Comportamento dos preços das terras de lavoura, pastagens e mata no leste da Amazônia sob a influência do eucalipto

COMPORTAMENTO DOS PREÇOS DAS TERRAS DE LAVOURA, PASTAGENS E MATA NO LESTE DA AMAZÔNIA SOB A INFLUÊNCIA DO EUCALIPTO BEHAVIOR OF PRICE OF LANDS FOR CROPS, PASTURES AND FOREST IN THE EAST OF AMAZON UNDER THE INFLUENCE OF EUCALYPTUS PLANTATIONS Antônio Cordeiro de Santana1; Ádamo Lima de Santana2; Nilson Luiz Costa3; Ana Karlla Magalhães Nogueira1; Marcos Antônio Souza dos Santos1 1 3

Universidade Federal Rural da Amazônia (UFRA); 2Universidade Federal do Pará (UFPA); Universidade Federal de Santa Maria (UFSM)

[email protected]; [email protected]; [email protected]; [email protected]; [email protected]. Grupo de Pesquisa: Comercialização, Mercados e Preços Resumo Os plantios de eucalipto e de sistemas agroflorestais, associados à regulação ambiental, fundiária e trabalhista está causando forte influência no comportamento dos preços das terras de lavoura, pastagem e mata no leste da Amazônia. A soja e a pecuária de corte são atividades concorrentes pelo fator terras com o eucalipto. Assim, para avaliar o comportamento dinâmico dos preços das terras sob a influência dessas atividades e de outras variáveis econômicas, aplicou-se um modelo econométrico de cointegração e causalidade. A variável preço do boi gordo apresentou o segundo maior impacto positivo sobre os preços das terras de lavoura, pastagem e mata. O crédito rural por área de pastagem e o crédito rural por área de lavoura causam impactos positivos e significativos sobre os preços das terras. Com relação à interação dinâmica entre os preços das terras, tem-se que uma mudança no preço da terra de lavoura causa alterações, na mesma direção, nos preços das terras de lavoura, pastagem e de mata. Por outro lado, aumentos no preço da terra de pastagem produz impactos na direção oposta nos preços das terras de lavoura e de mata. Por fim, conclui-se que a expansão do plantio de eucalipto está produzindo mudanças dinâmicas no comportamento dos preços das terras de pastagens, de lavouras e de mata. Palavras-chave: Mercado de terra, reflorestamento, agronegócio, crédito rural.

Abstract The eucalyptus plantations and the agroforestry systems associated with environmental, land and labor regulations is causing strong influence on the behavior of prices for arable land, pasture and forest in the east of Amazon. The soybeans and beef cattle are competing activities by land production factor with eucalyptus plantations. Thus, to evaluate the dynamic behavior of land prices under the influence of these productive activities and other economic variables, an econometric model of cointegration and causality was applied. The variable regarding price of cattle presented the second highest positive impact on the prices of arable land, pasture and forest. The rural credits per pasture area and per crop area cause positive and significant impact on land prices. With respect to the dynamic interaction of land 1

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

prices, it was determined that a change in the price of land for crops causes changes, in the same direction, in prices of arable land, pasture and forest. Furthermore, increases in the price of pasture land produces impacts, in the opposite direction, on prices of arable land and forest. Finally, we conclude that the expansion of eucalyptus plantations in the surveyed area is producing dynamic changes in the price behavior of the lands for pasture, crops and forests. Keywords: Land market, reforestation, agribusiness, rural credit.

1. Introdução A terra é o principal fator de produção para empreendimentos agropecuários e para a implantação de reflorestamento com a finalidade de fornecer matéria-prima para fins industriais, por exigir grandes áreas para definir a escala ótima de produção. Na medida em que a demanda por terra aumenta, os preços deste recurso natural tende a crescer de acordo com a sua fertilidade, relevo e localização em relação ao mercado do produto (RICARDO, 1982). A continuar esse processo, as terras férteis e bem localizadas vão se tornando cada vez mais escassas e valorizadas a demanda se propaga para terras de menor fertilidade, mais distantes e mais baratas. Este fenômeno foi denominado pro Ricardo (1982) de “Lei da Renda Fundiária”, segundo a qual os produtos das terras férteis são obtidos a custo menor e vendidos ao mesmo preço dos demais, proporcionando a seus proprietários uma renda fundiária igual à diferença de produtividade. Assim, o preço da terra é dado em função da terra menos fértil e mal localizada, pois, desta forma, a terra de melhor qualidade alcança o maior preço. Esta diferença foi denominada de renda da terra. Ou seja, “a parte do produto da terra que é paga ao seu proprietário pelo uso dos poderes originais e indestrutíveis do solo.” (RICARDO, 1982, p. 65). Vinculado à importância da terra como fator de produção, a implementação dos instrumentos de regulação fundiária, ambiental e trabalhista, fundamentalmente, para atender aos princípios do desenvolvimento sustentável das atividades agropecuárias e florestais estabelecidas na Amazônia, mediante a ação de novo ambiente de integração institucional. Portanto, as terras com potencial produtivo se tornaram cada vez mais escassas para os estabelecimentos que necessitam atender à legislação ambiental, de modo a continuar, ou iniciar na produção agropecuária. Também as que necessitam regulamentar as áreas de exploração florestal madeireira com planos de manejo e certificação da produção de carvão. Assim, aumentou a atividade de recuperação de pastagens degradadas com a atividade de grãos, reflorestamento e/ou sistemas agroflorestais, bem como cresceu a procura por áreas para a implantação de grãos e reflorestamento, em monocultivo. Este processo, conforme Santana et al. (2014) influenciou o preço das terras de lavoura, de pastagem e de mata na Amazônia e, especificamente, no leste da Amazônia, especificamente nos estados do Maranhão, Pará e Tocantins. Entre os fatores internos ao setor rural que influenciam os preços das terras, tem-se o esgotamento natural das terras férteis pela expansão das atividades econômicas rentáveis, que requer a incorporação de áreas de menor fertilidade, situadas em regiões mais distantes do mercado, conforme identificado por Santana et al. (2014). Outro conjunto de fatores exógenos ao setor rural, que a literatura atribui como determinante do preço das terras, inclui o crédito rural e a taxa de câmbio, conforme estudos de Sayad (1994), Resende (1982; 2003) e Brandão (1988). 2

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

A justificativa do trabalho está no fato de que o desenvolvimento da agropecuária é significativamente dependente do crédito rural e, por sua vez, das instituições de fomento que exigem como garantia para a liberação dos recursos, o ativo terra, tornando-o numa condição necessária e, até certo ponto, suficiente para o acesso ao crédito (SANTANA, 2012). Portanto, espera-se uma correlação positiva entre o crédito rural por área cultivada e o preço das terras. Com relação à taxa de câmbio, tem-se que, ao favorecer as exportações de commodities, no caso de câmbio desvalorizado, pode-se criar uma pressão de demanda por áreas com potencial agropecuário e, em função disso, os preços das terras tendem a aumentar. No atual momento, em função da valorização do câmbio, o efeito sobre o preço das terras deve ser negativo, ou neutro, dado que os preços das commodities estão e evolução e devem continuar firmes no mercado internacional (AGROANALYSIS, set. 2011). Assim, verificou-se, adicionalmente, o efeito dos preços do boi gordo e da soja sobre os preços das terras, uma vez que são as duas commodities que estão em processo de expansão na região amazônica, demandam terras férteis e incorporam novas áreas ao processo produtivo, o que deve influenciar diretamente os preços das terras de lavoura, pastagem e mata nos estados do Maranhão, Pará e Tocantins. Além destas variáveis, foram avaliadas as influências de dois fatores novos como força socioeconômica e ambiental. O primeiro fator foi definido pela variável incremento do desmatamento que influencia o preço das terras, uma vez que, no seu controle, está a aplicação da legislação ambiental, pois a região de estudo está incluída na faixa conhecida como o “arco do desmatamento” na Amazônia. O desmatamento funciona como fator de regulação do equilíbrio dos mercados agropecuários e de madeira em tora, conforme Santana et al. (2011). Espera-se uma correlação negativa entre o incremento no desmatamento e o preço das terras de lavoura, pecuária e mata. O segundo fator foi especificado por uma variável binária, utilizada para captar o efeito da regulação ambiental, fundiária e trabalhista sobre a exploração florestal madeireira e a produção de carvão vegetal, viabilizando o encadeamento da produção de madeira em reflorestamento e sistemas agroflorestais (SANTANA et al., 2014). Espera-se que o impacto da atividade de reflorestamento destinada à produção de carvão, celulose e madeira para a indústria, assim como a recuperação de áreas degradadas e a recomposição das áreas de Reserva Legal (RL) e das Áreas de Preservação Permanente (APP) seja forte sobre os preços das terras de lavoura, pastagem e mata. Para isto, especificou-se um modelo de regressão múltipla para testar as hipóteses da influência deste conjunto de variáveis sobre o preço das terras de lavoura, pastagem e mata nos estados do leste da Amazônia (Maranhão, Pará e Tocantins), principalmente a partir de 1995. O objetivo da pesquisa foi definir um modelo econométrico para determinar a influência dos preços da soja e da arroba de boi, assim como dos demais fatores que influenciam os preço das terras de lavoura, pastagem e de mata nos estados do leste da Amazônia, especificamente Maranhão, Pará e Tocantins, no contexto da atual expansão dos plantios de eucalipto para carvão e celulose.

2. Material e métodos Apresentam-se a área de abrangência do estudo, composta pelos estados do Maranhão, Pará e Tocantins, as fontes dos dados utilizadas no trabalho e a especificação dos modelos econométricos propostos para a estimação e simulação de choques de aumento nos preços das terras de lavoura, pastagem e mata. 3

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

2.1 Área de estudo e dados utilizados A área da pesquisa compreendeu os estados do Maranhão, Pará e Tocantins, que concentra a expansão das atividades de reflorestamento no leste da Amazônia. A base de dados da pesquisa contemplou as informações secundárias, obtidas de diversas fontes. Os preços das terras, da soja e do boi gordo foram obtidos dos Agrianual e Anualpec da Informa Economics FNP (iFNP) e do Instituto Brasileiro de Economia (IBRE) da Fundação Getúlio Vargas (FGV). As informações sobre crédito rural são do Banco Central e os dados sobre as áreas cultivadas com lavoura e com pastagens dos Censos Agropecuários do Instituto Brasileiro de Geografia e Estatística (IBGE). Os dados sobre a taxa de desmatamento são do Instituto Nacional de Pesquisas Espaciais (INPE) e os dados sobre a taxa de câmbio e os índices gerais de preços do Brasil e dos Estados Unidos são do banco de dados do Instituto de Pesquisa Econômica Aplicada (IPEADATA). O período de tempo dos dados é de 1995 a 2010 e são organizados por semestre para manter o padrão dos preços das terras que são definidos de forma semestral. Assim, os preços da soja, boi gordo, câmbio e índices de preços foram definidos como a média para cada semestre. Os dados de crédito, área com lavouras e com pastagens foram gerados por meio de interpolação, a partir dos valores anuais disponibilizados pelas fontes pesquisadas. Além dos estados da área de pesquisa, foram obtidos dados de preço para os estados em que o mercado de soja e de boi gordo está consolidado e faz parte da formação dos preços de tais commodities no Brasil e Amazônia, dado o volume de produção e valor comercializado. Assim, o preço do boi gordo foi definido como a media dos estados do Maranhão, Mato Grosso, Pará e Tocantins, que operam de forma cointegrada na determinação do preço, conforme Santana (2002). No caso da soja, o preço representa a media dos estados de Goiás, Mato Grosso e São Paulo. As variáveis crédito rural e desmatamento foram definidas pela soma dos valores relativos aos estados do Maranhão, Pará e Tocantins.

2.2. Modelo de determinação do preço da terra O modelo proposto para representar os preços das terras de lavoura, pastagem e mata da área de estudo, considera como variáveis dependentes Yti, em função de um vetor de variáveis explanatórias Xtj, na forma de uma regressão múltipla. A especificação geral do modelo é dada pela equação 1. 𝑘

𝑙𝑛𝑌𝑡𝑖 = 𝛼𝑖 + ∑ 𝛽𝑗 𝑙𝑛𝑋𝑡𝑗 + 𝜀𝑡𝑖

(1)

𝑗=1

Em que: Variável dependente lnYti: é o logaritmo natural do preço da terra (R$/ha) no período t, sendo que o indexador i se refere ao preço das terras de lavoura (Ytl), pastagem (Ytp) e mata (Ytm); Variáveis explanatórias lnXtj: é o logaritmo natural das variáveis explanatórias utilizadas na especificação das regressões. Alterações nestas variáveis causam mudanças nos preços das terras de lavoura, pastagens e mata dos estados do Maranhão, Pará e Tocantins. As variáveis são definidas por: Xt1 é o preço médio do boi gordo dos estados do Maranhão, Mato Grosso, Pará e Tocantins (R$/@) no período t; Xt2 é o preço médio da soja dos estados de Goiás, Mato Grosso e São Paulo (R$/sc) no período t; Xt3 é o crédito rural aplicado em 4

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

lavouras, relativizado pela área de terra cultivada com lavoura nos estados do Maranhão, Pará e Tocantins (R$/ha) no período t; Xt4 é o crédito rural aplicado em pecuária, relativizado pela área de terra cultivada com pastagem nos estados do Maranhão, Pará e Tocantins (R$/ha) no período t; Xt5 é a soma dos incrementos no desmatamento das florestas dos estados do Maranhão, Pará e Tocantins (km2) no período t; Xt6 é uma variável binária, que foi criada para captar a quebra no comportamento dos preços das terras a partir de 2007 e assumiu valor 1 para 2007 em diante, e valor zero, para 1995 a 2006. Variável instrumental lnTCRt: é o logaritmo da taxa de câmbio real que mantém forte correlação com as variáveis independentes e ausência de correlação com os termos de erro das regressões. Erro aleatório eti: é o termo de erro aleatório da regressão i. Parâmetros ai e bj: são, respectivamente, as constantes e os coeficientes associados a cada variável explanatória, a serem estimados. O Método dos Momentos Generalizados (MMG), conforme descrito em Greene (1997), Santana e Santos (2000) e Santana et al. (2011), foi utilizado para estimar as regressões por gerar estimativas não viesadas e eficientes, na ausência de problemas com a violação da hipótese de não autocorrelação serial nos resíduos. Esta hipótese foi testada para todas as regressões.

2.3 Modelo de previsão do preço da terra O modelo de regressão múltipla capta apenas as influências das variáveis explanatórias sobre as variáveis dependentes. Não permite que se compute os efeitos das variáveis dependentes, ou aleatórias, por produzir viés nos estimadores. Para superar esta limitação, propõe-se um modelo dinâmico de autorregressão vetorial para estimar a resposta dos preços das terras de lavoura, pastagem e mata na região formada pelos estados do Maranhão, Pará e Tocantins a choques exógenos. Os modelos de autorregressão vetorial, ou de vetor autorregressivo (VAR), foram introduzidos na literatura como uma alternativa aos modelos estruturais de regressões múltiplas por Sins (1980). O VAR faz pouca exigência teórica, com foco apenas na definição das variáveis dependentes (ou endógenas) e no número adequado de defasagens para captar a maioria dos efeitos que as variáveis têm uma sobre as outras. Como afirma Pindyck e Rubinfeld (2004), o VAR oferece uma maneira de se deixar que os dados, ao invés do pesquisador, especifiquem a estrutura dinâmica do modelo. Assumindo que Yti representa o vetor das variáveis endógenas preços das terras de lavoura, pastagem e mata, o VAR pode ser especificado na forma da equação 2 (SANTANA, 2003; 2008). 𝑘

𝑙𝑛𝑌𝑡𝑖 = 𝛼𝑖 + ∑ 𝛽𝑗 𝑙𝑛𝑌𝑡−𝑗,𝑖 + 𝜀𝑡𝑖

(2)

𝑗=1

em que Yt-j,i indica as variáveis dependentes i, defasadas de j períodos. A defasagem ótima foi determinada pelos critérios de informação de Akaike (AIC) e de Schwarz (SC) e pelo R 2ajustado, conforme descrito no Eviews (2006). Assim, estimaram-se modelos com diversas defasagens e foram eleitos os que apresentaram, simultaneamente, os maiores valores para R2ajustado e os menores valores para as estatísticas AIC e SC. A partir dos termos de erro do modelo VAR, define-se a função de resposta a impulso, que consiste em rastrear a trajetória temporal dos efeitos de choques aleatórios dados em uma dada variável endógena sobre ela própria e sobre as demais variáveis do modelo. 5

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

Assim, para determinar a resposta de um impulso, deve-se aplicar um choque na magnitude de um desvio padrão no termo de erro de uma variável endógena no tempo inicial. Na medida em que essa variável afeta as demais variáveis endógenas, o choque se disseminará através do modelo, influenciando todas as variáveis, inclusive, retroagindo sobre a própria variável. O choque deve ser replicado em todas as variáveis endógenas para se obter o rastreamento completo dos efeitos produzidos ao longo do tempo.

3. Resultados e discussão 3.1 Comportamento histórico das variáveis O período analisado compreendeu pelo menos dois ciclos completos de preços do boi gordo e da soja. Um ciclo é definido pelo intervalo de tempo compreendido entre dois picos ou dois vales consecutivos, formados pela série de preços (SANTANA, 2003). Assim, o primeiro ciclo da soja iniciou em 1997 e findou em 2003 (Figura 1). O segundo começou em 2004 e avançou até 2008, em que o nível ficou abaixo dos patamares alcançados pelos preços nos picos anteriores. A evolução dos preços apresentou comportamento estacionário em nível, uma vez que os dados flutuam em torno dos R$ 40,00/sc. Figura 1 – Comportamento dos preços do boi gordo (R$/@), soja (R$/kg) e taxa de câmbio real. P Boi P Soja 120,00 6,00 T Câmbio Câmbio real (R$/US$)

5,00

2010S1

2009S1

2008S1

2007S1

2006S1

2005S1

0,00 2004S1

0,00 2003S1

1,00

2002S1

20,00

2001S1

2,00

2000S1

40,00

1999S1

3,00

1998S1

60,00

1997S1

4,00

1996S1

80,00

1995S1

Preço (R$/sc)

100,00

Fonte: dados da pesquisa.

Na pecuária, o primeiro ciclo findou em 2001 e o segundo foi concluído em 2008, com os preços se estabilizando em torno dos R$ 80,00/@, exibindo nítida recuperação em relação ao ciclo passado. A dinâmica do mercado de boi gordo, marcado pela escassez de animais para reposição da engorda e a lenta recuperação dos planteis de matrizes, juntamente com os preços do mercado internacional favoráveis, elevou o nível médio dos preços e sinaliza para uma estabilização neste novo patamar. O câmbio apresentou o pico no valor de R$/US$ 5,23, marcando a divisão com o segundo ciclo, em 2003, quando segue uma tendência de queda acentuada, o que reflete um padrão de comportamento não estacionário da série de dados e diverge da trajetória apresentada pelas demais séries. Em função desse comportamento não estacionário da série de 6

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

câmbio em nível, que é uma característica comum das variáveis macroeconômicas, optou-se por incorporá-la ao modelo como variável instrumental na primeira diferença. O comportamento do crédito rural financiado por área de lavouras apresentou dois ciclos (Figura 2). O primeiro definiu-se entre os picos inicial (R$ 395,29/ha), em 1996, e final (R$ 388,01/ha), em 2004. O segundo ciclo definiu-se entre 2004 e 2008, com o vale (R$ 219,57/ha) registrado em 2006. O comportamento entre estes ciclos apresenta-se diferente no horizonte do tempo e na amplitude de variação, definida entre os valores de pico e vale de cada ciclo. Com relação ao tempo, o primeiro ciclo completou-se em oito anos, com a trajetória de queda definida em seis anos e a tendência de alta prolongando-se por dois anos. O segundo ciclo definiu-se em quatro anos, sendo que a queda demorou dois anos para se completar e a fase de alta, também, estendeu-se por dois anos, com o pico assumindo valor de R$ 274,94/ha, em 2006. Figura 2 – Comportamento dos preços do boi gordo (R$/@), soja (R$/kg) e taxa de desmatamento (km2). 12.000

CR Lavoura CR Pecuária T Desmatamento

400,00 Valor em (R$/ha)

350,00 300,00

10.000 Valor em km2

450,00

8.000

250,00

6.000

200,00 150,00

4.000

100,00

2.000

50,00 2010S1

2009S1

2008S1

2007S1

2006S1

2005S1

2004S1

2003S1

2002S1

2001S1

2000S1

1999S1

1998S1

1997S1

1996S1

1995S1

0,00

Fonte: dados da pesquisa.

A amplitude de variação (R$ 119,97/ha), estabelecida entre o valor do pico e do vale do primeiro ciclo foi expressivo em relação ao segundo ciclo, em que o menor valor foi de R$ 219,57/ha e o maior de R$ 294,92/ha, com amplitude de variação de R$ 75,35/ha, o que demonstra uma forte mudança no comportamento da política de crédito agrícola. O crédito rural por área de pastagem aplicado na pecuária, apresentou comportamento diferente do crédito por área de lavoura, pois manteve uma trajetória firme de incremento ao longo do período estudado. Isto deve-se ao fato de que a partir de 2004, o crédito rural destinado à pecuária foi aplicado em sistemas de produção sustentáveis (pastejo rotacionado, combinação lavoura-pecuária, sistemas agroflorestais, sistemas silvipastoril) e/ou diretamente na recuperação de pastagens degradadas e na utilização de inovações tecnológicas com vistas a aumentar a produtividade e reduzir os impactos ambientais da atividade na Amazônia. O comportamento do crédito aplicado por área de lavoura manteve uma forte correlação positiva com o incremento no desmatamento a partir de 2003 e correlação negativa com o crédito rural por área de pastagem, contrario à trajetória apresentada no período entre 1997 e 2003, em que o incremento no desmatamento manteve correlação positiva com o crédito da pecuária e negativa com o crédito para lavoura. 7

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

De alguma forma, estes resultados tendem a corroborar com as afirmações de que o crédito rural destinado à pecuária, contemporaneamente, esteve associado ao incremento do desmatamento até 2003 e, depois, cedeu às pressões de ambientalistas e à legislação ambiental, que apresentou maior eficácia em sua atuação na região estudada. Por outro lado, desde 2002 o crédito voltado para lavouras passou a manter vinculo direto com o incremento do desmatamento, fruto dos recursos atrelados à pequena produção e assentamentos da Reforma Agrária. Até o primeiro semestre de 2006, os preços das terras de lavoura, pastagem e mata apresentam o mesmo padrão de comportamento estacionário (Figura 3). A partir de então, o preço da terra de lavoura atingiu novo patamar que se prolongou até o segundo semestre de 2008, quando salta para outro nível ainda em evolução e/ou ajustamento. As forças que puxaram o preço para este patamar, mais de três vezes superior ao nível do preço histórico, e que continua em ascensão, influenciaram, também, a trajetória dos preços das terras de pastagem e de mata. Estes preços mudaram a trajetória de crescimento, porém a distancia em relação ao preço da terra de lavoura aumentou substancialmente neste período. Figura 3 – Comportamento historio dos preços médios das terras de lavoura, pastagem e mata. 4.000,00

PT Lavoura PT Pastagem PT Mata

Preço da terra (R$/ha)

3.500,00 3.000,00 2.500,00

2.000,00 1.500,00 1.000,00 500,00 1995S1 1995S2 1996S1 1996S2 1997S1 1997S2 1998S1 1998S2 1999S1 1999S2 2000S1 2000S2 2001S1 2001S2 2002S1 2002S2 2003S1 2003S2 2004S1 2004S2 2005S1 2005S2 2006S1 2006S2 2007S1 2007S2 2008S1 2008S2 2009S1 2009S2 2010S1 2010S2

0,00

Fonte: Dados da pesquisa.

Nos preços da soja, nada de especial foi constatado como fator que pudesse ser considerado como responsável pelo aumento de preços das terras, uma vez que o pico do ciclo do preço ficou abaixo do ciclo anterior. O comportamento dos preços do boi gordo no final do período, tomou uma trajetória diferente do período anterior a 2008, uma vez que se estabilizou em patamar mais elevado e pode ter contribuído para o aumento do preço das terras, sobretudo porque são as áreas de pastagens que estão sendo transformadas em lavoura, mesmo que apenas durante o período de recuperação das pastagens degradadas. A taxa de câmbio valorizada, por sua vez, não pode ser relacionada ao aumento dos preços das terras, vez que não favorecem a exportação das commodities carne e soja, que são produtos inelásticos a preço. Ou seja, o câmbio valorizado retira o efeito do incremento dos preços dessas commodities no mercado internacional e devem continuar assim, em função da crise nos países da União Europeia e nos Estados Unidos da América. 8

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

O comportamento das variáveis estudadas revela que elas não explicam nitidamente o aumento vertiginoso dos preços das terras, especificamente das terras de lavoura, a partir de 2007. Os resultados de uma pesquisa de campo na região (SANTANA et al. 2014), por sua vez, apontam para um fato novo, caracterizado pela magnitude e expansão da área refloresta com eucalipto, bem como pelos sistemas agroflorestais e silvipastoris, visando atender a uma ampla demanda potencial por madeira para a produção de carvão, madeira beneficiada e celulose. O efeito deste fenômeno sobre os preços das terras é captado por meio de uma variável dummy, assumindo valor um para o período de 2007 em diante, quando o reflorestamento avança e a política ambiental reforça a exigência para o licenciamento da exploração florestal manejada e reflorestada.

3.2 Estimação dos preços das terras Os resultados dos modelos de regressão múltipla utilizados na estimação dos preços das terras de lavoura, pastagem e mata da região leste da Amazônia (Maranhão, Pará e Tocantins) são apresentados na Tabela 1. Os sinais dos parâmetros estão de acordo com o esperado e se apresentam estatisticamente diferentes de zero a 5% de probabilidade, com exceção do coeficiente associado à variável crédito rural da pecuária, que foi significativo a 6% na regressão de preço da terra de pastagem. Tabela 1 – Resultados das regressões estimadas pelo método dos momentos generalizados (MMG) para os preços das terras de lavoura, pastagem e mata do leste da Amazônia, contemplando os estados do Maranhão, Para e Tocantins, 2012. Variáveis LnPTLavoura LnPTPastagem LnPTMata Constante

LnPBoi

LnPsoja

LnCRLavoura

LnCRPecuária

LnTDesmatamento

VDummy

R-quadrado

Adj. R-quadrado Estatística J Estatística Durbin-Watson

6.412506 (5.20761) [0.0000] 1.004858 (4.23704) [0,0003] -0.235234 (-3.16731) [0,0040] 0.287496 (2.19864) [0,0374] 0.398708 (3.74406) [0,0010] -0.725154 (-3.03945) [0,0055] 0.728520 (4.47839) [0,0001]

5.909925 (7.93460) [0,0000] 1.077884 (5.13702) [0,0000] -0.265754 (-4.59805) [0,0001] 0.252481 (2.92020) [0,0073] 0.118232 (1.96550) [0,0606] -0.532639 (-3.33476) [0,0027] 0.246100 (2.88867) [0,0079]

4.364006 (5.59852) [0,0000] 1.188201 (6.89948) [0,0000] -0.496124 (-10.4645) [0,0000] 0.390089 (4.57682) [0,0001] 0.197702 (5.24715) [0,0000] -0.509452 (-4.87242) [0,0001] 0.338518 (5.84151) [0,0000]

0.942223 0.928356 0.002979 1.153771

0.852680 0.817323 0.022449 1.087069

0.913857 0.893182 0.010361 1.499505

Fonte: Resultados da pesquisa. A estatística t entre parenteses e a probabilidade entre colchete. 9

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

Os resultados da estatística R-quadrado e a estatística J permitem afirmar que os modelos estão bem ajustados aos dados da amostra. Com relação ao R-quadrado, tem-se que 94,22%, 85,27% e 91,39%, respectivamente das variações nos preços das terras de lavoura, pastagem e mata são explicadas pelas variações das variáveis explanatórias. A estatística J próxima do valor zero indica uma correta especificação das variáveis instrumentais e um bom ajustamento dos modelos estimados pelo método dos momentos generalizados. O teste de Durbin-Watson indicou ausência de autocorrelação nos resíduos. O teste de Sargan indicou ausência de correlação entre a variável instrumental e os erros. Como as variáveis foram definidas nos logaritmos naturais, os valores dos coeficientes estimados podem ser interpretados diretamente como elasticidades. Estes valores representam a magnitude das respostas das variáveis dependentes, em decorrência de mudanças porcentuais unitárias nas variáveis explanatórias. As variáveis quantitativas que produziram maior efeito sobre os preços das terras de lavoura, pastagem e mata são o preço do boi gordo e a taxa de desmatamento, embora com efeitos opostos. Assim, a cada mudança de 1% no preço do boi gordo, os preços das terras de lavoura, pastagem e mata tendem a variar, no mesmo sentido, de 1,005%, 1,078% e 1,188%, respectivamente (Tabela 1). Portanto, o maior impacto do preço do boi gordo foi sobre o preço da terra de mata, seguido da terra de pastagem e terra de lavoura. O resultado está de acordo com o esperado, pois até recentemente toda área de pastagem era formada a partir da derrubada de florestas nativas. Com relação ao impacto do incremento do desmatamento de 1% sobre os preços das terras, tem-se uma variação em sentido contrario de -0,725%, -0,533% e -0,509%, respectivamente, nos preços das terras de lavoura, pastagem e mata. O resultado é coerente com o esperado, pois, quando o desmatamento aumenta, a fiscalização incrementa seu esforço e o interesse por terras na área diminui, forçando a retração dos preços. A influência do preço da soja sobre os preços das terras é contrario ao esperado. Porém, este aspecto pode ser compreendido em função do comportamento histórico do preço da soja, conforme ilustrado na Figura 1, que não apresentou o aumento esperado para a fase de alta do ciclo entre 2007 e 2009. Portanto, no período analisado, os preços das terras de lavoura, pastagem e mata tenderam a variar, respectivamente, de -0,235%, -0,266% e 0,496%, para cada incremento de 1% no preço da soja. As variáveis crédito rural por área de lavoura e crédito rural por área de pastagem apresentaram relação direta com os preços das terras, conforme o esperado. Assim, para variações de 1% no valor do crédito financiado para lavoura e pecuária, os preços das terras de lavoura variam na mesma direção nas magnitudes 0,287% e 0,399%, respectivamente. No caso do preço da terra de pastagem, um aumento de 1% no valor do crédito para lavoura e crédito para pecuária, mostra que o preço da terra de pastagem incrementou 0,252% e 0,118%, respectivamente. O incremento de 1% nos valores do crédito para lavoura e para pecuária, o preço das terras de mata tendem a aumentar 0,390% e 0,198%, respectivamente. O efeito da política de regulação ambiental, juntamente com o aumento da procura de áreas para reflorestamento na área de estudo foi captado por meio de uma variável dummy. Os coeficientes estimados para a influência do reflorestamento (0,7285, 0,2461 e 0,3385, associados, respectivamente aos preços da terra de lavoura, pastagem e mata) indicaram que a implementação desta atividade na região fez com que os preços das terras de lavoura, pastagem e mata fossem 107,2%, 27,9% e 40,29% maior do que, respectivamente, as suas medias até 2006 [pois, conforme Santana (2003), os valores foram obtidos da seguinte 10

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

forma: exp(0,72852) – 1 = 1,072; exp(0,2461) – 1 = 0,279; e exp(0,3385) - 1 = 0,4029], ceteris paribus. Portanto, a expansão das áreas de reflorestamento na região, comandada por grandes empresas, visando atender a uma grande demanda potencial por carvão, celulose e madeira beneficiada de origem legal, representou a principal força que está impulsionando os preços das terras com potencial agropecuário e florestal.

3.3 Modelo de previsão dos preços O vetor autorregressivo que melhor se ajusta aos dados, de acordo com os critérios de AIC e SC foi o especificado com as variáveis endógenas defasadas de um período (Tabela 2). A estatística F, significativa a 1%, permite afirmar que os modelos estão corretamente especificados. Os valores da estatística R-quadrado foram de 0,9786 para a equação de preço da terra de lavoura, 0,9753 para terra de pastagem e 0,960 para terra de mata. Estes valores indicam que 97,86%, 97,53% e 96,0% das variações nos preços das terras de lavoura, pastagem e mata são explicadas pelas mudanças nos valores destas variáveis defasadas de um período, ceteris paribus. O preço da terra de lavoura apresenta-se fortemente influenciado, positivamente, pelo preço defasado de um período, pois para cada incremento de 1% no preço da terra de lavoura do semestre anterior, produz um impacto de 1,29% nos preços do semestre presente, ceteris paribus. Por outro lado, um aumento igual nos preços das terras de pastagens no semestre anterior, tende a provocar uma queda de 0,65% nos preços das terras de lavoura no semestre presente. Os preços pretéritos das terras de mata não influenciam os preços presentes das terras de lavoura, uma vez que o coeficiente não foi estatisticamente diferente de zero. Tabela 2 – Resultado dos vetores autorregressivos estimados para os preços das terras de lavoura, pastagem e mata. Variáveis LnPTLAV(t-1)

LnPTLavoura LnPTPastagem LnPTMata 1.288633 0.275412 0.414514 (0.09043) (0.04873) (0.07480) [ 14.2496] [ 5.65229] [ 5.54157] LnPTPAST(t-1) -0.652797 0.607118 -0.236485 (0.25684) (0.13839) (0.21244) [-2.54164] [ 4.38711] [-1.11317] LnPTMATA(t-1) 0.159147 -0.022706 0.593084 (0.18110) (0.09758) (0.14979) [ 0.87878] [-0.23270] [ 3.95932] Constante 1.525623 0.947153 1.296659 (0.75275) (0.40559) (0.62263) [ 2.02673] [ 2.33527] [ 2.08255] R-squared 0.978607 0.975299 0.959965 Adj. R-squared 0.976230 0.972554 0.955516 F-statistic 411.7057 355.3535 215.8010 Akaike AIC -1.780747 -3.017552 -2.160308 Schwarz SC -1.595717 -2.832522 -1.975277 Fonte: Resultados da pesquisa. Valores dos desvios entre parênteses e das estatísticas t entre colchetes.

Os preços das terras de pastagem são explicados pelos preços das terras de pastagens e de lavoura defasados de um período, sendo que a maior influência é determinada pelo preço da própria variável do semestre anterior, cujo impacto produzido por um aumento de 1% em um semestre repercute em incremento de 0,607% no semestre seguinte. As alterações de 1% 11

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

nos preço das terras de lavoura em um semestre, causa aumento de 0,275% nos preços das terras de pastagens no semestre seguinte, ceteris paribus. Os preços das terras de matas, além de serem influenciados por suas cotações do semestre anterior, são determinados pelos preços das terras de lavoura e de pastagem. Assim, os impactos produzidos por alterações de 1% em cada uma das variáveis resultam dos preços desta variável (0,593%), das terras de lavoura (0,414%) e das terras de pastagens (-0,236%).

3.4 Modelo de resposta a impulso As respostas dos impulsos dados nos termos de erro das variáveis endógenas preços das terras de lavoura, pastagem e mata, na magnitude de um desvio padrão, são apresentados nas Figuras 4, 5 e 6. Observa-se, pela Figura 4, que o preço da terra de lavoura responde positivamente a mudanças nos preços da terra de lavoura e no preço da terra de pastagem e negativamente ao incremento no preço da terra de mata, conforme apresentado na Tabela 2. Figura 4 – Resposta do preço da terra de lavoura a incrementos de um desvio padrão nos preços das terras de lavoura, pastagem e mata. 0,2000 0,1500 0,1000 0,0500 0,0000 1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

-0,0500 -0,1000 -0,1500

LnPTLavoura LnPTPastagem LnPTMata

-0,2000 Fonte: Dados da pesquisa.

Em resposta ao incremento de um desvio padrão no preço da terra de lavoura, no período 1, a resposta corresponde a aproximadamente 10% deste valor. Depois a trajetória de aumento continua até atingir o máximo de 16,61% no nono período, os preços começam a perder força e a declinar a taxas decrescentes. Em resposta ao incremento no preço da terra de pastagem, o valor torna-se visível a partir do segundo período e evolui a taxas decrescentes até o valor máximo de resposta de 6,67% no 13o semestre, quando inicia o percurso de queda. Em resposta ao aumento no preço da terra de mata, o preço da terra de lavoura apresentou comportamento de queda linear até o sexto semestre, guando passa a decrescer a taxas decrescentes até atingir o valor mínimo de -16,3% de um desvio padrão, no 13o semestre. Na Figura 5, apresentam-se os resultados da resposta do preço da terra de pastagem aos incrementos de um desvio padrão nos preços das terras de lavoura, pastagem e mata. 12

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

Assim, o preço da terra de pastagem aumenta no período 1 em 2,4% e 4,4% de um desvio padrão, respectivamente, em resposta aos incrementos dos preços das terras de lavoura e de pastagem no valor de um desvio padrão. A partir deste ponto, o preço da terra de pastagem aumenta em resposta ao preço da terra de lavoura até atingir o nível máximo de 10,71%, no 11o semestre, e depois declina em resposta ao incremento de um desvio padrão em seu próprio preço. O preço da terra de mata também induz resposta de aumento no preço da terra de pastagem a partir do quarto semestre e se prolonga até alcançar o valor máximo de 4,23%, no 14o semestre. Figura 5 – Resposta do preço da terra de pastagem a incrementos de um desvio padrão nos preços das terras de lavoura, pastagem e mata. 0,1500 0,1000 0,0500 0,0000 1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

-0,0500 -0,1000

LnPTLavoura LnPTPastagem LnPTMata

-0,1500

Fonte: Dados da pesquisa.

Na Figura 6, apresentam-se os resultados da resposta do preço da terra de mata aos incrementos de um desvio padrão nos preços das terras de lavoura, pastagem e mata. Figura 6 – Resposta do preço da terra de mata a incrementos de um desvio padrão nos preços das terras de lavoura, pastagem e mata.

13

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

0,1500 0,1000 0,0500 0,0000 1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

-0,0500

LnPTLavoura LnPTPastagem LnPTMata

-0,1000 -0,1500

Fonte: Dados da pesquisa.

No período 1, o preço da terra de mata responde positivamente aos incrementos nos preços das terras de lavoura, pastagem e mata. Em resposta ao preço da terra de lavoura de um desvio padrão, o preço da terra de mata continua aumentando com trajetória parecida com o apresentado nas figuras anteriores até o 10o semestre, quando atinge o nível máximo de 10,88% de resposta. Com relação ao seu próprio preço, apresenta queda continua até atingir o valor mínimo de -10,68%, no 14o semestre. Em resposta ao preço da terra de pastagem, o preço cai a partir do segundo período, quando volta a aumentar até alcança a estabilização, no 12o semestre.

4. Conclusões O avanço da plantação de eucalipto e de sistemas agroflorestais, associados à regulação ambiental, fundiária e trabalhista na região de estudo, produziu o maior impacto sobre o aumento dos preços das terras de lavoura, pastagem e mata. O preço do boi gordo, entre as variáveis quantitativas, apresentou o segundo maior impacto positivo sobre os preços das terras de lavoura, pastagem e mata. Os efeitos de variações no preço do boi gordo sobre as terras de lavoura e pastagem foram unitários e mais que proporcional sobre o preço da terra de mata. O crédito rural por área de pastagem e por área de lavoura aparece na terceira posição dos impactos positivos sobre os preços das terras. As magnitudes dos impactos do crédito sobre os preços das terras ficaram entre 11% e 40% de suas variações. Quanto ao modelo de ajustamento dinâmico, alterações no preço da terra de lavoura tendem a induzir alterações, na mesma direção e, simultaneamente, nos preços das terras de lavoura, pastagem e mata. Por conseguinte, aumentos no preço da terra de pastagem tende a causar impactos na mesma direção nos preços das terras de lavoura e de pastagem. O preço da terra de mata, por sua vez, tende a influenciar em sentido contrario as alterações nos preços das terras de lavoura, de pastagem e de mata. O incremento anual do desmatamento apresentou o maior impacto negativo sobre os preços das terras de lavoura, pastagem e mata. A redução do incremento no desmatamento 14

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

tende a causar aumentos menos que proporcionais nos preços das terras. Portanto, o aumento da eficácia da regulação ambiental tende a aumentar os preços das terras na região estudada. O preço da soja apresentou correlação negativa com os preços das terras. A considerar a conjuntura do mercado de soja, que sinaliza para uma tendência de aumento, os preços das terras devem diminuir sua trajetória de alta, ceteris paribus. Por fim, todos os ajustamentos convergem para um ponto ótimo de estabilização em intervalo inferior a uma década, o que sugere que a aquisição de terras após o termino de contratos recentes não afetarão o equilíbrio do mercado. A manutenção e/ou ampliação das áreas de floresta, mediante redução do desmatamento e recomposição das áreas de RL e APP podem contribuir para a redução dos preços das terras de lavoura e de pastagem a médio e longo prazos. Portanto, é fundamental que a legislação torne-se cada vez mais eficaz na implantação, fiscalização e cumprimento de suas diretrizes.

Agradecimento Os autores agradecem à empresa Vale Florestar pelo financiamento do trabalho e a Fundação de Apoio à Pesquisa, Extensão e Ensino de Ciências Agrárias (FUNPEA) e à Universidade Federal Rural da Amazônia (UFRA) pela pelo estímulo aos professores praticarem a integração do ensino, pesquisa e extensão.

Referências bibliográficas AGRIANUAL. Anuário da Agricultura Brasileira. São Paulo: FNP, 1994-2011. ANUALPEC. Anuário da Pecuária Brasileira. São Paulo: FNP, 1997-2010. BRANDÃO, A. S. P. Mercado da terra e estrutura fundiária. In: BRANDÃO, A. S. P. (Ed.) Os principais problemas da agricultura brasileira: análise e sugestões. Rio de Janeiro: IPEA, 1988. p.139-179. EVIEWS. User’s guide. Irvine: QMS, 206. (versão 6.1) GREENE, W.I. Econometric analysis. New Jersey: Prentice Hall, 1997. PINDYCK, R. S.; RUBINFELD, D. L. Econometria: modelos e previsões. Rio de Janeiro: Elsevier, 2004. RESENDE, G. C. Ocupação agrícola, estrutura agrária e mercado de trabalho rural no cerrado: o papel do preço da terra, dos recursos naturais e das políticas públicas. In: HELFANO, S. M.; RESENDE, G. C. (Org.) Região e espaço no desenvolvimento agrícola brasileiro. Rio de Janeiro: IPEA, 2003. p.173-212. RESENDE, G. C. Crédito rural subsidiado e preço da terra no Brasil. Estudos Econômicos, v.12, n.2, p.117-138, 1982. SANTANA, A. C.; SANTOS, M. A. S.; SANTANA, Á. L. A dinâmica do mercado de terras nos estados do Maranhão, Pará e Tocantins In: SANTANA, A. C. Mercado, cadeias produtivas e desenvolvimento rural na Amazônia. Belém, PA : UFRA, 2014, v.1, p. 21-40. SANTANA, A. C.; SANTANA, Á. L.; SANTOS, M. A. S. Influência do desmatamento no mercado de madeira em tora da região Mamuru-Arapiuns, Sudoeste do Pará. Revista de Ciências Agrárias, v.54, p.44 - 53, 2011. SANTANA, A. C. Integração recente do mercado de frutas no estado do Pará: análise de cointegração e causalidade. In: SANTANA, A. C. et al. Análise sistêmica da fruticultura paraense: organização, mercado e competitividade empresarial. Belém: Banco da Amazônia, 2008. p. 227-255. 15

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural

SANTANA, A. C. Métodos quantitativos em economia: elementos e aplicações. Belém: UFRA, 2003. SANTANA, A. C. Agregação de valor na cadeia produtiva da pecuária de corte no estado do Pará. In: SANTANA, A. C.; AMIN, M. M. Cadeias produtivas e oportunidades de negócio na Amazônia. Belém: UNAMA, 2002. p.71-156. SANTANA, A. C.; SANTOS M. A. O mercado de caupi no Estado do Pará: aplicação do Método dos Momentos Generalizados. Revista de Ciências Agrárias, Belém, n. 34, p. 47-58, jul./dez. 2000. SAYAD, J. Crédito rural no Brasil: avaliação das criticas e das propostas de reforma. São Paulo: Pioneira, 1984. SINS, C. A. Macroeconomics and reality. Econometrica, v.48, n. 1, p.1-48, 1980.

16

João Pessoa - PB, 26 a 29 de julho de 2015 SOBER - Sociedade Brasileira de Economia, Administração e Sociologia Rural