Determinantes Da Inflação em Angola: Luanda, 2012

DETERMINANTES DA INFLAÇÃO EM ANGOLA
Luanda, 2012
Os Trabalhos para Discussão (Working Papers) são trabalhos em evolução, cuja
publicação visa incentivar o debate e o aprofundamento dos temas tratados. Os pontos
de vista expressos são os dos seus autores e não reflectem, necessariamente, os do
Banco Nacional de Angola, nem vinculam de qualquer forma esta Instituição.
Ficha Técnica
Título: Determinantes da Inflação em Angola
Autores: José Luís Carvalho, Martine Emma Dias dos Santos, Leonardo Dia Kiesse Massala
Série: Working /Discussion Paper, n.º /2012
Editor: Departamento de Estudos Económico -Banco Nacional de Angola
Avenida 4 de Fevereiro- Luanda- Angola- Caixa Postal 1243
Índice
Resumo
A. Sumário Executivo .................................................................................................. 5

B. Introdução .............................................................................................................. 10
C. Descrição Estatística da Taxa de Variação do IPC ............................................ 10
D. Fundamentação Teórica dos Determinantes da Inflação ................................... 14
E. Modelos e Resultados ............................................................................................ 15
F. Modelos Alternativos ............................................................................................ 20
G. Resumo e Conclusões ............................................................................................ 28
H. Anexos ..................................................................................................................... 32
I. Referências Bibliográficas .................................................................................... 34
Este Trabalho para Discussão (Working Paper)não deve ser citado como representando as
opiniões do Banco Nacional de Angola. As opiniões expressas neste trabalho são exclusivamente
dos autores e não reflectem, necessariamente, a visão do Banco Nacional de Angola.
Resumo
O objectivo do presente trabalho é o de identificar os principais determinantes da
inflação. A despeito da vasta literatura associada à compreensão de processos
inflacionários, opta-se por usar um modelo simples, conforme Harberger – Hanson pela
maior exigência, em termos de dados estatísticos que caracterizam modelos mais
sofisticados. Baseado na teoria quantitativa da moeda, Harberger (1963) conduziu um
trabalho sobre a inflação de preços no Chile, o qual se tornou referência para estudos
desse tipo. Hanson (1985) estendeu o modelo de Harberger de modo a incorporar o
custo das importações, um elemento importante e particularmente relevante no caso de
Angola. Como o modelo Harberger - Hanson é de longo prazo, tenta-se, por meio
empírico, pela introdução de desfasagens distribuídas, obter os efeitos sobre a inflação
provocados por mudanças nas variáveis explicativas ao longo do tempo.
Palavras chaves: Inflação de preços; Determinantes da inflação.

A. Sumário Executivo
Este trabalho tem como objectivo, estudar os determinantes da inflação. Em primeiro

lugar, tentou-se perceber melhor a serie da inflação. Para o efeito, fez-se uma descrição
estatística do Índice de Preços em Luanda (IPC) para uma amostra mensal
compreendendo o período 2000 - 2011, e pode-se verificar que até meados de 2004, a
taxa de variação mensal do IPC era relativamente elevada e apresentava significativa
volatilidade, a partir de então, a sua variação relativa passa a ser quase metade da
observada naquele período. Uma análise mais detalhada da série, para um período mais
longo (1996 a 2011) por meio de correlogramas e correlogramas parciais, revelou a
presença de um componente de médias móveis de elevada ordem, de um fenómeno
sazonal e de um processo AR(1).
A metodologia do trabalho foi inspirada do trabalho de Harberguer. Baseado na teoria
quantitativa da moeda, Harberger (1963) conduziu um trabalho sobre a inflação de
preços no Chile, o qual se tornou referência para estudos desse tipo. Hanson (1985)
estendeu o modelo de Harberger de modo a incorporar o custo das importações, um
elemento importante e particularmente relevante no caso de Angola. A despeito da vasta
literatura associada à compreensão de processos inflacionários, opta-se por usar um
modelo simples, conforme Harberger – Hanson pela maior exigência, em termos de
dados estatísticos que caracterizam modelos mais sofisticados.
O modelo Harberger - Hanson, partindo da equação de trocas desemboca em uma única
equação que fornece uma decomposição da taxa de inflação segundo um modelo de
longo prazo:
Dpt = c0 +c1Dmt + c2Dpit +c3Dwt + c4D(It-1) +εt,
onde as letras minúsculas indicam que a variável foi transformada por logaritmo e a
letra D que antecede a variável representa sua primeira diferença. As variáveis que
caracterizam a equação a ser estimada são:
Pt = índice geral de preços,
Mt = agregado monetário;
PIt = índice de preços dos insumos importados;
Wt = índice de preços de insumos domésticos;
It-1 = taxa de inflação do período anterior;
εt = perturbação aleatória.
As variáveis PI e W, juntamente com P correspondem ao índice de produto real pelo
uso da correspondente função de custos (teorema da dualidade). Essa aproximação
decorre da ausência de estatísticas mensais sobre o PIB real para as economias
estudadas pelos autores. Alternativamente à taxa de inflação do período anterior,
aproximação para o custo de reter moeda, os autores consideram a possibilidade do uso
de uma taxa de juros.
Assim este trabalho adoptou também a especificação definida pela equação acima.
Entretanto, ao longo da análise, ajustamentos e adaptações foram feitas e suas razões
explicadas. Nem todas as variáveis definidas no modelo teórico estão disponíveis em
Angola, assim, nesses casos aproximações foram usadas. O período amostral
compreende Janeiro de 2000 a Dezembro de 2011, com periodicidade mensal:
Pt = IPCt com base em Dezembro de 2001. A taxa de inflação medida pela
diferença dos logaritmos do IPC, identificada como DLOG(IPC) corresponde a
Dpt na equação;
Mt = Agregado monetário. Análises foram conduzidas para os dois principais
agregados monetários, M1 e M2. Definida na equação acima como Dmt, foi
identificada por DLOG(M1) ou DLOG(M2);
PIt = Índice de preços de produtos importados. Na ausência dessa informação,
uma média ponderada do IPG dos principais parceiros comerciais de onde se
originam as importações de Angola, foi usada, adoptando-se como pesos a
importância relativa normalizada das correspondentes importações. Essa
variável que está especificada na equação como pit é a taxa de variação desses
preços medida pela diferença dos logaritmos identificada por DLPI;
Wt = Índice de custo dos recursos domésticos. Na ausência dessa informação,
sugere-se o uso da taxa de câmbio Kz / US$. Representada por DLOG(TXC_M)
que corresponde à variação percentual na taxa nominal de câmbio (média
mensal) calculada pela diferença logarítmica;
Pt-2 = Variação no IPC registrada dois período antes do actual. Na formulação de
Harberger a desfasagem é de um mês. Considerando que, em Angola, no início
do mês as últimas informações sobre a variação no IPC se referem a dois
períodos passados, foi considerada essa desfasagem para que a percepção do
custo de oportunidade de se manter moeda se reflicta nessa variável desfasada.
Com as devidas adaptações, a equação sugerida pelo modelo Harberger - Hanson foi
estimada para duas definições alternativas de moeda, M1 e M2. O estudo dos resíduos
originários dessas regressões indicaram a existência de um claro processo estocástico
remanescente. Com o objectivo de tentar obter coeficientes mais robustos para as
variáveis explicativas incorporou-se a cada uma das regressões o identificado processo
estocástico correspondente aos respectivos resíduos da regressão original. Assim,
isolando-se os efeitos do processo estocástico remanescente nos resíduos, espera-se
melhorar a qualidade da informação sobre as relações entre as variáveis explicativas e a
que se está a estudar.
Entretanto, esses processos estocásticos pouco ajudam na compreensão da dinâmica do
processo de ajustamento associado ao fenómeno analisado. Além disso, é importante
destacar que se há um ganho na qualidade dos estimadores, em decorrência do ajuste de
um processo estocástico aos resíduos, há também um aumento de incerteza quanto à
relação estudada, pois o processo estocástico introduzido, geralmente absorve grande
parte da variância do fenómeno estudado. Deste modo, torna-se inevitável a busca por
modelos alternativos de modo a entender o papel dos determinantes da inflação.
Como já observado, o modelo básico está lastreado em uma relação de longo prazo e
foi necessário procurar encontrar, empiricamente, o processo de ajustamento que
estaria a ocorrer no curto prazo. Para tanto, as variáveis explicativas foram submetidas a
desfasagens no tempo de modo a se captar os ajustamentos dinâmicos (esses resultados
são identificados adjectivando o modelo de dinâmico).
Além dessa preocupação com os ajustamentos de curto prazo, devido aos pobres
resultados empíricos (estatisticamente não significativos) apresentados pela variável
adoptada para captar os preços dos insumos importados, procurou-se substituí-la por
uma outra variável que pudesse representar o efeito desses insumos sobre os custos
domésticos. Assim, foi construída a variável TTPI_PETRO, dada pela taxa de variação
do índice de preços a grosso nos países que mais exportam para Angola, diminuída da
taxa de variação no preço do petróleo, principal produto de exportação do País. A
desfasagem dessa variável foi determinada empiricamente.
O custo de reter moeda foi, também de forma alternativa, representado por uma taxa de
juros. Como as várias taxas de juros existentes em Angola são altamente
correlacionadas, não foi possível usar em uma mesma regressão duas taxas de juros.
Assim, foram usadas, alternativamente as taxas TBC91 e TBC63.
Os resultados obtidos com o modelo básico estão reproduzidos na tabela abaixo:
Resumo dos resultados produzidos pelo modelo básico
Modelo básico
Sem correcção nos resíduos Com correcção nos resíduos
M1 M2 M1 M2
R2 0,5302 0,6065 0,8945 0,8982
C 0,0076 0,0060 0,0126 0,0129
DLOG(M1) 0,0632 0,0139
DLOG(M2) 0,1189 0,0282
DLOG(TXC) 0,2928 0,2439 0,1816 0,1665
DLOG(PI) -0,0630 -0,1374 0,0071 -0,0670

DLOG(IPC(-2)) 0,4580 0,4598 0,3938 0,3885
MA(1) 0,0226 0,0200
MA(8) 0,9778 0,9773
SMA(12) 0,2073 0,2092
Valores em vermelho não são estatisticamente significativos. Os valores em italic são significativos a 10%.
Observa-se que variações no agregado monetário têm, contemporaneamente, um
pequeno impacto sobre a variação no IPC. Entretanto, esse impacto é bastante diferente
quando o agregado monetário considerado é M1 ou M2. O agregado M2 provoca o
dobro do impacto de M1 sobre a variação do IPC. A inércia do processo inflacionário
repousa, nesse modelo, no custo de reter moeda aqui representado pela variação de
preços desfasada de dois períodos. Os coeficientes estimados implicam em uma
transferência de 45% dessa variação desfasada para a variação de preços observada no
período. Similarmente, desvalorizações cambiais são transferidas aos preços em 30%
(se M1 é usado) ou 25% conforme o agregado monetário considerado. O coeficiente da
variável usada para captar as flutuações de custo dos recursos importados não
apresentou significância estatística.
As correcções nos resíduos reduzem substancialmente o impacto das variáveis
explicativas, levantando a questão sobre a estabilidade das estimativas dos
correspondentes parâmetros. Por meio da introdução, de forma empírica, do processo de
ajustamento se procura obter mais informações sobre os valores dos coeficientes das
variáveis adoptadas na explicação do processo inflacionário.
A próxima tabela apresenta os resultados da introdução empírica de um processo
dinâmico. São quatro resultados decorrentes do uso de dois conceitos de agregado
monetário e de duas taxas de juros.
Resumo dos resultados obtidos com o modelo dinâmico
Modelo dinâmico sem correcção nos resíduos
Taxa de juros = TBC_91 Taxa de juros = TBC_63
M1 M2 M1 M2
R2 0,7471 0,7462 0,6227 0.656275
C 0,0051 0,0046 0,0021 0.000613
DLOG(M1) 0,0407 0,0923
DLOG(M1(-5)) 0,0314 0,0440
DLOG(M2) 0,0522 0.1581
DLOG(M2(-1)) 0,0326 0.0416
DLOG(TXC(-2)) 0,3229 0,3118 0,2046 0.2092
TTPI_PETRO(-2) 0,0331 0,0317 0,0398 0.0348
Taxa de juros 0,0002 0,0002 0,0002 0.0002
DLOG(IPC(-2)) 0,0729 0,0586 0,2719 0.2303
Valores em vermelho não são estatisticamente significativos. Os valores em itálico são significativos a 10%.
Observa-se a redução do impacto contemporâneo da expansão monetária. Um aumento

em um ponto percentual, quer seja em M1 ou em M2, produz contemporaneamente uma
variação na mesma direcção de aproximadamente 0,05 ponto percentual nos preços
quando a taxa de juros usada é a de 91 dias. Para a taxa de 63 dias, os impactos
monetários sobre os preços são bem menores. Quando o agregado monetário
considerado é M1 o impacto de sua variação no tempo é mais duradouro, uma vez que
variações em M1 há cinco períodos tem efeito sobre a actual variação de preços.
Quando M2 é considerado, a desfasagem máxima encontrada foi de um período. Ao
considerar o preço dos insumos internacionais em relação ao preço do petróleo, essa
variável é significativa com uma desfasagem de dois períodos. Seu coeficiente é
razoavelmente estável e nas quatro estimativas varia de 0,0317 a 0,0398. O mesmo se
observa para a taxa de juros; nas quatro formulações que consideram duas diferentes
taxas de juros, seu impacto sobre os preços é o mesmo: para cada um ponto percentual
de aumento na taxa de juros, os preços aumentam em 0,02 ponto percentual.
O impacto da taxa de câmbio desfasada em dois períodos é praticamente o mesmo quer
se utilize M1 ou M2. Entretanto, seu coeficiente é cinquenta porcento maior quando a
taxa de juros é a 91 dias. Nesse caso, seu coeficiente está em torno de 0,32, similar ao
valor estimado para o modelo básico.
Com a correcção nos resíduos, conforme apresentado na tabela abaixo, os efeitos da
expansão monetária passam a ser maiores para a taxa de juros de 63 dias. O mesmo
ocorre para a taxa de câmbio. De um modo geral, a contribuição de todas as variáveis,
avaliada pelos seus coeficientes, é reduzida, excepto para o IPC desfasado de dois
períodos, cujo coeficiente varia de 0,28 a 0,47.
Resumo dos resultados obtidos com o modelo dinâmico com ajuste nos resíduos
Modelo dinâmico com correcção nos resíduos
M1 M2 M1 M2
R2 0,8178 0,8296 0,8130 0,8017
C 0,0028 0,0016 0,0016 -0,0010
DLOG(M1) 0,0368 0,0772
DLOG(M1(-5)) 0,0196 0,0166
DLOG(M2) 0,0731 0,1068
DLOG(M2(-1)) 0,0201 0,0535
DLOG(TXC(-2)) 0,1577 0,1234 0,2370 0,1316
TTPI_PETRO(-2) 0,0205 0,0162 0,0279 0,0262
Taxa de juros 0,0002 0,0002 0,0002 0,0001
DLOG(IPC(-2)) 0,3378 0,3624 0,2786 0,4690
MA(1) 0,1024
MA(2) -0,5101
MA(3) -0,3033 -0,3165 0,1959
MA(6) 0,0195
MA(8) 0,4525 0,5260
MA(10) -0,3285 -0,2247 -0,8065 -0,4899
SMA(12) 0,2804
B. Introdução
1. Desde a década de noventa, a convivência com altas taxas de inflação de preços tem sido
uma das características da economia angolana. A inflação de preços, definida como sendo um
aumento contínuo, generalizado do nível geral de preços, ou seja uma perda progressiva do
poder de compra da moeda, atinge a todos mesmo que não seja de forma igual. A inflação gera
custos económicos bem como sociais, pelo que o Governo Angolano, como a maioria dos
Governos, tem-se preocupado com este fenómeno, tentando de várias formas lutar contra ele
através, fundamentalmente, da implementação de políticas monetária, cambial e fiscal. No
entanto, para lutar de forma eficaz contra qualquer fenómeno é preciso conhecer os factores que
o provocam. Nesta ordem de ideias, o presente trabalho pretende identificar os principais
determinantes da inflação em Angola através de modelos econométricos;
2. No Ponto C, a inflação medida pela variação do Índice de Preços no Consumidor (IPC) é

estatisticamente examinada. No Ponto D, a fundamentação teórica é apresentada. A seguir, no
Ponto E, são apresentados os modelos e seus resultados e por fim as conclusões no Ponto F;
C. Descrição Estatística da Taxa de Variação do IPC
3. O Índice de Preços no Consumidor (IPC), mede níveis e mudanças de preços de uma cesta
padrão de bens e serviços comprados por uma família num dado período e local de referência. É
de realçar que o IPC não reflecte o custo de vida de determinado individuo em determinado
momento, já que cada um tem o seu padrão de consumo;
4. Em Angola, o IPC é calculado pelo Instituto Nacional de Estatística. Este índice representa
apenas a Cidade de Luanda, estando neste momento a ser desenvolvido o Índice de Preço no
Consumidor Alargado (IPCA);
5. O IPC de Luanda é calculado mediante a fórmula de Laspeyres, isto é, uma média ponderada
dos preços relativos multiplicados pela sua ponderação que corresponde ao período de base;
A fórmula de Laspeyres:
n
 Pit Qi0
i 1
I t0 = n
 Pi0 Qi0
i=1
Onde:
I t/0 = Índice no período "t", com respeito ao período base "0".
Pit = Preço da variedade "i" no período "t”.
P i0 = Preço da variedade "i" no período base "0”.
Q i0 = Quantidade consumida da variedade "i" no período base “0”
n = número total de variedades
6. A tabela 1 abaixo, representa a estrutura IPC, dividida em 12 grandes classes. A classe

Alimentação e Bebidas Não-Alcoólicas tem o maior peso nesta estrutura, o que significa que
factores que afectam esta classe devem dominar a variação do IPC;
Tabela 1: Estrutura do IPC por Classe 2010

Classe Ponderação-2010
1-Alimentação e Bebidas Não-Alcoólicas 43,95
2-Bebidas Alcoólicas e Tabaco 2,66
3-Vestuário e Calçados 6,50
4-Habitação, Água, Electricidade, Gás e Combustíveis 12,50
5-Mobiliário, Equipamento Doméstico e Manutenção 5,98
6-Saúde 3,40
7-Transporte 7,93
8-Comunicações 3,33
9-Lazer, recriação e cultura 2,24
10-Educação 2,45
11-Hotéis, Cafés e Restaurantes 3,03
12-Bens e Serviços Diversos 6,03
7. Os altos níveis de inflação registados a partir dos anos noventa geraram uma situação crónica
e insustentável, visto o seu custo social e económico. Com objectivo de ultrapassar tal situação,
o Governo angolano, em Agosto de 2003, lança o programa de Estabilidade Macro-económico
baseado principalmente num maior rigor orçamental e no controlo da taxa de câmbio. Tais
medidas surtiram efeitos, tendo a inflação passado de 105,60% em 2002 para 76,57% em 2003,
reduzindo-se de mais de metade em 2004 (31,02%) e continuando o seu comportamento
decrescente em 2005 com uma taxa de 18,53% e desde então situando-se em taxas entre cerca
de 15% e 11%;
Gráfico 1: inflação 12 meses em Angola
4000
3500
3000
2500
2000
1500
1000
500
0
1992M12
1993M12
1994M12
1995M12
1996M12
1997M12
1998M12
1999M12
2000M12
2001M12
2002M12
2003M12
2004M12
2005M12
2006M12
2007M12
2008M12
2009M12
2010M12
2011M12
8. No Gráfico 2 abaixo, olhando para os dados a partir de 2000, pode-se verificar que até
meados de 2004, a taxa de variação mensal do IPC era relativamente elevada e apresentava
significativa volatilidade. A partir de então, a sua variação relativa passa a ser quase metade da
observada naquele período;
Gráfico 2: Inflação mensal de Angola
0,3
0,25
0,2
0,15
0,1
0,05
0
2000…
2001…
2002…
2003…
2000…
2001…
2002…
2004…
2004…
2005…
2005…
2006…
2007…
2007…
2008…
2008…
2009…
2009…
2010…
2011…
2011…
9. As estatísticas apresentadas na Tabela 2 deixam claro que houve, de facto, uma mudança
significativa no processo inflacionista;
Tabela 2: Estatísticas Resumo: Variação Mensal do IPC de Luanda (2000 – 2011)
Períodos
2000m02 - 2011m12 2000m02 - 2004m05 2004m6 - 2011m12
Estatísticas
Média 0,0308 0,0651 0,0112
Mediana 0,0142 0,0535 0,0100
Máximo 0,2514 0,2514 0,0232
Mínimo 0,0063 0,0149 0,0063
Desvio Padrão 0,0358 0,0407 0,0041
Coef. De Variação 1,1609 0,6251 0,3638
Observações 143 52 91
10. Uma análise mais detalhada da série, para um período mais longo (1996 a 2011) pode
ser feita por meio de correlogramas e correlogramas parciais. Como a série não é estacionária, o
IPC foi transformado por primeira diferença, a qual tomada em logaritmo fornece a taxa de
variação percentual do índice, isto é, a taxa de inflação de preços;
11. A Figura 1 abaixo apresenta tanto o correlograma (a) quanto o correlograma parcial (b) das
variações mensais do IPC para o período amostral. O correlograma apresenta valores elevados e
que assim permanecem para desfasagens mais longas, a indicar a existência de um componente
de médias móveis de elevada ordem. O movimento ondular aparente no correlograma é uma
indicação da presença de um fenómeno sazonal. O correlograma parcial, com seu valor mais
elevado para a desfasagem de ordem um, sugere a presença de um processo AR (1),
possivelmente sobreposto pelo componente sazonal;
Figura 1: Variação mensal do IPC-Luanda - Correlogramas
(a)
(b)
D. Fundamentação Teórica dos Determinantes da Inflação
12. Baseado na teoria quantitativa da moeda, Harberger (1963) conduziu um trabalho sobre a
inflação de preços no Chile, o qual se tornou referência para estudos desse tipo. Hanson (1985)
estendeu o modelo de Harberger de modo a incorporar o custo das importações, um elemento
importante e particularmente relevante no caso de Angola;
13. Com base na vasta literatura associada à compreensão de processos inflacionários, opta-se
por usar um modelo simples, conforme Harberger – Hanson pela maior exigência, em termos de
dados estatísticos que caracterizam modelos mais sofisticados. Um exemplo do pequeno ganho,
pelo uso de métodos mais sofisticados, para a compreensão do fenómeno a ser estudado pode
ser encontrado em Klein – Kiei (2009);
14. Pela teoria quantitativa da moeda, tem-se que:
(1) MV = PQ,
15. Onde M é stock de moeda; V é sua velocidade de circulação; P é o nível de preços e Q é o
produto real da economia. Na versão original da equação de trocas, V era considerada constante.
Entretanto, o que é necessário é que V seja estável. Na realidade, o inverso de V é a demanda
por moeda por unidade de produto:
16. Assim, a estabilidade de V, e não sua constância, representa a estabilidade da demanda por
moeda, isto é, a demanda por moeda resulta de um comportamento dos agentes económicos e,
portanto, V é uma função previsível de outras variáveis macroeconómicas que reflictam o custo
de reter moeda;
17. De modo a trabalhar com as variações percentuais e não os níveis das variáveis consideradas,
Harberger transforma (1) aplicando logaritmo e o operador de diferença D, tal que, Dxt = xt – xt-
1. Letras minúsculas representam as mesmas variáveis transformadas por logaritmo. Assim, (1)
pode ser escrita como:
(2) Dpt = Dmt – Dqt + Dvt.
18. Uma vez que (1/V) é a própria demanda por moeda, Harberger substitui vt por uma variável
que represente o custo de oportunidade de se reter moeda, por exemplo, taxa de juros ou a taxa
de inflação no período imediatamente anterior. Harberger adopta a taxa de inflação em
substituição a v. Essa aproximação é particularmente importante quando a taxa nominal de
remuneração da poupança é fixada por regulamentação, de modo que o principal custo de reter
moeda é a perda de seu poder de compra;
19. Numa economia na qual o mercado financeiro opere com flexibilidade e séries estatísticas de
taxas de juros estejam disponíveis, vt em (2) pode ser aproximada pela taxa de juros mais
relevante. No caso de Angola, pelas características das opções de poupança abertas aos agentes
económicos, a adopção da inflação passada representa melhor o custo de oportunidade de reter
moeda. Isso, entretanto, não exclui a possibilidade de uso de uma taxa de juros que reflicta o
custo de oportunidade de se reter moeda;
20. Desse modo, Harberger sugere, para a análise da inflação no Chile, a seguinte regressão:
(3) Dpt = a0 + a1Dmt + a2Dqt + a3 D(It-1) + µt,
onde, m e q já foram definidas, µt é a perturbação aleatória, It-1 é a taxa de inflação do período
anterior e, portanto, a variável escolhida para aproximar v.
21. Conforme a equação (1) os parâmetros a1 e a3 devem ser positivos enquanto a2 deve ser
negativo. Além disso, (1) estabelece que se as desfasagens em m e q que aparecem em (3) forem
contemporâneas, em valor absoluto, a1 e a3 devem ser iguais à unidade;
22. Nem sempre, séries de produto com periocidade inferior a um ano estão disponíveis. Assim,
introduziu-se uma função de produção agregada, homogénea de grau um, para então substituir
em (3) o produto (q) por essa função, desde que as variáveis que a caracterizam estejam
disponíveis na periodicidade desejada. Com a hipótese de homogeneidade de grau um para a
função de produção, a correspondente função custo será homogénea de grau zero nos preços dos
insumos e do produto;
23. Por ser adequada às condições de Angola, adopta-se a sugestão de Hanson (1985) de
considerar os insumos importados além dos recursos domésticos. Assim, se pode explicar, pela
correspondente função custo, as variações no produto real em termos de preços dos insumos,
importados (pi) e domésticos (w) assim como do preço do produto (p):
(4) Dqt = b0 + b1Dpt + b2Dpit + b3Dwt + ηt,
onde ηt, é a perturbação aleatória e as demais variáveis como definidas acima. Como por
hipótese, a função custo é homogénea de grau zero nos preços, devemos ter que b1 + b2 + b3 = 0.
Note que enquanto b1 > 0, os coeficientes dos insumos (b2 e b3) devem ser negativos.
Introduzindo (4) em (3) obtém-se:

(5) (1 – a2b1)Dpt = (a0 + a2b0) + a1Dmt + a2b2Dpit +
+ a2b3Dwt +a3D(It-1) + υt.
24. Reescrevendo (5) num formato mais apropriado para estimação [dividindo ambos os lados
da igualdade por (1 – a2b1) e renomeando os coeficientes]:
(6) Dpt = c0 +c1Dmt + c2Dpit +c3Dwt + c4D(It-1) +εt.
Excepto pela constante, todos os coeficientes devem ser positivos e o coeficiente de
Dmt deve ser menor que a unidade.
25. A equação (6) fornece uma decomposição da taxa de inflação segundo um modelo de longo
prazo, conforme explicitado pela equação de trocas. Entretanto, os efeitos das mudanças nos
componentes sobre a inflação são transmitidos ao longo do tempo. Como esse tempo não foi
determinado pelo modelo adoptado, a sua caracterização se dará empiricamente. Assim, várias
experiências serão conduzidas de modo a caracterizar-se o mecanismo de transmissão de
choques nas variáveis explicativas sobre a inflação de preços. Isso será feito pela introdução de
desfasagens distribuídas;
26. É importante notar que ao estimar-se a equação (6), considera-se que as variáveis
explicativas sejam exógenas. Isso na realidade não é estritamente correto, mas por simplicidade
as análises serão feitas sob essa hipótese e testes de causalidade serão conduzidos de modo a
verificar a importância empírica dessa suposição. Ainda com relação à estimação da equação
(6), espera-se que o uso de diferenças em logaritmos evite o problema de correlação espúria;
E. Modelos e Resultados
27. O objectivo deste trabalho é estudar os determinantes da inflação de preços em Angola por
meio da especificação definida pela equação (6). Ao longo da análise, ajustamentos e
adaptações serão feitos e as suas razões explicadas. Nem todas as variáveis definidas no modelo
teórico estão disponíveis em Angola. Assim, nesses casos algumas aproximações foram usadas.
O período da amostra compreende Janeiro de 2000 a Dezembro de 2011, com periodicidade
mensal;
E.1 Modelos Básicos
28. Nos modelos básicos, foram utilizados os seguintes dados:

a) A taxa de inflação medida pela diferença dos logaritmos do IPC, identificada como
DLOG(IPC) corresponde a Dpt na equação (6). O IPCt (Pt) com base em Dezembro
de 2011, é calculado pelo INE;
b) A taxa de variação percentual dos agregados monetários medida pela diferença dos
logaritmos dos referidos agregados. Análises serão conduzidas para os dois
principais agregados monetários, M1 e M2. Definida em (6) como Dm1 e Dm2, e
identificados por DLOG(M1) e DLOG(M2). Os agregados monetários são dados
obtidos do Banco Nacional de Angola (BNA);
c) A taxa de variação percentual da média ponderada do Índice de Preços no Produtor

dos principais parceiros comerciais de onde se originam as importações de Angola
(PIt ), usando como pesos, a importância relativa normalizada das correspondentes
importações. Optou-se para tal indicador devido à ausência de um Índice de preços
de produtos importados. PIt resulta da diferença dos logaritmos e será identificada
por DLPI. Os Índices de Preços no Produtor têm como fonte o FMI;
d) A variação percentual da taxa de câmbio média US$/Kz, calculado através da

diferença logarítmica desta variável. A variável é representada por
DLOG(TXC_M). O indicador em questão foi utilizado em substituição do Índice
de custo dos recursos domésticos (Wt) devido a ausência desta informação. A ideia
de substituir o Wt pela taxa de câmbio, baseia-se no facto de que Angola tem uma
economia dolarizada, onde formalmente ou informalmente, contratos, salários e
outros preços são indexados à taxa de câmbio. A taxa de câmbio provém do BNA;
e) Variação no IPC registrada dois períodos antes do actual (Pt-2 ). Na formulação de

Harberger a desfasagem é de um mês. Considerando que, em Angola, no inicio do
mês as últimas informações sobre a variação no IPC se referem aproximadamente a
dois períodos passados, será considerada essa desfasagem para que a percepção do
custo de oportunidade de se manter moeda se reflicta nessa variável desfasada.
29. Todas as variáveis explicativas, com excepção dos preços externos, apresentam correlação
significativa com a inflação. Como esperado a correlação de longo prazo é maior.
Tabela 3: Correlação entre a inflação e as outras variáveis
Correlação mensal Correlação anual

TVIPC TVIPC
TVM2 0.475 0.928
TVM1 0.350 0.879
TVPI 0.007 -0.019
TVTXC 0.654 0.964
TVIPCD2 0.698 0.991
30. Apesar de apresentar uma correlação baixa e ambígua em termos de sinal, os preços externos
foram mantidos nos modelos básicos, acreditando de forma intuitiva que sejam um factor da
inflação em Angola, pelo facto do país importar a maioria dos produtos consumidos;
31. Graficamente (ver anexo), pode-se observar que as variáveis que melhor reproduzem o
comportamento da inflação homóloga, durante o período em análise, são a taxa de câmbio e a
inflação desfasada de dois períodos;
32. A equação (6) foi estimada considerando, alternativamente os agregados monetários M1
e M2. As Tabelas 4 e 5 apresentam as estimativas para os parâmetros da equação (6) com M1 e
M2 alternativamente;
Tabela 4: Determinantes da Inflação de Preços em Angola:
Modelo básico (com M1)

(Amostra ajustada: Fevereiro de 2000 a Dezembro de 2011)
Variável dependente: DLOG(IPC)
Variável Coeficiente Erro Pad. t-Estat. Prob.
C 0,007638 0,003037 2,515198 0,0130

DLOG(M1) 0,063238 0,028097 2,250660 0,0260
DLOG(TXC) 0,292830 0,064477 4,541594 0,0000
DLOG(PI) -0,062954 0,450387 -0,139778 0,8890
DLOG(IPC(-2)) 0,458024 0,066402 6,897726 0,0000
R-squared 0,530248 Mean dependent var 0,030454

Adjusted R-squared 0,516432 S,D, dependent var 0,035581
S,E, of regression 0,024742 Akaike info criterion -4,525775
Sum squared resid 0,083258 Schwarz criterion -4,421209
Log likelihood 324,0671 Hannan-Quinn criter, -4,483283
F-statistic 38,37862 Durbin-Watson stat 2,375239
Prob(F-statistic) 0,000000
Método: Mínimos quadrados ordinários. Número de observações: 143
33. Os resultados da regressão, quando se usa o agregado M1 apresentam uma aderência pouco
superior a 50%. Excepto o preço internacional, cujo coeficiente não apresenta significância
estatística e nem o sinal esperado, todas as demais variáveis têm os seus coeficientes
estatisticamente diferentes de zero, sob os graus de significância usualmente utilizados (1% ou
5%) e aparecem com o sinal previsto pela teoria. Sob as condições desse modelo, uma expansão
mensal em M1 de um ponto percentual produzirá, no mesmo mês, uma alta na inflação de 0,06
pontos percentuais. O impacto da taxa de câmbio, usada para aproximar o custo dos recursos
domésticos é quase quatro vezes maior: aproximadamente 0,3 pontos percentuais de aumento na
inflação para cada ponto percentual de variação no câmbio. A inflação do mês cuja informação
está disponível no início do corrente mês, isto é dois períodos antes do actual, a indicar o custo
de reter moeda, tem efeito superior ao do câmbio. Um aumento nos preços em um ponto
percentual, é carregado dois meses adiante em cerca de metade desse aumento;
Modelo básico (Com M2)

(Amostra ajustada: Fevereiro de 2000 a Dezembro de 2011)
Variável Coeficiente Erro Padr. t-Estatística Prob.
C 0,005997 0,003018 1,987020 0,0489

DLOG(M2) 0,118940 0,034648 3,432785 0,0008
DLOG(TXC) 0,243890 0,065882 3,701924 0,0003
DLOG(PI) -0,137438 0,436028 -0,315206 0,7531
DLOG(IPC(-2)) 0,459770 0,064880 7,086489 0,0000

S.E. of regression 0,022774 Akaike info criterion -4,692027
Método: Mínimos quadrados ordinários, Número de observações: 143
34. Os resultados obtidos quando o agregado monetário é M2 são similares aos descritos quando
o agregado M1 é utilizado. Nota-se que em ambos os casos, a estatística DW é superior a 2,
indicando que os resíduos apresentam pelo menos correlação de primeira ordem. Na realidade, o
correlograma e o correlograma parcial dos resíduos indicam claramente a presença de
componentes sistemáticos;
35. O estudo dos resíduos originários dessas regressões indicaram a existência de um claro
processo estocástico que poderia ser representado por:
εt = (1 – θ1B – θ8B8) (1 - ϴB12) ωt.
36. Introduzindo esse processo sazonal (ordem 12) de médias móveis (ordem 8) na especificação
do modelo foram obtidos os resultados reproduzidos nas Tabelas 6 e 7;
37. A aderência dos modelos assim especificados eleva-se para a marca dos noventa porcento.
Na regressão onde o agregado monetário é M1, o seu coeficiente apresenta-se estatisticamente
significante a nível de 10%, enquanto que quando se adopta M2, o seu coeficiente é
estatisticamente significante. O coeficiente da variável preço internacional permanece, nas duas
versões, sem significância estatística;
Modelo básico com correcção nos resíduos (Com M1)

(Amostra ajustada: Fevereiro de 2000 a Dezembro de 2011 – M2)
Varável Coeficiente Erro Padr. t-Estatística Prob.
C 0,012632 0,002558 4,938851 0,0000

DLOG(M1) 0,013917 0,007680 1,812212 0,0722
DLOG(TXC) 0,181568 0,027771 6,538123 0,0000
DLOG(PI) 0,007075 0,117230 0,060348 0,9520
DLOG(IPC(-2)) 0,393812 0,051673 7,621253 0,0000
MA(1) 0,022615 0,010035 2,253560 0,0258
MA(8) 0,977800 0,005935 164,7463 0,0000
SMA(12) 0,207325 0,052144 3,976024 0,0001

Método: Mínimos quadrados ordinários. Número de observações: 143. Convergência após 15 iterações.
MA Backcast: 1998M06 2000M01. O Inverso de todas as raízes do MA estão dentro do círculo de raio unitário.
Modelo básico com correcção nos resíduos (Com M2)

(Amostra ajustada: Fevereiro de 2000 a Dezembro de 2011 – M2)
C 0,012868 0,002513 5,120981 0,0000

DLOG(M2) 0,028188 0,009833 2,866664 0,0048
DLOG(TXC) 0,166492 0,028464 5,849128 0,0000
DLOG(PI) -0,067045 0,114567 -0,585205 0,5594
DLOG(IPC(-2)) 0,388462 0,051026 7,613080 0,0000
MA(1) 0,020003 0,010247 1,951988 0,0530
MA(8) 0,977316 0,005929 164,8462 0,0000
SMA(12) 0,209192 0,051788 4,039391 0,0001

Método: Mínimos quadrados ordinários. Número de observações: 143. Convergência após 14 iterações.
MA Backcast: 1998M06 2000M01. O Inverso de todas as raízes do MA estão dentro do círculo de raio unitário.
38. O objectivo de incorporar um processo estocástico aos resíduos da regressão original, é

tentar obter coeficientes mais robustos para as variáveis explicativas. Assim, isolando-se os
efeitos do processo estocástico remanescente nos resíduos, espera-se melhorar a qualidade da
informação sobre as relações entre as variáveis explicativas e a que se está a estudar;
F. Modelos Alternativos
39. Esses processos estocásticos acima apresentados, pouco ajudam na compreensão da

dinâmica do processo de ajustamento associado ao fenómeno analisado. Além disso, é
importante destacar que se há um ganho na qualidade dos estimadores, em decorrência do ajuste
de um processo SMA aos resíduos, há também um aumento de incerteza quanto à relação
estudada, pois o processo estocástico introduzido, geralmente absorve grande parte da variância
do fenómeno estudado. Deste modo, torna-se inevitável a busca por modelos alternativos de
modo a entender melhor o papel dos determinantes da inflação;
40. Como já observado, o modelo básico está lastreado em uma relação de longo prazo e torna-
se necessário procurar, empiricamente, o processo de ajustamento que deve estar a ocorrer no
curto prazo. Para tanto, as variáveis explicativas serão submetidas a desfasagens no tempo de
modo a captar os ajustamentos dinâmicos;
41. Além dessa preocupação com os ajustamentos de curto prazo, devido aos pobres resultados
empíricos (estatisticamente não significante) apresentados pela variável adoptada para captar os
preços dos insumos importados, procurar-se-á substituí-la por uma outra variável que possa
representar o efeito desses insumos sobre os custos domésticos. Assim, foi construída a variável
TTPI_PETRO, dada pela taxa de variação do índice de preços no produtor nos países que mais
exportam para Angola, diminuída da taxa de variação no preço do petróleo, principal produto de
exportação do País, o que representa o termo de troca. O preço de petróleo utilizado é o preço
do petróleo angolano, fornecido pelo BNA;
42. Como um indicador adicional do custo de reter moeda, taxas de juros disponíveis serão
introduzidas no modelo, nomeadamente,
TBC63 – taxa de 63 dias, disponível a partir de Janeiro de 2000;
TBC91 – taxa de 91 dias, disponível a partir de Janeiro de 2000;
Tabela 8: Taxas de juros: Estatísticas resumo
TBC_63 TBC_91
Média 42,81776 46,56507
Mediana 20,55375 21,39875
Máximo 127,0000 134,0000
Mínimo 2,460000 3,230000
Desvio Padrão. 42,59094 45,62575
CV 0,994703 0,979828
Skewness 0,981366 0,899381
Kurtosis 2,419915 2,212593
Observações 140 140
TBC_63 TBC_91
TBC_63 1.000000 0.984834

TBC_91 0.984834 1.000000
43. Como se constata na Tabela 8, as taxas de juros têm elevados coeficientes de correlação
total. Isso impede o uso de mais de uma taxa de juros em cada especificação do modelo. Outra
característica dessas taxas de juros é sua elevada volatilidade. A taxa de juros interbancária tem
uma série muito curta e por isso foi descartada no momento. Entretanto, com a acumulação de
mais informação, essa taxa pode promover uma valiosa contribuição para a compreensão da
inflação em Angola;
44. Com essas modificações, o modelo foi estimado adoptando uma desfasagem máxima de
cinco meses. Os resultados finais constam das Tabelas 9 e 10.
Modelo dinâmico – (Com M1)

(Amostra ajustada: Junho de 2000 a Novembro de 2011)
C 0,005085 0,002004 2,537791 0,0123

DLOG(M1) 0,040712 0,018275 2,227760 0,0276
DLOG(M1(-5)) 0,031387 0,017920 1,751535 0,0822
DLOG(TXC(-2)) 0,322948 0,046722 6,912150 0,0000
TTPI_PETRO(-2) 0,033084 0,013368 2,474831 0,0146
TBC_91 0,000237 4,50E-05 5,262590 0,0000
DLOG(IPC(-2)) 0,072920 0,057722 1,263296 0,2087

S,E, of regression 0,015057 Akaike info criterion -5,504561
Modelo dinâmico (Com M2)

(Amostra ajustada: Junho de 2000 a Novembro de 2011)
Variável Coeficiente Desvio Padr. t-Estatística Prob.
C 0,004587 0,002078 2,207640 0,0290

DLOG(M2) 0,052185 0,023759 2,196453 0,0298
DLOG(M2(-1)) 0,032616 0,022201 1,469120 0,1442
DLOG(TXC(-2)) 0,311752 0,046682 6,678153 0,0000
TTPI_PETRO(-2) 0,031684 0,013436 2,358190 0,0198
TBC_91 0,000247 4,42E-05 5,584125 0,0000
DLOG(IPC(-2)) 0,058633 0,058884 0,995725 0,3212

45. Os resultados nas duas versões para o agregado monetário fornecem basicamente as mesmas
informações. As desfasagens para M1 e M2 são diferentes. No primeiro caso o valor
contemporâneo e o de uma desfasagem de cinco períodos, emergiram na explicação da inflação
de preços, sendo que o coeficiente de M1 desfasado de cinco períodos só é estatisticamente
significante a 15%. No caso do M2, além do seu valor contemporâneo, o seu valor desfasado de
um período entra na explicação da inflação, embora o seu coeficiente seja estatisticamente
significante a 15%. O coeficiente da inflação desfasada em dois períodos, nos dois casos, não é
estatisticamente diferente de zero. Os efeitos da taxa de câmbio, dos termos de troca e da taxa
de juros de 91 dias são praticamente iguais para as duas definições do agregado monetário. Uma
desvalorização cambial de 1% e ocorrida há dois meses provoca uma elevação na inflação
actual de 0,3%. O efeito dos termos de comércio sobre a inflação, para uma mesma variação
percentual, é dez vezes menor, isto é, aumentos nos preços dos produtos importados superiores
ao preço do petróleo, têm um impacto sobre a inflação muito pequeno relativamente ao efeito da
taxa de câmbio;
46. Nos dois casos, a taxa de juros tem um efeito positivo sobre a inflação, ainda que de pequena
monta. Um aumento de um ponto percentual na taxa de juros provoca de imediato uma alta nos
preços de 0,025 ponto percentual, esse coeficiente é estatisticamente significante. Todas as
tentativas feitas, para as mais diversas desfasagens, com essa taxa de juros apresentaram
efectivamente os mesmos resultados, com pequena melhoria nos coeficientes de determinação
com desfasagens de um ou de dois períodos. Entretanto, em todos os casos, o coeficiente desta
taxa de juros manteve o seu valor e a sua elevada significância estatística;
47. No entanto, era de se esperar que aumentos nas taxas de juros reduzissem a pressão
inflacionista, uma vez que estimularia a poupança e tornaria o consumo presente mais caro em
relação ao consumo futuro, o que não foi constatado. Entretanto, para que esse efeito se realize,
a ponto de afectar o índice de preços, é preciso que exista, na economia, um mercado bem
desenvolvido de activos financeiros, bem como um dinâmico mercado de crédito. Como o
mercado financeiro em Angola é incipiente, a taxa de juros parece exercer outro papel no que se
refere à inflação. Os resultados poderão ser interpretados da seguinte forma, os agentes
económicos consideram uma alta na taxa nominal de juros como uma indicação de que os
preços se elevarão no presente momento. Esse resultado, como já foi observado acima, repete-se
com as mais variadas desfasagens nessa taxa de juros;
48. As Tabelas 11 e 12, reproduzem o modelo apresentado nas duas tabelas anteriores, mas desta
vez com a taxa de juros de 63 dias (TBC_63). A aderência dos modelos aos dados é um pouco
menor, mas com o uso dessa taxa de juros a inflação desfasada tem o seu coeficiente
estatisticamente significante, mas sempre com o sinal não esperado;

(Amostra ajustada: Abril de 2000 a Novembro de 2011)
C 0,002128 0,002894 0,735282 0,4635

DLOG(M1) 0,092346 0,025845 3,573113 0,0005
DLOG(M1(-5)) 0,044028 0,025955 1,696343 0,0922
DLOG(TXC(-2)) 0,204560 0,066950 3,055416 0,0027
TTPI_PETRO(-2) 0,039806 0,019532 2,038036 0,0435
TBC_63 0,000210 7,00E-05 2,995809 0,0033
DLOG(IPC(-2)) 0,271878 0,080011 3,398009 0,0009


(Amostra ajustada: Abril de 2000 a Novembro de 2011)
C 0.000613 0.002813 0.217900 0.8278

DLOG(M2) 0.158153 0.030275 5.223956 0.0000
DLOG(M2(-1)) 0.041603 0.030855 1.348331 0.1798
DLOG(TXC(-2)) 0.209202 0.063829 3.277561 0.0013
TTPI_PETRO(-2) 0.034769 0.018715 1.857863 0.0654
TBC_63 0.000198 6.62E-05 2.983776 0.0034
DLOG(IPC(-2)) 0.230260 0.078113 2.947784 0.0038
R-squared 0.656275 Mean dependent var 0.029847

Adjusted R-squared 0.640769 S.D. dependent var 0.034969
S.E. of regression 0.020959 Akaike info criterion -4.843791
Sum squared resid 0.058424 Schwarz criterion -4.696709
Log likelihood 346.0654 Hannan-Quinn criter. -4.784021
F-statistic 42.32293 Durbin-Watson stat 2.168590
Prob(F-statistic) 0.000000
49. As Tabelas 13 e 14 apresentam os resultados das Tabelas 11 e 12 com correcções para a
existência nos resíduos de um processo estocástico sistemático passível de ser representado por
um MA ou SMA. Nos dois casos, os resíduos foram estudados e a eles ajustou-se, após o
trabalho de identificação, um processo MA com coeficientes de ordem 3, 8 e 10 diferentes de
zero;
Modelo dinâmico com ajuste dos resíduos – M1

(Amostra ajustada: Junho de 2000 a Novembro 2011)
Dependent Variable: DLIPC
Variáveis Coeficientes Erro Padr. t-Estatística Prob.
C 0,002755 0,001459 1,888289 0.0613

DLOG(M1) 0,036759 0,013149 2,795633 0.0060
DLOG(M1(-5)) 0,019581 0,013980 1,400625 0.1637
DLOG(TXC(-2)) 0,157670 0,039041 4,038576 0.0001
TTPI_PETRO(-2) 0,020534 0,010039 2,045418 0.0429
TBC_91 0,000202 3,64E-05 5,548468 0.0000
DLOG(IPC(-2)) 0,337773 0,061711 5,473487 0.0000
MA(3) -0,303250 0,061876 -4,900975 0.0000
MA(8) 0,452466 0,066519 6,802036 0.0000
MA(10) -0,328493 0,054755 -5,999368 0.0000

Inverted MA Roots ,80 ,79-,40i ,79+,40i .31+.88i
,31-,88i -,37+,93i -,37-,93i -.74
-,76-,48i -,76+,48i
Convergência após 20 iterações. MA Backcast: 1999M08 2000M05
50. A aderência do modelo, para as duas definições do agregado monetário, corresponde a

aproximadamente oitenta porcento da variação da inflação. Nas duas regressões, excepto pela
diferença na definição do agregado monetário, todos os coeficientes apresentam-se com os
sinais esperados e seus valores são estatisticamente iguais. Por isso, a análise a seguir
considerará apenas os resultados obtidos quando o agregado monetário é M1. Quando as
variáveis são consideradas como diferenças em logaritmos, os seus coeficientes representam
elasticidades. Portanto, uma redução de um ponto percentual na expansão monetária no mês
corrente, tudo o mais constante, produzirá uma redução na taxa de inflação cinco meses a frente
de 0,02 pontos percentuais;

(Amostra ajustada: Junho de 2000 a Novembro 2011)
C 0,001626 0,001718 0,946680 0,3456

DLOG(M2) 0,073146 0,018082 4,045157 0,0001
DLOG(M2(-1)) 0,020105 0,016939 1,186918 0,2375
DLOG(TXC(-2)) 0,123378 0,036933 3,340631 0,0011
TTPI_PETRO(-2) 0,016238 0,009378 1,731530 0,0858
TBC_91 0,000190 3,62E-05 5,233829 0,0000
DLOG(IPC(-2)) 0,362393 0,059083 6,133648 0,0000
MA(3) -0,316462 0,054733 -5,781928 0,0000
MA(8) 0,525988 0,061922 8,494382 0,0000
MA(10) -0,224660 0,047045 -4,775395 0,0000
Inverted MA Roots .82+.35i .82-.35i .66 .31+.87i

.31-.87i -.38-.92i -.38+.92i -.62
-.78+.44i -.78-.44i
51. De um modo geral, a sensibilidade da taxa de inflação de preços às variáveis explicativas é

pequena. A excepção está na inércia inflacionária representada pelo coeficiente da inflação do
período anterior e pela sazonalidade contida no componente de médias móveis. Isso não
invalida a possibilidade de usar-se instrumentos de política para atingir-se a meta inflacionária.
Nesse sentido os resultados sobre as taxas de juros são importantes. O uso de taxas de juro na
condução de política monetária depende da existência de um vigoroso e dinâmico mercado
financeiro. Como os resultados indicam, não se pode descartar a hipótese de que taxas de juros
de mais longo prazo estejam sendo usadas na formação de expectativas sobre a inflação futura;
52. Os resultados com as taxas de juros de 63 dias estão reportados nas Tabelas 15 e 16. Nota-se
que processo MA para a regressão com o agregado monetário M2 não é invertível de modo que
esse processo não pode ser escrito como um processo AR de ordem infinita;

(Amostra ajustada: Abril de 2000 a Novembro 2011)
Coeficiente
Variável s Erro Padr. t-Estatística Prob.
C 0,001596 0.001395 1.143978 0.2548

DLOG(M1) 0,077181 0.017619 4.380462 0.0000
DLOG(M1(-5)) 0,016605 0.014763 1.124783 0.2628
DLOG(TXC(-2)) 0,236966 0.035863 6.607453 0.0000
TTPI_PETRO(-2) 0,027877 0.009480 2.940511 0.0039
TBC_63 0,000233 4.64E-05 5.029562 0.0000
DLOG(IPC(-2)) 0,278649 0.079269 3.515240 0.0006
MA(1) 0,102353 0.043215 2.368459 0.0193
MA(3) 0,195898 0.045215 4.332585 0.0000
MA(6) 0,019515 0.043160 0.452161 0.6519
MA(10) -0,806473 0.037340 -21.59792 0.0000
R-squared 0,813048 Mean dependent var 0.029847

Adjusted R-squared 0,798556 S.D. dependent var 0.034969
S.E. of regression 0,015695 Akaike info criterion -5.395638
Sum squared resid 0,031777 Schwarz criterion -5.164509
Log likelihood 388,6947 Hannan-Quinn criter. -5.301714
F-statistic 56,10171 Durbin-Watson stat 1.836286
Inverted MA Roots ,95 .78-.59i .78+.59i .31-.94i
,31+,94i -.29+.92i -.29-.92i -.81-.55i
-,81+,55i -1.01
Estimated MA process is noninvertible

(Amostra ajustada: Abril de 2000 a Novembro 2011)
Coeficiente
Variáveis s Erro Padr. t-Estatística Prob.
C -0,000974 0,001048 -0,929437 0.3544

DLOG(M2) 0,106796 0,022405 4,766523 0.0000
DLOG(M2(-1)) 0,053512 0,020896 2,560916 0.0116
DLOG(TXC(-2)) 0,131649 0,044096 2,985483 0.0034
TTPI_PETRO(-2) 0,026234 0,012752 2,057349 0.0417
TBC_63 0,000128 4,08E-05 3,132892 0.0021
DLOG(IPC(-2)) 0,468980 0,074482 6,296525 0.0000
MA(2) -0,510067 0,067434 -7,563954 0.0000
MA(10) -0,489855 0,064146 -7,636616 0.0000
SMA(12) 0,280376 0,082012 3,418736 0.0008

Inverted MA Roots 1,00 ,87-,23i ,87+,23i .79-.50i

,79+,50i ,64-,64i ,64+,64i .30+.84i
,30-,84i ,23-,87i ,23+,87i -.23+.87i
-,23-,87i -,30-,84i -,30+,84i -.64-.64i
-,64-,64i -,79+,50i -,79-,50i -.87-.23i
-,87+,23i -1,00
G. Resumo e Conclusões
53. Os resultados obtidos com o modelo básico estão reproduzidos na Tabela 17. Observa-se que
variações no agregado monetário têm, contemporaneamente, um pequeno impacto sobre a
variação no IPC. Entretanto, esse impacto é bastante diferente quando o agregado monetário
considerado é M1 ou M2. O agregado M2 provoca o dobro do impacto de M1 sobre a variação
do IPC. A inércia do processo inflacionário repousa, nesse modelo, no custo de reter moeda
aqui representado pela variação de preços desfasada de dois períodos. Os coeficientes estimados
implicam uma transferência de 45% dessa variação desfasada para a variação de preços
observada no período. Similarmente, desvalorizações cambiais são transferidas aos preços em
30% (se M1 é usado) ou 25% conforme o agregado monetário considerado. O coeficiente da
variável usada para captar as flutuações de custo dos recursos importados não apresentou
significância estatística;
Tabela 17: Resumo dos resultados produzidos pelo modelo básico
Modelo básico
Sem correcção nos resíduos Com correcção nos resíduos
M1 M2 M1 M2
R2 0,5302 0,6065 0,8945 0,8982
C 0,0076 0,0060 0,0126 0,0129
DLOG(M1) 0,0632 0,0139
DLOG(M2) 0,1189 0,0282
DLOG(TXC) 0,2928 0,2439 0,1816 0,1665
DLOG(PI) -0,0630 -0,1374 0,0071 -0,0670
DLOG(IPC(-2)) 0,4580 0,4598 0,3938 0,3885
MA(1) 0,0226 0,0200
MA(8) 0,9778 0,9773
SMA(12) 0,2073 0,2092
Valores em vermelho não são estatisticamente significativos. Os valores em itálico são significativos a
10%.
54. As correcções nos resíduos reduzem substancialmente o impacto das variáveis explicativas,
levantando a questão sobre a estabilidade das estimativas dos correspondentes parâmetros. Por
meio da introdução, de forma empírica, do processo de ajustamento procura-se obter mais
informações sobre os valores dos coeficientes das variáveis adoptadas na explicação do
processo inflacionário;
55. A Tabela 18 apresenta os resultados da introdução empírica de um processo dinâmico. São
quatro resultados decorrentes do uso de dois conceitos de agregado monetário e de duas taxas de
juros. Observa-se a redução do impacto contemporâneo da expansão monetária. Um aumento
em um ponto percentual, quer seja em M1 ou em M2, produz contemporaneamente uma
variação na mesma direcção de aproximadamente 0,05 ponto percentual nos preços quando a
taxa de juros usada é a de 91 dias. Para a taxa de 63 dias, os impactos monetários sobre os
preços são bem menores. Quando o agregado monetário considerado é M1 o impacto de sua
variação no tempo é mais duradouro, uma vez que variações em M1 há cinco períodos tem
efeito sobre a actual variação de preços. Quando M2 é considerado, a desfasagem máxima
encontrada foi de um período;
Tabela 18: Resumo dos resultados obtidos com o modelo dinâmico
Modelo dinâmico sem correção nos resíduos

M1 M2 M1 M2
R2 0,7471 0,7462 0,6227 0.656275
C 0,0051 0,0046 0,0021 0.000613
DLOG(M1) 0,0407 0,0923
DLOG(M1(-5)) 0,0314 0,0440
DLOG(M2) 0,0522 0.1581
DLOG(M2(-1)) 0,0326 0.0416
DLOG(TXC(-2)) 0,3229 0,3118 0,2046 0.2092
TTPI_PETRO(-2) 0,0331 0,0317 0,0398 0.0348
Taxa de juros 0,0002 0,0002 0,0002 0.0002
DLOG(IPC(-2)) 0,0729 0,0586 0,2719 0.2303
Valores em vermelho não são estatisticamente significativos. Os valores em itálico são significativos a
10%.
56. Ao considerar o preço dos insumos internacionais em relação ao preço do petróleo, essa
variável emerge significante, com uma desfasagem de dois períodos. O seu coeficiente é
razoavelmente estável e nas quatro estimativas varia de 0,0317 a 0,0398. O mesmo se observa
para a taxa de juros; nas quatro formulações que consideram duas diferentes taxas de juros, seu
impacto sobre os preços é o mesmo: para cada um ponto percentual de aumento na taxa de
juros, os preços aumentam em 0,02 pontos percentuais;
57. O impacto da taxa de câmbio desfasada em dois períodos é praticamente o mesmo quer se
utilize M1 ou M2. Entretanto, o seu coeficiente é cinquenta porcento maior quando a taxa de
juros é a 91 dias. Nesse caso, o seu coeficiente está em torno de 0,32, similar ao valor estimado
para o modelo básico;
58. Com a correcção nos resíduos, conforme apresentado na Tabela 18, os efeitos da expansão
monetária passam a ser maiores para a taxa de juros de 63 dias. O mesmo ocorre para a taxa de
câmbio. De um modo geral, a contribuição de todas as variáveis, avaliada pelos seus
coeficientes, é reduzida, excepto para o IPC desfasado de dois períodos, cujo coeficiente varia
de 0,28 a 0,47;
Tabela 16: Resumo dos resultados obtidos com o modelo dinâmico com ajuste nos resíduos
Modelo dinâmico com correcção nos resíduos

M1 M2 M1 M2
R2 0,8178 0,8296 0,8130 0,8017
C 0,0028 0,0016 0,0016 -0,0010
DLOG(M1) 0,0368 0,0772
DLOG(M1(-5)) 0,0196 0,0166
DLOG(M2) 0,0731 0,1068
DLOG(M2(-1)) 0,0201 0,0535
DLOG(TXC(-2)) 0,1577 0,1234 0,2370 0,1316
TTPI_PETRO(-2) 0,0205 0,0162 0,0279 0,0262
Taxa de juros 0,0002 0,0002 0,0002 0,0001
DLOG(IPC(-2)) 0,3378 0,3624 0,2786 0,4690
MA(1) 0,1024
-0,5101
MA(3) -0,3033 -0,3165 0,1959
MA(6) 0,0195
MA(8) 0,4525 0,5260
MA(10) -0,3285 -0,2247 -0,8065 -0,4899
SMA(12) 0,2804
59. Os resultados evidenciam que as variáveis escolhidas conseguem explicar grande parte da
inflação angolana, destacando-se, os componentes, inercial, sazonal, cambial e monetário. A
inercia deve estar ligada ao facto das rendas, contratos e outros preços estarem indexados à
inflação e à taxa de câmbio que é um factor explicativo da inflação. A referida indexação formal
ou informal é explicada pelo longo período de inflação alta vivida em Angola. O factor sazonal
pode estar ligado a razões culturais, mas pode ser também outros factores como concentração de
pagamentos em certos meses do ano. O factor cambial pode ser explicado pelo alto nível de
dolarização da economia, a dependência do país das importações.
H. Anexos
Taxa de variação homóloga HIPC vs M1

400
350
300
250
200
150 TVHIPC
TVHM1
100
50
0
Taxa de variação homóloga HIPC vs M2
350
300
250
200
TVHIPC
150
TVHM2
100
50
0
Taxa de variação homóloga HIPC vs TXC
300
250
200
150
TVHIPC
100
TVHTXC
50
-50
Taxa de variação homóloga HIPC vs PI
300
250
200
150
TVHIPC
100 TVHPI
50
-50
I. Referências Bibliográficas
FULLERTON Jr,, Thomas M, e Cuauhtémoc CALDERÓN (1999), Inflationary

Pressure Determinants in Mexico, Estudios Económicos, v,14, nº 1: 33 – 51,
HARBERGER, Arnold C, (1963), The Dynamics Inflation in Chile, Em Carl F, Christ
(ed) Measurement in Economics: Studies in Mathematical Economics and
Econometrics in Memory of Yehuda Grunfeld, Stanford: Stanford
University Press,
HANSON, James A, (1985), Inflation and some Imported Input Prices in some
Inflationary Latin American Economies, Journal of Development Economics,
nº 18: 395 – 410,
KLEIN, Nir e Alexander KYEI (2009), Understanding Inflation Inertia in Angola, IMF
Working Paper 09/98, Washington, D,C,: International Monetary Fund,
NERLOVE, M,, David GRETHER e José L, CARVALHO (1995), Analysis of
Economic Time Series: A Sinthesis, New York: Academic Press,

Determinantes Da Inflação em Angola: Luanda, 2012

Enviado por

Direitos autorais:

Formatos disponíveis

Determinantes Da Inflação em Angola: Luanda, 2012

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Determinantes Da Inflação em Angola: Luanda, 2012

Enviado por

Direitos autorais:

Formatos disponíveis

DETERMINANTES DA INFLAÇÃO EM ANGOLA

A. Sumário Executivo .................................................................................................. 5

Palavras chaves: Inflação de preços; Determinantes da inflação.

Este trabalho tem como objectivo, estudar os determinantes da inflação. Em primeiro

DLOG(PI) -0,0630 -0,1374 0,0071 -0,0670

Observa-se a redução do impacto contemporâneo da expansão monetária. Um aumento

2. No Ponto C, a inflação medida pela variação do Índice de Preços no Consumidor (IPC) é

C. Descrição Estatística da Taxa de Variação do IPC

6. A tabela 1 abaixo, representa a estrutura IPC, dividida em 12 grandes classes. A classe

Tabela 1: Estrutura do IPC por Classe 2010

1-Alimentação e Bebidas Não-Alcoólicas 43,95

2-Bebidas Alcoólicas e Tabaco 2,66

3-Vestuário e Calçados 6,50

4-Habitação, Água, Electricidade, Gás e Combustíveis 12,50

5-Mobiliário, Equipamento Doméstico e Manutenção 5,98

9-Lazer, recriação e cultura 2,24

11-Hotéis, Cafés e Restaurantes 3,03

12-Bens e Serviços Diversos 6,03

Gráfico 2: Inflação mensal de Angola

Figura 1: Variação mensal do IPC-Luanda - Correlogramas

Introduzindo (4) em (3) obtém-se:

28. Nos modelos básicos, foram utilizados os seguintes dados:

c) A taxa de variação percentual da média ponderada do Índice de Preços no Produtor

d) A variação percentual da taxa de câmbio média US$/Kz, calculado através da

e) Variação no IPC registrada dois períodos antes do actual (Pt-2 ). Na formulação de

Correlação mensal Correlação anual

TVM1 0.350 0.879

TVPI 0.007 -0.019

TVTXC 0.654 0.964

TVIPCD2 0.698 0.991

Tabela 4: Determinantes da Inflação de Preços em Angola:

Modelo básico (com M1)

C 0,007638 0,003037 2,515198 0,0130

R-squared 0,530248 Mean dependent var 0,030454

Tabela 5: Determinantes da Inflação de Preços em Angola:

Modelo básico (Com M2)

C 0,005997 0,003018 1,987020 0,0489

R-squared 0,606507 Mean dependent var 0,030830

Tabela 6: Determinantes da Inflação de Preços em Angola:

Modelo básico com correcção nos resíduos (Com M1)

C 0,012632 0,002558 4,938851 0,0000

R-squared 0,894525 Mean dependent var 0,030830

Modelo básico com correcção nos resíduos (Com M2)

C 0,012868 0,002513 5,120981 0,0000

R-squared 0,898184 Mean dependent var 0,030830

38. O objectivo de incorporar um processo estocástico aos resíduos da regressão original, é

39. Esses processos estocásticos acima apresentados, pouco ajudam na compreensão da

Tabela 8: Taxas de juros: Estatísticas resumo

TBC_63 1.000000 0.984834

Modelo dinâmico – (Com M1)

C 0,005085 0,002004 2,537791 0,0123

R-squared 0,747104 Mean dependent var 0,027851

Tabela 10: Determinantes da Inflação de Preços em Angola:

Modelo dinâmico (Com M2)

C 0,004587 0,002078 2,207640 0,0290

R-squared 0,746225 Mean dependent var 0,027851

Modelo dinâmico (Com M1)

C 0,002128 0,002894 0,735282 0,4635

R-squared 0,622749 Mean dependent var 0,029847