O IMPACTO DA PRODUÇÃO DE ENERGIA EÓLICA NO MERCADO DE TRABALHO: UMA ABORDAGEM PVAR

Resumo

Este artigo estuda o impacto da geração de energia eólica sobre o mercado de trabalho. O modelo Panel Data Vector Autoregressive (PVAR) foi utlizado para analisar um painel de nove países no período de 1992-2014. Os testes preliminares indicaram, a existência de cross-section dependence em todas a variáveis em logaritmos e primeiras diferenças, a estacionaridade das variáveis DLF e DLO, bem como a presença de efeitos fixos no modelo PVAR . Os resultados do modelo PVAR indicaram, que a produção de energia eólica tem um impacto positivo de 0.0002 sobre o mercado de trabalho.

Palavras-chave: Geração de energia eólica; Mercado de trabalho; PVAR; Impacto Positivo.

THE IMPACT OF WIND POWER PRODUCTION ON LABOUR MARKET: A PVAR APPROACH

Abstract

This article studies the impact of wind energy production on labour market. The Panel Data Vector Autoregressive (PVAR) was used to analysis a panel of nine countries in period from 1992 to 2014. The preliminaries test indicated, the existence of cross-section dependence in all variables in levels and first differences, stationarity of variables DLF and DLO, as well as, the presence of fixed effects in PVAR model. The results of PVAR model indicated that the production of wind energy has a positive impact of 0.0002 on labour market.

Keywords: Wind power generation; Labor market; PVAR; positive impact.

JEL: P18; P28; Q01.

1 - INTRODUÇÃO

Atualmente diversos estudos têm abordado a relação entre o mercado de trabalho e a produção de energias renováveis. Como já sabemos, as energias renováveis é um resultado da exploração dos recursos naturais para geração de energia, como a eólica, solar, biomassa, geotérmica entre outras. Contudo, a maneira mais comum de produção de energia é feita pela utilização de combustíveis fósseis, como carvão e o petróleo. Porém, este método de produção de energia tem causado diversos impactos ao meio ambiente, bem como, levando ao aquecimento global. Diante disto, diversas políticas destinadas a produção e consumo de energias renováveis, têm sido implantadas com objetivo de reduzir estes males, e adicionalmente estás políticas com o tempo levam a criação de novos empregos, uma vez que a tendência de implantação de energias renováveis na matriz energética, conduzirá à criação de novas empresas que produzem produtos como turbinas eólicas, painéis fotovoltaicos, bem como prestadoras de serviços. Um outro sector favorecido pelas energias renováveis são os de técnicos industriais, com a contratação de engenheiros e pessoal para projetos de sistema, instalação e manutenção.

O objetivo deste artigo é responde a seguinte pergunta: Qual o impacto da produção de energia eólica sobre o mercado de trabalho? Para responder a esta questão, será estudado a relação de causalidade entre a produção de energia eólica e o mercado de trabalho no período de 1992-2014, usando como método o Panel Data Vector Autoregressive (PVAR) desenvolvido por Holtz-Eakin et al. (1988). Na literatura a relação de causalidade entre a produção de energia eólica e o mercado de trabalho tem sido amplamente pesquisado. Por exemplo, alguns estudiosos têm apontado que produção de energia eólica tem um impacto positivo no mercado de trabalho, onde o processo de construção das torres geradoras, operacionalização e manutenção, gera um impacto positivo em todos os setores envolvidos, adicionando novos empregos no mercado de trabalho e aumentando a renda (e.g. Dantas et al.,2016, Costa e Veiga ,2016; Valodka e Valodkiené ,2015; Ejdemo e Söderholm, 2015; Gkatsou et al.,2014; Colgan ,2014; Smith ,2014; Simas e Pacca ,2013). Porém, outros autores têm apontado, que a produção de energia eólica não tem capacidade para impactar o mercado de trabalho, onde os empregos gerados pela construção e operacionalização das torres de geração de energia são mínimos (e.g. May e Nilsen ,2015; Liu et al. ,2015). Com base nestas conclusões, foram criadas a seguintes hipóteses para ajudar a responder a nossa pergunta: (i) A produção de energia eólica tem um impacto positivo no mercado de trabalho; (ii) A produção de energia eólica não causa nenhum impacto. O estudo deste tema é importante pelas seguintes razões: é necessário compreender a relação entre a produção de energia eólica e o mercado de trabalho, bem como, um parâmetro para a criação de políticas públicas que envolvam a criação de empregos e ao mesmo tampo a geração de energia limpa e preservação do meio ambiente. Além disso, os países escolhidos para a realização deste estudo, é justificável devido a geração deste tipo de energia está em constante crescimento nas ultimas duas décadas (ver a Figura 1).O artigo encontrar-se organizado do seguinte modo. A seção 2, apresenta o material utilizado, método e os testes preliminares. A seção 3, os resultados empíricos e discussões. A seção 4, apresenta a verificação da robustez do modelo e finalmente as conclusões na seção 5.

2 - MATERIAL E MÉTODO

Esta seção é divida em três subseções. Onde a primeira descreve o material utilizado. A segunda contém o método utilizado no desenvolvimento desta pesquisa. A terceira mostra os testes preliminares.

2.1. Material

Foram utilizados dados anuais de 1992-2014, para um painel de 9 países como: China, Alemanha, Dinamarca, Espanha, India, Noruega, Suécia, Grã-Bretanha e Estados Unidos. As variáveis utilizadas foram: (i) Força de trabalho; (ii) Produção de energia eólica em per capita; (iii) Consumo de óleo em per capita; (iv) Produto Interno Bruto (PIB) em per capita. A Tabela 1, mostra o nome, definição, fontes das bases de dados, e o sumário das estatísticas.

Tabela 1 - Descrição das variáveis e sumário das estatísticas.

Notas: O prefixos L denota logaritmos naturais. O comando do Stata sum foi usado.

Contudo, para controlar a disparidade populacional entre os países, as variáveis foram transformadas em per capita utilizando a população total de todos os países analisados. Além disso, a utilização da variável LY a preços constantes é justificável, pois ela permite contornar a influência das taxas de câmbio. Contudo, na análise econométrica foi usado o seguinte software: Stata 14.0. A Figura 1, evidência a produção de energia eólica, nos países estudados.

Figura 1 - Produção de energia eólica.

Notas: O comando do Stata xtline foi usado. Segue as seguinte abreviações: China (CHN); Alemanha (DEU); Dinamarca (DNK); Espanha (ESP); India (IND); Noruêga (NLD); Suécia (SWE); Grã-Bretanha (UK); Estados Unidos (US).

Observa-se, na figura acima, que a produção de energia eólica esta em constante crescimento em alguns países do estudo, reforçando a necessidade da realização deste estudo.

2.2 Método

O método utilizado para analisar o impacto da produção de energia eólica sobre o mercado de trabalho foi o Panel Data Vector Autoregressive (PVAR) desenvolvido por Holtz-Eakin et al. (1988). O modelo PVAR usado para a realização da analise empírica segue a seguinte equação (1):

\[DLF_{it} = LW_{it - 1}\alpha_{1} + DLQ_{it -1}\alpha_{1} + DLY_{it - 1}\alpha_{1} + \mu_{1} + e_{i_{t}}\qquad(1)\]

Onde, os prefixos (L) e (D) denotam Logaritmos naturais e as primeiras diferenças das variáveis, \(\mu_{i}\) e \(e_{it}\), são os vetores da variável dependente em um painel de efeitos fixos, \(\alpha_{i_{}}\) e o parâmetro para ser estimado.

2.3 Testes Preliminares

Nesta seção, mostra os testes preliminares na base de dados para verificar as propriedades das variáveis. Para testar a multi-colinearidade entre as variáveis o teste variance inflation factor (VIF) foi computado, e para identificar a presença de cross-section dependence o teste Pesaran CD (Pesaran,2004) foi aplicado. A Tabela 2, indica os resultados dos testes VIF e do Pesaran CD.

Tabela 2 - Teste VIF e Pesaran CD

Notas: n.d. denota ‘não disponível’. O comando do Stata xtcd foi usado. ***, denota significância de 1%. Os prefixos (L) e (D) denotam Logaritmos naturais e as primeiras diferenças das variáveis.

A média do VIF das variáveis em logaritmos foi de 1.77, enquanto as primeiras diferenças foi 1.32. O valor das estatísticas do VIF estão abaixo dos 10%, como margem de tolerância estipulado pelo teste VIF. O teste CSD indica a presença de cross-section dependence em todas a variáveis em logaritmos e primeiras diferenças. O teste de raiz unitária Pesaran’s CADF (Pesaran,2003) foi executado devido a presença de cross-section dependence. A Tabela 3 mostra os resultados do teste de raiz unitária.

Tabela 3 - Teste de raiz unitária.

Notas: O teste Pesaran’s CADF (Pesaran, 2003) têm H0: todas a series são estacionárias I (1); O comando do Stata pescadf foi usado. ***, denota significância de 1%. Os prefixos (L) e (D) denotam Logaritmos naturais e as primeiras diferenças das variáveis.

O teste de raiz unitária Pesaran’s CADF, com ou sem Trend e com uma lag length (1) foi usado. A hipótese nula deste teste é que todas as variáveis são estacionárias I (1). Todavia, o resultado do teste de raiz unitária indica que as variáveis em logaritmos e as variáveis DLW e DLY são I (0), ou seja, não-estacionárias, enquanto as primeiras diferenças das variáveis DLF e DLO são I(I) confirmando a hipótese do teste.

O teste Hausman, foi usado para determinar se no macro painel existem a presença de efeitos aleatórios (RE) ou efeitos fixos (FE). A hipótese nula deste teste, sugere que o melhor modelo é de efeitos aleatórios (RE). O resultado do teste Hausman aponta para a seleção do modelo de efeitos fixos (FE), onde o resultado é extremamente significante \(\chi^{2}_{7_{}} = 59.64\) a 1% de significância. O modelo (FE) evidência a correlação entre os efeitos fixos e regressores que resulta na desfasagem da variável dependente. De acordo com Arellano an Bover (1995), para mitigar a correlação entre os efeitos fixos e os regressors foi usando a técnica de “Helmert procedure”. Contudo, após a realização dos testes preliminares, é importante realizar os testes de especificação do modelo para entender o comportamento das variáveis na regressão. De tal forma, foram aplicados os seguintes testes: (i) Lag order selection, para identificar a melhor lag length para o modelo (Abrigo e Love, 2015); (ii) Granger Causality, para analisar a relação de causa entre as variáveis (Abrigo e Love,2015).

3 - RESULTADOS EMPÍRICOS E DISCUSSÃO

Nesta seção, serão evidenciados os resultados do modelo PVAR e dos testes de especificação do modelo, bem como, a discussão dos resultados. Para analisar o impacto da produção de energia eólica sobre o mercado de trabalho foi usado o modelo de Panel Data Vector Autoregressive (PVAR). Todavia, antes de fazer a regressão do modelo é necessário aplicar a teste Lag order selection, que identifica a melhor lag length para ser utilizado no modelo PVAR. A Tabela 4, revela os resultados do teste Lag order selection.

Tabela 4 - Lag order selection.

Notas: O comando do Stata pvarsoc foi usado.

Os resultados das estimações de Hansen´s J statistic (J) é elevado (61.0367) em lag length (1), e as estimações MBIC, MAI e MQIC são baixos em lag length (1). Contudo, estes resultados indicam que o melhor lag length a ser utilizado no modelo PVAR, é o lag length (1). Após a realização do teste Lag order selection, pode ser feito a regressão do modelo PVAR. A Tabela 5, mostra os resultados do modelo PVAR com lag length (1).

Tabela 5 - Resultados do modelo PVAR.

Notas: O comando do Stata pvar foi usado com lag length (1). ***, *, denota significância de 1% e 10%, respetivamente. Os prefixos (L) e (D) denotam Logaritmos naturais e as primeiras diferenças das variáveis.

Os resultados do modelo PVAR indicam, que o mercado de trabalho (DLF) tem um impacto negativo de -1.3044, sobre a geração de energia eólica (LW), e -0.2598 sobre o crescimento econômico (DLY), e um impacto positivo sobre o consumo de óleo (DLO). A produção de energia eólica (LW) tem um impacto positivo de 0.0002 sobre o mercado de trabalho (DLF), e um impacto negativo de -0.0042 e -0.0031, sobre o consumo de óleo (DLO) e crescimento econômico (DLY) respectivamente. O crescimento econômico (DLY) tem um impacto positivo de 0.0928 sobre o mercado de trabalho (DLF), e de 1.8117 sobre a geração de energia eólica, e um impacto negativo de -0.3340 sobre o consumo de óleo (DLO). Para analisar a relação de causa entre as variáveis, o teste de Granger Causality, foi aplicado. A Tabela 6, mostra os resultados do teste de Granger Causality.

Tabela 6 - Resultados do teste Granger causality.

Notas: O comando do Stata pvargranger foi usado. ***, *, denota significância de 1% e 10%, respetivamente. Os prefixos (L) e (D) denotam Logaritmos naturais e as primeiras diferenças das variáveis.

O teste de Granger causality, mostra que existe uma relação bidirecional entre todas as variáveis do estudo, ou seja, uma variável causa influência a outra ou vice-versa. De acordo, que foi mencionado nas seções anteriores, será feito a discussão sobre os resultados do modelo PVAR. O objetivo deste artigo, é estudar o impacto da geração de energia eólica sobre o mercado de trabalho. Contudo, à análise deste artigo está apenas focada nos resultados da variável LW, onde o aumento da produção de energia eólica tem um impacto positivo de (0.0002) no mercado de trabalho em períodos curtos, e em longos este impacto decresce. Este resultado é devido principalmente, pela instalação de torres de geração de energia eólica, onde são criados novos postos de trabalhos a curto prazo, e que consequentemente gera um impacto positivo a todos os setores envolvidos. Conquanto, apesar deste impacto ser muito pequeno se comparado aos combustíveis fósseis, onde o impacto é de (0.0632), este é um setor que gera empregos de forma sustentável, bem como gera energia limpa, sem algum impacto ao meio ambiente.

4 - VERIFICAÇÃO DA ROBUSTEZ

Os resultados das seções anteriores sugerem que a produção de energia eólica tem um impacto positivo sobre o mercado de trabalho. De tal forma, para testar a robustez dos resultados do PVAR, foi introduzido no modelo uma dummy variable nomeada de (ID2010), que representa um choque identificado nos resíduos da regressão. A Tabela 7 mostra os resultados do modelo PVAR com a inclusão do choque.

Tabela 7 - O modelo PVAR com o choque.

Notas: O comando do Stata pvar foi usado com lag length (1). ***, *, denota significância de 1% e 10%, respetivamente. Os prefixos (L) e (D) denotam Logaritmos naturais e as primeiras diferenças das variáveis.

As estimações da dummy variable é estatisticamente significante a 1%. Além disso, como pode ser visto pela comparação das tabelas 5 e 7, os resultados do modelo PVAR com a inclusão do choque diminuiu o poder explicativo das variáveis. Isto é divido, a correção feita pela dummy, onde no modelo anterior não considerava a existência de choques no modelo. Contudo, apesar da diminuição do poder explicativo de algumas variáveis, o modelo continua robusto.

5 - CONCLUSÕES

Este artigo, estuda o impacto da geração de energia eólica sobre o mercado de trabalho. Contudo, para a realização deste estudo foram utilizados dados anuais de 1992-2014 para um painel de nove países, bem como, foi utilizado como modelo o Panel Data Vector Autoregressive (PVAR). Os testes preliminares indicaram, a não presença de multi-colinearidade entre as variáveis, a existência de cross-section dependence em todas a variáveis em logaritmos e primeiras diferenças, a estacionaridade das variáveis DLF e DLO, bem como a presença de efeitos fixos no modelo PVAR. Os resultados do modelo PVAR indicaram, que a produção de energia eólica tem um impacto positivo de 0.0002 sobre o mercado de trabalho. Os resultados dos testes de especificação do modelo, indicaram para a existência de uma relação bidirecional entre todas as variáveis do estudo. Além disso, para testar a robustez do modelo PVAR foi introduzido uma dummy variable (ID2010) representando um choque no modelo. Os resultados do modelo PVAR com a inclusão do choque diminuiu o poder explicativo das variáveis. Isto é divido, a correção feita pela dummy, onde no modelo anterior não considerava a existência de choques no modelo. Todavia, apesar da diminuição do poder explicativo das variáveis, o modelo continua robusto. Conquanto, o resultado deste estudo serve como parâmetro para a criação de políticas públicas de energias renováveis não só destinada a criação de energia limpa, como também destinada a geração de empregos e renda e desenvolvimento económico em localidades especificas.

AGRADECIMENTOS

É reconhecido o apoio financeiro da NECE - Unidade de Investigação em Ciências Empresariais e Economia, patrocinado pela FCT - Fundação Portuguesa para o Desenvolvimento da Ciência e Tecnologia, Ministério da Educação e Ciência, projeto UID / GES / 04630/2013.

REFERÊNCIAS