Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
Pesquisas Agrárias e Ambientais
DOI: https://doi.org/10.31413/nativa.v10i1.13130 ISSN: 2318-7670
Análise da co-integração entre a pecuária de leite e corte em Mato Grosso
Miquéias MICHETTI1, Júlio Cesar dos REIS2,
Mariana Yumi Takahashi KAMOI3, Luciano Bastos LOPES4*
1Instituto Mato Grossense de Economia Agropecuária, Cuiabá, MT, Brasil.
2Embrapa Cerrados, Brasília, DF, Brasil.
3Escola Superior de Agricultura "Luiz de Queiroz" (ESALQ), Piracicaba, SP, Brasil.
4Embrapa Agrossilvipastoril, Sinop, MT, Brasil.
*E-mail: luciano.lopes@embrapa.br
(ORCID: 0000-0002-8244-3352; 0000-0002-7939-0384; 0000-0003-3033-686X; 0000-0002-9433-521X)
Recebido em 01/11/2021; Aceito em 14/02/2022; Publicado em 14/03/2022.
RESUMO: A pecuária de corte em Mato Grosso é referência nacional, destacando-se entre outros fatores pelo
tamanho de seu rebanho. Todavia sua pecuária leiteira vem perdendo participação no cenário doméstico.
Invariavelmente, a atividade de corte e leite tem relação intrínseca no estado, onde os ciclos da pecuária de
corte são fatores determinantes para explicar a produção e o preço do leite. Isso é observado na presença de
uma relação de curto prazo mais intensa entre a produção de leite com seu preço, como esperado, mas também
com o preço do bezerro e com o da @ do boi gordo. O efeito da resposta ao impulso na produção de leite
mostra que a variável que mais impacta na decisão do produtor em relação à produção de leite é o preço da @
do boi. Choques no preço da @ produzem uma resposta negativa na produção de leite, mas o efeito do preço
do bezerro por sua vez, influencia positivamente a produção. A falta de genética especializada pode ser uma
das principais causas dessa estreita relação, fazendo com que mudanças no mercado de carne bovina do estado
e na produção de carne afetem significativamente a produção e o preço do leite.
Palavras-chave: pecuária; impulso-resposta; econometria.
Analysis of co-integration between milk dairy and beef cattle in Mato Grosso
ABSTRACT: Livestock in Mato Grosso can be considered a national reference, standing out among other
factors due to its herd size. However, dairy farming has been losing participation in the domestic scenario.
Invariably, beef and milk production have an intrinsic relationship in the state, where beef livestock cycles
determine factors to explain the production and price of milk. That is observed in the presence of an intense
short-term relationship between milk production and price, as expected, and the calf price and live cattle. The
effect of the impulse response on milk production shows that the variable that most impacts the producer's
decision concerning milk production are the price of live cattle. Shocks in the price of live cattle produce a
negative response in milk production, but the effect of the calf's price in turn positively influences production.
The lack of specialized genetics may be one of the main causes of this close relationship, causing changes in
the state's beef market and meat production to significantly affect milk production and price.
Key words: livestock; impulse-response; econometrics.
1. INTRODUÇÃO
Mato Grosso tem o maior rebanho bovino entre os
estados brasileiros, com cerca de 31,9 milhões cabeças
(IBGE, 2020) e desde 2017, o estado é o segundo exportador
de carne bovina da federação. Em 2020, Mato Grosso foi
responsável por 20,58% do total de embarques ou 493,84
mil/toneladas equivalentes carcaças, que representou 2
bilhões de US$/FOB (Secex/Comexstat, 2020). Em
contrapartida, a pecuária leiteira nunca alcançou o mesmo
destaque, e seu VBP valor bruto da produção agropecuária
representa apenas 2,7% da pecuária de corte. Alguns aspectos
dificultam o avanço da importância de pecuária leiteira no
estado como a baixa produtividade das vacas ordenhadas,
1.637 litros ao ano, 35% menor que a média nacional (IBGE,
2020), além das condições climáticas desfavoráveis para o
gado de genética especializada (MAGALHÃES et al., 2020).
No entanto a atividade leiteira é de suma importância para
a economia estadual segundo o IMEA (MARCEL
DURIGON, 2018). Cerca de 22 mil familias geram renda a
partir da venda do leite produzido em suas propriedades, isso
representa quase 19% dos estabelecimentos agropecuários do
estado segundo o IBGE (2017), gerando um VBP de R$
666,8 milhões (IMEA, 2020). Embora apresente
características positivas, como uma grande oferta de grãos e
resíduos industriais para suplementação, a falta de políticas
públicas e de diretrizes técnicas que sejam capazes de superar
esses desafios tem feito a captação no estado reduzir a uma
taxa de 8,84%% ao ano entre 2011 e 2020 (IBGE, 2020)
Entre as particularidades da cadeia de lácteos mato-
grossense, há claramente uma relação intrínseca entre
pecuária de corte e de leite, principalmente devido ao perfil
genético do rebanho, composto em sua maioria por animais
oriundos de algum tipo de cruzamento, com forte
predominância de genética zebuína adaptadas a condição
climática extrema de temperatura (GOMES, 2011). Essa
integração das cadeias ocorre de forma complementar nas
propriedades leiteiras e, em alguns casos, há uma relação de
competição entre as atividades.
Michetti et al.
Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
33
Um desdobramento da teoria moderna dos portfólios que
utiliza as proposições sobre a importância de se avaliar as
correlações entre retornos de ativos. Nesse caso, entendidos
como os preços de mercados é a aplicação da análise de séries
temporais para avaliar a existência de influências de curto
e/ou longo prazo entre os preços das variáveis em análise,
utilizando técnicas estatísticas modelos vetoriais
autorregressivos (VAR), avaliação da existência de co-
integração (JOHANSEN, 1988), causalidade (GRANGER,
1986), funções impulso-resposta e análises de decomposição
de variância (ENDERS, 2010; GREENE, 2012;
WOOLDRIDGE, 2015).
A utilização dos modelos VAR (Vetor de Autocorrelação
Regressivos) inicialmente proposta por (SIMS, 1980), tem
sido muito utilizada para avaliar as correlações e os impactos
entre variáveis macroeconômicas como câmbio, juros,
inflação e Produto Interno Bruto (PIB) além da possibilidade
de se avaliar a existência, ou não, de influência de uma
variável definida como exógena, incluindo o preço do
petróleo ou a taxa de juros externa nos agregados
macroeconômicos internos.
O objetivo com esse trabalho é avaliar as relações entre
os mercados de pecuária de corte e leite em Mato Grosso,
através da análise da co-integração dos preços do bezerro
para recria, do preço da arroba (@) do boi gordo, do preço
do milho e do preço do leite pago ao produtor, de modo a
identificar a influência dos ciclos de preços no curto e no
longo prazo na produção de leite. Para ressaltar os resultados
encontrados para Mato Grosso, realizaremos a mesma
análise considerando os preços médios dos mesmos produtos
para o Brasil.
2. MATERIAL E MÉTODOS
As séries de preços de Mato Grosso foram obtidas junto
ao Instituto Mato-grossense de Economia Agropecuária
(Imea), contemplando o período de 2011 a 2019. Já as séries
de preço para o Brasil foram obtidas junto ao Centro de
Estudos Avançados em Economia Aplicada (Cepea).
O preço do bezerro em Mato Grosso segundo o Imea, se
refere ao valor do bovino macho da raça Nelore com oito
meses, com peso médio torno de 5,5 @, remunerado por
“cabeça”. Já o preço do bezerro segundo o Cepea tem como
base seu valor de negociação na BM&F BOVESPA. Da
mesma forma, os preços da @ do boi gordo foram obtidos a
partir das bases de dados do Imea e da média Cepea BM&F
BOVESPA para os resultados comparativos do Brasil.
Para análise do preço do milho, utilizamos a série
histórica fornecida pelo Imea referente ao preço sem
desconto de tributos. Já para análise do milho no Brasil,
utilizou-se a série histórica do Cepea também sem descontos
de tributos, sendo a região de Campinas, estado de São Paulo,
a base de referência para o Indicador ESALQ/BM&F
BOVESPA.
O preço do leite em Mato Grosso foi obtido junto ao
Imea. A série é mensal e se refere ao preço médio ponderado
do leite cru refrigerado, em reais por litro, para as diferentes
regiões produtoras. A análise do preço médio do leite no
Brasil foi realizada com base no banco de dados do Cepea. O
preço médio foi composto pela ponderação dos preços
médios nos estados de RS, SC, PR, SP, MG, GO e BA, com
base na participação média da produção formal mensal de
cada estado nos últimos 10 anos conforme a publicação da
Pesquisa Trimestral do Leite (PTL) do IBGE (2020). Para
avaliação da produção, tanto do Brasil, quanto de MT,
também foi utilizada a série temporal da captação mensal em
litros segundo a PTL, abrangendo o período entre janeiro
2011 a dezembro de 2019.
A avaliação da relação entre as variáveis foi realizada
através da construção das funções impulso-resposta (IRF) e
das Tabelas de decomposição da variância. A IRF é uma
representação gráfica de como um choque exógeno em uma
variável se propaga pelo conjunto de informações que
compõem o modelo vetorial, explicitando como uma variável
exerce influência sobre o comportamento futuro das demais
(ENDERS, 2010; GREENE, 2012; WOOLDRIDGE,
2015). Já a decomposição da variância apresenta a
quantificação, em termos percentuais, da contribuição de
cada variável para a explicação da variância nos valores da
variável que está sendo avaliada (GREENE, 2012).
Para tanto, foi realizada a seguinte rotina: para avaliar a
existência ou não de co-integração entre as variáveis que
compõem essa análise, inicialmente foi testada a
estacionaridade (média e variância constantes ao longo do
tempo e covariância dependente unicamente do número de
defasagens) das séries. Utilizamos os testes Dickey-Fuller
Aumentado (ADF) e Phillips-Perron (PP) para verificar a
presença ou não de raízes unitárias. Após os testes, foram
realizados os testes de co-integração para avaliar a existência
de relação de longo prazo entre as variáveis (Greene, 2012).
Para avaliação da co-integração, utilizou-se o teste do λ
traço e do máximo autovalor proposto por Johansen (1988).
Para a definição do número de defasagens (lags) a serem
utilizados nos testes de co-integração, considerou-se os
critérios Akaike Information Criterion (AIC), Schwarz
Bayesian Criterion (SBC) e Hannan-Quinn (HQIC)
(WOOLDRIDGE, 2015). Para avaliar se existe relação de
curto prazo entre as variáveis, para estimar as funções
impulso-resposta, além da construção da Tabela de
decomposição da variância, foi estimado um modelo VEC,
considerando todas as variáveis como endógenas. O
propósito dessa análise é identificar se existe alguma relação
entre as séries de preço. Para validar o número de defasagens
usados no modelo VEC, utilizou-se os critérios AIC, SBC e
HQIC (Enders, 2010; Greene, 2012). A validade do modelo
VEC foi testada através da análise dos resíduos, verificando
se esses satisfazem as condições de normalidade (testes
Jarque-Bera, skewness e kurtosis) (ENDERS, 2010;
GREENE, 2012).
Por fim, como complemento aos resultados encontrados
pelo modelo VEC, e para avaliar a relação entre as variáveis
de preço ao longo do tempo, foram estimadas as funções de
impulso-resposta e realizada a análise de decomposição da
variância para cada uma das variáveis. Para a construção de
ambos os resultados, foi considerado ao método de
decomposição de Cholesky (HAMILTON, 1994; ENDERS,
2010).
3. RESULTADOS
Após a análise gráfica dos dados (Figura 1), é possível
perceber que as variáveis: preço do leite, do bezerro e da @
do boi gordo apresentam uma tendência determinística de
crescimento. Já para a produção, a série apresenta um
comportamento sazonal. Ao se trabalhar com séries
temporais, se faz necessária a avaliação de estacionariedade,
isso é, se as séries possuem média e variância constantes ao
longo do tempo, e a covariância dependente apenas do
número de defasagens.
Análise da co-integração entre a pecuária de leite e corte em Mato Grosso
Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
34
Figura 1. Representação gráfica do comportamento da @ do boi gordo, preço do bezerro, produção e preço do leite em MT.
Figure 1. Graphic representation of the behaviour of the @ of live cattle, calf price, milk yield/price in MT.
Na Tabela 1 estão listados os resultados dos critérios de
AIC (Akaike Informatacion Criterion), SBIC (Schwarz
Bayesian) e HQIC (Hannan- Quinn) para a seleção do
número de defasagens (lags) a serem utilizados nos testes de
estacionariedade. Seguindo o princípio da parcimônia o lag
escolhido foi o lag 1, conforme indicado pelo critério SBIC.
Tabela 1. Seleção de lags para MT, utilizando os critérios de AIC,
HQIC e SBIC.
Table 1. Selection of lags for MT, using the criteria of AIC, HQIC
and SBIC.
Lags MT AIC HQIC SBIC
0 57,913 57,964 58,040
1 46,794 47,103 47,557*
2 46,223* 46,822* 47,654
3 46,223 47,047 48,893
* a regra de decisão é: a linha que tiver maior número de asteriscos, minimizar
os critérios de AIC e SBIC
Os testes de ADF e PP foram realizados com as variáveis
transformadas em logaritmo, considerando a presença de
uma tendência determinística. Ao analisar os resultados
apresentados nas Tabelas 2 e 3, percebe-se que, em ambos os
testes, apenas a produção de leite rejeita a hipótese nula de
presença de raiz unitária. Para as demais variáveis, aceita-se a
hipótese de presença de raiz unitária. Para tornar as séries
estacionárias utilizou-se a técnica do operador de diferenças
(ENDERS, 2010; WOOLDRIDGE, 2015). Os resultados
para os testes com as séries em primeira diferença indicam
que essa transformação foi suficiente para tornar as séries
estacionárias (p < 0,01), rejeitando a hipótese nula, com um
elevado nível de confiança e caracterizando-as como
integradas de ordem 1.
Os resultados do teste de co-integração de Johansen são
apresentados na Tabela 4. Tanto no teste do λ traço quanto
no teste do máximo autovalor, observa-se a presença de dois
vetores de co-integração, indicando que longo prazo as
variáveis apresentam uma trajetória semelhante, uma relação
de equilíbrio (ENDERS, 2010; GREENE, 2012), o que, para
a situação analisada, indicaria que os diferentes preços
responderiam de forma semelhante a choques externos. A
ordem do número de defasagens inseridas no teste de
Johansen teve como base os valores mínimos para os
critérios de informação (AIC, BIC, HQ).
Tanto na estatística do traço quanto do máximo autovalor
há a rejeição da hipótese nula de que não há vetor de co-
integração com um nível de confiança de 5%.
Tabela 2. Teste Dickey-Fuller Aumentado (ADF) para estacionariedade das séries em MT.
Table 2. Augmented Dickey-Fuller Test (ADF) for series stationarity in MT
Variáveis em nível
MT Estatística p-value
Variáveis em 1ª
Diferença Estatística p-value
Produção de leite
-
6,139
0,000
Produção de leite
-
6,356
0,000
Preço do leite
-
3,113
0,103
Preço do leite
-
4,765
0,000
Preço do bezerro
-
1,597
0,793
Preço do bezerro
-
4,800
0,000
Preço do milho
-
3,270
0,071
Preço do milho
-
6,776
0,000
Preço da arroba
-
1,950
0,628
Preço da arroba
-
5,120
0,000
Obs: Testes realizados utilizando tendência e lag (1), seguindo os critérios de AIC e SBC.
Michetti et al.
Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
35
Tabela 3. Teste Phillips-Perron (PP) para estacionariedade das séries em MT.
Table 3. Phillips-Perron (PP) test for stationarity of series in MT
Variáveis
em nível Estatística p-value
Variáveis em
1ª diferença Estatística p-value
Produção de leite
Z (
)
-
32,47
0,005 Produção de leite
Z (
)
-
56,00
0,000
Z ( ) -4,122 Z ( ) -6,813
Preço do leite
Z (
)
-
19,00
0,110 Preço do leite
Z (
)
-
66,86
0,000
Z ( ) -3,083 Z ( ) -6,867
Preço do bezerro
Z (
)
-
3,689
0,874 Preço do bezerro
Z (
)
-
49,93
0,000
Z ( ) -1,353 Z ( ) -5,135
Preço do milho
Z (
)
-
13,25
0,329 Preço do milho
Z (
)
-
59,10
0,000
Z ( ) -2,497 Z ( ) -6,448
Preço da arroba
Z (
)
-
6,505
0,790 Preço da arroba
Z (
)
-
54,24
0,000
Z ( ) -1,606 Z ( ) -5,629
Tabela 4. Resultados para o teste de Johansen em MT.
Table 4. Results of Johansen test in MT.
Ranque Máximo
𝜆
ç
Valor Crítico (5%)
𝜆
Valor Crítico (5%)
0 104,94 68,52 57,45 33,46
1 47,49 47,21 27,03 27,07
2 20,45* 29,68 12,00 20,97
A existência de uma relação de equilíbrio no longo prazo
entre as variáveis não garante, necessariamente, a existência
de uma relação de curto prazo entre as variáveis. Para avaliar
a relação de curto prazo, foi estimado o modelo vetorial de
correção de erros (VEC). A escolha pelo modelo VEC e não
o modelo vetorial auto regressivo (VAR) se deve à
característica de não estacionaridade das séries em nível. Esse
é um dos pressupostos centrais para utilização do modelo
VAR (Enders, 2010; Greene, 2012). Os resultados
apresentados pelo modelo VEC estão na Tabela 5.
Considerando os objetivos do trabalho, apresentamos
apenas os valores dos coeficientes de ajuste (ce) para a
equação de co-integração de Johansen. Os resultados indicam
que a produção de leite apresenta uma relação de curto prazo
mais intensa com o preço do leite, como esperado, mas
também, com o preço do bezerro e com o preço da @ do boi
gordo, explicitando a forte interação entre os mercados de
produção de leite e carne em Mato Grosso. Nessa Tabela
também apresentamos os resultados do modelo VEC para o
Brasil. Os valores encontrados indicam que no curto prazo a
interação entre todas as essas variáveis não é significativa,
evidenciando que diferente do estado de Mato Groso o
modelo para o Brasil não pode ser considerado integrado.
Os resultados da Tabela 5 indicam que, para Mato
Grosso, o ciclo da pecuária é observado de forma mais
explícita. As variações no preço da @ do boi gordo e do
bezerro determinam a maior ou menor oferta de bezerros
como consequência do maior ou menor abate de fêmeas no
estado. Da mesma forma se observarmos os fatores de
crescimento da produção de leite em MT ela está em maior
proporção diretamente correlacionada com o maior número
de vacas ordenhadas r=0,95830893 e não com a
produtividade r=0,05056540. Segundo dados do Censo
Agropecuário de 2017, a produtividade média das suas vacas
ordenhadas é de 1.637 litros ao ano, sendo 35% menor que a
média nacional (IBGE, 2017).
O alto valor do coeficiente de ajuste para a variável @boi
gordo ajuda a explicar o comportamento dos produtores de
reter ou descartar matrizes em função de aumentos ou
reduções nos preços da carne e do bezerro e não do preço do
leite ou outros incentivos que levem o aumento da produção.
Quando observamos o resultado coeficientes de ajuste
(ce) para a equação de co-integração de Johansen para o
Brasil apenas a variável preço do leite se mostrou significativa
pela estatística do p-valor.
Tabela 5. Coeficientes da equação de co-integração de Johansen MT
e BR.
Table 5. Coefficients of the Johansen MT and BR cointegration
equation.
Variável Coeficiente p-value
ce1- lprodleiteMT 1
ce1-lprecleiteMT -0,8611 0,003
ce1-lprecbezerroMT -2,7281 0,000
ce1-lprecmilhoMT -0,5438 0,000
ce1-lprecarrobaMT 4,5914 0,000
ce1- lprodleiteBR 1
ce1-lprecleiteBR -0,1305 0,007
ce1-lprecbezerroBR -0,0730 0,599
ce1-lprecmilhoBR 0,0428 0,353
ce1-lprecarrobaBR 0,0261 0,896
Para verificar a ausência de erro de especificação do
modelo VEC assim como sua validade para a construção das
funções impulso-resposta e decomposição da variância, é
fundamental que as séries de parâmetros da equação de co-
integração (ce1-lprodleiteMT e ce1-lprodleiteBR)
apresentados na Tabela 5 sejam estacionárias. Assim sendo,
foi realizado o teste de raiz unitária, teste ADF, na série dos
parâmetros da equação de co-integração (Tabela 6). Os
resultados indicam que as séries são estacionárias
considerando o nível de significância de 10%, ou seja, o
modelo VEC é válido e está bem especificado.
Para analisar os resíduos do modelo foram realizados os
testes de Jarque-Bera, Skewness e Kurtosis. Os resultados
estão apresentados na Tabela 7. Nos testes de Jarque-Bera,
Skewness e Kurtosis verificou-se que os resíduos não
satisfazem as condições de normalidade. Contudo, como o
objetivo do estudo não é a realização de previsões, essa
situação não se configura como um item que invalida o
modelo (ENDERS, 2010; GREENE, 2012). A
Análise da co-integração entre a pecuária de leite e corte em Mato Grosso
Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
36
estacionaridade da série dos coeficientes de ajuste conforme
demonstrado na Tabela 6 e a estabilidade do modelo, como
apresentado na figura 2 são elementos suficientes para
indicar que as funções impulso-resposta e a análise da
decomposição de variância são válidas.
Tabela 6. Teste de normalidade dos resíduos do coeficiente de
ajustamento.
Table 6. Normality test of adjustment coefficient residuals.
Estatística
p
-
value
Z ( ) MT -2,543 0,104
Z ( ) BR -4,575 0,000
Tabela 7. Testes dos resíduos.
Table 7. Residue testing.
Prob. >
𝜒
Estatísitca
𝜒
Prob. >
𝜒
0,022
Jarque-Bera 247,37 0,000
0,09216
Skeweness 42,873 0,000
Kurtosis 204,50 0,000
H0= resíduos são normalmente distribuídos.
Depois de verificar se o modelo VEC não possui erros de
especificação, é necessário avaliar se a condição de
estabilidade do modelo é atendida. A Figura 2 apresenta os
resultados para o teste de estabilidade, baseado nos valores
dos autovalores característicos (Greene, 2012; Wooldridge,
2015). No eixo x há os componentes reais dos autovalores e
o no eixo y os respectivos componentes imaginários.
Figura 2. Representação gráfica dos autovalores do modelo VEC -
MT.
Figure 2. Graphic representation of the eigenvalues of the VEC -
MT model.
Tendo em vista que todos os autovalores em módulo são
menores do que um, conclui-se que o modelo é estável e
tanto as funções impulso-resposta (IRF) como a
decomposição da variância derivadas dos resultados do
modelo VEC são válidas (Greene, 2012; Wooldridge, 2015).
Para a estimação das funções de impulso-resposta e a das
Tabelas de decomposição da variância foi considerado o
método de decomposição de Cholesky, que considera
choques ortogonais em cada variável, fazendo com que os
choques em cada variável não apresentem correlação para um
mesmo período (Enders, 2010).
A função impulso-resposta IRF consiste em analisar o
efeito dinâmico de curto prazo, ou seja, a resposta do modelo
a um impulso, um choque exógeno de um desvio padrão, em
uma determinada variável. Na figura 3 apresentamos as IRFs
da produção de leite em Mato Grosso. Os resultados
confirmam o observado na estimação do modelo VEC
(Tabela 5). A variável que mais impacta na decisão do
produtor em relação à produção de leite é o preço da arroba
do boi. Conforme demonstra a Figura 3, e como esperado, a
relação entre essas variáveis é negativa, indicando que um
choque positivo no preço da arroba no boi faz com que o
produtor em Mato Grosso decida por diminuir a produção
de leite, seja pela venda da animais em ponto de abate, seja
pela não necessidade de se obter renda extra da produção de
leite, reforçando a perspectiva do “ciclo da pecuária”. Ainda,
aparece como significativo o efeito do preço do bezerro, mas
com efeito positivo, sobre a produção de leite. A valorização
do bezerro traz consigo uma maior retenção de fêmeas na
busca por maior produção de bezerros apresenta, como
consequência, um maior número de animais em lactação e,
assim, um maior volume de produção de leite. Essa resposta
do preço do bezerro é maior que o do preço do próprio leite
resultado diferente do encontrado para o dado de Brasil onde
a maior resposta positiva foi o preço do leite sobre a
produção embora com o mesmo valor de Mato Grosso 14%.
Já quando analisado o dado para o Brasil a variável que
mais impacta na decisão do produtor em relação à produção
de leite é o preço do leite e em menor grau o preço do
bezerro, já o preço da arroba não mostrou nenhuma
influência na resposta da produção de leite. Essa diferença de
magnitude da influência do preço do bezerro em MT 46% e
no Brasil 8% pode estar relacionada com a importância da
venda de animais para a pecuária de corte, sobretudo os
machos.
Figura 3. Funções impulso-resposta | Produção de Leite em MT.
Figure 3. Impulse-response functions | Milk production in MT
A decomposição da variância para a produção de leite em
Mato Grosso (Tabela 8) mostra que após 12 meses, a
influência das demais variáveis para explicar a variância da
série de produção de leite é pequena, menor que 0,3%. Esse
aspecto indica que a produção de leite, embora seja
influenciada pelas demais variáveis, principalmente pelos
preços do bezerro e da arroba do boi, (figura 3), apresenta
um forte comportamento inercial. Mesmo havendo uma
relação de curto prazo, como mostrado pelos resultados do
modelo VEC (Tabela 5), o ajuste na produção de leite em
função de variações nas demais variáveis não é tão rápido.
Mais ainda, uma vez implementada uma decisão de aumentar
ou reduzir a produção, ajustes nessa trajetória demandam
tempo e recursos financeiros, operacionais, administrativo
etc., reforçando o caráter inercial da série.
Os resultados da decomposição da variância para o Brasil
também mostram uma independência de série produção ,
apesar de resultdo ser mais coerente pois o preço do leite
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
1 2 3 4 5 6 7 8 9 10 11 12 13
PrecLeiteMT
PrecBezMT
PrecMilhoMT
Arroba boi MT
Michetti et al.
Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
37
apos 12 períodos apresentou uma influencia maior que 5%
sobre a variação na produção.
Da mesma forma que aconteceu com a produção, ao
analisarmos a resposta do preço do leite ao impulso de um
choque exógeno de um desvio padrão nas variáveis o que se
observa é que o preço da arroba e o preço do bezerro
apresentaram as maiores influências no curto prazo sobre os
preços do leite. Já para o Brasil, conforme esperado, um
choque positivo na produção leva a uma redução no preço.
Com relação ao preço do milho como variável pode se
dizer que do conjunto de produtos utilizados na produção da
ração, o milho é um forte balizador na formação do preço da
ração animal, compondo cerca de 70% das raçoes
concentradas. Pela análise, pode-se inferir que a variação no
preço do principal ingrediente da ração animal não explica a
variação na produção e no preço do leite no estado de Mato
Grosso.
Tabela 8. Decomposição da Variância da produção do leite em MT.
Table 8. Decomposition of milk production variance in MT
Produção
leite
Preço
leite
Preço
Bezerro
Preço
Milho
Preço
Arroba
0 0.0% 0.0% 0.0% 0.0% 0.0%
1 100.0% 0.0% 0.0% 0.0% 0.0%
2 99.9% 0.0% 0.0% 0.0% 0.0%
3 99.8% 0.0% 0.0% 0.0% 0.1%
4 99.6% 0.0% 0.0% 0.0% 0.3%
5 99.4% 0.1% 0.0% 0.1% 0.4%
6 99.2% 0.1% 0.0% 0.1% 0.6%
7 98.9% 0.1% 0.1% 0.1% 0.8%
8 98.7% 0.2% 0.1% 0.1% 1.0%
9 98.4% 0.2% 0.1% 0.2% 1.2%
10
98.1% 0.2% 0.1% 0.2% 1.4%
11
97.9% 0.2% 0.1% 0.2% 1.6%
12
97.6% 0.3% 0.1% 0.2% 1.7%
4. DISCUSSÃO
Apesar de se abater tanto machos como fêmeas para
produção de carne, e do abate de fêmea impactar
diretamente no preço da arroba, a produção de carne é de
modo geral, focada no macho enquanto que a produção de
leite é de exclusividade da fêmea, tendo os machos apenas
como reprodutores com importância no melhoramento
genético.
No Brasil não se tem uma estatística que separe os abates
ou a proporção de carne obtidas de rebanhos leiteiros, muito
pela grande desproporção dos rebanhos, as vacas ordenhadas
no país que representam 8% do rebanho total e apenas 1,7%
em Mato Grosso (IBGE, 2018). Já nos EUA o setor de gado
leiteiro é um contribuinte vital para o fornecimento de carne
bovina.
Em 2016, o setor de gado leiteiro contribuiu com 5,7
bilhões de libras (22,7%) de carne bovina por meio de vacas
de descarte e novilhos de leite acabados e novilhas para a
cadeiade suprimento de carne bovina no país. Os machos
acabados contribuíram com 2,9 bilhões de libras (10,8%) do
total de libras em 2002 e 3,5 bilhões de libras (13,8%) em
2016 (Boetl, 2017). Ainda com relação a dinâmica de machos
e fêmeas, nos rebanhos americanos, De Vries (2017) afirmou
que quando o progresso genético não é considerado, o sêmen
separado por sexo é apenas lucrativo nos Estados Unidos,
quando o valor de uma fêmea é pelo menos U$$ 400 a mais
que o valor de um macho.
Analisando essa situação para a realidade da produção de
leite no estado, essa influência dos preços da pecuária de
corte pode indicar que em Mato Grosso a baixa valorização
das fêmeas de origem leiteira em relação aos machos faz com
que o preço do animal de corte exerça uma grande influência
na decisão do produtor de leite em aumentar e diminuir sua
produção. Uma pesquisa realizada por (GUIMARÃES et al.,
2006) mostra que a rentabilidade de um sistema que utiliza
sêmen de holandês em um rebanho gír. apresentou ima
rentabilidade de 10,81% sendo esse resultado 50% superior
ao sistema Nelore puro e Nelore cruzado com Aberdeen
Angus. Esse resultado está atrelado a maior valorização da
fêmea originada da genética leiteira com o holandês. Nesse
estudo foram considerados valores superiores de
comercialização da fêmea de origem leiteira na ordem de 2 a
3,5 veze o valor de uma fêmea de corte. Esse resultado
mostra que investir na genética leiteira visando a valorização
das futuras matrizes é mais vantajoso economicamente que
utilizar touros de raças de corte sobre as matrizes leiteiras
como tem sido feita pelos produtores de leite em Mato
Grosso como evidenciado pelo resultado desse trabalho.
A falta de aptidão de rebanhos com perfil genético de
dupla aptidão não favorece o alcance de índices zootécnicos
e/ou econômicos satisfatórios reduzindo a resposta em
produção a estimulos de preço do produto. Nesse sentido a
opção de se criar animais de corte para a venda de bezerros,
tanto machos quanto fêmeas pode se mostrar uma decisão
equivocada, pois gera uma limitação dos produtores em gerar
recursos na atividade de produção de leite via melhoramento
genetico do rebanho. Isso implica em dificuldades futuras em
relação à manutenção dessa atividade, já que, a venda de
animais novos e a consequente não reposição de matrizes
com aptidão leiteira induz à queda da capacidade produtiva
do rebanho no médio/longo prazo.(FERRAZZA et al.,
2020) Demonstraram que a produção por vaca e a
produtividade por área são os fatore que mais impactam a
rentabilidade da produção de leite no Breasil . De modo que
investir em genetica e em intensificação da pecuária leiteira
estaria relacionado diretamente com o aumento da
rentabilidade da produção leiteira.
Historicamente, a produção de leite em Mato Grosso é
marcada pelo caráter extensivo, com pouco, ou nenhum,
acompanhamento e/ou mensuração de indicadores
zootécnicos como: intervalo entre partos, persistência de
lactação, idade ao primeiro parto, percentual de vacas em
lactação, condição corporal do animal e índice de natalidade
(COSTA, 2007; GOMES, 2011).
O resultado do modelo sugere que a produção de leite no
estado está intrinsicamente relacionada com os ciclos
pecuários e que as dinâmicas de aumento e redução de
matrizes de corte atrelado a esses ciclos ditam as alterações
no volume de produção do estado, sendo a dinâmica de
preços da pecuária de corte determinantes para as variações
na produção de leite no estado. O perfil do rebanho e o perfil
fundiário em Mato Grosso ajuda a explicar esse resultado. No
Brasil, 76% das vacas ordenhadas estão distribuídas em
propriedades com até 50 hectares, já em Mato Grosso a
maior parte do rebanho leiteiro 58% está em propriedades
com mais de 50 hectares. Essa dinâmica de se produzir em
fazendas maiores e com rebanhos maiores permite aos
produtores de leite terem uma significativa parte da renda
vinda da venda de animais, sobretudo comercializados como
animais de corte (NOVO et al., 2013). Analisando o resultado
econômico das fazendas que recebem assistência técnica do
Análise da co-integração entre a pecuária de leite e corte em Mato Grosso
Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
38
projeto “Balde Cheio” sugerem que a aplicação de tecnologia
mediante assistência técnica em propriedades com 16ha nas
regiões sul e sudeste foi capaz de melhorar todos os
indicadores técnicos e de rentabilidade que aumentos em
100% enquanto o preço do leite variou apenas 7% nesse
período. Esse resultado sugere que introduzir tecnologia
mediante assistência técnica seria a forma mais eficiente de
melhorar a produção de leite sem aumentar o rebanho ou
mesmo a área destinada a produção leiteira.
Mato Grosso está integrado ao mercado de leite no Brasil
que é composto por Goiás, Mato Grosso, Mato Grosso do
Sul, Minas Gerais, Paraná, Rio de Janeiro, Rio Grande do Sul,
Santa Catarina e São Paulo. Contudo os mercados regionais
têm pequena velocidade de ajuste para choques e não há líder
na formação de preços do leite. (SIQUEIRA; KILMER;
CAMPOS, 2010). O fato de o estado estar integrado na
formação do preço do Leite, mas se com portar de modo
diferente ao Brasil quando investigada a formação do preço
pode sugerir que o comportamento do preço e da produção
obedeçam a dinâmicas diferentes dos fatores que influencial
essas variáveis no Brasil. A falta de genética especializada bem
como a complementariedade dos sistemas de produção de
corte e leite sugerem que as ações de fomento das instituições
públicas, privadas e do terceiro setor devam considerar essa
característica da produção de leite no estado em suas políticas
de incentivo à produção.
As características fundiárias do estado se diferenciam
significativamente da média do Brasil, no país 61% dos
estabelecimentos que produzem leite têm até 19 hectares, em
MT 63% são estabelecimentos com até 49 hectares. Devido
ao tamanho médio das propriedades permite aos produtores
produzirem leite explorando a cria e recria dos bezerros
machos muitas vezes com cruzamentos com raças de corte.
No entanto as fêmeas desses cruzamentos por questões
genéticas serão menos produtivas que suas mães pela origem
da genética paterno ser de raças de corte. Esse ciclo de
exploração pode ser o principal responsável pelas relações
dos preços da @ do boi e do preço do bezerro sobre a
produção do leite e pelo pouco avanço na média tanto por
propriedade como por vaca ordenhada.
A produção de leite por estabelecimento no período de
entre censos de que foi de 45,04 para 41,03 pode ser
explicado pela característica de exploração da pecuária leiteira
no estado, que na maioria das vezes se apresenta como
secundária a exploração de bovinos de corte, com animais
com baixa aptidão leiteira e genética pouco selecionada para
essa característica. No Brasil, a produção média por
estabelecimento evoluiu de 41,68 litros para 70,45 no mesmo
período.
A regulação de oferta e demanda da produção em
microeconomia caracterizado pelo fornecimento de leite cru
é geralmente inelástico, existem também barreiras à
produção que impedem a entrada de qualquer agente no
mercado e acréscimos na oferta demandam um intervalo de
tempo (SEXTON; ZHANG, 2001).
O mesmo resultado foi observado considerando os dados
para o Brasil. Alguns trabalhos analisam a transmissão de
preços entre o milho e a carne de frango e suínos. Xu Shi-wei
(2012) verificou a relação entre os preços do milho, do
premix, do leitão, do suíno vivo e da carne suína na China.
No Brasil, Gastardelo e colaboradores (2016) encontraram
transmissão de preços entre a carne congelada de frango e o
preço do milho. Provavelmente, a ausência de relação entre
o preço do milho e a produção de leite se deve a dependência
da pastagem como principal fonte de alimento para o
rebanho. A pecuária leiteira responde por apenas 6% do
consumo de ração do país (SINDIRAÇÕES, 2018).
Segundo dados da Pesquisa trimestral do Leite do IBGE
a produção total de leite em 2020 apresentou um decréscimo
de 4,10%, em relação ao ano anterior. Na ótica regional,
apenas as regiões sudestes e médio-norte apresentaram
aumento no volume de leite produzido, com acréscimos de
3,26% e 1,28%, respectivamente. Já a região norte se
configurou como maior produtor (135,13 mil litros), apesar
do recuo de 2,02% em comparação ao ano anterior. A região
Oeste que até então se configurava como a maior produção
teve uma redução de (-12,25%). Essa queda na produção está
associada a maior evasão de produtores da atividade, o que é
reflexo da competição com outras atividades IBGE 2020.
Com relação a produtividade das vacas enquanto no Brasil
ela avançou 64%, no estado esse avanço foi de apenas 27%.
O investimento em manejo de pastagem foi a melhor
forma de aumentar a lucratividade dos pequenos produtores
em relação a aumentos e reduções do rebanho ou mesmo
utilização de maiores quantidades de concentrados, apenas
em condições de reduções de 20% nos preços do
concentrado essa opção traria benefícios superiores ao
investimento em manejo de pastagens(LIE et al., 2018)
5. CONCLUSÕES
A atividade de corte e leite possui intrínseca relação no
estado de Mato Grosso. Os ciclos da pecuária de corte são
fatores determinantes para explicar a produção e o preço do
leite, assim fatores como abate de fêmeas, preço a arroba do
boi gordo e do bezerro de reposição influenciam as decisões
dos produtores e o comportamento do mercado da cadeia do
leite no estado. A análise dos resultados do teste de co-
integração evidencia que os preços da @ do boi gordo e do
bezerro no modelo apresentam uma relação de curto prazo
mais intensa em explicar as variações na produção e no preço
do leite de maneira diferente da análise feita com as variáveis
em âmbito nacional. Os resultados da função impulso
resposta apontam que choques no preço da arroba exercem
resposta na redução da produção de leite e que choques no
preço do bezerro exercem resposta positiva na variável. Já o
a respostas no preço do leite para Mato Grosso não
acompanha a observada para o Brasil onde um choque na
produção na produção é a principal variável e exercer
influência no preço e induz a uma resposta negativa nessa
variável.
6. REFERÊNCIAS
ABITANTE, K. G. Co-integração entre os mercados spot e
futuro: evidências dos mercados de boi gordo e soja.
Revista de Economia e Sociologia Rural, v. 46, n. 1,
p. 75-96, 2008.
BOECHAT, A. M. da F. Análise Do Comportamento Dos
Preços Do Boi Gordo E Do Boi Magro. Revista de
Economia e Agronegócio, v. 11, n. 3, p. 419-438, 2012.
ENDERS, W. Applied Econometric Times Series. New
York - USA: John Wiley & Sons Inc, 2010. 480 p.
FERRAZZA, R. de A.; LOPES, M. A.; PRADO, D. G. de
O.; LIMA, R. R. de; BRUHN, F. R. P. Association
between technical and economic performance indexes
and dairy farm profitability. Revista Brasileira de
Zootecnia, v. 49, e20180116, 2020a. DOI:
https://doi.org/10.37496/rbz4920180116
Michetti et al.
Nativa, Sinop, v. 10, n. 1, p. 32-39, 2022.
39
GRANGER, C. W. J. Developments in the study of
cointegrated economic variables. Oxford Bulletin of
Economics and Statistics, v. 48, n. 3, p. 213-228, 1986.
GREENE, W. H. Econometric analysis. 5 ed. New Jersey
- USA: Pearson Education, 2002. 1026 p.
GUIMARÃES, P. H. S.; MADALENA, F. E.; CEZAR, I. M.
Comparative economics of Holstein/Gir F1 dairy female
production and conventional beef cattle suckler herds - A
simulation study. Agricultural Systems, v. 88, n. 2–3, p.
111-124, 2006.
IBGE. Censo Agropecuário. Disponível em:
<https://censos.ibge.gov.br/agro/2017/templates/cens
o_agro/resultadosagro/pecuaria.html>. Acesso em: 10
dez. 2020.
IBGE. Produção da Pecuária Municipal. Disponível em:
<https://sidra.ibge.gov.br/pesquisa/leite/tabelas>.
Acesso em: 8 abr. 2019.
IBGE. Pesquisa Trimestral do Leite. Disponível em:
<https://biblioteca.ibge.gov.br/index.php/bibliotecacat
alogo?view=detalhes&id=298009>. Acesso em: 10 maio.
2019.
IBGE. Sistema IBGE de Recuperação Automática -
SIDRA. Disponível em: <https://sidra.ibge.gov.br/>.
Acesso em: 10 jan. 2020.
IMEA. Valor Bruto da Produção Agropecuária de Mato
Grosso.
FAMATO_Federação da Agricultura e Pecuária do Estado
de Mato Grosso. Diagnóstico das ações relacionadas
à cadeia da pecuária leiteira em Mato Grosso. Cuiabá:
FAMATO, 2018. 93p. Disponível em:
http://appssenarmt.org.br/portal/arquivos/030820130
20936.pdf (Relatório de Projeto)
JOHANSEN, S. Statistical analysis of cointegration vectors.
Journal of Economic Dynamics and Control, v. 12, n.
2-3, p. 231-254, 1988.
LIE, H.; RICH, K. M.; DER HOEK, R.; DIZYEE, K. An
empirical evaluation of policy options for inclusive dairy
value chain development in Nicaragua: A system
dynamics approach. Agricultural Systems, v. 164, p.
193-222, 2018. DOI:
https://doi.org/10.1016/j.agsy.2018.03.008
NAZLIOGLU, S.; ERDEM, C.; SOYTAS, U. Volatility
spillover between oil and agricultural commodity
markets. Energy Economics, v. 36, p. 658-665, 2013.
DOI: https://doi.org/10.1016/j.eneco.2012.11.009
NOVO, A. M.; SLINGERLAND, M.; JANSEN, K.;
KANELLOPOULOS, A.; GILLER, K. E. Feasibility
and competitiveness of intensive smallholder dairy
farming in Brazil in comparison with soya and sugarcane:
Case study of the Balde Cheio Programme. Agricultural
Systems, v. 121, p. 63-72, 2013. DOI:
http://dx.doi.org/10.1016/j.agsy.2013.06.007
SIMS, C. A. Macroeconomics and Reality. Econometrica, v.
48, n. 1, p. 1-48, 1980.
SIQUEIRA, K. B.; KILMER, R. L.; CAMPOS, A. C. The
dynamics of farm milk price formation in Brazil. Revista
de Economia e Sociologia Rural, v. 48, n. 1, p. 41-61,
2010.
TRUJILLO-BARRERA, A.; MALLORY, M.; GARCIA, P.
Volatility spillovers in U.S. crude oil, ethanol, and corn
futures markets. Journal of Agricultural and Resource
Economics, v. 37, n. 2, p. 247-262, 2012.
VIEIRA, W.; SANTOS, L.; COSTA, V. Co-Integração entre
os preços da soja cotados nos mercados brasileiro e
norte-americano: uma análise empírica. Caderno de
Pesquisas em Administração, v. 10, p. 69-78, 2003.
WOOLDRIDGE, J. M. Introductory econometrics: a
modern approach. 6 ed. Boston - USA: Cengage
Learning, 2015. 912 p.
YANG, J.; BESSLER, D. A.; LEATHAM, D. J. Asset
storability and price discovery in commodity futures
markets: A new look. The Journal of Futures Markets,
v. 21, n. 3, p. 279–300, 2001.
