Efeitos do isolamento social sobre o setor de serviços do Brasil: uma análise a partir do modelo VARX

Effects of Social Isolation on the Services Sector in Brazil: An Analysis Using the VARX Model

Resumo

Este trabalho tem como objetivo analisar a resposta do setor de serviços do Brasil a um choque exógeno causado por uma elevação do isolamento social por meio do modelo VARX. A escassez de estudos nacionais sobre o setor de serviços e sua heterogeneidade demonstra a importância de analisar melhor esse setor. Os principais resultados sugerem que o choque atinge o setor de serviços agregado e a maioria dos seus subsetores de forma transitória. De maneira oposta, o setor industrial e o IBC-Br sofrem o efeito de forma permanente. Entre todos os subsetores, Serviços prestados às famílias é o que apresenta resultados mais interessantes, tendo redução de 100 p.p. na taxa de crescimento no momento do choque, e depois atingindo um ganho de 9,3 p.p. Já o subsetor “Outros serviços” é o que tem a maior redução em termos de perdas permanentes. Como robustez, foi estimado também um VARX bayesiano, com resultados que apontam, de forma geral, na mesma direção.

Palavras-chave:
Setor de serviços; VARX; isolamento social; pandemia; choque exógeno

Abstract

This work aims to analyze the response of the Brazilian services sector to an exogenous shock caused by an increase in social isolation through the VARX model. The scarcity of national studies on the services sector and its heterogeneity demonstrates the importance of better analyzing this sector. The main results suggest that the shock affects the aggregate services sector and most of its subsectors in a transitory manner. Conversely, the industrial sector and the IBC-Br suffer the effect permanently. Among all the subsectors, Services provided to families is the one that presents the most interesting results, with a 100 p.p. reduction in the growth rate at the time of the shock, and later achieving a gain of 9.3 p.p. The Other services subsector is the one with the greatest reduction in terms of permanent losses. For robustness, a Bayesian VARX was also estimated, with results that generally point in the same direction.

Keywords:
Service sector; VARX; social isolation; pandemic; exogenous shock

1 Introdução

A crise gerada pela pandemia do novo coronavírus (Covid-19), iniciada em 2020, afetou diretamente e de forma mais intensa o setor de serviços no Brasil (PMS, 2020; Ribeiro et al., 2023). Dada a retração de 4,1% do Produto Interno Bruto (PIB) brasileiro em 2020, o setor de serviços registrou a maior queda entre os grandes setores, com 4,5%, seguido pela indústria com 3,5%.

As medidas de isolamento social, adotadas para o controle do vírus, provocaram a desaceleração econômica, causando o pior resultado do setor desde o registro da série histórica. Em parte, esse resultado é esperado em decorrência da própria natureza da atividade, mais intensiva em mão de obra.

De acordo com dados do Instituto Brasileiro de Geografia Estatística (IBGE), o volume do setor de serviços no Brasil em 2020 apresentou queda de 7,8% em relação a 2019. Foi a maior queda anual da série histórica, iniciada em 2012. Quatro, das cinco atividades, apresentaram queda no volume de serviços em 2020.¹ Em 2023, o setor de serviços está 12,8% acima do nível de fevereiro de 2020 (pré-pandemia).

O setor de serviços assume posição de destaque na economia brasileira, cuja participação no PIB brasileiro sempre esteve acima de 60%. Porém, segundo as Contas Nacionais Trimestrais do IBGE, sua participação caiu de 63,07% em 2019 para 61,4% em 2020 e 57,7% em 2021, período da pandemia. No mercado de trabalho, era responsável por 76,60% dos empregos em 2019; com a pandemia caiu para 75,88% e 75,66%, em 2020 e 2021, respectivamente, segundo informações do Relatório Anual de Informações Sociais (RAIS).

Dada a relevância do setor de serviços para a economia nacional, a literatura tem analisado esse setor por diferentes perspectivas. Jacinto e Ribeiro (2015), por exemplo, avaliam a dinâmica da economia brasileira no período de 1996 a 2009. Os resultados obtidos destacam que, ao contrário do entendimento comum, o setor de serviços é caracterizado por elevada produtividade. Veríssimo e Saiani (2019) examinaram a influência das participações dos setores industrial e de serviços no crescimento do produto per capita dos municípios brasileiros, investigando também a presença de efeitos heterogêneos relacionados ao nível de renda per capita do município e à importância de cada setor na economia local. Para isso, conduziram estimativas em painel com dados abrangendo o período de 1999 a 2012. Os resultados indicaram que a indústria desempenha papel crucial no crescimento dos municípios com níveis mais baixos de renda. Por outro lado, nos municípios com renda mais elevada, o setor de serviços assume maior importância como impulsionador do crescimento.

Reforçando a relevância desse setor, Bastos, Fernandes e Perobelli (2010) empregam o método Diferencial-Estrutural para analisar o dinamismo dos serviços em municípios selecionados, comparando-o com os níveis de crescimento do estado. Eles argumentam que o desenvolvimento de um país ou região pode ser alcançado por meio do aumento da importância econômica dos serviços. Isso abrange não apenas a geração de emprego e renda, mas também a utilização do setor como insumo para outras áreas da economia. De acordo com Cardoso e Perobelli (2014), a visão pós-industrialista tem os serviços como base do epicentro das atividades econômicas, destacando o domínio do capital humano como fator crucial para a produção. Dado que os serviços são altamente dependentes de capital humano e, portanto, têm a capacidade de permearem todas as atividades econômicas, esse setor desempenha papel fundamental no crescimento. Assim, a capacidade de fornecer insumos para outras atividades permite que o setor atue de maneira abrangente em diversas cadeias produtivas, facilitando a interligação dos diferentes elos que compõem a estrutura produtiva.

Nessa perspectiva, Giovanini et al. (2018) abordam a existência de uma quinta lei de Kaldor. O argumento central é que à medida que as economias se industrializam passam a produzir produtos cada vez mais complexos que demandam maior volume de conhecimento. O desenvolvimento de serviços intermediários especializados em conhecimento viabiliza a fabricação de produtos industriais cada vez mais tecnologicamente avançados. Portanto, defende-se a hipótese de que a fabricação de produtos mais complexos pela indústria depende do setor de serviços, que fornece insumos essenciais para a produção.

No entanto, a investigação do comportamento dos serviços frente a movimentos nas variáveis macroeconômicas e/ou impactos causados sobre o setor por choques exógenos no Brasil ainda é um tema pouco explorado dentro da literatura econômica. Na tentativa de preencher essa lacuna, este estudo tem como objetivo analisar a resposta do setor de serviços agregado e seus subsetores a um choque exógeno causado por uma elevação do isolamento social gerado pela pandemia da Covid-19. No estudo é utilizado o Índice de Permanência Domiciliar (IPD)² como proxy para captar a pandemia, ao passo que a estimação se dá por meio do modelo Vetor Autorregressivo com Variáveis Exógenas (VARX). Adicionalmente, propõe-se identificar o impacto sobre a indústria e sobre a atividade econômica. Para estimar o modelo, são utilizadas informações da PMS, IPD, Índice de Atividade Econômica do Brasil (IBC-Br) e produção física da indústria (PIM).

Do ponto de vista da estratégia empírica, há uma produção de estudos que buscaram estimar choques exógenos para o setor industrial por meio do modelo VAR. No âmbito nacional, Tomazzia e Meurer (2009) e Moura et al. (2021) analisaram o impacto de choques monetários sobre as principais variáveis macroeconômicas e sobre o produto de setores industriais. Beraja e Wolf (2021), por meio do modelo VAR aplicado para a economia americana, argumentam que as recuperações de recessões impulsionadas pela demanda com cortes de gastos concentrados em serviços ou não duráveis tenderão a ser mais fracas do que as recuperações de recessões mais voltadas para duráveis. Djurovic et al. (2020), em estudo para Montenegro por meio do modelo VARX, estimaram os impactos da pandemia no país.

Uma questão-chave decorrente do choque do isolamento social sobre o setor de serviços e seus subsetores é se os efeitos seriam temporários ou permanentes. A hipótese de trabalho é que o impacto é transitório, ou seja, espera-se que o setor retorne ao estado estacionário anterior. No entanto, a incapacidade das recuperações em muitos casos de restabelecerem o Produto Interno Bruto (PIB) ao seu nível anterior à crise não está exclusivamente relacionada à crise econômica global ou às preocupações acerca das perspectivas econômicas resultantes da crise da Covid-19. Existem diversas evidências empíricas que indicam a persistência das flutuações do PIB, cujos efeitos devem perdurar por anos após a ocorrência do referido choque (Göcke, 2002; Cross et al., 2005; Mota e Vasconcelos, 2012; Mota e Vasconcelos 2022b). Essa persistência é chamada de histerese, a qual pode ser caracterizada pela propriedade de um sistema em que determinados choques temporários resultam em efeitos permanentes. A histerese tem demonstrado ser crucial para compreender a dinâmica do emprego agregado, da produtividade e do crescimento econômico.

Assim, a pesquisa torna-se de grande relevância para a literatura nacional, ao contribuir para avaliar o impacto de um choque exógeno sobre o segmento de serviços e seus subsetores. Ao analisar trabalhos que tratam da existência de heterogeneidade nos efeitos de histerese na dinâmica do emprego em função do setor de atividade (Mota; Vasconcelos, 2022; Zhang et al., 2021), os resultados são conflitantes sobre o impacto no setor de serviços. Ademais, a escassez de estudos nacionais sobre o setor de serviços e sua heterogeneidade demonstra a importância de analisar melhor esse setor. Além disso, procura-se contribuir com informações valiosas para o setor de serviços, principalmente para os formuladores de políticas públicas e sobre a compreensão dos mecanismos de transmissão do choque da pandemia Covid-19 no setor.

2 O setor de serviços na pandemia

O ano de 2020 é marcado pelo início da pandemia do novo coronavírus, gerando uma grande crise sanitária e consequências econômicas por todo o mundo. Medidas como isolamento e distanciamento social foram empregadas em diversos países e regiões com o objetivo de reduzir a propagação do vírus. A partir dessas diretrizes, as empresas que dependem muito da comunicação direta com o consumidor são as que mais sofreram efeitos de vulnerabilidade econômica (Berry et al., 2020). Dentro dessa configuração está o setor de serviços que diretamente enfrenta repercussões, o que gera necessidade por parte das organizações desse setor de adaptar seus processos (Zimon, 2020).

A fim de entender os impactos causados pela crise econômica sobre o setor de serviços no Brasil, são analisadas duas informações: i) variação do volume de serviços, da Pesquisa Mensal de Serviços (PMS); e ii) Índice de Volume das Subdivisões dos serviços (PMS). A partir da PMS, foram coletados os dados referentes ao percentual de variação do volume de serviços no país, para o período da pandemia, o qual compreende janeiro de 2020 até dezembro de 2021. A variação do volume representa o desempenho do setor de serviços em comparação com o mesmo mês do ano anterior. Ao observar a Figura 1, a partir de março, início da pandemia no Brasil, todos os meses tiveram variações negativas, chegando a registrar nos meses de abril e maio quedas de -17,3% e -19,3% no volume de serviços, respectivamente.

Apenas um ano após a pandemia, em março/2021, a variação se apresentou novamente positiva, levando em consideração a grande queda do ano anterior. Em todos os meses, estendendo-se até o mês de dezembro de 2021, as variações são positivas, chegando a registrar no trimestre abril, maio e junho 20,1%, 23,3% e 21,1%, respectivamente.

Figura 1
Variação percentual do volume de serviços no Brasil (mês/mês ano anterior): 2019-2021

Segundo Souza et al. (2011) e Jacinto e Ribeiro (2015), o setor de serviços agrega uma série de atividades bastante heterogêneas, absorvendo desde serviços de alojamento até com conteúdo tecnológico elevado. A Figura 2 mostra o Índice de Volume por subsetores dos serviços.

Os Serviços prestados às famílias, por exemplo, apesar de terem crescido em 2021, ainda não retornaram para o nível pré-pandemia. Essa foi a atividade que mais sofreu no período, tendo queda de -35,6% em 2020 e recuperando apenas 18,2% em 2021. A atividade Outros serviços apresentou crescimento de 6,8% em 2020, e 5% em 2021. Outro subsetor que se destacou, mesmo registrando queda em 2020, foi Serviços de informação e comunicação, com -1,6% e 9,4% em 2020 e 2021, respectivamente. Segundo Kon (2015), à medida que ocorre progressos tecnológicos nos processos de serviços algumas atividades assumem maior intensidade em equipamentos (capital) do que em trabalho. Tal pensamento afasta, dessa forma, a ideia de que serviços, de maneira generalizada, tenha maior ponderação em favor de intensidade em mão de obra, como se pode encontrar na literatura.

Figura 2
Índice de Volume por subsetores dos serviços no Brasil, 2020-2021

Um ponto importante retratado nos dados da PMS de 2021 é que é apenas a segunda vez na série histórica que todas as atividades crescem simultaneamente. Dos 10 anos de registro da série, o setor fechou positivo em cinco, e, nestes, apenas em 2012 e 2021 houve crescimento em todas as atividades.

3 O setor de serviços e suas interações

Esta seção apresenta uma revisão dos principais estudos que tratam da importância do setor de serviços e seus subsetores para a economia. Até recentemente, a dinâmica do setor de serviços era vista como uma resposta ao crescimento econômico de uma área específica. No entanto, pesquisas recentes mostram a importância de alguns subsetores (segmentos) do setor de serviços na condução do processo de desenvolvimento. Essas áreas específicas estimulam o investimento, a tecnologia e a eficiência produtiva de forma direta e indireta.

De acordo com Wheaton e Lewis (2002), os spillovers de conhecimento do setor de serviços podem acontecer por meio da interação direta ou espacial entre empresas. Isso porque a concentração de mão de obra especializada em serviços, que envolve tecnologia, pode desencadear maior eficiência em outros setores relacionados, particularmente no domínio industrial.

Conforme Acemoglu et al. (2014), os serviços de Tecnologia da Informação (TI) e os setores que utilizam esses serviços registraram aumentos significativos de produtividade. Contudo, esses ganhos de produtividade estão ligados a um declínio na produção e a um declínio ainda mais rápido do emprego. Lavopa e Szirmai (2018) fazem distinção entre serviços de mercado modernos (como transporte, armazenamento, comunicação, serviços financeiros e empresariais) e serviços não modernos (como restaurantes, governo, educação, saúde e serviços pessoais). Os serviços do mercado moderno são altamente dinâmicos e podem servir como motores de crescimento juntamente com a indústria de transformação. Por outro lado, as atividades de serviços não modernas são consideradas relativamente estagnadas, em que as melhorias de produtividade podem assumir a forma de reduções de qualidade ou da prestação de menos serviços pelo mesmo preço.

Kon (2013) destaca que na segunda metade do século XX, com a aceleração do desenvolvimento e da diversificação do setor de serviços, surgiu uma nova perspectiva teórica sobre as características desse setor, incorporando o papel de indutor do desenvolvimento econômico. Nesse contexto, esse setor não é apenas o reflexo de uma dinâmica econômica positiva, mas também pode estimular maior eficiência econômica se forem promovidos os seus subsetores com maior tecnologia e/ou uma relação mais próxima com a atividade produtiva.

Numa avaliação da economia americana no século XX, Cermeño (2015) reafirma a importância do setor de serviços, sugerindo que as regiões com subsetores especializados, especialmente aqueles relacionados com o conhecimento e a tecnologia, experimentaram um dinamismo econômico mais intenso. Isso levou ao aumento da participação do setor no mercado de trabalho, que era de 30% em 1890, passando para 80% no final do século XX, destacando-se como motor da economia dos Estados Unidos.

Alguns autores atribuem diferentes mecanismos aos subsetores de serviços capazes de promover a dinâmica econômica de uma região. Isso fica evidente no trabalho de Kon (2013), ao observar a existência de uma conexão entre os serviços indutores e o setor industrial, em que os serviços especializados podem estimular o padrão locacional da indústria, fornecendo conhecimentos vitais e auxiliando o sistema produtivo na busca pela competitividade e inovação. Na mesma linha, os estudos de Suzigan (2006) e Kubota (2006) destacam alguns subsetores como inovadores, referindo-se àqueles intensivos em conhecimento, capazes de transmitir e desenvolver tecnologia. Entre esses subsetores, destacam-se a tecnologia da informação, a pesquisa e desenvolvimento e as telecomunicações.

Abreu et al. (2010) destacam os subsetores indutores, especialmente aqueles ligados ao conhecimento. Como ponto de partida, os autores consideram que o setor dos serviços tem participação significativa na economia do Reino Unido (75%), com os serviços de conhecimento tendo o potencial de gerar cinco vezes mais produção agregada em comparação com a indústria de transformação. Os resultados sugerem que três subsetores indutores são capazes de desencadear mudanças significativas na estrutura organizacional e empresarial, a saber: intermediação financeira, serviços de informática e serviços de P&D. Outros subsetores também impactam como indutores, embora de forma mais modesta, incluindo: serviços de transporte e comunicação, aluguel de imóveis e máquinas e serviços empresariais.

Mazhar e Rehman (2019) estimaram o impacto da indústria e do setor de serviços sobre o crescimento econômico. Os autores utilizaram um painel de efeitos fixos usando PIB per capita como variável dependente, indústria e serviços como variáveis de interesse, produtividade do trabalho, eficácia do governo e relação comercial como variáveis de controle, com dados de 52 países no período de 1990 e 2013. Os resultados mostraram evidências favoráveis para a hipótese de que a mudança estrutural impulsionada pela manufatura aumenta o crescimento da renda per capita, enquanto o setor de serviços o desacelera. Contudo, é possível que os serviços com maior intensidade tecnológica e de conhecimento possam se tornar o novo motor de crescimento, mas esse argumento ainda não é consenso na literatura.

Rodrigues e Veríssimo (2021), a partir da utilização de modelos Autorregressivos de Defasagens Distribuídas (ARDL), concluíram que tanto o setor industrial quanto o setor de serviços contribuem para o crescimento econômico brasileiro no longo prazo. Ao analisar a decomposição dos setores, observa-se que todos os serviços modernos contribuem positivamente para o desempenho do PIB, embora os seus impactos sejam diferentes, de modo que a maior contribuição é proveniente dos serviços de transportes, armazenagem e correios, seguida dos serviços de informação e comunicação e dos serviços financeiros, respectivamente.

Dada a interdependência entre o crescimento do setor de serviços e os outros dois grandes setores da economia brasileira, como não há descolamento entre o crescimento dos serviços, da indústria e da agricultura, era esperado que em momentos de crise o setor de serviços se contraísse na mesma proporção que os demais. No entanto, devido à sua significativa diversidade e heterogeneidade, o setor comporta-se como um “contrapeso”, sustentando a atividade econômica. Oliveira e Kubota (2009) também confirmam essa possibilidade de distanciamento ao demonstrarem que durante a crise de 2008 o nível de atividade econômica foi sustentado pelas atividades do setor Serviços prestados às famílias - principalmente, atividades de hospedagem e alimentação, que experimentaram crescimento na ocupação e no valor acrescentado durante esse período - ao passo que a indústria registou declínio na atividade econômica.

Silva et al. (2016) destacam a importância crucial do setor de serviços para a sustentabilidade do emprego e da economia, ao mesmo tempo que afirmam a existência de subsetores heterogêneos em relação à produtividade e aos salários. Isso se manifesta por meio de níveis elevados, por exemplo, na atividade de serviços de informação e comunicação, bem como em vários segmentos de transporte, e de níveis mais baixos em atividades predominantemente voltadas para o consumidor final.

Pereira et al. (2022) apontam que a dinâmica industrial durante o período de pandemia não seguiu trajetória linear, ao contrário do que se pensava no início da pandemia em 2020. A Confederação Nacional da Indústria (CNI) reconhece que ocorreu uma aceleração inesperada da atividade econômica industrial, resultando em notável recuperação em diversos setores no segundo semestre de 2020 e ao longo de 2021. Esse fenômeno também foi documentado nos estudos de Bahia (2021) e Moreira (2022).

Em análise acerca dos impactos da pandemia sobre o emprego na indústria de transformação, Marcato e Torraca (2020) ressaltam que a "maioria das ocupações industriais ameaçadas está concentrada em setores intensivos em empregos de menor qualificação e remuneração, com escassa proteção social e limitada capacidade de ajustar entre redução de carga horária e eliminação de postos de trabalho". As projeções realizadas pelas autoras indicam que as ocupações perdidas nos setores têxtil e de alimentos e bebidas são atribuíveis, principalmente, à diminuição no consumo das famílias.

Moreira (2022) propõe a existência de fatores sistêmicos como explicação para o crescimento acelerado generalizado da indústria brasileira no segundo ano da pandemia. Segundo o autor, a combinação de perturbações nas cadeias globais de valor decorrentes da crise da Covid-19, o aumento dos custos logísticos e uma taxa de câmbio desvalorizada direcionaram a demanda doméstica por insumos intermediários (anteriormente voltada para o exterior) para a economia interna. Isso propiciou maior integração da produção industrial, resultando em aumento do multiplicador da produção da indústria de transformação de 2,14 (2020) para 2,22 (2021).

Dada as características inerentes ao setor de serviços retratadas nesta seção, apresenta-se, a seguir, a estratégia empírica para avaliar o comportamento desse setor durante a pandemia da Covid-19.

4 Estratégia empírica

4.1 Vetor autorregressivo com variáveis exógenas (VARX)

Um processo autorregressivo vetorial (VAR) pode ser afetado por outras variáveis observáveis, que são determinadas fora do sistema de interesse. Seja $z_t$ um vetor $K\times 1$ de variáveis endógenas e $x_t$ um vetor $M\times 1$ de variáveis exógenas. A especificação geral VARX$\left(p,s\right)$ é dada por:

$z_t={\varnothing }_0+{\displaystyle \sum }_{i=1}^p{\varnothing }_i{z}_{t-1}+{\displaystyle \sum }_{j=0}^s{\beta }_j{x}_{t-j}+u_t,$ (1)

em que $p$ é a ordem máxima de defasagem das endógenas e $s$ é a ordem máxima de defasagem das exógenas. As matrizes ${\varnothing }_0$, de ordem $K\times 1$, ${\varnothing }_i$, de ordem $K\times K$ com $i=\mathrm{1,2,}\dots ,p,$ e ${\beta }_j$, de ordem $K\times M$ com $j=\mathrm{0,1,2,}\dots ,s$, contêm parâmetros desconhecidos que podem ser estimados com base em dados históricos. O vetor de distúrbios $u_t$ é assumido como ruído branco, com $E\left(u_t\right)=0$, $E\left(u_t{u}_t^{\top }\right)=\sum$, $E\left(u_t{u}_v\right)=0$ para todo $t\ne v$. Nota-se a inclusão do termo contemporâneo (defasagem $j=0$) para o vetor exógeno $x_t$ na especificação geral VARX.

Se o VARX é estável, segundo Lutkepohl (2005), o sistema admite a representação em média móvel dada por:

$z_t=\mu +{\displaystyle \sum }_{j=0}^{\infty }{D}_j{x}_{t-j}+{\displaystyle \sum }_{j=0}^{\infty }{\Phi }_j{u}_{t-j},$ (2)

em que $\mu$ é o vetor $K\times 1$ com as médias de estado estacionário do sistema, ${\Phi }_j$, de ordem $K\times M$, são as funções impulso-resposta (IRFs) não ortogonalizadas e $D_j$, de ordem $K\times M$, contém os multiplicadores dinâmicos do sistema, os quais medem a reposta das variáveis endógenas a uma mudança marginal em alguma das variáveis exógenas.

4.2 Base de dados

Como proxy para a evolução do setor de serviços, utiliza-se o Índice de Volume de serviços medido pela PMS do Instituto Brasileiro de Geografia e Estatistica (IBGE). A partir da PMS também foi extraído o índice de volume dos grandes grupamentos de atividades de serviços, utilizados como proxy para o desempenho dos subsetores expressos na segunda especificação VARX: Serviços de informação e comunicação; Serviços prestados às famílias; Serviços profissionais, administrativos e complementares; Transportes, Serviços auxiliares aos transportes e Correio; Outros serviços.³ Como proxy para o desempenho do setor industrial, escolheu-se o índice de volume da Pesquisa Industrial Mensal (Produção Física) do IBGE. Para capturar a trajetória mensal dos demais setores da economia brasileira, utilizamos o Índice de Atividade Econômica do Brasil (IBC-Br). Para representar o isolamento social durante a pandemia da Covid-19, variável responsável pelo choque exógeno de interesse no nosso modelo, foi utilizado o IPD. Como métrica de mortalidade, utiliza-se o número de novos óbitos confirmados por Covid-19 (em mil indivíduos). A taxa de vacinação, por sua vez, compreende a ocorrência de novas vacinações expressa em milhões de indivíduos vacinados. Todos os dados têm periodicidade mensal de março de 2012 a dezembro de 2021, totalizando 118 observações. A Tabela 1 apresenta as variáveis deste estudo e as respectivas fonte dos dados.

Tabela 1
Variáveis selecionadas

Variáveis	Descrição	Fonte
Volume de serviços (Serviços)	A variação do índice do volume de serviços é calculada pela PMS - Pesquisa Mensal de Serviços e permite acompanhar o comportamento conjuntural desse setor no país.	PMS - IBGE
Índice de Atividade Econômica do Banco Central (IBC-Br)	Calculado pelo Banco Central, é utilizado como parâmetro de avaliação do ritmo de crescimento da economia brasileira ao longo dos meses.	Banco Central
Volume da Indústria (Indústria)	A variação do índice do volume da indústria é calculada pelaPesquisa Industrial Mensal (PIM) e permite acompanhar o comportamento conjuntural desse setor no país.	PIM (Produção Física) - IBGE.
Serviços prestados às famílias (Famílias)		PMS - IBGE
Serviços de informação e comunicação (Informação)		PMS - IBGE
Outros serviços (Outros)		PMS - IBGE
Serviços profissionais, administrativos e complementares (Profissionais)		PMS - IBGE
Transportes, Serviços auxiliares aos transportes e Correio (Transportes)		PMS - IBGE
Índice de Permanência Domiciliar (IPD)	Comparativo da quantidade de pessoas que se encontram em casa na data assinalada e no período entre 03 de janeiro e 06 de fevereiro de 2020.	https://bigdata-covid19.icict.fiocruz.br/
Mortalidade	Ocorrência de óbitos novos confirmados por Covid-19 no Brasil (em mil indivíduos).	https://covid.saude.gov.br/
Vacinação	Ocorrência de novas vacinações contra Covid-19 no Brasil (em milhões de indivíduos vacinados).	https://covid.saude.gov.br/

• Fonte: Elaboração própria.

Em um modelo VARX, o impacto resultante das mudanças nas variáveis exógenas pode ser investigado com o uso dos multiplicadores dinâmicos. Aqui, a variável exógena de interesse é o Índice de Permanência Domiciliar. Os multiplicadores dinâmicos acumulados, por sua vez, podem ser obtidos por meio da análise de impulso-resposta. Entretanto, como discutido ao longo do trabalho, o setor de serviços é caracterizado por sua heterogeneidade, e espera-se que não seja diferente diante dos efeitos do isolamento.

A Figura 3 apresenta o comportamento das variáveis endógenas selecionadas ao longo do período amostral. Observa-se que o volume de serviços apresentava tendência de queda após 2015, aprofundada em virtude da pandemia em 2020. O maior declínio mensal no volume de serviços desde 2012 ocorreu em abril de 2020: redução de 12,40% em relação ao mês anterior e -17,09% em relação a abril de 2019. Entretanto, após o período de maior isolamento o setor superou o período pré-pandemia e voltou ao patamar de 2016. A atividade de serviços de informação e comunicação se beneficiou com o período de isolamento, sendo um setor com grande poder de recuperação e de adaptação; após o período mais intenso de isolamento. O índice desse subsetor apresentava-se 10% maior do que o máximo de sua série histórica.

Figura 3
Variáveis endógenas selecionadas

Ao analisar o setor de Serviços profissionais, administrativos e complementares, evidencia-se o declínio do setor a partir do ano de 2015, mantendo estabilidade de 2017 até 2020, quando há o efeito da pandemia. A atividade Serviços prestados às famílias apresenta estabilidade até o choque da pandemia, não conseguindo retornar ao patamar pré-pandemia. Os setores de Transportes, Serviços auxiliares aos transportes, Correio e Outros serviços também registram queda após o ano de 2015. Percebe-se que a produção da indústria também teve forte impacto com a crise de 2015 no Brasil, não conseguindo apresentar recuperação nos anos seguintes, tendo sua situação agravada pela crise da Covid-19.

Para o Índice de Permanência Domiciliar no Brasil (Figura 4), um valor negativo significa que há maior circulação nas ruas do que no período anterior ao início da pandemia, e valores positivos, ao contrário, indicam que as pessoas estão mais reclusas em seus domicílios. No Brasil, houve um pico de isolamento entre março e julho de 2020 (primeira onda), e outro de março a maio de 2021 (segunda onda). Em meados de julho de 2021, o índice se encontrava próximo de zero, o que significa que não há diferença na intensidade de circulação de pessoas nas ruas em relação ao que se observou na fase pré-pandêmica. Do mês de setembro de 2021 a dezembro de 2021, o índice apresentava valores negativos, sugerindo intensa circulação de pessoas nas ruas, em patamares superiores àqueles observados entre 03 de janeiro e 06 de fevereiro. Vale ressaltar que o período de comparação equivalia ao período de férias escolares, quando já se espera maior circulação de pessoas nas ruas. Mesmo assim, os patamares ao final da amostra são ainda mais elevados.

Figura 4
Índice de Permanência Domiciliar(IPD)

4.3 Identificação e ordenamento do VARX

Uma das dificuldades na utilização da modelagem VARX é a definição da ordem ótima de defasagens das variáveis endógenas (p) e exógenas (s) a serem utilizadas no sistema. Modelos com poucas defasagens podem incorrer na captura parcial da dinâmica entre as diversas variáveis estudadas. Por outro lado, a inclusão de muitas defasagens pode incorrer em problemas de sobreparametrização, aumentando-se a imprecisão nas estimativas dos parâmetros e trazendo instabilidade para as previsões obtidas com os modelos. Para dar suporte à escolha do número de defasagens, utilizam-se critérios de seleção do tipo BIC (critério de informação bayesiano), AIC (critério de informação de Akaike) e HQ (critério de informação de Hannan-Quinn). O BIC incorre na escolha de modelos mais parcimoniosos (menores números de defasagens), enquanto o AIC incorre em modelos com mais parâmetros. O critério HQ costuma sugerir modelos com número intermediário de parâmetros.

Para verificar a ausência de correlação serial nos resíduos do modelo VARX, pode-se utilizar o teste LM proposto por Johansen (1995). A hipótese de distribuição normal multivariada dos distúrbios pode ser testada por meio da estatística Jarque-Bera proposta por Lutkepohl (2005), e a hipótese de homocedasticidade pode ser testada a partir do teste de heterocedasticidade de White para sistema de equações. Em ambas as especificações (3) e (4) utilizam-se também indicadores (dummies) mensais para controle de eventos exógenos: i) nos meses de maio e junho de 2018, para controlar os meses afetados pela greve dos caminhoneiros ocorrida nesse ano; ii) nos meses de abril de 2020 a março de 2021, como controles adicionais dos choques mensais ocorridos no primeiro ano da Covid-19.

Embora a estimativa dos multiplicadores dinâmicos independa do ordenamento das variáveis endógenas no sistema, estabelece-se a seguinte hipótese de ordenamento de Cholesky para as variáveis endógenas de cada especificação:

$i)Serviço{s}_t\to Indústri{a}_t\to IBC-B{r}_t$ (3)

$ii)Transport{e}_t\to Família{s}_t\to Informação_t\to Outro{s}_t\to \mathrm{Pr}ofissionai{s}_t\to Indústri{a}_t\to IBC-B{r}_t$ (4)

Devido aos elos entre o setor de indústria e serviços, admite-se na primeira especificação que o setor industrial é afetado contemporaneamente por choques não antecipados no setor da serviços. Como o IBC-Br captura informações da atividade econômica utilizando-se também de indicadores da indústria e serviços, tem-se sua última posição no ordenamento.

Para a segunda especificação, com abertura para os grandes subsetores de serviços, admite-se que o subsetor de Serviços profissionais, administrativos e complementares é impactado contemporaneamente por choques não esperados em qualquer dos demais subsetores de serviços. O grupamento Serviços profissionais, administrativos e complementares inclui locação de automóveis, agência de viagens e operadoras turísticas, e serviços de apoio às empresas, atividades que podem ser fortemente impactadas por choques não antecipados particularmente nos Serviços de transporte e Serviços prestados às famílias. As demais atividades contidas no grupamento de serviços profissionais e administrativos também podem ser rapidamente afetadas por inovações no setor de informação e comunicação. Além disso, admite-se que o subsetor Serviços prestados às famílias (alimentação e alojamento) pode ser atingido contemporaneamente por um choque não antecipado no setor de transportes. Da mesma forma que na especificação anterior, o ordenamento admite-se que a produção industrial é afetada contemporaneamente pelos subsetores Serviços, e a última posição no ordenamento é ocupada pelo IBC-Br, que, por construção, também é afetado pelo desempenho do setor industrial e de serviços.⁴ A hipótese de ergodicidade estabelece a condição de que o futuro é predeterminado por parâmetros existentes (Davidson, 2012). Assim, é possível prever o futuro por meio da análise do passado e dos dados dos mercados atuais, a fim de obter uma distribuição de probabilidade capaz de gerenciar eventos futuros. Entretanto, a aplicação do conceito de ergodicidade em modelos econômicos durante a pandemia é um desafio. Muitas vezes, a natureza dinâmica e incerta dos acontecimentos relacionados com a saúde pública desafia a exigência de ergodicidade, a qual pressupõe a estabilidade estatística ao longo do tempo. Dada a volatilidade e a evolução constante da pandemia, alguns modelos econômicos podem não atender completamente essa condição. Portanto, a espera pela ergodicidade em modelos econômicos durante a pandemia pode ser limitada, dada a complexidade e a imprevisibilidade do cenário analisado.

5 Resultados e discussões

Primeiramente, apresenta-se a análise de estacionariedade do logaritmo das variáveis endógenas selecionadas. Para isso, utilizam-se os testes de raiz unitária de Dickey-Fuller GLS (Elliot et al., 1996), Phillips-Perron (Phillips; Perron, 1988) e KPSS (Kwiatkowski et al., 1992). Porém, como explica Perron (1989), quando há evidência de quebra estrutural (seja uma mudança de nível ou de tendência), os testes usuais de raiz unitária tornam-se viesados em direção à não rejeição da hipótese nula de raiz unitária. Nesse sentido, empregou-se também o teste de Dickey-Fuller com suposição de quebra estrutural (Vogelsang; Perron, 1998), visando testar particularmente a estacionariedade das séries sujeitas a um ponto de quebra localizado nos momentos iniciais da pandemia da Covid-19 no Brasil.

Na Tabela 2, apresentam-se as estatísticas descritivas das variáveis das séries em primeira diferença. Algumas variáveis demonstram quebra de tendência, ou seja, a taxa de crescimento média no período pré-pandemia é negativa e durante a pandemia torna-se positiva, como, por exemplo, Serviços, Transportes e Outros. Identificar essa reversão de tendência é importante para a utilização do Teste de raiz unitária com quebra estrutural.

Tabela 2
Estatística Descritiva das variáveis selecionadas

Período: 03-2012 a 02-2020
	Média	D.P.	Min	Max
∆ log Serviços	-0,00033	0,0127	-0,0503	0,0614
∆ log Indústria	-0,00124	0,0219	-0,1163	0,1186
∆ log IBC-Br	-0,00005	0,0076	-0,0367	0,0299
∆ log Transportes	-0,00003	0,0259	-0,1078	0,1477
∆ log Famílias	-0,00096	0,0163	-0,0499	0,0609
∆ log Informação	0,00082	0,0168	-0,0386	0,0697
∆ log Outros	-0,00103	0,0295	-0,0768	0,0792
∆ log Profissionais	-0,00235	0,0116	-0,0253	0,0220
Período: 03-2020 a 12-2021
∆ log Serviços	0,00031	0,0382	-0,1323	0,0441
∆ log Indústria	-0,00042	0,0616	-0,2179	0,0913
∆ log IBC-Br	0,00012	0,0303	-0,1044	0,0493
∆ log Transportes	0,00427	0,0548	-0,2119	0,0606
∆ log Famílias	-0,00542	0,1909	-0,5705	0,2733
∆ log Informação	0,00547	0,0192	-0,0351	0,0458
∆ log Outros	0,00024	0,0489	-0,1014	0,0780
∆ log Profissionais	-0,00011	0,0314	-0,1140	0,0297
IPD	18,87575	19,2491	-14,3304	60,7461
Mortalidade	28.13891	21,2107	0,2010	82,2660
Vacinação	7,35289	10,2832	0	31,7084

• Fonte: Elaboração própria.

A Tabela 3 apresenta os resultados dos testes de raiz unitária. A hipótese nula usual é a de raiz unitária, exceto para o teste KPSS, que assume a nula de estacionariedade. Para o teste de raiz unitária com quebra estrutural, testaram-se duas alternativas: ponto de quebra com data conhecida (determinada) e ponto de quebra selecionado endogenamente com base na minimização da estatística Dickey-Fuller. Em ambos os casos, supõe-se ponto de quebra na tendência e no intercepto da série. Para o teste com ponto de quebra determinado, supõe-se abril de 2020 como o momento de quebra.

Os resultados sugerem a presença de uma raiz unitária sob a hipótese de ponto de quebra nas variáveis Indústria, IBC-Br, Informação e Comunicação, e Outros serviços. Para as demais variáveis, há evidência de estacionariedade sob a hipótese de quebra na tendência e no intercepto em abril de 2020 (outlier de inovação)⁵. O teste com quebra selecionada endogenamente sugere estacionariedade para a série Outros serviços. Há, portanto, evidências de séries I(1) e I(0) sob quebra no sistema. Com base nesses resultados, decidiu-se por inserir todas as variáveis endógenas em primeira diferença nas especificações VARX, de forma que a informação dos dois sistemas agora se encontra em termos de taxas de crescimento para as variáveis endógenas.⁶ Nesse sentido, também se incluíram as exógenas em primeira diferença, exceto o IPD, pois o indicador já mensura a diferença entre o mês corrente e a linha base pré-pandemia (03/01/2020 a 06/02/2020).

Tabela 3
Testes de raiz unitária

	Quebra conhecida		Quebra endógena		DF-GLS	PP	KPSS
Variáveis	Outlier de inovação	Outlier aditivo	Outlier de inovação	Outlier aditivo
log Serviços	-4,724***	-2,525	-5,341**	-3,558	-1,888	-2,172	0,105
∆ log Serviços	-14,754***	-14,641***	-14,754***	-14,641***	-6,593***	-9,338***	0,096
log Indústria	-1,972	-2,148	-4,604	-4,689	-3,328**	-3,456**	0,185**
∆ log Indústria	-15,658***	-15,575***	-15,658***	-15,575***	-10,506***	-11,920***	0,086
log IBC-Br	-1,795	-1,632	-3,880	-3,838	-2,386	-2,771	0,167**
∆ log IBC-Br	-14,198***	-14,021***	-14,198***	-14,021***	-1,753*	-8,356***	0,081
log Transportes	-4,993***	-2,649	-5,139*	-2,649	-2,181	-2,778	0,096
∆ log Transportes	-18,599***	-18,455***	-18,599***	-18,455***	-1,708*	-12,717***	0,088
log Famílias	-9,136***	-0,826	-10,332***	-5,263**	-2,823*	-3,176*	0,101
∆ log Famílias	-14,871***	-0,496	-14,871***	-9,266***	-8,892***	-8,694***	0,042
log Informação	-3,118	-2,418	-3,234	-3,328	-1,450	-1,727	0,145**
∆ log Informação	-15,599***	-15,698***	-15,599***	-15,698***	-0,896	-14,586***	0,173
log Outros	0,034	-1,197	-6,213***	-6,511***	-1,512	-1,7226	0,291***
∆ log Outros	-14,505***	-14,607***	-14,505***	-14,607***	-1,200	-15,345***	0,307
log Profissionais	-4,753***	-2,763	-5,155***	-3,513	-1,963	-2,455	0,085
∆ log Profissionais	-9,553***	-12,920***	-9,553***	-12,920***	-3,612***	-8,944***	0,077

• Nota: Para os testes das variáveis em nível, admitiram-se os componentes determinísticos de tendência e intercepto. Para o teste de raiz unitária com quebra, supõe-se ponto de quebra na tendência e no intercepto e data de quebra em abril de 2020 para o teste com quebra conhecida. Para a escolha do número ótimo de defasagem, utilizou-se o critério de informação bayesiano. Os testes em primeira diferença foram realizados supondo-se apenas a presença de intercepto e ponto de quebra no intercepto. ^*** significativo a 1%, ^** significativo a 5%, ^* significativo a 10%.
• Fonte: Elaboração própria.

Os Apêndices 1 a 4 apresentam os critérios de informação para seleção da ordem de defasagem do VARX. Supõe-se ordem máxima de defasagem igual a 6 para as endógenas e exógenas. Para a especificação 1, observa-se, por exemplo, que condicionado a um termo contemporâneo e uma defasagem para as exógenas (0 a 1) há indicação de defasagem para as endógenas de acordo com o BIC, duas defasagens segundo o HIC, e seis defasagens pelo AIC. Além disso, os menores valores para o BIC e HIC são encontrados supondo-se um termo contemporâneo e uma defasagem para as variáveis exógenas. Já para a especificação 2, os menores valores para o BIC e HIC são obtidos para defasagem zero das endógenas condicionado a um termo contemporâneo e uma defasagem para as exógenas; de acordo com o AIC, sugerem-se seis defasagens para as endógenas nessa especificação qualquer que seja a suposição de defasagem das exógenas.

Decidiu-se por um VARX mais conservador, com menor número de defasagens e mais graus de liberdade, com base nos critérios BIC e HIC. Para dar mais suporte à decisão da ordem de defasagem das duas especificações, utilizou-se o teste de autocorrelação do VARX. Nos Apêndices 5 e 6, especificação 1, observa-se que o VARX(1,1) sugerido pelo BIC apresenta evidência de autocorrelação de primeira ordem, enquanto para o VARX(2,1) não há indicação de autocorrelação em nenhuma ordem até a 12. Já para a especificação 2, e a fim de garantir dinâmica no sistema, iniciou-se o teste de autocorrelação supondo um VARX(1,1). Nesse caso, há rejeição da nula a apenas 10% nas ordens 2 e 4. Um aumento na ordem de defasagem das endógenas no VARX da especificação 2 para um VARX(2,1) apresenta rejeição da nula também a apenas 10% na ordem 1. De acordo com as evidências obtidas, decidiu-se por estimar um VARX(2,1) na especificação 1, e um VARX(1,1) na especificação 2.⁷

Os VARXs das duas especificações são estáveis, como mostra o Apêndice 7. O teste de heterocedasticidade de White resulta em chi-sq = 251,19 com p-valor = 0,99 para a especificação 1, e chi-sq = 1553,53 com p-valor = 0,98 para a especificação 2. O teste de normalidade aponta normalidade multivariada para o sistema na especificação 1. Porém, para a especificação 2 há forte violação da normalidade para a equação das Famílias, o que influencia no teste multivariado⁸. Isso indica viés no intervalo de confiança do multiplicador dinâmico para a variável das Famílias. Portanto, a análise dos resultados para o subsetor das Famílias será feita apenas com base nas estimativas pontuais do multiplicador dinâmico.

5.1 Pesquisas setoriais

Em um primeiro momento, é avaliado como um choque de um desvio padrão no IPD afeta os Serviços, a Indústria e o IBC-Br, por meio do multiplicador dinâmico acumulado. A Figura 5 apresenta as estimativas da reação do setor de Serviços, Indústria e IBC-Br a um choque no IPD. Observa-se a mudança na taxa de crescimento do volume de serviços diante de um choque único do IPD: o efeito inicial é instantâneo e negativo, fazendo cair o crescimento dos serviços em aproximadamente 27,49 pontos percentuais. O retorno ao equilíbrio para o setor de Serviços agregado acontece após seis meses do choque inicial no IPD, com uma resposta acumulada de -3,4 p.p. na taxa de crescimento (não significativo), o que indica um efeito transitório, isto é, o setor retorna ao estado estacionário anterior. Ou seja, após o primeiro mês o setor já começa sua recuperação e consegue se adaptar ao choque, fazendo com que a taxa de crescimento, no acumulado, volte ao equilíbrio no sexto mês. Esse é um resultado importante, pois mostra capacidade de resiliência do setor no curto prazo.⁹

Figura 5
Resposta acumulada dos Serviços a um impulso de um desvio padrão no Índice de Permanência Domiciliar (IPD) (especificação 1)

As pesquisas sobre resiliência econômica regional surgiram para analisar como as regiões ou setores reagem a choques negativos, geralmente durante crises econômicas. Segundo Tupy et al. (2020), as regiões especializadas em agricultura e serviços tiveram maior resistência durante a crise de 2015 no Brasil. Por sua vez, Silva et al. (2019), em estudo para Mariana e municípios vizinhos, concluem que os setores de comércio (-1,14) e serviços (-1,17) apresentaram, em média, os piores indicadores de resistência setorial. Um choque do IPD gera queda na taxa de crescimento da Produção Física da Indústria já no primeiro período, de 29,78 p.p., como mostra a Figura 5. A estabilização do setor ocorre seis meses após o choque inicial, com redução acumulada de 8,1 p.p. na taxa de crescimento (significativo), o que sugere um efeito permanente, isto é, o setor caminha para um novo estado estacionário, em nível inferior ao anterior. Segundo Machado (2021), em um estudo para o Brasil utilizando o modelo BVAR, o aumento de 1% na taxa SELIC resultaria em queda de 0,015% na sua produção setorial da indústria em relação à sua média, para Serviços a queda é de 0,004%, quase um quarto do efeito.

Diferentemente de tantas outras recessões econômicas, a crise na economia que se iniciou em março de 2020 pode ser entendida como causada por queda simultânea da oferta e da demanda (Ribeiro et al., 2023). Não é, como em geral ocorre em grandes crises macroeconômicas, um processo de recuo apenas da demanda. Beraja e Wolf (2021), em estudo para os Estados Unidos por meio do modelo VAR, apontam que para choques transitórios em bens duráveis, serviços e não duráveis, a recuperação é acelerada. Crucialmente, no entanto, a recuperação é ainda mais forte para contrações lideradas por bens duráveis. Esses autores afirmam que se os gastos tivessem se concentrado em bens duráveis, seguindo a lógica da demanda reprimida, a recuperação teria sido ainda mais forte.

A redução da taxa de crescimento do IBC-Br chega a 20,36 p.p., assim como nos serviços e na indústria, essa queda acontece logo no primeiro mês (momento 0). Apenas no quinto mês após o choque, com redução acumulada de 5 p.p. na taxa de crescimento (significativo) o setor caminha para um novo estado estacionário. Entretanto, não de forma transitória, mas sim permanente, como a indústria.

Com base em dados mensais para Portugal no período de janeiro de 2000 a abril de 2021, Mota e Vasconcelos (2022) concluem que, embora haja efeitos de histerese significativos em todos os setores considerados (indústria, construção, serviços e comércio atacadista e varejista), esses efeitos são mais pronunciados no setor industrial, e menos notáveis no setor de comércio atacadista e varejista. Zhang et al. (2021) concluem que o emprego foi significativamente afetado pela pandemia da Covid-19 em nível estadual nos Estados Unidos, de 8 de janeiro de 2020 a 30 de maio de 2020. Além disso, há redução significativa nos níveis de emprego em todos os setores, especialmente nos serviços. Assim, a hipótese da histerese do emprego é válida nos Estados Unidos durante a pandemia da Covid-19.

5.2 Heterogeneidade nos serviços

Esta subseção analisa a resposta dos subsetores de serviços a um choque não esperado no IPD. São eles: Transportes; Famílias; Informação e Comunicação; Outros serviços e Profissionais e administrativos.¹⁰ Ao analisar esse impacto em nível de subsetores, destaca-se que as intensidades dos choques são heterogêneas entre eles. Nessa comparação, a Figura 6 mostra o multiplicador dinâmico acumulado para os subsetores. O setor que sofre o impacto mais severo é Serviços prestados às famílias, reduzindo mais de 100 p.p. na taxa de crescimento, entretanto, também é o que apresenta recuperação mais rápida. No momento do choque no IPD (momento 0), o modelo estima um completo lockdown do subsetor de Serviços prestados às famílias (sem produção de valor, pois a taxa de crescimento cai aproximadamente no seu máximo). Porém, a partir do primeiro mês após o choque (momento 1) já acontece recuperação do setor. Esse comportamento de “bloqueio aproximadamente total da atividade” ocorre apenas com o subsetor das famílias após o choque no IPD.

O retorno ao equilíbrio do setor acontece seis meses após o choque inicial no IPD, com ganho acumulado de 9,3 p.p. na taxa de crescimento. Ainda que haja evidência de não normalidade nas inovações da equação das famílias (o que prejudica a inferência sobre efeito transitório ou permanente), o ganho acumulado na taxa de crescimento seis meses após o choque é expressivo e indica adaptação do setor ao isolamento social.

Em seguida, Transportes sofre o segundo choque mais intenso, queda de 23, p.p. Por fim, Serviços profissionais, administrativos e complementares (redução de 15,40 p.p.), Outros serviços (15,1 p.p.) e Informação e comunicação (10,7 p.p.) apresentam os menores choques. Um argumento que pode justificar as diferenças entre as intensidades dos choques é a dependência que cada um desses setores tem em relação ao isolamento.

Figura 6
Resposta acumulada dos Serviços a um impulso de um desvio padrão Índice de Permanência Domiciliar (especificação 2)

Os resultados da estimação indicam que o sistema é convergente em termos de resposta ao choque no isolamento e ao tempo para atingir o equilíbrio, com exceção da magnitude. O tempo necessário para atingir o equilíbrio, ou a velocidade de ajuste, é um fator importante para entender a dinâmica do sistema. Se as variáveis se ajustarem rapidamente aos choques, isso pode indicar muita flexibilidade e eficiência nos subsetores de serviços. Por outro lado, se as variáveis demorarem muito para atingir o equilíbrio, isso pode sugerir lentidão ou rigidez no processo de ajuste.

O retorno ao equilíbrio para o subsetor de Transportes e de Informação e comunicação acontece cinco meses após o choque inicial no IPD, com resposta acumulada de 0,4 p.p. (não significativo) e 4,3 p.p. (não significativo a 10%), respectivamente, na taxa de crescimento. Ambos os setores apresentam efeito transitório, isto é, os subsetores retornam ao estado estacionário anterior.

A atividade Outros serviços também atinge um novo estado estacionário, com efeito permanente e em nível inferior ao anterior, cinco meses após o choque, com perda acumulada de 13 p.p. na taxa de crescimento (significativo). O subsetor Outros serviços é o que chama mais a atenção em termos de perdas permanentes. É importante pontuar que esse setor é extremamente diverso e nele estão inseridos diferentes tipos de atividades: serviços de reparação e manutenção em geral; atividade imobiliária; atividades financeiras em geral; coleta, gestão e reciclagem de resíduos.

Para o subsetor Profissionais e administrativos, o retorno ao equilíbrio ocorre seis meses após o choque, com redução acumulada de 1,3 p.p. na taxa de crescimento (não significativo). O que chama a atenção é que, diferentemente dos demais subsetores, no primeiro mês após o choque o referido subsetor ainda não foi capaz de ensaiar recuperação (ver Figura 6). Isso só acontece no segundo mês após o choque, indicando que esse subsetor apresenta maior demora na sua adaptação ao isolamento, o que significa efeito transitório, uma vez que o subsetor retorna ao estado estacionário anterior.

O novo estado estacionário para a atividade Serviços prestados às famílias acontece seis meses após o choque inicial em IPD, com ganho acumulado de 9,3 p.p. na taxa de crescimento. Embora haja evidência de não normalidade nas inovações da equação das famílias (o que prejudica a inferência sobre efeito transitório ou permanente), o ganho acumulado na taxa de crescimento seis meses após o choque é expressivo e indica adaptação do setor ao isolamento.

A natureza transitória do choque implica que as subdivisões do setor de serviços no Brasil têm capacidade de se ajustar e se adaptar ao impacto das medidas de isolamento social. Isso pode ser devido a fatores como a resiliência do setor de serviços, a eficácia das medidas de políticas e a capacidade das empresas e dos consumidores de se adaptarem às mudanças.

A resiliência representa uma resposta diante das adversidades, e não uma característica permanente da personalidade. Em outras palavras, não se é resiliente como uma característica genérica, mas sim existe a possibilidade de desenvolver comportamentos adequados frente a diversas vulnerabilidades (Barbosa, 2015).

A National Skills Commission, no relatório State of Australia's Skills 2021: Now and into the Future (2021), indica que, embora provavelmente haja mudanças duradouras devido ao isolamento social da Covid-19, elas podem não ser dramáticas. A ampla distribuição de ocupações na economia pode não mudar significativamente, mas a forma como esses trabalhos são executados pode mudar. Além disso, é mais provável que as mudanças observadas sejam tendências que já estavam em andamento, como o aumento das atividades remotas.

O fato de praticamente todos os subsetores de serviços, exceto Outros serviços tenderem a retornar ao equilíbrio anterior, mesmo com aumento do isolamento, indica alta capacidade de resiliência e adaptação do setor. Entre todos os subsetores, as atividades Serviços prestados às famílias e Informação e comunicação são certamente as que chamam mais a atenção. Muitas empresas dessas duas atividades de serviços tiveram que encontrar novas maneiras de operar durante a pandemia, mudando para o trabalho remoto, oferecendo serviços on-line ou adaptando seus modelos de negócios para atender às necessidades dos clientes em um ambiente em constante mudança. Essas mudanças não apenas permitiram que as empresas continuassem operando durante a pandemia, mas também criaram oportunidades e modelos de negócios inovadores que poderão seguir a economia no futuro.

Tanto na indústria quanto no IBC-Br, foi observada redução significativa e permanente na taxa de crescimento após o choque. Na indústria, o declínio acumulado foi de 8,4 p.p. ao longo de seis meses, indicando queda mais acentuada em comparação com o declínio de 3,7 p.p. em cinco meses no IBC-Br. Ambos os setores estão se encaminhando para um novo estado estacionário, porém, em níveis inferiores aos anteriores.

Ao comparar os resultados das especificações 1 e 2, observa-se a importância de desagregar o setor de serviços para melhor entender a sua resposta a um choque no isolamento. O efeito do isolamento sobre a indústria é semelhante nos dois modelos (acumulado de -8,1 p.p. e -8,4 p.p. na especificação 1 e 2 respectivamente). Com relação ao IBC-Br, o efeito acumulado de um choque no isolamento se reduz na especificação 2 (-3,7 p.p.) frente à especificação 1 (-5 p.p.), mas ainda assim é significativo.

5.3 Robustez

Considerando-se o potencial viés de sobreparametrização causado por uma elevação da ordem de defasagem do VARX, particularmente no sistema com sete variáveis endógenas, foi estimado um VARX bayesiano (BVAR) para avaliar a robustez dos resultados (Kilian; Lutkepohl, 2017). O efeito de encolhimento (shrinkage) dos coeficientes gerados pela estimava bayesiana permite testar ordens mais elevadas nas especificações VARX, o que possibilita melhor avaliação de eventuais efeitos de persistência e demora na adaptação dos agentes a choque não esperados.

Para ambas as especificações, foi estimado um BVAR com seis defasagens (meio ano), priori do tipo Minnesota e semente 12345. As simulações foram realizadas a partir de amostragem Gibbs, com 12.500 iterações Monte Carlo via Cadeias de Markov, com descarte (burn-in) das primeiras 2.500 iterações. Os parâmetros de aperto da variância, que controlam o efeito de encolhimento e a concentração da priori em torno da média, assumem os seguintes valores: 0,2 para os coeficientes próprios das endógenas, 0,5 para os coeficientes cruzados, e 100 para as exógenas. O valor de 0,2 para o parâmetro de aperto dos coeficientes das endógenas foi ajustado visando obter probabilidade não inferior a 95% de que os autovalores do BVAR permaneçam dentro do círculo unitário.

A seguir apresentam-se os resultados a posteriori do multiplicador dinâmico acumulado do IPD sobre as endógenas (intervalos críveis de 90%) dos dois sistemas. Para a primeira especificação (eficiência mínima de 93% e média de 99%), observa-se rápida convergência ao estado estacionário anterior para taxa de crescimento dos serviços após um choque não esperado na permanência domiciliar, corroborando os achados anteriores com relação aos efeitos transitórios. Para a indústria, embora os intervalos críveis sejam mais amplos, é possível verificar evidências de efeito negativo e permanente após um choque no IPD.

Já para a segunda especificação (eficiência mínima de 90% e média de 99%) é possível verificar resultados semelhantes aos apontados pelo VARX, com exceção de uma maior incerteza gerada por bandas críveis mais amplas. A estabilização da taxa de crescimento da indústria após um choque no IPD ainda ocorre em valores negativos não desprezíveis, levantando novamente a discussão de possíveis efeitos permanentes nocivos ao setor industrial, ao contrário dos subsetores de serviços (com exceção mais visíveis do subsetor Outros serviços).

Figura 7
BVAR e resposta acumulada dos Serviços a um impulso de um desvio padrão no Índice de Permanência Domiciliar (IPD) (especificação 1)

Figura 8
BVAR e resposta acumulada dos Serviços a um impulso de um desvio padrão no Índice de Permanência domiciliar (IPD) (especificação 2)

6 Considerações finais

O objetivo deste estudo foi analisar a resposta do setor de serviços a um choque exógeno causado por uma elevação do isolamento social gerado pela pandemia da Covid-19, utilizando técnicas do modelo VARX. A necessidade desta análise se dá porque há pouca literatura utilizando modelos econométricos sobre o setor de serviços, principalmente levando em conta sua heterogeneidade setorial, no período da pandemia, além da importância desse setor para liderar a recuperação econômica do país.

Um ponto importante dos resultados obtidos é que o choque atinge o setor de serviços agregado de forma transitória, ou seja, o setor consegue retornar ao equilíbrio. De maneira oposta, o setor industrial e o IBC-Br sofrem o efeito de forma permanente, o que significa que o novo estado estacionário será em nível inferior ao anterior à pandemia. Isso sugere que os setores de serviços são mais resilientes a esse choque exógeno.

Os resultados da heterogeneidade dentro do setor de serviços podem ser sintetizados em quatro pontos principais: a) no mês 0 do choque, o modelo estima um completo lockdown do subsetor dos Serviços prestados às famílias, redução de 100 p.p. Porém, a partir do primeiro mês após o choque (mês 1) já ocorre recuperação das perdas do setor; b) a estabilização do setor de Serviços prestados às famílias acontece com ganho acumulado de 9,3 p.p. na taxa de crescimento; c) Outros serviços é o que apresenta maior redução em termos de perdas permanentes, com perda acumulada de 13 p.p.; e d) ao contrário dos outros subsetores, no primeiro mês após o impacto, o subsetor de Profissionais e administrativos não demonstrou sinais de recuperação. Apenas no segundo mês após o impacto é que se observa algum progresso. Isso sugere que esse subsetor enfrenta adaptação mais lenta ao isolamento.

A pandemia teve impacto significativo no setor de serviços, mas também mostrou a resiliência e a capacidade de adaptação das empresas e dos trabalhadores desse setor. Essa resiliência e adaptação podem ser vistas como força motriz para alavancar a economia em muitos países.

Para estudos futuros, é interessante uma análise para os subsetores da indústria, visando sua heterogeneidade e sua forte interação com os Serviços. A principal limitação da pesquisa é que o modelo VAR não necessariamente se baseia na teoria econômica, por isso é importante verificar a lógica dos cenários resultantes do modelo. Sempre que possível deve-se empregar restrições à moda dos modelos estruturais para que os cenários não descolem da realidade esperada. Sabe-se, entretanto, que a realidade esperada não necessariamente é aquela que se realiza. Choques na economia podem surgir, advindos das mais diversas fontes, por exemplo, a crise por matéria-prima no período pós-pandemia (Paul et al., 2021; Ramani et al., 2022).

Agradecimentos

Os autores agradecem à Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pelo financiamento da pesquisa.

Referências

• ABREU, M.; GRINEVICH, V.; KITSON, M.; SAVONA, M. Policies to Enhance the ‘Hidden Innovation’ in Services: Evidence and Lessons from the UK. The Service Industries Journal. London, v. 30, n. 1, p. 99-118, 2010.
• ACEMOGLU, D.; AUTOR, D.; DORN, D.; HANSON, GH.; PRICE, B. Return of the Solow Paradox? IT, Productivity, and Employment in US Manufacturing, American Economic Review, 104(5), 394-399, 2014.
• BAHIA, L. D. Desempenho produtivo da indústria brasileira durante o primeiro trimestre de 2020. Nota Técnica, n. 86 - Diretoria de Estudos e Políticas Setoriais de Inovação e Infraestrutura, Instituto de Pesquisa Econômica Aplicada. Brasília: IPEA, 2021.
• BASTOS, S. Q. A.; FERNANDES, C. O.; PEROBELLI, F. S. Dinâmica dos serviços em Minas Gerais: uma análise diferencial-estrutural para os principais municípios 2003/2007. In: ENCONTRO NACIONAL DA ASSOCIAÇÃO BRASILEIRA DE ESTUDOS REGIONAIS E URBANOS, 8., 2010, Juiz de Fora. Anais [...] Juiz de Fora: Aber, 2010.
• BERAJA, M.; WOLF, C. K. Composição da demanda e força das recuperações. Bureau Nacional de Pesquisa Econômica, 2021.
• BERA, A. K.; JARQUE, C. M. Efficient Test for Normality Homoscedasticity and Serial Independence of Regression Residuals. Economics Letters, v. 6, n. 3, 255-259, 1980.
• BERRY, L. L.; DANAHER, T. S.; AKSOY, L.; KEININGHAM, T. L. Service Safety in the Pandemic Age. Journal of Service Research, 2020.
• CADASTRO GERAL DE EMPREGADOS EDESEMPREGADOS (CAGED). Empregabilidade, profissões e perfis profissionais no emprego no Brasil. Brasília: MTE, 2022. Disponível em:<http://pdet.mte.gov.br/novo-caged>. Acesso em: 18 fev. 2023
  » http://pdet.mte.gov.br/novo-caged
• CARDOSO, V. L.; PEROBELLI, F. S.. A intensidade de serviços na economia brasileira: uma abordagem de insumo-produto . ANPEC-Associação Nacional dos Centros de Pós-Graduação em Economia, 2014.
• CERMEÑO, A. L. Service Labour Market: The Engine of Growth and Inequality. VOX CEPR Policy Portal - Research-Based Policy Analysis and Commentary from Leading Economists, 2015. Disponível em: <https://voxeu.org/article/service-labour-market-engine-growth-and-inequality>. Acesso em: 19 jan. 2023.
  » https://voxeu.org/article/service-labour-market-engine-growth-and-inequality
• CROSS, R.; DARBY, J.; IRELAND, J.; PISCITELLI, L. (2005) “Hysteresis and Unemployment: A Preliminary Investigation.” In G. Bertotti and I. Mayergoyz (eds.), The Science of Hysteresis, Vol. 1. San Diego: Academic Press, 2005, 667-699.
• DAVIDSON, P. Is Economics a Science? Should Economics be Rigorous? Real-World Economics Review, n. 59. 2012.
• DJUROVIC, G.; DJUROVIC, V.; BOJAJ, Martin M. Os efeitos macroeconômicos do Covid-19 em Montenegro: uma abordagem bayesiana VARX. Inovação Financeira, v. 6, n. 1, p. 1-16, 2020.
• ELLIOT, A. J.; HARACKIEWICZ, Judith M. Abordagem e evitação de metas de realização e motivação intrínseca: uma análise mediacional. Journal of personality and social psychology , v. 70, n. 3, p. 461, 1996.
• FIOCRUZ. Nota Técnica 2022/01 - Rede Genômica Fiocruz / Ministério da Saúde [Internet]. Ministério da Saúde. Rio de Janeiro: Fiocruz; 2022. Disponível em: <https://bigdata-covid19.icict.fiocruz.br/>. Acesso em: 20 jan. 2022.
  » https://bigdata-covid19.icict.fiocruz.br
• BARBOSA, G. S. Desenvolvendo uma Cultura resiliente nas organizações. 2015. Disponível em: <http://sobrare.com.br/wp-content/uploads/2015/11/ebook-desenvolvendo-uma-cultura-resiliente-nas-organizacoes.pdf>. Acesso em: nov. 2023.
  » http://sobrare.com.br/wp-content/uploads/2015/11/ebook-desenvolvendo-uma-cultura-resiliente-nas-organizacoes.pdf
• GIOVANINI, A.; PEREIRA, W.; AREND, M. O setor de serviços e a dinâmica da produtividade industrial brasileira: uma análise para o período de crescimento da economia brasileira. In: ENCONTRO NACIONAL DE ECONOMIA INDUSTRIAL E INOVAÇÃO, 3., 2018, Uberlândia, MG. Anais [...] Uberlândia, 2018.
• GÖCKE, M. Vários conceitos de histerese aplicados em economia. Journal of economic surveys , v. 16, n. 2, p. 167-188, 2002.
• IASCO-PEREIRA, H.; DUREGGER, R.; TAO, M. I. C. A indústria de transformação brasileira na crise do Covid-19. A Economia em Revista - AERE, v. 30, n. 3, p. 37-49, 2022.
• IBGE/SIDRA. Contas Nacionais Trimestrais - Tabela 1.846 - Valores a preços correntes [Internet]. IBGE. 2022]. Disponível em: <https://sidra.ibge.gov.br/tabela/1846>. Acesso em: 20 jan. 2023.
  » https://sidra.ibge.gov.br/tabela/1846
• IBGE/SIDRA. Pesquisa Mensal de Serviços - Tabela 8.162 - Índice e variação da receita nominal e do volume de serviços, por atividades de serviços e suas subdivisões (2014 = 100) [Internet]. IBGE. 2022. Disponível em: <https://sidra.ibge.gov.br/tabela/8162>. Acesso em: 20 jan. 2023.
  » https://sidra.ibge.gov.br/tabela/8162
• IBGE/SIDRA. Pesquisa Industrial Mensal - Produção Física Tabela 8.159 - Produção Física Industrial, por seções e atividades industriais [Internet]. IBGE. 2022 Disponível em: <https://sidra.ibge.gov.br/tabela/8159>. Acesso em: 20 jan. 2022.
  » https://sidra.ibge.gov.br/tabela/8159
• JACINTO, P. de A.; RIBEIRO, E. P. Crescimento da produtividade no setor de serviços e da indústria no Brasil: dinâmica e heterogeneidade. Economia Aplicada, v. 19, p. 401-427, 2015.
• JARQUE, C. M.; BERA, A. K. Efficient test for Normality Homoscedasticity and Serial Independence of Regression Residuals. Economics Letters, v. 6, n. 3, 255-259, 1980.
• JOHANSEN, S.. Identificando restrições de equações lineares com aplicações a equações simultâneas e cointegração. Journal of econometrics , v. 69, n. 1, p. 111-132, 1995.
• KILIAN, L.; LUTKEPOHL, H. Structural Vector Autoregressive Analysis. Cambridge University Press, 2017, cap. 5.
• KON, A. Atividades de serviços como indutoras do desenvolvimento. Revista da Sociedade Brasileira de Economia Política. São Paulo, v. 34, p. 57-87, 2013.
• KON, A. A nova economia política dos serviços. São Paulo: Perspectiva, 2015.
• KUBOTA, L. C. A inovação tecnológica das firmas de serviços no Brasil. In: NEGRI, J. A. de; KUBOTA, L. C. (org.). Estrutura e dinâmica do setor de serviços no Brasil. Brasília: Ipea, p. 35-72, 2006.
• KWIATKOWSKI, D.; PHILLIPS, P.C.; SCHMIDT, P.; SHIN, Y. (1992). Testando a hipótese nula de estacionariedade contra a alternativa de uma raiz unitária: Quão certos estamos de que as séries temporais econômicas têm uma raiz unitária?. Journal of econometrics , 54 (1-3), 159-178.
• LAVOPA, A; SZIRMAI, A. Structural modernization and underdevelopment traps: An empirical approach, World Development, 112, 59-73, 2018.
• LÜTKEPOHL, H.. Nova introdução à análise de séries temporais múltiplas . Springer Science & Business Media, 2005.
• MACHADO, G. M. P. BVAR: análise dos efeitos de política monetária sobre a produção de diferentes setores da economia brasileira. 2021. Monografia (Graduação) - Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2021.
• MARCATO, M. B.; TORRACA, J. Impactos da Covid-19 na indústria de transformação do Brasil. Rio de Janeiro: IE/UFRJ, 2020. (Textos para discussão, n. 19).
• MAZHAR, U.; REHMAN, F. Manufacturing as a Growth Escalator in Low and Middle Income Countries. Journal of Economics and Finance, n. 44, p. 790-809, 2019.
• MOTA, P.; VASCONCELOS, P. (2012). “Non-convex Adjustment Costs, Hysteresis, and Macrodynamics of employment.” Journal of Post Keynesian Economics, 35 (1): 93-112.
• MOTA, P. R.; VASCONCELOS, P. B. Hysteresis in the Dynamics of Employment by Activity Sector. Review of Political Economy, p. 1-17, 2022.
• MOURA, Y. R. da S.. Impactos de choques macroeconômicos no setor industrial do Nordeste: uma abordagem com modelos VAR/VEC. 2021. Dissertação (Mestrado) - Universidade Federal do Rio Grande do Norte, Natal, 2021.
• MOREIRA, T. M. O desempenho da indústria e a atualização dos efeitos multiplicadores de produção em 2021. São Paulo: Instituto de Estudos para o Desenvolvimento Industrial (IEDI), 2022.
• NATIONAL SKILLS COMMISSION et al. State of Australia’s Skills 2021: Now and into the Future. Annual Report, v. 2021. Disponível em: <<https://www.nationalskillscommission.gov.au/sites/default/files/2022-03/2021%20State%20of%20Australia%27s%20Skills_0.pdf>. Acesso em: nov. 2023.
  » https://www.nationalskillscommission.gov.au/sites/default/files/2022-03/2021%20State%20of%20Australia%27s%20Skills_0.pdf
• NEVES, C.; ROSSI, J. W. Econometria e séries Temporais com aplicações a dados da economia brasileira. LTC, 2014.
• OLIVEIRA, J. M.; KUBOTA, L. C. O setor de serviços e o emprego na crise. Radar: Tecnologia, Produção e Comércio Exterior, Brasília, n. 4, out. 2009.
• PAUL, S. K.; CHOWDHURY, P.; MOKTADIR, M. A.; LAU, K. H. Supply Chain Recovery Challenges in the Wake of Covid-19 Pandemic. Journal of Business Research, v. 316-329, 2021.
• PERRON, P. (1989) O grande crash, o choque do preço do petróleo e a hipótese da raiz unitária. Econometrica , vol. 57, pp. 1361-1401
• PHILLIPS, P. C. B.; PERRON, P.. Testing for a unit root in time series regression. biometrika, v. 75, n. 2, p. 335-346, 1988.
• RAMANI, V.; GHOSH, D.; SODHI, M. S. Compreendendo a interrupção sistêmica da escassez de semicondutores induzida pela Covid-19 para a indústria automobilística. Ômega, v. 113, p. 102.720, 2022.
• RIBEIRO, L. C. D. S.; LAUDENOR, M. C. D. M. A.; GAMA, L. C. D.; FERREIRA NETO, A. B. Regional and Sectorial Impacts of the Covid-19 Pandemic in Sergipe, Brazil. Growth and Change, 54(3), 674-693, 2023.
• RODRIGUES, R. L.; VERÍSSIMO, M. P. Indústria, Serviços e crescimento: evidências para o Brasil no período de 1996 a 2020. In: ENCONTRO NACIONAL DE ECONOMIA INDUSTRIAL E INOVAÇÃO (ENEI)V., 2021.
• SILVA, C. M.; MENEZES FILHO, N.; KOMATSU, B.. Uma abordagem sobre o setor de serviços na economia brasileira. Insper Policy Paper, v. 19, 2016.
• SILVA, F. F.; SILVA, J. F. da; TUPY, I. S. Reflexões sobre resiliência econômica regional: o cenário pós-desastre de Mariana (MG). Redes. Revista do Desenvolvimento Regional, v. 24, n. 2, p. 1-27, 2019.
• SOUZA, K. B.; BASTOS, S. Q. A.; PEROBELLI, F. S.. As múltiplas tendências da terciarização: uma análise insumo-produto da expansão do setor de serviços. XXXIX Encontro Nacional de Economia-ANPEC, 2011.
• SUZIGAN, W. Identificação, mapeamento e caracterização estrutural de arranjos produtivos locais no Brasil. Relatório Consolidado. Rio de Janeiro: Ipea, p. 59, 2006.
• TOMAZZIA, E. C.; MEURER, R. O mecanismo de transmissão da política monetária no Brasil: uma análise em VAR por setor industrial. Economia Aplicada, v. 13, n. 4, p. 371-398, 2009.
• TUPY, I. S.; SILVA, F. F.; AMARAL, P. V. M.; CAVALCANTE, A. T. M. The Spatial Features of Recent Crises in a Developing Country: Analysing Regional Economic Resilience for the Brazilian case. Regional Studies, 55(4), 693-706, 2020. Disponível em: <https://doi.org/10.1080/00343404.2020.1851025>. Acesso em: nov. 2023.
  » https://doi.org/10.1080/00343404.2020.1851025
• VERÍSSIMO, M. P.; SAIANI, C. C. S.. Evidências da importância da indústria e dos serviços para o crescimento econômico dos municípios brasileiros. Economia e Sociedade, v. 28, n. 3, p. 905-935, 2019.
• VOGELSANG, T. J.; PERRON, P.. Testes adicionais para uma raiz unitária permitindo uma quebra na função de tendência em um momento desconhecido. International economic review, p. 1073-1100, 1998.
• WHEATON, W. C.; LEWIS, M. J. Urban Wages and Labor Market Agglomeration. Journal of Urban Economics. Cambridge, Massachusetts, v. 51, n. 3, p. 542-562, 2002.
• ZIMON, G. Working Capital Management Strategies in Polish SMEs. Academy of Accounting and Financial Studies Journal, n. 24, 2020.
• ZHANG, X. Y.; GOZGOR, G.; LU, Z.; ZHANG, J. H. Employment Hysteresis in the United States During the Covid-19 Pandemic. Economic Research-Ekonomska Istraživanja, v. 34, n. 1, p. 3.343-3.354, 2021.

Códigos JEL:

C32, O14

JEL Codes:

C32, O14

¹

Os cinco subsetores são: Serviços prestados às famílias; Outros serviços; Serviços de Informação e comunicação; Serviços profissionais, administrativos e complementares e Serviços de transporte, Serviços auxiliares dos transportes e Correio. Vale ressaltar que apenas o subsetor Outros serviços registrou crescimento no ano de 2020 (6,8%).

²

Esse índice é gerado a partir dos dados disponíveis no Google Mobility Report (https://www.google.com.br/covid19/mobility/). O Google disponibiliza informações de localização derivadas do GPS de dispositivos móveis dos usuários, abrangendo o tempo gasto em seis categorias de locais: domicílio, mercado e farmácias, trabalho, trânsito e estações, varejo e lazer e parques. Cada tipo de fluxo de dados é codificado como uma alteração percentual na métrica de mobilidade, com base em uma linha de base estabelecida durante o período pré-pandemia (01/03/2020 a 02/06/2020).

³

Os Serviços prestados às famílias incluem: alojamento e alimentação, atividades culturais e esportivas, e serviços pessoais e de educação não continuada. Os serviços de informação e comunicação incluem: telecomunicações e serviços de TI, audiovisuais e edição, agência de notícias e outros serviços de informação. Os Serviços profissionais, administrativos e complementares incluem: atividades jurídicas, de contabilidade e de consultoria empresarial, publicidade, locação de automóveis, agência de viagens e operadoras turísticas, aluguéis não imobiliários, seleção de mão de obra e serviços de apoio às empresas, e outros serviços técnicos-profissionais. Os Serviços de transporte, Serviços auxiliares dos transportes e Correio incluem: transporte rodoviário de carga e de passageiros, transporte metroferroviário, transporte dutoviário e aquaviário, transporte aéreo de passageiros, armazenagem e atividades relacionadas ao transporte de carga e serviços auxiliares ao transporte. Os outros serviços incluem: gestão de resíduos e esgoto, recuperação de materiais e descontaminação, atividades auxiliares dos serviços financeiros, seguro, previdência complementar e plano de saúde, atividades imobiliárias, atividades de apoio à agricultura e pecuária, manutenção e reparação de bens diversos (IBGE, 2023).

⁴

A fim de identificar as inovações nos dois sistemas VARX sem o possível viés gerado pelo ordenamento de Cholesky, funções impulso-resposta generalizadas também foram estimadas.

⁵

Um outlier de inovação é aquele que segue a mesma dinâmica (polinômio de defasagem) das inovações da série, isto é, o seu efeito ocorre gradualmente a partir da data da quebra. Para os outliers aditivos, por outro lado, não se assume um polinômio de defasagem, implicando que seu efeito é instantâneo na data da quebra (VOGELSANG; PERRON, 1998).

⁶

Também foram realizados testes de raiz unitária com hipótese de quebra estrutural em março de 2020 e hipótese de quebra em maio de 2020 (Apêndice 1). Os resultados para março de 2020 são semelhantes aos de abril, exceto que o IBC-Br é apontado como I(0). Já para maio de 2020 há reversão da ordem de integração de serviços e indústria em relação a abril: serviços é apontado como I(1), e indústria como I(0). Nota-se, portanto, que a evidência quanto à ordem de integração considerando-se os três meses iniciais da pandemia é instável, o que dá suporte ao uso das variáveis endógenas em primeira diferença no sistema VARX.

⁷

A fim de avaliar a hipótese de cointegração das séries nos dois sistemas VARX, foi empregado o teste de cointegração de Johansen (1995). Considerando-se o VARX com as variáveis em nível, com presença de tendência e intercepto como componentes determinísticos, e as demais variáveis exógenas do sistema, o critério de informação bayesiano indica um VARX(2,1) para ambas as especificações. Com base no teste de autocorrelação, também não há evidência de autocorrelação em nenhuma ordem até a 12 nas duas especificações em nível. Para a especificação 1, o teste de cointegração de Johansen com hipótese de constante irrestrita indica a presença de três equações de cointegração, o mesmo número de variáveis endógenas no sistema, tanto via teste do traço como de máximo autovalor. Isso é uma possível evidência de que nem todas as variáveis endógenas são não estacionárias no sistema, algo já evidenciado pelos testes de raiz unitária sob quebra. Por outro lado, para a especificação 2, com sete variáveis endógenas, o teste de cointegração de Johansen com hipótese de constante irrestrita indica a presença de quatro equações de cointegração via teste do traço e nenhuma equação de cointegração via teste de máximo autovalor. A evidência de um mix de variáveis estacionárias e não estacionárias no sistema 1, além da falta de evidência de cointegração de acordo com o teste de máximo autovalor para o sistema 2, reforça o uso das variáveis endógenas em primeira diferença em um sistema VARX para ambas as especificações. Todos os resultados do teste de cointegração encontram-se no Apêndice 2.

⁸

Há evidência de normalidade multivariada ao se remover a equação das Famílias do sistema.

⁹

A reação do setor agregado de serviços a uma inovação na indústria e no IBC-Br é apresentada no Apêndice 8, a partir das IRFs identificadas via ordenamento de Cholesky, bem como IRFs generalizadas. Observa-se que a taxa de crescimento do setor de serviços reage de forma positiva e significativa a uma inovação na indústria, tanto a partir da IRF identificada via ordenamento de Cholesky quanto à IRF generalizada: o efeito acumulado é de aproximadamente 0,5 p.p. após cerca de seis meses, o que leva o setor de serviços a atingir um novo estado estacionário com volume maior em nível. Já a resposta dos serviços ao IBC-Br é significativa apenas a partir das inovações identificadas via IRF generalizada.

¹⁰

A reação desses cinco subsetores de serviços a uma inovação na indústria e no IBC-Br é apresentada também no Apêndice 9, a partir das IRFs identificadas via ordenamento proposto de Cholesky e IRFs generalizadas.

APÊNDICE

Tabela A1
Testes de raiz unitária

	Quebra conhecida: 2020m3		Quebra conhecida: 2020m5
Variáveis	Outlier de inovação	Outlier aditivo	Outlier de Inovação	Outlier aditivo
log Serviços	-5,341***	-3,018	-3,116	-3,050
∆ log Serviços	-9,915***	-8,723***	-9,305***	-9,294***
log Indústria	-3,315	-2,174	-4,973***	-2,682
∆ log Indústria	-11,317***	-9,687***	-9,264***	-10,324***
log IBC-Br	-4,711***	-1,864	-3,587	-2,447
∆ log IBC-Br	-10,731***	-9,731***	-9,220***	-12,333***
log Transportes	-5,563***	-3,439	-3,122	-3,125
∆ log Transportes	-9,325***	-8,389***	-9,164***	-10,436***
log Famílias	-13,168***	-2,389	-5,976***	-5,042***
∆ log Famílias	-7,975***	-8,383***	-12,086***	-2,146
log Informação	-3,539	-3,565	-3,150	-3,058
∆ log Informação	-11,187***	-11,332***	-11,489***	-11,864***
log Outros	-3,024	-3,134	-1,614	-2,840
∆ log Outros	-8,765***	-9,178***	-9,390***	-11,920***
log Profissionais	-5,230***	-3,137	-2,687	-2,753
∆ log Profissionais	-9,919***	-7,526***	-10,522***	-9,073***

• Fonte: Elaboração própria.
• Nota: Para os testes das variáveis em nível, admitiram-se os componentes determinísticos de tendência e intercepto. Para o teste de raiz unitária com quebra, supõe-se ponto de quebra na tendência e no intercepto e data de quebra em março de 2020 e em maio de 2020. Para a escolha do número ótimo de defasagem, utilizou-se o critério de informação bayesiano. Os testes em primeira diferença foram realizados supondo-se apenas a presença de intercepto e ponto de quebra no intercepto. ^*** significativo a 1%, ^** significativo a 5%, ^* significativo a 10%.

Tabela A2
Teste de Cointegração de Johansen

Número de Equações de Cointegração	Especificação 1				Especificação 2
	Autovalor	Traço	Max-autovalor		Autovalor	Traço	Max-autovalor
Nenhum	0,259	60,154***	34,874***		0,382	173,166***	55,493***
No máximo 1	0,166	25,279***	21,077***		0,263	117,673***	35,181
No máximo 2	0,035	4,202**	4,202**		0,223	82,491***	29,048
No máximo 3					0,205	53,442**	26,5115
No máximo 4					0,140	26,931	17,446
No máximo 5					0,078	9,484	9,409
No máximo 6					0,0006	0,075	0,075

• Fonte: Elaboração própria.
• Nota: Sistema VARX com tendência e constante em ambas as especificações. Ordem de defasagem VARX(2,1) em ambas as especificações, de acordo com o critério de informação bayesiano. Teste de cointegração sob a hipótese de constante irrestrita, de acordo com especificações VARX

Tabela A3
Critérios de seleção para a ordem de defasagem do sistema VARX na especificação 1

Lag máximo das exógenas $\left(s\right)$	Lag máximo das endógenas $\left(p\right)$
	0	1	2	3	4	5	6
0	BIC: -17.60*	HIC: -18.48*	N.S.	N.S.	N.S.	N.S.	AIC: -19.25*
0 a 1	N.S.	BIC: -17.83*	HIC: -18.94*	N.S.	N.S.	N.S.	AIC: -19.87*
0 a 2	N.S.	BIC: -17.67*	HIC: -18.93*	N.S.	N.S.	N.S.	AIC: -19.92*
0 a 3	N.S.	BIC: -17.56*	HIC: -18.88*	N.S.	N.S.	N.S.	AIC: -19.90*
0 a 4	N.S.	BIC: -17.56*	HIC: -18.88*	N.S.	N.S.	N.S.	AIC: -19.90*
0 a 5	N.S.	BIC: -17.56*	HIC: -18.88*	N.S.	N.S.	N.S.	AIC: -19.90*
0 a 6	N.S.	BIC: -17.56*	HIC: -18.88*	N.S.	N.S.	N.S.	AIC: -19.90*

• Fonte: Elaboração própria.
• Nota: BIC, HIC e AIC referem-se aos critérios de informação bayesiano, Hannan-Quinn e Akaike, respectivamente. ^* indica o menor valor encontrado para o critério de informação. As entradas N.S. indicam que aquela ordem de defasagem das endógenas, condicionada à ordem máxima de defasagem das exógenas, não foi selecionada com base em nenhum dos três critérios de informação utilizados.

Tabela A4
Critérios de seleção para a ordem de defasagem do sistema VARX na especificação 2

Lag máximo das exógenas $\left(s\right)$	Lag máximo das endógenas $\left(p\right)$
	0	1	2	3	4	5	6
0	BIC: -34.14* HIC: -35.97*	N.S.	N.S.	AIC: -37.77	N.S.	N.S.	N.S.
0 a 1	BIC: -35.17* HIC: -37.35*	N.S.	N.S.	N.S.	N.S.	N.S.	AIC: -39.67*
0 a 2	BIC: -34.91* HIC: -37.30*	N.S.	N.S.	N.S.	N.S.	N.S.	AIC: -39.65*
0 a 3	BIC: -34.67* HIC: -37.22*	N.S.	N.S.	N.S.	N.S.	N.S.	AIC: -39.57*
0 a 4	BIC: -34.67* HIC: -37.22*	N.S.	N.S.	N.S.	N.S.	N.S.	AIC: -39.57*
0 a 5	BIC: -34.67* HIC: -37.22*	N.S.	N.S.	N.S.	N.S.	N.S.	AIC: -39.57*
0 a 6	BIC: -34.67* HIC: -37.22*	N.S.	N.S.	N.S.	N.S.	N.S.	AIC: -39.57*

• Fonte: Elaboração própria.
• Nota: BIC, HIC e AIC referem-se aos critérios de informação bayesiano, Hannan-Quinn e Akaike, respectivamente. ^* indica o menor valor encontrado para o critério de informação. As entradas N.S. indicam que aquela ordem de defasagem das endógenas, condicionada à ordem máxima de defasagem das exógenas, não foi selecionada com base em nenhum dos três critérios de informação utilizados.

Tabela A5
Teste de autocorrelação do sistema VARX

Lag	Especificação 1			Especificação 2
	VARX (1,1)	VARX (2,1)		VARX (1,1)	VARX (2,1)
1	23.026***	9.314		59.460	62.851*
2	11.360	7.922		63.010*	39.683
3	7.907	10.796		44.400	51.056
4	13.614	9.992		62.598*	51.435
5	15.125*	14.048		42.393	47.037
6	10.176	10.706		57.286	47.523
7	6.677	7.313		39.773	47.247
8	4.224	7.043		56.434	56.564
9	6.374	6.577		37.731	35.303
10	12.645	13.788		56.079	53.409
11	5.651	3.383		47.393	55.872
12	15.658*	15.057*		51.401	41.305

• Fonte: Elaboração própria.
• Nota: A hipótese nula é de não existência de autocorrelação na defasagem testada. ^*** rejeita a nula a 1%, ^** rejeita a nula a 5%, ^* rejeita a nula a 10%.

Tabela A6
Condição de estabilidade do sistema VARX

Especificação	VARX$\left(p,s\right)$	Módulo dos autovalores
1	(2,1)	.4098, .4098, .4036, .4036, .3174, .3174
2	(1,1)	.4351, .4351, .3115, .1325, .1325, .1242, .0473

• Fonte: Elaboração própria.

Tabela A7
Teste de normalidade do sistema VARX

Equação	Especificação 1: VARX (2,1)				Especificação 2: VARX (1,1)
	Assimetria	Curtose	Jarque-Bera		Assimetria	Curtose	Jarque-Bera
∆ log Serviços	3.070*	3.2688	3.420
∆ log Indústria	2.750*	3.6859	5.024*		0.692	1.698	2.389
∆ log IBC-Br	0.008	3.4698	1.075		0.005	0.014	0.019
∆ log Transportes					0.092	0.306	0.398
∆ log Famílias					21.796***	47.923***	69.719***
∆ log Informação					0.703	3.772*	2.474*
∆ log Outros					0.082	4.044*	3.126*
∆ log Profissionais					0.726	0.004	0.730
Todas			9.519		24.096***		88.856***

• Fonte: Elaboração própria.
• Nota: A hipótese nula é de não existência de autocorrelação na defasagem testada. ^*** rejeita a nula a 1%, ^** rejeita a nula a 5%, ^* rejeita a nula a 10%.

Figura A1
Resposta acumulada dos Serviços a um impulso de um desvio padrão nas demais variáveis endógenas (especificação 1)

Figura A2
Resposta acumulada dos Serviços a um impulso de um desvio padrão nas demais variáveis endógenas (especificação 1)

Datas de Publicação

• Publicação nesta coleção
  14 Out 2024
• Data do Fascículo
  Apr-Jun 2024

Histórico

• Recebido
  15 Nov 2023
• Aceito
  19 Mar 2024