A relação empírica proposta por Hooper e Mann (1990) é o ponto inicial para a determinação do modelo a ser estimado. Esses autores argumentam que as firmas exportadoras fixam seus preços aplicando um markup sobre os custos marginais, baseado em um ambiente de concorrência imperfeita e maximização de lucros. Menon (1995) parte do modelo de markup e desenvolve uma relação log-linear com o objetivo de estimar o ERPT. A equação (1) descrita a seguir representa a associação entre o preço doméstico das exportações em moeda estrangeira (P ^ex ) e o markup (MK), onde e é a taxa de câmbio nominal e CM o custo marginal (esse modelo também é utilizado por Goldberg e Campa (2005), Sekine (2006) e Barhoumi (2006)). Quando se define o markup como resultado da pressão competitiva do mercado externo (preços das exportações no mercado internacional, P ^ei ) obtém-se a relação (2) e deriva-se a equação (3) que é loglinearizada em (4), após algumas manipulações algébricas:

P e x = ( 1 + M K )   ( C M / e ) (1)

( 1 + M K ) = ( P e i / ( C M / e ) ) α (2)

P e x = ( P e i ) α   ( C M / e ) ( 1 -   α ) (3)

l n P e x = α 0 + α 1 l n ( C M ) – α 2 l n ( e ) + α 3 l n ( P e i ) (4)

O parâmetro α₂ representa o coeficiente de ERPT a ser estimado. Dessa forma, caso α 2 = 1 o repasse sobre o preço das exportações será completo, se α 2 = 0 será nulo, ou incompleto caso o valor estimado se encontre entre 0 e 1. Espera-se uma relação positiva entre o custo marginal e o preço internacional das exportações com o preço doméstico das exportações. Nesse contexto, define-se a equação de estimação do ERPT para os preços das exportações com base no modelo proposto por Menon (1995) aplicado aos dados em painel:

P e x i t = Φ 0 i + Φ 1 i C M i t + Φ 2 i e t + Φ 3 i P e i i t + є i t (5)

Onde i = 1 , . . . 20 , denota os vinte setores da economia brasileira nos quais as firmas exportadoras estão inseridas (Tabela 1 do Anexo 1) e t = 1 , . . . . k são os períodos de tempo. P ^ex _it é o índice de preços doméstico das exportações, CM _it o índice de custo de produção, P ^ei _it é o índice de preços das exportações internacionais, e _t a taxa de câmbio nominal venda à vista de final de período e є _it um termo de erro aleatório.

O índice de preços doméstico das exportações por setor seguiu a classificação do IBGE (Instituto Brasileiro de Geografia e Estatística) CNAE 2.0. Como proxy para os PE´s foram utilizados os índices de preços das exportações setoriais dos Estados Unidos classificadas de acordo com a metodologia BEA End Use³. O índice de custo de produção setorial foi elaborado a partir de uma média ponderada dos custos de produção domésticos. Nesse contexto, o IPA-DI representou os custos dos insumos internos e o índice geral de preços das importações domésticas calculado em Reais, os insumos importados. Como fator de ponderação foram utilizados os coeficientes técnicos setoriais dos insumos nacionais e importados disponíveis nas matrizes de insumo produto de 2000, 2005 e 2010, gerados pelo IBGE. A metodologia de definição do índice de custo de produção segue Guimarães et al. (2010), que inclui um componente importado, um doméstico e os encargos salariais (índice de salário da Federação das Indústrias do Estado de São Paulo - FIESP), ponderado pelos coeficientes técnicos da matriz de insumo produto⁴.

Devido à utilização de bases de dados diferentes, com o envolvimento de séries internacionais, observou-se a inexistência de uma compatibilização exata entre as distintas classificações setoriais de agrupamento dos dados. Procurou-se compatibilizar as diferentes informações por meio de técnicas de pesquisa que objetivaram reduzir as limitações impostas por essa dificuldade.

A relação empírica de estimação do ERPT para os preços das importações também parte do modelo de markup apresentado nas equações de (1) a (4). Adicionalmente, Goldberg e Campa (2005) e Barhoumi (2006) salientam a importância das condições da demanda do mercado doméstico como determinante dos preços das importações, via ajuste nos custos marginais. Nesse contexto, deriva-se a equação de estimação do ERPT para os preços das importações⁵:

P m i t = θ 0 i + θ 1 i P P I i t + θ 2 i P C O M t + θ 3 i P I B t + θ 4 i e t + є i t (6)

Onde i = 1 , . . 20 , denota os vinte setores da economia brasileira nos quais as firmas importadoras estão inseridas (Tabela A2 do Anexo A) e t = 1 , 2 ,   . . . . k são os períodos de tempo. P ^m _it é o índice de preços doméstico das importações, PPI _it e PCOM _t representam respectivamente o PPI setorial (Producer Price Index) dos Estados Unidos e o índice de preços internacional das commodities (que objetivam captar a pressão sobre a determinação do markup e o impacto da variação dos custos de produção das empresas exportadoras, respectivamente), PIB _t denota o PIB real mensal (janeiro de 2000=100)⁶ do Brasil (variável que capta a influência da pressão de demanda doméstica sobre o preço das importações), e _t denota a taxa de câmbio nominal venda à vista de final de período e є _it um termo de erro aleatório. Ressalta-se que o índice de preços doméstico das importações por setor seguiu a classificação do IBGE, CNAE 2.0.

O parâmetro θ ₅ representa o coeficiente de ERPT a ser estimado. Assim, caso θ 5 = 1 o repasse para o preço das importações será completo, se θ 5 = 0 será nulo, ou incompleto caso o valor estimado se encontre entre 0 e 1. Espera-se uma relação positiva entre o PPI, o índice de preços das commodities e o PIB real brasileiro com o índice de preços doméstico das importações.

Recentemente, a literatura de dados em painéis dinâmicos orientou-se pelo estudo de situações em que o número de observações da seção cruzada (N) e de séries temporais (T) são ambos grandes⁹ (Barhoumi, 2006; Marques e Mallick, 2009; Aguerre et al., 2012; Vermeulen e Haan, 2014, dentre outros). Os embasamentos econométricos de painéis dinâmicos assintóticos com N e T grandes são diferentes daqueles tradicionalmente utilizados para um N grande e um T relativamente pequeno. Os painéis com séries temporais curtas normalmente baseiam-se nos estimadores de efeito fixo ou aleatórios ou numa combinação de variáveis instrumentais. Esses métodos permitem apenas que o intercepto seja diferente entre os grupos. A literatura aplicada a contextos em que tanto o N quanto o T são grandes salienta que o pressuposto de homogeneidade dos coeficientes de inclinação normalmente não é confirmado (Pesaran et al., 1997,1999; Phillips; Moon, 2000; Shin et al., 2003). Ademais, com o aumento da extensão das séries temporais, dados em painel dinâmico com N e T grandes devem incorporar a avaliação da não estacionariedade no procedimento econométrico (Blackburne e Frank (2007, p. 197)).

O modelo de correção de erros para dados em painel é uma extensão da econometria de séries temporais cointegradas. Dessa forma, a regressão é realizada por meio da técnica de cointegração para dados em painel não estacionários heterogêneos, conforme apresentado em Blackburne e Frank (2007)¹⁰ e aplicado por Feenstra et al. (2007), Marques e Mallick (2009), dentre outros. A utilização do modelo ARDL com o termo de correção de erros para dados em painel é adequada na presença de variáveis com raiz unitária. Caso as variáveis sejam I(1) e cointegradas, então o termo de erro será um processo I(0) para cada painel. A principal característica das variáveis cointegradas é a sua resposta aos desvios do equilíbrio de longo prazo. Nesse cenário, um modelo de correção de erros implica em que a dinâmica de curto prazo das variáveis seja influenciada pelos desvios do equilíbrio. Baseado em um modelo autoregressivo de defasagem distribuída (p, q₁,....,q_k) para dados em painel dinâmicos tem-se:

y i t = ∑ j = 1 p   λ i t y i , t - j + ∑ j = 0 q   δ ’ i j X i , t - j + μ i + ɛ i t (7)

Onde i = 1 , 2 . . . N é o número de grupos (são os setores da economia, conforme apresentado nos Anexos B e C), t = 1 , 2 . . . T representa o tempo (definido de acordo com os três períodos de estimação: de janeiro de 2000 a junho de 2003, de julho de 2003 a junho de 2008 e de julho de 2008 a junho de 2016), y _it é o regressando (o índice de preço das exportações e das importações dos setores da economia analisados¹¹), X _i,t-j denota um vetor contendo os regressores (ERPT para o preço das exportações (taxa de câmbio nominal, índice de custo de produção, índice de preços das exportações internacionais), ERPT para o preço das importações (PPI setorial dos EUA, índice de preço das commodities e o PIB real do Brasil)), δ’ _ij representa um vetor contendo os coeficientes dos regressores, λ _ij são os coeficientes dos termos do regressando, μ _i denota o efeito específico de cada grupo e ɛ _it é o termo de erro aleatório. É permitida a inclusão de um termo de tendência e de outros regressores fixos.

No caso de variáveis cointegradas, é possível definir um modelo de correção de erros pelo qual sua dinâmica de curto prazo no sistema é influenciada pelo desvio do equilíbrio de longo prazo. Desse modo, a reparametrização da equação (7) gera a equação de correção de erros abaixo, que é utilizada na estimação de dados em painel não estacionários heterogêneos:

∆ y i t = ϕ i ( y i , t - 1 – θ ’ i X i t ) + ∑ j = 1 p - 1   λ i t *   ∆ y i , t - 1 + ∑ j = 0 q - 1   δ ’ i j *   ∆ X i , t - j + μ i + ɛ i t (8)

Em que o termo entre parênteses constitui a relação de longo prazo entre o regressando e as variáveis explicativas, ∆ é o operador de primeira diferença, ϕ _i procura mensurar a velocidade do ajuste da correção de erros (Blackburne e Frank (2007)). O interesse principal reside no vetor de parâmetros θ’ _i, visto que seus valores mensuram o impacto das variações nos regressores sobre a variável dependente.

Quanto à seleção do modelo ARDL, utilizou-se os critérios de informação e a estatística LR na determinação do número de defasagens, iniciando o processo com 4 defasagens (um número suficientemente rico de informações¹²). Os critérios utilizados convergiram para a utilização de 2 defasagens em todos os períodos. A definição do número de vetores de cointegração ocorreu por meio da aplicação do teste de Pedroni (1997) - com suas sete estatísticas de avaliação -, de Johansen-Fisher (Maddala; Wu, 1999) - com a utilização de até duas defasagens e com um intercepto na equação de cointegração -, e do teste de Kao (1999) - com até duas defasagens¹³. Ademais, a existência de uma relação de cointegração entre as variáveis foi validada pela significância estatística do coeficiente do termo de correção dos erros a um nível de 5% de significância. O critério de informação de Akaike foi utilizado na seleção do número de defasagens, e o nível de significância considerado foi de 5%, em todas as situações exigidas. Por fim, as estimativas dos parâmetros do modelo foram realizadas por meio do método MG proposto por Pesaran e Smith (1995) e PMG elaborado por Pesaran et al. (1999)¹⁴.

O DOLS é uma aplicação adaptada dos Mínimos Quadrados Ordinários (OLS, Ordinary Least Squares) para regressões de séries temporais. Caso exista uma relação de cointegração entre as variáveis em análise, a estimação por meio do OLS será consistente. Stock e Watson (1993) incluíram lags e leads dos regressores com o objetivo de eliminar o efeito feedback no sistema de cointegração. Dessa maneira, um estimador assintoticamente eficiente é obtido, onde o termo de erro é ortogonal a todas as inovações estocásticas dos regressores passados. Mark e Sul (2003) estendem o modelo (DOLS, Dynamic OLS) à modelagem de dados em painel com a inclusão do efeito fixo, da tendência heterogênea e do efeito do tempo comum aos setores da economia (efeito fixo para o tempo). De acordo com o modelo proposto pelos autores, cada setor da economia seguiria a representação triangular a seguir:

y i t = α i + λ i t + θ t + γ ’ x i t + u i t (9)

Em que i = 1 , 2 . . . N é o número de grupos (são os setores da economia, conforme apresentado nos Anexos B e C), t = 1 , 2 . . . T é o tempo (definido de acordo com os três períodos de estimação: de janeiro de 2000 a junho de 2003, de julho de 2003 a junho de 2008 e de julho de 2008 a junho de 2016), (1, -γ’) representa o vetor de cointegração entre y _it e x _it (idêntico entre os setores da economia), y _it denota a variável dependente (o índice de preço das exportações e das importações dos setores analisados), x _it são os regressores (ERPT para o preço das exportações (taxa de câmbio nominal, índice de custo de produção, índice de preços das exportações internacionais), ERPT para o preço das importações (PPI setorial dos EUA, índice de preço das commodities e o PIB real do Brasil)), α_i denota o efeito específico do setor, λ _it é uma tendência linear específica do setor, θ _t captura o efeito do tempo comum aos setores e u _it é o termo de erro aleatório.

A estimação pelo método PDOLS envolve realizar a regressão com o objetivo de corrigir a existência de endogeneidade e correlação serial por meio da projeção de u _it sobre p _i lags e leads da primeira diferença dos regressores:

u i t = ∑ s = - p i p i   δ ’ i , s ∆ x i , t - s + u * i t = δ i ’ z i t + u * i t (10)

u_it é ortogonal a todos os lags e leads, e a equação final a ser estimada torna-se:

y i t = α i + λ i t + θ t + γ ’ x i t + δ i ’ z i t + u * i t (11)

Onde δ’ _i z _it representa o vetor de projeção. Por sua vez, a estimação do PDOLS pressupõe a independência do erro entre os setores analisados e a existência de somente uma relação de cointegração.

A seleção do modelo PDOLS envolve a especificação do termo de tendência, considerando os modelos estimados, a opção de um termo constante mostrou-se a mais adequada e foi utilizada em todas as estimações. A avaliação da existência de um vetor de cointegração seguiu o mesmo procedimento adotado para o modelo ARDL. Quanto ao método de estimação (Pooled, Pooled Weighted e Grouped), optou-se pelo Grouped e Pooled Weighted¹⁵ que são semelhantes em metodologia, às estimativas realizadas pelo modelo ARDL por meio do MG e do PMG, respectivamente. O critério de informação de Akaike foi utilizado na definição do número de lags e leads, considerando o máximo de duas defasagens.

O filtro de Kalman é um procedimento recursivo que permite calcular o estimador ótimo de um vetor de estado em um determinado período. Harvey (1999) salienta que a estruturação de uma relação no formato de espaço de estado permite a estimação dos coeficientes de séries temporais por meio do filtro de Kalman para obtenção de séries suavizadas. A forma geral do modelo de espaço de estado pode ser representada pelas equações a seguir:

y t = μ t w t + ∑ j = 1 k     β j t x j t + ɛ t (12)

μ t + 1 = μ t + ξ t (13)

Em que, y _t denota a variável dependente, x _jt e w _t representam os regressores, β _jt são os coeficientes fixos, μ _t é coeficiente variável no tempo, ɛ _t e ξ _t são os respectivos erros aleatórios normalmente distribuídos, com média zero e variância constante; por fim, t = 1 . . . .   n , é o tempo e j = 1 , . . . k , é o número de variáveis explicativas. As variáveis dependentes e os regressores, assim como o período de estimação, são os mesmos a serem utilizados nas estimações por meio do ARDL e do PDOLS. A relação (12) é conhecida como a equação de observação ou de sinal e a representação (13) é a equação de estado ou de transição, e seu componente “estado”, μ _t, pode ser estimado por diferentes meios, obtendo-se coeficientes variáveis no tempo para o regressor w _t .

O método do filtro de Kalman foi escolhido para a realização da regressão considerando os dados suavizados (smothed state vector method¹⁶), visto que tal procedimento produz informações mais apuradas do que o filtro básico, segundo Kim e Nelson (1999) e Sims (2001). É importante ressaltar que o coeficiente variável no tempo foi calculado somente para a taxa de câmbio, visando captar a dinâmica do ERPT. A equação de transição utilizada na estimação da série do coeficiente da taxa de câmbio segue um passeio aleatório sem drift. Entende-se que este é o modelo mais adequado na estimação do coeficiente, baseado nas características da série e considerando o critério da parcimônia.

Após a estimação do coeficiente variável no tempo, procedeu-se ao diagnóstico dos resíduos padronizados da equação de observação visando avaliar a adequabilidade do modelo. Os resíduos devem satisfazer três propriedades, listadas em ordem decrescente de importância: independência, homoscedasticidade e normalidade, (Commandeur; Koopman, 2007). O pressuposto de independência foi avaliado por meio da estatística de Box-Ljung, que permite testar a hipótese de inexistência de autocorrelação (utilizou-se um nível de significância de 2.5% na avaliação dos resíduos). A estatística de Jarque-Bera foi utilizada na análise da normalidade dos resíduos considerando um nível de significância de 5%. A homoscedasticidade foi avaliada mediante o teste estatístico sugerido por Commandeur e Koopman (2007, p. 92) para séries temporais em modelos de espaço de estado (utilizou-se um nível de significância 5%).

Este estudo adotará uma abordagem multivariada de estimação dos modelos em três períodos distintos: de janeiro de 2000 a junho de 2003, de julho de 2003 a junho de 2008 e de julho de 2008 a junho de 2016. A investigação empírica foi realizada com as variáveis transformadas para sua forma logarítmica e os modelos estimados com dados mensais. As séries de índices de preços das exportações internacionais e do PPI setorial dos EUA foram obtidas no BLS (Bureau of Labour Statistics) dos Estados Unidos, os dados do PIB mundial medido em Dólar americano (representado nesse estudo pela soma dos valores dos produtos do Japão, dos EUA e da União Europeia) foram disponibilizados pela OCDE (Organização para Cooperação e Desenvolvimento Econômico) e os valores do índice internacional de preços das commodities foram obtidos junto ao FMI (Fundo Monetário Internacional). O IPA-DI foi obtido junto a FGV (Fundação Getúlio Vargas), os preços das importações e exportações foram disponibilizados pela Funcex (Fundação Centro de Estudos do Comércio Exterior). As demais séries de dados (PIB do Brasil e a taxa nominal de câmbio venda á vista) foram encontradas no BACEN (Banco Central do Brasil).

A condição de validade para os resultados obtidos pelo método PDOLS é de que o resíduo da estimação seja estacionário, indicando a existência de uma relação de cointegração entre as variáveis do modelo. Na Tabela 5 do Anexo 2 são apresentados os resultados dos testes de raiz unitária dos resíduos. Constata-se que os resíduos são estacionários, confirmando a validade das relações de cointegração obtidas pelo PDOLS. Ademais, os resultados dos testes de cointegração de Pedroni (1997), de Kao (1999) e de Johansen-Fisher (Maddala e Wu, 1999) indicam que a hipótese nula de ausência de cointegração pode ser rejeitada para os três períodos do estudo.

Na Tabela 1 é apresentado o resultado da estimação da equação (5) pelos modelos ARDL para dados em painel (métodos MG e PMG) e PDOLS (métodos Grouped e Pooled Weighted). Adicionalmente, são apresentadas as médias ponderadas para as estimativas por MG e Grouped, obtidas por meio da ponderação dos coeficientes do ERPT individuais de cada um dos vinte setores analisados, pelo seu percentual de participação no total das exportações nos respectivos períodos. Objetivou-se com isso obter-se um coeficiente que traduzisse a importância de cada setor na pauta de exportações.

Tabela 1

Período	/ Variável		Preço Doméstico das Exp.	Câmbio	Custo	Preço Internacional das Exp.	Lags	Leads
Jan/2000 a jun/2003	ARDL Panel	MG	1	-0,3281***	0,2872**	-0,5029#	2	0
		MG Ponderado		-0,2784
		PMG	1	-0,1494***	0,0201#	0,0697#	2	0
	PDOLS	Grouped	1	-0,2964***	0,1714**	-0,4676#	2	2
		Grouped Ponderado		-0,2220
		Pooled Weighted	1	-0,2548***	0,1398**	0,4306***	2	2
Jul/2003 a jun/2008	ARDL Panel	MG	1	-0,4066***	0,2417#	1,3954***	2	0
		MG Ponderado		-0,3844
		PMG	1	-0,5824***	0,1501*	0,6546***	2	0
	PDOLS	Grouped	1	-0,4201***	0,1188#	1,2889***	2	2
		Grouped Ponderado		-0,4063
		Pooled Weighted	1	-0,6331***	-0,1071#	0,6741***	2	2
Jul/2008 a jun/2016	ARDL Panel	MG	1	-0,4819***	0,3349#	0,6937**	2	0
		MG Ponderado		-0,4310
		PMG	1	-0,4960***	0,4364***	0,8681***	2	0
	PDOLS	Grouped	1	-0,3712***	0,1875**	1,0856***	2	2
		Grouped Ponderado		-0,4273
		Pooled Weighted	1	-0,3027***	0,1987***	1,1605***	2	2

Fonte: Elaborada pelos autores com base nos resultados da pesquisa.

Identificou-se a existência de um ERPT de longo prazo¹⁷ incompleto em todos os períodos por ambos os modelos e métodos de estimação, corroborando os resultados encontrados regularmente na literatura empírica (Menon, 1995; Marazzi; Sheets, 2007; Ceglowski, 2010, dentre outros). O repasse cambial estimado pelo método MG apresentou elevação no período avaliado (32,81%, 40,66% e 48,19%), indicando o aumento do ganho de competitividade das exportações brasileiras, visto que grande parte do comércio exterior realizado pelas empresas nacionais ocorre por meio do Dólar americano. Tomando-se os valores analisados como representativos das exportações brasileiras, pode-se afirmar que apenas 32,81%, 40,66% e 48,19% das variações cambiais nos respectivos períodos de estimação foram repassadas para o preço das exportações.

Com relação à estimativa por PDOLS pelo método Grouped, constatou-se um aumento do ERPT do primeiro para o segundo período e uma redução para 37,12% no último termo. No entanto, os valores das estimativas MG e Grouped ponderadas, evidenciaram um aumento substancial do repasse cambial entre o primeiro e o segundo períodos (de 27,84% para 38,44% e de 22,20% para 40,63%, respectivamente), e uma elevação relativamente menor no último intervalo para o caso da estimação pelo método MG e uma redução no Grouped. Os coeficientes encontrados para o método Pooled Weighted e PMG corroboram a tendência encontrada, respectivamente, para o Grouped e o MG (à exceção do valor para PMG no último período). Em todas as estimações rejeitou-se a hipótese de que o ERPT seja igual a zero (a um nível de significância de 1%). Esse resultado é uma evidência de que os exportadores brasileiros não são tomadores de preços em moeda estrangeira, mas possuem algum poder de mercado externo, não corroborando a hipótese de que os países em desenvolvimento não possuem nenhum poder sobre os preços internacionais (Athukorala, 1991).

Em linhas gerais observou-se um nível menor de ERPT no primeiro período, que fora marcado por um grau elevado de volatilidade cambial¹⁸, possivelmente devido ao fato dos exportadores perceberem a variação cambial daquele período como transitória, a decisão de não alterar os preços tenha sido a estratégia dominante (Froot; Klemperer, 1989; Anderton, 2003). Ademais, uma possível explicação para a elevação do ERPT entre o primeiro e o segundo termos estaria associado à alteração da pauta de exportações. Com base na Tabela A1 do Anexo A, observa-se um aumento significativo da participação dos produtos básicos (combustíveis, agricultura e pecuária, minerais metálicos e petróleo) e uma redução dos produtos manufaturados (equipamentos de informática, outros equipamentos de transportes e veículos automotores), entre o primeiro e o segundo períodos. Dessa maneira, a elevação do repasse cambial poderia ser um reflexo da elevação da participação dos produtos básicos, com baixo nível de diferenciação, caracterizados por um grau de ERPT mais alto. É importante salientar que não foi identificada uma alteração relevante no grau de repasse cambial entre o segundo e o terceiro termos, correspondente ao período pós-crise financeira global.

Uma política comercial de promoção das exportações eficiente no curto prazo requer um grau de repasse cambial elevado. Os coeficientes do ERPT incompletos e relativamente baixos encontrados implicam em que as depreciações cambiais não se traduzam em ganhos significativos de competitividade, uma vez que não ocorre uma redução profunda dos preços das exportações, diminuindo o papel da depreciação cambial sobre a elevação da participação das exportações brasileiras no mercado internacional. A existência de um grau incompleto de ERPT estaria associada a um aumento do markup das empresas ou seria compensado por uma elevação dos custos, motivado, por exemplo, pelo aumento dos preços dos insumos importados. Adicionalmente, conforme reforçado por Ceglowski (2009), um ambiente global com maior competição poderia reduzir a capacidade dos exportadores em realizar o repasse cambial para os preços das exportações, reduzindo o efeito das políticas cambiais de depreciação.

Dentre as principais explicações teóricas para o grau de repasse cambial incompleto encontram-se aquelas que focam sua atenção no papel dos mercados competitivos imperfeitos e na diferenciação dos produtos (Dornbusch, 1987; Fisher, 1989). Os modelos desses autores foram desenvolvidos com o intuito de explicar o efeito dos preços sobre o comércio internacional de produtos manufaturados entre os países desenvolvidos (EUA, Japão e Alemanha). No entanto, apesar de ser difícil determinar se esses modelos poderiam ser adequadamente aplicados a uma economia baseada largamente em exportações de commodities como a brasileira,Swift (1998) salienta que o sucesso de uma política de promoção das exportações no longo prazo dependeria da capacidade dos exportadores de operar em um mercado imperfeitamente competitivo, onde a diferenciação dos produtos seria a base da competição.

Em Correa (2012) foi constatado por meio da utilização da metodologia de defasagem distribuída, para 26 setores exportadores da economia brasileira individualmente, um ERPT médio de 60.44% para o período de 1995 a 2005. Kannebley Jr. (2000) investigou o repasse cambial para setores conjuntamente responsáveis por 50% da pauta de exportações brasileiras, concentrando-se no período de 1984 a 1997, e encontrou um coeficiente nulo para grande parte dos setores. Aqueles que não apresentaram valores de repasse cambial nulo obtiveram estimativas entre 22,60% e 32,40%. Choudhri e Hakura (2012) estimaram o ERPT para os preços das exportações e das importações por meio dos MQO e do VAR, para uma amostra de 1979 a 2010 compreendendo 18 países desenvolvidos e 16 economias emergentes. Foi obtida uma média de 39,00% e 53,00% (MQO) e 39% e 51% (VAR) de repasse cambial, respectivamente.

Por outro lado, Ceglowski (2010) identificou um percentual de 36,00% de repasse cambial médio para os preços das exportações japonesas para o período de 1980 a 2007, utilizando um modelo ARDL. A autora investigou também o ERPT variável no tempo e encontrou uma redução de 40,00% para 20,00% entre 1990 e 2007. Dash e Narasimhan (2011) estimaram um modelo VAR/VEC e, também, encontraram um ERPT de 36% para a Índia, considerando o período de 1993:Q2 a 2004:Q3. Os autores sugerem que o baixo grau de repasse cambial obtido seria um reflexo da mudança estrutural ocorrida na pauta de exportações indiana, na direção de uma concentração em torno de bens diferenciados, que apresentam preços menos sensíveis às variações cambiais. Apesar de não serem diretamente comparáveis em decorrência dos diferentes períodos de análise e das variáveis utilizadas, os resultados encontrados foram semelhantes àqueles de Choudhri e Hakura (2012) e distintos dos obtidos por Correa (2012), Kannebley Jr. (2000) e Ceglowski (2010). Não obstante, é possível observar que todos esses estudos obtiveram o grau de repasse cambial incompleto.

Adicionalmente, a equação (5) foi estimada com a inclusão dos valores do PIB mundial, medido em Dólar americano como variável explicativa, denotando o efeito da pressão da demanda agregada sobre os preços das exportações¹⁹. Os resultados encontrados para o ERPT confirmaram as estimativas obtidas pelo modelo original nos três períodos do estudo, tanto pelo método MG (32,84%, 53,79% e 51,33%, respectivamente) quanto pelo PMG (14,88%, 46,80% e 48,27%, respectivamente). As estimativas obtidas pelo PDOLS também corroboraram os resultados encontrados anteriormente nos três intervalos: Grouped (27,99%, 36,97% e 35,49%, respectivamente) e Pooled Weighted (33,61%, 41,48% e 30,16%, respectivamente)²⁰. Por fim, com o objetivo de avaliar a sensibilidade dos coeficientes do ERPT ao número de defasagens, os modelos foram estimados com 3, 4 e 5 lags²¹. Conforme apresentado na Tabela C1, do Anexo C, no geral, os valores apresentaram-se em linha com os resultados obtidos pelo modelo principal, (estimado com 2 defasagens), a exceção do coeficiente estimado para o primeiro período com 5 defasagens pelo método ARDL (MG, valor de 60,33%) e para o primeiro período com 3 defasagens pelo PDOLS (Grouped, valor de 60,77%).

Com relação às variáveis Custo e Preço Internacional das Exportações, ambas apresentaram os sinais consistentes com a teoria econômica (quando estatisticamente significativos). Em especial, uma elevação dos custos de produção e dos preços internacionais das exportações estaria associada a um aumento dos preços domésticos das exportações.

O Anexo D apresenta o coeficiente do ERPT variável no tempo para os preços das exportações dos setores analisados. Utilizou-se o modelo de espaço de estados para estimação da equação (05) ²². Os setores de minerais metálicos e equipamentos de informática, eletrônicos e ópticos, foram excluídos da análise devido a identificação de autocorrelação serial. Alguns setores apresentaram heteroscedasticidade e ausência de normalidade dos resíduos devido à presença de outliers²³, que foram identificados por meio de uma inspeção gráfica (dos distúrbios e das séries de dados das variáveis presentes nos modelos), e pela utilização da estatística modified Z-score (Iglewicz; Hoaglin, 1993, 2010)²⁴.

A estratégia de tratamento dos outliers concentrou-se na estimação dos valores do coeficiente de ERPT variável no tempo considerando três cenários: 1) incluindo todos os dados, inclusive os outliers; 2) substituindo os valores dos outliers por valores obtidos por meio do método de interpolação linear (suavização da série); e 3) excluindo todos os outliers encontrados. Ademais, os gráficos do Anexo D apresentam em sua legenda se o coeficiente estimado para cada cenário passou nos testes de autocorrelação (letra A), homoscedasticidade (letra H) e normalidade (letra N), permitindo uma comparação precisa do efeito da presença dos outliers. Por exemplo, um parâmetro de ERPT que apresente na legenda o conjunto (A, H, N) implica em ausência de autocorrelação, em resíduos homocedásticos e normais, considerando os níveis de significância dos testes (mencionados na seção anterior). É conveniente reforçar que, após o tratamento dos outliers (por exclusão e por suavização), parte dos setores ainda persistiu com a presença de heteroscedasticidade e ausência de normalidade, no entanto em um patamar substancialmente menor.

É importante mencionar que como o índice de preços doméstico das exportações é calculado com base no Dólar norte americano e a cotação da taxa de câmbio utilizada nesse estudo é denominada em unidades de moeda doméstica por moeda estrangeira (R$/USD), a teoria econômica convencional prevê que o repasse cambial para os preços das exportações seja negativo (caso contrário observamos um repasse cambial reverso). Por exemplo, uma redução de 5% nos preços das exportações, observada após uma depreciação cambial (aumento da cotação da taxa de câmbio R$/USD) de 10%, significaria um ERPT de -50%.

Incialmente observou-se que o grau de ERPT apresentou grande oscilação entre os diversos setores contemplados nesse estudo, corroborando a literatura teórica que aborda o tema, onde é salientado o papel da formação dos custos (insumos externos ou domésticos), do nível de competividade existente em cada setor, do grau de substitutibilidade entre os produtos, além da participação de mercado das firmas, na definição do grau de repasse cambial heterogêneo entre os ramos industriais (Yang, 1997).

O Grupo 1 do Anexo D contempla os setores que apresentaram um aumento do ERPT para os preços das exportações até o primeiro semestre de 2008, e que sofreram uma redução drástica do repasse cambial imediatamente ou alguns trimestres após a eclosão da crise financeira global. Em linhas gerais, o ERPT tornou-se positivo (repasse cambial reverso) durante o período de 2010/2012, retornando à sua trajetória declinante em seguida. Ademais, constatou-se que os produtos que apresentaram o menor grau médio de ERPT foram os químicos e celulose e papel. Nota-se que esses setores estão entre aqueles que apresentam uma participação relevante de insumos importados em seus custos de produção, especialmente os produtos químicos (baseado nas matrizes de insumo produto). Nesse cenário, as firmas que possuem uma participação relevante de insumos importados em sua estrutura de custos, enfrentariam uma redução de sua margem de lucro na presença de uma depreciação cambial. A compensação pela elevação do custo de produção ocorreria através de um menor grau de repasse cambial, objetivando atenuar o efeito sobre o seu markup.

O Grupo 2 no Anexo D apresenta um conjunto heterogêneo no que tange ao comportamento do ERPT. Os setores de petróleo e gás e combustíveis apresentaram uma tendência de manter um elevado grau de repasse cambial, que sofreu uma redução acentuada após a crise financeira global (especialmente entre 2009 e 2014). É importante salientar que, a partir de 2014, ocorreu uma acentuação da tendência de aumento do ERPT, atingindo um patamar de 60% e 100%, respectivamente para os dois produtos. Os veículos automotores são caracterizados por apresentar uma participação relevante de insumos importados, no entanto, o repasse médio apresentado para esse setor não foi marcadamente inferior aos demais, (apesar desse setor encontrar-se dentro do conjunto de indústrias com um grau menor de ERPT). Uma possível explicação poderia estar associada à estrutura oligopolista que caracteriza o setor, que é constituído basicamente por multinacionais estrangeiras que definem sua estratégia de precificação em suas matrizes, considerando os preços de transferência entre suas unidades e as participações de mercado de seus produtos em cada país. Em especial, as exportações de veículos automotores brasileiros destinam-se majoritariamente às economias da América Latina, principalmente do Mercosul (Mercado Comum do Sul)²⁵, onde há a presença das multinacionais do setor automotivo em parte desses países. Dessa maneira, a definição da estratégia global de preços para a região afetaria o grau de ERPT praticado pelas firmas do setor no Brasil.

É importante destacar a semelhança encontrada entre o comportamento dos setores de veículos automotores, produtos alimentícios, de borracha e material plástico e farmacoquímicos e farmacêuticos. Essencialmente, esses segmentos apresentaram um grau de ERPT ascendente até 2004/2005, e uma reversão após esse período, seguido por um novo aumento do repasse cambial após o impacto da crise financeira global. Os setores de outros equipamentos de transporte e couro, e artefatos de couro, demonstraram comportamentos distintos. O segundo setor apresentou uma tendência de elevação do ERPT a partir de janeiro de 2000. Essa tendência foi mantida, resultando em um grau de repasse cambial de aproximadamente 30% em 2004. A partir de então, o ERPT assumiu uma trajetória declinante até a queda drástica ocorrida em 2008, seguindo um caráter oscilatório a partir de 2010. O setor de outros equipamentos de transporte é formado essencialmente por aeronaves, e o grau de repasse cambial inicialmente foi positivo (repasse cambial reverso). A partir de 2004, o ERPT estabilizou-se próximo de zero (ou marginalmente inferior a esse valor), sustentando essa trajetória até 2016. Trata-se de um segmento formado por oligopólios globais onde a definição dos preços é determinada por fatores estruturais do mercado.

A variabilidade do grau de ERPT encontrada, por exemplo, entre equipamentos de informática, produtos de madeira e têxteis, corrobora os estudos de diversos autores que encontram evidências de que o coeficiente é heterogêneo entre os diversos setores e instável no tempo devido a existência de diferentes graus de diferenciação entre os produtos, da imposição de barreiras não tarifárias, da ocorrência de booms e recessões e da assimetria no repasse cambial entre depreciações e apreciações (Dornbusch, 1987; Baldwin, 1988; Kim, 1991; Vigfusson et al., 2007, dentre outros).

É importante salientar que os valores médios de repasse cambial encontrados nesse estudo foram em média superiores aos encontrados por Tejeda e Silva (2008) para o período de 1980 a 2004. O ERPT para os preços das exportações brasileiras estimado por esses autores situou-se em média entre 14% e 34% para os 15 setores incluídos na pesquisa. Uma possível explicação pode ser encontrada no modelo desenvolvido por Krugman (1987), que combina elementos relacionados à estrutura de mercado, à concorrência e à interação estratégica entre as empresas multinacionais. O grau de ERPT seria determinado pela discriminação de preços realizada pelas firmas que competem no mercado internacional (Pricing to Market). As empresas definiriam seus preços baseado no markup, no grau de competição externo e na sua estratégia de aumento, redução ou manutenção do market share. Nesse sentido, em um ambiente de maior abertura comercial e financeira que caracterizou os últimos 15 anos, as empresas exportadoras brasileiras teriam reduzido seu markup com o objetivo de elevação de seu market share no mercado externo. O efeito final seria uma maior internacionalização das empresas exportadoras brasileiras, ocorrida por meio de uma elevação do ERPT.

Observou-se, de uma forma geral, que os coeficientes encontrados indicam maiores repasses em setores produtores de bens de menor conteúdo tecnológico em oposição aos produtos manufaturados, corroborando os resultados encontrados por Correa (2012). Esse autor salienta que os setores produtores de bens dotados de maior intensidade tecnológica apresentam menor sensibilidade às mudanças cambiais. Esses setores possuem uma dinâmica particular de preços, visto que além da diferenciação dos produtos, eles são caracterizados por maior participação estrangeira. Assim, as estratégias competitivas podem envolver a absorção de variações cambiais nos markups com o objetivo de preservar mercados.

Na Tabela B4 do Anexo B são apresentados os resultados dos testes de raiz unitária dos resíduos. Pelo exame da tabela, constata-se que os resíduos são estacionários, confirmando a validade das relações de cointegração obtidas pelo PDOLS. Ademais, os resultados dos testes de cointegração de Pedroni (1997), de Kao (1999) e de Johansen-Fisher (Maddala e Wu, 1999) indicam que a hipótese nula de ausência de cointegração pode ser rejeitada. Na Tabela 2 apresenta-se o resultado da estimação da equação (6) pelos modelos ARDL para dados em painel (métodos MG e PMG) e PDOLS (métodos Grouped e Pooled Weighted)²⁶. Ademais, são apresentadas as médias ponderadas para as estimativas por MG e Grouped, obtidas por meio da ponderação dos coeficientes do ERPT individuais de cada um dos setores, pelo seu percentual de participação no total das importações nos respectivos períodos. Objetivou-se obter um coeficiente do ERPT que traduzisse a importância dos setores na pauta de importações.

Tabela 2

Período	/ Variável		Preço Doméstico das Imp.	Câmbio	PPI	Preço das Commodities	PIB Real	Lags	Leads
Jan/2000 a jun/2003	ARDL Panel	MG	1	1,0115***	0,9415#	0,4192***	-0,1422#	2	0
		MG Ponderado		1,0067
		PMG	1	0,9895***	0,1612#	0,2376***	-0,5686***	2	0
	PDOLS	Grouped	1	0,9775***	2,2469***	0,4391***	0,2521*	2	2
		Grouped Ponderado		0,9755
		Pooled Weighted	1	1,0016***	0,3911***	0,2238***	-0,3192***	2	2
Jul/2003 a jun/2008	ARDL Panel	MG	1	0,7586***	0,2117#	0,2259*	0,0550#	2	0
		MG Ponderado		0,9131
		PMG	1	0,8802***	0,0262#	0,0825**	0,3297#	2	0
	PDOLS	Grouped	1	1,0636***	0,8265*	0,2498***	0,4421***	2	2
		Grouped Ponderado		1,1024
		Pooled Weighted	1	1,1133***	0,7374***	0,1327***	0,4964***	2	2
Jul/2008 a jun/2016	ARDL Panel	MG	1	0,9311***	1,1036***	0,2908***	-0,2955**	2	0
		MG Ponderado		1,0059
		PMG	1	1,0528***	-0,0333#	0,2808***	0,2338**	2	0
	PDOLS	Grouped	1	0,9662***	1,0866***	0,3137***	0,3631***	2	2
		Grouped Ponderado		1,0343
		Pooled Weighted	1	0,9594***	0,7476***	0,1726***	0,2421**	2	2

Fonte: Elaborada pelos autores com base nos resultados da pesquisa.

Observou-se que durante todo o período analisado, que fora marcado por episódios de depreciações e apreciações, um elevado grau de ERPT de longo prazo, aproximando-se da repassagem cambial completa. Dessa maneira, uma depreciação de 10% do Real, por exemplo, resultaria em uma elevação de 10% dos preços dos produtos importados. Esse resultado não corrobora a redução do patamar de repasse cambial encontrado por Bailliu e Fujii (2003) para um conjunto de 11 países industrializados, Marazzi et al. (2007) para os países do G-7 e Marazzi et al. (2005) para os EUA. Nesse sentido, os importadores brasileiros comportam-se como tomadores de preços, caracterizados por um comércio internacional realizado na moeda do produtor externo (PCP) e um repasse cambial completo (Goldberg; Knetter, 1997). Esse resultado é consistente com o argumento teórico de que os exportadores de países desenvolvidos possuem um poder de monopólio maior e tendem a estruturar seus preços de exportação baseado principalmente no seu markup sobre os custos, reduzindo o grau de ERPT (Anderton, 2003). O reflexo dessa estratégia traduz-se no elevado repasse cambial brasileiro, visto que as importações do Brasil durante o período analisado concentraram-se grandemente em países desenvolvidos (EUA, Alemanha, Japão, dentre outros).

Identificou-se que o ERPT para os preços das importações é superior ao encontrado para os preços das exportações, corroborando os resultados encontrados na literatura recente referente aos países emergentes (Dash; Narasimhan, 2011; Choudhri; Hakura, 2012, dentre outros) e reforçado por Marques e Mallick (2009). É importante salientar que aproximadamente 70% das importações brasileiras no período em estudo constituíram-se de produtos altamente diferenciados (equipamentos de informática, eletrônicos e ópticos, máquinas e equipamentos, veículos automotores e produtos químicos) ou de commodities e derivados (petróleo e combustível). Esse último grupo é caracterizado pela definição de preços em Dólares americanos em mercados internacionais e o grau de ERPT tende a ser elevado (apesar da intervenção no controle dos preços dos combustíveis adotado pelo governo brasileiro). Dornbusch (1987) salienta que o nível de ERPT encontra-se diretamente relacionado com o grau de substitutibilidade entre os bens importados e os domésticos. Nesse sentido, quanto maior o grau de diferenciação do produto, menor seria a existência de similares nacionais, e mais elevado o grau de repasse cambial.

Uma implicação importante do grau de repasse cambial encontra-se associado com os termos de troca. Caso o país seja um tomador de preços tanto para os produtos importados quanto para os exportados, os termos de troca não sofreriam alterações, visto que o grau de repasse cambial seria igual a um e zero, respectivamente (Swift, 1998). No caso brasileiro, o coeficiente médio do ERPT estimado para os preços das exportações foi diferente de zero, já para o das importações foi completo, implicando em uma piora dos termos de troca como resultado de uma depreciação cambial. O efeito final sobre a Balança Comercial e de Serviços dependerá da elasticidade-preço da demanda por bens exportados e importados, dentre outros fatores (capacidade instalada, barreiras tarifárias, etc.). Em especial, uma depreciação cambial, somente apresentará resultados positivos para a Balança Comercial e de Serviços, se a elasticidade-preço da demanda por produtos exportados for suficientemente alta para compensar a piora nos termos de troca, por meio do aumento do volume exportado. De modo similar, pode-se esperar um efeito positivo na Balança Comercial e de Serviços, caso a elasticidade-preço da demanda por bens importados seja suficientemente alta e capaz de reduzir o volume de produtos importados, compensando a piora ocorrida nos termos de troca.

Os resultados obtidos nesse estudo, de um ERPT completo para os preços das importações, diferenciam-se de Goldberg e Campa (2005) que encontraram um repasse cambial médio de longo prazo para os preços das importações dos países da OCDE de aproximadamente 64%. No entanto, os autores salientam que os valores estimados individualmente para os países foram marcadamente distintos (por exemplo, de 6% para a Irlanda, 46% para o Reino Unido e 108% para Portugal). No entanto, Goldberg e Campa (2005) encontraram evidência de que as economias com altas taxas de inflação e maior volatilidade cambial apresentam uma maior taxa de repasse cambial para os preços das importações, corroborando o caso da economia brasileira. Por fim, os autores identificaram resultados divergentes com relação à estabilidade do coeficiente de repasse cambial (redução do ERPT para 15 países e elevação para 6 economias).

Em Barhoumi (2006) é avaliado o ERPT para um painel de 24 países em desenvolvimento, considerando o período de 1980 a 2003. O autor realiza a sua estimação por meio do ARDL para dados em painel não estacionários heterogêneos considerando os métodos PMG e MG, encontrando um repasse médio de 63,70% e 72,60%, respectivamente. Adicionalmente, foram utilizados o FMOLS e o DOLS, onde os coeficientes estimados foram de 77,20% e 82,70%, respectivamente. Barhoumi (2006) salienta a existência de diferenças significativas nos graus de repasse cambial entre os países tanto pelo método FMOLS (107,00%, 74,00% e 42,00% encontrado para a Argélia, Colômbia e Chile, respectivamente) quanto pelo PDOLS (134,00%, 67,00% e 42,00%, respectivamente). O autor salienta que os principais determinantes das diferenças encontradas entre os países seriam: os regimes cambiais, as barreiras tarifárias e os regimes de inflação. Aguerre et al. (2012) estimam o ERPT para os preços das importações individualmente para um conjunto de países, compreendendo o período de 1980 a 2007. O repasse médio de longo prazo encontrado foi de 82%, 49% e 89%, respectivamente para os países em desenvolvimento, para os emergentes e para o Brasil, corroborando os resultados encontrados no presente estudo de um elevado grau de repasse cambial para os preços das importações.

Faruqee (2006) estimou um VAR compreendendo o período de 1990 a 2002 e identificou um grau de repasse cambial de 117%, 30%, 57%, 60% e 68%, respectivamente para a Zona do Euro, os EUA, o Japão, o Reino Unido e o Canadá. Já os resultados obtidos por Choudhri e Hakura (2012) apresentaram-se em linha com aqueles estimados nesse estudo para a economia brasileira. Os autores encontraram um repasse cambial médio de 67% e 63% (MQO) e de 60% e 54% (VAR), para os países desenvolvidos e em desenvolvimento, respectivamente (99% e 86% para o Brasil). Esses estudos reforçam a existência de distintos graus de repasse cambial, que encontram justificativa teórica nas diferenças econômicas existentes entre os países com relação: a estrutura de competição entre as firmas, (Dornbusch, 1987), ao grau de abertura da economia, a estabilidade da política monetária e do ambiente macroeconômico, (Devereux; Engel, 2001; Devereux; Yetman, 2002; Taylor, 2000).

Por fim, Kannebley Jr. et al. (2016) analisaram o ERPT para 19 setores da indústria de transformação brasileira, compreendendo o período de 1999:Q1 a 2012:Q4, por meio da metodologia VEC e FMOLS. Os autores encontraram um repasse cambial médio de 63% e 75%, respectivamente. Os valores dos coeficientes encontrados na presente pesquisa diferenciam-se dos obtidos por Kannebley Jr. et al. (2016) devido possivelmente, às diferenças existentes entre os estudos: 1) as estratégias metodológicas foram distintas (Kannebley Jr. et al. (2016) estimam o repasse cambial individualmente para cada setor, com dados trimestrais, por meio da metodologia VEC e FMOLS); 2) os setores incluídos foram distintos (Kannebley Jr. et al. (2016) focam na indústria de transformação e não incluem, por exemplo, os setores de combustíveis, produtos agrícolas e pecuária, derivados de petróleo e extração de petróleo e gás natural que representaram aproximadamente 30% da pauta de importações no período).

Com o objetivo de avaliar a sensibilidade dos coeficientes, os modelos foram estimados com 3, 4 e 5 defasagens²⁷. Conforme apresentado na Tabela C2 do Anexo C, no geral, os valores corroboraram os resultados obtidos pelo modelo principal, (estimado com 2 defasagens), a exceção do coeficiente encontrado para o segundo período com 5 defasagens pelo método ARDL (MG, valor de 90,53%) e para o segundo período com 3 e 5 defasagens pelo ARDL (PMG, valores de 110,83% e 113,30%, respectivamente).

Com relação às variáveis PPI, Preço das Commodities e o PIB Real, constatou-se que as duas primeiras apresentaram os sinais de acordo com o esperado, baseado na teoria econômica, (quando estatisticamente significativas). No entanto, a variável PIB Real apresentou sinais negativos em alguns casos, indicando a possível existência de uma relação inversa entre o aumento da pressão da demanda doméstica e o preço doméstico das importações, contrariando o postulado pela teoria econômica e sugerindo a necessidade de investigações adicionais.

O Anexo E apresenta o coeficiente do ERPT variável no tempo para os preços das importações. Utilizou-se o modelo espaço de estado para estimação da equação (6). Os setores de derivados de petróleo, produtos de borracha e material plástico e vestuário foram excluídos da análise devido a identificação de autocorrelação serial. A estratégia de identificação e tratamento dos outliers²⁸ seguiu o método detalhado acima referente ao ERPT para os preços das exportações.

É importante mencionar que como o índice de preços doméstico das importações é calculado com base no Dólar norte americano e a cotação da taxa de câmbio utilizada nesse estudo é denominada em unidades de moeda doméstica por moeda estrangeira (R$/USD), a teoria econômica convencional prevê que o repasse cambial para os preços das importações seja positivo (caso contrário observamos um repasse cambial reverso). Por exemplo, um aumento de 5% nos preços das importações, observada após uma depreciação cambial (aumento da cotação da taxa de câmbio R$/USD) de 10%, significaria um ERPT de 50%.

O Grupo 1 no Anexo 8 contempla um conjunto de setores que experimentou um comportamento semelhante durante o período em estudo. Esses setores demonstraram uma tendência de redução do ERPT até 2004/2005 (até 2002 no caso do setor de Metalurgia). A partir desse período, o grau de repasse assumiu uma trajetória ascendente até a eclosão da crise financeira global. A partir desse evento, o ERPT retomou a sua trajetória declinante (após uma elevação entre 2009 e 2010, para alguns setores).

O Grupo 2 no Anexo E é formado por um conjunto heterogêneo de segmentos da economia brasileira. O setor de produtos agrícolas e pecuários e veículos automotores mantiveram suas tendências de elevação do grau de repasse cambial durante todo o período, respondendo em um menor grau à crise financeira global de 2008. Com relação aos setores de equipamentos de informática, eletrônicos e ópticos, outros equipamentos de transporte e máquinas, aparelhos e materiais eletrônicos identificou-se uma tendência de redução do grau de repasse cambial até 2010, 2006 e 2006, respectivamente. Após esse estágio, o coeficiente do ERPT seguiu uma trajetória de elevação de maneira oscilatória. Por fim, foi identificado um efeito transitório da crise financeira global para o setor de produtos de metal, de derivados de petróleo e de petróleo e gás. Inicialmente todos os três segmentos apresentaram uma trajetória crescente do grau de repasse cambial a partir de 2000, atingindo um valor máximo em torno de 1,25 em 2008. Posteriormente, observou-se uma redução relevante do ERPT, que retornou sua trajetória ascendente a partir de 2010.

Sekine (2006) investigou o ERPT variável no tempo para um conjunto de países (EUA, Alemanha, Japão, Reino Unido, França e Itália), compreendendo dados trimestrais de 1974:Q1 a 2004:Q4. De uma maneira geral, o resultado encontrado variou entre 0% e 80% de repasse cambial. Ademais, identificou-se uma redução significativa do ERPT na França e nos EUA, que atingiu um patamar inferior a 10% no último ano considerado. O Reino Unido e a Alemanha apresentaram resultados mais estáveis resultando em um grau de repasse cambial de aproximadamente 40% e 20% no último quarto de 2004, respectivamente. Por fim, o Japão e a Itália apresentaram uma forte redução do ERPT até os anos de 1990, seguido por um período menos volátil (os coeficientes foram de 40% e 30% no último trimestre de 2004, respectivamente).