Impactos da Restrição de Consumo de Energia Elétrica sobre a Economia Cearense

Sumário Executivo

a) A avaliação dos impactos da restrição do consumo de energia elétrica sobre a economia cearense foi realizada em três cenários. Cenário 1, com redução do consumo de 20%, Cenário 2, com menos 25% e Cenário 3, com redução de 30%;

b) Através de métodos econométricos foram estimados os coeficiente de elasticidade-energia do produto, ou seja, qual a sensibilidade do PIB em resposta às variações no consumo de energia elétrica. Os resultados microeconômicos encontrados sugerem que o setor industrial é muito mais dependente do consumo de energia elétrica do que o setor de serviços, o que aliás era de se esperar. O coeficiente para a indústria foi estimado em 0,6824 e para o setor de serviços em 0,2536. Na prática, significa que uma redução de 10% no consumo de energia elétrica reduziria o PIB industrial em 6,824% e apenas 2,536% no PIB do setor de serviços;

c) Na indústria, vale destacar o coeficiente de elasticidade-energia produto de 1,4520 para o setor de material elétrico e de comunicação, resultado que mostra que esta atividade é bastante sensível ao consumo de energia elétrica;

d) Em termos de impactos macroeconômicos, o modelo econométrico de insumo-produto utilizado sugere que o PIB do Estado do Ceará poderá apresentar uma redução que variará entre 2,30% e 3,45%. Como está previsto para o corrente ano um crescimento de 4,5%, o resultado final poderá ser uma expansão que deverá ficar entre 1,05% e 2,20%;

e) Setorialmente e sob o aspecto macroeconômico, a indústria cearense deverá sofrer uma redução no seu produto entre 4,0% e 6,0%. A redução no setor de serviços deverá ser menor, oscilando entre 1,65% e 2,47%;

f) Pesquisa recente realizada em todo Brasil pela Confederação Nacional da Indústria-CNI, indica que, em média, as empresas pesquisadas precisariam reduzir a produção em 9,5%, em resposta a um corte de 20% no consumo de energia elétrica. Os impactos sobre a produção devem se refletir também no nível de emprego industrial, com 63% das empresas pesquisadas declarando que provavelmente dispensarão trabalhadores;

g) No Ceará, em termos de mercado de trabalho em toda a economia, deixariam de ser criados entre 23.582 e 35.372 empregos diretos, como decorrência da redução esperada nos níveis de produção, representando algo entre 0,73% e 1,10% da população ocupada;

h) A arrecadação do ICMS estadual poderá sofrer uma redução entre 2,03% e 3,05%, que em valores equivaleriam a R$ 39,71 milhões e R$ 59,57 milhões. Somente sobre o setor de vendas de eletricidade, a Secretaria da Fazenda Estadual estima uma redução de 2,5% na arrecadação do referido tributo, equivalendo a cerca de R$ 30,1 milhões até o final do ano;

i) As exportações também poderão ser atingidas, com reduções entre US$ 7,97 milhões e US$ 11,95 milhões, que em termos percentuais representariam algo entre 1,61% e 2,41%a. Pelo lado das importações, estima-se também reduções que poderão variar entre US$ 13,91 milhões e US$20,86 milhões, equivalentes a 1,94% e 2,91%;

j) Poderá haver uma elevação na inflação. Como consequência, é provável que também ocorra uma redução nos salários reais da economia, menor consumo das famílias, nova redução na produção das empresas e corte nos postos de trabalho;

k) O possível aumento da conta de energia elétrica daria para “comprar” os bens e serviços que o consumidor deixaria de adquirir em decorrência da restrição ao consumo de energia ? Se a resposta for negativa, tem-se uma pista para o valor de futuras tarifas de energia elétrica.

l) O quadro apresentado abaixo traz um resumo das principais repercussões econômicas decorrentes da restrição ao consumo de energia elétrica, em termos de tendências.

VARIÁVEIS	TENDÊNCIA ESPERADA
1. Taxa de Crescimento Oferta Agregada (PIB + M)	-
2. Taxa de Crescimento do PIB	-
3. Nível de emprego	-
4. Inflação	+
5. Salário Real (W/P)	-
6. Taxa de Crescimento das importações	-
7. Taxa de Crescimento das exportações	-
8. Taxa de Crescimento Demanda Agregada (C + I + X)	-
9. Saldo Balança Comercial	-
10. Taxa de Crescimento ICMS	-
11. Eficiência no uso de energia elétrica	+
12. Substituição de energia elétrica hidráulica por outras fontes	+
13. Preço tarifa energia elétrica	+
14. Investimentos setor elétrico	+
15. Nível de bem-estar da população	-

Apresentação

A restrição que será imposta pelo Governo Federal sobre o consumo de energia elétrica tem gerado muita apreensão e questionamento dos mais diversos segmentos da sociedade, no que diz respeito às repercussões sobre o nível da atividade econômica, segurança pública, saúde, educação, trânsito urbano, afazeres domésticos e, de uma forma mais abrangente, restrição à qualidade de vida e bem-estar da população.

A mensuração dos impactos econômicos decorrentes da restrição do consumo de energia elétrica representa um cálculo muito complexo e envolve muito mais variáveis do que as costumeiramente utilizadas nos modelos, inclusive as relacionadas com o comportamento humano. Por outro lado, vale ponderar também que ainda não foi vivenciada, na prática, uma situação semelhante à que se avizinha, não permitindo antecipar a totalidade das reações dos agentes econômicos. Assim, qualquer mensuração que se faça representa uma tentativa de aproximação da realidade que se pretende conhecer e antecipar.

De qualquer forma, o presente ensaio traz uma contribuição à análise do problema, na tentativa de ordenar as idéias, mostrar as interrelações entre as variáveis e procurar mensurar seus impactos, utilizando-se alguns instrumentos proporcionados pela teoria econômica.

De uma forma agregada, o estudo pretende identificar as reduções que poderão sofrer o produto interno bruto (PIB), o nível de emprego, as exportações, as importações, a arrecadação de impostos, especificamente o ICMS, e algumas qualificações sobre a inflação. Na medida do possível, será também tentada uma estimativa na redução do produto para as principais atividades econômicas do Estado.

Com este trabalho, o IPLANCE espera estar oferecendo ao Governo, especificamente, e à sociedade, de um modo geral, um conjunto de informações sistematizadas e fundamentadas sobre os prováveis impactos da restrição do consumo de energia elétrica sobre a economia cearense. Convém lembrar, ainda, que seus resultados devem ser interpretados também sob o aspecto provocativo de discussões e debates sobre o tema. Neste sentido, gostaríamos de contar com sugestões e críticas que possam enriquecer o presente ensaio.

Alex Araújo

Diretor Presidente

sumário

Metodologia, 7

Análise dos Resultados, 11

Uma Análise Gráfica do Problema, 16

Considerações Finais, 18

Anexos, 19

Metodologia

A estimativa dos impactos econômicos decorrentes da restrição de consumo de energia elétrica deve ser realizada respondendo-se a duas perguntas:

a) qual intensidade em que cada atividade econômica será afetada isoladamente?

b) qual o impacto total sobre a economia cearense?

Para responder à primeira indagação, foram estimadas, para as principais atividades econômicas, as reduções do produto em resposta à diminuição do consumo de energia elétrica, que representa uma questão ligada à microeconomia. Na resposta à segunda pergunta, foram consideradas as reduções do produto de cada setor, estimadas na fase microeconômica, e introduzidas no modelo econométrico de insumo-produto do IPLANCE para mensurar os impactos agregados sobre a economia cearense, no que diz respeito às reduções do PIB total e setorial, emprego, exportações, importações, arrecadação do ICMS e avaliação preliminar sobre aumento de preços. A seguir, são detalhados os procedimentos adotados nas duas fases.

Fase I: Análise Microeconômica

Inicialmente, foram utilizados os dados disponíveis para o PIB dos principais sub-setores da economia cearense, calculado pelo IPLANCE, consumo de energia elétrica, por atividade econômica, fornecidos pela COELCE, emprego, fornecidos pelo IBGE/CAGED e a produtividade média da mão-de-obra, dada pela relação PIB/emprego, cobrindo o período de 1985 a 2000. As referidas variáveis foram transformadas em número índice, a partir de suas variações reais anuais.

A disponibilidade simultânea de informações para o PIB, consumo de energia elétrica e emprego permitiu selecionar as seguintes atividades econômicas:

v Indústria total;

v Indústria extrativa mineral;

v Indústria de transformação;

v Minerais não metálicos;

v Metalúrgica;

v Material elétrico e de comunicação;

v Química;

v Têxtil;

v Produtos alimentares;

v Construção civil;

v Serviços industriais de utilidade pública;

v Setor de serviços;

v Comércio.

Em seguida, foram estimadas equações de regressão, simples e múltiplas, através do método dos mínimos quadrados ordinários, utilizando-se o software Eviews, que associavam o produto setorial ao consumo de energia elétrica, emprego e produtividade do emprego, nas seguintes formas analíticas:

Pi = f (Ei) (1)

Pi = f (Ei, Ni) (2)

Pi = f (Ei, Pi/Ni) (3),

Onde:

Pi = produto do setor “i”;

Ei = consumo de energia elétrica do setor “i”;

Ni = emprego do setor “i”;

Pi/Ni = produtividade média da mão-de-obra.

As funções estimadas em (1) , (2) e (3) apresentaram os sinais esperados, com correlação positiva entre PIB , consumo de energia elétrica, emprego e produtividade média da mão-de-obra e os seus resultados foram estatisticamente significantes, conforme pode ser observado no Anexo do presente trabalho. A partir das funções estimadas, foi possível calcular os coeficientes de elasticidade-energia do produto, ou seja, qual a sensibilidade do PIB em resposta às variações no consumo de energia elétrica.

Esta elasticidade-energia (Ee) é calculada pela relação abaixo:

dPi Ei dPi Ei

Ee = x = x (4)

dEi Pi dEi f(Ei)

Foi tomada a forma especificativa bi-logarítmica das funções (1), (2) e (3), de tal maneira que o coeficiente encontrado para a energia elétrica já é o próprio coeficiente de elasticidade-energia produto desejado.

Uma vez identificados os coeficientes de elasticidade-energia produto (Ee), que podem ser analisados com maior riqueza de detalhes no Anexo do presente trabalho, o passo seguinte foi estimar a redução percentual no produto de cada atividade selecionada, em função da restrição do consumo de energia elétrica, que é fornecida na relação a seguir:

% de redução do PIB = Ee x % corte de energia (5)

Como hipótese de trabalho, foram adotados três possibilidades de redução no consumo de energia elétrica. Cenário 1, redução de 20%, Cenário 2, corte de 25% e cenário 3, redução de 30%.

Por outro lado, admitiu-se também como hipótese que a restrição do consumo de energia elétrica seria estendido até dezembro do corrente ano, significando, na prática, a necessidade de se trabalhar com um redutor semestral para cada atividade econômica, ou seja, o percentual de realização do produto relativo ao segundo semestre para cada setor selecionado. Estas informações foram obtidas no cálculo do PIB trimestral, realizado pelo IPLANCE, tomando-se a média para o período de 1998 a 2000.

Para completar as hipóteses da fase microeconômica, achou-se conveniente introduzir um redutor de impacto, admitindo-se que os empresários passarão a usar a energia elétrica de modo mais eficiente, quer através do uso mais racional deste insumo, evitando desperdícios, substituindo energia elétrica de fonte hidráulica por outras fontes (gerador próprio, termoelétrica, eólica), ou comprando no mercado atacadista de energia. Por insuficiência de tempo e informações específicas, assumiu-se que este redutor seria de 70% para o setor industrial e de 80% para o setor de serviços. Dito de outra forma, o aumento na eficiência no uso da energia elétrica seria de 30% na indústria e de 20% no setor de serviços.

Assim, a equação final que vai estimar a redução do PIB em função das restrições admitidas anteriormente tem a seguinte forma:

% de redução do PIB = Ee x % corte de energia x redutor semestral do PIB x redutor da eficiência de energia (6)

Fase II: Análise Macroeconômica

Esta fase envolve a mensuração dos impactos macroeconômicos. Para sua estimação, foi utilizado o modelo econométrico de insumo-produto para medição de impactos sobre a economia cearense, desenvolvido pela Universidade de Illinois, Fundação Instituto de Pesquisa Econômica – FIPE/USP e técnicos do IPLANCE.

Como ponto de partida, o modelo utilizou a matriz de insumo-produto da economia cearense, calculada para 1985. Mediante cálculos econométricos foram introduzidas alterações nos coeficientes técnicos de produção (Aij), que são fixos na matriz de insumo-produto, e passam a ser dinâmicos no modelo econométrico, incorporando assim as mudanças tecnológicas. Estes ajustes são feitos anualmente pelo modelo, tomando-se por base a série histórica levantada, de 1970 a 1996, para o valor bruto da produção (VBP), valor agregado ou produto (PIB), emprego e preços, para 36 setores selecionados da economia cearense.

O modelo também trabalha com um aparato de consistência macroeconômica nacional, permitindo assim que seus resultados sejam aderentes às tendências da economia brasileira e seu horizonte de previsão de impacto vai até o ano de 2011.

O modelo mede impactos na economia cearense causados por alterações nas seguintes variáveis:

a) renda ou produto;

b) produção;

c) emprego;

d) demanda final (consumo, investimento e exportações líquidas).

Qualquer que seja a fonte escolhida de alteração, o modelo apresenta como saída os seguintes impactos, para o total da economia e para cada um dos 36 setores selecionados:

a) alteração na produção;

b) alteração na renda ou produto;

c) alteração no emprego (direto, indireto e total);

d) alteração no consumo (privado, governamental e total);

e) alteração no investimento (privado, governamental e total).

Isto posto, os valores encontrados na fase I, calculados pela fórmula (6), alimentaram o modelo econométrico e permitiram uma mensuração macroeconômica consistente, decorrente da restrição do consumo de energia elétrica.

O cálculo da previsão da provável redução na arrecadação no ICMS foi realizado mediante a aplicação de uma proporção entre o referido tributo e o PIB estadual, que apresentou um valor médio de 7,60%, no período de 1995 a 2000. Ou seja:

Valor da redução do ICMS = 7,60 % . valor da redução do PIB (7)

A estimativa do impacto sobre as exportações também seguiu a mesma lógica desenvolvida para a fórmula (7). Assim, tomou-se a participação das exportações sobre o PIB, que alcançou o valor médio de 2,79%, no período de 1995 a 2000. Isto posto:

Valor da redução das exportações = 2,79% valor da redução do PIB (8)

De igual modo, a estimativa do impacto sobre as importações teve o mesmo procedimento. Dessa forma, adotou-se a participação das importações sobre o PIB estadual, que alcançou o valor médio de 4,87% no referido período. Assim:

Valor da redução das importações = 4,87% valor da redução do PIB (9)

Análise dos Resultados

a) Impactos Microeconômicos

Conforme descrito na parte metodológica, o primeiro passo do trabalho foi estimar funções que associassem o PIB de cada atividade selecionada com o consumo de energia elétrica, para permitir o cálculo da elasticidade-energia do produto.

Uma vez conhecidos os coeficientes de elasticidade referidos, o passo seguinte foi calcular em que medida os cortes de energia elétrica também reduziriam o PIB de cada atividade, levando-se em conta os redutores do segundo semestre e do aumento da eficiência no uso de energia elétrica, descritos anteriormente nas notas metodológicas. Os resultados estão apresentados na Tabela 1, a seguir.

Tabela 1 - Impactos microeconômicos - Estimativa da redução do PIB setorial, em três cenários de redução do consumo de energia elétrica, para alimentar o modelo econométrico de insumo-produto - Ceará - 2001

SETORES	ELASTICIDADE ENERGIA DO PRODUTO (a)	REDUTOR SEMESTRAL EM % (b)	REDUTOR % P/AUMENTO DE EFICIÊNCIA USO ENERGIA (c)	REDUÇÃO % NO PIB
SETORES	ELASTICIDADE ENERGIA DO PRODUTO (a)	REDUTOR SEMESTRAL EM % (b)	REDUTOR % P/AUMENTO DE EFICIÊNCIA USO ENERGIA (c)	CENÁRIO 1 (d)	CENÁRIO 2 (e)	CENÁRIO 3 (f)
1. SETOR INDUSTRIAL	0,6824	-	-	-	-	-
Ind. Extrativa Mineral	0,0168	47,88	70	0,1126	0,1408	0,1689
Ind. de Transformação	0,5466	-	-	-	-	-
Minerais não metálicos	0,6502	55,05	70	5,0111	6,2639	7,5166
Metalurgia	0,5872	53,32	70	4,3833	5,4792	6,5750
Têxtil	0,4637	53,70	70	3,4861	4,3576	5,2291
Vestuário e calçados	0,5466	54,08	70	4,1384	5,1730	6,2076
Produtos alimentares	0,3237	51,64	70	2,3402	2,9253	3,5103
Material elétrico com.	1,4520	57,56	70	11,7008	14,6260	17,5512
Química	0,5897	54,10	70	4,4664	5,5830	6,6996
Construção Civil	0,0948	51,82	70	0,6878	0,8597	1,0316
Serv. Ind. Util. Pública	0,8801	52,23	70	6,4392	9,1403	9,6532
2. SETOR DE SERVIÇOS	0,2536	-	-	-	-	-
Comércio	0,3285	53,08	80	2,7899	3,4874	4,1848
Alojamento/alimentação	0,2536	51,57	80	2,0925	2,6156	3,1388
Transportes	0,2536	52,39	80	2,1258	2,6572	3,1887
Comunicação	0,2536	50,10	80	2,0329	2,5411	3,0493

Fonte: Cálculo dos autores.

(a) Estimada através de equações de regressão, apresentadas no Anexo do trabalho.

(b) Percentual do PIB setorial gerado no segundo semestre, calculado pela média do período 1998-2000, com base no PIB trimestral do IPLANCE.

(c) Hipótese assumida pelos autores, admitindo um aumento na eficiência no uso de energia elétrica de 30% para o setor industrial e de 20% para o setor de serviços.

(d) Cenário 1 = (a).(b). (c). 20% (redução consumo energia).

(e) Cenário 2 = (a).(b). (c). 25% (redução consumo energia).

(f) Cenário 3 = (a).(b). (c). 30% (redução consumo energia).

De uma forma geral, os resultados encontrados sugerem que o setor industrial é muito mais dependente do consumo de energia elétrica do que o setor de serviços, o que aliás era de se esperar. Assim, o coeficiente de elasticidade-energia do produto do setor secundário alcançou 0,6824, significando, na prática, que uma redução de 10% no consumo de energia elétrica reduziria o PIB industrial em 6,824%. Para o setor de serviços, este coeficiente foi estimado em 0,2536, o que mostra uma sensibilidade ou dependência bem menor em relação à energia elétrica. Significa dizer, por outras palavras, que uma redução de 10% no consumo de energia elétrica só diminuiria o PIB do setor em apenas 2,536%.

Dentro do setor industrial, vale destacar que o nível de atividade do gênero de material elétrico e de comunicações é bastante sensível (elasticidade maior que um) ao consumo de energia elétrica, apresentando um coeficiente de elasticidade de 1,4520, ou seja, uma redução de 10% no consumo de energia reduziria em 14,520% o seu produto. As demais indústrias apresentaram coeficiente de elasticidade menor que um, significando que suas atividades são pouco sensíveis ao consumo de energia elétrica.

Deve-se ressaltar, entretanto, que estes cálculos restringem-se aos impactos diretos e microeconômicos que poderão advir em cada atividade, não levando em consideração as interrelações e interdependências da economia cearense. Assim, os números estimados nesta seção não representam um bom indicativo das repercussões que se pretende conhecer. Na verdade, os seus resultados alimentaram o modelo econométrico de insumo-produto, para a estimativa dos impactos macroeconômicos, que será feita na seção seguinte.

b) Impactos Macroeconômicos

Os impactos da restrição do consumo de energia elétrica sobre a economia cearense, calculados pelo modelo econométrico de insumo-produto, sugerem que o PIB estadual poderá apresentar uma redução que variará entre 2,30% e 3,45%. Em termos monetários, as referidas reduções alcançariam algo entre R$ 522,51 milhões e R$ 783,77 milhões de novos produtos e serviços que deixariam de ser produzidos em 2001, tendo-se como cenários reduções do consumo de energia elétrica entre 20% e 30%. No primeiro caso, como está sendo projetado para o corrente ano um crescimento de 4,5%, a expansão final do PIB cairia para 2,20% e no segundo caso o crescimento final seria de 1,05%.

Convém lembrar, a título de comparação, que o Banco Central divulgou recentemente uma nova estimativa de crescimento para a economia brasileira para o corrente ano, em função da crise de energia elétrica, cuja taxa final deveria cair de 4,3% para 2,8%, ou seja, com uma redução de 1,5%.

Em termos de mercado de trabalho estadual, deixariam de ser criados entre 23.582 e 35.372 empregos diretos, correspondendo a algo entre 0,73% e 1,10% da população ocupada.

Em virtude de uma provável redução do PIB, está sendo também estimada uma diminuição na arrecadação do ICMS entre 2,03% e 3,05%, equivalentes a R$ 39,71 milhões e R$ 59,57 milhões, respectivamente. A propósito, convém lembrar que a Secretaria da Fazenda realizou recentemente uma estimativa de redução do ICMS, decorrente apenas da diminuição prevista para a receita de energia elétrica, que deveria alcançar cerca de 2,5%, que em termos mensais equivaleria a R$ 4,3 milhões, ou R$ 30,1 milhões até dezembro do corrente ano. Vale ressaltar que estes resultados negativos poderão ser minimizados em decorrência do aumento do preço dos combustíveis e das tarifas telefônicas.

De igual forma, estima-se que as exportações estaduais também sejam atingidas. Assim, projeta-se para o corrente ano uma redução entre US$ 7,97 milhões a US$ 11,95 milhões nas vendas externas, que em termos relativos representariam diminuições entre 1,61% a 2,41%.

Igual comportamento também está sendo antecipado para as importações, que poderão sofrer este ano uma redução que variará entre US$ 13,91 milhões e US$ 20,86 milhões, algo em torno de - 1,94% e - 2,91%.

A Tabela 2, apresentada a seguir, traz um detalhamento dos prováveis efeitos macroeconômicos em 2001.

Tabela 2 - Estimativa dos impactos macroeconômicos da restrição ao consumo de energia elétrica - Ceará - 2001

IMPACTOS	CENÁRIO 1	CENÁRIO 2	CENÁRIO 3
a) Redução do PIB
Em %	2,30	2,88	3,45
Em R$ milhões	522,51	654,28	783,77
b) Nova taxa de crescimento prevista para o PIB (4,5% - Cenários)	2,20	1,62	1,05
c) Redução no número de empregos
Em % da população ocupada	0,73	0,92	1,10
Em números absolutos	23.582	29.478	35.372
d) Redução no ICMS
Em %	2,03	2,55	3,05
Em R$ milhões	39,71	49,73	59,57
e) Redução nas exportações
Em %	1,61	2,01	2,41
Em US$ milhões	7,97	9,98	11,95
f) Redução nas importações
Em %	1,94	2,43	2,91
Em US$ milhões	13,91	17,41	20,86

Fonte: Cálculo dos autores, a partir de impactos simulados utilizando-se o modelo econométrico de insumo-produto.

Cenário 1 = redução do consumo de energia elétrica de20%.

Cenário 2 = redução do consumo de energia elétrica de 25%.

Cenário 3 = redução do consumo de energia elétrica de 30%.

Caberia, ainda, uma breve especulação sobre a tendência da inflação. De princípio, não se pode nem se deve trabalhar com números. O mais sensato é tentar visualizar o sentido da variação dos preços. Assim, dentro dos cenários analisados, espera-se um crescimento da inflação, em virtude dos seguintes aspectos:

a) elevação do preço das tarifas de energia elétrica para o consumidor final e para os setores produtivos;

b) uma redução provável na quantidade produzida/ofertada pela economia pode gerar um novo ponto de equilíbrio do mercado, com um preço mais elevado;

c) ao produzir menos, a tendência das empresas é aumentar seus custos unitários, com repercussões finais sobre os preços dos produtos.

Em decorrência de uma provável elevação dos preços, poderá haver uma redução nos salários reais da economia, o que significa um menor poder de compra das famílias e consequentemente menor nível de consumo. Esta provável redução no consumo poderá influenciar as empresas a produzirem menos, e reduzir também seus postos de trabalho.

Com o intuito de enriquecer o trabalho com informações detalhadas, a Tabela 3 traz uma estimativa, para os principais setores contemplados no modelo econométrico de insumo-produto, em termos de redução percentual no PIB, dentro dos três cenários analisados.

Conforme pode ser observado, o setor industrial, dentro de uma análise macroeconômica, deverá ser o mais atingido com a restrição ao consumo de energia elétrica. De acordo com as estimativas do modelo econométrico de insumo produto, a redução industrial deverá alcançar algo entre 4,0% e 6,0%. Assim, o gênero de material elétrico e de comunicações, por sua elasticidade-energia produto maior do que um, deverá ser o que mais sofrerá com a restrição de energia elétrica, prevendo-se uma redução entre 13,81% e 20,71%. Em seguida, aparecem com impactos mais negativos o setor de serviços industriais de utilidade pública, fortemente influenciado pela atividade de distribuição de energia (-12,31% e – 18,46%), têxteis (-11,17% e -16,75%) e minerais não metálicos (-7,19% e – 10,78%), nos cenários de redução de energia elétrica entre 20% e 30%.

O setor de serviços, por ser menos intensivo no uso de energia elétrica, deverá sofrer uma redução entre 1,65% e 2,27%. Como maiores reduções dentro dos serviços aparecem as atividades de transportes (- 4,08% e – 6,13%) e comércio (- 3,12% e 4,68%).

Tabela 3 - Estimativa da redução do PIB total e setorial, em três cenários de redução do consumo de energia elétrica - Ceará - 2001

ATIVIDADES	REDUÇÃO % NO PIB
ATIVIDADES	CENÁRIO 1	CENÁRIO 2	CENÁRIO 3
TOTAL DA ECONOMIA	2,30	2,88	3,45
INDÚSTRIA	4,00	5,01	6,00
Extrativa mineral	0,16	0,20	0,24
Minerais não metálicos	7,19	8,99	10,78
Metalúrgica	4,95	6,19	7,43
Têxtil	11,17	13,96	16,75
Vestuário e calçados	4,23	5,29	6,35
Produtos alimentícios	2,84	3,55	4,26
Material elétrico e de comunicações	13,81	17,26	20,71
Química	5,98	7,48	8,98
Construção civil	1,66	2,07	2,49
Serviços Ind. Utilidade Pública	12,31	17,48	18,46
SERVIÇOS	1,65	2,06	2,47
Comércio	3,12	3,90	4,68
Alojamento e alimentação	2,62	3,28	3,93
Transporte	4,08	5,11	6,13
Comunicação	2,33	2,92	3,50

Fonte: Cálculo dos autores baseado no Modelo Econométrico de Insumo Produto.

Cenário 1 correspondente a uma redução no consumo de energia elétrica de 20%.

Cenário 2 correspondente a uma redução no consumo de energia elétrica de 25%.

Cenário 3 correspondente a uma redução no consumo de energia elétrica de 30%.

A título de ilustração e comparação, vale lembrar estudo divulgado agora no começo de julho pela Confederação Nacional da Indústria-CNI, intitulado Efeitos do Racionamento de Energia Elétrica na Indústria, pesquisa realizada entre os dias 11 e 20 de junho em 918 empresas industriais de todo o Brasil. Cujas principais conclusões foram:

a) para 76% das empresas pesquisadas, o cumprimento da meta de redução do consumo de energia elétrica (20%) só será possível com redução da produção, sendo que a maioria delas estima que a redução necessária será superior a 15%. Em média, as empresas estimam que precisariam reduzir a produção em 9,5%;

b) os impactos sobre a produção devem se refletir também no nível de emprego industrial, com 63% das empresas declarando que provavelmente dispensarão trabalhadores;

c) em relação à duração da crise, 49% das empresas acreditam que a mesma deva se estender até depois de 2002. Outras 40%, no entanto, esperam que o problema se resolva até o próximo ano;

d) a estratégia preferencial de 60% das empresas diante da crise consiste em direcionar esforços na busca da eficiência energética;

e) a maioria das empresas (43%) considera que ainda é cedo para reavaliar seus planos de investimento em função do racionamento. Para 37%, no entanto, os investimentos serão menores, sendo que para 15% serão substancialmente menores.

Anexos

a) Equações de regressão

1. Indústria Total

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	1.518100	0.257002	5.906956	0.0001
LOG (ENERIND)	0.682402	0.049623	13.75159	0.0000
AR (1)	0.215385	0.273370	0.787891	0.4460
R-squared	0.966429	Mean dependent var		5.027683
Adjusted R-squared	0.960834	S.D. dependent var		0.188448
S.E. of regression	0.037294	Akaike info criterion		-3.563088
Sum squared resid	0.016691	Schwarz criterion		-3.421478
Log likelihood	29.72316	F-statistic		172.7283
Durbin-Watson stat	1.836102	Prob (F-statistic)		0.000000

LOG (PIBIND) = 1.51809998 + 0.6824019066 * LOG (ENERIND) + [AR(1) = 0.2153852753]

2. Extrativa Mineral

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	4.007093	0.328229	12.20822	0.0000
LOG (ENEREXTRM)	0.016783	0.050042	0.335376	0.7431
AR (1)	0.748030	0.121838	6.139569	0.0001
R-squared	0.752773	Mean dependent var		4.222176
Adjusted R-squared	0.711568	S.D. dependent var		0.123405
S.E. of regression	0.066276	Akaike info criterion		-2.413130
Sum squared resid	0.052710	Schwarz criterion		-2.271520
Log likelihood	21.09847	F-statistic		18.26916
Durbin-Watson stat	1.506466	Prob (F-statistic)		0.000228

LOG (PIBEXTRM) = 4.007092533 + 0.01678285361 * LOG (ENEREXTRM) + [AR(1) = 0.7480302371]

3. Indústria de Transformação

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	2.090399	0.184730	11.31599	0.0000
LOG (ENERTRANSF)	0.546617	0.036112	15.13669	0.0000
R-squared	0.942415	Mean dependent var		4.882453
Adjusted R-squared	0.938302	S.D. dependent var		0.161852
S.E. of regression	0.040203	Akaike info criterion		-3.473306
Sum squared resid	0.022627	Schwarz criterion		-3.376732
Log likelihood	29.78645	F-statistic		229.1194
Durbin-Watson stat	2.270567	Prob (F-statistic)		0.000000

LOG (PIBTRANSF) = 2.090398586 + 0.5466171937 * LOG (ENERTRANSF)

4. Mineral Não-Metálico

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	1.652135	1.045170	1.580734	0.1399
LOG (ENERMNM)	0.650229	0.200419	3.244354	0.0070
AR (1)	0.664889	0.222353	2.990248	0.0113
R-squared	0.841966	Mean dependent var		4.949681
Adjusted R-squared	0.815627	S.D. dependent var		0.224837
S.E. of regression	0.096542	Akaike info criterion		-1.660819
Sum squared resid	0.111844	Schwarz criterion		-1.519209
Log likelihood	15.45614	F-statistic		31.96661
Durbin-Watson stat	1.348393	Prob (F-statistic)		0.000016

LOG (PIBMNM) = 1.6521346 + 0.6502290508 * LOG (ENERMNM) + [AR(1) = 0.6648893774]

5. Metalurgia

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	6.964332	2.316625	3.006240	0.0101
LOG (ENERMET)	0.587176	0.319129	1.839932	0.0887
LOG (EMPMET)	-1.072530	0.261457	-4.102135	0.0012
R-squared	0.706978	Mean dependent var		5.261168
Adjusted R-squared	0.661898	S.D. dependent var		0.472795
S.E. of regression	0.274914	Akaike info criterion		0.422644
Sum squared resid	0.982511	Schwarz criterion		0.567505
Log likelihood	-0.381155	F-statistic		15.68264
Durbin-Watson stat	1.025750	Prob (F-statistic)		0.000343

LOG (PIBMET) = 6.964331859 + 0.5871755439 * LOG (ENERMET) - 1.072530059 * LOG (EMPMET)

6. Material Elétrico

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	-2.001610	1.632263	-1.226279	0.2403
LOG (ENERMATE)	1.452035	0.333713	4.351152	0.0007
R-squared	0.574888	Mean dependent var		5.087385
Adjusted R-squared	0.544523	S.D. dependent var		0.590199
S.E. of regression	0.398319	Akaike info criterion		1.113344
Sum squared resid	2.221218	Schwarz criterion		1.209918
Log likelihood	-6.906752	F-statistic		18.93252
Durbin-Watson stat	1.108537	Prob (F-statistic)		0.000665

LOG (PIBMATE) = -2.001610343 + 1.452034785 * LOG (ENERMATE)

7. Indústria Química

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	-1.112984	0.575438	-1.934150	0.0819
LOG (ENERQUI)	0.589732	0.071428	8.256269	0.0000
LOG (PRODQUI)	0.525772	0.110557	4.755654	0.0008
AR (2)	0.543230	0.140842	3.857029	0.0032
R-squared	0.957165	Mean dependent var		4.806416
Adjusted R-squared	0.944315	S.D. dependent var		0.228497
S.E. of regression	0.053920	Akaike info criterion		-2.767672
Sum squared resid	0.029074	Schwarz criterion		-2.585084
Log likelihood	23.37370	F-statistic		74.48536
Durbin-Watson stat	1.540621	Prob (F-statistic)		0.000000

LOG (PIBQUI) = -1.112984123 + 0.5897323516 * LOG (ENERQUI) + 0.5257720821 * LOG (PRODQUI) + [AR(2)=0.543230177]

8. Indústria Têxtil

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	0.327933	0.219573	1.493505	0.1592
LOG (ENERTEXT)	0.463664	0.076051	6.096759	0.0000
LOG (PRODTEXT)	0.458386	0.091465	5.011581	0.0002
R-squared	0.978083	Mean dependent var		5.213689
Adjusted R-squared	0.974711	S.D. dependent var		0.318800
S.E. of regression	0.050698	Akaike info criterion		-2.958514
Sum squared resid	0.033413	Schwarz criterion		-2.813653
Log likelihood	26.66811	F-statistic		290.0670
Durbin-Watson stat	1.770351	Prob (F-statistic)		0.000000

LOG (PIBTEXT) = 0.3279330327 + 0.4636642329 * LOG (ENERTEXT) + 0.4583857664 * LOG (PRODTEXT)

9. Produtos Alimentícios

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	3.055431	0.781417	3.910115	0.0016
LOG (ENERPRAL)	0.323661	0.165588	1.954611	0.0709
R-squared	0.214388	Mean dependent var		4.581634
Adjusted R-squared	0.158273	S.D. dependent var		0.133007
S.E. of regression	0.122028	Akaike info criterion		-1.252657
Sum squared resid	0.208473	Schwarz criterion		-1.156084
Log likelihood	12.02126	F-statistic		3.820505
Durbin-Watson stat	1.613846	Prob (F-statistic)		0.070899

LOG (PIBPRAL) = 3.055431169 + 0.3236611553 * LOG (ENERPRAL)

10. Construção

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	5.224681	1.419184	3.681469	0.0031
LOG (ENERCONST)	0.094894	0.260478	0.364307	0.7220
AR (1)	0.750471	0.112540	6.668477	0.0000
R-squared	0.837421	Mean dependent var		5.473004
Adjusted R-squared	0.810324	S.D. dependent var		0.306412
S.E. of regression	0.133448	Akaike info criterion		-1.013353
Sum squared resid	0.213700	Schwarz criterion		-0.871743
Log likelihood	10.60015	F-statistic		30.90513
Durbin-Watson stat	1.973366	Prob (F-statistic)		0.000018

LOG (PIBCONST) = 5.224681192 + 0.09489379761 * LOG (ENERCONST) + [AR(1)=0.7504713944]

11. Serviços Industriais de Utilidade Pública

Dependent Variable: LOG (PIB)
Method: Least Squares
Date: 07/03/01 Time: 16:56
Sample: 1985 2000
Included observations: 16
VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	0.407297	0.091009	4.475361	0.0006
LOG (ENERG)	0.880171	0.051988	16.93019	0.0000
LOG (PROD)	0.037582	0.035645	1.054344	0.3109
R-squared	0.998565	Mean dependent var		5.088944
Adjusted R-squared	0.998344	S.D. dependent var		0.317489
S.E. of regression	0.012921	Akaike info criterion		-5.692531
Sum squared resid	0.002170	Schwarz criterion		-5.547671
Log likelihood	48.54025	F-statistic		4521.544
Durbin-Watson stat	1.876009	Prob (F-statistic)		0.000000

LOG (PIB) = 0.407297424 + 0.880171219 * LOG (ENERG) + 0.0375817907 * LOG (PROD)

12. Serviços

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	0.967132	0.419873	2.303393	0.0384
LOG (ENERSERV)	0.253609	0.035577	7.128553	0.0000
LOG (EMPSERV)	0.537838	0.120742	4.454434	0.0006
R-squared	0.987435	Mean dependent var		4.851908
Adjusted R-squared	0.985502	S.D. dependent var		0.142007
S.E. of regression	0.017099	Akaike info criterion		-5.132264
Sum squared resid	0.003801	Schwarz criterion		-4.987403
Log likelihood	44.05811	F-statistic		510.8102
Durbin-Watson stat	1.478358	Prob (F-statistic)		0.000000

LOG (PIBSERV) = 0.9671319458 + 0.2536090811 * LOG (ENERSERV) + 0.5378377961 * LOG (EMPSERV)

13. Comércio

VARIABLE	COEFFICIENT	STD. ERROR	T-STATISTIC	PROB.
C	2.428865	0.139174	17.45199	0.0000
LOG (ENERCOM)	0.328493	0.027251	12.05449	0.0000
LOG (EMPCOM)	0.151695	0.046673	3.250159	0.0063
R-squared	0.982866	Mean dependent var		4.851908
Adjusted R-squared	0.980230	S.D. dependent var		0.142007
S.E. of regression	0.019967	Akaike info criterion		-4.822093
Sum squared resid	0.005183	Schwarz criterion		-4.677233
Log likelihood	41.57675	F-statistic		372.8550
Durbin-Watson stat	1.013039	Prob (F-statistic)		0.000000

LOG (PIBCOM) = 2.428864729 + 0.3284927673 * LOG (ENERCOM) + 0.151695276 * LOG (EMPCOM)

b) Séries históricas de evolução real do PIB, consumo de energia elétrica, emprego e produtividade média da mão-de-obra

Tabela 1 - Evolução real do PIB, consumo de energia elétrica, nível de emprego e produtividade média da mão-de-obra do setor da Indústria - Ceará - 1985-2000

PERÍODO

Tasso Ribeiro Jereissati

Mônica Clark Nunes Cavalcante

DIRETOR-PRESIDENTE

Alex Araújo

equipe técnica

VARIÁVEIS

Ee = x = x (4)

Construção Civil