Energia e PIB no Brasil: Estimativas da Elasticidade-Renda...

FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM

ADMINISTRAÇÃO E ECONOMIA

DDIISSSSEERRTTAAÇÇÃÃOO DDEE MMEESSTTRRAADDOO PPRROOFFIISSSSIIOONNAALLIIZZAANNTTEE EEMM EECCOONNOOMMIIAA

Energia e PIB no Brasil: Estimativas da Elasticidade-Renda e Causalidade.

MMAARRCCOOSS MMAAZZZZAARROOPPPPII DDEE CCAAMMPPOOSS RROOSSAA ORIENTADOR: PROF. DR. MARCELO DE ALBUQUERQUE E MELLO

Rio de Janeiro, 22 de junho de 2011.

ENERGIA E PIB NO BRASIL: ESTIMATIVAS DA ELASTICIDADE-RENDA E CAUSALIDADE

MARCOS MAZZAROPPI DE CAMPOS ROSA

Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Economia Empresarial

ORIENTADOR: PROF. DR. MARCELO DE ALBUQUERQUE E MELLO


ENERGIA E PIB NO BRASIL: ESTIMATIVAS DA ELASTICIDADE-RENDA E CAUSALIDADE

MARCOS MAZZAROPPI DE CAMPOS ROSA

Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Economia Empresarial

Avaliação:

BANCA EXAMINADORA:

_____________________________________________________

Professor MARCELO DE ALBUQUERQUE E MELLO (Orientador) Instituição: Faculdade de Economia e Finanças IBMEC _____________________________________________________

Professor ALEXANDRE BARROS DA CUNHA Instituição: Faculdade de Economia e Finanças IBMEC _____________________________________________________

Professor WERNER BAER Instituição: University of Illinois at Urbana-Champaign


M

330 M332

Mazzaroppi, Marcos de Campos Rosa.

Energia e PIB: Estimativas da Elasticidade-Renda e Causalidade / Marcos Mazzaroppi de Campos Rosa – Rio de Janeiro: Faculdades Ibmec, 2011.

P. 51 Dissertação apresentada ao curso de Mestrado Profissionalizante em

Economia como requisito parcial para obtenção do grau de Mestre em Economia. Área de Concentração: Orientador: Prof. Dr. Marcelo de Albuquerque Mello 1. Consumo de Energia Primária – Brasil 2.PIB X Consumo de Energia Primária - Brasil

II. Prof.Dr. Mello, Marcelo de Albuquerque (Orientador). III. Energia e PIB na Brasil: Estimativas da Elasticidade - Renda e Causalidade.

i

DEDICATÓRIA

A minha família, que esteve sempre presente ao meu lado, em todos os desafios.

ii

AGRADECIMENTOS

A Deus.

Ao meu orientador, Marcelo Mello, pelas excelentes aulas e orientação, que tornaram este

trabalho real. Aos professores Alexandre Cunha e Werner Baer por participarem da minha

banca.

Aos meus amigos de trabalho que estiveram sempre presentes na elaboração de idéias e no

incentivo. Em especial: Alfredo Renault, Bruno Musso, Eloi Fernandez, Helena Fonseca,

Henrique Gruenbaum, Juliana Lattari, Paulo Buarque e Rodolfo Fraenkel, pela valorosa troca

de idéias sobre o tema e ajuda no texto.

Aos meus irmãos, agradeço pela paciência que tiveram em me esperar.

iii

RESUMO

A proposta deste trabalho é analisar a relação entre PIB e o consumo de energia primária no

Brasil, no período de 1970 a 2009. Estimar a elasticidade-renda e a direção da causalidade

preditiva entre as variáveis é importante para os gestores de políticas. Utilizamos o Modelo de

Correção de Erro Vetorial – MCEV, em um Vetor Auto Regressivo – VAR, com três

variáveis: PIB, consumo de energia primária e preço da energia primária. Os resultados

mostram uma elasticidade-renda superior a 1, com a direção da causalidade indo do PIB para

a Energia, o que sugere o Brasil ser um país menos energeticamente dependente. Construímos

modelos econométricos alternativos e finalmente, realizamos um breve cenário da demanda

futura por energia.

Palavras Chave: PIB, Energia, Elasticidade-renda da energia, VAR, MCEV, Cointegração.

iv

ABSTRACT

The purpose of this paper is to analyze the relationship between GDP and Energy in Brazil

using data for the period of 1970 to 2009. In this regard, estimating the income-elasticity and

the direction of the Granger causality is important to policy makers. Three variables ; GDP,

Energy Consumption and Energy Price were used and applied to a Vector Error Correction

Model – VECM and a Vector Auto Regressive – VAR. The empirical results provide an

income-elasticity above 1 and the causality running from GDP to Energy. Finally, alternative

models were constructed and a future demand scenario for energy was forecasted.

Key Words: GNP, Energy, Income elasticity of energy, VAR, VECM, Cointegration

v

LISTA DE FIGURAS

Figura 1 – Oferta Interna de energia primária: Fontes energéticas .......................................... 10 Figura 2 – Oferta Interna de energia primária: Blocos energéticos .......................................... 11 Figura 3 – Oferta de Energia estimada versus Oferta de Energia real ..................................... 15 Figura 4 – PIB e Energia .......................................................................................................... 26 Figura 5 – Balanço Energético Nacional (2010). Tabela VIII.9 / Densidades e Poderes

Caloríficos ........................................................................................................................ 34 Figura 6 – Lee(2005). Quadro comparativo dos estudos anteriores ......................................... 35 Figura 7 – Belke et al. (2010). Quadro comparativo dos estudos anteriores. .......................... 36 Figura 8 – Kayoncu et al. (2010). Quadro comparativo dos estudos anteriores ...................... 37 Figura 9 – EPE (2010). Elasticidade-renda do consumo de energia ........................................ 38

vi

LISTA DE TABELAS

Tabela 1 – Variáveis Utilizadas .................................................................................................. 9 Tabela 2 – Fontes de Energia Primária ..................................................................................... 11 Tabela 3 – Teste de Raiz Unitária (DF-GLS) ........................................................................... 19 Tabela 4 – Critério de seleção de defasagens. VAR Energia ................................................... 19 Tabela 5 – Critério de inclusão – termo de tendência. VAR Energia ...................................... 20 Tabela 6 – Teste do Autovalor Máximo ................................................................................... 21 Tabela 7 – Teste do Traço ........................................................................................................ 21 Tabela 8 – Vetor de Correção de Erros .................................................................................... 22 Tabela 9 – Causalidade de Granger .......................................................................................... 23 Tabela 10 – Teste do Autovalor Máximo – sem tendência ...................................................... 30 Tabela 11 – Teste do Traço– sem tendência............................................................................. 30 Tabela 12 – Vetor de Correção de Erros – sem tendência....................................................... 30 Tabela 13 – Vetor de Correção de Erros – sem tendência........................................................ 31 Tabela 14 – Vetor de Correção de Erros – sem tendência........................................................ 31 Tabela 15 – Teste do Autovalor Máximo – Modelo bí-variável, com tendência ..................... 31 Tabela 16 – Teste do Traço – Modelo bí-variável, com tendência .......................................... 31 Tabela 17 – Teste do Autovalor Máximo – Modelo bí-variável, sem tendência ..................... 32 Tabela 18 – Teste do Traço – Modelo bí-variável, sem tendência ........................................... 32 Tabela 19 – Vetor de Correção de Erros – Modelo Bí-Variável, sem tendência ..................... 32

vii

LISTA DE ABREVIATURAS ANEEL Agência Nacional da Energia Elétrica

ANP Agência Nacional do Petróleo, Gás Natural e Biocombustíveis

ADF Argumented Dickey-Fuller

AIC Akaike Information Criteria

BEN Balanço Energético Nacional

DF-GLS Dickey-Fuller Generalized Least Square

EIA Energy Information Administration

EPE Empresa de Planejamento Energético

IGP-DI Índice geral de preços – disponibilidade interna

MCEV Modelo de Correção de Erro Vetorial

MME Ministério de Minas e Energia

PIB Produto Interno Bruno

PNB Produto Nacional Bruto

SIC Schwarz Information Criteria

TEP Tonelada Equivalente de Petróleo

VAR Vetor Auto Regressivo

VCE Vetor de Correção de Erro

viii

SUMÁRIO

1 INTRODUÇÃO ................................................................................................................ 1

2 REVISÃO DA LITERATURA ....................................................................................... 5

3 MODELO TEÓRICO ...................................................................................................... 8

4 DADOS E METODOLOGIA .......................................................................................... 9

4.1 DADOS .............................................................................................................................. 9 4.1.1 CONSTRUÇÃO DO ÍNDICE DE PREÇOS ....................................................... 10 4.1.2 ÍNDICE DE PREÇO DO PETRÓLEO ................................................................ 12 4.1.3 ÍNDICE DE PREÇO DO GÁS NATURAL ......................................................... 12 4.1.4 ÍNDICE DE PREÇO DA ENERGIA ELÉTRICA .............................................. 13 4.1.5 ÍNDICE DE PREÇO DOS DERIVADOS DE CANA-DE-AÇUCAR E OUTROS RENOVÁVEIS ...................................................................................................... 14 4.1.6 ÍNDICE DE PREÇO ESTIMADO DA ENERGIA PRIMÁRIA ....................... 14

4.2 METODOLOGIA ........................................................................................................... 16

5 ANÁLISE EMPÍRICA ................................................................................................... 18

5.1 MODELO DE DEMANDA DE ENERGIA PRIMÁRIA ............................................ 19

5.2 CAUSALIDADE DE GRANGER ................................................................................. 22

ix

5.3 MODELOS ALTERNATIVOS ..................................................................................... 23

5.4 CENÁRIOS FUTUROS ................................................................................................. 25

6 CONCLUSÃO ................................................................................................................. 27

REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................. 28

APÊNDICE A ......................................................................................................................... 30

ANEXO A ................................................................................................................................ 33

ANEXO B ................................................................................................................................ 35

ANEXO C ................................................................................................................................ 38

1

1 INTRODUÇÃO

Um assunto importante para os gestores de políticas é a relação entre o PIB e o consumo de

energia primária. Diversos estudos já foram realizados para tentar identificar a direção da

causalidade preditiva entre as variáveis, e a elasticidade-renda do consumo de energia

primária, porém ainda não existe consenso na literatura econômica.1

Estudar a relação entre PIB e consumo de energia auxilia no planejamento do país, pois é

necessário que a política econômica esteja alinhada com a política energética. Caso não exista

energia necessária para sustentar o nível de atividade econômica, o PIB poderá sofrer um

impacto negativo, pois não será possível atingir o nível de produção esperado. Estimar a

elasticidade-renda do consumo de energia ajuda na convergência das políticas, ou seja, o

equilíbrio entre a oferta interna de energia com a demanda energética futura, impulsionada

pelo aumento do PIB. O coeficiente estimado da elasticidade-renda torna viável a elaboração

de previsões da demanda futura por energia, baseado em projeções da política econômica.

Modelos de crescimento econômico tipicamente levam em consideração os fatores de

produção capital e trabalho, entretanto o papel da energia vem sendo estudado nestes

modelos. Segundo Pierse et al. (2005), a energia primária é um fator de produção importante,

1 Energia primária é o somatório de todas as fontes energéticas

2

junto aos dois tradicionais,capital e trabalho, junto com outras matérias primas. Com isso,

espera-se que o consumo de energia esteja correlacionado com o PIB.

A direção da causalidade impacta diretamente na escolha da política energética. Lee (2005)

argumenta que caso a direção da causalidade aconteça do PIB para a energia, o país tem uma

economia com menor grau de dependência energética, ou seja, uma redução ou mudança na

política energética gera menor impacto na economia. Porém, caso a causalidade ocorra do

consumo de energia para o PIB, o país possui alto nível de dependência energética, porque

neste caso o aumento do consumo de energia primária induz o aumento do PIB. Caso a oferta

de energia primária seja menor que a demanda, o consumo será menor que o “potencial”

(esperado), impactando o negativamente o PIB.

Payne e Apergis (2009) argumentam que a ausência de um consenso nos trabalhos empíricos

entre a direção da causalidade, ocorre devido a uma série de fatores, entre eles: países com

estágios econômicos diferentes, metodologias econométricas diversas, variáveis omitidas e

fontes energéticas distintas.

Belke et al. (2010) afirmam que o preço da energia foi negligenciado em vários estudos.

Logo, os parâmetros de longo prazo e a direção da causalidade podem estar enviesados. A

omissão da variável de preço da energia em alguns modelos ocorre pela dificuldade de se

obter o preço real da energia primária, pois este é a média dos preços de todas as fontes

presentes na matriz energética do país. Neste trabalho, estimamos o preço da energia primária

através da utilização da energia, dividida em quatro blocos: petróleo, gás natural, energia

elétrica, álcool e outros renováveis.

3

Segundo Saten (2008), a informação precisa da elasticidade-renda e elasticidade-preço

possibilita a elaboração de projeções sobre a demanda futura de energia, em relação ao nível

da atividade econômica esperada.

O objetivo deste trabalho é estudar a elasticidade-renda de longo prazo do consumo de

energia primária no Brasil, ou seja, analisar qual é o impacto do nível da atividade econômica

no consumo energético primário e estimar a direção da relação de causalidade entre as

variáveis.

Os resultados do modelo empírico sugerem que a relação de causalidade entre energia e PIB

ocorra na direção do PIB para o consumo de energia, sendo o Brasil, no período de 1970 a

2009, um país energeticamente menos dependente, atenuando o impacto de um descompasso

entre as políticas energéticas e econômicas.

A elasticidade-renda estimada no período foi superior a 1, o que sugere um maior impacto no

consumo de energia vis a vis o nível de atividade econômica, pois ao aumentar em 1% o PIB ,

o consumo por energia primário ira aumentar mais do que 1%.

Apresentamos ao final do trabalho uma projeção da demanda futura de energia, baseada na

elasticidade-renda estimada.

Este trabalho está divido em seis capítulos. O capítulo dois reúne a literatura econômica, o

terceiro faz uma breve descrição do modelo teórico de consumo energético/crescimento

econômico. O quarto capítulo explica a metodologia utilizada e a base de dados. O capítulo

cinco é composto pela análise empírica dos dados, aplicação da metodologia, elaboração de

4

modelos alternativos e projeção da demanda futura por energia primária. Por fim, concluímos

no capítulo seis.

5

2 REVISÃO DA LITERATURA

Segundo Belke et al. (2010), podemos dividir os trabalhos empíricos que estudam a relação

entre energia primária e o nível de atividade econômica, em três gerações.

A primeira geração assume que as variáveis são estacionárias e utilizam a metodologia de

Vetores Auto Regressivos - VAR, com testes de causalidade unidirecional de Granger ou

Sims.2

A segunda geração de trabalhos sugere uma abordagem de tendência estocástica das variáveis,

ou seja, de séries não estacionárias. Tendo como base o modelo de Engle e Granger (1987),

com a aplicação do conceito de cointegração, em um Modelo de Correção de Erro Vetorial -

MCEV.

A terceira geração utiliza como base a metodologia de Johansen (1991), com uma abordagem

de multi-variáveis, principalmente com a inclusão de uma variável representando o preço da

energia primária.

2 Teste utilizado no artigo de Kraft e Kraft (1974), baseado na metodologia de causalidade preditiva – Granger

Causality. O teste de Sims está disponível no artigo: SIMS, Christopher. 1972. Money, Income, and Causality. The American Economic Review, Vol. 62

6

Kraft e Kraft (1978) foram os pioneiros no estudo entre energia e PNB. Eles concluíram que

existe uma relação de causalidade unidirecional, do PNB para o consumo de energia nos

EUA, no período de 1947 a 1974.

Masih e Masih (1996) argumentam que o teste de causalidade é muito sensível a séries não

estacionárias. Citam o trabalho de Yu e Hwang (1984) que utilizando a metodologia de

cointegração, obtiveram resultados diferentes nos EUA, no mesmo período do estudo de Kraft

e Kraft. Citam também o trabalho de Dunkerley (1982), expondo que o consumo de energia e

o PIB são altamente correlacionados, tanto de forma nominal quando em relação às taxas de

crescimento.

Glasure e Lee (1997) afirmam que os trabalhos empíricos da relação de causalidade, baseados

na metodologia de Sims são inconsistentes, pois assume que as séries são estacionárias.

A utilização da metodologia de Granger (1981) demonstra que séries não estacionárias se

tornam estacionárias através da diferenciação. Porém, podem existir combinações lineares

entre as séries que são estacionárias, sem necessitar diferenciá-las. Quando duas variáveis são

cointegradas, elas são estacionárias na mesma ordem e existe uma relação de equilíbrio de

longo prazo entre elas.

Masih e Masih (1996) complementam que quando duas variáveis cointegram, elas possuem a

mesma tendência (estocástica) e por isso é necessário que exista uma relação de causalidade

(preditiva) em pelo menos uma das direções, ou nas duas.

7

Lee (2005) estudou a relação entre consumo de energia e PIB em 18 países em

desenvolvimento, no período de 1975 a 2001. Também consolidou um quadro comparativo

com os resultados e metodologias utilizadas, em diversos estudos.3

Saten (2008) afirma que estimar a função de demanda por energia, em função do PIB e preço,

é importante porque provê informação sobre a elasticidade-renda e elasticidade-preço. Com as

informações providas pela elasticidade é possível planejar a oferta, garantindo assim

convergência entre política econômica e política energética, não havendo descompasso entre a

energia demandada para determinado nível de atividade econômica e a oferta.

3 No anexo B, está disponível três quadros comparativo dos estudos elaborados por: Lee (2005), Belke et al . (2010) e Kalyoncu et al. (2010).

8

3 MODELO TEÓRICO

Segundo Hunt e Al-Rabbaie (2003), Lima e Schmidt (2004), Smyth e Narayan (2008) e Saten

(2008), o consumo de energia primária é função do PIB e do preço da energia, podendo ser

definida sob a forma de um função Cobb-Douglas.

(1)

Onde é o consumo de energia primária, é o PIB brasileiro e é o preço da energia

primária, α é a elasticidade-renda de longo prazo e β a elasticidade-preço de longo prazo.

Hawdon e Al-Azzam (2006) especificaram o modelo como log-linear, pois o resultado dos

coeficientes pode ser interpretado como a elasticidade preço e elasticidade-renda.

Abaixo, apresentamos o modelo log-linear

(2)

9

4 DADOS E METODOLOGIA

4.1 DADOS

Para os dados referentes ao consumo de energia e fontes energéticas no Brasil, utilizamos

como fonte o “Balanço Energético Nacional 2010”, ano base 2009, do Ministério de Minas e

Energia. Os dados econômicos, do PIB, inflação e taxa de câmbio foram retirados do

IPEADATA. O preço do petróleo e do gás natural foram obtidos do “US Energy Information

Administration (EIA)” e o preço da Energia Elétrica da ANEEL.

A tabela 1 descreve as variáveis utilizadas neste trabalho.

VARIÁVEL DESCRIÇÃO Y Ln do PIB Brasil – Preços 2009 CE Ln do Consumo de Energia Primária – 103 tep

CP Ln do Consumo de Petróleo – 103 tep CGN Ln do Consumo de Gás Natural – 103 tep PE Ln do Índice de preços de Energia Primária PP Ln do índice de preços do Petróleo

PGN Ln do Índice de preços do Gás Natural PEL Ln do Índice de preço da Energia Elétrica

Tabela 1 – Variáveis Utilizadas

A oferta interna de energia primária nos anos de 1970 a 2009 foi distribuída pelas fontes energéticas, apresentada a seguir.4

4 Quantidade de energia que se coloca à disposição para ser transformada e/ou para consumo final. Oferta Interna = Produção + Importação – Exportação + Estoque – Reinjeção – Não-Aproveitada (BEN 2010).

10

.

Figura 1 – Oferta Interna de energia primária: Fontes energéticas

4.1.1 CONSTRUÇÃO DO ÍNDICE DE PREÇOS

Como energia primária é o somatório de todas as fontes energéticas, não há um único preço.

O índice preço da energia primária é composto da média ponderada, do peso da oferta interna

de cada fonte energética em toneladas equivalentes de petróleo (tep) e seu respectivo preço,

conforme demonstrado a seguir:5

(5)

Onde é a oferta interna da energia i (em tep) e é o índice de preço da fonte i.

5 Tep - Unidade utilizada nos Balanços Energéticos. As diferentes unidades de medidas das formas de energia são convertidas com base no poder calorífero superior de cada energético em relação ao do petróleo, de 10.000kcal/kg. A tabela de conversão encontra-se no Anexo 1.

0

50

100

150

200

250

300

1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009

mil

hã

o T

ep

OUTRAS RENOVÁVEIS DERIVADOS DA CANA-DE-AÇÚCAR

LENHA E CARVÃO VEGETAL HIDRÁULICA E ELETRICIDADE (*)

URÂNIO (U3O8) E DERIVADOS CARVÃO MINERAL E DERIVADOS

GÁS NATURAL PETRÓLEO E DERIVADOS

11

A matriz energética brasileira é composta das seguintes fontes primárias:

NÃO RENOVÁVEL RENOVÁVEL Petróleo e Derivados Hidráulica

Gás Natural Carvão Vegetal e Lenha Carvão Mineral e Derivados Derivados de Cana-de-Açucar Urânio (U3O8) e Derivados Outras Renováveis

Tabela 2 – Fontes de Energia Primária

O preço da energia primária é a combinação do preço dessas oito fontes energéticas,

ponderadas pela sua participação na matriz energética brasileira.

Apenas o petróleo e o gás natural possuem comercialização efetiva, com preço estabelecido

pelo mercado. Como as outras seis fontes energéticas não possuem preço de mercado, não é

possível definir o preço da energia primária, através de seus insumos energéticos.

Analisando a energia primária, em função de sua utilização por energético, observamos que

existem quatro blocos energéticos com finalidades semelhantes: petróleo, gás natural, energia

elétrica e cana-de-açúcar e outras renováveis.

Figura 2 – Oferta Interna de energia primária: Blocos energéticos

0

50

100

150

200

250

300

1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 2003 2006 2009

mil

hã

o T

ep

CANA-DE-AÇUCAR E OUTROS ELÉTRICA GÁS NATURAL PETRÓLEO

12

4.1.2 ÍNDICE DE PREÇO DO PETRÓLEO

No período de 1970 até 1997, existiu no Brasil o monopólio da exploração e produção, sendo

o preço interno definido pelo governo.6 Além disso, o petróleo é uma commodity, sendo seu

preço estabelecido no mercado internacional, em dólares. Devido a estas características, a

melhor referência para o preço é o valor internacional da commodity petróleo.

O preço de referência escolhido foi o Brent em reais (R$).7 O índice de preço foi calculado da

seguinte forma:

(6)

Onde o Brentt é a cotação do barril do Brent no ano t em US$, Câmbiot é o câmbio R$/US$ no

ano t e IGPDIt é o IGP-DI no ano t, sendo t ≥ 1970.

4.1.3 ÍNDICE DE PREÇO DO GÁS NATURAL

O mercado de Gás Natural possui as mesmas características de mercado do Petróleo.

Utilizamos como referência o Henry Hub em reais (R$).8 O índice de preço do Gás Natural

foi definido como:

6 Lei 9.478/97. 7 O barril Brent é um blend, ou seja, uma mistura de vários óleos originários do mar do norte (Europa), sendo negociado em Londres (Inglaterra), sendo seu preço no mercado spot publicado diariamente no Platt’s Crude Oil

Marketwire. O preço do Brent é hoje um dos maiores preços de referência no mercado de petróleo. 8 Henry Hub é o um gasoduto localizado no Erath, Louisiana, que serve como local de entrega oficial dos contratos futuros de preço da NYMEX – Bolsa de Mercados Futuros de Nova Iorque. O preço no Henry Hub é utilizado como Proxy para os contratos de gás natural.

13

(7)

Onde Henry Hubt é a cotação do m³ do Henry Hub no ano t em US$, Câmbiot é o câmbio

R$/US$ no ano t e IGP-DIt é o IGPDI no ano t, sendo t ≥ 1970.

4.1.4 ÍNDICE DE PREÇO DA ENERGIA ELÉTRICA

Analisando o restante das fontes de energia primária, observamos que quatro – Carvão

Mineral, Urânio, Carvão Vegetal e Hidráulica, se destinam a geração de energia elétrica. Ao

invés de analisar cada energético e ponderar ao seu respectivo preço, somamos a produção

dos quatro, pois são destinados a mesma utilização, energia elétrica, e estão na mesma

unidade – tep. O preço será a tarifa energética média cobra no Brasil.

(8)

Onde, OEL é a oferta de energia elétrica, OCM a oferta de carvão mineral, OU a oferta de urânio,

OCV a oferta de carvão vegetal e OH a oferta de energia hidráulica.

O índice de preço da Energia Elétrica é definido por:

(9)

Onde é a tarifa média da energia elétrica no Brasil em R$, no ano t e IGPDIt é o IGP-DI no

ano t, sendo t ≥ 1970.

14

4.1.5 ÍNDICE DE PREÇO DOS DERIVADOS DE CANA-DE-AÇUCAR E OUTROS RENOVÁVEIS

Analisando os derivados de cana-de-açúcar e outras fontes renováveis, observamos que

apenas o álcool etílico hidratado possui preço de mercado, divulgado pela Agência Nacional

do Petróleo – ANP. Os dados apenas estão disponíveis após o ano de 2000.

Estimar o preço de 1970 a 1999 é de extrema dificuldade, devido ao álcool ter sido

introduzido na matriz energética através de programa governamental, não existindo qualquer

relação direta de preço com bens substitutos, como por exemplo, a gasolina.

Devido à falta de informação sobre o preço dos derivados de cana-de-açúcar e outros

renováveis, não é possível calcular o índice de preço da energia primária. Entretanto, é

possível estimá-lo.

4.1.6 ÍNDICE DE PREÇO ESTIMADO DA ENERGIA PRIMÁRIA

Analisando a oferta interna de derivados de cana-de-açúcar e outros renováveis, na

composição da oferta interna de energia primária, entre 1970 e 2009, observamos que estes

energéticos corresponderam, em média, a 14,3% da oferta interna de energia, tendo

participação inferior a 20% entre 1970 e 2007, sendo de 20,3% e 21,9% em 2008 e 2009,

respectivamente, conforme demonstrado na figura 3.

Definimos então, a oferta interna estimada de energia primária como sendo a oferta interna de

petróleo, gás natural e elétrica, ou como a oferta interna de energia primária menos a oferta

interna de derivados de cana-de-açúcar e outros renováveis.

15

(10)

(11)

Onde é a oferta interna estimada de energia primária, a oferta interna de petróleo,

a oferta interna de gás natural, a oferta interna de energia elétrica, a oferta interna de

energia primária e a oferta interna de cana-de-açúcar e outros renováveis.

A figura abaixo mostra a relação da oferta estimada vis a vis a oferta real

Figura 3 – Oferta de Energia estimada versus Oferta de Energia real

Utilizando a oferta estimada de energia primária, definimos o preço da energia primária

como:

(11)

75%

80%

85%

90%

95%

100%

19

70

19

72

19

74

19

76

19

78

19

80

19

82

19

84

19

86

19

88

19

90

19

92

19

94

19

96

19

98

20

00

20

02

20

04

20

06

20

08

16

Onde é o índice de preço da energia primária no ano t, o índice de preço do petróleo no

ano t, a oferta interna de petróleo no ano t, o índice de preço do gás natural no ano t,

a oferta interna de gás natural no ano t, o índice de preço da energia elétrica no ano

t, a oferta interna de energia elétrica no ano t e a oferta estimada de energia primária

no ano t, sendo t ≥ 1970.

O índice de preço da energia primaria é definido como :

(12)

Onde é o índice de preço da energia elétrica no Brasil, ano base 1970.

4.2 METODOLOGIA

Como existe correlação entre as três variáveis, PIB, consumo de energia e preço da energia,

utilizamos um Vetor Auto Regressivo – VAR. Como as séries possuem tendência estocástica,

precisamos resolver o problema da não estacionaridade.9 Existem duas maneiras de resolver o

problema da tendência estocástica: Diferenciar as variáveis ou, caso elas cointegrem, utilizar

um Vetor de Correção de Erro - VCE.

A metodologia utilizada foi proposta por Johansen (1988), com a utilização de um Vetor de

Correção de Erro (VCE), em complemento ao Vetor Auto Regressivo – VAR. Esta

metodologia já foi utilizada diversas vezes neste tema, sendo considerado por Belke et al.

(2010) um trabalho de terceira geração.

9 Os testes de estacionaridade estão disponíveis no capítulo 5

17

Utilizamos para estimar a direção da causalidade preditiva entre o PIB e o consumo de

energia primária, o teste de causalidade de Granger no VAR.

A seguir, demonstramos um exemplo de VAR com uma defasagem – VAR(1).

(3)

Em notação matricial:

(4)

Sendo o consumo de energia primário, o PIB brasileiro e o preço da energia.

18

5 ANÁLISE EMPÍRICA

Para podermos aplicar a metodologia em nossa base de dados, existem testes e análises a

serem realizadas. Uma das maiores preocupações ao se trabalhar com dados em série de

tempo está relacionada a séries não estacionárias ou com tendência estocástica. Quando isso

ocorre, é necessário tornar estas séries estacionárias, através do operador de primeiras

diferenças, ou utilizar a metodologia de cointegração.

Realizamos o teste de DF-GLS, pois os testes de raiz unitária sofrem com o problema de

baixo poder, ou seja, dificilmente se rejeita a hipótese nula quando esta é falsa, aceitando a

hipótese de tendência estocástica quando não deveria se aceitar. A vantagem do DF-GLS está

em estimar a equação de em dois estágios, primeiro estimando os componentes

determinísticos, para depois estimar a equação de ADF.

A tabela 1 apresenta o resultado.

19

Variável (em ln)

Constante Constante e tendência Defasagens Estatística Defasagens Estatística

Y 2 0,398381*** 3 -1,120542*** Ce 1 -0,078475*** 7 -0,909921*** Pe 1 -1,523174*** 1 -1,74065***

Notas : 1. Valores Críticos para a constante: -2,625606 , -1,949609 e -1,611593 para 1% , 5% e 10% respectivamente 2. Valores Críticos para a constante e tendência: -3,770000 , -3,190000 , 2,890000 para 1%, 5% e 10% respectivamente 3. *, ** e *** representam, respectivamente, 10% , 5% e 1% de nível de significância

Tabela 3 – Teste de Raiz Unitária (DF-GLS)

Ao nível de significância de 1%, todas as variáveis são não estacionárias.

5.1 MODELO DE DEMANDA DE ENERGIA PRIMÁRIA

Construímos um Vetor Auto Regressivo - VAR, com as variáveis de consumo de energia

primário ( ), PIB Real (Y) e o índice de preço da energia primária ( ), todas em logaritmo

natural.

O próximo passo é definir o número de defasagens dessas variáveis no VAR. Abaixo

demonstramos o resultado do teste, e os valore dos critérios de informação de Akaike e

Schwartz.

VAR: ENERGIA DEFASAGEM AIC SIC

0 -2,189042 -2,058427 1 -9,234887* -8,712427* 2 -9,179882 -8,265577 3 -8,958187 -7,652037

Tabela 4 – Critério de seleção de defasagens. VAR Energia

Utilizando os critérios de informação de Akaike e Schwarz, definimos o VAR com uma

defasagem, pois em ambos os critérios, este é o que minimiza (otimiza) os critérios de

seleção.

20

Após a definição do VAR com suas defasagens, fazemos o teste para definição da inclusão do

termo de tendência linear no modelo. A metodologia para escolha do modelo consiste no

cálculo de dois VARs, sendo um com o elemento de tendência e o outro sem. Realizado isso,

compara-se os critérios de informação de AIC e SIC

VAR: ENERGIA Com tendência Sem tendência AIC -9,397775* -9,255403 SIC -8,757944* -8,743538

Tabela 5 – Critério de inclusão – termo de tendência. VAR Energia

Definimos então, o modelo empírico sendo um Vetor Auto Regressivo com uma defasagem –

VAR (1), com a presença do termo de tendência linear.

O modelo do consumo de energia primária é definido como:

(13)

Onde os são os termos de tendência linear.

Como as variáveis são não estacionárias, realizamos o teste de cointegração. Caso as variáveis

cointegrem, significa que o resultado da relação das variáveis é um processo estacionário, ou

seja, existe equilíbrio de longo prazo.

Existem dois testes que definem se as variáveis cointegram e quantos são os vetores de

cointegração: teste do Traço e teste do Autovalor Máximo. A diferença dos testes está nas

especificações das hipóteses.

21

O teste do Traço tem como hipótese nula que o número máximo de vetores de cointegração é

igual ou menor ao número de vetores da hipótese alternativa. Primeiro, testa-se com zero

vetor, após com um vetor, seguido por dois vetores e assim sucessivamente.

O teste do Autovalor máximo possuí a hipótese nula igual ao teste do Traço, porém sua

hipótese alternativa é definida, sendo mais parcimonioso (ENDERS, 2010). Os valores

críticos são definidos através da metodologia de Monte Carlo.

Abaixo, descrevemos os resultados.

Teste do Autovalor Máximo

Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0,496442 26,070150 25,823210 0,0464 Nenhuma* 0,372700 17,720580 19,387040 0,0859 Max 1 0,099962 4,002114 12,517980 0,7418 Max 2

Tabela 6 – Teste do Autovalor Máximo

Teste do Traço


Tabela 7 – Teste do Traço

Ao valor crítico de 5%, observamos que a estatística do Traço e do Autovalor máximo

indicam que existe apenas um vetor de cointegração, ou seja, apenas uma relação de

equilíbrio de longo prazo, o que é embasado na teoria econômica.

O próximo passo da análise empírica é fazer o Modelo de Correção de Erro Vetorial –

MCEV, utilizando um vetor de cointegração. A seguir, informamos o resultado:

22

Ct Yt Pt T K

Coeficiente Normalizado 1,000000 -1,882284 0,079285 0,021134 14,88791 Desvio Padrão (0,27928) (0,05371) (0,00840) Estatística T [-6,73985] [1,47608] [ 2,51532]

Tabela 8 – Vetor de Correção de Erros

O modelo do consumo de energia primária no Brasil pode ser definido por:

(14)

Os coeficientes que obtivemos podem ser interpretados como as elasticidades de longo prazo,

porque especificamos o modelo com as variáveis em logaritmo.

De acordo com o nosso resultado empírico, a elasticidade-renda de longo prazo do consumo

de energia primária no Brasil é igual a 1,882. Ao aumentar em 1% o PIB brasileiro, o

consumo de energia primário cresce em 1,88%. Este resultado é de suma importância para

analisar se o planejamento econômico está alinhado ao planejamento energético, e vice-versa.

A elasticidade-preço de longo prazo é negativa em 0,079, o que era esperado pela teoria

econômica. Não vamos aprofundar a analise sobre a elasticidade-preço pois este não é o

objetivo deste trabalho. Ressaltamos também que o índice de preço foi estimado, então é

necessário haver testes complementares para que seja possível compreender melhor o valor

deste coeficiente.

5.2 CAUSALIDADE DE GRANGER

Após a elaboração dos testes empíricos, fizemos o teste de causalidade de Granger, utilizando

no VAR o consumo de energia primária, o PIB e o preço da energia.

23

Incluímos também no teste, o termo de tendência linear.

A seguir, descrevemos o resultado:

Causalidade de Granger Direção Com tendência Sem tendência

Energia - PIB 0,5608 0,1413 PIB - Energia 0,0994* 0,0001***

Notas: 1. VAR: Ce, Y , Pe 2. *, ** e *** representam, respectivamente, 10% , 5% e 1% de nível de significância

Tabela 9 – Causalidade de Granger

Observamos que ao nível de significância de 10%, existe causalidade unidirecional do PIB

para o consumo de energia, com o termo de tendência e ao nível de significância de 1%, sem

o termo de tendência. Pela definição de causalidade preditiva, ou causalidade de Granger, um

aumento do PIB pode gerar impactos positivos no consumo de energia primária, porém um

aumento no consumo de energia primária não impacta o PIB.

Concluímos então, que o Brasil é um país menos energético-dependente, e o impacto de

políticas energéticas é menor na economia, desde que seja ofertada a energia primária

necessária para sustentar o nível de atividade econômica.

5.3 MODELOS ALTERNATIVOS

Realizamos dois modelos alternativos para comparar os resultados ao nosso modelo de

consumo por energia e comparamos também a um modelo externo da elasticidade-renda.10

10 As tabelas com os resultados dos testes dos modelos alternativos encontram-se no Apêndice A.

24

Primeiro, realizamos um modelo com as três variáveis originais, consumo de energia, PIB e

preço da energia, porém excluímos o termo de tendência do VAR. Obtivemos apenas um

vetor de cointegração, tanto pela estatística do Traço quanto do Autovalor máximo. Após,

estimamos o Vetor de Correção de Erro - VCE, tendo como resultando o valor de 1,06 para

elasticidade-renda de longo prazo. O problema deste modelo é o fato dos testes das variáveis e

do VAR, sugerir a inclusão do termo de tendência, e este ser negligenciado neste modelo.

Após esta análise, realizamos um modelo com apenas duas variáveis, consumo de energia e

PIB. Os testes de defasagem e de inclusão do termo de tendência sugeriram um VAR (1) com

o termo de tendência linear, porém ao realizar os testes de cointegração, tanto pela estatística

do Traço quanto do Autovalor máximo, obtivemos dois vetores de cointegração, o que vai

contra a literatura e nossa intuição econômica. Acreditamos que só exista uma relação de

equilíbrio de longo prazo entre as duas variáveis.

Realizando o modelo sem o termo de tendência, a elasticidade-renda calculada foi de 1,09. O

teste de causalidade de Granger sugere uma relação preditiva em duas vias, ou seja, indo da

energia para o PIB e vice-versa.

O modelo mais parcimonioso para a estimação da elasticidade-renda no Brasil é o nosso

modelo empírico, porém os resultados dos modelos alternativos são de grande utilidade, pois

todos demonstram uma elasticidade-renda superior a 1, mesmo com abordagens diferentes.

A Empresa de Planejamento Energético – EPE, empresa pública ligada ao Ministério de

Minas e Energia – MME, realizou um modelo próprio para estimar a demanda futura de

energia primária para o período de 2011 a 2020, publicada no Plano Decenal de Expansão de

25

Energia – PDE 202011. Neste modelo, a elasticidade-renda também foi superior a 1, o que

corrobora o nosso modelo.

5.4 CENÁRIOS FUTUROS

Com base na elasticidade-renda calculada através do modelo de correção de erro, podemos

gerar cenários para o consumo de energia primária no Brasil, referenciados à política

econômica.

Se o Brasil planeja crescer o PIB para os próximos 10 anos, em média, 5% ao ano, significa

ter que aumentar, em média, 9,4% da oferta de energia primária ao ano. Com essa projeção,

para 2020, o PIB brasileiro será 62,8% maior que o de 2010 e o consumo de energia primária,

145,6% maior.

O estudo da EPE utiliza a mesma premissa do crescimento econômico de 5% ao ano. A

demanda futura por energia é projetada como sendo superior a 60% ou seja, acima do

crescimento do PIB.

A figura 4 mostra a comparação entre o crescimento do PIB e o consumo futuro de energia

primária, para os próximos 10 anos, utilizando como base a elasticidade-renda estimada em

1,88. Os modelos alternativos sugerem um valor um pouco diferente, porém sempre superior

a 1. Podemos concluir que a demanda futura por energia, seja representada pela área entre as

duas curvas.

11 A tabela encontra-se no Anexo C

26

Figura 4 – PIB e Energia

0

50

100

150

200

250

300

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

índ

ice

20

10

=1

00

PIB Energia

27

6 CONCLUSÃO

O objetivo desta dissertação foi estudar a relação em o PIB e o consumo de energia primária

no Brasil, estimando a elasticidade-renda de longo prazo e a direção da relação de causalidade

preditiva entre as variáveis. Para isso, foram utilizados dados sobre o PIB, consumo e preço

de energia primária de 1970 a 2009. Como todas as séries são não estacionárias, utilizamos o

conceito de cointegração, em um Modelo de Correção de Erro Vetorial-MCEV, em

complemento a um Vetor Auto Regressivo – VAR.

Obtivemos como resultado do nosso trabalho empírico uma elasticidade-renda de 1,88 e a

relação de causalidade preditiva ocorrendo do PIB para a energia. Fizemos também modelos

alternativos, alterando os termos determinísticos do Vetor de Correção de Erro-VEC e uma

abordagem com apenas duas variáveis, PIB e consumo. Em todos os modelos obtivemos uma

elasticidade-renda superior a 1.

Os resultados obtidos auxiliam o planejamento das políticas econômicas e energéticas

brasileira, pois através da elasticidade-renda estimada é possível projetar a demanda futura

por energia necessária para sustentar um determinado nível de atividade econômica.

28

REFERÊNCIAS BIBLIOGRÁFICAS

Balat, M , 2008 , Energy Consumption and Economic Growth in Turkey during the past two decades, Energy Policy, 36, 118-127.

Belke, A; C. Dreger and F. Haan, 2010, Energy Consumption and Economic Growth: New Insights into the Cointegration Relationship.DIW Berlin Discussion Paper No. 1017

Bhattacharya, N. and S. Paul, 2004, Causality Between Energy Consumption and Economic Growth in India: A Note on Conflict Results, Energy Economics, 26, 977-983.

Brasil, Ministério de Minas e Energia, 2010, Balanço Energético Nacional, Empresa de Planejamento Energético.

Brasil, Ministério de Minas e Energia, 2010, Plano Decenal de Expansão da Energia – PDE 2020, Empresa de Planejamento Energético.

Cleveland, C. and D. Stern, 2004, Energy and Economic Growth, Rensselaer Working Papers in Economics, 0410.

Enders, W., 2010, Applied Econometric Time Series, Wiley, 3rd edition.

Glasure, Y. and A. Lee, 1997, Cointegration, Error-Correction, and The Relationship between GDP and Energy: The Case of South Korea and Singapore, Resource and Energy Economics, 20, 17-25.

Hamilton, J., 1994, Time Series Analysis, Princeton University Press.

Hawdon, D. and A. Al-Azzam, 2003, Chapter 9 in L.C Hunt(ed.) Energy in a Competitive Market: Essays in Honor of Colin Robinson, Edward Elgar, 140-174.

Hunt, L. and A. Al-Rabbaie, 2006, OECD Energy Demand : Modeling Underlying Energy Demand Trends Using the Structural Time Series Model, SEEDS 114.

Johansen, S., 1988, Statistical Analysis of Cointegration Vectors, Journal of Economic Dynamics and Control, 12, 231-254.

Kahsai, M. and C. Nondo, 2009, Energy Consumption and Economic Growth : Evidence from COMESA Countries.

29

Kraft, J. and A. Kraft, 1978, On the Relationship between Energy and GNP, The Journal of Energy and Development, 3 , 401-403.

Kalyoncu, H., A. Aslan and I. Ozturk, 2010, Energy Consumption and Economic Growth Relationship: Evidence from Panel Data for Low and Middle Income Countries, Energy Policy, 38, 4422-4428.

Karanfil, F., 2008, Energy Consumption and Economic Growth Revisited: Does the Size of Unrecorded Economy Matter? , Energy Policy, 36, 3029-3035.

Lee, C.C., 2005, Energy Consumption and GDP in Developing Countries: A Cointegrated Panel Analysis, Energy Economics, 27, 415-427.

Lee, K. and W. Oh, 2004, Energy Consumption and Economic Growth in Korea: Testing the Causality Relation, Journal of Policy Modeling, 26, 973-981.

Lima, M.A.M. e C.A.J. Schmidt, 2004, A Demanda por Energia Elétrica no Brasil, Revista Brasileira de Economia, 58, 67-98.

Masih, A. and R. Masih, 1996, Energy Consumption, Real Income and Temporal Causality: Results from a Multi-Country Study Based on Cointegration and Error-Correction Modelling Techniques, Energy Economics, 165-183.

Mehara, M., 2007, Energy Consumption and Economic Growth : The Case of Oil Exporting Countries, Energy Policy, 35, 2939-2945.

Ockwell, D., 2008, Energy and Economic Growth: Grounding our Understanding in Physical Reality, Energy Policy, 36, 4600-4604.

Payne, J. and N. Apergis, 2009, Energy Consumption and Economic Growth in Central America: Evidence from a Panel Cointegration and Error Correction Model, Energy Economics, 31, 211-216.

Pierse, R.; L. Hunt and J. Chontanawat, 2006, Causality between Energy Consumption and GDP: Evidence from 30 OECD and 78 Non-OECD Countries, SEEDS 113.

Sari, R. and u. Soytas, 2003, Energy Consumption and GDP: Causality Relationship in G-7 Countries and Emerging Market, Energy Economics, 25, 33-37.

Saten, K., 2008, Cointegration and the Demand for Energy in Fiji, MPRA Papers, 18704.

Smyth, R. and P. Narayan, 2008, Energy Consumption and Real GDP in G7 Countries: New Evidence from Panel Cointegration with Structural Breaks, Energy Economics, 30, 2331-2341.

Stock, J. and M. Watson, 2001, Vector Autoregressions, The Journal of Economic Perspectives, 15, 101-115.

30

APÊNDICE A

1) Modelo Alternativo: PIB, consumo de energia e preço da energia; sem o termo de

tendência linear.

Teste do Autovalor Máximo Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq.

0,491100 25,669180 21,131620 0,0107 Nenhuma* 0,100177 4,011192 14,264600 0,8581 Max 1 0,012555 0,480101 3,841466 0,4884 Max 2

Tabela 10 – Teste do Autovalor Máximo – sem tendência

Teste do Traço


Tabela 11 – Teste do Traço– sem tendência

Ct Yt Pt K

Coeficente Normalizado 1,000000 -1,059179 0,031389 3,48662 Desvio Padrão (0,02697) (0,01905) Estatística T [-39,2745] [1,64791]

Tabela 12 – Vetor de Correção de Erros – sem tendência

(15)

31

2) Modelo Alternativo: Bi-variável com o termo de tendência linear.

VAR : ENERGIA e PIB DEFASAGEM AIC SC

0 -3,257649 -3,170572 1 -9,459789* -9,198559* 2 -9,390767 -8,955384 3 -9,346923 -8,737387


VAR : PIB e Ce

Com tendência Sem tendência AIC -9,589169* -9,481425 SIC -9,24792* -9,225492


Teste do Autovalor Máximo Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0,443430 36,56091 25,872110 0,0016 Nenhuma* 0,313512 14,29432 12,517980 0,0249 Max 1*

Tabela 15 – Teste do Autovalor Máximo – Modelo bí-variável, com tendência

Teste do Traço

Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0,443430 22,26659 19,387040 0,0186 Nenhuma* 0,313512 14,29432 12,517980 0,0249 Max 1*

Tabela 16 – Teste do Traço – Modelo bí-variável, com tendência

32

3) Modelo Alternativo: Bi-variável sem o termo de tendência linear.

Teste do Autovalor Máximo Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0,401600 19,51286 14,264600 0,0067 Nenhuma** 0,020994 0,80628 3,841466 0,3692 Max 1

Tabela 17 – Teste do Autovalor Máximo – Modelo bí-variável, sem tendência

Teste do Traço

Autovalor Estatística do teste Valor Crítico (5%) Probabilidade Hipótese Nula Nº Eq. 0,401600 20,31914 15,494710 0,0087 Nenhuma* 0,020994 0,80628 3,841466 0,3692 Max 1

Tabela 18 – Teste do Traço – Modelo bí-variável, sem tendência

Ct Yt K

Coeficente Normalizado 1,000000 -1,089028 3,937031 Desvio Padrão (0,04051) Estatística T [-26,8830]

Tabela 19 – Vetor de Correção de Erros – Modelo Bí-Variável, sem tendência

(16)

33

ANEXO A

Tabela VIII.9 / Densidades e Poderes Caloríficos - 2009

Densidade

Kg/m³ ¹ Poder Calorífico

Superior Kcal /Kg Poder Calorífico Inferior Kcal/Kg

Petróleo 870 10.800 10.200

Gás Natural úmido ² - 10.454 9930

Gás Natural Seco ² - 9.256 8800

Carvão Vapor 3100 Kcal/Kg - 3100 2950









Carvão Vapor sem Especificação - 3000 2850

Carvão Metalúrgico Nacional - 6800 6420

Carvão Metalúrgico Internacional - 7700 7400

Energia Hidráulica ³ - 860 860

Lenha Catada 300 3300 3100

Lenha Comercial 390 3300 3100

Caldo de Cana - 620 623

Melaço - 1930 1850

Bagaço de Cana - 2257 2130

Lixívia - 3030 2860

Óleo Diesel 840 10750 10100

Óleo Combustível 1000 10085 9590

Gasolina Automotiva 740 11220 10400

Gasolina de Aviação 720 11290 10600

Gás Liquefeito de Petróleo 550 11750 11100

Nafta 720 11320 10630

Querosene Iluminante 790 11090 10400

Querosene de Avião 790 11090 10400

Gás de Coqueira ² - 4500 4300

Gás Canalizado Rio de Janeiro - 3900 3800

34

Gás Canalizado São Paulo ² - 4700 4500

Coque de Carvão Mineral - 7300 6900

Eletricidade ³ - 860 860

Carvão Vegetal 250 6800 6460

Álcool Etílico Anidro 791 7090 6750

Álcool Etílico Hidratado 809 6650 6300

Gás de Refinaria 780 8800 8400

Coque de Petróleo 1041 8500 8390

Outros Energéticos de Petróleo 872 10800 10200

Alcatrão 1000 9000 8550

Asfaltos 1040 10500 9790

Lubrificantes 880 10770 10120

Solventes 740 11240 10550

Outros Não-energéticos de Petróleo 873 10800 10200

¹ À Temperatura de 20°C, para derivados de petróleo e de gás natural/

² Kcal/m³

³ Kcal/kWh

Figura 5 – Balanço Energético Nacional (2010). Tabela VIII.9 / Densidades e Poderes Caloríficos

35

ANEXO B

Figura 6 – Lee(2005). Quadro comparativo dos estudos anteriores

36

Figura 7 – Belke et al.(2010). Quadro comparativo dos estudos anteriores.

37

Figura 8 – Kayoncu et al. (2010). Quadro comparativo dos estudos anteriores

38

ANEXO C

Figura 9 – EPE (2010). Elasticidade-renda do consumo de energia

Energia e PIB no Brasil: Estimativas da Elasticidade-Renda...

Documents

Transcript of Energia e PIB no Brasil: Estimativas da Elasticidade-Renda...