Revista académica de economía
con
el Número Internacional Normalizado de
Publicaciones Seriadas ISSN
1696-8352
ANÁLISE ECONOMÉTRICA DO CONSUMO DE PEIXE DA REGIÃO METROPOLITANA DE BELÉM APLICANDO O EVIEWS 3.0, A PARTIR DO MÉTODO DOS MÍNIMOS QUADRADOS ORDINÁRIOS – M.Q.O
Heitor de Souza Bezerra
Nathália Jucá Monteiro
Vitor Humberto Ferreira Simões
Vitor Rahel Martins Ramires
Heriberto Wagner Amanajás Pena (CV)
heripena@yahoo.com.br
UEPA
Resumo
O presente artigo pretende realizar uma análise econométrica do consumo de peixe da região metropolitana de Belém através do método dos mínimos quadrados ordinários (M.Q.O) no Eviews 3.0 utilizando a relação do consumo com algumas variáveis definidas para a pesquisa (preço do peixe, da farinha, do feijão e quantidade de pessoas na família). Objetivando a formulação de uma equação matemática e se o modelo condiz com a lei geral da demanda.
Palavras-Chave: Consumo de peixe, Mínimos quadrados ordinários, Eviews 3.0
Abstract
This article intends to conduct an econometric analysis of fish consumption in the metropolitan region of Belém by the method of ordinary least squares (OLS) in Eviews 3.0 using the ratio of consumption to some variables defined for the survey (price of fish, flour, bean and number of people in the family). Aiming at the formulation of a mathematical equation and if the model is consistent with the general law of demand.
Keywords: Consumption of fish, ordinary least squares, Eviews 3.0
Para ver el artículo completo en formato pdf pulse aquí
Para citar este artículo puede utilizar el siguiente formato:
de Souza Bezerra, Jucá Monteiro, Ferreira Simões, Martins Ramires y Amanajás Pena: "Modelagem econométrica do consumo de peixe da região metropolitana de Belém-Amazônia-Brasil: uma aplicação utilizando software Eviews 3.0.", en Observatorio de la Economía Latinoamericana, Número 168, 2012. Texto completo en http://www.eumed.net/cursecon/ecolat/br/
No Brasil, predomina-se o consumo de peixes de água salgada, todavia, no Estado do Pará a preferência é por peixes de água doce, como a pescada, o filhote, a gurijuba, entre outros. Nos mercados e feiras livres de Belém, os consumidores preferem o peixe fresco e inteiro, sendo que grande parte é consumido frito ou cozido (BARBOSA, 2006).
O pescado é uma das principais bases alimentares do povo paraense, fato comprovado pela pesquisa de Orçamentos Familiares (IBGE, 2008) a qual mostra que o consumo de peixe per capita no Brasil é de 4,03 kg/hab/ano, sendo que as regiões Centro-Oeste, Sul, Sudeste e Nordeste apresentam, respectivamente, um consumo per capita de 1,62; 1,60; 2,06 e 4,97 kg/hab/ano. A região Norte se destaca dentre as outras, pois possui um consumo muito acima do esperado com 17,54 kg/hab/ano. O estado do Amazonas é o maior consumidor de peixe do Brasil com 30 kg/hab/ano, entretanto, o Pará fica em segundo lugar com 19 kg/hab/ano, apresentando consumo muito maior do que os outros estados e acima do que é recomendado pela Organização Mundial de Saúde.
A maioria dos consumidores desconhece o valor nutricional do peixe, não levando em consideração que ele é uma excelente fonte de aminoácidos, ajuda a formar as proteínas, além de serem fontes de ferro, vitamina B12, cálcio e gorduras essenciais para o corpo humano.
O peixe é importante não somente como fonte alimentícia, mas também possui um grande papel na economia regional, constituindo um grande volume de exportações de pescado semi-industrializado.
Devido a toda essa significância tanto na economia quanto na cadeia alimentar, o peixe será o objeto de estudo do presente trabalho, sendo o consumo do mesmo analisado de uma forma teórica e estatística através de um modelo de regressão múltipla utilizando o método dos mínimos quadrados disponíveis no software Eviews 3.0. para isso faz-se necessário a estimação do modelo de regressão múltipla, identificação dos resíduos com o objetivo de verificar a melhor equação sem que as hipóteses do método de estimação sejam violadas, interpretação do quadro estatístico da estimação e análise dos parâmetros estimados em conformidade com os postulados teóricos.
Dessa forma, poderá ser determinado o quanto ele representa em gastos para a família paraense e como é o seu comportamento perante alimentos que possam vir a substituí-lo ou complementá-lo.
Segundo Santana (2003) demanda pode ser definida como a quantidade de bens ou serviços que é desejada pelo consumidor e que eles podem comprar, levando em consideração os vários preços disponíveis no mercado em certo período de tempo, ou seja, a demanda representa o desejo do consumidor de adquirir um produto.
Caso ocorra variação na disponibilidade ou no preço de um produto, também ocorrerá variação na demanda.
Segundo O’Sullivan et al (2004), a lei da demanda corresponde a um padrão de comportamento frequentemente observado em consumidores, possuindo inclinação negativa em relação à curva da demanda.
É possível ainda identificar quando se avalia demanda, algumas variáveis que podem afetar diretamente a decisão de um consumidor no momento de efetuar a compra, dentre as quais se podem destacar: o preço do produto/ serviço, a renda do consumidor, o preço dos bens complementares e substitutos, hábitos e costumes culturais, expectativas quanto aos preços no futuro, preferências do consumidor e propaganda. Variáveis que quando utilizadas em conjunto podem determinar o quanto o consumidor está disposto a pagar por um determinado bem (O´SULLIVAN et al, 2004).
Para Holanda (2002), a forma da curva da procura descendente da esquerda para a direita, expressa o resultado combinado de dois efeitos, o efeito-renda e o efeito-substituição.
Segundo Holanda (2002), o efeito-renda é o aumento da renda real do consumidor, ou seja, o crescimento do seu poder de compra de sua renda nominal, em decorrência da redução do preço. Quando o preço de um bem A diminui e o preço dos bens B e C permanecem constantes, o consumidor passa a ter um maior poder aquisitivo, podendo consumir mais do bem A ou dos demais.
Conforme Holanda (2002), o efeito-substituição é quando o preço de um bem A aumenta e o de seus sucedâneos permanecem invariáveis, havendo possibilidade de o consumidor buscar um substituto para esse bem, reduzindo as quantidades procuradas, como reação ao preço aumentado.
A lei da demanda diz que a quantidade demandada possui comportamento inverso ao preço, independente se o produto é um bem ou um serviço (SANTANA, 2003). Essa lei é expressa pela equação abaixo:
(1)
Onde:
- 
: Quantidade demandada de um produto qualquer;
- 
: Consumo médio do produto (coeficiente linear da reta, intercepto);
- 
: Magnitude da mudança na quantidade demandada de x (inclinação da reta);
- 
: Preço real do produto.
Com base na lei da demanda, representada pela equação acima, pode-se admitir o princípio de que as mudanças sofridas pela quantidade demandada do produto são advindas de alterações no preço do produto, mantendo as demais variáveis analisadas constantes.
Devido à influência de diversas variáveis na quantidade demandada de peixe, o modelo pede uma estimação de regressão múltipla, onde se deseja estimar a quantidade de consumo de peixe. Para que a estimação ocorresse, juntamente com o consumo foram adicionadas outras 10 variáveis que envolviam bens substitutos e complementares do peixe, são elas: despesa com alimentação, preço do açaí, preço do arroz, preço da carne bovina, preço da farinha, preço do feijão, preço do frango, preço do peixe, quantidade de pessoas na família e a renda familiar.
Durante as entrevistas, alguns dos entrevistados afirmaram não consumir peixe ou algum dos outros produtos que entrariam como variáveis, dessa forma o valor correspondente a esse tipo de situação foi o número 0. Com o objetivo de obter o melhor ajuste possível dos dados coletados, foi tirada a média das variáveis e substituído esse valor nos numerais 0, posteriormente, obteve-se o logaritmo natural desses valores e foi esse conjunto de dados que foi plotado no programa.
As linhas em negrito no quadro 1 representam aquelas variáveis que já se ajustaram ou estão muito próximas para o ajuste de p ≤ 5%. Dessa forma, um novo teste foi realizado no software, onde foram eliminadas 6 variáveis.
Após o segundo teste, somente 4 variáveis se adequaram ao modelo, dessa forma a equação da demanda de peixe segue expressa abaixo:
Onde:
- 
: Quantidade demandada de peixe;
- 
: Intercepto da equação;
- 
: Inclinação da equação.
Após a definição do modelo matemático, deve-se definir o modelo estatístico que possa superar a característica linear da equação e acompanhar as variações das variáveis do modelo. Dessa forma, um novo termo deve ser acrescido à equação que passa a ser da seguinte forma:
Onde:
- 
superfície de resposta ao conjunto de variáveis independentes;
- 
: Intercepto da equação a ser estimada, ou valor médio quando as variáveis independentes forem iguais a 0;
- 
: É a resposta em Q, quando o preço da farinha varia em uma unidade;
- 
: É a resposta em Q, quando o preço do feijão varia em uma unidade;
- 
: É a resposta em Q, quando o preço do peixe varia em uma unidade;
- 
: É a resposta em Q, quando a quantidade de pessoas varia em uma unidade;
- 
: Termo de erro ou erro aleatório
O novo termo acrescido é o erro estocástico, uma espécie de erro aleatório que irá representar todas as influências que podem vir a modificar a variável dependente e que estão fora do modelo (SANTANA, 2003).
- Hipóteses Teóricas Estabelecidas:
H0: 
= 0 (Hipótese Nula), o intercepto possui valor nulo, ou seja, quando as variáveis independentes forem iguais a 0 não existe consumo de peixe;
Ha: 
≠ 0 (Hipótese Alternativa), independente das alterações ocorridas nas variáveis explicativas, a demanda por peixe tende a se alterar;
H0: 
= 0 (Hipótese Nula), a variável preço da farinha não influencia a demanda de peixe;
Ha: 
> 0 (Hipótese Alternativa), a variável preço da farinha influencia positivamente a demanda de peixe;
H0: 
= 0 (Hipótese Nula), a variável preço do feijão não influencia a demanda de peixe;
Ha: 
> 0 (Hipótese Alternativa), a variável preço do feijão influencia positivamente a demanda de peixe;
H0: 
= 0 (Hipótese Nula), a variável preço do peixe não influencia a demanda de peixe;
Ha:
< 0 (Hipótese Alternativa), a variável preço do peixe influencia negativamente a demanda de peixe;
H0: 
= 0 (Hipótese Nula), a variável quantidade de pessoas não influencia a demanda de peixe;
Ha: 
> 0 (Hipótese Alternativa), a variável quantidade de pessoas influencia positivamente a demanda de peixe.
A coleta de dados foi realizada por meio de entrevistas com base em um questionário preliminar, o qual foi aplicado em supermercados da região metropolitana de Belém durante 2 semanas entre os períodos da manhã e da tarde. Ao todo foram preenchidos 366 formulários nos quais continham os principais produtos da cesta básica paraense e informações como renda familiar e número de pessoas na família. O perfil de consumidor que respondeu a pesquisa foram adultos entre com mais de 30 anos que pudessem fornecer suas quantidades mensais de consumo de dos alimentos do questionário e também seus preços. Os dados coletados, principalmente, no quesito preço foram diferentes entre a maioria dos entrevistados, isso se deve ao fato de que nem todos compravam seus produtos exclusivamente nos supermercados, optando quase sempre pelas feiras livres da cidade.
Com todos os dados já coletados, utilizou o software Eviews na versão 3.0 para estimar o modelo de regressão do consumo de peixe. Além do software mencionado, utilizou-se também o Microsoft Office Excel, para tratamento dos dados dos formulários.
Como já exposto anteriormente, foram realizados 2 testes estatísticos no software Eviews 3.0 e chegou-se a conclusão de que somente 4 variáveis dentre as 10 escolhidas representavam bem o modelo. O valor de p considerado foi menor ou igual a 5%.
Os valores gerados no novo teste comprovam a eficácia das variáveis escolhidas para o modelo matemático que será gerado. Dessa forma, as variáveis trabalhadas serão o preço da farinha, do feijão, do peixe e a quantidade de pessoas na família.
O valor de R2 no gerado no último teste foi de 11%, ou seja, o modelo é explicado em 11% das situações pelas 4 variáveis acima e 9% por variáveis que não estão expressas no modelo. Devido ao modelo ser composto de dados aleatórios e irregulares o valor de R2 encontrado não será muito alto.
De acordo com os dados gerados pelo programa, a equação do modelo de regressão assume a forma abaixo:
Onde:
- 
: Quantidade demandada de peixe;
- 
: Preço da farinha;
- 
: Preço do feijão;
- 
: Preço do peixe;
- 
:Quantidade de pessoas na família.
Segundo a estatística F de significância mostra que é possível rejeitar a hipótese nula, ou seja, para que o modelo de regressão múltipla seja válido faz se necessário que pelo menos um dos valores seja diferente de 0, isso a 5% de significância. Todas as variáveis e o intercepto apresentam valores maiores que 0 dessa forma todos exercem influência positiva na demanda de peixe exceto o preço do peixe que tem influência negativa.
Os sinais do coeficiente de regressão não estão coerentes com a teoria do consumidor que, mostrando que caso haja aumento do preço do peixe também haverá aumento na demanda.
Utilizando o software Eviews 3.0 realizou o teste de correlação entre as variáveis do modelo.
Como o maior coeficiente de correlação com a variável dependente do modelo (quantidade de peixe) é o da variável independente preço do feijão, a mesma será a primeira a ser incluída no modelo gerando uma regressão simples.
Para que a regressão simples do modelo fosse realizada, novamente, utilizou-se o Eviews com a escolha do método dos mínimos quadrados.
A equação resultante gerada é expressa da seguinte forma:
Através do quadro 4 é possível perceber que os coeficientes são estaticamentes diferentes de zero, pois o F-statistic que é o teste t-Prob é menor que 0,05. Segundo o valor de R2 a variável escolhida representa 9,65% o modelo e é válido afirmar que o modelo é bom, tendo R2 diferente de zero e o teste t-Prob menor que 0,05.
Com o objetivo de comparar a regressão simples com uma múltipla, adicionaram-se as variáveis independentes escolhidas logo no começo que são: preço do feijão, da farinha, do peixe e a quantidade de pessoas na família.
O novo modelo gerado foi:
O valor de R2 subiu de 9,65% para 10,43%, mostrando que o segundo modelo (regressão múltipla) possui desempenho superior ao modelo de regressão simples. O coeficiente do teste t e o do R2 são ambos diferentes de zero.
De acordo com o relatório gerado existem motivos para se aceitar a hipótese nula de normalidade dos resíduos, pois o valor probability foi igual a zero e menor do que o valor de α.
A homoscedasticidade pode ser comprovada através do teste White Heteroskedaticity do software Eviews, sendo que foi utilizado esse teste com a opção de termos cruzados.
Com base nos dados gerados é possível afirmar que a homoscedasticidade não está presente no modelo, pois o valor de probability é menor que α.
Esse teste possibilita a identificação de ausência de correlação serial. Como o valor de probability é menor que o de α, conclui-se que existe correlação serial no modelo.
Com base em todos os testes apresentados, é possível observar que as variáveis que melhor explicam o consumo de peixe da região metropolitana de Belém são o preço do feijão, da farinha, do peixe e a quantidades de pessoas na família. Tais variáveis possuem comportamento condizente com o perfil alimentar do paraense, o qual possui sua dieta baseada principalmente nos alimentos citados acima.
As variáveis apresentadas se comportam melhor em um modelo de regressão múltipla e exceto o preço do peixe todas as outras variáveis possuem uma influência positiva no comportamento do consumo de peixe. Também é importante ressaltar que o sinal do coeficiente do preço do peixe não está coerente com a teoria da lei da demanda, sendo que o mesmo possui comportamento afirmando que quando há aumento do preço também há aumento do consumo, sendo que deveria ser uma relação inversamente proporcional.
A estimação de um modelo matemático para demanda de peixe na região faz-se importante, pois o mesmo é um dos alimentos bases da cultura paraense e possui grande significância no gasto com alimentação do paraense.
REFERÊNCIAS
BARBOSA, Jucineide Alves. Características comportamentais do consumidor de peixe do mercado de Belém. Monografia (Curso de Medicina Veterinária) - Universidade Federal Rural da Amazônia, Belém, 2006.
HOLANDA, Nilson. Introdução à economia: da teoria à prática e da visão micro à macroperspectiva. 8. ed.rev. e ampl. Pertrópolis, RJ: Vozes, 2003.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATISTICA. Pesquisa de Orçamento Familiar (POF). 2008. Disponível em: <http://www.sidra.ibge.gov.br>. Acesso em: maio. 2012.
O´SULLIVAN, Arthur; SHEFFRIN, Steven M; NISHIJIMA, Marislei. Introdução à economia: princípios e ferramentas. São Paulo: Pearson Prentice Hall, 2004.
SANTANA, A; C. Métodos Quantitativos em economia: elementos e aplicações. Belém: UFRA, 2003 .
