Artigo

Daniel Silveira da Silva Leite; Amarildo de Paula Júnior

DOI: 10.22167/2675-6528-202601580

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

O presente estudo analisou a relevância e o impacto da taxa SELIC, principal instrumento de política monetária no Brasil, sobre variáveis macroeconômicas selecionadas no período de 2013 a 2019, no contexto do regime de metas de inflação. O objetivo foi analisar empiricamente a relação entre o uso desse instrumento e seus efeitos sobre o Índice de Preços ao Consumidor Amplo (IPCA), o Produto Interno Bruto (PIB), o Saldo de Crédito e o Indicador do Custo de Crédito (ICC). Para isso, empregou-se uma abordagem quantitativa baseada em dados secundários de instituições oficiais, utilizando o Teste de Causalidade de Toda-Yamamoto para investigar as relações e estimando modelos de Vetores Autorregressivos (VAR). Os resultados indicaram que a taxa SELIC apresentou relação estatisticamente significativa com o PIB e com o custo do crédito, evidenciando a atuação dos mecanismos de transmissão monetária sobre a atividade econômica e as condições financeiras. Contudo, sua capacidade explicativa sobre a inflação mostrou-se estatisticamente insignificante, sugerindo a influência de fatores adicionais na dinâmica inflacionária, e não se observou relação significativa com o saldo de crédito. Concluiu-se que, embora relevante, a taxa SELIC é insuficiente para explicar isoladamente a dinâmica macroeconômica brasileira, reforçando a necessidade de uma abordagem integrada de política econômica.

Palavras-chave: Juros; Política monetária; Produto Interno Bruto; Teste de Causalidade de Toda-Yamamoto; Vetores Autorregressivos.

1. Introdução

Desde o início dos anos 2000, o Brasil tem implementado um regime de metas de inflação (RMI), complementado por superávit primário e câmbio flutuante. Este tripé macroeconômico visa primordialmente assegurar a estabilidade da economia nacional. Nesse contexto, a taxa do Sistema Especial de Liquidação e de Custódia (SELIC) emerge como o principal instrumento da política monetária, formulada pelo Conselho Monetário Nacional (CMN) e executada pelo Banco Central do Brasil (BACEN), desempenhando uma função essencial no controle da inflação (Bacha, 2017).

Apesar da relevância da taxa SELIC na contenção do aumento de preços, a sua aplicação não se restringe apenas a este fim, gerando outras consequências significativas para a economia brasileira. A vinculação da política monetária à dívida pública do Estado, onde a SELIC atua como taxa de remuneração para uma parcela substancial dos títulos emitidos pelo Tesouro Nacional, ilustra como este instrumento de controle inflacionário pode impactar diretamente a política fiscal do país (Brito et al., 2019).

Além dos efeitos sobre a dívida pública e a política fiscal, a fundamentação da política monetária na taxa de juros nominal, como a SELIC, acarreta implicações adicionais para o cenário econômico brasileiro. Estudos indicam que o regime de metas de inflação e as medidas monetárias, sejam expansionistas ou contracionistas, podem influenciar a distribuição de renda e outros indicadores macroeconômicos. A política monetária, embora vital para a estabilidade de preços, também afeta o Produto Interno Bruto (PIB) e a desigualdade de renda (Santos, 2022).

A taxa SELIC é, portanto, um mecanismo central na gestão da política monetária, cujos efeitos se propagam por diversos canais de transmissão. Estes canais influenciam não apenas a liquidez e o custo do crédito na economia, mas também as decisões de investimento e consumo, impactando diretamente a atividade econômica e as condições financeiras gerais. Compreender a amplitude desses efeitos é crucial para uma análise completa da dinâmica macroeconômica brasileira.

Embora a literatura reconheça o papel fundamental da taxa SELIC no regime de metas de inflação, existe uma lacuna na discussão aprofundada sobre as consequências desse instrumento em variáveis distributivas e de crescimento no Brasil. A complexidade da economia brasileira e a interação entre os diversos fatores macroeconômicos exigem uma análise empírica detalhada para desvendar a real extensão da influência da SELIC.

Dessa forma, este estudo justifica-se pela necessidade de aprofundar a compreensão dos múltiplos impactos da taxa SELIC, contribuindo para uma visão mais integrada da política econômica. Assim, este estudo tem como objetivo analisar empiricamente a relação entre o uso da taxa SELIC e seus efeitos sobre outras variáveis econômicas relevantes no período de 2013 a 2019, a saber: o Índice de Preços ao Consumidor Amplo (IPCA), o Produto Interno Bruto brasileiro (PIB), o Saldo de Crédito e o Indicador do Custo de Crédito (ICC).

2. Material e Métodos

Este estudo caracterizou-se como uma pesquisa de natureza exploratória e abordagem quantitativa, conforme a tipologia de pesquisa proposta por Gil (2017). O objetivo principal foi investigar um fenômeno econômico complexo, buscando torná-lo mais explícito e fundamentar a construção de hipóteses para futuras investigações. A metodologia quantitativa foi empregada para analisar dados secundários, permitindo uma avaliação empírica das relações entre variáveis macroeconômicas.

A unidade de análise consistiu em séries históricas de variáveis econômicas brasileiras, com foco no período de 2013 a 2019. Este recorte temporal foi definido para abranger um ciclo econômico relevante para a análise da política monetária no Brasil. O estudo concentrou-se na economia brasileira, utilizando dados de instituições oficiais para garantir a fidedignidade e a comparabilidade das informações coletadas.

Os dados secundários foram coletados de fontes públicas e oficiais, incluindo o Banco Central do Brasil (BACEN), o Instituto Brasileiro de Geografia e Estatística (IBGE) e a Fundação Getúlio Vargas (FGV). As variáveis analisadas foram a taxa SELIC (em % a.m.), o Índice de Preços ao Consumidor Amplo (IPCA, em % a.m.), o Produto Interno Bruto (PIB, em R$ Tri), o Saldo de Crédito (em R$ Tri) e o Indicador do Custo de Crédito (ICC, em % a.a.). Cada série histórica continha 84 observações mensais.

Para a coleta dos dados, acessaram-se os repositórios digitais das instituições mencionadas, que disponibilizam as séries históricas das variáveis econômicas. O software RStudio foi utilizado como ferramenta de suporte para a realização de todos os cálculos econométricos e a manipulação das séries temporais. Este ambiente de programação estatística permitiu a implementação dos modelos e testes necessários para a análise proposta.

A coleta de dados ocorreu de forma sistemática, buscando as séries temporais mensais das variáveis SELIC, IPCA, PIB, Saldo de Crédito e ICC para o período de janeiro de 2013 a dezembro de 2019. As informações foram organizadas em bases de dados estruturadas, onde cada linha representava um mês/ano e as colunas correspondiam à data, ao valor da SELIC acumulada no mês e ao valor da respectiva variável econômica. Este formato padronizado facilitou a subsequente etapa de análise.

A análise dos dados empregou o modelo de Vetores Autorregressivos (VAR), conforme descrito por Bueno (2012), para investigar as relações dinâmicas entre a taxa SELIC, o IPCA e o PIB. A aplicação do modelo VAR envolveu etapas como a avaliação da estacionariedade das séries temporais, a estimação dos parâmetros do modelo, a decomposição da variância de cada variável e a análise da função de resposta ao impulso. O software RStudio foi essencial para a execução desses procedimentos.

Para verificar a estacionariedade das séries, utilizou-se o teste de Dickey-Fuller Aumentado (Bueno, 2012). Caso uma série não fosse estacionária, aplicava-se a diferenciação dos valores absolutos até que a estacionariedade fosse alcançada, iterando o procedimento conforme necessário. Adicionalmente, para investigar as relações de causalidade, aplicou-se o Teste de Causalidade de Toda-Yamamoto (Toda & Yamamoto, 1995), que permite estimar um modelo VAR em nível, mesmo com séries de diferentes ordens de integração, utilizando uma ordem de defasagem artificialmente aumentada.

A abordagem de Toda-Yamamoto (TY) foi escolhida por sua adequação a sistemas com séries de ordens de integração distintas, dispensando pré-testes de cointegração e garantindo inferência assintótica padronizada. A verificação da ordem de integração de cada série foi uma etapa preliminar crucial para a especificação do modelo VAR-TY, determinando o parâmetro de defasagem adicional (dmax). A defasagem ótima (k) do modelo em nível foi selecionada pelo Critério de Informação Bayesiano de Schwarz (SC) (Amiri & Ventelou, 2012), que favorece especificações parcimoniosas. A estabilidade dinâmica do sistema foi verificada, assegurando que todos os módulos das raízes do polinômio característico fossem inferiores à unidade.

Não foram identificados cuidados éticos específicos, como Termo de Consentimento Livre e Esclarecido (TCLE) ou termos de confidencialidade, uma vez que a pesquisa se baseou exclusivamente em dados secundários de acesso público, não envolvendo a participação direta de indivíduos. As limitações metodológicas inerentes à utilização de dados secundários e ao recorte temporal específico foram consideradas na interpretação dos resultados, sem comprometer a validade interna da análise.

3. Resultados e Discussão

Os resultados obtidos neste estudo, conduzido no período de 2013 a 2019, oferecem uma análise empírica detalhada sobre a relevância e o impacto da taxa SELIC em variáveis macroeconômicas brasileiras, como o Índice de Preços ao Consumidor Amplo (IPCA), o Produto Interno Bruto (PIB), o Saldo de Crédito e o Indicador do Custo de Crédito (ICC). A pesquisa empregou uma abordagem quantitativa robusta, utilizando o Teste de Causalidade de Toda-Yamamoto e modelos de Vetores Autorregressivos (VAR), conforme detalhado na metodologia, para investigar as complexas inter-relações entre esses indicadores.

Inicialmente, para a aplicação dos modelos VAR, foi crucial verificar a estacionariedade das séries temporais da taxa SELIC, IPCA e PIB. Os resultados do teste de Dickey-Fuller Aumentado para as séries absolutas, apresentados na Tabela 4 do TCC original, indicaram que todas as variáveis – SELIC (p-valor de 66,21%), IPCA (p-valor de 2,48%) e PIB (p-valor de 18,65%) – eram não-estacionárias. Este achado preliminar exigiu a aplicação de um procedimento de diferenciação para transformar as séries em estacionárias, um passo fundamental para a validade das análises subsequentes.

Após a aplicação da primeira diferença, as séries ainda não se mostraram estacionárias, o que demandou uma segunda diferenciação. Com a aplicação da segunda diferença, os resultados do teste de Dickey-Fuller Aumentado, conforme a Tabela 5 do TCC original, revelaram que a taxa SELIC, o IPCA e o PIB se tornaram estacionárias, com p-valores inferiores a 1,00% para todas as séries diferenciadas. Especificamente, os valores de Dickey-Fuller foram de -6,7034 para a SELIC (2ª diferença), -6,5314 para o IPCA (2ª diferença) e -7,5802 para o PIB (2ª diferença), confirmando a adequação das séries para a estimação do modelo VAR.

Com as séries estacionárias, procedeu-se à estimação do modelo VAR e à análise da função de resposta ao impulso, que ilustra o impacto de um choque na taxa SELIC sobre o IPCA e o PIB em um horizonte de doze meses. A representação gráfica desse impacto é fundamental para compreender a dinâmica de transmissão da política monetária. A Figura 1, a seguir, detalha essa relação visualmente, permitindo uma interpretação clara dos efeitos observados.

Figura 1. Representação gráfica da função de resposta do IPCA e do PIB a um impulso sobre a taxa SELIC em horizonte de 12 meses após a aplicação do choque

Fonte: Resultados originais da pesquisa

A análise da Figura 1 revelou que um choque na taxa SELIC exerce baixa influência sobre a série do IPCA, que varia pouco ao redor do eixo ao longo dos doze meses. Este resultado sugere que a capacidade da taxa SELIC de controlar a inflação, pelo menos no período e contexto analisados, é limitada. Em contraste, o PIB apresentou uma variação significativa, predominantemente abaixo do eixo, indicando um impacto negativo e contracionista sobre a atividade econômica quando a taxa SELIC é elevada, o que está em consonância com a teoria econômica sobre os efeitos dos juros no crescimento.

Além da função de resposta ao impulso, a decomposição da variância das séries temporais foi analisada para quantificar o quanto cada variável estimada no modelo VAR explica o comportamento das outras. No que tange ao IPCA, a Tabela 6 do TCC original indicou que, ao final de doze meses, a variância do erro de previsão do IPCA foi explicada em apenas 15,25% pela taxa SELIC e em 32,38% pelo PIB. Este achado reforça a ideia de que a dinâmica inflacionária é influenciada por múltiplos fatores, e não apenas pela taxa de juros básica, sugerindo a presença de outros determinantes não capturados isoladamente pela SELIC.

Em relação ao PIB, a Tabela 7 do TCC original demonstrou que a taxa SELIC explica 48,76% do comportamento da variância do erro de previsão do PIB ao final de doze meses. Este valor é consideravelmente mais alto do que a explicação da SELIC sobre o IPCA, evidenciando uma relação mais robusta e direta entre a política monetária e a atividade econômica. A capacidade explicativa do PIB sobre si mesmo, por sua vez, diminui de 100% no mês zero para 33,82% no mês doze, enquanto a contribuição do IPCA para a variância do PIB atinge 17,42% no mesmo período.

A maior capacidade explicativa da taxa SELIC sobre o PIB em comparação ao IPCA, conforme observado na decomposição da variância, é um achado significativo. Isso sugere que os mecanismos de transmissão da política monetária atuam de forma mais pronunciada sobre a atividade econômica do que sobre a inflação no período analisado. A relevância do PIB como um fator explicativo para a inflação também se destaca, apontando para a complexidade das interações macroeconômicas e a necessidade de considerar múltiplos canais de influência.

Para aprofundar a análise das relações de causalidade, foram incluídas as variáveis Indicador de Custo de Crédito (ICC) e Saldo de Crédito, e o modelo Vetorial Autorregressivo (VAR) foi estimado seguindo a metodologia de Toda e Yamamoto (1995). Este método é particularmente adequado para sistemas com séries de diferentes ordens de integração, dispensando a necessidade de pré-testes de cointegração e preservando a informação de longo prazo contida nos níveis das séries (Amiri, Ventelou, 2012).

Os testes de raiz unitária (ADF e KPSS), apresentados na Tabela 8 do TCC original, revelaram a heterogeneidade nas ordens de integração das séries. A SELIC e o Saldo de Crédito foram classificadas como I(2), alcançando estacionariedade apenas na segunda diferença. O PIB, por sua vez, mostrou-se I(1), estacionário na primeira diferença. O IPCA e o ICC apresentaram resultados limítrofes, sendo o IPCA tratado como I(1) e o ICC com comportamento de fronteira entre I(1) e I(2), o que justificou a escolha da abordagem de Toda-Yamamoto.

A seleção da defasagem ótima (k) para o modelo em nível foi realizada utilizando o Critério de Informação Bayesiano de Schwarz (SC), que penaliza a inclusão de parâmetros adicionais. A Tabela 9 do TCC original indicou que o critério SC atingiu seu valor mínimo (-55,39126) na defasagem um, estabelecendo k = 1 como a especificação parcimoniosa ideal para o componente autorregressivo do sistema. Este passo é crucial para garantir a validade e a eficiência do modelo econométrico.

A estabilidade dinâmica do sistema foi verificada através das raízes do polinômio característico, cujos módulos devem ser estritamente inferiores à unidade. A Tabela 10 do TCC original mostrou que todas as cinco raízes apresentaram módulo inferior a um, com o valor máximo de 0,99497110. Isso confirmou que o sistema é dinamicamente estável e estacionário, validando a aplicação da análise de Toda-Yamamoto e a consistência assintótica da inferência causal, mesmo com a proximidade da raiz máxima ao círculo unitário.

Com a estabilidade do sistema confirmada, aplicou-se o teste de causalidade de Granger modificado, conforme proposto por Toda e Yamamoto (1995), sobre o modelo VAR(3) em nível. A matriz de p-valores, apresentada na Tabela 11 do TCC original, revelou quatro relações de causalidade estatisticamente significativas ao nível de 5%. Esses achados são cruciais para compreender os canais de transmissão da política monetária no Brasil.

Observou-se uma causalidade bidirecional entre a taxa SELIC e o PIB, com p-valores de 0,0000 e 0,0004, respectivamente, indicando que ambas as variáveis se influenciam mutuamente. Similarmente, identificou-se causalidade bidirecional entre o PIB e o IPCA, com p-valores de 0,0427 e 0,0219. Adicionalmente, constatou-se uma causalidade unidirecional do PIB em direção ao Saldo de Crédito (p = 0,0010) e da SELIC em direção ao Indicador do Custo de Crédito (ICC), com p = 0,0368. As demais relações testadas não apresentaram significância estatística ao nível convencional de 5%, não havendo evidência de causalidade de Granger nesses pares.

Os resultados de causalidade confirmam uma dinâmica de retroalimentação entre a taxa SELIC e a atividade econômica (PIB), bem como entre a atividade econômica e a inflação (IPCA). Os efeitos unidirecionais do PIB sobre o Saldo de Crédito e da taxa SELIC sobre o custo do crédito (ICC) são compatíveis com os mecanismos de transmissão da política monetária discutidos na literatura macroeconômica. Esses achados corroboram, em parte, a literatura consolidada sobre o papel da SELIC no Regime de Metas de Inflação (RMI) brasileiro, mas também evidenciam limitações do instrumento.

No que se refere à relação entre a taxa SELIC e o IPCA, os achados indicam que não há significância estatística direta entre essas duas variáveis no teste de causalidade de Toda-Yamamoto. Este resultado dialoga parcialmente com a análise de Bacha (2017), que reconhece a centralidade da política monetária no controle inflacionário, mas ressalta que a estabilidade de preços não depende exclusivamente da taxa de juros, estando condicionada a fatores estruturais e institucionais. A baixa capacidade explicativa do modelo VAR para o IPCA reforça essa perspectiva, sugerindo que a inflação brasileira é influenciada por múltiplos determinantes, como choques de oferta e dinâmica de expectativas.

Apesar da ausência de significância estatística direta entre SELIC e IPCA no teste de causalidade, o Banco Central tende a reagir a pressões inflacionárias elevando a taxa de juros, o que gera uma correlação contemporânea positiva entre essas variáveis. Ou seja, quando o IPCA aumenta, o Banco Central reage aumentando a SELIC. Contudo, o modelo não apresentou significância estatística nessa relação, mesmo a taxa SELIC sendo o principal instrumento de política monetária no controle inflacionário, o que aponta para a complexidade da interação e a possível defasagem dos efeitos.

Em relação ao PIB, os resultados indicam uma relação estatisticamente significativa com a taxa SELIC em ambos os sentidos, tanto na causalidade de Toda-Yamamoto quanto na decomposição da variância do modelo VAR. Este achado está em acordo com o estudo de Delmondes (2024), que destaca os efeitos contracionistas causados por uma alta taxa de juros sobre o crescimento econômico, por meio da redução de investimentos privados. A maior explicação da SELIC sobre o PIB em comparação ao IPCA, observada no modelo VAR, reforça a relevância da política monetária para a atividade econômica.

A ausência de relação significativa entre a taxa SELIC e o Saldo de Crédito sugere limitações do canal de crédito como mecanismo de transmissão da política monetária no período analisado. Este resultado pode ser interpretado à luz das especificidades institucionais do sistema financeiro brasileiro, onde a presença de instrumentos de crédito direcionado e subsidiado, além da forte atuação do setor público, pode reduzir a sensibilidade do volume de crédito às variações da taxa básica de juros, limitando a efetividade desse canal, conforme apontado por Evangelista e Araújo (2018).

Em contrapartida, a relação robusta observada entre a taxa SELIC e o Indicador de Custo de Crédito (ICC) confirma o papel direto da taxa básica na formação do custo do crédito. Esse resultado é coerente com o arcabouço teórico da política monetária e reforça a evidência empírica de que a SELIC influencia de maneira mais imediata e direta as condições financeiras do sistema, conforme ilustrado em estudo especial do BACEN (2018), ainda que seus efeitos sobre variáveis reais sejam mais difusos e defasados. A causalidade unidirecional da SELIC para o ICC corrobora essa interpretação.

Em síntese, os resultados obtidos reforçam a compreensão de que a taxa SELIC é um instrumento central na condução da política monetária brasileira, mas sua capacidade de explicar isoladamente a dinâmica macroeconômica é limitada. Embora tenha um impacto significativo sobre o PIB e o custo do crédito, sua influência sobre a inflação e o saldo de crédito se mostrou menos pronunciada ou estatisticamente insignificante. Isso sugere que a estabilidade de preços e o crescimento econômico dependem de uma abordagem integrada de política econômica, considerando múltiplos fatores e canais de transmissão.

4. Conclusão

O presente estudo analisou empiricamente a relação entre a taxa SELIC e seus efeitos sobre o Índice de Preços ao Consumidor Amplo (IPCA), o Produto Interno Bruto (PIB), o Saldo de Crédito e o Indicador do Custo de Crédito (ICC) no Brasil, no período de 2013 a 2019. Verificou-se que a taxa SELIC apresentou uma relação estatisticamente significativa com o PIB e com o custo do crédito, evidenciando a atuação dos mecanismos de transmissão monetária sobre a atividade econômica e as condições financeiras. Observou-se uma causalidade bidirecional entre a SELIC e o PIB, e uma causalidade unidirecional da SELIC em direção ao ICC, confirmando o impacto direto da taxa básica na formação do custo do crédito. A decomposição da variância reforçou que a taxa SELIC explicou uma parcela substancial do comportamento do PIB, mas sua capacidade explicativa sobre o IPCA foi consideravelmente menor. Estes achados contribuem para uma compreensão mais aprofundada da dinâmica macroeconômica brasileira, destacando a relevância da taxa SELIC como instrumento central, mas também suas limitações.

Contudo, a análise revelou que a capacidade da taxa SELIC de explicar isoladamente a dinâmica inflacionária mostrou-se estatisticamente insignificante, sugerindo a influência de múltiplos fatores adicionais na formação do IPCA, como choques de oferta e expectativas. Adicionalmente, não se observou uma relação significativa entre a taxa SELIC e o Saldo de Crédito, o que pode ser atribuído às especificidades institucionais do sistema financeiro brasileiro, em que a presença de instrumentos de crédito direcionado e subsidiado pode reduzir a sensibilidade do volume de crédito. Tais limitações indicam que, embora a SELIC seja um instrumento fundamental, ela é insuficiente para explicar a complexidade macroeconômica do país de forma isolada. Os resultados reforçam a necessidade de uma abordagem integrada de política econômica, que articule instrumentos monetários, fiscais e estruturais para promover estabilidade e crescimento sustentável. Para estudos futuros, sugere-se a incorporação de variáveis adicionais, como o câmbio e o índice de desemprego, a fim de aprofundar a compreensão dos efeitos da política monetária no contexto nacional.

Referências Bibliográficas

AMIRI, A., VENTELOU, B. 2012. Causalidade de Granger entre gastos totais na saúde e o PIB na OCDE: Evidência da abordagem de Toda-Yamamoto. Economics Letters, ed. 3, v. 16, p. 541-544. França.

BACHA, C. J. C. 2017. Entendendo a economia brasileira. 4ed. Átomo e Alínea, Campinas, SP, Brasil.

BANCO CENTRAL DO BRASIL [BACEN]. 2018. Efeito de mudanças da taxa SELIC nas taxas de juros das operações de crédito. Estudos Especiais do Banco Central, v. 11. Brasília, DF, Brasil.

BRITO, E. C.; ARAÚJO, E. C.; ARAÚJO, E. L. 2019. Inter-relações entre a dívida pública e política monetária no Brasil: uma análise histórica. Economia e Sociedade, v. 28, n. 1, p. 153-175. Campinas, SP, Brasil.

BUENO, R. L. S. 2012. Econometria de séries temporais. 2ed. Cengage Learning. São Paulo, SP. Brasil.

DELMONDES, L. 2024. Efeitos da política monetária no Brasil: Uma avaliação com modelos VAR dos impactos da SELIC sobre PIB e IPCA (2002 – 2024). Santa Maria, RS. Brasil.

EVANGELISTA, T. F.; ARAÚJO, E. C. 2018. A eficácia do crédito como canal de transmissão da política monetária no Brasil: estratégia de identificação da oferta e demanda de crédito. Revista de Economia Contemporânea, v. 22, p. 1-27. Rio de Janeiro, RJ, Brasil.

GIL, A. 2017. Como Elaborar Projetos de Pesquisa. 6ed. Editora Atlas, São Paulo, SP, Brasil.

SANTOS, G. C. 2022. O impacto da política monetária sobre a desigualdade de renda: uma análise da influência distributiva do regime de metas (1996-2019). Universidade Federal de Sergipe, SE, Brasil.

TODA, H. Y., YAMAMOTO, T. 1995. Inferência estatística em Vetores Autorregressivos com processos possivelmente integrados. Journal of econometrics, v. 66, n. 1-2, p. 225-250. Japão.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Economia, Investimentos e Banking do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy