Potencial de comércio e o mercado internacional de trigo

POTENCIAL DE COMÉRCIO E O MERCADO INTERNACIONAL DE TRIGO
[email protected]
Apresentação Oral-Comércio Internacional
FERNANDA MARIA DE ALMEIDA; ORLANDO MONTEIRO DA SILVA; ANTÔNIO
CARVALHO CAMPOS.
UNIVERSIDADE FEDERAL DE VIÇOSA, VICOSA - MG - BRASIL.
Potencial de comércio e o mercado internacional de trigo
Grupo de Pesquisa: Comércio Internacional
Resumo: O trigo, além de ser um dos cereais mais consumidos no mundo, está em meio às
principais commodities agrícolas comercializadas no mercado internacional. Dessa forma,
o conhecimento de fatores que determinam este comércio e seu potencial é de suma
importância para a busca de estratégias que visem ampliar tais transações comerciais.
Nesse sentido, o presente trabalho tem como objetivo avaliar fatores que explicam as
exportações dos principais países exportadores e, adicionalmente, mensurar o nível de
potencial de comércio dos exportadores para cada um dos seus países importadores. Para
tanto foi utilizado um modelo de gravidade, a partir do qual foram calculados índices de
potencialidade do comércio. As estimativas encontradas por tal modelo mostraram que a
renda dos países exportadores, da mesma forma que a presença de fronteira territorial
comum entre os países, é fator favorável ao comércio. Quanto aos resultados do índice de
potencial de comércio, que expressa a diferença entre o comércio efetivo e o previsto pelo
modelo, observou-se distintos padrões tanto de integração, quanto de potencial de
comércio “inexplorado”.
Palavras-chaves: trigo; exportações, potencial de comércio, modelo de gravidade.
Abstract: Besides being one of the cereals more consumed in the world, the wheat is
among the main agricultural commodities traded at the international market. So, the
knowledge of factors that determine its trade and market potential is very important if one
wants to search for strategies to enlarge such commercial transactions. In that sense, the
present work has as objective to evaluate which factors explain wheat exports from the
main exporting countries and, additionally, to measure the level of potential trade to each
one of their importing countries. To do so a gravity model was estimated and their
coefficients used to calculate the indexes of trade potential. The estimates found that in
such a model income, in the same way that the presence of common territorial border
between countries is an important variable to explain wheat trade. Results for the indexes
of trade potential, expressed by the differences between effective trade and that foreseen by
the model, have shown different patterns of integration, and different trade potential of
“unexplored” trade.
1
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Key Words: wheat, exports, potential trade, gravity model.
1. INTRODUÇÃO
O trigo está dentre os principais produtos agrícolas comercializados e consumidos
em todo o mundo. Destinado basicamente à alimentação, não existe produtos que o
substituem integralmente, o que faz dele uma importante commodity no mercado
internacional.
No período de 2000 a 2007, as exportações mundiais de trigo passaram de um
montante superior a 1,6 bilhões de dólares, no ano 2000, para mais de 3,3 bilhões em 2007,
ou seja, houve uma elevação nessas exportações em mais de 106%. Nesse mesmo período,
os cinco principais exportadores, em ordem de importância, foram Turquia, Bélgica,
França, Alemanha e Cazaquistão. Quanto aos importadores que mais se destacaram,
encontram-se Indonésia, Inglaterra, Estados Unidos, China e França (United Nations
Commodity Trade Statistics Database – UNCOMTRADE, 2009).
Uma peculiaridade a se mencionar sobre o mercado internacional de trigo é o fato
de existirem países que se destacam, simultaneamente, como grandes exportadores e
importadores. Esse é o caso dos Estados Unidos, da França e da China, por exemplo. Isso
ocorre em razão da cadeia produtiva do grão, uma vez que o mesmo, ao ser importado in
natura, pode ser processado, transformado em diversos produtos diferenciados e, assim,
reexportado.
O conhecimento de fatores que explicam as relações econômicas entre os países é
de grande importância para a ampliação dos fluxos comerciais entre eles e,
consequêntemente, para o surgimento de novos mercados consumidores de trigo e
diversificação do consumo. Conforme as teorias do comércio internacional, tais fatores
estão relacionados com nível de produtividade de cada exportador, vantagens comparativas
existentes na produção do grão, proporção empregada dos fatores de produção, economias
de escalas e, dentre outros, presença de barreiras comerciais. Esse conjunto de variáveis
determina o potencial de comércio do grão que cada exportador possui com seus
respectivos parceiros comerciais.
De acordo com Helmers e Pasteels (2005), potencial de comércio é o resultado das
capacidades de exportações e de demanda de importações em níveis microeconômicos que
permite nível mais agregado de análise. Nesse sentido, encontram-se diversos trabalhos na
literatura que buscaram mensurar o potencial de comércio que determinados países
possuem com cada um de seus parceiros comerciais, dentre esses, podem-se citar os de
Wang e Invernos (1992), Hamilton e Invernos (1992), Brulhart e Kelly (1999), Benedictis
e Vicarelli (2005) e Shepotylo (2009).
As estimativas do potencial de comércio são importantes por permitirem observar o
nível de integração dos mercados, de forma que, quanto maior a diferença entre o comércio
2
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
efetivo e o potencial estimado, menor o nível de integração do mercado entre os países.
Diferenças negativas, ou seja, o comércio efetivo inferior ao potencial ou previsto, indicam
que há potencial de comércio “inexplorado” e políticas comerciais podem ser adotadas
com o objetivo de expandir o comércio (HELMERS e PASTEELS, 2005).
Nesse sentido, em razão da importância que o trigo possui no mercado
internacional, este trabalho tem como objetivo avaliar os impactos dos principais fatores
determinantes sobre o comércio mundial dessa commodity e, posteriormente, mensurar o
potencial de comércio que cada um dos principais países exportadores possui sobre seus
parceiros comerciais.
2. Metodologia
2.1. Referencial Teórico
As teorias de comércio internacional buscam levantar as vantagens e os fatores que
impulsionam o comércio entre as nações. Como este trabalho tenta captar alguns fatores
determinantes das transações internacionais de comércio de trigo, a base teórica utilizada
aqui é composta pelas seguintes teorias: o modelo de Heckscher-Ohlin (H-O) e modelos de
retornos crescentes à escala e vantagens comparativas.
De acordo com o teorema de H-O ou teoria das proporções dos fatores, o comércio
internacional é conduzido pelas diferenças na dotação de recursos que existem entre os
países. Em termos gerais, um país tende a ser mais eficiente na produção de bens que são
intensivos no uso dos fatores que o país possui em abundância. Assim, um país se
especializa na produção e exportação de bens que fazem uso intensivo daqueles fatores que
lhes são abundantes e importará os bens cuja produção é dependente de fatores que são
escassos localmente.
Dessa forma, pelo modelo de H-O, os países responsáveis pelas exportações de
trigo e seus derivados no comércio internacional são aqueles que possuem vantagens na
produção, tais como abundância em terra, mão-de-obra especializada, técnicas de produção
e fatores climáticos favoráveis, dentre outros.
Entretanto, para Evenett e Keller (2002), no modelo de retornos constantes à escala
de H-O, só existe perfeita especialização quando as diferenças nas proporções dos fatores
entre os países são consideravelmente grandes, caso contrário, o comércio é explicado por
uma especialização imperfeita. Aqueles autores, ao analisar o comércio intra-indústria
entre países industrializados e países em desenvolvimento, concluíram que o comércio
entre os países industrializados (norte-norte), pode ser explicado por um modelo que
combina perfeita especialização e bens diferenciados. Já o comércio entre países
industrializados e países em desenvolvimento (norte-sul), pode ser explicado pela
especialização imperfeita.
Em anos recentes, as idéias de H-O também foram utilizadas para mostrar que um
país pode tanto exportar quanto importar mercadorias comuns (comércio intra-indústria),
ou mesmo exportar, por exemplo, um produto industrializado e importar commodities
(comércio interindústria). O comércio intra-indústria pode ser definido como a exportação
e a importação simultâneas de produtos provenientes de um mesmo setor, ou seja, produtos
similares, mas diferenciados entre dois ou mais países. Esse tipo de comércio surge em
decorrência de situações de sazonalidades na produção ou consumo, elevados custos de
transporte ou intermediação no comércio entre países. Tais países, à medida que se
desenvolvem, exportam e importam produtos de um mesmo setor em escala crescente, ou
seja, quanto maior a renda de uma economia, maiores as oportunidades de
3
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
desenvolvimento tecnológico, de integração produtiva e do crescimento do comércio intraindústria. Assim, o objetivo de tal comércio é obter ganhos decorrentes das escalas de
produção, da especialização, da racionalidade dos custos, do aumento de produtividade e
da conquista de vantagens competitivas.
Como mencionado, a renda dos países pode ser considerada um fator positivo ao
comércio intra-indústria. Nesse sentido, modelos teóricos formais do comércio intraindústria, tais como os de Helpman (1981), Krugman (1981) e Helpman e Krugman (1985)
descrevem que a diferença entre as rendas per capita dos países são negativamente
correlacionadas com o comércio. Adicionalmente, Helpman (1997) procurou caracterizar
as relações bilaterais de comércio, pondo em foco a questão “das diferenças no tamanho
dos países”. O autor utilizou em seu trabalho um grupo de países da Organização para o
Crescimento e Desenvolvimento Econômicos (OCDE) para avaliar a relação entre o PIB
dos países e o volume de comércio relativo. Ambas as variáveis cresceram com o tempo,
sugerindo que os países estavam se tornando similares em “tamanho” e que levava a um
crescimento do comércio entre eles.
2.2. Referencial Analítico
O uso de modelos de gravidade tem se tornado frequentes em análises empíricas
que explicam os fluxos internacionais de comércio. As primeiras aplicações desse modelo
para explicar os fluxos comerciais foram as de Tinbergen (1962) e Linnemann (1966).
Advindo do modelo de gravidade Newtoniano, a equação gravitacional utilizada para
explicar as relações de comércio defende que o mesmo é função do “tamanho econômico”
dos países parceiros comerciais e da distância entre eles. Em sua formulação básica, o
modelo de gravidade, em forma logarítmica, pode ser expresso como:
ln Fij = α + β1 ln M i + β 2 ln M j + β3 ln dij + vij
(1)
em que Fij é o fluxo bilateral de comércio entre o país i e o país j que está diretamente
relacionado com o “tamanho econômico” dos países (Mn), geralmente representado pelo
PIB dos mesmos, e inversamente relacionado com a distância entre eles (dij); α é uma
constante e vij o termo de erro.
Com a adição de distintas variáveis à forma básica apresentada, o modelo de
gravidade tem sido utilizado para explicar o chamado efeito-fronteira, ou seja, o quão os
países preferem o comércio intra-nacional ao internacional (McCALLUN, 2005;
HELLIWELL, 1996; ANDERSON e van WINCOOP, 2001; SILVA et al., 2007); o
impacto de tarifas e barreiras não tarifárias ao comércio (ANDERSON e VAN WINCOOP,
2004; KOMOROVSKA et al., 2007); o peso dos custos de transportes no comércio por
meio de fatores como infra-estrutura, tempo de transporte, adjacência e características
geográficas (HUMMELS, 1999; LIMÃO E VENABLES, 2001; HUMMELS e
LUGOVSKYY, 2006); e, dentre outros, o efeito da similaridade de renda nos fluxos
comerciais (BERGSTRAND, 1990; McPHERSON e TIESLAU, 2000; TANG, 2003).
Para determinar os impactos que os principais fatores determinantes possuem sobre
o comércio internacional de trigo, este estudo utiliza o modelo de gravidade, estimado com
dados em painel, conforme a seguinte forma funcional:
ln WEijt = α + δ1 ln Yit + δ 2 ln Y jt + δ 3 ln Dij + δ 4 ln LH ijt + δ 5 DAdjij + µijt
(2)
em que WEijt são as exportações de cada um dos dez principais exportadores mundiais de
trigo i para os países importadores j no período t; Yn, PIB dos países exportadores i e
4
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
importadores j no período t; Dij, distância entre o país exportador de trigo i e o importador
j, calculada com base nas coordenadas das capitais dos países; LHijt, quadrado da diferença
entre PIB per capita do país i e do país j; DAdjij, variável dummy que recebe valor 1 se o
país exportador i possui fronteiras territoriais comuns com o importador j e zero caso
contrário; e, µijt, o termo de erro.
Os coeficientes esperados para as variáveis contidas no modelo de gravidade
básico, como já mencionado, são positivos para as variáveis que representam o tamanho
econômico dos países, ou seja, o PIB dos mesmos (Yn), e negativo para a distância (Dij).
Esta última pode ser utilizada como uma proxy para os custos de transportes e quanto
maior esse custo, menor o volume esperado de comércio entre os países.
De acordo com Hummels (1999), os custos de transportes operam indiretamente
colocando o comércio de variedades específicas direcionado para locais próximos. Então,
similarmente à distância, a variável adjacência pode captar essa preferência. Em razão
disso, a variável dummy para adjacência DAdjij foi inserida neste estudo como forma de
detectar tal preferência para o comércio internacional de trigo. Finalmente, a variável LHijt,
que se define pela diferença absoluta entre as rendas percapita dos países parceiros
comerciais de trigo ao longo do tempo, tem por objetivo mensurar o efeito da similaridade
de renda no comércio. O sinal esperado para esse coeficiente é negativo, o que confirmaria
a hipótese de Linder.
Ademais, estudos como os de Wang e Invernos (1992), Hamilton e Invernos
(1992), Brulhart e Kelly (1999) e Benedictis e Vicarelli (2005) utilizam estimativas de
modelos de gravidade para calcular o potencial de comércio entre parceiros comerciais. De
acordo com Benedictis e Vicarelli (2005), a vantagem desses modelos está no fato de
incluírem determinantes de demanda e oferta (PIB e população dos países parceiros
comerciais), bem como de resistência ao comércio (distância geográfica, como proxy para
os custos de transportes, e efeito-fronteira) e fatores de preferências de comércio (acordos
preferenciais de comércio, fronteira territorial, idioma, moeda e, dentre outros, instituições
comuns).
O potencial de comércio é dado pela diferença entre os fluxos de comércio
observados e os estimados, o que permite avaliar o nível de integração entre os países. Se o
sinal da diferença for positivo, o comércio bilateral efetivo é maior que o previsto pelo
modelo e pode-se supor que o comércio alcançou um nível de potencial favorável a futuras
integrações sem custos sociais (BENEDICTIS e VICARELLI, 2005). Dessa maneira, no
presente estudo, por meio das estimativas encontradas pela equação (3) foram calculados
os potenciais de comércio entre cada país exportador de trigo e seus respectivos parceiros
comerciais. A forma funcional para tanto é expressa da seguinte maneira:
Pijt =
WE ijt
exp
WÊijt
(3)
exp
em que Pijt é um índice de potencial de comércio entre o país exportador i e o importador j
no período t; WEijt, como já definido, são os valores das exportações de trigo; WÊijt são os
fluxos de comércio previsto pela equação (2).
Para que os valores de Pijt sejam padronizados, o índice de potencial de comércio,
agora chamado de IPijt, é rearranjado da seguinte maneira:
IPijt =
Pijt − 1
Pijt + 1
(4)
5
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Assim, os valores encontrados para o índice IPijt variam entre -1 e 1. Índices
positivos indicam que o comércio bilateral efetivo da commodity é maior que o previsto
pelo modelo, se forem negativos o contrário.
2.3. Dados
Os dados utilizados neste trabalho são referentes aos principais países exportadores
mundiais de trigo, a saber: Estados Unidos, Canadá, Austrália, França, Argentina, Rússia,
Alemanha, Ucrânia, Cazaquistão e Reino Unido. Estes países foram selecionados com
base em dados referentes ao período de 2000 a 20061 do United Nations Commodity Trade
Statistics Database (UNCOMTRADE). A Tabela 1 a seguir descreve a fonte de dados de
cada uma das variáveis utilizadas.
Tabela 1: Descrição das variáveis utilizadas no trabalho
Variável
Descrição
Fonte
WEijt
Valor FOB das exportações dos países
exportadores de trigo i para cada um dos
importadores j em mil dólares, no período t.
(UNCOMTRADE).
Ynt
PIB de cada um dos países parceiros comerciais
de trigo em mil dólares, no período t.
Dados estatísticos do
Fundo Monetário
Internacional (FMI)
Ypcnt
Dij
LHijt
PIB per capita de cada um dos países parceiros
comerciais de trigo em mil dólares, no período t.
Distância em km, do país exportador i ao
importador j, que tem seu cálculo baseado nas
coordenadas das capitais dos países.
Quadrado da diferença entre PIB per capita do
país i e do país j em dólares.
FMI
French Research Center
in International
Economics (CEPII)
FMI
Fonte: Dados da pesquisa.
Vale mencionar o critério de seleção adotado para a escolha dos países
importadores. O UNCOMTRADE compreende um dos maiores bancos de dados sobre
estatísticas de comércio internacional de commodities. Os dados são capturados juntamente
às instituições responsáveis de cada país. Contudo, existem países que não possuem um
sistema de levantamento de dados eficiente e muitas informações, inclusive sobre o trigo,
não estão disponíveis para alguns anos. Então, os países importadores selecionados2 para
este trabalho foram aqueles para os quais existiam dados do comércio para todos os anos
do período de 2000 a 2006.
3. Resultados
Os resultados do modelo de gravidade proposto neste trabalho estão apresentados
na Tabela 2. A primeira coluna, nomeada de equação (1), corresponde às estimativas dos
parâmetros do modelo (3) proposto. Na segunda coluna, a equação (2) representa o mesmo
1
As exportações de trigo desses países corresponderam a 90% do total das exportações mundiais nesse período
(UNCONTRADE, 2008).
2
Os países importadores de trigo para cada um dos dez principais exportadores estão apresentados na Tabela 1A do
apêndice.
6
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
modelo, entretanto com a variável PIB per capita em lugar do PIB. A análise se refere a um
modelo global referente às exportações de trigo de cada um dos dez principais
exportadores mundiais no período de 2000 a 2006 e totalizou 2002 observações. As
estimações utilizaram dados em painel e correspondem ao modelo de efeitos fixos, o qual
foi selecionado pelo teste de Hausman. A presença de heterocedasticidade foi detectada
em ambas as equações pelo teste de Wald modificado3 e, em função disso, as estimativas
foram corrigidas pelo uso de variâncias robustas4.
A diferença entre as equações (1) e (2) está na variável que representa o “tamanho
econômico dos países”. Na primeira, utiliza-se o PIB e os coeficientes dessa variável
apresentaram sinais condizentes com o esperado. Isso mostra associação positiva entre esta
variável e o nível de exportação da commodity. Entretanto, o PIB dos países importadores
não se mostrou estatisticamente significativo para explicar o comércio mundial de trigo.
Por outro lado, na segunda equação está presente a variável PIB per capita (Ypcn), que
também é uma proxy para a massa econômica dos países que leva em consideração a
população e seus coeficientes foram semelhantes àqueles encontrados para a equação (1)
que utilizou a variável PIB.
Quanto à variável distância (Dij), que representa barreiras ao comércio como os
gastos com transportes, em ambos os modelos estimados os coeficientes foram altamente
significativos e concernentes com as expectativas. Os coeficientes de tal variável foram
semelhantes nos dois modelos. Porém, no modelo que considera o PIB per capita (equação
2), encontrou-se maior peso da distância sobre o comércio de trigo, indicando que,
aumentos de 10% na distância entre os países, reduzem o comércio do trigo, em média, em
12,13%.
Tabela 2: Estimativas do modelo de gravidade para o comércio de trigo, 2000-2006.
Variável
Const.
lnYi
lnYj
10,043
(4,569)**
0,545
(0,955)*
0,420
(0,348)ns
13,309
(3,881)*
-
lnYpcj
-
lnLHijt
DAdjij
R2
Estatística F
Estatística Chi2 (Hausman)
4
Equação (2)
lnYpci
lnDij
3
Equação (1)
-1,097
(0,242)*
-0,114
(0,049)**
2,485
(0,428)*
0,335
14,75
75,08
0,565
(0,118)*
0,367
(0,345)ns
-1,213
(0,266)*
-0,045
(0,025)***
2,493
(0,426)*
0,328
18,02
53,36
Esse teste foi proposto por Baum (2006) e faz parte do conjunto de testes disponíveis no software Stata 10.1.
Ver Wooldridge (2002) e Arellano (2003).
7
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Fonte: Elaborado com base nos resultados do trabalho.
Os valores que estão entre parêntesis são os erros-padrão e *, **, *** indicam níveis de significância de 1%,
5% e 10%, respectivamente. ns indica ausência de significância estatística.
A variável dummy utilizada no modelo para captar o efeito da adjacência (DAdjij),
juntamente à variável distância, tenta detectar a preferência dos principais países
exportadores de trigo em comercializar com os parceiros mais próximos (HUMMELS,
1999). Essa variável recebeu valor um para os países importadores de trigo que tinham
fronteiras comuns com os exportadores selecionados no modelo e zero para os demais.
Seus coeficientes foram praticamente iguais nos dois modelos estimados. A média dos
coeficientes estimados para as duas equações foi de 2,5, indicando que os principais países
exportadores mundiais de trigo comercializam cerca de 12 vezes mais com seus parceiros
vizinhos do que com os demais países (exponencial de 2,5).
Por fim, os efeitos da similaridade de renda entre os países sobre o comércio
internacional de trigo foram mensurados pela variável LHijt, que foi definida pelo quadrado
da diferença entre o PIB percapita do país exportador e o do país importador para cada
período de tempo. Observou-se que tanto no modelo que utiliza a variável PIB (equação 1),
quanto no que utiliza o PIB percapita (equação 2), a hipótese de Linder foi confirmada.
Portanto, quanto maior a similaridade de renda entre os países, maior o comércio de trigo
entre eles. De outro modo, quanto maior a divergência entre a renda do país exportador e
do importador de trigo, menor as relações bilaterais de comércio. Pode-se observar que o
efeito da divergência entre as rendas dos países sobre as exportações do trigo, é menor, no
modelo que utiliza como proxy da massa econômica a variável PIB percapita. Essa
diferença nas elasticidades não é surpreendente, uma vez que o PIB percapita representa a
renda individual de cada habitante dos países, os quais são os consumidores diretos do
cereal. Isso não ocorre quando se considera o PIB, variável que agrupa a renda da
economia como um todo.
As estimativas do potencial de comércio entre as relações bilaterais de comércio do
trigo, baseados na equação (1) da Tabela 2, estão apresentados nas Figuras de 1 a 10, a
seguir. Cada uma das figuras corresponde à evolução do índice de potencial de comércio
de trigo (IPijt) de cada um dos dez países exportadores utilizados neste estudo, para cada
importador correspondente, durante o período de 2000 a 2006. Cada país importador está
representado nas figuras por códigos de classificação utilizados pelas Nações Unidas5.
Observam-se, de forma geral, oscilações robustas nos valores dos índices ao longo
do tempo, que tenderam a permanecer só positivos ou só negativos. O índice de potencial
de comércio é dado pela diferença entre os valores das exportações de trigo observadas e
as estimadas e apresenta valores que variam entre -1 e +1. No caso do índice positivo, o
comércio observado foi superior ao estimado pelo modelo, ou seja, o comércio potencial
de trigo é favorável a maior integração entre os países. Se negativo o contrário. Caso o
índice seja muito próximo de zero, há um nível de “equilíbrio” no potencial de comércio.
5
Os países e seus respectivos códigos de classificação estão disponibilizados na Tabela 1A do apêndice.
8
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Figura 1: Índice de potencial de comércio de trigo - Argentina
Figura 2: Índice de potencial de comércio de trigo - Austrália
9
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Figura 4: Índice de potencial de comércio de trigo - Cazaquistão
Figura 3: Índice de potencial de comércio de trigo - Canadá
10
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Figura 6: Índice de potencial de comércio de trigo - Rússia
Figura 5: Índice de potencial de comércio de trigo - Ucrânia
11
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Figura 7: Índice de potencial de comércio de trigo - França
12
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Figura 8: Índice de potencial de comércio de trigo - Alemanha
13
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Figura 9: Índice de potencial de comércio de trigo – Reino Unido
14
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Figura 10: Índice de potencial de comércio de trigo – Estados Unidos
A Argentina, por exemplo, é o principal exportador de trigo da América do Sul e
o quinto principal exportador mundial no período de análise, segundo dados do
UNCOMTRADE (2008). Os valores encontrados para o seu índice de potencial de
comércio foram positivos, isto é, comércio efetivo superior ao previsto, somente para os
países de códigos 68, 76, 600 e 604, que são respectivamente: Bolívia, Brasil, Paraguai
e Peru. Estes resultados são pertinentes às expectativas, uma vez que esses importadores
são países geograficamente próximos à Argentina, o que facilita o comércio. De outra
forma, como estimado no modelo de gravidade deste estudo, a distância se mostrou um
fator de influência negativa ao comércio, então, índices de potencial de comércio
positivos para esses países vizinhos são condizentes e mostram possibilidade da
ampliação da integração nesse tipo de comércio (BENEDICTIS e VICARELLI, 2005).
Assim como a Argentina, a maioria dos outros exportadores também apresentou essas
mesmas relações de resultados para os índices de potencialidade calculados.
Dentre os principais países importadores de trigo no mundo entre 2000 e 2006
estão Itália, Japão e Brasil (UNCOMTRADE, 2008). A Itália apresentou índices de
potencialidade de comércio positivos, ou seja, possui possibilidade de ampliar o
consumo de trigo dado a grande integração desse comércio com exportadores como
Austrália, Alemanha e Rússia. O Japão apresentou índices de potencialidade de
15
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
comércio também positivos com Estados Unidos e França. Já o Brasil, com Argentina e
Canadá.
Por fim, os casos em que o índice de potencial de comércio possui sinal negativo
estiveram presentes em significativa parcela dos resultados. Tal resultado indica que há
um potencial de comércio de trigo “inexplorado”, ou seja, o comércio que efetivamente
ocorreu foi abaixo do potencial estimado pelo modelo utilizado neste estudo e existe a
possibilidade de ampliação do mesmo. Para Benedictis e Vicarelli (2005), esses
resultados mostram a necessidade de incentivos ou promoções das exportações.
4 – Conclusões
Este trabalho realizou uma análise sobre os fatores que afetam o comércio
internacional de um dos cereais mais consumidos no mundo, o trigo. Adicionalmente,
também mensurou o nível de potencial do comércio dos países exportadores. Foram
utilizados dados dos dez principais países exportadores para um total de cento e trinta e
dois países importadores.
Por meio de um modelo de gravidade, observou-se que as variáveis básicas de
oferta, PIB e PIB percapita dos países importadores, bem como a variável distância, se
mostraram coerentes com as expectativas. Isso quer dizer que a renda dos países é um
fator favorável ao comércio internacional desse grão e, de outro lado, que a distancia
entre os países parceiros comerciais é confirmada como um fator de resistência ao
comércio.
No que tange ao potencial de comércio, verificou-se padrões diversificados.
Muitos foram os casos da existência de potenciais de comércio “inexplorados”, ou seja,
o comércio internacional de trigo efetivo inferior ao previsto pelo modelo. Para esses
casos, sugerem-se medidas para incentivo à ampliação ou facilitadoras do comércio de
trigo.
Vale aqui uma observação quanto ao índice de potencial de comércio calculado.
O método empregado para sua mensuração depende do nível de comércio previsto pelo
modelo estimado, fato esse que sofre algumas críticas devido à possibilidade de uma
especificação imperfeita do mesmo. Porém, a exemplo de outros autores que utilizaram
o mesmo método, este estudo considera o peso desta crítica amenizado pelo fato de
terem sido utilizadas variáveis indicadas pela teoria.
Referências
ANDERSON, J. A.; van WINCOOP, E., Gravity with gravitas: a solution to a border
puzzle. American Economic Review, v. 93, n. 1, p. 170-92, 2001.
ANDERSON, J. A.; van WINCOOP, E., Trade costs. Journal of Economic
Literature, v. 42, n. 3, p. 691-751. 2004.
ARELLANO, M. Panel Data Econometrics. New York: Oxford University. Press,
2003.
16
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
BAUM, C. F. An introduction to modern econometrics using Stata. Texas:
StataCorp LP/College Station, 2006.
BENEDICTS, L.; VICARELLI, C. Trade Potentials in Gravity Panel Data Models.
Topics in Economic Analysis & Policy. Issue 1, n. 20, v. 5, 2005.
BERGSTRAND , J. H. The Heckscher-Ohlin-Samuelson Model, the Linder Hypothesis
and the Determinants of Bilateral Intra-Industry Trade. The Economic Journal, n.100,
v.403, p.1261-1229, 1990.
BRULHART, M.; KELLY, M. J. Ireland’s Trading Potential with Central and Eastern
European Countries: A Gravity study, Economic and Social Review, n. 30, v. 2, p.
159-174, 1992.
CARRILLO, C.; LI, C. A. Trade Blocks and the Gravity Model: Evidence from Latin
American Countries. University of EssexWorking Paper, University of Essex,
Wivenhoe
Park,
Colchester,
UK,
2002.
Disponível
em:
<
http://www.essex.ac.uk/economics/discussion-papers/papers-text/dp542.pdf>. Acesso
em: 20/12/2008.
CEPII - French Research Center in International Economics. Distance databases.
Disponível em: <http://www.cepii.fr/anglaisgraph/bdd/distances.htm>. Acesso em:
23/09/2008.
EVENETT, S. J.; KELLER, W. On Theories Explaining the Success of the Gravity
Equation. The Journal of Political Economy, v. 110, n. 2, pp. 281-316, 2002.
HALLAK, J. C. A product-quality view of the Linder Hypothesis. International NBER
Working
Paper
Series,
n.
12712,
2006.
Disponível
em:
<http://www.nber.org/papers/w12712.pdf>. Acesso em: 10/01/2009.
HAMILTON, C. B.; WINTERS, A. L. Opening Up International Trade with Eastern
Europe, Economic Policy, n. 14, p. 77–116,1992.
HELLIWELL, J. F., How much do national borders matter? Washington, D.C.
Brookings Institution Press, 1996. 156 p.
HELPMAN, E. International trade in the presence of product differentiation, economies
of scale and monopolistic competition: a Chamberlin-Heckscher-Ohlin approach.
Journal of International Economics, v. 2, p. 305-40, 1981.
HELPMAN, E.; KRUGMAN, P. R. Market Structure and Foreign Trade: Increasing
Returns, Imperfect Competition, and the International Economy. Cambridge, Mass.:
MIT Press, 1985.
17
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
HELMERS, C.; PASTEELS, J. A Gravity Model for the Calculation of Trade
Potentials for Developing Countries and economies in transition. International
Trade Center TradeSim, Technical report, UNCTAD – WTO, 2005.
HUMMELS, D., Toward a Geography of Trade Costs. Working Paper 17, Global
Trade Analysis Project, Purdue University, 1999.
HUMMELS, D., LUGOVSKYY, V. Are Matched Partner Statistics a Usable Measure
of Transportation Costs?, Review of International Economics, n.14, v.1, p.69-86,
2006.
KOMOROVSKA, J.; KUIPER, M.; TONGEREN, F. Sharing Gravity: gravity estimates
of
trade
shares
in
agri-food.
2007.
Disponível
em:
<http://library.wur.nl/file/wurpubs/LUWPUBRD_00356341_A502_001.pdf >. Acesso
em: 10/12/2008.
KRUGMAN, P. Scale economies, product differentiation, and the pattern of trade.
American Economic Review, v. 70, p. 950-959, 1980.
KRUGMAN, P.Intra-industry specialization and the gains from trade. Journal of
Political Economy, v. 89, p.. 959-73, 1981.
LIMÃO, N.; VENABLES, A. J. Infrastructure, geographical disadvantage and
transport costs. World Bank Economic Review. n.15, v.3, p. 451–479, 2001.
LINNEMANN, H. An econometric study of international trade flows. Amsterdam,
North-Holland Pub. Co, 1966.
McCALLUM, J., National borders matter: Canadá-U.S. regional trade patterns.
American Economic Review, v. 85, n. 3, p. 615-23, 1995.
McPHERSON, M. A.; REDFEARN, M. R.; TIESLAU, M. A. A re-examination of the
Linder hypothesis: a random-effects tobit approach. International Economic Journal.
v. 14, n. 3, p. 123-136, 2000.
SHEPOTYLO, O. Gravity with zeros: estimating trade potential of CIS countries.
Social
Science
Research
Network,
2009.
Disponível
em:
<http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1347997>Acesso em: 25/02/2009.
SILVA, O. M.; ALMEIDA, F. M.; OLIVEIRA, B. M., Intra-national versus
international trade in Brazil: measuring the border effect. XII ANNUAL
CONFERENCE: WESTERN HEMISPHERIC INTEGRATION IN A COMPETITIVE
GLOBAL ENVIRONMENT, 2007, Texas and Monterrey, Anais…, Laredo: TAMIU,
2007.
18
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
TANG, Donny. Economic integration among the Asia-Pacific economic cooperation
countries: Linder effect on developed and developing countries (1985-1999). The
International Trade Journal, v. 17, n. 1, p. 19-49, 2003.
TINBERGEN, J. Shaping the world economy. New York: XXth Century fund, 1962.
UNCOMTRADE - United Nations Commodity Trade Statistics Database. Commodity
data
availability.
Disponível
em:
<http://comtrade.un.org/db/mr/rfCommoditiesList.aspx>. Acesso em: 02/09/2008.
WANG, Z.; WINTERS, A. L. The Trading Potential of Eastern Europe, Journal of
Economic Integration, n.7, p.113-136, 1992.
WOOLDRIDGE, J. M. Econometric analysis of cross section and panel data.
Cambridge, Mass., MIT Press, 2002.
Apêndice
Tabela 1A: Países exportadores de trigo e seus respectivos países importadores
Exportador
Argentina
Austrália
Alemanha
Canadá
Cazaquistão
Estados
Unidos
França
Reino Unido
Rússia
Ucrânia
Importadores
Alemanha, Bolívia, Brasil, Canadá, Chile, Espanha, Estados Unidos, França, Paraguai, Peru, Uruguai.
China, Cingapura, Coréia, Fiji, Filipinas, Hong Kong, Ilhas Salomão, Índia, Indonésia, Itália, Japão,
Kiribati, Líbano, Malásia, Mauritius, Nova Zelândia, Papua, Nova Guiné, Sirilanca, Tailândia, Vanuatu,
Vietnã.
África do Sul, Angola, Austrália, Áustria, Belarus, Bélgica, Benin, Bósnia, Burkina Faso, Camarões,
Croácia, Dinamarca, Emirados Árabes Unidos, Eslováquia, Eslovênia, Espanha, Estados Unidos,
Finlândia, França, Grécia, Hong Kong, Hungria, Indonésia, Inglaterra, Irlanda, Israel, Itália, Líbano,
Libéria, Líbia, Luxemburgo, Malásia, Maldives, Mali, Moldova, Nigéria, Noruega, Polônia, Reino
Unido, República Checa, Romênia, Rússia, Serra Leão, Sérvia e Montenegro, Sudão, Suécia, Suíça,
Tailândia, Ucrânia.
África do Sul, Bahamas, Barbados, Bélgica, Brasil, China, Cingapura, Coréia, Costa Rica, Emirados
Árabes Unidos, Estados Unidos, França, Grécia, Hong Kong, Índia, Inglaterra, Islândia, Itália, Japão,
Jordânia, Líbano, Reino Unido, Santa Lucia, Suíça, Trinidade e Tobago, Turquia, Venezuela.
Afeganistão, Alemanha, Coréia, Kyrgyzstan, Mongólia, Inglaterra, Rússia, Tajiquistão, Turquia,
Turkmenistão, Reino Unido, Uzbequistão.
Albânia, Azerbaijão, Austrália, Bahamas, Bolívia, Canadá, Chad, China, Colômbia, República
Dominicana, Etiópia, Geórgia, Haiti, Honduras, Hong Kong, Islândia, Jamaica, Japão, Kenya, Coréia,
Malásia, México, Moldova, Inglaterra, Panamá, Peru, Rússia, Arábia Saudita, Cingapura, Suriname,
Tajiquistão, Trinidade e Tobago, Emirados Árabes Unidos, Reino Unido.
África Central, Alemanha, Angola, Armênia, Áustria, Bélgica, Benin, Bulgária, Burkina Faso, Camarões,
Camarões, Canadá, Chad, Cingapura, Congo, Congo, Coréia, Cote d'ivoire, Cyprus, Dinamarca, Djibuti,
Emirados Árabes Unidos, Equador, Espanha, Estados Unidos, Gabon, Gâmbia, Gana, Grécia, Guiné,
Guiné Equatorial, Guiné-Bissau, Inglaterra, Irlanda, Israel, Itália, Japão, Líbano, Libéria, Líbia,
Luxemburgo, Macedônia, Madagascar, Mali, Mauritânia, Nigéria, Noruega, Polônia, Portugal, Reino
Unido, República Dominicana, Romênia, Rússia, Senegal, Suécia, Suíça, Venezuela, Vietnã.
África do Sul, Alemanha, Áustria, Bahrain, Bélgica, Canadá, China, Cyprus, Dinamarca, Emirados
Árabes Unidos, Espanha, Estados Unidos, Finlândia, França, Gana, Gibraltar, Grécia, Hong Kong, Índia
Inglaterra, Irlanda, Israel, Itália, Japão, Kuwait, Malta, Mauritius, Noruega, Polônia, Portugal, Rússia,
Suécia, Suíça, Tailândia, Turquia.
Afeganistão, Alemanha, Armênia, Azerbaijão, Bélgica, Cazaquistão, China, Coréia, Estados Unidos,
Finlândia, França, Geórgia, Grécia, Inglaterra, Itália, Japão, Kyrgyzstan, Lituânia, Moldova, Mongólia,
Reino Unido, Suécia, Tajiquistão, Turkmenistão, Ucrânia, Uzbequistão.
Alemanha, Estados Unidos, França, Geórgia, Inglaterra, Rússia.
Fonte: Elaborado com base em dados do UNCOMTRADE (2008).
19
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural
Tabela 2A: Códigos de classificação dos países da análise
Código
4
8
24
31
32
36
40
44
48
51
52
56
68
70
76
90
100
112
120
124
140
144
148
152
156
170
174
178
180
188
191
196
203
204
208
214
218
226
231
242
246
251
262
266
País
Afeganistão
Albânia
Angola
Azerbaijão
Argentina
Austrália
Áustria
Bahamas
Bahrain
Armênia
Barbados
Bélgica
Bolívia
Bósnia
Brasil
Ilhas Salomão
Bulgária
Belarus
Camarões
Canadá
África Central
Sirilanka
Chad
Chile
China
Colômbia
Camarões
Congo
Congo
Costa rica
Croácia
Cyprus
República Checa
Benin
Dinamarca
Rep. Dominicana
Equador
Guiné Equatorial
Etiópia
Fiji
Finlândia
França
Djibuti
Gabon
Código
268
270
276
288
292
296
300
324
332
340
344
348
352
360
372
376
381
384
388
392
398
400
404
410
414
417
422
430
434
440
442
450
458
462
466
470
478
480
484
496
498
528
548
554
País
Geórgia
Gâmbia
Alemanha
Gana
Gibraltar
Kiribati
Grécia
Guiné
Haiti
Honduras
Hong Kong
Hungria
Islândia
Indonésia
Irlanda
Israel
Itália
Cote d'ivoire
Jamaica
Japão
Cazaquistão
Jordan
Kenya
Coréia
Kuwait
Kyrgyzstan
Líbano
Libéria
Líbia
Lituânia
Luxemburgo
Madagascar
Malásia
Maldives
Mali
Malta
Mauritânia
Mauritius
México
Mongólia
Moldova
Inglaterra
Vanuatu
Nova Zelândia
Código
562
579
591
598
600
604
608
616
620
624
642
643
643
662
682
686
694
699
702
703
704
705
710
724
736
740
752
757
762
764
780
784
792
795
804
807
826
842
854
858
860
862
891
País
Nigéria
Noruega
Panamá
Papua Nova Guiné
Paraguai
Peru
Filipinas
Polônia
Portugal
Guiné-Bissau
Romênia
Rússia
Rússia
Saint Lucia
Arábia Saudita
Senegal
Serra Leão
Índia
Cingapura
Eslováquia
Vietnã
Eslovênia
África do Sul
Espanha
Sudão
Suriname
Suécia
Suíça
Tajiquistão
Tailândia
Trinidade e Tobago
Emirados Árabes Unidos
Turquia
Turkmenistão
Ucrânia
Macedônia
Reino Unido
Estados Unidos
Burkina Faso
Uruguai
Uzbequistão
Venezuela
Sérvia e Montenegro
Fonte: Selecionados de acordo com a análise do trabalho.
20
Porto Alegre, 26 a 30 de julho de 2009,
Sociedade Brasileira de Economia, Administração e Sociologia Rural