34.99035
53.6124
-0.65
0.514
-140.0687
70.08803
_cons |
447.4337
65.75211
6.80
0.000
318.5619
576.3054
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 26.560
Chi-sq(3) P-val =
0.0000
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
1.887
Chi-sq(2) P-val =
0.3893
-----------------------------------------------------------------------------Instrumented:
q2i2 q2_tcambio_i2
Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wdb pka wec
Dropped collinear:
k6
------------------------------------------------------------------------------
*Equiparador de preço- com bootstrap*
.
. ereturn display
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i2 |
.0763764
.0329856
2.32
0.021
.0117258
.1410271
q2_tcambio~2 | -.0267199
.0097347
-2.74
0.006
-.0457995
-.0076404
avt_ipca |
.6013589
.1182977
5.08
0.000
.3694996
.8332181
k2 |
300.312
59.34843
5.06
0.000
183.9912
416.6328
k3 |
85.55614
234.1433
0.37
0.715
-373.3563
544.4686
k4 |
67.34597
41.13564
1.64
0.102
-13.2784
147.9703
k5 | -10.00931
50.47722
-0.20
0.843
-108.9428
88.92422
k6 |
87.33328
56.41189
1.55
0.122
-23.232
197.8986
k7 |
5.222588
20.51131
0.25
0.799
-34.97883
45.42401
k8 |
94.41694
226.6501
0.42
0.677
-349.809
538.6429
k9 |
58.45292
30.53562
1.91
0.056
-1.395792
118.3016
k10 |
56.41331
44.95317
1.25
0.210
-31.69328
144.5199
k11 | -37.08876
39.41947
-0.94
0.347
-114.3495
40.17199
k12 |
81.40498
35.27153
2.31
0.021
12.27405
150.5359
k13 |
283.4619
59.41894
4.77
0.000
167.0029
399.9208
k14 |
90.2765
40.36359
2.24
0.025
11.16533
169.3877
k15 |
54.5461
30.39888
1.79
0.073
-5.034609
114.1268
k16 | -24.86241
52.59698
-0.47
0.636
-127.9506
78.22579
k17 | -36.37625
28.14499
-1.29
0.196
-91.53941
18.78691
89
k18 | -56.41628
38.1723
-1.48
0.139
-131.2326
18.40006
k19 |
74.46995
54.57993
1.36
0.172
-32.50474
181.4446
k20 |
52.34293
34.52356
1.52
0.129
-15.32201
120.0079
_cons |
360.1004
77.45208
4.65
0.000
208.2971
511.9037
-----------------------------------------------------------------------------.
. *testes - EP*
.
. lincom q2i2 - 1
( 1)
q2i2 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.9236236
.0329856
-28.00
0.000
-.9882742
-.8589729
-----------------------------------------------------------------------------.
. lincom _b[q2i2] + _b[q2_tcambio_i2]*3.14 - 1
( 1)
q2i2 + 3.14 q2_tcambio_i2 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -1.007524
.0133036
-75.73
0.000
-1.033599
-.9814495
------------------------------------------------------------------------------
*VR2*
*demanda*
. ivreg2 q (p pjmp = x1pi x2pi x3pi x4pi x6pi x7pi l.fuel l.maint l.rental
l.charges avstl) pib2 k1-k20 if i3==1, gmm
Warning - collinearities detected
Vars dropped: k11
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
1087742424
2424375306
262294777.6
Number of obs
F( 22,
377)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
400
66.92
0.0000
0.7589
0.8918
809.8
-----------------------------------------------------------------------------|
Robust
q |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------p | -6.246635
1.413511
-4.42
0.000
-9.017064
-3.476205
pjmp |
3.43831
.8236474
4.17
0.000
1.823991
5.052629
pib2 |
20.81173
6.71326
3.10
0.002
7.653986
33.96948
k1 |
1577.441
174.6675
9.03
0.000
1235.099
1919.783
k2 |
2368.741
681.7374
3.47
0.001
1032.56
3704.922
k3 |
4545.213
281.6269
16.14
0.000
3993.234
5097.192
k4 |
1888.42
405.9325
4.65
0.000
1092.807
2684.033
k5 | -282.7362
135.5476
-2.09
0.037
-548.4047
-17.06768
k6 |
1111.422
416.8329
2.67
0.008
294.4447
1928.4
k7 |
1537.769
164.7618
9.33
0.000
1214.842
1860.696
k8 |
4011.412
371.2868
10.80
0.000
3283.703
4739.121
k9 |
2640.525
326.9416
8.08
0.000
1999.731
3281.319
k10 |
1547.307
222.3628
6.96
0.000
1111.484
1983.13
k12 |
1747.44
334.8205
5.22
0.000
1091.204
2403.676
90
k13 |
1977.362
597.0868
3.31
0.001
807.093
3147.63
k14 |
1839.939
405.3399
4.54
0.000
1045.487
2634.39
k15 |
2834.185
314.8368
9.00
0.000
2217.116
3451.253
k16 | -147.7701
157.4609
-0.94
0.348
-456.3878
160.8476
k17 |
2033.336
230.0121
8.84
0.000
1582.521
2484.152
k18 |
136.1154
112.3399
1.21
0.226
-84.06683
356.2976
k19 |
1168.033
448.029
2.61
0.009
289.9126
2046.154
k20 |
1875.166
332.0923
5.65
0.000
1224.277
2526.054
_cons |
-468.475
985.0171
-0.48
0.634
-2399.073
1462.123
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 89.381
Chi-sq(10) P-val =
0.0000
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
12.628
Chi-sq(9) P-val =
0.1802
-----------------------------------------------------------------------------Instrumented:
p pjmp
Included instruments: pib2 k1 k2 k3 k4 k5 k6 k7 k8 k9 k10 k12 k13 k14 k15 k16
k17 k18 k19 k20
Excluded instruments: x1pi x2pi x3pi x4pi x6pi x7pi L.fuel L.maint L.rental
L.charges avstl
Dropped collinear:
k11
------------------------------------------------------------------------------
*elasticidades*
. sum elas_p_vr2 elas_pjmp_vr2 elas_pib_vr2 if i3==1
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------elas_p_vr2 |
420
-8.0594
17.15606 -158.9539 -.2027472
elas_pjmp_~2 |
420
2.64754
5.006609
.0907233
41.60517
elas_pib_vr2 |
420
5.598815
10.31817
.3125646
83.87263
* relação de oferta*
. ivreg2 p (q q_tcambio = pib2 wda wdc stpc web pkc) avt_ipca k1-k20 if i3==1, gmm
Warning - collinearities detected
Vars dropped: k2
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
13235322.68
131707476.7
1497982.146
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
148.31
0.0000
0.8868
0.9886
59.72
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q |
.1214473
.0515279
2.36
0.018
.0204545
.2224401
q_tcambio | -.0428052
.0127418
-3.36
0.001
-.0677787
-.0178316
avt_ipca |
.4943507
.0841519
5.87
0.000
.329416
.6592853
k1 | -337.9049
38.63238
-8.75
0.000
-413.6229
-262.1868
k3 | -309.0504
84.38011
-3.66
0.000
-474.4324
-143.6684
k4 |
-184.884
29.27798
-6.31
0.000
-242.2678
-127.5002
k5 | -384.6722
30.96492
-12.42
0.000
-445.3623
-323.9821
k6 | -225.9941
29.04431
-7.78
0.000
-282.9199
-169.0683
k7 | -333.9181
36.66761
-9.11
0.000
-405.7853
-262.051
k8 | -317.0013
75.00768
-4.23
0.000
-464.0136
-169.9889
91
k9 | -226.5686
42.6166
-5.32
0.000
-310.0956
-143.0416
k10 | -343.8509
43.96478
-7.82
0.000
-430.0203
-257.6815
k11 |
-381.302
33.00021
-11.55
0.000
-445.9813
-316.6228
k12 | -235.9569
29.54388
-7.99
0.000
-293.8619
-178.052
k13 | -70.81733
28.55944
-2.48
0.013
-126.7928
-14.84186
k14 | -180.0296
26.83066
-6.71
0.000
-232.6167
-127.4425
k15 | -232.0481
44.90528
-5.17
0.000
-320.0608
-144.0353
k16 | -361.3716
30.85153
-11.71
0.000
-421.8395
-300.9038
k17 | -325.9937
48.44439
-6.73
0.000
-420.943
-231.0445
k18 | -372.3216
33.09446
-11.25
0.000
-437.1855
-307.4576
k19 | -193.4496
29.42365
-6.57
0.000
-251.1189
-135.7803
k20 | -227.7993
30.46722
-7.48
0.000
-287.514
-168.0847
_cons |
657.3449
55.05366
11.94
0.000
549.4417
765.2481
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 15.041
Chi-sq(5) P-val =
0.0102
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
7.060
Chi-sq(4) P-val =
0.1327
-----------------------------------------------------------------------------Instrumented:
q q_tcambio
Included instruments: avt_ipca k1 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wda wdc stpc web pkc
Dropped collinear:
k2
-----------------------------------------------------------------------------.
. lincom q - 0
( 1)
q = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) |
.1214473
.0515279
2.36
0.018
.0204545
.2224401
-----------------------------------------------------------------------------.
. lincom _b[q] + _b[q_tcambio]*3.14
( 1)
q + 3.14 q_tcambio = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.0129609
.0191584
-0.68
0.499
-.0505107
.0245889
-----------------------------------------------------------------------------.
. * Tomador de preço com bootstrap*
.
. ivreg2 p (q1i3 q1_tcambio_i3 = pib2 wda wdc stpc web pkc) avt_ipca k1-k20 if
i3==1, gmm
Warning - collinearities detected
Vars dropped: k2
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
13235322.68
131707476.7
1497982.119
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
148.31
0.0000
0.8868
0.9886
59.72
------------------------------------------------------------------------------
92
|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i3 |
.758637
.3218758
2.36
0.018
.127772
1.389502
q1_tcambio~3 | -.2673883
.0795936
-3.36
0.001
-.4233889
-.1113878
avt_ipca |
.4943507
.0841519
5.87
0.000
.329416
.6592853
k1 | -337.9048
38.63238
-8.75
0.000
-413.6229
-262.1868
k3 | -309.0504
84.38011
-3.66
0.000
-474.4324
-143.6684
k4 |
-184.884
29.27798
-6.31
0.000
-242.2678
-127.5002
k5 | -384.6722
30.96492
-12.42
0.000
-445.3624
-323.9821
k6 | -225.9941
29.04431
-7.78
0.000
-282.9199
-169.0683
k7 | -333.9181
36.66761
-9.11
0.000
-405.7853
-262.051
k8 | -317.0013
75.00768
-4.23
0.000
-464.0136
-169.9889
k9 | -226.5686
42.6166
-5.32
0.000
-310.0956
-143.0416
k10 | -343.8509
43.96478
-7.82
0.000
-430.0203
-257.6815
k11 |
-381.302
33.00021
-11.55
0.000
-445.9813
-316.6228
k12 | -235.9569
29.54388
-7.99
0.000
-293.8619
-178.052
k13 | -70.81733
28.55944
-2.48
0.013
-126.7928
-14.84186
k14 | -180.0296
26.83066
-6.71
0.000
-232.6167
-127.4425
k15 | -232.0481
44.90528
-5.17
0.000
-320.0608
-144.0353
k16 | -361.3716
30.85152
-11.71
0.000
-421.8395
-300.9038
k17 | -325.9937
48.44439
-6.73
0.000
-420.943
-231.0445
k18 | -372.3216
33.09446
-11.25
0.000
-437.1855
-307.4576
k19 | -193.4496
29.42365
-6.57
0.000
-251.1189
-135.7803
k20 | -227.7993
30.46722
-7.48
0.000
-287.514
-168.0847
_cons |
657.3449
55.05366
11.94
0.000
549.4418
765.2481
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 15.041
Chi-sq(5) P-val =
0.0102
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
7.060
Chi-sq(4) P-val =
0.1327
-----------------------------------------------------------------------------Instrumented:
q1i3 q1_tcambio_i3
Included instruments: avt_ipca k1 k3 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wda wdc stpc web pkc
Dropped collinear:
k2
------------------------------------------------------------------------------
* Tomador de preço – com bootstrap *
.
. ereturn display
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i3 |
.758637
.3892291
1.95
0.051
-.004238
1.521512
q1_tcambio~3 | -.2673883
.0991885
-2.70
0.007
-.4617942
-.0729824
avt_ipca |
.4943507
.1044874
4.73
0.000
.2895592
.6991421
k2 |
337.9048
43.63613
7.74
0.000
252.3796
423.4301
k3 |
28.85443
62.13905
0.46
0.642
-92.93587
150.6447
k4 |
153.0209
36.0943
4.24
0.000
82.27733
223.7644
k5 | -46.76739
47.3503
-0.99
0.323
-139.5723
46.03749
k6 |
111.9107
50.90881
2.20
0.028
12.13131
211.6902
k7 |
3.986705
12.78834
0.31
0.755
-21.07797
29.05138
k8 |
20.90359
50.31171
0.42
0.678
-77.70555
119.5127
k9 |
111.3362
25.3034
4.40
0.000
61.74249
160.93
k10 |
-5.94605
13.96906
-0.43
0.670
-33.3249
21.4328
k11 |
-43.3972
36.39161
-1.19
0.233
-114.7234
27.92906
k12 |
101.9479
21.93889
4.65
0.000
58.94847
144.9473
k13 |
267.0875
41.53685
6.43
0.000
185.6768
348.4982
k14 |
157.8753
34.45942
4.58
0.000
90.33604
225.4145
k15 |
105.8568
25.70677
4.12
0.000
55.47243
156.2411
k16 | -23.46679
47.22278
-0.50
0.619
-116.0217
69.08816
k17 |
11.91112
18.55902
0.64
0.521
-24.46389
48.28613
k18 | -34.41675
36.98232
-0.93
0.352
-106.9008
38.06726
93
k19 |
144.4553
49.83634
2.90
0.004
46.77784
242.1327
k20 |
110.1055
21.23853
5.18
0.000
68.47874
151.7323
_cons |
319.4401
65.46322
4.88
0.000
191.1346
447.7457
-----------------------------------------------------------------------------.
. *testes - TP*
.
. lincom q1i3 - 1
( 1)
q1i3 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) |
-.241363
.3892291
-0.62
0.535
-1.004238
.521512
-----------------------------------------------------------------------------.
. lincom _b[q1i3] + _b[q1_tcambio_i3]*3.14 - 1
( 1)
q1i3 + 3.14 q1_tcambio_i3 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -1.080962
.131272
-8.23
0.000
-1.338251
-.8236739
-----------------------------------------------------------------------------.
. *Equiparador de preço*
.
. ivreg2 p (q2i3 q2_tcambio_i3 = pib2 wda wdc stpc web pkc) avt_ipca k1-k20 if
i3==1, gmm
Warning - collinearities detected
Vars dropped: k3
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
13235322.68
131707476.7
1497982.137
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
148.31
0.0000
0.8868
0.9886
59.72
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i3 |
.3410635
.144707
2.36
0.018
.057443
.624684
q2_tcambio~3 | -.1202108
.0357832
-3.36
0.001
-.1903446
-.050077
avt_ipca |
.4943507
.0841519
5.87
0.000
.329416
.6592853
k1 | -28.85442
57.82252
-0.50
0.618
-142.1845
84.47564
k2 |
309.0504
84.38011
3.66
0.000
143.6685
474.4324
k4 |
124.1664
73.31918
1.69
0.090
-19.53652
267.8694
k5 |
-75.6218
96.78296
-0.78
0.435
-265.3129
114.0693
k6 |
83.05632
96.07798
0.86
0.387
-105.2531
271.3657
k7 | -24.86772
58.81249
-0.42
0.672
-140.1381
90.40264
k8 | -7.950839
18.36065
-0.43
0.665
-43.93705
28.03537
k9 |
82.48182
48.29574
1.71
0.088
-12.1761
177.1397
k10 | -34.80047
50.49968
-0.69
0.491
-133.778
64.17708
k11 | -72.25161
87.23022
-0.83
0.408
-243.2197
98.71647
k12 |
73.09349
64.0273
1.14
0.254
-52.3977
198.5847
k13 |
238.2331
82.80678
2.88
0.004
75.93479
400.5314
k14 |
129.0208
77.94337
1.66
0.098
-23.74537
281.787
k15 |
77.00236
45.0236
1.71
0.087
-11.24227
165.247
94
k16 | -52.32121
97.23554
-0.54
0.591
-242.8994
138.2569
k17 |
-16.9433
48.64215
-0.35
0.728
-112.2802
78.39356
k18 | -63.27117
87.79206
-0.72
0.471
-235.3404
108.7981
k19 |
115.6009
94.24364
1.23
0.220
-69.11329
300.315
k20 |
81.25108
64.19252
1.27
0.206
-44.56394
207.0661
_cons |
348.2945
111.376
3.13
0.002
130.0016
566.5875
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 15.041
Chi-sq(5) P-val =
0.0102
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
7.060
Chi-sq(4) P-val =
0.1327
-----------------------------------------------------------------------------Instrumented:
q2i3 q2_tcambio_i3
Included instruments: avt_ipca k1 k2 k4 k5 k6 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wda wdc stpc web pkc
Dropped collinear:
k3
------------------------------------------------------------------------------
* Equiparador de preço – com bootstrap*
. ereturn display
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i3 |
.3410635
.1646596
2.07
0.038
.0183366
.6637904
q2_tcambio~3 | -.1202108
.0419432
-2.87
0.004
-.202418
-.0380037
avt_ipca |
.4943507
.0953223
5.19
0.000
.3075224
.681179
k2 |
337.9049
41.46652
8.15
0.000
256.632
419.1777
k3 |
28.85442
59.19829
0.49
0.626
-87.17209
144.8809
k4 |
153.0209
32.64449
4.69
0.000
89.03883
217.0029
k5 | -46.76738
45.46094
-1.03
0.304
-135.8692
42.33443
k6 |
111.9107
46.8161
2.39
0.017
20.15287
203.6686
k7 |
3.986704
12.76717
0.31
0.755
-21.03648
29.00989
k8 |
20.90358
48.99434
0.43
0.670
-75.12355
116.9307
k9 |
111.3362
24.48345
4.55
0.000
63.34957
159.3229
k10 | -5.946049
14.14992
-0.42
0.674
-33.67939
21.78729
k11 | -43.39719
35.26643
-1.23
0.218
-112.5181
25.72374
k12 |
101.9479
21.09309
4.83
0.000
60.60622
143.2896
k13 |
267.0875
39.38107
6.78
0.000
189.902
344.273
k14 |
157.8753
33.19962
4.76
0.000
92.8052
222.9453
k15 |
105.8568
25.43462
4.16
0.000
56.00584
155.7077
k16 | -23.46679
44.93757
-0.52
0.602
-111.5428
64.60924
k17 |
11.91112
18.58724
0.64
0.522
-24.51921
48.34144
k18 | -34.41675
35.24394
-0.98
0.329
-103.4936
34.66011
k19 |
144.4553
47.44532
3.04
0.002
51.46416
237.4464
k20 |
110.1055
19.60275
5.62
0.000
71.68482
148.5262
_cons |
319.4401
61.21703
5.22
0.000
199.4569
439.4233
-----------------------------------------------------------------------------. *testes - EP*
.
. lincom q2i3 - 1
( 1)
q2i3 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.6589365
.1646596
-4.00
0.000
-.9816634
-.3362096
-----------------------------------------------------------------------------.
. lincom _b[q2i3] + _b[q2_tcambio_i3]*3.14 -1
95
( 1)
q2i3 + 3.14 q2_tcambio_i3 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -1.036399
.0557491
-18.59
0.000
-1.145665
-.9271323
*VSP*
*demanda*
.
. ivreg2 q (p pjmp = x1pi x2pi x3pi x4pi
i4==1, gmm
Warning - collinearities detected
Vars dropped: k11
x6pi x7pi
l.tcambio) pib2 k1-k20 if
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
482460306.1
740058993.1
74306888.8
Number of obs
F( 22,
377)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
400
50.19
0.0000
0.8460
0.8996
431
-----------------------------------------------------------------------------|
Robust
q |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------p | -5.036756
1.949652
-2.58
0.010
-8.858003
-1.215509
pjmp |
7.186996
3.089432
2.33
0.020
1.131819
13.24217
pib2 | -13.64127
4.661728
-2.93
0.003
-22.77808
-4.504446
k1 | -218.0802
297.7261
-0.73
0.464
-801.6126
365.4523
k2 | -1173.764
697.1368
-1.68
0.092
-2540.127
192.5994
k3 |
3446.035
171.2075
20.13
0.000
3110.475
3781.596
k4 | -125.0147
333.9909
-0.37
0.708
-779.6249
529.5955
k5 | -43.27417
132.6883
-0.33
0.744
-303.3385
216.7902
k6 | -682.6292
410.3734
-1.66
0.096
-1486.946
121.6879
k7 | -295.1563
314.715
-0.94
0.348
-911.9863
321.6738
k8 |
3493.442
197.7865
17.66
0.000
3105.787
3881.096
k9 |
258.6639
313.3848
0.83
0.409
-355.559
872.8868
k10 | -458.3316
227.3383
-2.02
0.044
-903.9065
-12.75675
k12 | -527.0738
398.3071
-1.32
0.186
-1307.741
253.5937
k13 | -1006.585
633.7036
-1.59
0.112
-2248.621
235.4516
k14 | -272.8791
372.1954
-0.73
0.463
-1002.369
456.6105
k15 |
280.6651
301.9402
0.93
0.353
-311.1268
872.4571
k16 |
158.0433
135.2757
1.17
0.243
-107.0921
423.1787
k17 | -205.5486
136.9579
-1.50
0.133
-473.9811
62.88388
k18 |
85.93342
67.17991
1.28
0.201
-45.73678
217.6036
k19 | -704.0048
414.6024
-1.70
0.090
-1516.611
108.6011
k20 | -398.0095
367.2893
-1.08
0.279
-1117.883
321.8643
_cons |
1139.58
971.6336
1.17
0.241
-764.7867
3043.947
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test): 12.584
Chi-sq(6) P-val =
0.0501
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
5.735
Chi-sq(5) P-val =
0.3329
-----------------------------------------------------------------------------Instrumented:
p pjmp
Included instruments: pib2 k1 k2 k3 k4 k5 k6 k7 k8 k9 k10 k12 k13 k14 k15 k16
k17 k18 k19 k20
Excluded instruments: x1pi x2pi x3pi x4pi x6pi x7pi L.tcambio
Dropped collinear:
k11
-----------------------------------------------------------------------------*elasticidade*
96
. sum elas_p_vsp elas_pjmp_vsp elas_pib_vsp if i4==1
Variable |
Obs
Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------elas_p_vsp |
420
-6.737719
8.17337 -97.82816 -.1716738
elas_pjmp_~p |
420
10.63818
11.21166
.4068296
113.0113
elas_pib_vsp |
420
-5.995746
7.895636 -85.32937 -.2676533
*relação de oferta*
. ivreg2 p (q q_tcambio = pib2 wea web wdb
Warning - collinearities detected
Vars dropped: wdb k6
pkc ) avt_ipca k1-k20 if i4==1, gmm
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
8991831.607
79120747.48
1189613.503
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
129.81
0.0000
0.8677
0.9850
53.22
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q | -.1669506
.1941724
-0.86
0.390
-.5475215
.2136203
q_tcambio |
.0328501
.0487167
0.67
0.500
-.0626328
.1283331
avt_ipca |
.2483684
.0681516
3.64
0.000
.1147937
.3819432
k1 | -101.0332
21.10783
-4.79
0.000
-142.4038
-59.66259
k2 |
249.1585
21.91387
11.37
0.000
206.2081
292.1089
k3 |
154.5387
123.8881
1.25
0.212
-88.27761
397.355
k4 |
136.1078
20.09221
6.77
0.000
96.72781
175.4878
k5 | -38.66074
26.82557
-1.44
0.150
-91.2379
13.91642
k7 | -102.1232
21.25069
-4.81
0.000
-143.7738
-60.47266
k8 |
150.587
127.0787
1.18
0.236
-98.48269
399.6568
k9 |
128.763
25.21606
5.11
0.000
79.34044
178.1856
k10 | -83.13022
35.09437
-2.37
0.018
-151.9139
-14.34653
k11 | -61.59268
32.82044
-1.88
0.061
-125.9196
2.734213
k12 |
21.3048
20.43868
1.04
0.297
-18.75428
61.36389
k13 |
236.0121
20.84192
11.32
0.000
195.1627
276.8616
k14 |
128.7137
20.6264
6.24
0.000
88.28671
169.1407
k15 |
129.358
26.43327
4.89
0.000
77.54974
181.1662
k16 | -27.28933
27.51681
-0.99
0.321
-81.22128
26.64262
k17 | -82.46237
34.82308
-2.37
0.018
-150.7144
-14.21039
k18 | -61.13584
33.46499
-1.83
0.068
-126.726
4.454338
k19 | -.1362645
17.0771
-0.01
0.994
-33.60677
33.33424
k20 |
24.33289
19.87334
1.22
0.221
-14.61814
63.28392
_cons |
332.6086
51.75238
6.43
0.000
231.1758
434.0414
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test):
8.260
Chi-sq(3) P-val =
0.0409
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
1.183
Chi-sq(2) P-val =
0.5536
-----------------------------------------------------------------------------Instrumented:
q q_tcambio
Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wea web pkc
Dropped collinear:
wdb k6
-----------------------------------------------------------------------------.
97
. lincom q - 0
( 1)
q = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.1669506
.1941724
-0.86
0.390
-.5475215
.2136203
-----------------------------------------------------------------------------.
. lincom _b[q] + _b[q_tcambio]*3.14
( 1)
q + 3.14 q_tcambio = 0
-----------------------------------------------------------------------------p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -.0638012
.0425602
-1.50
0.134
-.1472177
.0196153
------------------------------------------------------------------------------
* Tomador de preço*
.
. ivreg2 p (q1i4 q1_tcambio_i4 = pib2 wea web wdb pkc) avt_ipca k1-k20 if i4==1,
gmm
Warning - collinearities detected
Vars dropped: wdb k6
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
8991831.607
79120747.48
1281532.295
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
107.49
0.0000
0.8575
0.9838
55.24
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i4 |
1.676627
1.980454
0.85
0.397
-2.204991
5.558245
q1_tcambio~4 |
1.006881
1.333714
0.75
0.450
-1.607151
3.620913
avt_ipca |
.2397251
.0760563
3.15
0.002
.0906575
.3887926
k1 | -86.98558
24.95479
-3.49
0.000
-135.8961
-38.07508
k2 |
251.6444
21.15673
11.89
0.000
210.178
293.1109
k3 |
327.3386
336.9724
0.97
0.331
-333.1152
987.7925
k4 |
149.4409
31.92658
4.68
0.000
86.86592
212.0158
k5 | -48.50824
35.7911
-1.36
0.175
-118.6575
21.64103
k7 | -87.77428
25.5592
-3.43
0.001
-137.8694
-37.67918
k8 |
320.8496
340.6292
0.94
0.346
-346.7714
988.4705
k9 |
163.6611
63.92862
2.56
0.010
38.36329
288.9589
k10 | -90.98721
41.11683
-2.21
0.027
-171.5747
-10.3997
k11 | -72.49352
42.56137
-1.70
0.089
-155.9123
10.92524
k12 |
28.47082
20.29576
1.40
0.161
-11.30815
68.24979
k13 |
238.0942
19.80316
12.02
0.000
199.2807
276.9077
k14 |
139.7231
29.76233
4.69
0.000
81.38997
198.0562
k15 |
163.5037
63.57553
2.57
0.010
38.8979
288.1094
k16 | -37.85006
36.14446
-1.05
0.295
-108.6919
32.99177
k17 |
-89.7499
41.17971
-2.18
0.029
-170.4607
-9.039146
k18 | -70.29011
41.13858
-1.71
0.088
-150.9203
10.34003
k19 | -1.367191
15.94222
-0.09
0.932
-32.61337
29.87899
k20 |
34.31211
21.72981
1.58
0.114
-8.277548
76.90176
_cons |
354.802
74.78594
4.74
0.000
208.2242
501.3797
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test):
2.697
98
Chi-sq(3) P-val =
0.4407
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
0.898
Chi-sq(2) P-val =
0.6383
-----------------------------------------------------------------------------Instrumented:
q1i4 q1_tcambio_i4
Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wea web pkc
Dropped collinear:
wdb k6
------------------------------------------------------------------------------
*Tomador de preço – com bootstrap*
. ereturn display
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q1i4 |
1.676627
2.718184
0.62
0.537
-3.650917
7.00417
q1_tcambio~4 |
1.006881
1.83866
0.55
0.584
-2.596826
4.610589
avt_ipca |
.2397251
.0996654
2.41
0.016
.0443844
.4350657
k2 |
338.63
29.87436
11.34
0.000
280.0773
397.1827
k3 |
414.3242
442.9113
0.94
0.350
-453.7659
1282.414
k4 |
236.4265
29.81934
7.93
0.000
177.9816
294.8713
k5 |
38.47734
62.52921
0.62
0.538
-84.07766
161.0323
k6 |
86.98558
29.95066
2.90
0.004
28.28336
145.6878
k7 | -.7887024
16.95841
-0.05
0.963
-34.02657
32.44917
k8 |
407.8352
449.3894
0.91
0.364
-472.9519
1288.622
k9 |
250.6467
70.79206
3.54
0.000
111.8968
389.3966
k10 | -4.001631
66.54161
-0.06
0.952
-134.4208
126.4175
k11 |
14.49206
70.21329
0.21
0.836
-123.1235
152.1076
k12 |
115.4564
21.28774
5.42
0.000
73.73319
157.1796
k13 |
325.0798
31.94598
10.18
0.000
262.4668
387.6928
k14 |
226.7086
26.52398
8.55
0.000
174.7226
278.6947
k15 |
250.4892
66.41338
3.77
0.000
120.3214
380.6571
k16 |
49.13551
62.60964
0.78
0.433
-73.57712
171.8482
k17 | -2.764328
65.75446
-0.04
0.966
-131.6407
126.112
k18 |
16.69546
66.89086
0.25
0.803
-114.4082
147.7991
k19 |
85.61838
31.60186
2.71
0.007
23.67988
147.5569
k20 |
121.2977
19.05522
6.37
0.000
83.95013
158.6452
_cons |
267.8164
114.1875
2.35
0.019
44.0131
491.6197
-----------------------------------------------------------------------------.
. *testes - TP*
.
. lincom q1i4 - 1
( 1)
q1i4 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) |
.6766268
2.718184
0.25
0.803
-4.650917
6.00417
-----------------------------------------------------------------------------.
. lincom _b[q1i4] + _b[q1_tcambio_i4]*3.14 - 1
( 1)
q1i4 + 3.14 q1_tcambio_i4 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) |
3.838233
8.490831
0.45
0.651
-12.80349
20.47996
------------------------------------------------------------------------------
99
.
. *Equiparador de preço*
.
. ivreg2 p (q2i4 q2_tcambio_i4 = pib2 wea web wdb pkc) avt_ipca k1-k20 if i4==1,
gmm
Warning - collinearities detected
Vars dropped: wdb k6
GMM estimation
--------------
Total (centered) SS
Total (uncentered) SS
Residual SS
=
=
=
8991831.607
79120747.48
1189613.531
Number of obs
F( 22,
397)
Prob > F
Centered R2
Uncentered R2
Root MSE
=
=
=
=
=
=
420
129.81
0.0000
0.8677
0.9850
53.22
-----------------------------------------------------------------------------|
Robust
p |
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i4 | -1.199874
1.395517
-0.86
0.390
-3.935037
1.535288
q2_tcambio~4 |
.0416976
.0618375
0.67
0.500
-.0795016
.1628969
avt_ipca |
.2483684
.0681516
3.64
0.000
.1147936
.3819431
k1 | -101.0332
21.10783
-4.79
0.000
-142.4038
-59.66259
k2 |
249.1585
21.91387
11.37
0.000
206.2081
292.1089
k3 |
154.5388
123.8882
1.25
0.212
-88.27758
397.3551
k4 |
136.1078
20.09221
6.77
0.000
96.72781
175.4878
k5 | -38.66075
26.82558
-1.44
0.150
-91.23791
13.91641
k7 | -102.1232
21.25068
-4.81
0.000
-143.7738
-60.47267
k8 |
150.5871
127.0788
1.18
0.236
-98.48268
399.6569
k9 |
128.763
25.21607
5.11
0.000
79.34044
178.1856
k10 | -83.13024
35.09437
-2.37
0.018
-151.9139
-14.34654
k11 | -61.59269
32.82045
-1.88
0.061
-125.9196
2.734203
k12 |
21.3048
20.43868
1.04
0.297
-18.75428
61.36388
k13 |
236.0121
20.84192
11.32
0.000
195.1627
276.8616
k14 |
128.7137
20.6264
6.24
0.000
88.28672
169.1407
k15 |
129.358
26.43327
4.89
0.000
77.54975
181.1663
k16 | -27.28934
27.51681
-0.99
0.321
-81.22129
26.64262
k17 | -82.46239
34.82309
-2.37
0.018
-150.7144
-14.2104
k18 | -61.13585
33.46499
-1.83
0.068
-126.726
4.454328
k19 | -.1362674
17.0771
-0.01
0.994
-33.60677
33.33423
k20 |
24.33289
19.87334
1.22
0.221
-14.61814
63.28392
_cons |
332.6086
51.75239
6.43
0.000
231.1758
434.0415
-----------------------------------------------------------------------------Anderson canon. corr. LR statistic (identification/IV relevance test):
8.260
Chi-sq(3) P-val =
0.0409
-----------------------------------------------------------------------------Hansen J statistic (overidentification test of all instruments):
1.183
Chi-sq(2) P-val =
0.5536
-----------------------------------------------------------------------------Instrumented:
q2i4 q2_tcambio_i4
Included instruments: avt_ipca k1 k2 k3 k4 k5 k7 k8 k9 k10 k11 k12 k13 k14 k15
k16 k17 k18 k19 k20
Excluded instruments: pib2 wea web pkc
Dropped collinear:
wdb k6
------------------------------------------------------------------------------
*Equiparador de preço – com bootstrap*
.
. ereturn display
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------q2i4 | -1.199874
1.901843
-0.63
0.528
-4.927418
2.527669
100
q2_tcambio~4 |
.0416976
.0852705
0.49
0.625
-.1254295
.2088248
avt_ipca |
.2483684
.0862349
2.88
0.004
.0793512
.4173856
k2 |
350.1917
22.61498
15.48
0.000
305.8672
394.5163
k3 |
255.5719
164.7604
1.55
0.121
-67.35246
578.4964
k4 |
237.141
28.7888
8.24
0.000
180.716
293.566
k5 |
62.37243
24.03856
2.59
0.009
15.25772
109.4871
k6 |
101.0332
23.32103
4.33
0.000
55.32481
146.7416
k7 | -1.090059
12.99764
-0.08
0.933
-26.56496
24.38485
k8 |
251.6203
176.4503
1.43
0.154
-94.21585
597.4565
k9 |
229.7962
34.01897
6.75
0.000
163.1203
296.4722
k10 |
17.90294
31.88664
0.56
0.574
-44.59372
80.39961
k11 |
39.44049
29.71446
1.33
0.184
-18.79878
97.67976
k12 |
122.338
17.6394
6.94
0.000
87.76539
156.9106
k13 |
337.0453
21.843
15.43
0.000
294.2338
379.8568
k14 |
229.7469
28.07168
8.18
0.000
174.7274
284.7664
k15 |
230.3912
35.07669
6.57
0.000
161.6422
299.1402
k16 |
73.74384
26.04494
2.83
0.005
22.6967
124.791
k17 |
18.5708
31.54289
0.59
0.556
-43.25213
80.39372
k18 |
39.89733
30.06531
1.33
0.185
-19.0296
98.82426
k19 |
100.8969
24.20422
4.17
0.000
53.45752
148.3363
k20 |
125.3661
16.73271
7.49
0.000
92.57057
158.1616
_cons |
231.5755
54.29937
4.26
0.000
125.1507
338.0003
-----------------------------------------------------------------------------.
. *testes - EP*
.
. lincom q2i4 - 1
( 1)
q2i4 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -2.199874
1.901843
-1.16
0.247
-5.927418
1.527669
-----------------------------------------------------------------------------.
. lincom _b[q2i4] + _b[q2_tcambio_i4]*3.14 - 1
( 1)
q2i4 + 3.14 q2_tcambio_i4 = 1
-----------------------------------------------------------------------------|
Coef.
Std. Err.
z
P>|z|
[95% Conf. Interval]
-------------+---------------------------------------------------------------(1) | -2.068944
1.634575
-1.27
0.206
-5.272653
1.134765
------------------------------------------------------------------------------
101
FOLHA DE REGISTRO DO DOCUMENTO
1.
CLASSIFICAÇÃO/TIPO
TM
5.
2.
DATA
3.
DOCUMENTO N°
4.
18 de Janeiro de 2007 CTA/ITA-IEI/TM-012/2007
N° DE PÁGINAS
101
TÍTULO E SUBTÍTULO:
Estudo empírico da conduta competitiva das Companhias Aéreas Brasileiras
6.
AUTOR(ES):
Débora Lovadine
7.
INSTITUIÇÃO(ÕES)/ÓRGÃO(S) INTERNO(S)/DIVISÃO(ÕES):
Instituto Tecnológico de Aeronáutica. Divisão de Engenharia de Infra-Estrutura
Aeronáutica – ITA/IEI
8.
PALAVRAS-CHAVE SUGERIDAS PELO AUTOR:
Transporte Aéreo, Conduta Competitiva, Antitruste, Organização Industrial
9.PALAVRAS-CHAVE RESULTANTES DE INDEXAÇÃO:
Transporte aéreo comercial; Competição; Mercado; Organização industrial; Operação
de linhas aéreas; Transportes; Economia.
10.
X Nacional
APRESENTAÇÃO:
Internacional
ITA, São José dos Campos, 2006, 101 páginas
11.
RESUMO:
O objetivo da presente pesquisa é estudar a conduta competitiva das companhias aéreas brasileiras nas principais
ligações do país, utilizando modelagem teórica e estimação paramétrica. A metodologia consiste no desenvolvimento
de um modelo empírico de oferta e demanda que permita a estimação de um parâmetro indicativo da conduta das
firmas; se cooperativa (com racionalidade de cartel), ou não-cooperativa (competitiva). Com essa abordagem
metodológica, desenvolvida dentro da Nova Organização Industrial Empírica, é possível averiguar se houve
alterações no comportamento das firmas nesse mercado e consequentemente no exercício do poder de mercado, seja
por conseqüência de acordos de compartilhamento de aeronaves (ex. code-share Varig - Tam), seja por causa de
alianças comerciais diversas, explícitas ou tácitas e até por mudanças conjunturais (ex. desvalorização cambial).
Busca-se também, incorporar um maior refinamento ao modelo através do método de reamostragem chamado
Bootstrap. Através dele, é possível computar medidas mais precisas para estatísticas (ex. desvio-padrão) utilizadas na
realização de testes de hipótese para a conduta. Os resultados indicaram a não rejeição de conduta competitiva entre
as firmas, ou seja, não há indícios de cooperação (com racionalidade de cartel) entre as empresas do setor nas rotas
estudadas. A desvalorização cambial não se configurou como um fator de redução da competição; pelo contrário,
intensificou a conduta competitiva das firmas.
12.
GRAU DE SIGILO:
(X ) OSTENSIVO
( ) RESERVADO
( ) CONFIDENCIAL
( ) SECRETO