Análise da demanda de energia elétrica do setor industrial no Brasil

• Gross, Márcio Marcelo ^[1] ; Ataídes de Freitas, Clailton ^[1] ; Pereira dos Santos, Cezar Augusto ^[3] ; Casagrande, Dieison Lenon ^[4] ; de Oliveira Hoeckel, Paulo Henrique ^[2]
  1. [1] Universidade Federal de Santa Maria

     Universidade Federal de Santa Maria

     Brasil

     
  2. [2] Pontifícia Universidade Católica do Rio Grande do Sul

     Pontifícia Universidade Católica do Rio Grande do Sul

     Brasil

     
  3. [3] Professor - Universidade Comunitária da Região de Chapecó (UNOCHAPECÓ). Mestre em Economia e Desenvolvimento (PPGE&D/UFSM).
  4. [4] Doutorando do Programa de Pós-Graduação em Economia - PIMES/UFPE. Mestre em Economia e Desenvolvimento (PPGE&D/UFSM).

  Mostrar afiliaciones +
• Localización: Economia Política do Desenvolvimento, ISSN-e 2594-598X, Vol. 8, Nº. 19, 2017
• Idioma: portugués
• Enlaces
  • Texto completo
• Resumen

  • O presente artigo tem por objetivo estimar as relações de longo e curto prazo da demanda por energia elétrica do setor industrial do Brasil através de um Modelo de Auto-Regressão Vetorial com correção de erro (VECM), pelo método de Co-integração de Johansen, para assim determinar as elasticidades renda, preço da demanda e preço cruzado por energia elétrica. Objetiva-se ainda projetar a demanda por energia elétrica para os meses de junho, julho e agosto de 2012 através da metodologia Box-Jenkins. Os resultados encontrados apontam que as elasticidades estão de acordo com a teoria econômica e com os resultados encontrados na literatura. A energia se mostrou um bem normal, com demanda inelástica e um bem substituto em relação ao petróleo para as indústrias que possuem essa mobilidade. O modelo de previsão que apresentou melhor ajustamento aos dados foi um modelo AR (4,12) MA (4,12). A média da exatidão das previsões realizadas foi de 97,46%, que é considerado um bom grau de ajustamento, considerando o fato de os dados serem mensais, onde as oscilações são mais difíceis de serem previstas. Esses resultados revelam que é possível utilizar dados mensais para previsões de curto prazo em modelagens Box-Jenkins.