2017

ECONOMETRIA DE SÉRIES
TEMPORAIS: IMPACTOS DE VARIÁVEIS
ECONÔMICAS NOS INDICADORES DE
GASES DE EFEITO ESTUFA

BRUNO RODRIGUES CANDEA

Banco de dados e script publicados em 28 de agosto de 2017 em:

http://dx.doi.org/10.17632/wy4p94kz3t.1

0
Sumário
1. Introdução .................................................................................................................................................................................................. 2
2. Revisão Literária ....................................................................................................................................................................................... 3
3. Metodologia.............................................................................................................................................................................................. 4
3.1 Descrição dos Dados ...................................................................................................................................................................... 4
PIB Per Capita em Dólares Internacionais de Geary-Khamis de 1990 ........................................................................... 4
População .............................................................................................................................................................................................. 5
Emissões de Gases do Efeito Estufa (Greenhouse Gases) .................................................................................................. 5
3.2 Estacionariedade .............................................................................................................................................................................. 6
Carbon: Emissão de Dióxido de Carbono (CO2) em ppm (partículas por milhão) ................................................... 7
Methane: Emissão de Metano (CH4) em ppm (partícula por milhão) ........................................................................... 8
Nitrous: Emissões de Óxido Nitroso (N2O) em ppm (partículas por milhão) ............................................................ 8
Usa: PIB Per Capita em GK$ de 1990 – Estados Unidos ...................................................................................................... 8
World: PIB Per Capita em GK$ de 1990 – Mundial ............................................................................................................... 8
Population: População Total (ambos os sexos) ...................................................................................................................... 9
3.3 Testes de Cointegração ................................................................................................................................................................. 9
PIB Per Capita americano ................................................................................................................................................................ 9
PIB Per Capita mundial ...................................................................................................................................................................10
População ............................................................................................................................................................................................10
4. Resultados Empíricos ...........................................................................................................................................................................11
4.1 VAR (Vector Autoregressive Model) .......................................................................................................................................11
PIB Per Capita Americano..............................................................................................................................................................11
PIB Per Capita Mundial ...................................................................................................................................................................11
População ............................................................................................................................................................................................11
4.2 Função de Impulso-Resposta ....................................................................................................................................................12
4.3 VECM (Vector of Error Correction Model) ...........................................................................................................................12
PIB Per Capita Americano..............................................................................................................................................................12
PIB Per Capita Mundial ...................................................................................................................................................................13
População ............................................................................................................................................................................................13
4.4 Testes de Causalidade de Granger .........................................................................................................................................13
PIB Per Capita Americano..............................................................................................................................................................13
PIB Per Capita Mundial ...................................................................................................................................................................14
População ............................................................................................................................................................................................14
5. Conclusões ...............................................................................................................................................................................................14
6. Bibliografia ...............................................................................................................................................................................................15
6.1 Dados ..................................................................................................................................................................................................15
6.2 Papers .................................................................................................................................................................................................15

1

1. INTRODUÇÃO
John Mason [4, 5, 6] em um artigo escrito para a
Skeptical Science, traça um quadro cronológico da história
do estudo das mudanças climáticas, assunto que hoje está
faz parte da pauta de grandes discussões entre nações,
organizações e grupos de ativistas, estudiosos e empresas.
Condensando um pouco o trabalho de Mason, a
história do estudo do comportamento do meio ambiente
com relação ao aumento da temperatura da superfície se
inicia em 1820, com Jean Fourier, cientista francês, que
investigava o comportamento do calor atmosférico.
Fourier percebeu algo interessante: o planeta Terra não
deveria ser tão quente. A conclusão a que chegara o
cientista considera que a distância do Sol e o tamanho da
Terra não justificavam a temperatura medida, e que muito
possivelmente a radiação solar chegava até o planeta, mas
parte dela era absorvida, e não refletida de volta para o
espaço. Esta absorção, por sua vez, geraria um calor que
estaria sendo aprisionado pela atmosfera terrestre.
Cerca de 40 anos mais tarde, John Tyndall descobriria
que o vapor de água, assim como o dióxido de carbono
(CO2), eram dois gases que tinham uma propriedade
interessante: a de prender o calor recebido pela radiação
solar, não deixando que esta radiação refletida pudesse
voltar para o espaço, e causando com isto a captura desta
energia em forma de calor.
Seguimos a cronologia até dois cientistas suecos:
Svante Arrhenius, que, estudando os ciclos naturais do
vapor de água percebeu que este gás na maioria dos casos
gerava um efeito positivo a medida em que se tornava
água líquida, sob a forma de chuva, antes de retornar para
a atmosfera sob a forma de gás novamente. Como o vapor
de água, então, não era a maior preocupação a ser
considerada, Arrhenius voltou sua atenção para o dióxido
de carbono, gás que apresenta um ciclo natural muito
mais extenso, ficando na atmosfera por um prazo maior e,
por isto, sendo muito mais nocivo. Junto do geólogo Arvid
Hogbom, investigaria mais tarde o efeito da ação humana
sobre a emissão de gases do efeito estufa e,
consequentemente, do aquecimento global,
concentrando-se por exemplo na descoberta de Hogbom
de que a indústria que usava carvão como forma de
produção de energia gerava tanto dióxido de carbono
quanto diversas fontes naturais deste gás juntas, como
1
Fonte: Fortune. Acessado em 28 de agosto de 2017. Disponível em:
http://fortune.com/2017/03/28/donald-trump-climate-change-executive-order-
clean-energy-policy-environment/
2
grandes erupções vulcânicas e mudanças evolutivas em
algas e outros organismos que geram gás carbônico em
seu processo natural.
Hoje, décadas mais tarde, e depois de estudos
importantes de cientistas como Hulburt, Keeling e outros,
temos fontes de pesquisa que afirmam, como o
Intergovernmental Panel on Climate Change, IPCC, que o
aquecimento global é a questão mais importante de nossa
era.
Retornando aos resultados de estudos como os de
Arrhenius e Hogbom, que comprovam que o dióxido de
carbono, CO2, é um gás do denominado efeito estufa
extremamente nocivo em termos de impactos sobre o
aumento da temperatura na atmosfera, observamos
diversos debates internacionais, que culminaram em
acordos como o Protocolo de Kyoto em 1997 e o Acordo
de Paris em 2015, ambos tratados que compõem o United
Nations Framework Convention on Climate Change
(UNFCCC), assinados por grandes potências econômicas,
além de países com grande potencial para
desenvolvimento econômico e industrial. Ainda assim,
mesmo que o aquecimento global seja um tema mais que
provado e consolidado como uma ameaça real, existe a
crescente preocupação com o fato de que países como os
EUA tenham adotado políticas que andam na contramão
do movimento de preservação ambiental. O atual governo
americano do presidente Donald Trump tem assinalado a
intenção de revogar a participação dos EUA no Acordo de
Paris, o que isentaria o país de suas responsabilidades
frente ao plano de reduzir as emissões de gases poluentes
para controlar o efeito estufa nas próximas décadas.
O argumento do atual governo americano é que estas
questões ambientais não possuem relevância frente a
questões que, para ele, tem sido prioritárias, como
emprego e renda de trabalhadores de setores altamente
poluentes, como a indústria de carvão americana. Em
março de 2017 1 o atual governo dos EUA lançou uma
medida executiva para suspender ou enviar para revisão o
Plano de Energia Limpa (Clean Power Plan), assinado pela
administração anterior, do então presidente Barack
Obama, e que previa a reorganização da matriz energética
do país nas próximas décadas para minimizar os impactos
da atividade econômica sobre o meio ambiente em
conformidade com o acordo assinado em 2015.
A França, por outro lado, assumiu o compromisso,
neste ano, de extinguir o uso de energia proveniente do
uso de carvão natural a partir de 2022, e de que todos os
veículos do país sejam movidos a partir de fontes de
energia que não utilizem combustíveis fósseis, até 2040,
ao mesmo passo em que diversos países europeus têm
reafirmado o compromisso de se tornarem independentes
de fontes energéticas prejudiciais ao meio ambiente já nos
próximos anos.
Transformar a matriz energética de todo um país não é
algo simples, e envolve decisões econômicas, políticas e
sociais. No entanto, esta questão do relacionamento entre
crescimento econômico e industrial, além de outros
aspectos socioeconômicos evolucionários, e o aumento
dos níveis de emissão de poluentes, também não é tão
recente. Vemos trabalhos relevantes na literatura que
aborda a relação entre desenvolvimento econômico e
meio ambiente, como o do economista russo Simon
Kuznets, que nos anos 1950 e 1960 propôs que os países
possuem uma tendência a poluir mais enquanto se
encontram em fase de industrialização e/ou
desenvolvimento econômico, mas que depois que
alcançam o patamar de países desenvolvidos, passam a
poluir menos, formando uma curva em formato de U
invertido.
Tendo como base estudos como os da curva ambiental
de Kuznets, Hsiao-Tien Pao e Chung-Ming Tsai [8]
demonstraram que, para os países do BRICS, existe uma
relação de causalidade entre o aumento do PIB, o fluxo de
Investimentos Externos Diretos – IED e o consumo de
energia sobre as emissões de CO2 entre 1980 e 2007. A
análise dos cientistas revela que o PIB possui efeitos de
curto prazo, de longo prazo e efeitos de feedback sobre a
emissão de CO2, provando que, ao menos para estes
países, o desenvolvimento econômico tem caminhado
junto da emissão destes gases nocivos.
O presente trabalho, portanto, pretende realizar um
estudo rápido, porém objetivo, sobre as relações entre o
PIB Per Capita histórico, inicialmente dos Estados Unido, e
depois do Mundo, medidos em dólares internacionais de
Geary-Khamis (mais detalhes sobre esta unidade serão
fornecidos na descrição dos dados), sobre a série histórica
de observações de emissões de três dos principais gases
do efeito estufa: Dióxido de Carbono – CO2, Metano e
Óxido Nitroso, fornecidas em domínio público pelo
Institute for Atmospheric and Climate Science (IAC), da
Eidgenössische Technische Hochschule, um dos maiores
centros de pesquisas ambientais da Europa, sediado em
Zurique, Suíça.
O artigo trabalhará com uma estrutura de Séries
Temporais, em dois planos de dados, um com dados
anuais históricos entre 1800 e 2010, e outro entre 1950
(Pós-Segunda Guerra Mundial) e 2010. Alguns dos
resultados encontrados corroboram com estudos vistos na
teoria econômica e ambientalista, enquanto alguns são
3
inconclusivos e reforçam a necessidade de um ferramental
mais extenso para a análise de efeitos entre as variáveis
econômicas e ambientais, como por exemplo o uso de
testes multivariados em painéis dinâmicos, utilizados em
trabalhos como Kivyiro e Arminen [9], Asafu-Adyaye [10] e
Chang [11]. De toda forma, a investigação da relação entre
renda e emissão de poluentes tem sido de grande
relevância, com trabalhos muito interessantes sendo
concretizados desde o início dos anos 2000, e
mostraremos que alguns dos resultados encontrados,
ainda que não sejam estatisticamente conclusivos, podem
ter sido originados de características estruturais nos dados
e/ou no uso de Séries Temporais em detrimento de Dados
de Painéis.
Serão oferecidas ainda propostas de extensão de
pesquisas no fim deste trabalho, acompanhadas das
conclusões encontradas.
2. REVISÃO LITERÁRIA
O estudo das interações entre crescimento
econômico e emissões de poluentes tem sido
extensivamente realizado ao longo das últimas décadas.
Xiangzhao e Ji [12] encontraram evidências de que o
desenvolvimento econômico da China tem sido o fator
mais impactante no aumento de gases do efeito estufa no
país, seguido por trabalhos como os de Chang [11], que
adverte ao fato de que, por mais que a adoção de políticas
de redução de poluentes na China possa causar efeitos
negativos sobre seu crescimento econômico, a longo
prazo a não adoção poderia trazer outros efeitos
significativos, dado que este crescimento impacta de
formas diversas em mudanças climáticas globais.
Kivyiro e Arminem [9] estudaram os efeitos de
causalidade nos países da África Sub-Saariana e
encontraram evidências de que, para a República
Democrática do Congo, Quênia e Zimbabwe, o
Investimento Externo Direto – IED, foi responsável pelo
aumento da emissão de gases do efeito estufa, enquanto
que um efeito oposto foi encontrado para os demais
países da região. Os pesquisadores também encontraram
evidências de causalidade unidirecional do PIB sobre as
emissões de dióxido de carbono, enquanto que a
causalidade unidirecional inversa, das emissões sobre o
PIB parecem ser suportadas apenas para os países nos
quais a hipótese de validade da Curva de Kuznets é
observada.
Como citado brevemente na seção anterior, a
Curva de Kuznets relaciona o crescimento econômico com
a emissão de poluentes. Geralmente, a tendência é de que
os países passem por uma fase na qual os índices de
poluição são mais elevados enquanto estão crescendo, até
chegarem a um ponto onde estes níveis de poluição se
tornam saturados e passam a declinar conforme a renda
do país continua a aumentar. É basicamente a afirmação
de que quanto mais rico um país, maior tenderá a ser a
eficiência de seu setor energético, além de sua indústria e
outros setores relevantes, de forma que o país não
continue com o mesmo nível de poluição que possuía em
sua fase de industrialização.
Pao e Tsai [8] usaram metodologias de testes de
cointegração de Johansen, além de testes de causalidade
baseados em modelos VECM e modelos de predição de
Grey para encontrar evidências de que o aumento na
renda causou o aumento de emissão de dióxido de
carbono – CO2 no Brasil durante o período de 1980 a 2007,
suportando a hipótese da Curva de Kuznets. Os
pesquisadores também encontraram evidências de que o
aumento no consumo de energia causou um aumento no
PIB, o que é considerado bastante plausível na teoria
econômica.
Em sua revisão bibliográfica, Kivyiro e Arminen [9]
também ressaltam evidências encontradas por Ang [13],
de que o aumento no consumo de energia na França entre
1971 e 1999 teria aumentado a emissão de CO2, e por sua
vez o aumento nas emissões de CO2 possuem uma relação
quadrática de longo prazo. Também observam o trabalho
de Halicioglu [14], que encontra evidências de causalidade
bilateral entre as emissões de CO2 e o PIB tanto em curto
prazo quanto em longo prazo, para o caso da Turquia.
De modo geral, a maioria dos trabalhos empíricos
encontrou evidências de que o PIB leva, direta ou
indiretamente, a aumentos nos níveis de emissão de gases
do efeito estufa. Alguns trabalhos, no entanto, como o de
Zhang e Cheng [15], são inconclusivos com relação a
relação de PIB e emissão de CO2. O artigo destes dois
pesquisadores se baseia em um modelo do tipo VAR
seguindo a metodologia de Toda e Yamamoto, e encontra
evidências de causalidade unidirecional do PIB sobre o
consumo de energia, para a China, com base em dados de
1960 a 2007. Eles encontraram evidências de que o
aumento no consumo de energia também causa aumento
na emissão de CO2, hipótese bastante plausível na teoria
econômica, e que também consta na literatura empírica
ambientalista.
Uma característica em comum ao longo da
literatura estudada é que praticamente todos os trabalhos
se concentram na realização de testes de causalidade de
2
https://www.business-case-analysis.com/international-dollar.html
4
Granger sobre as variáveis estudadas (na maioria dos
casos, IED, Consumo de Energia, PIB e emissão de CO2). O
presente trabalho, seguindo esta tendência de pesquisa
aparentemente global, também realizará testes de
causalidade, mas por motivos estruturais, alguns
resultados foram inconclusivos e tentaremos explorar
outros pontos importantes nos dados e testes realizados.
3. METODOLOGIA
3.1 Descrição dos Dados
PIB Per Capita em Dólares Internacionais de Geary-
Khamis de 1990
O dólar internacional de Geary-Khamis, inicialmente
proposto pelo estatístico irlandês Roy C. Geary em 19582
e mais tarde desenvolvido pelo economista estatístico
palestino Salem Hanna Khamis, é uma unidade monetária
fictícia muito usada em economia para comparar moedas
diferentes em termos de Paridade de Poder de Compra –
PPP (do inglês Purchase Power Parity). Um dólar
internacional equivale ao poder de compra que um dólar
americano possui nos EUA em um determinado ano de
benchmark (os mais utilizados são 1990 e 2000, embora
não existam tantos dados consolidados para 2000 quanto
para 1990), o que faz dele um indicador interessante
quando performamos análises de variáveis econômicas e
monetárias internacionais.
O PIB Per Capita em termos de dólares internacionais é
um indicador extensamente utilizado pelo Fundo
Internacional Mundial, Banco Mundial e diversas
organizações internacionais para pesquisas e trabalhos
empíricos.
A escolha desta variável também se deu através da
disponibilidade de dados históricos. A Universidade de
Groningen mantém, desde 2010, o Projeto Maddison
(homenagem ao economista inglês Angus Maddison), que
mantem atualizados os dados históricos das pesquisas
macroeconômicas iniciadas por ele. O banco de dados do
Maddison Project conta com séries históricas, além de
séries de estimativas, para o PIB Per Capita, Contas
Nacionais e outros indicadores econômicos, de diversos
países e regiões, com alguns dados abrangendo o período
do ano 0 até 2010 d.C.
A base de dados construída para este trabalho
consolida os dados das séries históricas do PIB Per Capita
norte-americano entre 1800 e 2010, com periodicidade
anual, além do PIB Per Capita mundial entre 1950 e 2010.
Figura 1 - PIB Per Capita (EUA) em GK$ de 1990. Dados: Maddison-
Project. Elaboração Própria
População
ano 0. Outras fontes interessantes de dados consultadas
são o National Centers for Environmental Information
(NCEI), pertencente ao NOAA – National Occeanic and
Atmospheric Administration, órgão do Departamento de
Comércio norte-americano responsável pela medição dos
níveis de poluição nos territórios pertencentes ao país;
além do Scripps Institution of Oceanography, uma das
maiores e mais antigas instituições de pesquisa em
oceanografia do mundo, que disponibiliza dados
ambientais de diversos temas.
Dentre os dados disponíveis no diretório do IAC, foram
selecionadas três séries em especial: as emissões de
dióxido de carbono, de metano e de óxido nitroso, em
periodicidade anual.
O dióxido de carbono, CO2, mais conhecido por gás
carbônico, é um gás do efeito estufa com um ciclo de vida
longo, o que faz com que seus efeitos sejam difíceis de se
dissipar. Observações mostram que os níveis de emissões
deste gás na atmosfera têm sido alarmantes,
principalmente no período pós-Segunda Guerra Mundial,
no qual a maioria dos países desenvolveu sua fase de
industrialização. Estes níveis altos de presença do dióxido
de carbono na atmosfera dificilmente poderão ser
estabilizados nas próximas décadas, mesmo com o
comprometimento de organismos e autoridades
internacionais, e podem causar efeitos irreversíveis no
aquecimento global.

Os dados sobre a população total global foram

coletados a partir do World Population Prospects 2017, da
Divisão de Estudos Populacionais da ONU, com uma série
histórica da população global, de ambos os sexos, entre
1950 e 2015. A escolha desta variável se deu a princípio
para controle dos testes econométricos, mas os resultados
dos testes envolvendo esta série ofereceram insights
interessantes sobre o comportamento das emissões de
gases do efeito estufa ao longo dos períodos estudados.

Emissões de Gases do Efeito Estufa (Greenhouse

Gases)

Os dados de emissões de gases do efeito estufa

Figura 2 - Concentração de CO2 ao longo do tempo. Fonte: EPA
coletadas são provenientes do diretório aberto do Institute
for Atmospheric and Climate Science (IAC) at
Eidgenössische Technische Hochschule, um dos maiores
O metano, CH4, por sua vez, é um gás incolor, de alta
centros de pesquisa ambiental da Europa. O centro
inflamabilidade quando misturado com o ar, e que possui
mantém uma base de dados com observações mensais e
um ciclo de vida relativamente menor que o CO2. No
anuais da emissão destes gases em ppm (partes por
milhão), além de estimativas da emissão de gases desde o

5
entanto, seu potencial de aquecimento chega a ser cerca
de 60 vezes maior [16].
Dados do NOAA mostram um crescimento das
emissões de metano de cerca de 1,7% ao ano, mais rápido
que a taxa de crescimento do CO2, com níveis atuais de
concentração ao dobro dos níveis pré-industriais [16].
Figura 3 - Concentração de CH4 ao longo do tempo. Fonte: EPA
O terceiro gás do efeito estufa estudado é o Óxido
Nitroso, N2O, utilizado na medicina e em diversas áreas da
indústria. Estima-se que 38% dos níveis de óxido nitroso
na atmosfera hoje sejam provenientes da atividade
humana. Este gás possui 298 vezes o potencial de
aquecimento do CO2 [16].
Figura 4 - Concentração de N2O ao longo do tempo. Fonte: EPA
6
Seu impacto só não é tão grande porque os níveis de
concentração na atmosfera são muito menores que os de
dióxido de carbono, mas ainda assim seu efeito para o
aquecimento global representa cerca de um terço o do
CO2. O processo de fabricação industrial do óxido nitroso
também origina vapor de água, outro gás responsável
pelo aprisionamento da radiação solar, que contribui ainda
mais para o problema [17].
3.2 Estacionariedade
A estacionariedade é uma propriedade das séries
temporais na qual uma determinada série de dados flutua
em torno de um centro relativamente estável, ou seja, sem
variações consideráveis ao longo do tempo. Para que haja
esta condição, necessitamos que o segundo momento não
centrado da amostra, a variância, seja finita, enquanto que
sua média deve ser igual para todo período, ainda que a
distribuição que origina estes dados se altere ao longo do
tempo [18]. É uma propriedade importante para nossa
análise porque reflete cercas características da série que
podem corroborar com as teorias existentes.
O teste de Dickey-Fuller é um dos tipos de metodologia
para verificar a presença de estacionariedade mais
utilizados. Um modelo em função dos lags é construído
pelo teste para que sejam interpretadas evidências em
torno da existência de raízes unitárias nos dados. Se
houver raíz unitária, ou seja, se as raízes do modelo em
função dos lags estiverem dentro do círculo unitário, há
evidência de não estacionariedade.
O software Stata, utilizado na modelagem
econométrica deste trabalho, possui comandos
específicos para diversos tipos de teste de raiz unitária:
Dickey-Fuller (DF), Augmented Dickey-Fuller (ADF),
Phillips-Pérron (PP), Kwiatkowski-Phillips-Schmidt-Shin
(KPSS), entre outros.
Na maioria dos testes de raiz unitária, é construída a
seguinte estrutura:
𝐻 : 𝐸𝑥𝑖𝑠𝑡𝑒 𝑅𝑎í𝑧 𝑈𝑛𝑖𝑡á𝑟𝑖𝑎 (𝑁ã𝑜 𝐸𝑠𝑡𝑎𝑐𝑖𝑜𝑛á𝑟𝑖𝑜)
{ 0
𝐻1 : 𝑁ã𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑅𝑎í𝑧 𝑈𝑛𝑖𝑡á𝑟𝑖𝑎 (𝐸𝑠𝑡𝑎𝑐𝑖𝑜𝑛á𝑟𝑖𝑜)
No teste KPSS, no entanto, as hipóteses nula e
alternativa são invertidas, ou seja, sua estrutura de teste de
hipóteses passa a obedecer a seguinte lógica:
𝐻 : 𝑁ã𝑜 𝐸𝑥𝑖𝑠𝑡𝑒 𝑅𝑎í𝑧 𝑈𝑛𝑖𝑡á𝑟𝑖𝑎 (𝐸𝑠𝑡𝑎𝑐𝑖𝑜𝑛á𝑟𝑖𝑜)
{ 0
𝐻1 : 𝐸𝑥𝑖𝑠𝑡𝑒 𝑅𝑎í𝑧 𝑈𝑛𝑖𝑡á𝑟𝑖𝑎 (𝑁ã𝑜 𝐸𝑠𝑡𝑎𝑐𝑖𝑜𝑛á𝑟𝑖𝑜)
Carbon: Emissão de Dióxido de Carbono (CO2) em
ppm (partículas por milhão)

A primeira variável testada foi a emissão de CO2.

Resultados mostram que a série é não estacionária,
embora sem tendência significativa. Estes são resultados
interessantes e que corroboram a teoria existente, de que
a emissão de CO2 ainda está longe de ser estabilizada.

A literatura nos diz que, ao trabalharmos com variáveis

Observamos pelo correlogramas acima que a série
aparenta ser não estacionária, já que a Função de
Autocorrelação (FAC), decai lentamente. Ao considerar
apenas a análise gráfica, poderíamos pensar o processo
gerador dos dados de emissões de dióxido de carbono
como sendo um modelo autorregressivo de ordem 1.
O teste ADF (Augmented Dickey-Fuller), performado
para esta variável, nos confirma a hipótese de que nossos
dados são não estacionários. Testes laterais também
mostraram que a série não possui tendência significativa.
não estacionárias, podemos realizar transformações na
série, tomando a primeira diferença dos dados,
trabalhando com as variáveis em nível ou ainda
construindo um modelo VEC (Vector Error Correction),
desde que as séries sejam cointegradas.
Testes preliminares também mostraram que, após a
primeira diferença, a variável Carbon continha resultados
significativos indicando estacionariedade, mas por causa
de uma tendência altamente significativa nos dados,
devemos tomar a segunda diferença, nos levando a inferir
que a série histórica da emissão de dióxido de carbono é
integrada de ordem 2. Esta é uma evidência interessante,
que também corrobora com a teoria ambientalista. Como
o ciclo de vida dos gases do efeito estufa é geralmente
longo, é de se esperar realmente que dados medidos em
um período t carreguem informação de períodos
anteriores.

7
 Após a transformação da série por meio da tomada das
duas primeiras diferenças, a série se tornou estacionária e
sem tendência significativa, duas condições necessárias
para a construção, por exemplo, de modelos VAR (Vector
Autoregressive).
Methane: Emissão de Metano (CH4) em ppm
(partícula por milhão)
De modo muito similar às emissões de dióxido de
carbono, as emissões de metano também se mostraram
não estacionárias, e integradas de ordem 2, como
demonstra a figura abaixo:
Da mesma forma, as evidências suportam a teoria de
que as emissões de gases do efeito estufa não são estáveis
e carregam informação passada em suas medições atuais.
Nitrous: Emissões de Óxido Nitroso (N2O) em ppm
(partículas por milhão)
Também do mesmo modo que as emissões de CO2 e
CH4, as emissões de óxido nitroso se comportam de
maneira não estacionária, e também são integradas de
ordem 2.
8
Usa: PIB Per Capita em GK$ de 1990 – Estados Unidos
No caso da série histórica do PIB Per Capita americano
medido em dólares internacionais de 1990, também
encontramos evidências de não estacionariedade. No
entanto, já na primeira diferença, a série mostrou-se
estacionária. A constante, também chamada de drift, se
mostrou significativa na série integrada de ordem 1, mas
isto é algo bastante comum em variáveis econômicas. Esta
constante (Drift) é uma constante que adiciona uma
característica linear determinística aos dados, enquanto
que a tendência (Trend), adiciona uma característica
exponencial determinística aos dados. Na prática, a
diferença entre estes dois conceitos é que a tendência gera
mudanças na média da variação estocástica de uma
variável ao longo do tempo, de forma geralmente abrupta
ou mais “rápida”, enquanto que o drift não possui tanto
poder de modificação na variação desta média. É,
portanto, uma constante que leva os dados para algum
ponto mas de forma lenta e geralmente não prejudicial.
No entanto, para variáveis que evoluem por muitos
períodos históricos, como estudos de população, por
exemplo, o drift deve ser observado tanto quanto a
tendência [19]
World: PIB Per Capita em GK$ de 1990 – Mundial
Para o caso do PIB Mundial Per Capita, também
encontramos, tal como no caso do PIB americano,
evidências de não estacionariedade, solucionadas, da
mesma forma, a partir da diferenciação da série. Tzveta
Iordanova [19] afirma que, em muitos casos, a
diferenciação elimina não só a tendência, mas também o
drift da série estudada, mas que ainda assim a variância
pode tender a valores infinitos. Neste caso, devemos nos
preocupar com a qualidade do modelo ao observar estas
duas características.
 Para a variável World, em primeira diferença, o drift
permanece significativo, como mostrado abaixo, mas a
série se torna estacionária.
Population: População Total (ambos os sexos)
Como citado previamente, ao trabalharmos com
variáveis históricas populacionais, devemos evitar ao
máximo qualquer tendência e/ou drift possíveis, visto que
o potencial de criar fronteira de variância infinita é
significativo.
No caso de nossa variável populacional, a série tornou-
se estacionária, sem tendência e sem drift apenas na
terceira diferença. É a variável de maior ordem de
integração deste estudo.
3.3 Testes de Cointegração
A cointegração é uma propriedade que permite à duas
séries não estacionárias, integradas de ordem 1, possuírem
alguma combinação linear entre si que seja integrada de
ordem 0. Na prática, duas variáveis cointegradas podem
ter relação de longo prazo, o que evita o problema da
regressão espúria, quando duas variáveis sem correlação
lógica nenhuma podem parecer estatisticamente válidas.
9
Da mesma forma que a estacionariedade, existem
diversos testes para verificação da hipótese de
cointegração. Os mais comuns são os testes de
cointegração de Engle-Granger, o de Johansen, o de
Phillips–Ouliaris e o teste ARDL (do inglês Autoregressive
Distributed Lag), que tem sido bastante utilizado,
conforme comentam Kivyiro e Arminen [9], por permitirem
testes de multicointegração, não importando se as
variáveis são I(0), I(1) ou integradas de ordem fracionada.
Além disto, tanto relações de curto quanto de longo prazo
podem ser testadas simultaneamente.
Dadas as características dos dados disponíveis,
trabalhamos com os testes univariados de cointegração de
Engle-Granger e Johansen. Os testes, no entanto, foram
ajustados para estudos de pares de variáveis e dois pares
simultâneos (multicointegração simples).
O teste de Johansen a partir da estatística de Trace,
revela o número de equações cointegradas existentes na
combinação linear entre duas ou mais variáveis.
Geralmente podemos classificar um modelo como
cointegrado quando existem 1 ou mais relações de
combinação linear significativas (rank).
PIB Per Capita americano
Os testes de Johansen acusaram a presença de 2
relações de combinação linear entre as variáveis em forma
integrada de ordem 1.
O resultado foi confirmado também pelo teste de
Engle-Granger.
 Por outro lado, quando as variáveis foram testadas uma
a uma em conjunto com a variável Usa, nenhuma relação
de cointegração foi encontrada, e os resultados foram
inconclusivos. Uma possível alternativa para isto seria
performar um teste de ARDL para encontrar cada relação
de cointegração existente no modelo.
Teoricamente falando, esperava-se que alguma relação
fosse encontrada, dado o fato de que os EUA foram, por
um tempo, líderes em emissão de dióxido de carbono. No População
entanto, é comum que o PIB por si só não possua relação
de longo prazo com a emissão de gases do efeito estufa
para países que já passaram da fase de maturação da Por último, quando consideramos a População total
Curva de Kuznets, pois a necessidade da busca pela global, encontramos relações de cointegração a um nível
eficiência energética poderia fazer com que o país de 5%. Esta é uma variável que se esperava que tivesse
desenvolvesse tecnologias mais eficazes e, ao mesmo maior significância, dada a lógica encontrada na teoria
tempo, menos poluentes. ambientalista que o aumento da população naturalmente
causaria também o aumento da emissão de gases do
Além disto, a medida do PIB é uma variável complexa efeito estufa, principalmente dióxido de carbono.
por si só, e ainda que os trabalhos empíricos venham
mostrando estas relações de cointegração (e causalidade
em muitos casos) entre PIB e emissão de CO2 pelo menos,
notamos que quase todos estes trabalhos tem em comum
o fato de tratarem de países em desenvolvimento que
ainda estão passando pela fase de maturação da Curva de
Kuznets, e/ou que já são considerados países
desenvolvidos mas que possuem matrizes energéticas de
alto risco de poluição (caso da França e países da Europa,
por exemplo, que utilizam usinas nucleares para produção
de energia).

PIB Per Capita mundial

Quando a análise foi alternada para o PIB mundial, ao

invés do PIB americano, no entanto, encontramos relações
de cointegração nas variáveis World e Carbon, ambas em
forma I(1), de maneira que confirmamos uma hipótese
plausível: ainda que o PIB de um país relevante como os
EUA, mas considerado isoladamente não tenha
demonstrado, a princípio, cointegração com a emissão de
CO2, o PIB Per Capita mundial, mais generalizado, já
parece mostrar o contrário, conforme resultados
mostrados abaixo:
Tais resultados são importantes para decidimos qual
modelo é mais ajustado aos nossos dados. De maneira
geral, quando temos variáveis cointegradas, um modelo
VECM deve ser estimado ao invés de um modelo VAR [9].
Para que a previsão de séries temporais seja robusta,
devemos ainda testar a hipótese de estabilidade do VECM,
e testes adicionais de normalidade dos resíduos podem
ser úteis para determinar se o modelo possui capacidade
significativa de forecast [18].
A seção seguinte explorará as características dos
modelos VEC criados a partir dos três modelos acima. Os
dois primeiros para predição, e o terceiro para controle.

10
4. RESULTADOS EMPÍRICOS Podemos notar que apenas os dois primeiros lags do
próprio PIB parecem ter alguma relação com esta variável
econômica. Mais tarde serão demonstrados os resultados
dos testes de causalidade de Granger performados com
4.1 VAR (Vector Autoregressive Model) base nestes modelos VAR.

Um Modelo VAR é geralmente construído para

capturar interdependências lineares entre múltiplas séries PIB Per Capita Mundial
temporais. Descreve a evolução de um conjunto de
variáveis ao longo do tempo por meio dos seus próprios
valores passados [18]. A limitação do modelo VAR simples Curiosamente, o modelo VAR criado para a variável
é que todas as variáveis devem possuir a mesma ordem de diferenciada do PIB Per Capita Mundial também não
integração para que o modelo seja válido. possuiu relações significativas com os lags de nenhuma
variável, inclusive com seus próprios.
Uma grande vantagem, por outro lado, de modelos
VAR é que, a partir de sua construção, podemos estimar
testes de causalidade como o teste de Granger, que nos
permite procurar por padrões de causalidade uni ou
multivariada entre as variáveis estudadas.

PIB Per Capita Americano

O modelo VAR construído a partir das variáveis

estacionárias após diferenciação, com variáveis em igual
ordem de integração, resultou na análise das relações
seguintes (todas as variáveis reportaram resultados
estatisticamente não significativos para as relações de seus
próprios valores passados. Apenas a variável dUsa foi
mantida para demonstrarmos as relações das outras
variáveis com o PIB americano):

População

Da mesma forma que o primeiro modelo VAR, apenas

os lags da própria variável População pareceram
significativos para a modelagem.
Na página seguinte temos os resultados do output do
modelo VAR construído para testar as relações do modelo
populacional com os seus próprios lags e com os lags das
outras variáveis ambientais.
Outro modo de avaliarmos a qualidade de modelos
VAR é a partir da Função de Impulso-Resposta, tópico a
ser explorado na próxima seção.

11
4.2 Função de Impulso-Resposta
A função de impulso-resposta do VAR entre as variáveis
dUsa e dCarbon nos leva a inferir que um choque no PIB
americano leva a uma mudança de cerca de 0,05 unidade
no aumento da emissão de CO2 em 5 anos.
De maneira similar, um choque no PIB global leva a
cerca de 0,2 unidades de mudança nas emissões de CO2
em um período de 5 anos, e um choque na população
global leva a um aumento de cerca de 0,1 unidade nas
emissões de CO2.
12
4.3 VECM (Vector of Error Correction Model)
PIB Per Capita Americano
Muito embora os resultados dos testes de cointegração
para este modelo tenham sido inconclusivos, de toda
forma, como as variáveis deveriam ser teoricamente
cointegradas, ou seja, possuir relação de longo prazo, foi
criado um modelo VECM para estimação de uma equação
cointegrada de predição. Esta equação se mostrou
significativa, e, comparando os verdadeiros valores do PIB
americano com o modelo performado, temos o gráfico
abaixo, que nos leva a inferir que, ainda que não tenham
sido encontradas evidências de cointegração, exista
alguma relação de curto ou longo prazo entre a variável
econômica e as variáveis ambientais.
O modelo VEC criado foi utilizado para predição do
comportamento da série histórica, resultando em uma
equação com poder preditivo satisfatório, demonstrada
no gráfico a seguir:
PIB Per Capita Mundial
Para a série histórica do PIB Per Capita Mundial tivemos
resultados bastante similares a partir da equação de
cointegração predita, em termos de comportamento. A
magnitude das predições no entanto, possuem diferenças
relevantes, como mostrado na figura a seguir:
População
Para o modelo populacional, os resultados do VEC não
foram conclusivos em termos de predição.
13
4.4 Testes de Causalidade de Granger
O teste de Causalidade de Granger é um importante
instrumento na análise econométrica, que nos permite
verificar a relação, uni ou multilateral, entre pares de
variáveis no modelo desenvolvido. Isto nos leva ao
entendimento de como as variáveis se comportam em
termos de causa e efeito.
PIB Per Capita Americano
Para a primeira variável testada, percebemos que
nenhuma das variáveis ambientais foi relevante na
composição do PIB americano. Basicamente, não temos
nenhuma relação empírica na qual o aumento dos níveis
de emissões de gases do efeito estufa causassem variações
no PIB dos EUA durante o período de 1800 e 2010.
As únicas relações de causalidade relevantes foram a
do Metano causando impactos sobre o óxido nitroso e do
óxido nitroso causado impactos sobre o dióxido de
carbono. Ambos os resultados encontrados corroboram
com a teoria química de que parte do NO2 na atmosfera
sofre reações e pode contribuir para aumentos residuais
na quantidade de CO2. O mesmo vale para a primeira
relação. As relações entre os ciclos de vida das moléculas
de cada um destes gases também podem explicar estas
relações de causalidade para o modelo estudado.
PIB Per Capita Mundial vistos em trabalhos teóricos e empíricos diversos,
reforçando a necessidade de atenção sobre o efeito estufa.

Os resultados para este segundo teste foram bastante

similares aos do teste performado sobre o PIB americano,
com as adições de duas relações curiosas de causalidade
unilateral dos índices de emissão de Metano causarem
impactos sobre o PIB global, e de feedback entre os níveis
de emissão de CO2 e os de NO2.
Evidências deste tipo de causalidade corroboram com
a teoria econômica e ambiental. Sabe-se que o metano é
um gás muito produzido por atividades industriais, pelas
atividades de agricultura e pecuária, e que é um
importante gás de uso doméstico. Aumentos nos níveis de
emissão do metano dado a atividades econômicas podem
ter sido captados pelo teste, se tornando um insight
interessante para o estudo.

5. CONCLUSÕES

O presente trabalho realizou uma breve investigação

População
No teste de causalidade para o modelo populacional,
encontramos duas relações unilaterais interessantes e que
corroboram com a teoria econômica e ambientalista: o
aumento na população global aparenta exercer uma
causalidade de Granger sobre os níveis de emissão de
dióxido de carbono e metano, dois gases do efeito estufo
mais presentes no uso doméstico e de fácil acesso. No
caso do CO2, ainda há os efeitos causados pela própria
emissão natural das pessoas.
Notamos que, relativamente, os resultados
encontrados são geralmente condizentes com aqueles
sobre as relações entre variáveis econômicas e
populacionais sobre os níveis de emissão de gases do
efeito estufa. A contribuição mais relevante talvez tenha
sido o uso de dois gases que não aparecem os estudos
geralmente performados: o metano e o óxido nitroso.
Embora alguns dos resultados tenham sido inconclusivos
por causa de problemas com as variáveis (diferenças na
ordem de integração, não estacionariedade de todas as
séries acompanhadas de drift e/ou tendência, entre
outros), mas que resultaram em insights interessantes.
Ainda assim, estas características das séries corroboram
com todas as hipóteses constantes nas teorias econômicas
e ambientalistas.
As relações de causalidade encontradas podem ser
resumidas:
(Metano → PIB Per Capita Mundial)
(CH4 → NO2)
(População → CO2)
(População → Metano)
(NO2 ↔ CO2)
As evidências encontradas nestes testes são todas
pertinentes e condizentes com a teoria ambientalista.
Esperava-se encontrar evidências de relações de
causalidade das variáveis econômicas sobre as emissões

14
de gases do efeito estufa, como seria de se esperar, mas
os testes foram inconclusivos a este respeito.
Novas sugestões de pesquisa e adições a este trabalho
incluem a extensão da análise econométrica a outros
países e/ou regiões do globo, já presentes na base de
dados que acompanha este paper; a performance de
novos testes de cointegração, além de reajustes nas
variáveis (reformulação por meio de transformações de
Fourier, subtração dos componentes de tendência e drift,
entre outros); além da extensão da análise para novas
variáveis adicionais, como os níveis de poluição por país
e/ou região (trabalhamos com a emissão de gases em ppm
– partículas por milhão, mas podemos também usar os
dados do World Bank sobre emissão em toneladas/ano),
consumo de energia, IED, entre outros. Diversas
possibilidades de estudo são abertas, e reforçam a
necessidade de atenção que o tema do aquecimento
global merece, como o maior desafio de nossa era.
6. BIBLIOGRAFIA
6.1 Dados
[1] THE MADDISON-PROJECT, 2013 version. Acessado
em 25 de Agosto de 2017. Disponível em:
http://www.ggdc.net/maddison/maddison-
project/home.htm
[2] INSTITUTE FOR ATMOSPHERIC AND CLIMATE
SCIENCE (IAC) AT EIDGENÖSSISCHE TECHNISCHE
HOCHSCHULE. Greenhouse Gases – Yearly Datasets.
Diretório Web. Acessado em: 25 de Agosto de 2017.
Disponível em:
ftp://data.iac.ethz.ch/CMIP6/input4MIPs/UoM/GHGConc/
CMIP/yr/atmos/UoM-CMIP-1-1-0/GHGConc/gr3-
GMNHSH/v20160701/
[3] UNITED NATIONS DESA/POPULATION DIVISION.
World Population Prospects 2017. Dataset: Total
Population – Both Sexes. Acessado em: 25 de Agosto de
2017. Disponível em:
https://esa.un.org/unpd/wpp/DVD/Files/1_Indicators%20(
Standard)/EXCEL_FILES/1_Population/WPP2017_POP_F01_
1_TOTAL_POPULATION_BOTH_SEXES.xlsx
[4] US EPA - ENVIRONMENTAL PROTECTION AGENCY.
Climate Indicators: Atmospheric Concentrations of
15
Greenhouse Gases. Acessado em: 25 de Agosto de 2017.
Disponível em:
https://www.epa.gov/climate-indicators/climate-change-
indicators-atmospheric-concentrations-greenhouse-
gases
6.2 Papers
[5] MASON, J. Two Centuries of Climate Science: part one
- Fourier to Arrhenius, 1820-1930. Acessado em 28 de
agosto de 2017. Disponível em:
https://skepticalscience.com/two-centuries-climate-
science-1.html
[6] MASON, J. Two Centuries of Climate Science: part two
– Hulburt to Keeling, 1931-1965. Acessado em 28 de
agosto de 2017. Disponível em:
https://skepticalscience.com/two-centuries-climate-
science-2.html
[7] MASON, J. Two Centuries of Climate Science: part
three – Manabe to the Present Day, 1966-2012. Acessado
em 28 de agosto de 2017. Disponível em:
https://skepticalscience.com/two-centuries-climate-
science-3.html
[8] PAO, Hsiao-Tien, TSAI, Chung-Ming. Multivariate
Granger causality between CO emissions, energy
consumption, FDI (foreign direct investment) and GDP
(gross domestic product): Evidence from a panel of BRIC
(Brazil, Russian Federation, India, and China) countries,
Energy, Volume 36, Issue 1, 2011, Pages 685-693, ISSN
0360-5442.
http://dx.doi.org/10.1016/j.energy.2010.09.041
[9] KIVYIRO, P. and ARMINEN, H. Carbon dioxide
emissions, energy consumption, economic growth, and
foreign direct investment: Causality analysis for Sub-
Saharan Africa, Energy, 74, issue C, 2004, Pages 595-606.
http://EconPapers.repec.org/RePEc:eee:energy:v:74:y:2014
:i:c:p:595-606
[10] ASAFU-ADJAYE, J. The relationship between energy
consumption, energy prices and economic growth: time
series evidence from Asian developing countries, Energy
Economics, Volume 22, Issue 6, 2000, Pages 615-625,
ISSN 0140-9883.
http://dx.doi.org/10.1016/S0140-9883(00)00050-5
[11] CHANG, Ching-Chih. A multivariate causality test of
carbon dioxide emissions, energy consumption and
economic growth in China, Applied Energy, Volume 87,
Issue 11, 2010, Pages 3533-3537, ISSN 0306-2619.
http://dx.doi.org/10.1016/j.apenergy.2010.05.004
[12] XIANGZHAO F, JI Z. Economic collection of CO2
emission trends in China Population. Resources and
Environment, Volume 18, Issue 3, 2008, Pgs. 43-47, ISSN
1872-583X.
http://dx.doi.org/10.1016/S1872-583X(09)60005-X
[13] ANG, J. CO2 emissions, energy consumption, and
output in France. Energy Policy, Volume 35, Issue 10,
2007, ISSN 4772-4778.
http://dx.doi.org/10.1016/j.enpol.2007.03.032
[14] HALICIOGLU, F. An econometric study of CO2
emissions, energy consumption, income and foreign
trade in Turkey. MPRA Paper No. 11457. Disponível em:
http://mpra.ub.uni-muenchen.de/11457/
[15] ZHANG, XP e CHENG, XM. Energy consumption,
carbon emissions, and economic growth in China,
Ecological Economics, Volume 68, Issue 10, 2009, Pag.
2706-2712, ISSN 0921-8009.
http://dx.doi.org/10.1016/j.ecolecon.2009.05.011
[16] US EPA – ENVIRONMENTAL PROTECTION AGENCY.
Overview of Greenhouse Gases – Nitrous Oxide. Pg. 164
[17] HOLLEMAN, A. F.; WIBERG, E. Inorganic Chemistry.
San Diego: Academic Press, 2001, ISBN 0-12-352651-5
[18] BUENO, R. Econometria de Séries Temporais. 2° Ed.
São Paulo: Cengage Learning, 2011, Pag. 17, ISBN 978-
85-221-1157-2
[19] IORDANOVA, T. Introduction To Stationary And
Non-Stationary Processes. Acessado em 26 de Agosto de
2017. Disponível em:
http://www.investopedia.com/articles/trading/07/stationa
ry.asp

16