2.1 Definições de ARM

Há duas definições para mensurar se um país está em ARM: a absoluta e a relativa. A primeira se refere a limites absolutos da renda média, como a classificação realizada pelo Banco Mundial. A segunda, define um intervalo percentual da renda per capita de um país desenvolvido, normalmente os Estados Unidos. Lembrando que há diferença entre identificar um país como pertencente a um estrato de renda média e em situação de armadilha da renda média, estas diferenças foram destacadas de acordo com cada estudo.

Para definir os valores dos limiares de renda absolutos ^{Eichengreen et al. (2014)} identificam as reduções no crescimento através de três critérios: taxa de crescimento média de 3,5% nos sete anos que antecedem a redução, redução mínima de 2% no crescimento e países com PIB per capita mínimo de 10.000 dólares americanos de 2005. Utilizando estes critérios e a base de dados PWT 6.3 apontam que os limiares absolutos em que as desacelerações ocorrem estão entre dois intervalos: o primeiro seria entre 10.000 e 11.000 dólares americanos e o segundo intervalo entre 15.000 e 16.000 dólares no período entre 1957 e 2007.

^{Felipe et al. (2012)} analisam 124 países entre 1950 e 2010 e propõem uma definição absoluta utilizando o PIB per capita em dólares americanos de 1990 em paridade do poder de compra (PPCs) e definem quatro categorias: renda baixa, abaixo de 2.000; renda média-baixa, entre 2.000 e 7.250; renda média-alta, entre 7.250 e 11.750 e renda alta acima de 11.750. De acordo com a metodologia proposta pelos autores, um país deve permanecer 14 anos na renda média-baixa e 28 anos na renda média-alta ou um total de 42 anos nos níveis de renda média para ser considerado em situação de armadilha.

^{Zhuang et al. (2012)} utilizaram a metodologia Atlas do World Bank e definiram limiares absolutos da renda nacional bruta dos países em dólares americanos de 2011, sendo países de renda baixa, até 1.025, renda média baixa, entre 1.026 e 4.035, renda média alta, entre 4.036 e 12.475 e renda alta acima de 12.475. De uma amostra de 125 países identificaram 28 países que se encontram no nível de renda média desde 1987, sendo que 18 destes países estavam na renda média desde 1962, o que implica uma situação de ARM há mais de 50 anos.

^{Aiyar et al. (2018)} utilizam limiares do PIB per capita em dólares (PPCs) de 2005 e definem frações de renda, sendo a renda baixa até 2.000, renda média até 15.000 e renda alta acima de 15.000 e concluem, ao analisarem 138 países, que os episódios de desaceleração do crescimento ocorrem com maior frequência em países de renda média.

Na abordagem relativa os autores definem limiares de renda percentuais em comparação a renda de países avançados, normalmente os Estados Unidos. ^{Woo et al. (2012)} definem um catch-up index (índice de alcance) entre 20% e 55% do PIB per capita dos EUA, em dólares de 1990, e utiliza a base de dados de ^{Maddison (2010)} entre 1962 e 2006. Para os autores é necessário um período de 50 anos dentro destes limiares para um país ser considerado em ARM. ^{Im e Rosenblatt (2015)}, utilizando a mesma base de dados para o período de 1950 a 2008, investigam para 127 países a probabilidade de um país avançar para o próximo nível de renda sendo classificados com renda relativa à dos Estados Unidos entre: 15% e 30%, entre 30% e 45% e entre 45% e 60%, que indicam respectivamente os grupos de renda média baixa, média-média e média-alta.

A definição conceitual e relativa utiliza por ^{Robertson e Ye (2016)} é um pouco diferente das desses outros autores, especificamente, uma condição necessária para que determinado país esteja em ARM é que a previsão de longo prazo da sua renda per capita em relação ao país de referência seja invariante no tempo e esteja dentro da faixa de renda média, sendo esta, de acordo com os resultados encontrados pelos autores, entre 8 e 36% do nível de renda dos Estados Unidos.

Por sua vez, a definição relativa de ^{Bulman et al. (2016)} é de que, países de baixa, média e alta renda são aqueles que têm produto interno bruto per capita, em paridade de poder de compra, menor ou igual a 10%, entre 10% e 50%, e acima de 50% do PIB per capita dos EUA, respectivamente.

2.2 Explicações teóricas

De acordo com ^{Glawe e Wagner (2016)}, há duas linhas de raciocínio teórico para explicar o mecanismo por trás da ocorrência da ARM. A primeira explicação sobre as desacelerações do crescimento é baseada no modelo dual de Arthur ^{Lewis (1954)}. Este modelo tem como base economias de dois setores: o setor capitalista ou moderno, que utiliza e acumula capital, e o setor tradicional, que possui oferta de mão de obra ilimitada. O excedente de trabalho faz com que seja possível realocar trabalhadores deste último setor para o setor capitalista a um salário constante. Assim, ao se aumentar a quantidade de capital acumulado, mais trabalhadores são deslocados do setor tradicional para o capitalista, o que causa aumento do produto per capita, gerando um excedente que é reinvestido e que, consequentemente, leva a uma ampliação do setor capitalista. No entanto, a expansão deste setor não ocorre indefinidamente pois, o excedente de trabalhadores será exaurido e os salários terão que aumentar além do nível de subsistência para se atrair trabalhadores.^[1]

Neste sentido, ^{Cai (2012)} destaca que os países de crescimento tardio crescem em uma estrutura econômica dual e que este crescimento termina no ponto de virada previsto por Lewis. Portanto, teoricamente, isso poderia levar a economia a cair na ARM. O pré-requisito para superar o ponto de inflexão de Lewis e a perda do dividendo populacional seria alterar o padrão de crescimento econômico para o aumento da produtividade total dos fatores. Ao ocorrer essa mudança o crescimento econômico de longo prazo passaria a depender da inovação, e assim, estaríamos na situação do modelo clássico de Solow, no qual, a estagnação desta produtividade é a explicação para a desaceleração (^{Cai, 2012}).

A segunda explicação para a ocorrência de ARM foca na imitação de tecnologias estrangeiras e vantagens comparativas entre países. Assim, uma economia em suas fases iniciais de desenvolvimento gera crescimento através da especialização em produtos de baixo custo e intensivos em mão de obra e imita a tecnologia de países avançados. Com o passar do tempo, os ganhos com imitação de tecnologia cessam e o país teria que buscar outras formas de impulsionar o crescimento (^{Glawe e Wagner, 2016}).

Partindo destas duas explicações teóricas, os fatores que geram o crescimento deixam de fazer efeito quando o país entra no nível de renda média, seja pelo argumento de Lewis, de esgotamento da realocação de trabalhadores, ou pela queda nos retornos advindos da imitação de tecnologia estrangeira. Dentre as estratégias recomendadas pela literatura, para se retomar o crescimento econômico e superar a armadilha, estão, entre outras, as políticas que motivam os os agentes econômicos a gastar mais em educação, saúde e P&D, a exportação de bens de alta tecnologia/inovação e que incentivam o investimento em manufatura, além dos ajustes institucionais e estruturais (^{Felipe et al. (2012)}, ^{Eichengreen et al. (2014)}, ^{Tugcu (2015)}).

Na literatura foram desenvolvidos modelos matemáticos para representar a ARM. ^{Agénor e Canuto (2015)} utilizam um modelo de gerações sobrepostas (OGM) com dois tipos de infraestrutura, básica e avançada. Em um dos equilíbrios encontrados no modelo ocorre uma forma de armadilha de baixo crescimento, onde um aumento no acesso à infraestrutura avançada pode ajudar um país a escapar da armadilha.

^{Dabús et al. (2016)} desenvolveram um modelo de equilíbrio geral sobre a ARM para analisar a situação da Argentina enquanto uma economia aberta, pequena e produtora de bens agrícolas que passa por várias fases de crescimento até atingir o estado estacionário com retornos decrescentes, ponto em que apenas um aumento na demanda mundial por produtos agrícolas faria com a economia escapasse da ARM.

^{Glawe e Wagner (2017)} construíram um modelo multisetorial para a China com foco em três períodos de reformas: na agricultura (1978-1984), industrial (1984-1992) e no comércio exterior a partir de 1992 que explica o processo de crescimento da China como uma sequência de fases transitórias de crescimento gerado pelas reformas. Estas fases transitórias foram descritas por autores como ^{Ohno (2009)} e ^{Aoki (2011)} como diferentes estágios de desenvolvimento para os países do sudeste e extremo leste asiático, pelos quais as economias transitam desde a agricultura de subsistência até níveis avançados de economias voltadas para a geração de inovação e tecnologia.

2.3 Triggering Factors

Muitos autores procuram identificar quais são os fatores responsáveis por um país ficar preso ou escapar da ARM, estes são os chamados "triggering factors". Sendo que o capital humano, a estrutura de exportações e a produtividade total dos fatores são os que têm tido maior destaque nessa literatura.

Sobre os "triggeringfactors"^{Gill e Kharas (2007)} argumentam que a ARM resulta do fato dos países não passarem por mudanças estruturais e institucionais ao adentrarem o nível de renda média. Estas mudanças deveriam ocorrer através de políticas públicas que induziriam as instituições a se transformar, pois a consequência da estagnação, seria os países ficarem "presos" entre as economias de alta renda, que estão na fronteira tecnológica de inovação, e as de baixa renda, com excedente populacional, que dominam as indústrias manufatureiras tradicionais. ^{Gill e Kharas (2015)} afirmam que estas transformações estruturais e institucionais levam tempo e esforço para serem implementadas, e em muitos casos estas mudanças enfrentam barreiras como motivações de curto prazo e falta de consenso político.

Para ^{Agénor e Canuto (2015)} bem como ^{Aiyar et al. (2018)}, estas reformas estruturais e institucionais serviriam para suprir o esgotamento do modelo dual de crescimento e da queda dos retornos sobre a tecnologia importada. Esses autores também apontam que os países devem fazer uma transição para setores mais produtivos, com produtos intensivos em tecnologia e inovação.

Nesta linha, ^{Felipe et al. (2012)} e ^{Doner e Schneider (2016)} concordam que as transformações estruturais e ou institucionais devem ocorrer para manter o crescimento das economias ao entrarem nos níveis de renda média. No entanto, estes últimos destacam que é a desigualdade de renda dentro de um país que dificulta estas transformações, devido à falta de consenso político para efetivar as mudanças, argumento este que é também compartilhado por (^{Gill e Kharas, 2015}).

^{Bulman et al. (2016)} também identificam uma distribuição de renda menos desigual nos países que conseguiram avançar à alta renda e ^{Doner e Schneider (2016)} destacam que ao reduzir a desigualdade os países removem obstáculos políticos internos e abrem caminho para o aprimoramento das instituições e, a partir daí, aumentam a produtividade via capital humano e inovação.

Sobre a produtividade ^{Eichengreen et al. (2014)} afirmam que a sua queda é o principal causador das desacelerações. ^{Agénor et al. (2015)} concordam e afirmam que para evitá-la seriam necessárias interações entre os determinantes do crescimento da produtividade como as decisões dos indivíduos de se adquirir ou ampliar habilidades e o acesso a diferentes tipos de infraestrutura e externalidades advindas de redes de conhecimento, ou seja, a habilidade de se aproveitar o conhecimento oriundo do maior percentual de trabalhadores com níveis de educação avançados.

A abertura comercial e a composição das exportações também são apontadas por alguns autores como triggeringfactors da ARM. ^{Felipe et al. (2012)} afirmam que uma pauta exportadora diversificada pode ajudar a evitar desacelerações do crescimento do PIB per capita, o que é reforçado por ^{Eichengreen et al. (2014)} que afirmam que a participação dos produtos altamente tecnológicos na composição das exportações é bem maior nos países de renda alta do que nos países que se encontram na ARM. Já ^{Aiyar et al. (2018)} encontraram indícios de que a abertura comercial faz com que as economias se tornem menos suscetíveis às desacelerações do crescimento. ^{Bulman et al. (2016)} identificam uma relação positiva entre abertura comercial e crescimento nos países de renda média e afirmam que os países que escaparam da renda média possuíam uma forte orientação exportadora com uma pauta de exportação diversificada e melhores indicadores de estabilidade macroeconômica. ^{Zagato et al. (2019)} destacam que Coréia do Sul, Irlanda, Israel e Singapura aumentaram a complexidade de suas exportações e, consequentemente, avançaram à níveis superiores de renda.

^{Agénor e Canuto (2015)} afirmam que a infraestrutura também é importante para os países em armadilha avançarem para a alta renda. Os autores a dividem em infraestrutura básica e avançada, sendo a básica formada por estradas e ferrovias que fomentam a manufatura e a avançada formada por tecnologia da informação e redes de comunicação de alta velocidade que fomentam, por sua vez, a inovação. ^{Aiyar et al. (2018)} afirmam que nos países em ARM há insuficiência de estradas e que quanto maior a integração regional, menor é a chance de uma desaceleração.

Um dos principais determinantes do crescimento, seja de forma direta ou através de seus efeitos positivos sobre a produtividade é o capital humano. No modelo apresentado por ^{Agénor e Canuto (2015)} o capital humano é dividido em básico e avançado, sendo o último adquirido através do investimento do indivíduo em educação e utilizado no setor de inovação, o que impactaria positivamente a produtividade e manteria o crescimento da economia. ^{Eichengreen et al. (2014)} lembram que as desacelerações do crescimento ocorrem relativamente menos em países que apresentam alto percentual da sua população com educação de níveis médio e superior. ^{Bulman et al. (2016)} também identificam altos índices de capital humano nos países que conseguiram avançar da renda média para a renda alta.

Além dos "triggering factors" discutidos acima, alguns autores investigam adicionalmente o impacto da participação do governo na economia de países em situação de armadilha. ^{Aiyar et al. (2018)}, por exemplo, investigam a influência do tamanho do governo, como uma variável institucional, e encontram que um país que reduz a participação do governo na economia é menos suscetível a sofrer uma desaceleração na sua taxa de crescimento. ^{Agénor e Canuto (2015)}, por outro lado, afirmam que um aumento suficientemente elevado dos gastos públicos em infraestrutura avançada pode ajudar um país a escapar da armadilha de renda média. Adicionalmente, os gastos públicos seriam importantes para um país escapar da renda média através dos impactos que teriam nos triggering factors, principalmente como investimento na acumulação de capital humano Agenor e Canuto (2015) ou em programas de bem-estar social que reduzam as desigualdades e abram caminho para as transformações institucionais (^{Doner e Schneider, 2016}).

3.1 Análise de cointegração

A estratégia empírica seguiu os seguintes passos: testes de estacionariedade em nível e em primeira e segunda diferenças, especificação do modelo, determinação do número de defasagens do modelo, utilizando os critérios de informação, execução dos testes de cointegração de Johansen, estimação do vetor de cointegração (VEC), execução dos testes de diagnósticos e, por fim, estimação da função impulso-resposta.

^{Greene (2012)} afirma que quando duas séries de tempo são não estacionárias por exemplo y ex_t, mas uma combinação linear dessas duas séries é estacionária [I(0)], considera-se que elas são cointegradas. Isto é, se as duas séries forem a diferença parcial entre elas, β, pode ser estável em torno de uma média fixa, conforme a equação (1).

Existe uma relação entre os modelos de correção de erro e de cointegração. A equação 2 ao assumir a cointegração implica a existência de um modelo de correção de erro que sugere um caminho para a construção de um modelo elaborado de variação de longo prazo, conforme a equação (2).

Supondo que as duas variáveis y _f ez _t , são cointegradas e que o vetor de cointegração é [1, -#], então, todas as três variáveis são [I(0)] (^{Greene, 2012}).

Para verificar se as séries são cointegradas é utilizado o teste de cointegração de ^{Johansen (1988)}, cujo modelo parte da seguinte equação, que formula o Modelo Vetorial Autorregressivo ( VAR):

Para testar a cointegração realiza-se o teste do traço conforme equação 4, e o teste do máximo autovalor. Em ambos os testes, caso a hipótese nula seja rejeitada, confirma-se a existência de cointegração. Os testes também mostram a quantidade de vetores de cointegração presentes nas séries analisadas.

O modelo VEC é utilizado nesta pesquisa para verificar as relações entre o PIB per capita e alguns dos triggering factors mais comuns na literatura sobre a ARM. A equação para descrever estas relações é descrita da seguinte forma:

O primeiro requisito para se realizar o teste de cointegração é que as séries sejam não estacionárias. A variável de interesse foi o PIB per capita e as variáveis explicativas foram: capital humano, capital físico, produtividade total dos fatores, abertura comercial e gastos do governo. Foram realizados os testes Dickey-Fuller aumentado, Phillips-Perron e Kwiatkowski-Phillips-Schmidt-Shin (KPSS) para verificar a estacionariedade das séries. Nos dois primeiros casos, a hipótese nula a ser testada é de que a variável contém uma raiz unitária e a hipótese alternativa é de que a variável foi gerada por um processo estacionário, no caso do KPSS a hipótese nula é o inverso desta. Os resultados indicaram que o PIB per capita, a produtividade, a abertura comercial e os gastos do governo possuem raiz unitária em nível e são estacionários em primeira diferença, o capital humano é estacionário em nível e o capital físico é estacionário em segunda diferença.

O próximo passo foi executar o teste para determinar o número máximo de defasagens para estimar o vetor de correção de erros (VEC). Os critérios de informação Akaike (AIC) e Hannan Quinn (HQIC) indicaram modelos com quatro defasagens, mas o VEC estimado utilizando este número de defasagens apresentou cinco ou mais vetores de cointegração. Por isso, optou-se por utilizar o critério de informação bayesiano de Schwarz (SBIC), na qual a defasagem utilizada para estimar o modelo é igual a um e o VEC estimado possui dois vetores de cointegração.