Upload
lekhue
View
212
Download
0
Embed Size (px)
Citation preview
“Tax havens are not working on the
margins of the world economy, but are an
integral part of modern business practice.”
Ronen Palan
Richard Murphy
Christian Chavagneux
RESUMO
A utilização de paraísos fiscais por empresas multinacionais tem sido cada vez mais recorrente
nas últimas décadas. Cerca de 30% de todo o estoque de investimento direto externo (IDE) no
mundo está alojado nessas jurisdições. Mesmo com tamanha relevância, esse fenômeno tem
sido pouco explorado pelos pesquisadores da área. Nesse sentido, o objetivo do presente estudo
é identificar os determinantes econômicos e institucionais do investimento direto externo
realizado por países em desenvolvimento em paraísos fiscais, com foco nos fatores do país de
origem. Para tanto, além da revisão de literatura sobre as teorias do IDE e paraísos fiscais,
estimou-se um modelo econométrico de dados em painel, através do método de Mínimos
Quadrados Ordinários (MQO). O recorte temporal compreendeu o período de 2009 a 2016. O
recorte geográfico incluiu 36 países de origem do IDE (países em desenvolvimento). Os
resultados apontaram que a carga tributária do país de origem, sobretudo o imposto incidente
sobre empresas, é o principal determinante do IDE realizado por países em desenvolvimento
em paraísos fiscais. Por outro lado, o desenvolvimento institucional não se mostrou significante
como variável explicativa. Esses resultados apontam que multinacionais de países em
desenvolvimento utilizam paraísos fiscais como uma estratégia de evitação fiscal, buscando
reduzir seus custos com pagamento de impostos nos seus respectivos países de origem.
Palavras-chave: Investimento direto externo. Países em desenvolvimento. Paraísos fiscais.
Carga tributária. Instituições.
ABSTRACT
The use of tax havens by multinational companies has been increasingly recurrent in recent
decades. About 30 percent of the entire stock of foreign direct investment (FDI) in the world is
housed in these jurisdictions. However, even with such relevance, this phenomenon has been
underexplored by researchers in this field. In this sense, the aim of this study is to identify the
economic and institutional determinants of foreign direct investment undertaken by developing
countries in tax havens, with focus on the factors of the home country. For this, in addition to
the literature review on theories of FDI and tax havens, an econometric model is estimated,
using the Ordinary Least Squares (OLS) method, based on panel data of 36 home countries
(developing countries) over the period 2009-2016. The results show that the tax burden of the
country of origin, especially corporate taxes, is the main determinant of FDI undertaken by
developing countries in tax havens. On the other hand, institutional development did not prove
significant as an explanatory variable. These results point out that multinationals from
developing countries use tax havens as a tax avoidance strategy, seeking to reduce their costs
in paying taxes in their respective countries of origin.
Keywords: Foreign direct investment. Developing countries. Tax havens. Tax burden.
Institutions.
LISTA DE ILUSTRAÇÕES
Gráfico 1 - Estoque de IDE em paraísos fiscais e sua participação no estoque de IDE mundial,
em milhões de dólares (2000 - 2016) ....................................................................................... 30
Gráfico 2 - Saída de IDE: total mundial, países desenvolvidos e países em desenvolvimento,
em milhões de dólares (1990 – 2016) ....................................................................................... 38
LISTA DE QUADROS
Quadro 1 - Jurisdições e o número de listas em que estas aparecem classificados como paraíso
fiscal ......................................................................................................................................... 23
Quadro 2. Trabalhos empíricos sobre o IDE em paraísos fiscais ............................................. 32
Quadro 3 - Países de origem e países de destino do IDE ......................................................... 43
Quadro 4 - Variável, descrição, fonte, hipótese e sinal esperado ............................................. 45
Quadro 5 - Estatísticas descritivas ............................................................................................ 46
Quadro 6 - Teste de raiz unitária .............................................................................................. 48
Quadro 7 – Submodelos e suas respectivas variáveis............................................................... 50
Quadro 8 - Síntese dos resultados ............................................................................................ 54
LISTA DE TABELAS
Tabela 1 - Lista de paraísos fiscais da OCDE .......................................................................... 22
Tabela 2 - Dados macroeconômicos da Irlanda, 2006 a 2016 .................................................. 27
Tabela 3 - Dados econômicos do Chipre - 2006 a 2016 ........................................................... 28
Tabela 4 - Dados econômicos de Luxemburgo - 2006 a 2016 ................................................. 28
Tabela 5 - Dados econômicos de Singapura - 2006 a 2016...................................................... 29
Tabela 6 - Participação dos países desenvolvidos e em desenvolvimento na saída total de IDE
mundial, em milhões de dólares (1990 - 2016) ........................................................................ 39
Tabela 7 - Top 10 países em desenvolvimento com maiores saídas de IDE em 2016 e suas
participações ............................................................................................................................. 40
Tabela 8 - Matriz de correlação ................................................................................................ 47
Tabela 9 - Estimação do modelo .............................................................................................. 51
LISTA DE ABREVIATURAS E SIGLAS
CDIS Coordinated Direct Investment Survey
DW Durbin-Watson
EMN Empresa Multinacional
FMI Fundo Monetário Internacional
IDE Investimento Direto Externo
IDP Investment Development Path
MQO Mínimos Quadrados Ordinários
OCDE Organização para a Cooperação e Desenvolvimento Econômico
OFC Offshore Financial Center
OFDI Outward Foreign Direct Investiment
OLI Paradigma Eclético (Ownership, Location e Internalization)
PIB Produto Interno Bruto
RBI Reserve Bank of India
SPE Special Purpose Entity
UNCTAD United Nations Conference on Trade and Development
SUMÁRIO
1 INTRODUÇÃO ........................................................................................................ 11
1.1 CONTEXTUALIZAÇÃO .......................................................................................... 11
1.2 QUESTÃO DE PESQUISA E OBJETIVOS ............................................................. 13
1.2.1 Questão de pesquisa ................................................................................................... 13
1.2.2 Objetivo geral ............................................................................................................. 13
1.2.3 Objetivos específicos .................................................................................................. 13
1.3 JUSTIFICATIVA ....................................................................................................... 14
1.4 ASPECTOS METODOLÓGICOS............................................................................. 14
1.5 ESTRUTURA DO TRABALHO ............................................................................... 15
2 REVISÃO DE LITERATURA ............................................................................... 16
2.1 TEORIAS DO INVESTIMENTO DIRETO EXTERNO .......................................... 16
2.1.1 As teorias pioneiras de Hymer e Vernon.................................................................... 16
2.1.2 Paradigma Eclético (OLI) .......................................................................................... 18
2.1.3 Teoria IDP .................................................................................................................. 19
2.1.4 Teoria Institucional..................................................................................................... 20
2.2 PARAÍSOS FISCAIS E CENTROS FINANCEIROS OFFSHORE ......................... 21
2.2.1 Como surgiram os paraísos fiscais? ........................................................................... 24
2.2.2 Características de paraísos fiscais .............................................................................. 25
2.2.3 Dados sobre paraísos fiscais ....................................................................................... 26
2.3 DETERMINANTES DO INVESTIMENTO DIRETO EXTERNO EM PARAÍSOS
FISCAIS: ESTUDOS EMPÍRICOS E HIPÓTESES ................................................. 31
2.3.1 Variáveis macroeconômicas ....................................................................................... 32
2.3.2 Carga tributária ........................................................................................................... 35
2.3.3 Desenvolvimento institucional ................................................................................... 36
3 SAÍDA DE INVESTIMENTO DIRETO EXTERNO E A PARTICIPAÇÃO DE
PAÍSES EM DESENVOLVIMENTO .................................................................... 38
3.1 EVOLUÇÃO DA SAÍDA DE INVESTIMENTO DIRETO EXTERNO.................. 38
3.2 PARTICIPAÇÃO DE PAÍSES EM DESENVOLVIMENTO ................................... 39
4 MODELO EMPÍRICO ............................................................................................ 42
4.1 DADOS E AMOSTRA .............................................................................................. 42
4.2 VARIÁVEIS DO MODELO...................................................................................... 44
4.3 TESTES INICIAIS ..................................................................................................... 46
4.4 ESPECIFICAÇÃO DO MODELO ............................................................................ 48
4.5 RESULTADOS E DISCUSSÃO ............................................................................... 51
5 CONSIDERAÇÕES FINAIS................................................................................... 55
REFERÊNCIAS ....................................................................................................... 57
APÊNDICE A – Painel de dados utilizado na regressão ...................................... 62
11
1 INTRODUÇÃO
Neste capítulo, primeiramente, faz-se uma contextualização do tema abordado. Na
sequência, apresentam-se a questão de pesquisa e os objetivos, seguido pelos aspectos
metodológicos e pela justificativa para realização do estudo. Por fim, apresenta-se a estrutura
do trabalho.
1.1 CONTEXTUALIZAÇÃO
Nas últimas décadas, o mundo tem vivenciado um rápido avanço da globalização, que
aproximou países, liberalizou economias e aumentou a mobilidade de capitais (HONG;
SMART, 2010). Como resultado, nota-se um expressivo crescimento do estoque de
investimento direto externo (IDE) nos países mundo afora. Em 1980, o estoque de IDE no
mundo era de 701,1 bilhões de dólares. Em 2016, esse estoque salta para 26,7 trilhões de
dólares, um crescimento de 3809% em menos de quatro décadas (UNCTAD, 2018). No entanto,
um fato começou a chamar a atenção. Uma fatia expressiva do IDE mundial começou a se alojar
em jurisdições consideradas paraísos fiscais e centros financeiros offshore (offshore financial
center - OFC), fazendo com que esse fenômeno entrasse na agenda de formuladores de política
econômica (HINES JR., 2005; JONES; TEMOURI, 2016).
Segundo Palan, Murphy e Chavagneux (2010), paraísos fiscais são jurisdições que não
seguem normas sugeridas por órgãos mundiais quanto ao regime de tributação e
regulamentação financeira. Essas jurisdições se aproveitam dessa autonomia para criar regimes
de tributação e legislações que facilitam pessoas e corporações não residentes evitar/evadir1
suas obrigações (como, por exemplo, tributação e declaração de origem de valores) em seus
respectivos países de origem.
A partir da segunda metade dos anos 2000, observa-se um rápido crescimento dos
investimentos offshore (em paraísos fiscais). A partir de então, esse tipo de investimento passou
a ter grande participação nos investimentos internacionais. Cerca de 30% do estoque mundial
de IDE está alojado em paraísos fiscais (PALAN; MURPHY; CHAVAGNEUX, 2010). Não
1 Evitar obrigações fiscais, ainda que controverso, é legal e se dá, por exemplo, quando uma empresa busca meios
de pagar menos impostos do que deveria. Uma das práticas mais comuns é abrir subsidiárias em paraísos fiscais.
Por outro lado, evadir obrigações fiscais é ilegal, visto que é uma ação fraudulenta de uma empresa ou indivíduo,
que procura meios não legais para não pagar os seus impostos. De forma similar à evitação fiscal, frequentemente
esse dinheiro acaba estocado em paraísos fiscais. Diferenciar tais atividades, na prática, é extremamente difícil,
portanto, usa-se os dois termos sem diferenciações significantes (PALAN; MURPHY; CHAVAGNEUX, 2010).
12
obstante, aproximadamente 30% do estoque de investimentos corporativos passam por paraísos
fiscais antes de chegarem ao seu destino, onde se encontram ativos realmente produtivos (THE
ECONOMIST, 2013; UNCTAD, 2015). Na literatura de paraísos fiscais, esse ato é chamado
de round-tripping.
Existem cerca de 50-60 paraísos fiscais no mundo, que servem de domicílio para mais
de dois milhões de paper companies, isto é, empresas fantasmas, além de milhares de fundos
financeiros (PALAN; MURPHY; CHAVAGNEUX, 2010; THE ECONOMIST, 2013). Se
listarmos os 30 países com maiores estoques de IDE, encontraremos países como Ilhas Virgens
Britânicas, Ilhas Cayman e Luxemburgo, além de Irlanda, Suíça e Singapura (UNCTAD, 2017),
todos apontados como paraísos fiscais ou centros financeiros offshore pela maioria dos
pesquisadores e listas existentes (HINES JR; RICE, 1994; PALAN; MURPHY;
CHAVAGNEUX, 2010; HABERLY; WÓJCIK, 2014).
Em 2017, de todo o estoque de investimento direto brasileiro no exterior, 45% estava
alojado em quatro países, todos eles paraísos fiscais (BANCO CENTRAL DO BRASIL, 2017).
Em 2010, 62% do estoque de investimento direto da Rússia no exterior estava localizado em
cinco paraísos fiscais (KUZNETSOV, 2011). Por fim, de 2009 a 2010, 61% do estoque de
investimento direto da Índia estava localizado em quatro paraísos fiscais (RBI, 2010).
Mesmo sendo o principal destino do IDE de países como Brasil, Rússia, Índia e China
(PENG; PARENTE, 2012), paraísos fiscais têm recebido pouca atenção dos pesquisadores da
área (BUCKLEY et al, 2013). Alguns trabalhos têm realizado importantes contribuições para a
área, demonstrando que o IDE offshore é, sobretudo, motivado por questões tributárias
(HABERLY; WÓJCIK, 2014; JONES; TEMOURI, 2016; CHARI; ACIKGOZ, 2016),
institucionais (BUCKLEY et al., 2013; LEDYAEVA et al., 2015; CHARI; ACIKGOZ, 2016),
ou ainda, por questões de sigilo de informações financeiras (BRAUN; WEICHENRIEDER,
2014). No entanto, a literatura ainda é incipiente, sobretudo no Brasil2, e ainda não há um
consenso sobre o que leva as EMNs (Empresas Multinacionais) realizarem IDE em paraísos
fiscais e centros financeiros offshore. Logo, constata-se a necessidade de mais pesquisas, que
busquem entender os determinantes desse tipo investimento, sobretudo aquele realizado pelos
países em desenvolvimento, que detêm uma expressiva fatia do seu IDE estocado em paraísos
fiscais.
2 Após uma vasta busca, não foram encontrados trabalhos escritos na língua portuguesa que analisassem o IDE
em paraísos fiscais.
13
1.2 QUESTÃO DE PESQUISA E OBJETIVOS
A seguir, enunciam-se a questão de pesquisa, o objetivo geral e os objetivos específicos
da pesquisa.
1.2.1 Questão de pesquisa
A partir da contextualização do tema surge a seguinte problemática:
Quais os fatores econômicos e institucionais do país de origem são determinantes no
investimento direto externo realizado por países em desenvolvimento em paraísos fiscais?
1.2.2 Objetivo geral
Logo, formula-se o objetivo geral do estudo:
Analisar os determinantes econômicos e institucionais do investimento direto externo
realizado por países em desenvolvimento em paraísos fiscais, com foco nos fatores do país de
origem.
1.2.3 Objetivos específicos
Para alcançar o objetivo geral, elaboram-se três objetivos específicos:
• Descrever a evolução do investimento direto externo em paraísos fiscais, bem como sua
expressividade em relação ao estoque de investimento direto externo mundial;
• Mensurar a importância da carga tributária do país de origem como determinante do
investimento direto externo em paraísos fiscais;
• Avaliar a importância do desenvolvimento institucional do país de origem como
determinante do investimento direto em paraísos fiscais.
14
1.3 JUSTIFICATIVA
Ao observar a evolução histórica dos investimentos diretos externos, notam-se algumas
fases e mudanças de padrões. Até os anos 2000, quase a totalidade desses investimentos
estavam estocados em países desenvolvidos. Após esse período, países em desenvolvimento
também passaram a estocar volumes significativos do investimento direto mundial. Dessa
forma, pesquisadores buscaram entender essas mudanças de padrões, analisando os
determinantes do investimento direto externo nesses países. Mais recentemente, outro
fenômeno ganhou força. Uma grande parcela dos investimentos diretos no mundo passou a se
alojar em paraísos fiscais e centros financeiros offshore. Todavia, esse novo fenômeno tem
recebido pouca atenção dos pesquisadores da área.
O entendimento desse fenômeno é de grande importância, não só para os pesquisadores,
mas, sobretudo, para formuladores de política econômica. Ao buscar paraísos fiscais para alojar
seus recursos, multinacionais evadem/evitam suas obrigações fiscais em seus países de origem,
gerando problemas como: queda na arrecadação de impostos, afetando a oferta de serviços
públicos; distorções na distribuição de renda, visto que alguns contribuintes que têm acesso a
paraísos fiscais (geralmente grandes multinacionais) deixam de pagar os seus impostos,
impactando àqueles que honram seus compromissos fiscais; distorções em dados e estatísticas
macroeconômicas; criação de gastos públicos para a identificação e penalização destes
contribuintes que não honram suas obrigações.
Conhecer as variáveis do país de origem que influenciam a saída de IDE à paraísos
fiscais se mostra de extrema relevância para que essa literatura avance e a problemática possa
ser abordada com mais propriedade. Nessa linha, o presente estudo busca contribuir com essa
área de pesquisa, demonstrando de forma empírica como variáveis econômicas e institucionais
do país de origem afetam a saída de IDE de economias em desenvolvimento à paraísos fiscais.
1.4 ASPECTOS METODOLÓGICOS
Quanto aos objetivos, o estudo classifica-se como descritivo. Segundo Figueiredo e
Souza (2008), pesquisas descritivas buscam delinear ou analisar as características, a natureza e
a frequência de fatos ou fenômenos. Richardson (1999) ainda ressalta que estudos descritivos
buscam analisar a relação entre variáveis, ou até mesmo identificar a influência de variáveis em
determinados fenômenos.
15
Em relação aos procedimentos ou estratégia, o estudo valeu-se da pesquisa documental.
Na pesquisa documental utilizam-se materiais ainda não analisados, que podem ser manuseados
de acordo com os objetivos da pesquisa. São exemplos dados censitários, documentos oficiais,
registros de arquivos, etc. (GIL, 2002). No caso do presente estudo, utilizaram-se fontes
estatísticas, coletadas nas bases de dados: Coordinated Direct Investment Survey (CDIS), do
Fundo Monetário Internacional (FMI); UNCTADSTAT, da Conferência das Nações Unidas
sobre Comércio e Desenvolvimento (UNCTAD); e World Development Indicators, do Banco
Mundial.
Por fim, utilizou-se o método/abordagem quantitativa, que se caracteriza pelo emprego
da quantificação, desde a coleta de informações até no tratamento destas por meio de técnicas
estatísticas. Esse tratamento pode ser através de análises estatísticas simples, como percentual,
média, desvio-padrão, etc., ou análises estatísticas mais complexas, como correlação, análise
de regressão, etc., (RICHARDSON, 1999). Aqui, optou-se pelo uso da análise de regressão,
através da estimação de um modelo econométrico com dados em painel, através do método de
Mínimos Quadrados Ordinários (MQO). Os dados, as variáveis e a especificação do modelo
serão explicados detalhadamente no capítulo 4.
1.5 ESTRUTURA DO TRABALHO
O trabalho é dividido em 5 capítulos. Esta introdução, juntamente com a questão de
pesquisa, objetivos, aspectos metodológicos e justificativa constituem o primeiro capítulo. O
segundo capítulo é composto pela revisão de literatura, onde apresentam-se as teorias do
investimento direto externo e paraísos fiscais, bem como os principais determinantes do IDE
em paraísos fiscais e as hipóteses do estudo. O terceiro capítulo demonstra a evolução da saída
de IDE mundial, de países desenvolvidos e particularmente a saída de IDE de países em
desenvolvimento e a sua participação no total mundial. O modelo empírico a ser estimado, os
testes, os resultados e a discussão são apresentados no quarto capítulo. Por fim, no quinto e
último capítulo, são apresentadas as considerações finais, relacionando os resultados obtidos
com os objetivos propostos.
16
2 REVISÃO DE LITERATURA
Este capítulo é dividido em três subcapítulos. No primeiro, apresentam-se as definições
e as principais teorias do investimento direto externo. No segundo, apresentam-se os conceitos
de “paraíso fiscal” e “centro financeiro offshore”, descrevem-se suas principais características
e alguns dados. Por fim, no último subcapítulo faz-se um levantamento dos determinantes do
IDE em paraísos fiscais e formulam-se as hipóteses do estudo.
2.1 TEORIAS DO INVESTIMENTO DIRETO EXTERNO
Segundo o Fundo Monetário Internacional (FMI, 1993), investimento direto externo é
uma categoria de investimento internacional em que um investidor, residente em um
determinado país, manifesta interesses de longo prazo em uma empresa estrangeira. Por se tratar
de interesses de longo prazo, investidores que realizam esse tipo de investimento buscam
exercer controle total ou alto nível de influência nessas empresas estrangeiras as quais investem.
A Organização para Cooperação e Desenvolvimento Econômico (OCDE, 2008) propõe que,
para ser considerado investimento direto, um investidor deve possuir 10% ou mais do poder de
voto de uma empresa estrangeira.
O investimento direto externo pode ser realizado por meio de aquisições, quando uma
empresa/entidade residente em um país adquire uma empresa estrangeira, ou investimentos
greenfield, quando uma empresa constrói uma nova subsidiária no exterior (AMAL; RABOCH;
TOMIO, 2009). No entanto, vale ressaltar que o IDE compreende mais do que apenas as
transações iniciais de investimentos no exterior. Transações subsequentes entre as subsidiárias
de uma EMN, como empréstimos intercompanhias, também são considerados investimentos
diretos externos (FMI, 1993).
2.1.1 As teorias pioneiras de Hymer e Vernon
Antes de surgirem as primeiras teorias de negócios internacionais, o modelo que
explicava a movimentação de capitais era o paradigma clássico, também chamado de
neoclássico, que se manteve como teoria dominante até 1950. Esse modelo tinha como objetivo
descobrir “onde” seria estabelecido a produção, ignorando fatores de propriedade e organização
da atividade econômica (DUNNING; LUNDAN, 2008). Posteriormente, surgem novas
17
abordagens e teorias que passam a estudar as motivações da empresa ao se internacionalizar.
Hymer e Vernon dão os marcos iniciais para o que seria a literatura de negócios internacionais.
Stephen Hymer é considerado o precursor dessa literatura (DUNNING; LUNDAN,
2008). Através de sua tese de doutorado intitulada “The International Operations of National
Firms, a Study of Foreign Direct Investiment”, através da qual criou a Teoria do Poder de
Mercado, Hymer (1960) destoou do paradigma neoclássico sobre a movimentação internacional
de capitais. Segundo o autor, a teoria neoclássica, que afirmava que a movimentação de capital
internacional seria determinada pela diferença da taxa de juros entre os países, não era aplicável
ao investimento direto externo. Entretanto, o IDE estaria relacionado a expansão internacional
de uma empresa, que passaria a controlar operações de subsidiárias no exterior. Logo, observa-
se que o autor deslocou a análise do nível macroeconômico para uma análise nível-firma.
Tomando como base a teoria da organização industrial, Hymer (1960 apud DUNNING;
RUGMAN, 1985) concluiu que EMNs são frutos das imperfeições de mercado, que buscam
instalar subsidiárias no exterior a fim de minimizar seus riscos e obter poder de monopólio.
Além disso, o controle sobre subsidiárias no exterior por uma EMN possibilitaria a eliminação
da concorrência de outras empresas situadas em outros países. O autor ainda pontua que para
empresas ter êxito no processo de expansão internacional, devem possuir algum tipo de
vantagem de propriedade (inovação, custos, financeira, marketing, etc.), para que possam
compensar as desvantagens de competir com empresas locais do país estrangeiro (apud
DUNNING; LUNDAN, 2008).
Enquanto Hymer via a internacionalização das empresas como uma forma de explorar
vantagens de propriedade, obter poder de monopólio e eliminar concorrência, Vernon
enxergava o investimento direto externo realizado pelas EMNs como uma maneira de se
defender e proteger suas posições no mercado (DUNNING; LUNDAN, 2008). Em 1966,
Vernon publica o seu artigo clássico, chamado “International Investment and International
Trade in the Product Cycle”, no qual cria a “Teoria do Ciclo do Produto” para explicar o
investimento direto externo. Segundo Dunning e Lundan (2008), Vernon utiliza uma
perspectiva microeconômica, o ciclo do produto, para explicar um fenômeno macroeconômico,
a atividade de empresas multinacionais.
Vernon (1966) afirma que, nos estágios iniciais, ao desenvolver um novo produto, uma
empresa irá atuar no mercado doméstico, explorando a baixa elasticidade-preço da demanda,
visto a diferenciação deste novo produto, ou, até mesmo, a obtenção de monopólio pela
empresa. Nesta etapa, a preocupação da empresa por redução de custos é baixa. Num segundo
momento, quando a demanda pelo produto aumenta, começa a haver uma certa padronização
18
desse produto no mercado, fazendo com que a empresa perca o bônus pela sua inovação,
passando então a competir no mercado com novos fabricantes. Consequentemente, a
preocupação por reduzir os custos de fabricação começam a predominar. É nesta fase que a
empresa começa a considerar a possibilidade de expandir internacionalmente, instalando
subsidiárias no exterior, a fim de proteger sua posição no mercado.
2.1.2 Paradigma Eclético (OLI)
Em 1976, Dunning formulou o paradigma eclético (ou paradigma OLI), uma nova
abordagem na literatura de negócios internacionais que integralizou teorias já existentes sobre
investimento direto externo e empresas multinacionais em um único modelo (AMAL, 2016).
Para Dunning (2000), o investimento direto externo é determinado por três conjuntos de
vantagens que EMNs podem explorar. O primeiro é chamado de “vantagens específicas de
propriedade”. Essas vantagens consistem em diferenciais de competitividade que uma empresa
detém frente aos concorrentes. Segundo o autor, quanto maior forem as vantagens competitivas
específicas de uma empresa, maior será a probabilidade desta se engajar em atividades no
exterior. O segundo conjunto é o de “vantagens de localização”, que faz menção às vantagens
que determinados países ou regiões podem oferecer às EMNs. Essa vantagem está relacionada
a um fator extrínseco, demonstrando que empresas podem expandir internacionalmente
buscando explorar essas vantagens oferecidas por determinadas jurisdições. O terceiro é o de
“vantagens de internalização”. Conforme Dunning (2000), quanto maiores as vantagens de
internalizar a produção de bens intermediários fabricados no exterior, em detrimento a importar
ou terceirizar a produção, maior a probabilidade de realização de investimento direto externo.
Dunning (2000) ainda coloca que estudiosos da área de negócios internacionais
identificaram quatro principais tipos de motivações pelas quais empresas multinacionais
investem no exterior: busca por mercado (market-seeking), busca por eficiência (efficiency-
seeking), busca por recursos (resource-seeking) e busca por ativos estratégicos (strategic asset-
seeking). O objetivo do investimento direto externo motivado pela busca por mercado é
aumentar a demanda pelos produtos/serviços oferecidos pela empresa multinacional (EMN). A
busca por eficiência está relacionada à redução de custos e ganho de produtividade. O
investimento realizado com objetivo de busca por recursos está relacionado ao interesse de uma
EMN em acessar determinados recursos de produção existentes no país estrangeiro, como mão
de obra, recursos naturais, capital, etc. Por último, a busca por ativos estratégicos é motivada
pela proteção ou aumento das vantagens específicas de propriedade.
19
2.1.3 Teoria IDP
A teoria Investment Development Path (IDP) foi proposta pela primeira vez em 1975,
por Dunning e Buckley, e trata-se de uma extensão do paradigma eclético. Suas hipóteses
básicas são que, à medida que um país se desenvolve, a configuração das vantagens OLI
(propriedade, localização e internalização) se modificam, tanto para empresas multinacionais
estrangeiras que investem nesse país, quanto para EMNs desse país que investem no exterior
(DUNNING, 2001). Essa teoria é frequentemente utilizada para explicar o investimento direto
externo realizado por países em desenvolvimento.
A teoria afirma que existe uma relação dinâmica entre investimento estrangeiro e o
estágio de desenvolvimento de um país. De acordo a teoria IDP de Dunning (2001), é possível
identificar vários estágios de desenvolvimento pelo qual um país passa. O primeiro, é a pré-
industrialização, no qual se presume que um país não realize ou receba investimento
estrangeiro. Posteriormente, dependendo dos recursos disponíveis, das políticas
governamentais, da organização da atividade econômica e a da estratégia das empresas do país,
a configuração das vantagens de propriedade, localização e internalização mudaria, atraindo,
num primeiro momento, investimentos em setores baseados em recursos naturais, intensivos
em mão de obra, comércio, distribuição, transporte, setores da comunicação, da construção e
até turismo. À medida que o país anfitrião adquirir a capacidade de oferecer boa infraestrutura
e instituições confiáveis, esse fluxo de entrada de investimento cresceria, se expandindo para
outros setores da economia, alterando as condições da oferta e da demanda pelos produtos
ofertados por empresas estrangeiras. Tais alterações, que incluem aumento dos salários e preço
dos recursos, reduziria a atratividade do país a empresas estrangeiras. Em contrapartida, essa
nova configuração das vantagens de localização do país, com melhor infraestrutura e
instituições, proporcionaria a empresas domésticas a possibilidade de desenvolver vantagens
de propriedade e, consequentemente, começar a investir no exterior. Essa nova fase de saída de
investimentos, à medida que o país se desenvolve, se expandiria até que o fluxo de saída de
investimentos superasse o fluxo de entrada. No estágio final, a teoria afirma que haveria um
equilíbrio flutuante entre a entrada e a saída de investimento direto externo. Isso aconteceria
quando houvesse certa convergência entre o nível de desenvolvimento entre os países.
20
2.1.4 Teoria Institucional
Na literatura de negócios internacionais, quando se analisava as vantagens competitivas
de uma dada região ou país para realização de investimento direto externo, a importância das
instituições era, até período recente, negligenciada ou simplesmente tratada como não
importante. Dava-se importância apenas às condições macroeconômicas, como tamanho do
mercado, crescimento do PIB, disponibilidade e custo de mão de obra, inflação, dívida externa
e balanço de pagamentos. No entanto, a partir da segunda metade do século 20, estudiosos
começaram a manifestar um interesse por entender a função das instituições na economia e nos
negócios internacionais (MUDAMBI; NAVARRA, 2002).
Douglass North (1990, p. 3), um dos primeiros estudiosos a considerar a importância
das instituições na análise econômica, afirma que as “instituições são as regras do jogo em uma
sociedade, ou, mais formalmente, são as restrições humanamente concebidas que moldam a
interação humana”. Consequentemente, para North (1990), tais instituições dão incentivos e
interferem nas relações humanas, sejam elas políticas, sociais ou econômicas. Mudanças nas
instituições moldam a maneira como a sociedade evolui no tempo e, portanto, é a chave para
entender as mudanças históricas. Logo, as instituições, segundo o autor, têm importância central
no desenvolvimento econômico, social e político de um país.
North (1990) considera como instituições qualquer forma de restrição que os seres
humanos elaboram para moldar e dar incentivos à interação humana. Essas instituições podem
ser formais ou informais. Instituições formais são aquelas legalmente instituídas, como regras
ou leis. Já instituições informais são aquelas formadas por um consenso, mas não
necessariamente escritas e legalmente aceitas. São exemplos as convenções e os códigos de
conduta. Tais instituições, formais e informais, reduzem as incertezas na sociedade, produzindo
uma estrutura pela qual devemos nos basear para realizar as mais diversas tarefas, das mais
triviais às mais complexas.
Cabe ainda distinguir instituições de organizações. Instituições, como supracitado, são
as regras que estão subjacentes numa sociedade (NORTH, 1990), como, por exemplo, os
sistemas jurídico, político, social e educacional (COASE, 1998). Já as organizações são os
jogadores em si, que estão sujeitos às regras estabelecidas. Incluem órgãos políticos, como
partidos políticos, o senado e o congresso; órgãos econômicos, por exemplo, empresas,
cooperativas e sindicatos; órgãos sociais, isto é, igrejas, clubes, sociedades esportivas, etc.; e
órgãos educacionais - escolas, universidades, escolas técnicas (NORTH, 1990).
21
Para Mudambi e Navarra (2002), as instituições representam o principal fator imóvel
em um mercado globalizado. Daí deriva a grande importância das instituições na literatura de
negócios internacionais. Diferente da alta mobilidade internacional de empresas e fatores de
produção vivenciada nos dias atuais, os sistemas político e administrativo tendem a ser um fator
imóvel. Os custos de transações gerados por esses sistemas, os quais afetam a coordenação de
custos de produção e inovação das empresas, determinam a atratividade internacional de uma
dada região ou país na realização do investimento direto externo. Além disso, as instituições
desempenham papel crucial no crescimento econômico, no comércio de longo prazo, no
mercado de crédito, nos investimentos internacionais e em outros mercados intertemporais que
exigem um cenário estável e de confiança entre os agentes. Segundo os autores, a influência
das instituições se dá de duas principais maneiras. Primeiro, elas reduzem o oportunismo em
transações entre pessoas desconhecidas. Segundo, elas providenciam uma plataforma para
criação de reputação multilateral, apoiada por uma estrutura de comprometimento, execução e
coordenação críveis.
2.2 PARAÍSOS FISCAIS E CENTROS FINANCEIROS OFFSHORE
Segundo Palan, Murphy e Chavagneux (2010), paraísos fiscais são países/jurisdições
que não seguem normas sugeridas por órgãos mundiais quanto ao regime de tributação e
regulamentação financeira. Esses países se aproveitam dessa autonomia para criar regimes de
tributação e legislações que facilitam pessoas e corporações não residentes evitar/evadir suas
obrigações (como, por exemplo, tributação e declaração de origem de valores) em seus
respectivos países de origem. De maneira mais simples, paraísos fiscais são jurisdições que
oferecem alíquotas de impostos relativamente mais baixas, além de outras características que
os tornam muito atrativos a investidores estrangeiros (HINES JR., 2005), como a quantidade
reduzida de taxas e alíquotas incidentes sobre empresas, possibilitando multinacionais evitar
obrigações que teriam de assumir em outros países não paraísos fiscais (DHARMAPALA;
HINES JR., 2009).
Diferindo um pouco, o nome “centro financeiro offshore” (offshore financial center -
OFC) é comumente utilizado para descrever centros financeiros especializados em transações
financeiras de não residentes. No entanto, a falta de supervisão e regulamentação sobre esses
centros fazem com que eles sirvam para propósitos muito próximos aos de paraísos fiscais. O
maior e mais conhecido centro financeiro offshore é a cidade de Londres, na Inglaterra
(PALAN; MURPHY; CHAVAGNEUX, 2010).
22
O World Investment Report de 2015, elaborado pela Conferência das Nações Unidas
sobre Comércio e Desenvolvimento, UNCTAD (2015), detalha a diferença entre paraísos
fiscais e centros financeiros offshore. O primeiro grupo é composto por pequenos países, os
quais a economia é inteiramente, ou quase inteiramente, dedicada à provisão de serviços
financeiros offshore, isto é, a propósitos de evitação/evasão fiscal (por exemplo, Ilhas Virgens
Britânicas e Ilhas Cayman). O segundo grupo é constituído por países que oferecem Special
Purpose Entities (SPEs)3 ou outras entidades que facilitam investimentos de passagem (round-
tripping investment). São países com “economias reais” significativas que atuam como centro
financeiro offshore dado seus impostos e condições favoráveis a investimentos estrangeiros.
São exemplos Holanda e Luxemburgo (UNCTAD, 2015). A fim de facilitar a leitura, doravante
será utilizado o nome paraíso fiscal para ambos os conceitos.
Não existe ainda um consenso sobre quais países/jurisdições são paraísos fiscais
(PALAN; MURPHY; CHAVAGNEUX, 2010). Entretanto, uma das principais listas que
classifica tais jurisdições é elaborada pela OCDE (2000). Essa lista traz 35 jurisdições que a
organização considera paraísos fiscais (ver Tabela 1).
Tabela 1 - Lista de paraísos fiscais da OCDE
Andorra Guernsey Montserrat
Anguilla Ilha de Man Nauru
Antígua e Barbuda Ilhas Cook Niue
Antilhas holandesas Ilhas Marshall Panamá
Aruba Ilhas Turcas e Caicos Samoa
Bahamas Ilhas Virgens Americanas Santa Lúcia
Bahrain Ilhas Virgens Britânicas São Cristóvão e Nevis
Barbados Jersey São Vicente e Granadinas
Belize Libéria Seychelles
Dominica Liechtenstein Tonga
Gibraltar Maldivas Vanuatu
Granada Mônaco
Fonte: Adaptação da lista elaborada pela OCDE (2000).
3 De acordo com o FMI (2004), SPEs são entidades legais autônomas, direta ou indiretamente de propriedade
estrangeira, que fazem parte de uma empresa do grupo, sem substancial vínculos econômicos reais com a economia
anfitriã, envolvidos em uma variedade de atividades financeiras transfronteiriças, que visam a passagem de todos
os tipos de ativos, financeiros e não financeiros, passivos e rendimentos relacionados a países terceiros.
23
Palan, Murphy e Chavagneux (2010) elaboraram uma “lista das listas”, contendo 75
jurisdições classificadas como paraísos fiscais por, pelo menos, uma das onze seguintes
organizações e pesquisadores: International Bureau of Fiscal Documentation - 1977, Charles
Irish - 1982, Hines e Rice - 1994, OCDE - 2000, FMI - 2000, e Financial Stability Forum -
2000, Financial Action Task Force - 2000/02, Tax Justice Network - 2005, FMI - 2007, Stop
Tax Haven Abuse Act - 2007 e Low-TaxNet - 2008. O Quadro 1 traz essa lista adaptada,
contendo a jurisdição e o número de listas em que esta aparece classificado como paraíso fiscal.
Quanto menor o número de listas em que o país aparece, menor a concordância entre as
organizações e pesquisadores de que tal local é de fato um paraíso fiscal.
Quadro 1 - Jurisdições e o número de listas em que estas aparecem classificados como paraíso
fiscal
Jurisdição Nº de
listas Jurisdição
Nº de
listas Jurisdição
Nº de
listas
Malta 11 Mônaco 8 Israel 2
Bahamas 11 São Cristóvão e Nevis 8 Letônia 2
Bermudas 11 Belize 8 Portugal 2
Ilhas Cayman 11 Nauru 8 Estados Unidos 2
Guernsey 11 Andorra 7 Holanda 2
Jersey 11 Anguilla 7 Filipinas 2
Panamá 11 Ilhas Marshall 7 Islândia 1
Barbados 10 Ilhas Maurício 7 Itália 1
Chipre 10 Bahrein 7 Porto Rico 1
Ilha de Man 10 Costa Rica 7 Taiwan 1
Liechtenstein 10 Aruba 6 Palau 1
Antilhas Holandesas 10 Samoa 6 São Marinho 1
Vanuatu 10 Seychelles 6 Botswana 1
Ilhas Virgens Britânicas 10 Santa Lucia 6 Egito 1
Singapura 9 Dominica 6 Guatemala 1
Suíça 9 Libéria 6 Honduras 1
Hong Kong 9 Líbano 5 Indonésia 1
Gibraltar 9 Niue 5 Jordânia 1
São Vicente e Granadinas 9 Macau 4 Myanmar 1
Turks e Caicos 9 Montserrat 4 Nigéria 1
Antígua e Barbuda 8 Malásia 4 Rússia 1
Ilhas Cook 8 Maldivas 3 São Tomé e Príncipe 1
Granada 8 Reino Unido 3 Somália 1
Irlanda 8 Brunei Darussalam 2 Sri Lanka 1
Luxemburgo 8 Hungria 2 Ucrânia 1
Fonte: Adaptação da lista elaborada por Palan, Murphy e Chavagneux (2010).
24
Observa-se que alguns países como Bahamas e Ilhas Cayman aparecem em todas as
listas levantadas pelos autores, enquanto Itália e Rússia aparecem em apenas uma das listas.
Portanto, é notável que não há um consenso sobre quais países/jurisdições são paraísos fiscais.
2.2.1 Como surgiram os paraísos fiscais?
Paraísos fiscais são frequentemente associados a evasão fiscal, portanto, pode-se afirmar
que essa prática é tão antiga quanto a existência de impostos. Os primeiros países considerados
paraísos fiscais foram desenvolvendo tais características passo a passo, sem um planejamento
prévio, antes mesmo de existir uma definição para essa atividade. Somente após o final da
Primeira Guerra Mundial passou haver um esforço consciente de alguns países para se tornarem
paraísos fiscais (PALAN, 2002).
Segundo Palan (2002), a grande maioria dos paraísos fiscais existentes hoje em dia se
desenvolveram em torno de dois polos principais. O primeiro tem fortes relações com a
Inglaterra, especialmente com a cidade de Londres. Esse polo compreende países que são
dependências da Coroa Britânica, como Ilhas do Canal, Jersey, Guernsey, Ilhas Cayman,
Bermuda, Ilhas Virgens Britânicas, etc. O segundo se desenvolveu na Europa e compreende
países como Bélgica, Holanda, Luxemburgo, Irlanda, Suíça e Liechtenstein. Ainda, poderia se
afirmar que existe um terceiro polo, formado pelo Panamá, Uruguai, Dubai e algumas
economias em desenvolvimento da África, no entanto, não possui tanta significância quanto os
dois anteriores.
Não existe um consenso, mas se especula que as primeiras atividades caracterizadas por
serem práticas de paraísos fiscais ocorreu nos estados de Nova Jersey e Delaware, nos Estados
Unidos, no final do século XIX. Na época, esses estados ofereciam facilidades regulatórias a
ponto que um indivíduo poderia montar e iniciar as atividades de uma empresa em menos de
24 horas. Muitas empresas não residentes, atraídas por essa facilidade regulatória, que
possibilitava uma redução custos de transação, passaram a abrir subsidiárias nesses estados
(PALAN, 2002).
Enquanto Nova Jersey e Delaware foram os primeiros estados a oferecerem
flexibilidade regulatória a não residentes, a corte britânica foi a primeira a oferecer isenção
fiscal a empresas, isto é, isentar empresas que se instalassem na Grã-Bretanha do pagamento de
quaisquer impostos. Essa ausência de carga tributária sobre as empresas tornava a região
extremamente atrativa às corporações, possibilitando uma grande redução de custos e,
consequentemente, um aumento dos lucros (PALAN, 2002).
25
As primeiras práticas de sigilo de informações bancárias foram engendradas na Suíça,
através do ato bancário de 1934. Esse ato regulamentava por lei que deveria haver sigilo
absoluto de quaisquer informações de contas bancárias em bancos suíços. Ou seja, uma vez que
entrasse na Suíça, o capital passava a pertencer a um sistema legal inviolável, garantido pelo
código criminal e apoiado pelo estado (PALAN, 2002). Essa prática possibilitou e ainda
possibilita a lavagem de dinheiro por políticos corruptos, organizações criminosas, entre outros
(ZUCMAN, 2015).
Em suma, essas três práticas tomadas pelos estados americanos (Nova Jersey e
Delaware), pela corte britânica e pela Suíça deram os marcos inicias ao que viria a ser chamado
de práticas de paraísos fiscais. Posteriormente, países que se propunham tornar-se paraísos
fiscais copiaram esses modelos (PALAN, 2002).
A partir de 1960, a criação e uso de paraísos fiscais começou a se tornar mais expressiva.
Isso ocorreu, principalmente, como consequência a aumentos nas cargas tributárias de países
industrializados. Com isso, mais empresas e indivíduos se motivaram a buscar refúgio para seus
ativos, de forma que pudessem evadir suas obrigações fiscais em seus países de origem.
Atualmente, paraísos fiscais se espalharam por todo o mundo e acolhem capitais de empresas
tanto de países desenvolvidos como de países em desenvolvimento (PALAN, 2002).
2.2.2 Características de paraísos fiscais
Na literatura, paraísos fiscais são frequentemente reconhecidos como jurisdições
pequenas, geralmente com população menor do que um milhão de pessoas e PIB per capita
maior do que os demais países. Não obstante, nota-se também que esses países possuem altos
níveis de qualidade de governança, como voz e responsabilização, qualidade regulatória, estado
de direito, estabilidade política e ausência de violência/terrorismo, eficácia do governo e
controle da corrupção, além de ofertarem condições extremamente favoráveis a capitais
estrangeiros. Por esses e outros motivos, paraísos fiscais têm recebido grandes montantes de
investimentos estrangeiros e, como consequência, têm experimentado um crescimento
econômico acelerado nos últimos 25 anos (DHARMAPALA; HINES JR., 2009).
A UNCTAD (2015) pontua que países considerados paraísos fiscais possuem algumas
características em comum. São elas: alíquotas de impostos reduzidas, ou até mesmo inexistência
delas; ausência de troca de informações com demais países; falta de transparência; e nenhuma
exigência de atividade substancial nos negócios empreendidos.
26
O que motiva tais países oferecem taxas de impostos menores, tornando-os paraísos
fiscais ou centros financeiros offshore é a expectativa de receberem grandes influxos de
investimentos estrangeiros que, de outra forma, não receberiam. Existem vários exemplos de
países bem-sucedidos nessas tentativas. Um deles é a Irlanda, que, ao reduzir suas alíquotas de
impostos, experimentou um enorme influxo de investimentos estrangeiros, ocasionando uma
rápida onda de crescimento econômico no país.
Evidências empíricas demonstram que a Irlanda não foi a única a realizar tal proeza.
Entre 1982 e 1999, países considerados paraísos fiscais tiveram um crescimento médio do
produto interno bruto per capita (PIB per capita) de 3,3% ao ano, enquanto os demais países
cresceram apenas 1,4% ao ano. De maneira geral, nas últimas décadas, observa-se que paraísos
fiscais têm se beneficiado em maior escala da globalização do que os demais países,
apresentando não somente maiores influxos de investimentos estrangeiros, mas também uma
melhor evolução dos indicadores econômicos (HINES JR., 2005).
No entanto, poder-se-ia supor que o governo desses paraísos fiscais, ao reduzirem as
alíquotas de impostos, diminuiriam suas arrecadações e enfrentariam problemas fiscais.
Contudo, está claro para os pesquisadores que o custo de oportunidade é bastante atrativo para
esses países. Governos podem se valer da arrecadação via imposto sobre rendimento pessoal,
imposto sobre propriedades, sobre o consumo e venda de mercadorias e outros para financiar
seus gastos. Além disso, mesmo que as alíquotas de impostos sobre as empresas são bastante
baixas nesses países, o aumento da atividade econômica, da riqueza e dos gastos gerados por
esse incentivo gera receitas adicionais aos governos (HINES JR., 2005).
2.2.3 Dados sobre paraísos fiscais
A seguir, são apresentados alguns dados econômicos de quatro jurisdições consideradas
paraísos fiscais: Irlanda, Chipre, Luxemburgo e Singapura.4
A Tabela 2 demonstra dados da Irlanda. Percebe-se que o comércio de serviços
(importação mais exportação, em percentual do PIB) é bastante expressivo, alcançando, em
2016, 115,1% do PIB, algo surpreendente se comparado a demais países não considerados
paraísos fiscais (Brasil: 4,6%; China: 6,6%; EUA: 6,4%). No entanto, o que mais chama a
4 Esses paraísos fiscais foram selecionados com base na expressividade do montante de IDE que receberam. Outras
jurisdições como Ilhas Cayman e Ilhas Virgens Britânicas certamente são mais relevantes nesse aspecto, no
entanto, não disponibilizam seus dados. Ressalta-se também que essas jurisdições selecionadas fazem parte dos
países de destino inclusos no modelo econométrico, apresentado no capítulo 4.
27
atenção é o estoque de IDE (em percentual do PIB). Em 2015, a Irlanda demarcou um estoque
de IDE, em relação ao PIB, de 305,3%. Isto é, o país possui em estoques de IDE um montante
equivalente a três vezes o seu PIB. Novamente, quando comparamos esse dado com os de países
não paraísos fiscais, a discrepância é imensa (Brasil: 25,0%; China: 10,4%; EUA: 31,3%).
Tabela 2 - Dados macroeconômicos da Irlanda, 2006 a 2016
Ano PIB (US$) PIB per capita Imp. + Exp.
serviços (%PIB) Estoque IDE
Estoque IDE
(%PIB)
2006 232.167.519.759 54.326 62,6 156.491.299.234 67,4
2007 270.043.019.436 61.388 65,2 203.682.603.614 75,4
2008 274.919.027.391 61.235 72,7 188.289.963.343 68,5
2009 235.765.976.660 51.984 79,6 250.102.642.782 106,1
2010 221.343.483.669 48.539 88,7 285.575.320.922 129,0
2011 240.590.736.123 52.568 91,4 290.494.878.095 120,7
2012 225.819.189.161 49.231 97,0 383.240.975.301 169,7
2013 239.271.158.533 52.035 98,7 408.780.172.967 170,8
2014 256.271.345.443 55.503 108,6 416.072.263.266 162,4
2015 283.716.006.698 60.664 106,5 866.217.324.042 305,3
2016 294.053.595.686 61.606 115,1 839.562.885.998 285,5
Fonte: Elaboração própria com dados do Banco Mundial (2018) e UNCTAD (2018).
Constata-se uma situação similar para o Chipre, conforme Tabela 3. O comércio de
serviços (importações mais exportações), em percentual do PIB, em 2016, alcançou 77,6%. O
estoque de IDE, em percentual do PIB, atingiu surpreendentes 888,1% em 2015, isto é, quase
nove vezes o valor do PIB. Não obstante, o país também apresenta um PIB per capita
relativamente elevado. Em 2008, esse indicador alcançou 35.391 dólares. Ressalta-se o
crescimento exorbitante no estoque de IDE a partir de 2008. Possivelmente esse repentino
crescimento do estoque de IDE advenha de alguma mudança de metodologia.
28
Tabela 3 - Dados econômicos do Chipre - 2006 a 2016
Ano PIB (US$) PIB per capita
(US$)
Imp. + Exp.
serviços (%PIB) Estoque IDE
Estoque IDE
(%PIB)
2006 20.403.713.461 27.170 46,8 13.753.965.732 67,4
2007 24.077.470.572 31.387 50,1 18.191.376.288 75,6
2008 27.839.460.964 35.391 59,0 180.040.889.847 646,7
2009 25.942.622.951 32.106 55,3 186.224.974.545 717,8
2010 25.562.251.656 30.818 56,9 198.096.803.903 775,0
2011 27.427.161.523 32.234 58,1 177.652.707.897 647,7
2012 25.012.206.090 28.951 59,1 220.278.818.358 880,7
2013 24.054.965.481 27.908 69,5 212.896.872.367 885,0
2014 23.308.212.817 27.341 74,2 179.866.697.249 771,7
2015 19.559.942.331 23.075 76,0 173.709.193.235 888,1
2016 19.801.664.168 23.324 77,6 171.213.027.425 864,6
Fonte: Elaboração própria com dados do Banco Mundial (2018) e UNCTAD (2018).
Analisando os mesmos dados para Luxemburgo (Tabela 4), notam-se algumas
peculiaridades. Em 2015, a importação mais exportação de serviços, em relação ao PIB, atingiu
290,4%. Em 2016, o estoque de IDE, também comparativamente ao PIB, atingiu 409,4%. No
entanto, o que mais surpreende é o PIB per capita do país. Em 2014, por exemplo, o país
registrou um PIB per capita de 119.173 dólares. De acordo com dados recentes, o país é dono
do maior PIB per capita do mundo.
Tabela 4 - Dados econômicos de Luxemburgo - 2006 a 2016
Ano PIB (US$) PIB per capita
(US$)
Imp. + Exp.
serviços (%PIB) Estoque IDE
Estoque IDE
(%PIB)
2006 42.414.308.117 89.740 199,2 84.844.601.433 200,0
2007 50.888.134.410 106.018 211,9 137.380.409.214 270,0
2008 55.849.686.539 114.294 204,7 125.127.619.069 224,0
2009 51.370.543.206 103.199 189,4 172.217.002.491 335,2
2010 53.212.476.812 104.965 203,2 172.257.298.544 323,7
2011 60.004.630.234 115.762 210,4 225.724.853.880 376,2
2012 56.677.961.787 106.749 234,1 167.222.029.187 295,0
2013 61.808.178.300 113.752 252,5 111.918.037.376 181,1
2014 66.298.060.522 119.173 270,0 232.932.477.797 351,3
2015 58.048.242.436 101.910 290,4 227.073.346.782 391,2
2016 59.947.781.147 102.831 277,4 245.450.242.812 409,4
Fonte: Elaboração própria com dados do Banco Mundial (2018) e UNCTAD (2018).
29
A Tabela 5 demonstra dados econômicos para a Singapura. Verifica-se que a situação
se repete. Alta proporção do comércio de serviços, em relação ao PIB (102,8%, em 2016).
Estoque de IDE maior do que o produto interno bruto do país (369,2%, em 2016). E produto
interno bruto per capita elevado (alcançando 56.336 dólares, em 2014).
Tabela 5 - Dados econômicos de Singapura - 2006 a 2016
Ano PIB (US$) PIB per capita
(US$)
Imp. + Exp.
serviços (%PIB) Estoque IDE
Estoque IDE
(%PIB)
2006 147.797.218.201 33.580 85,0 313.183.815.858 211,9
2007 179.981.288.567 39.224 83,7 420.877.046.905 233,8
2008 192.225.881.688 39.721 94,1 458.863.952.196 238,7
2009 192.408.387.762 38.578 86,3 506.178.637.594 263,1
2010 236.421.782.178 46.570 85,5 632.759.533.981 267,6
2011 275.599.459.374 53.167 86,2 682.955.254.863 247,8
2012 289.162.118.909 54.431 89,3 821.486.718.431 284,1
2013 302.510.668.904 56.029 94,8 896.945.783.609 296,5
2014 308.142.766.948 56.336 101,5 1.019.462.044.956 330,8
2015 296.840.704.102 53.630 102,1 1.082.014.286.725 364,5
2016 296.965.712.342 52.961 102,8 1.096.319.504.944 369,2
Fonte: Elaboração própria com dados do Banco Mundial (2018) e UNCTAD (2018).
A análise dos dados deixa evidente algumas características presentes em paraísos
fiscais: comércio de serviços (importações mais exportações) elevado; estoque altíssimo de
IDE, sendo maior do que o PIB em quase todos os anos e países da série; e PIB per capita
relativamente alto. Não obstante, todos os países vêm apresentando crescimento nesses
indicadores, sobretudo no estoque investimento direto externo em proporção ao PIB e no
comércio de serviços em proporção ao PIB.
O alto nível de comércio de serviços se dá pela própria característica de um paraíso
fiscal. Isto é, esses países são caracterizados por serem centros financeiros por onde o capital
de muitas empresas entra e sai com o propósito de evitar impostos, ou para obter sigilo de
transações financeiras. Mais especificamente, isso se dá por dois principais meios. Primeiro,
empréstimos intercompanhias, ou seja, empréstimos entre subsidiárias da mesma empresa.
Segundo, por transferência de preço, isto é, uma subsidiária de um país vende serviços a outra
subsidiária localizada em outro país - como por exemplo, pesquisa, propaganda, direitos de
propriedade, marcas, etc. (ZUCMAN, 2015).
O elevado estoque de IDE nessas jurisdições resulta do fato de oferecerem alíquotas de
impostos corporativos mais baixos do que os demais países (por vezes, próximas ou igual a
30
zero) e, como já mencionado, por oferecem sigilo de informações, o que favorece, além de
empresas que buscam evadir ou evitar suas obrigações fiscais, políticos corruptos, traficantes
de drogas e outros criminosos esconderem seus “lucros” nesses países (ZUCMAN, 2015). É
inegável, no entanto, que países como Irlanda e Singapura, por exemplo, recebam investimentos
com “propósitos reais”, isto é, que não somente de evitação ou evasão fiscal.
Por fim, o Gráfico 1 demonstra o estoque de IDE em paraísos fiscais comparado com o
IDE mundial, de 2000 a 2016. Como paraísos fiscais, foi considerado uma amostra com 32
jurisdições, citadas em pelo menos seis listas que classificam paraísos fiscais (ver Quadro 1).
Com um estoque de IDE de 6,08 trilhões de dólares em 2016, paraísos fiscais possuem uma
elevada significância nos estoques de IDE mundiais e vêm ganhando cada vez mais
participação. Nos anos 2000, o IDE em paraísos fiscais representava 11% dos estoques
mundiais, em 2015, alcançou sua participação mais elevada, 24%.
Gráfico 1 - Estoque de IDE em paraísos fiscais e sua participação no estoque de IDE mundial, em
milhões de dólares (2000 - 2016)
Fonte: Elaboração própria com dados da UNCTAD (2018).
Interessante observar que nos anos que precederam a crise de 2008, a participação dos
paraísos fiscais no estoque de IDE mundial cresceu de forma acelerada, bem acima do que se
percebe no restante da série. Outro ápice aconteceu em 2015, no entanto, já em 2016, tal
participação inicia uma trajetória decrescente.
0%
5%
10%
15%
20%
25%
30%
0
5.000.000
10.000.000
15.000.000
20.000.000
25.000.000
30.000.000
35.000.000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
IDE paraísos fiscais IDE Mundo % IDE paraísos fiscais (eixo dir.)
31
2.3 DETERMINANTES DO INVESTIMENTO DIRETO EXTERNO EM PARAÍSOS
FISCAIS: ESTUDOS EMPÍRICOS E HIPÓTESES
Conforme discutido no subcapítulo 2.1, estudiosos da área de negócios internacionais
identificaram quatro principais determinantes na realização de IDE por uma multinacional:
busca por mercado (market-seeking), busca por eficiência (efficiency-seeking), busca por
recursos (resource-seeking) e busca por ativos estratégicos (strategic asset-seeking)
(DUNNING, 2000). Posteriormente, a partir da segunda metade do século XX, o papel das
instituições também passou a ser considerado nessa literatura (MUDAMBI; NAVARRA,
2002), sendo incluído nos trabalhos empíricos.
Quando se trata de IDE em paraísos fiscais (também chamado de IDE offshore),
verificam-se determinantes que fogem dos convencionais. Segundo autores da área, empresas
multinacionais investem em paraísos fiscais para fugir do ambiente tributário e regulatório
doméstico e obter as vantagens oferecidas por paraísos fiscais e centros financeiros offshore
(SHARMAN, 2012). Na literatura, essa motivação é chamada de IDE de escape (escapist
OFDI). Em relação ao ambiente tributário, como já mencionado, paraísos fiscais cobram
impostos próximos a zero de investimentos estrangeiros (ZUCMAN, 2015), o que tende a ser
um forte determinante na decisão de investir nesses países. Quanto ao ambiente regulatório,
paraísos fiscais muitas das vezes isentam empresas estrangeiras de regulamentações e
burocracias que encontrariam em seus países de origem, além de oferecerem instituições de
qualidade, que reduzem os custos de transações (DHARMAPALA; HINES JR., 2009).
De maneira geral, são essas abordagens que embasaram o trabalho, que busca entender
o impacto das variáveis do país de origem na saída de IDE à paraísos fiscais. As hipóteses
formuladas compreendem aspectos tributários e institucionais. As variáveis macroeconômicas
não fazem parte das hipóteses, no entanto, servirão como variáveis de controle para o modelo
econométrico estimado no capítulo 4. Para embasar as hipóteses, foi realizada uma extensiva
busca por estudos empíricos que tratassem do tema “IDE em paraísos fiscais”. Os principais
estudos encontrados na literatura são apresentados no Quadro 2 e discutidos nos próximos
subcapítulos.
32
Quadro 2. Trabalhos empíricos sobre o IDE em paraísos fiscais
Autores Variáveis Explicativas Método Abrangência Geográfica
Desai et al. (2006)
- Variáveis nível-firma
Modelo Logit Estados Unidos - Variáveis macroeconômicas
- Variáveis de carga tributária
Haberly e Wójcik (2014)
- Variáveis macroeconômicas e
acordos econômicos
Modelo PQML 83 países desenvolvidos e
em desenvolvimento
- Variáveis institucionais
- Variáveis de carga tributária
- Variáveis culturais e
geográficas
Ledyaeva et al. (2015)
- Variáveis macroeconômicas Modelo painel com
efeitos aleatórios Rússia - Variáveis institucionais
- Variáveis de carga tributária
Braun e Weichenrieder
(2015)
- Variáveis macroeconômicas
Várias estimações Alemanha
- Variáveis de carga tributária
- Variáveis de acordos de troca
de informações
- Variáveis geográficas
Taylor, Richardson e Taplin
(2015)
- Variáveis nível-firma
Logit e MQO Austrália - Variáveis de carga tributária
- Variáveis institucionais
Jones e Temouri (2016)
- Variáveis nível-firma
Modelo Probit Doze países pertencentes
a OCDE - Variáveis institucionais
- Variáveis de carga tributária
Chari e Acikgoz (2016)
- Variáveis macroeconômicas
Modelo Logit Dez países emergentes
- Variáveis de carga tributária
- Variáveis institucionais
- Variáveis culturais e
geográficas
Fonte: elaboração própria.
Nota-se que mesmo com a expressiva participação de paraísos fiscais nos fluxos de IDE
no mundo (HABERLY, WÓJCIK, 2014), pouco se tem pesquisado sobre o tema (BUCKLEY,
2013).
2.3.1 Variáveis macroeconômicas
Variáveis macroeconômicas como PIB, inflação e volatilidade do mercado acionário
tem sido frequentemente utilizada por trabalhos empíricos como determinantes da saída de IDE
(GONDIM et al., 2017). Estudos que analisam os determinantes da saída de IDE com base nas
variáveis do país de origem, frequentemente utilizam o PIB per capita como um indicador de
desenvolvimento econômico do país. Stoian (2013), pesquisando a saída de IDE de países pós-
comunistas (emergentes), encontrou que, quanto maior o PIB per capita desses países, maior a
saída de IDE. Em estudos mais recentes, Stoian e Mohr (2016), pesquisando países com PIB
33
per capita menor do que 20 mil dólares, e Das (2013), estudando países em desenvolvimento,
chegaram ao mesmo resultado.
Quando se trata de IDE em paraísos fiscais, poucos estudos incluíram essa variável.
Haberly e Wójcik (2014) incluíram a variável PIB per capita em um modelo que buscou
explicar o fluxo de IDE entre paraísos fiscais e países não paraísos fiscais, no entanto, não
alcançou resultados consistentes. Esse resultado pode indicar que o IDE offshore não é
influenciado pelo nível de desenvolvimento do país de origem do investimento. Como ressalta
Palan (2002), o uso de paraísos fiscais não se limita a um grupo específico de países, mas é
amplamente utilizado no mundo todo, tanto por países desenvolvidos como em
desenvolvimento.
Há uma percepção de que IDE offshore é algo intrínseco aos fluxos mundiais de IDE.
Logo, espera-se que países com maiores saídas de IDE também sejam os que mais invistam em
paraísos fiscais, posto que estes estão mais engajados nestes fluxos e, portanto, teriam maiores
estímulos para intermediar seus capitais por paraísos fiscais e centros financeiros offshore.
Segundo a revisão de trabalhos empíricos feita no presente estudo, não foram encontrados
trabalhos que incluíssem a saída total de IDE de um país como determinante do investimento
em paraísos fiscais. No entanto, Foad (2017), em um trabalho que analisou os determinantes do
investimento de portfólio em paraísos fiscais, utilizou a saída total destes investimentos como
uma de suas variáveis explicativas. A conclusão foi que quanto maior a saída total de
investimentos de portfólio de um país, maiores os investimentos em paraísos fiscais. O autor
embasou o resultado afirmando que países importantes em termos de fluxos de investimentos
serão os maiores investidores em todos os mercados, inclusive em paraísos fiscais e centros
financeiros offshore.
Nesta monografia, foi adicionada uma variável para mensurar o impacto da saída total
de IDE (defasada em um ano), no IDE offshore realizado pelos países em desenvolvimento.
Optou-se pela defasagem pois acredita-se que a intermediação desses investimentos em
paraísos fiscais é feita para fins de administração desse estoque de investimento. Portanto, o
investimento total do ano anterior implicaria no montante necessário que seria intermediado
por paraísos fiscais no período seguinte.
Outra variável que pode influenciar a saída de IDE de um país é a taxa de inflação.
Conforme Kolstad e Wiig (2012), a inflação é usualmente utilizada pelos pesquisadores para
mensurar a estabilidade macroeconômica de um país. Através de uma lógica simples, espera-
se que quanto maior for a estabilidade de um país, maior será a sua saída de IDE, seja este um
país desenvolvido ou em desenvolvimento. Essa relação é confirmada num estudo recente de
34
Gondim et al. (2017), que estudaram a saída de IDE do Brasil. Não obstante, outros autores,
como Amal, Raboch e Tomio (2009), chegaram a um resultado diferente, afirmando que a
instabilidade macroeconômica de um país pode atuar como um incentivo à saída de IDE, visto
que as empresas buscarão mercados estrangeiros como uma forma de fugir do ambiente
doméstico de incerteza. Não se encontrou essa variável em trabalhos que analisaram a saída de
IDE a paraísos fiscais, portanto, possivelmente, trata-se de um pioneirismo do presente estudo.
Aqui, acredita-se na primeira abordagem citada, pois se entende que a inflação aumenta os
custos de transação de uma EMN, além de deteriorar o cenário econômico do país.
A taxa de câmbio e a sua volatilidade é comumente utilizada para analisar o poder de
compra da moeda nacional e a estabilidade econômica de um país. Dessa forma, vários
pesquisadores têm analisado a relação da taxa de câmbio com a saída de IDE (PAIN; VAN
WELSUM, 2003). Estudos analisando países em desenvolvimento demonstraram que quanto
mais apreciada for a moeda do país de origem, maior é a saída de IDE (AMAL; RABOCH;
TOMIO, 2009; GOH; WONG, 2011; CHEN et al., 2016). Segundo Kyrkilis e Pantelidis (2003),
isso ocorre pelo fato de que uma moeda apreciada reduz o custo das aquisições para a realização
do investimento no exterior, gerando um cenário mais atrativo às multinacionais. No caso de
investimentos em paraísos fiscais, nota-se, predominantemente, investimentos em setores não
produtivos (UNCTAD, 2015), por exemplo, no setor financeiro. Logo, uma taxa de câmbio
mais apreciada faz com que, no momento da conversão, o investidor consiga um montante
maior em dólares.
Autores que pesquisam sobre a saída de IDE de países em desenvolvimento
correntemente utilizam a abertura comercial do país de origem como uma de suas variáveis
explicativas. Há uma certa concordância entre os pesquisadores de que países com maior
abertura comercial possuem maior saída de IDE. Tal relação é demonstrada em vários trabalhos
empíricos, como os de Amal, Raboch e Tomio (2009), Goh e Wong (2011), Das (2013) e Chen
et al. (2016). A explicação para isso é que países mais abertos comercialmente têm maior
facilidade de adquirir conhecimentos sobre o mercado estrangeiro. Ademais, empresas que
vivem em um ambiente de maior abertura comercial enfrentam maior concorrência, tornando-
as mais competitivas e eficientes para competir no exterior (DAS, 2012).
Se tratando de IDE em paraísos fiscais, Palan, Murphy e Chavagneux (2010)
demonstram que a crescente utilização dessas jurisdições é uma consequência do processo de
globalização. Portanto, espera-se que países mais abertos comercialmente, por estarem mais
engendrados nesse processo, serão mais propensos a utilizar os serviços oferecidos por paraísos
fiscais. Em um dos poucos trabalhos empíricos que incluíram uma variável para mensurar o
35
efeito da abertura comercial no IDE em paraísos fiscais, Jones e Temouri (2016) encontraram
que EMNs de economias consideradas liberais (mais abertas), como o Reino Unido e os Estados
Unidos, possuem maior tendência a investirem nessas jurisdições. Portanto, verifica-se que
existe alguma evidência de que uma maior inserção na economia globalizada aumenta o uso de
paraísos fiscais.
No presente estudo, as variáveis macroeconômicas acima discutidas terão função de
controle no modelo econométrico (capítulo 4), não fazendo parte das hipóteses do trabalho.
2.3.2 Carga tributária
A carga tributária é uma variável que tem forte poder de influência nos investimentos
diretos externos. Por um lado, altas taxas de impostos sobre empresas podem desencorajar a
entrada de IDE em um país (DE MOOIJ; EDERVEEN, 2003), por outro, podem servir como
motivador da saída de IDE desse país (HABERLY; WÓJCIK, 2014), visto que EMNs buscarão
superar as restrições encontradas no mercado doméstico (STOIAN; MOHR, 2016). Desai,
Foley e Hines (2006) ainda ressaltam que as políticas tributárias são fortemente capazes de
afetar a localização e o volume de IDE, uma vez que maiores taxas de impostos tornam menores
os lucros líquidos dos investidores.
Dado o avanço da globalização, a mobilidade de capitais entre países aumentou
vertiginosamente (HONG; SMART, 2010), facilitando as empresas se instalarem em
países/regiões onde conseguem explorar vantagens, por exemplo, vantagens de propriedade,
localização e internalização (OLI paradigm), conforme proposto por Dunning (2000). No
entanto, juntamente a esse fenômeno, o mundo assistiu um enorme montante de capitais se
destinarem a paraísos fiscais, sobretudo, com finalidade de reduzir o pagamento de impostos
nos países de origem (DHARMAPALA; HINES JR., 2009; PALAN; MURPHY;
CHAVAGNEUX, 2010).
Autores que pesquisam a influência da carga tributária do país de origem na saída de
IDE à paraísos fiscais, frequentemente encontram relação positiva entre essas variáveis. Isto é,
quanto maior a carga tributária sobre empresas no país de origem, maior o IDE em paraísos
fiscais (DESAI; FOLEY; HINES, 2006; TAYLOR; RICHARDSON; TAPLIN, 2015; CHARI;
ACIKGOZ, 2016). Isso se dá como uma estratégia de escape, isto é, para evitar obrigações
tributárias em seus países de origem, multinacionais intermediam seus capitais por paraísos
fiscais.
36
Por outro lado, Jones e Temouri (2016) concluíram que a carga tributária sobre empresas
tem impacto insignificante na saída de IDE a paraísos fiscais. Portanto, admitindo essa hipótese,
se espera que uma redução na carga tributária do país de origem não afetaria significantemente
o montante investido em paraísos fiscais. Isso pode estar relacionado com o fato de que
empresas e pessoas procuram paraísos fiscais não só para reduzir o pagamento com impostos,
mas também para obter sigilo de informações (BRAUN; WEICHENRIEDER, 2014), buscar
instituições mais eficientes (XIAO, 2004; SUTHERLAND; MATTHEWS, 2009; SHARMAN,
2012), ou até mesmo para lavar dinheiro adquirido de forma ilícita, como corrupção e tráfico
de drogas (ZUCMAN, 2015).
No entanto, no presente estudo, admite-se a primeira hipótese, pois entende-se que a
principal função de paraísos fiscais é possibilitar a evitação ou evasão fiscal das empresas,
sendo a carga tributária do país de origem um determinante fundamental para a realização desse
investimento. Dessa forma, elabora-se a seguinte hipótese:
Hipótese H1. Quanto maior a carga tributária de um país em desenvolvimento, maior o seu
IDE em paraísos fiscais.
2.3.3 Desenvolvimento institucional
Com o pioneirismo de North, na segunda metade do século XX, a literatura dos negócios
internacionais passou a considerar o papel das instituições. Mais recentemente, estudiosos
passaram a empregar essa abordagem para a análise de países emergentes, visto que estes
possuem instituições que diferem daquelas encontradas em países desenvolvidos (PENG et al.,
2008).
Por um lado, estudos demonstram que quanto melhores as instituições do país de
origem, maior a saída de IDE (AMAL; RABOCH; TOMIO, 2009; DAS, 2013; STOIAN, 2013;
WU; CHEN, 2014), visto que EMNs desfrutarão de menores custos de transações e um mercado
com informações mais simétricas (MUDAMBI; NAVARRA, 2002), tornando-as mais
competitivas no mercado internacional. Além disso, países que usufruem de instituições
eficientes dispões de um cenário socioeconômico com menos incertezas (NORTH, 1990),
facilitando a realização de transações entre os agentes e, consequentemente, aumentando a
capacidade de expansão das empresas.
Entretanto, pesquisas têm encontrado que a saída de IDE de países em
desenvolvimento/emergentes pode estar sendo motivada pela carência de instituições fortes no
37
país de origem (XIAO, 2004; SUTHERLAND; MATTHEWS, 2009; SHARMAN, 2012;
CUERVO-CAZURRA; RAMAMURTI, 2015). Essa ótica é sobretudo encontrada em trabalhos
que analisam o IDE offshore. Buckley et al. (2013) concluíram que EMNs chinesas investem
em paraísos fiscais e centros financeiros offshore com objetivo de acessar mercados e
instituições que não estão disponíveis no país de origem. Ledyaeva et al. (2013) afirmam que o
investimento direto russo em paraísos fiscais tem como uma de suas motivações escapar do
ambiente institucional doméstico. Chari e Acikgoz (2016) sustentam que aquisições realizadas
por EMNs em centros financeiros offshore são causados pela má qualidade das instituições no
país de origem. Por fim, Ledyaeva et al. (2015) concluem que o IDE round-tripping é
fortemente relacionado com a corrupção no país de origem. Assim sendo, elabora-se a seguinte
hipótese:
Hipótese H2. Quanto melhores as instituições de um país em desenvolvimento, menor o seu
IDE em paraísos fiscais.
38
3 SAÍDA DE INVESTIMENTO DIRETO EXTERNO E A PARTICIPAÇÃO DE
PAÍSES EM DESENVOLVIMENTO
Neste capítulo, num primeiro momento, apresenta-se a evolução da saída de IDE
mundial, de países desenvolvidos e países em desenvolvimento. Em seguida, analisa-se a
participação de países em desenvolvimento na saída total de IDE mundial, bem como os seus
principais países.
3.1 EVOLUÇÃO DA SAÍDA DE INVESTIMENTO DIRETO EXTERNO
Países desenvolvidos ainda se mostram como a principal fonte de IDE no mundo.
Entretanto, dados vêm demonstrando que países em desenvolvimento estão ganhando posições
e aumentando sua presença nos fluxos mundiais de IDE (UNCTAD, 2008). Segundo Das
(2013), esse fenômeno é explicado pela necessidade das EMNs de países em desenvolvimento
engajarem-se na cadeia internacional de valor, para que possam se manter competitivas frente
aos seus concorrentes. Com essa nova tendência, pesquisadores da área passaram a analisar
países em desenvolvimento/emergentes também como fonte de IDE, e não somente como
destino desses investimentos (CUERVO-CAZURRA, 2012). O Gráfico 2 demonstra a evolução
dos estoques de IDE mundial, de países desenvolvidos e em desenvolvimento, em milhões de
dólares, de 1990 a 2016.
Gráfico 2 - Saída de IDE: total mundial, países desenvolvidos e países em desenvolvimento, em
milhões de dólares (1990 – 2016)
Fonte: Elaboração própria com dados da UNCTAD (2018).
0
5.000.000
10.000.000
15.000.000
20.000.000
25.000.000
30.000.000
Mundo Países desenvolvidos Países em desenvolvimento
39
Em 1990, a saída de IDE mundial era de 2,2 trilhões de dólares. Em 2016, último ano
da série, esse número salta para 26,2 trilhões de dólares. Isto é, em menos de três décadas, o
mundo experimentou um crescimento de 1161% na sua saída total de IDE. Fazendo a mesma
análise para os países desenvolvidos, nota-se algo similar. Em 1990, a saída de IDE de
economias desenvolvidas era de 2,1 trilhões de dólares. Em 2016, 20,0 trilhões de dólares. Um
crescimento de 944% nesse período. Por fim, algo surpreendente ocorre quando replicamos a
análise para países em desenvolvimento. No primeiro ano da série, 1990, a saída total de IDE
desses países era de 139,4 bilhões. Em 2016, esses países já originavam 5,8 trilhões em
investimento direto externo. Isso representa um crescimento de 4167%, quatro vezes o
crescimento apresentado pelo total mundial e pelos países desenvolvidos, aproximadamente.
3.2 PARTICIPAÇÃO DE PAÍSES EM DESENVOLVIMENTO
Outra análise igualmente interessante é a participação de cada grupo de países em
relação à saída mundial de IDE, conforme demonstra a Tabela 6. Em 1990, países em
desenvolvimento representavam apenas 6,2% da saída total de IDE do mundo. Passados quase
três décadas, em 2016, essa participação atinge 22,2%, isto é, quase um quarto do IDE mundial.
Portanto, nota-se que países em desenvolvimento já demarcam posição significante quando se
fala em fonte de investimento direto externo e não podem mais ser analisados como
secundários. No entanto, mesmo com a ascensão das economias emergentes, países
desenvolvidos ainda se mostram como a principal fonte de IDE no mundo. Em 2016, esse grupo
de países originou 76,3% de toda a saída de IDE mundial.
Tabela 6 - Participação dos países desenvolvidos e em desenvolvimento na saída total de IDE mundial,
em milhões de dólares (1990 - 2016)
Grupo de países 1990 1995 2000 2005 2010 2016
Total mundial 2.253.906 3.992.677 7.460.522 11.902.467 20.939.211 26.159.708
Países desenvolvidos 93,8% 92,1% 89,8% 88,7% 83,8% 76,3%
Países em desenvolvimento: 6,2% 7,8% 9,9% 10,1% 14,4% 22,2%
- África 0,9% 0,8% 0,5% 0,4% 0,6% 1,0%
- América 2,3% 1,7% 1,4% 1,8% 2,0% 2,2%
- Ásia 3,0% 5,3% 8,0% 8,0% 11,8% 19,0%
Fonte: Elaboração própria com dados da UNCTAD (2018).
Separando os países em desenvolvimento por continentes, podem-se observar alguns
dados interessantes. Nota-se que desde o primeiro ano da série o continente asiático se apresenta
40
como o mais relevante em termos de saída de IDE, no entanto, com uma diferença relativamente
pequena frente aos demais continentes. A medida em que a série de tempo avança, é notável o
acelerado crescimento da participação asiática como fonte de IDE mundial. Em 2016, último
ano da série, a Ásia representou sozinha 19,0% de toda saída de IDE mundial. Se descontarmos
esse número da participação total dos países em desenvolvimento (22,2%), observa-se que os
demais continentes (África e América) representaram apenas 3,2 pontos percentuais da saída
de IDE desse grupo de países.
Por fim, a Tabela 7 mostra os 10 principais países em termos de participação na saída
total de IDE de países em desenvolvimento. Em primeiro lugar está a China, demarcando 22,1%
de todo o IDE realizado por países em desenvolvimento. Na sequência, em segundo e terceiro
lugar, temos a Rússia (5,8%) e Taiwan (5,5%), respectivamente. O Brasil, detém o quinto lugar,
com apenas 3,0% de participação. Cabe destacar que, dos países pertencentes ao BRICS, apenas
Índia não se posicionou no top 5.
Tabela 7 - Top 10 países em desenvolvimento com maiores saídas de IDE em 2016 e suas
participações Ranking Países 1990 1995 2000 2005 2010 2016
-- Total países em desenvolvimento 139398 311373 741665 1199829 3014000 5808568
1 China 3,2% 5,7% 3,7% 4,8% 10,5% 22,1%
2 Rússia - 1,1% 2,6% 11,6% 11,2% 5,8%
3 Taiwan 21,8% 13,7% 9,0% 8,6% 6,3% 5,5%
4 África do Sul 10,8% 7,5% 3,7% 2,6% 2,8% 3,0%
5 Brasil 29,4% 14,3% 7,0% 6,3% 5,0% 3,0%
6 México 1,9% 1,3% 1,1% 5,3% 4,0% 2,6%
7 Índia 0,1% 0,2% 0,2% 0,8% 3,2% 2,5%
8 Malásia 0,5% 1,6% 2,1% 1,8% 3,2% 2,2%
9 Emirados Árabes Unidos 0,0% 0,2% 0,3% 0,8% 1,8% 1,9%
10 Chile 0,1% 0,9% 1,5% 1,9% 1,9% 1,9%
Fonte: Elaboração própria com dados da UNCTAD (2018).
Entretanto, os dados demonstram que esse cenário nem sempre foi assim. Primeiro,
observa-se ao longo da série o crescimento expressivo da participação chinesa na saída total de
IDE de países em desenvolvimento. Segundo, fica evidente a significante perda de participação
de alguns países ao longo dos anos, como Taiwan, África do Sul e Brasil. No entanto, foge ao
escopo do presente estudo diagnosticar quais foram os determinantes para tal mudança de
cenário.
Em suma, analisando esses dados é possível observar que países em desenvolvimento
não mais podem ser considerados secundários em uma análise sobre as fontes de investimento
41
direto externo no mundo, visto sua dinâmica e crescente participação como fonte de IDE
mundial. Sobretudo, pela pujança dos países pertencentes ao BRICS, especialmente a China,
que lidera o ranking.
42
4 MODELO EMPÍRICO
Esta pesquisa tem como objetivo geral identificar os determinantes econômicos e
institucionais do investimento direto externo realizado por países em desenvolvimento em
paraísos fiscais, com foco nos fatores do país de origem. Para tanto, neste capítulo, são
apresentados os dados e variáveis utilizadas na regressão, realizados os testes iniciais e estimado
o modelo econométrico, que busca confirmar as duas hipóteses propostas no Capítulo 2.3. São
elas:
Hipótese H1. Quanto maior a carga tributária de um país em desenvolvimento, maior o seu
IDE em paraísos fiscais.
Hipótese H2. Quanto melhores as instituições de um país em desenvolvimento, menor o seu
IDE em paraísos fiscais.
Por fim, o capítulo é finalizado com a discussão dos resultados da estimação
econométrica.
4.1 DADOS E AMOSTRA
Tratando-se de paraísos fiscais, dados e informações confiáveis são escassas,
dificultando as pesquisas na área (PALAN, MURPHY; CHAVAGNEUX, 2010). No entanto,
o FMI passou a disponibilizar uma base com dados bilaterais de estoque de IDE, a Coordinated
Direct Investment Survey (CDIS), cobrindo 83 países de destino (dentre os quais vários paraísos
fiscais) e 245 países de origem, com uma série temporal iniciando em 2009. A partir de então,
trabalhos empíricos que analisam o IDE em paraísos fiscais passaram a contar com esse
importante recurso, visto que essa base de dados inclui muitas das jurisdições consideradas
paraísos fiscais. No entanto, ela demonstra algumas limitações, como o recorte temporal
relativamente curto (2009 – 2016), a ausência de dados para importantes paraísos fiscais, como
Ilhas Cayman e Ilhas Virgens Britânicas, e dados ausentes para alguns anos da série. Mesmo
com tais limitações, essa base de dados possivelmente é a mais completa que se tem disponível
atualmente, englobando mais países que a base disponibilizada pela OCDE, por exemplo
(HABERLY; WÓJCIK, 2014).
43
Em síntese, os dados utilizados no modelo empírico são extraídos da pesquisa
Coordinated Direct Investment Survey (CDIS), elaborada pelo Fundo Monetário Internacional;
da UNCTADSTAT, organizada pela Conferência das Nações Unidas sobre Comércio e
Desenvolvimento (UNCTAD); e do World Development Indicators, desenvolvida pelo Banco
Mundial. O recorte temporal compreende o período de 2009 a 2016. Utilizou-se esse período
devido à disponibilidade de dados da pesquisa CDIS, conforme supracitado. O recorte
geográfico, isto é, o corte transversal dos dados, inclui 36 países de origem (países em
desenvolvimento), listados no Quadro 3. A seleção de países em desenvolvimento foi feita com
base na classificação da UNCTAD (2018), na seleção de países feita por Das (2013) e na
disponibilidade dos dados. Para a seleção de paraísos fiscais e centros financeiros, definiu-se
como critério a utilização de jurisdições que constam em pelo menos seis das onze listas
levantadas por Palan, Murphy e Chavagneux (2010) – conforme Quadro 1 (p. 27). No entanto,
a indisponibilidade de dados limitou a inclusão de alguns paraísos fiscais importantes, como
citado anteriormente.
Quadro 3 - Países de origem e países de destino do IDE
Países de origem (países em desenvolvimento)
África do Sul Filipinas Nicarágua
Argentina Geórgia Paraguai
Armênia Guatemala Peru
Azerbaijão Índia Peru
Belarus Indonésia Quirguistão
Botsuana Jamaica Rússia
Brasil Macau Sérvia
Cazaquistão Macedônia Sri Lanka
Chile Malásia Tailândia
China México Tunísia
Colômbia Moldávia Ucrânia
Egito Mongólia Uruguai
Países de destino (paraísos fiscais e centros financeiros offshore)
Bahrain Hong Kong Maurício
Chipre Irlanda Panamá
Costa Rica Luxemburgo Seychelles
Holanda Malta Singapura
Fonte: Elaboração própria.
Conforme demonstra o Quadro 3, a base de dados inclui uma grande diversidade de
países de origem, tendo representantes de todos os continentes. Tal diversidade enriquece o
trabalho, permitindo que os resultados tenham grande abrangência em termos de explicação dos
44
determinantes do IDE realizado em paraísos fiscais. Dentre os países de destino, selecionou-se
países que têm quase a totalidade de sua economia voltada à prática de paraísos fiscais, como
Malta e Chipre, e países que possuem economias reais, mas que também atuam como grandes
centros financeiros offshore, por exemplo, Irlanda e Holanda.
4.2 VARIÁVEIS DO MODELO
Como variável explicada (dependente) do modelo econométrico, utilizou-se o IDE total
realizado por países em desenvolvimento em 12 paraísos fiscais e centros financeiros offshore
(listados no Quadro 3). Para explicar a variável dependente, ou seja, como variáveis
explicativas, utilizaram-se variáveis referentes a carga tributária, variáveis institucionais e
variáveis macroeconômicas (que servirão como controle para o modelo), todas referentes ao
país de origem do IDE.
As variáveis referentes a carga tributária são: imposto sobre a renda, lucro e ganhos de
capital, em percentual dos rendimentos (IMP); imposto sobre os lucros comerciais, pago por
empresas sob o lucro auferido após deduções, em percentual (IMPCOM) e receita tributária,
em percentual do PIB (CARGATRIB).
Para mensurar o efeito das instituições do país de origem, utilizou-se: índice de voz e
responsabilidade (ACCOUNT); índice de controle da corrupção (CORRUP); índice de
efetividade do governo (EFFECT); índice de qualidade regulatória (QUALIT); índice de regra
da lei/estado de direito (RLAW) e índice de estabilidade política e ausência de
violência/terrorismo (TERROR). Esses índices de governança, que buscam medir aspectos
institucionais através da percepção de entrevistados (KAUFMANN; KRAAY; MASTRUZZI,
2011), variam de -2,5 a 2,5. No entanto, para possibilitar a transformação das variáveis em
logaritmo, foi adicionada uma constante igual a 5 (c = 5) em todos os dados. Logo, no presente
estudo, os índices variam entre 2,5 (baixa qualidade de governança) e 7,5 (alta qualidade de
governança).
Por fim, para captar os aspectos macroeconômicos, utilizou-se: saída total de IDE, em
dólares, defasada em um ano (IDEOUT-1); produto interno bruto per capita, em dólares
(PIBPC); inflação anual de preços ao consumidor, em percentual (INFL); taxa de câmbio oficial
da moeda local por dólar, em unidade de moeda local (CAMBIO) e uma proxy para abertura
comercial, medida como a soma do total exportado e importado em proporção do PIB (XMPIB).
O Quadro 4 sintetiza as informações acima, bem como apresenta as fontes, as hipóteses e o
sinal esperado respectivo a cada variável.
45
Quadro 4 - Variável, descrição, fonte, hipótese e sinal esperado
Grupo Variável Descrição Fonte Hipótese Sinal
esperado
Va
riá
vel
dep
end
ente
IDEPF
Saída de investimento direto
externo a paraísos fiscais (estoque,
em milhões de dólares)
FMI Não se
aplica
Não se
aplica
Co
ntr
ole
IDEOUT-1
Saída total de investimento direto
externo defasada em um ano
(estoque, em dólares)
UNCTAD -- +
PIBPC Produto Interno Bruto per capita
(em dólares)
Banco
Mundial -- +
INFL Inflação de preços ao consumidor
(% anual)
Banco
Mundial -- -
CAMBIO Taxa de câmbio oficial (moeda
local por dólar – média)
Banco
Mundial -- -
XMPIB Abertura comercial (exportação
mais importação, em % do PIB)
Banco
Mundial -- +
Carg
a t
rib
utá
ria
IMP
Imposto sobre a renda, lucro e
ganhos de capital (% dos
rendimentos)
Banco
Mundial H1 +
IMPCOM Imposto sobre os lucros comerciais
(% dos lucros)
Banco
Mundial H1 +
CARGATRIB Receita tributária (em percentual
do PIB)
Banco
Mundial H1 +
Inst
itu
cion
ais
ACCOUNT Voz e responsabilidade (índice) Banco
Mundial H2 -
CORRUP Controle da corrupção (índice) Banco
Mundial H2 -
EFFECT Efetividade do governo (índice) Banco
Mundial H2 -
QUALIT Qualidade regulatória (índice) Banco
Mundial H2 -
RLAW Regra da lei ou estado de direito
(índice)
Banco
Mundial H2 -
TERROR Estabilidade Política e Ausência de
violência/terrorismo (índice)
Banco
Mundial H2 -
Fonte: Elaboração própria.
O Quadro 5 apresenta as estatísticas descritivas das variáveis utilizados no modelo
econométrico. Observa-se que foi adicionado a letra “L” em todas as siglas. Isso se deve ao fato
de que todas as variáveis foram transformadas na forma logarítmica, a fim de obter a não
linearidade e diminuir a multicolinearidade entre as variáveis.
46
Quadro 5 - Estatísticas descritivas
Variável Média Mediana Máximo Mínimo Desvio
padrão
LIDEPF 18,72 19,59 26,83 1,10 5,76
LIDEOUT-1 22,12 22,16 27,88 13,16 2,91
LPIBPC 8,59 8,56 11,45 6,77 0,78
LXMPIB -0,35 -0,33 0,49 -1,51 0,45
LINFL 1,47 1,62 4,08 -2,63 0,93
LCAMBIO 3,32 3,00 9,50 -1,28 2,37
LIMP 2,93 3,28 4,32 -1,20 0,90
LIMPCOM 3,66 3,69 4,92 2,00 0,48
LCARGATRIB 2,75 2,72 3,63 2,21 0,30
LACCOUNT 1,56 1,60 1,82 1,19 0,15
LCORRUP 1,54 1,53 1,88 1,31 0,12
LEFFECT 1,59 1,59 1,87 1,35 0,11
LQUALIT 1,61 1,59 1,91 1,34 0,11
LRLAW 1,55 1,54 1,86 1,30 0,11
LTERROR 1,52 1,52 1,86 1,09 0,15
Fonte: Elaboração própria
Observa-se que a variável dependente LIDEPF apresenta o maior desvio-padrão, 5,76,
seguida por LIDEOUT-1 e LCAMBIO, que demonstram desvio de 2,91 e 2,37, respectivamente.
Por outro lado, as variáveis institucionais apresentam os menores desvios-padrão, variando
entre 0,11 e 0,15. Isso demonstra que existe pouca variação nos dados dessas séries.
A China foi o país que obteve o valor máximo na variável dependente LIDEPF (Saída
de IDE a paraísos fiscais). Por outro lado, Uruguai apresentou o valor mínimo. Em relação a
variável LCARGATRIB (receita do governo em % do PIB), Macau demonstrou o maior valor.
O valor mínimo foi apresentado pela Rússia. Por fim, analisando a variável institucional
LCORRUP, observa-se que o Chile detém o valor máximo, isto é, possui o melhor indicador,
demonstrando ser o menos corrupto. Em contrapartida, Quirguistão apresentou o menor valor,
sendo, portanto, o mais corrupto dentre os países dessa base de dados.
4.3 TESTES INICIAIS
A Tabela 8 apresenta a matriz de correlação das variáveis. Não existe um consenso sobre
quais níveis de correlação entre as variáveis independentes seriam inadequados, no entanto, no
presente estudo, serão considerados inadequados valores maiores que 0,80, indicando forte
correlação positiva, e menores que -0,80, indicando forte correlação negativa entre duas
variáveis independentes.
47
Tabela 8 - Matriz de correlação
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14)
(1) LIDEOUT-1 1,00
(2) LPIBPC 0,56 1,00
(3) LXMPIB -0,35 -0,29 1,00
(4) LINFL -0,12 0,02 -0,13 1,00
(5) LCAMBIO -0,05 -0,11 -0,14 -0,05 1,00
(6) LIMP 0,24 0,06 -0,10 -0,25 0,07 1,00
(7) LIMPCOM 0,16 0,02 -0,38 0,27 -0,10 -0,18 1,00
(8) LCARGATRIB -0,21 0,05 0,36 0,02 -0,18 0,14 -0,42 1,00
(9) LACCOUNT -0,01 0,13 -0,15 -0,08 0,28 0,29 -0,22 0,42 1,00
(10) LCORRUP 0,11 0,50 -0,05 -0,11 -0,05 0,29 -0,30 0,44 0,59 1,00
(11) LEFFECT 0,46 0,56 -0,06 -0,29 -0,01 0,43 -0,29 0,36 0,47 0,79 1,00
(12) LQUALIT 0,22 0,35 0,00 -0,39 0,14 0,47 -0,49 0,41 0,58 0,72 0,82 1,00
(13) LRLAW 0,27 0,47 0,00 -0,19 0,06 0,34 -0,33 0,44 0,55 0,89 0,87 0,79 1,00
(14) LTERROR -0,20 0,32 0,23 0,07 -0,01 -0,01 -0,20 0,36 0,26 0,46 0,25 0,21 0,43 1,00
Fonte: Elaboração própria.
Nota-se alta correlação entre algumas variáveis institucionais (LEFFECT, LQUALIT e
LRLAW), indicando um problema de multicolinearidade. Para resolver esse problema, as
variáveis institucionais serão estimadas separadamente. As demais variáveis mostraram baixa
correlação entre si.
O Quadro 6 apresenta quatro testes de raiz unitária, aplicado a todas as variáveis
explicativas do modelo: Levin, Lin & Chu; Im Pesaran and Shin; ADF – Fischer Chi – square;
e PP – Fischer Chi – square. A hipótese nula dos testes é que a variável em questão é não-
estacionária, isto é, possui raiz unitária, o que é indesejado. Portanto, busca-se rejeitar a hipótese
nula, confirmando a estacionariedade das variáveis.
48
Quadro 6 - Teste de raiz unitária
Teste Levin, Lin & Chu Im, Pesaran and
Shin
ADF - Fisher Chi-
square
PP-Fisher Chi-
square
Variáveis Nível Primeira
dif. Nível
Primeira
dif. Nível
Primeira
dif. Nível
Primeira
dif.
LIDEOUT-1 -7,8*** -14,53*** -1,98** -4,58*** 121,71*** 150,53*** 225,59*** 187,65***
LPIBPC -17,84*** -9,97*** -6,29*** -1,71** 179,93*** 98,1** 251,38*** 146,35***
LXMPIB -3,03*** -13,88*** -0,05 -3,99*** 85,35 135,59*** 85,48 163,85***
LINFL -16,48*** -29,5*** -3,88*** -7,82*** 133,93*** 183,88*** 157,47*** 245,56***
LCAMBIO 4,70 -7,86*** 5,78 -1,14 26,59 94,97** 12,58 129,99***
LIMP -30,1*** -38,43*** -11,13*** -10,58*** 137,63*** 189,16*** 133,67*** 236,66***
LIMPCOM -142,11 -31,81*** -277,26 -7,41*** 132,17 127,56*** 103,33 168,03***
LCARGATRIB -8,45*** -23,14*** -1,8** -6,94*** 98,33** 155,39*** 81,76 197,5***
LACCOUNT -6,20*** -11,09*** 1,18 -2,69*** 72,27 114,12*** 75,56 137,27***
LCORRUP -7,74 -15,64*** 0,09* -4,58*** 75,14 144,18*** 64,72 188,13***
LEFFECT -8,97*** -9,8 -1,22 -2,81*** 102,17** 118,74*** 72,31 167,2***
LQUALIT -5,02*** -13,18*** 0,4 -4,29*** 64,74 146,01*** 77,02 177,13***
LRLAW -4,66*** -10,7*** -0,8 -2,61*** 95,55** 114,53*** 73,93 154,08***
LTERROR -8,59*** -13,98*** -0,97 -3,68*** 93,36** 132,04*** 80,38 169,65***
Fonte: Elaboração própria.
Nota: Os asteriscos *, ** e *** indicam significância estatística de 10%, 5% e 1%, respectivamente.
Analisando o quadro, notamos que as variáveis LXMPIB, LCAMBIO, LACCOUNT,
LCORRUP e LQUALIT não são estacionárias em nível. Para resolver o problema, foi tirada a
primeira diferença dessas variáveis, a fim de torna-las estacionárias. Após esse procedimento,
foram refeitos os testes e constatado que todas as variáveis se tornaram estacionárias. Dessa
forma, prossegue-se com a estimação do modelo econométrico.
4.4 ESPECIFICAÇÃO DO MODELO
Com o intuito de testar as hipóteses propostas neste estudo, foi estimado um modelo
econométrico com dados em painel. Gujarati e Porter (2011) salientam que modelos de dados
em painel alcançam resultados mais informativos, contendo menos colinearidade entre as
variáveis e mais eficiência na estimação, captando efeitos que não são observados em modelos
com dados de corte transversal ou séries temporais. O método utilizado para a regressão foi o
de Mínimos Quadrados Ordinários (MQO), considerando efeitos aleatórios, conforme sugere o
teste de Hausman (ver Tabela 9).
Para maior robustez, utilizou-se os erros-padrão robustos de White, que controla a
heterocedasticidade. Optou-se por essa correção dado que a base de dados possui como corte
transversal diversos países, que são heterogêneos entre si. Portanto, a priori, espera-se que a
49
heterocedasticidade esteja presente (GUJARATI; POTER, 2011). Wooldridge (2015) salienta
que o uso de procedimentos para mitigar a heterocedasticidade (erros-padrão robustos) são
válidos sendo ou não constante a variância dos resíduos (ou seja, havendo ou não a
heterocedasticidade), visto que, utilizando erros-padrão robustos, será considerado, juntamente
com os erros-padrão usuais, aqueles que são válidos assimptoticamente.
De forma agregada, a função do modelo econométrico estimado é a seguinte:
Saída de investimento direto à paraísos fiscais = f(variáveis de controle; carga
tributária; desenvolvimento institucional) (1)
A partir da função 1, que representa o modelo geral, estimam-se oito submodelos. No
submodelo 1, constam somente as variáveis de controle:
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + uit (2)
No submodelo 2, são inclusas, além das variáveis de controle, as três variáveis
relacionadas à carga tributária:
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + b6LIMPit + b7LIMPCOMit + b8LCARGATRIBit + uit (3)
Nos submodelos 3, 4, 5, 6, 7 e 8 são adicionadas as variáveis institucionais
separadamente, de maneira a controlar o problema da multicolinearidade:
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + b6LIMPit + b7LIMPCOMit + b8LCARGATRIBit + b9LACCOUNTit + uit (4)
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + b6LIMPit + b7LIMPCOMit + b8LCARGATRIBit + b9LCORRUPTit + uit (5)
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + b6LIMPit + b7LIMPCOMit + b8LCARGATRIBit + b9LEFFECTit + uit (6)
50
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + b6LIMPit + b7LIMPCOMit + b8LCARGATRIBit + b9LQUALITit + uit (7)
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + b6LIMPit + b7LIMPCOMit + b8LCARGATRIBit + b9LRLAWit + uit (8)
LIDEPFit = b0 + b1IDEOUT-1it + b2LPIBPCit + b3LINFLit + b4LCAMBIOit +
b5LXMPIBit + b6LIMPit + b7LIMPCOMit + b8LCARGATRIBit + b9LTERRORit + uit (9)
Onde o b0 é a constante, também chamado de intercepto, os betas (b) 1 a 9 são os
coeficientes angulares de cada variável (já explicadas no Quadro 4, p. 49) e o u representa os
resíduos, que inclui os fatores não observados na função. Cada variável faz referência ao país
“i”, pertencente ao corte transversal, e ao ano “t”, pertencente a série temporal. Todas as
variáveis estão na forma logarítmica, portanto, trata-se de um modelo Log-Log. O
Quadro 7 sintetiza os submodelos e suas respectivas variáveis.
Quadro 7 – Submodelos e suas respectivas variáveis
Variáveis Submod.
1
Submod.
2
Submod.
3
Submod.
4
Submod.
5
Submod.
6
Submod.
7
Submod.
8
Constante x x x x x x x x
LIDEOUT-1 x x x x x x x x
LPIBPC x x x x x x x x
LXMPIB x x x x x x x x
LINFL x x x x x x x x
LCAMBIO x x x x x x x x
LIMP x x x x x x x
LIMPCOM x x x x x x x
LCARGATRIB x x x x x x x
LACCOUNT x
LCORRUP x
LEFFECT x
LQUALIT x
LRLAW x
LTERROR x
Fonte: Elaboração própria.
51
4.5 RESULTADOS E DISCUSSÃO
Apresentados os dados, feitos os testes iniciais e especificada a equação do modelo
econométrico, parte-se para os resultados da estimação. A Tabela 9 apresenta os resultados dos
oito submodelos estimados.
Tabela 9 - Estimação do modelo
Submod.
1
Submod.
2
Submod.
3
Submod.
4
Submod.
5
Submod.
6
Submod.
7
Submod.
8
Variáveis Coeficientes
Constante -57,98*** -39,32*** -39,12*** -39,03*** -40,50*** -39,22*** -38,70*** -43,37***
LIDEOUT-1 23,57*** 16,71*** 17,02*** 16,77*** 14,89** 16,73*** 16,84*** 17,80***
LPIBPC 0,41 0,71 0,78 0,69 0,21 0,71 0,78 0,39
LXMPIB -2,14 -2,55 -2,10 -2,51 -2,91 -2,54 -2,58 -2,50
LINFL 0,31 -0,66 -0,67 -0,66 -0,59 -0,66 -0,66 -0,64
LCAMBIO -0,72 1,42 1,58 1,39 1,38 1,33 1,37 1,53
LIMP 0,49** 0,48** 0,46** 0,31* 0,47** 0,50*** 0,46**
LIMPCOM 1,68*** 1,48*** 1,62*** 1,98*** 1,66*** 1,62** 1,69***
LCARGATRIB -2,26 -2,62 -2,26 -3,00 -2,26 -2,11 -2,49
LACCOUNT 16,42
LCORRUP -5,57
LEFFECT 7,83
LQUALIT -2,55
LRLAW -1,19
LTERROR 2,64
Teste Estatística
R² ajustado 0,15 0,21 0,21 0,20 0,22 0,20 0,20 0,20
Durbin-Wat. 1,11 1,81 1,82 1,82 1,81 1,82 1,82 1,83
Teste F 10,06*** 7,11*** 6,52*** 6,19*** 6,83*** 6,17*** 6,12*** 6,06***
Teste de
Hausman
8,56 9,12 9,13 9,14 9,97 9,11 8,98 13,26
(0,13) (0,33) (0,43) (0,42) (0,35) (0,43) (0,44) (0,15)
Observações 249 189 189 189 189 189 189 189
Fonte: Elaboração própria.
Nota 1: O modelo foi estimado através do software EViews 10.
Nota 2: Os asteriscos *, ** e *** indicam significância estatística de 10%, 5% e 1%, respectivamente.
Nota 3: Os p-valores do Teste de Hausman então entre parênteses.
Primeiramente, analisa-se o teste de Hausman. A hipótese nula desse teste afirma que
os efeitos aleatórios são os mais consistentes e assimptoticamente eficientes. A hipótese
alternativa considera os efeitos fixos como mais adequados. Em todos os oito submodelos
estimados, a hipótese nula do teste não foi rejeitada, demonstrando que o modelo considerando
efeitos aleatórios é o mais adequado (ver Tabela 9 - Estimação do modeloTabela 9).
52
A qualidade do ajuste do modelo (R2 ajustado) varia entre 15% (Submodelo 1) e 22%
(Submodelo 5). Isto é, no submodelo em que se obteve o maior R2 ajustado, 22% da variação
da variável independente é explicada pela variação das variáveis independentes.
Observando o teste de Durbin-Watson (DW), que aponta a ocorrência ou não de
autocorrelação/correlação serial nos resíduos, nota-se bons resultados. Segunda a tabela de
significância do teste, para um número de observações (n) e variáveis independentes (k)
utilizada no modelo, estatísticas DW com valores entre 1,77 e 2,23 (aproximadamente) são
consideradas adequadas, não rejeitando a hipótese nula, que propõe a ausência de
autocorrelação positiva ou negativa de primeira ordem (GUJARATI; POTER, 2011). Todos os
submodelos apresentaram estatísticas de Durbin-Watson maiores que 1,81, com exceção do
submodelo 1, que incluiu apenas as variáveis de controle. Portanto, o modelo estimado está
livre do problema da autocorrelação. Por fim, o Teste F aponta que o conjunto de coeficientes
do modelo é estatisticamente diferente de zero, isto é, tem poder explicativo significante.
Analisados os testes de robustez, passa-se às análises dos resultados.
Primeiro, obteve-se confirmação para uma das duas hipóteses propostas, a Hipótese H1.
Segundo essa hipótese, quanto maior a carga tributária dos países em desenvolvimento, maior
o seu IDE em paraísos fiscais. Esse resultado foi confirmado através das variáveis LIMP
(imposto sobre a renda, lucros e ganhos de capital) e LIMPCOM (imposto sobre lucros
comerciais), que apresentaram coeficientes estatisticamente significantes e com sinal positivo.
Isso demonstra que o investimento em paraísos fiscais realizado por países em desenvolvimento
é motivado por uma estratégia fiscal, isto é, EMNs desses países buscam reduzir custos com
pagamento de impostos em seus países de origem. Esse resultado está de acordo com os
trabalhos de Haberly e Wójcik (2014), Jones e Temouri (2016), Chari e Acikgoz (2016) e
Taylor, Richardson e Taplin (2015).
Segundo o resultado alcançado para a variável LIMP, quanto maior o imposto sobre a
renda, lucros e ganhos de capital, maior o IDE de origem de países em desenvolvimento em
paraísos fiscais. O coeficiente dessa variável variou entre 0,31 e 0,50. No entanto, no submodelo
em que obteve maior significância estatística (Submodelo 7), o coeficiente foi 0,50, indicando
que um aumento de 10% em LIMP, estima-se, aumentaria em 5% a o IDE offshore realizado
por países em desenvolvimento. Vale ressaltar que essa variável foi significante em todos os
submodelos em que foi adicionada e obteve significância estatística a 1% de confiança no
Submodelo 6.
Nessa linha, o coeficiente da variável LIMPCOM indicou que, quanto maior o imposto
sobre os lucros comerciais, isto é, sobre os lucros auferidos por empresas, maior a saída de IDE
53
offshore de países em desenvolvimento. Quanto ao impacto, houve variação entre os
submodelos, sendo o Submodelo 5 o que demonstrou o maior coeficiente. Logo, segundo o
Submodelo 5, estima-se que um aumento de 10% no imposto sobre os lucros comerciais,
aplicado sobre empresas, aumentaria a saída de IDE de países em desenvolvimento à paraísos
fiscais em 19,8%. Ademais, essa variável alcançou significância estatística a um nível de
confiança de 1% em todos os submodelos em que foi adicionada, com exceção do Submodelo
6, onde obteve significância estatística de 5%.
Comparando os resultados das duas variáveis que mensuram a carga tributária do país
de origem, nota-se que a LIMPCOM, que mede o imposto cobrado apenas sobre empresas,
demonstrou maior impacto. O coeficiente dessa variável se mostrou mais do que três vezes
maior do que o coeficiente de LIMP, que mensura o imposto de uma forma mais abrangente,
incluindo também pessoas físicas. Por sua vez, a variável LCARGATRIB, que mede a receita
tributária (em % do PIB) do governo, não apresentou significância estatística. Isso demonstra
que o IDE realizado por países em desenvolvimento em paraísos fiscais é mais sensível à
impostos específicos, sobretudo, os incidentes exclusivamente sobre empresas, e não à carga
tributária como um todo.
Quanto as variáveis institucionais, não se obteve significância estatística em nenhuma
delas, não sendo possível a confirmação da Hipótese H2. Esse resultado indica que a utilização
de paraísos fiscais está mais relacionada a estratégias fiscais do que à arbitragem institucional
propriamente dita. Portanto, há indícios de que a qualidade das instituições não seja um
determinante relevante na saída de IDE offshore de países em desenvolvimento. Trabalhos
como o de Haberly e Wójcik (2014) chegaram a resultados semelhantes, demonstrando que as
instituições têm papel secundário quando se trata de IDE offshore.
Por fim, as variáveis de controle também demonstraram resultados interessantes. A
única variável desse grupo que se demonstrou relevante como determinante do IDE offshore
realizado por países em desenvolvimento foi a saída total de IDE defasada (LIDEOUT-1).
Novamente, houve uma pequena diferença no coeficiente entre os submodelos, sendo o
Submodelo 1 o que demonstrou maior impacto. Segundo esse submodelo, estima-se que um
aumento de 10% na saída de IDE total defasada aumentaria a saída de IDE offshore em 23,6%,
o maior impacto observado dentre as variáveis explicativas utilizadas no modelo. A partir desse
resultado, conclui-se que o IDE offshore é algo intrínseco aos fluxos totais de IDE dos países
em desenvolvimento e que não é explicado pelas variáveis tradicionais, como PIB per capita,
inflação, câmbio e abertura comercial, utilizadas em trabalhos empíricos que buscaram explicar
54
a saída de IDE à países não paraísos fiscais. Com exceção do Submodelo 5, essa variável
apresentou significância estatística a um nível de confiança de 1% em todos os submodelos.
Para fins de simplificação, o Quadro 8 sintetiza os resultados obtidos através da
estimação do modelo.
Quadro 8 - Síntese dos resultados
Variável Hipótese Impacto Resultado
Imposto sobre a renda, lucros e ganhos de capital (LIMP)
H1
+ ***
Confirmada Imposto sobre lucros comerciais (LIMPCOM) + ***
Receita tributária (CARGATRIB) -
Voz e responsabilidade (LACCOUNT)
H2
+
Não
confirmada
Controle da corrupção (LCORRUP) -
Efetividade do governo (LEFFECT) +
Qualidade regulatória (LQUALIT) -
Regra da lei / estado de direito (LRLAW) -
Estabilidade política e ausência de violência (LTERROR) +
Saída total de IDE defasada (LIDEOUT-1)
Não se
aplica
+ ***
Não se
aplica
PIB per capita (LPIBPC) +
Abertura comercial (LXMPIB) -
Inflação de preços ao consumidor (LINFL) -
Taxa de câmbio oficial (LCAMBIO) +
Fonte: Elaboração própria.
Nota 1: No tópico “Impacto”, foi utilizado o sinal que apareceu com maior frequência e a maior
significância estatística alcançada dentre os oito submodelos.
Nota 2: Os asteriscos *, ** e *** indicam significância estatística de 10%, 5% e 1%, respectivamente.
Em suma, alcançou-se significância estatística em três das variáveis utilizadas, sendo
elas: LIMP e LIMPCOM, que demonstraram impacto positivo, possibilitando a confirmação da
Hipótese H1; e LIDEOUT-1, pertencente às variáveis de controle, que também apresentou
impacto positivo.
55
5 CONSIDERAÇÕES FINAIS
Este trabalho buscou responder a seguinte questão de pesquisa: “Quais os fatores
econômicos e instrucionais do país de origem são determinantes no investimento direto externo
realizado por países em desenvolvimento em paraísos fiscais?”. Para tanto, foi proposto o
objetivo geral do trabalho: “Identificar os determinantes econômicos e institucionais do
investimento direto externo realizado por países em desenvolvimento em paraísos fiscais, com
foco nos fatores do país de origem”. A partir disto, formularam-se três objetivos específicos,
que serão discutidos juntamente com os resultados a seguir.
O primeiro objetivo específico propôs-se a analisar a evolução do estoque de
investimento direto externo em países considerados paraísos fiscais. Na subseção 2.2.3,
observou-se que os paraísos fiscais e centros financeiros offshore retêm boa parte do IDE
mundial. Nos anos 2000, jurisdições consideradas paraísos fiscais alojavam 11% de todo o
estoque mundial de IDE. Em 2015, tal participação alcançou seu ápice, 24%, e em 2016, último
ano da série, demarcou 23%. Tal fato demonstra que paraísos fiscais e centros financeiros
offshore possuem papel de suma importância no cenário mundial quando se fala em
investimento direto externo e não podem passar despercebidos em uma análise que considera o
fluxo desses capitais.
O segundo objetivo específico diz respeito à importância da carga tributária do país de
origem como determinante do investimento direto externo em paraísos fiscais, realizado por
países em desenvolvimento. A partir desse objetivo, estabeleceu-se a Hipótese H1. Essa
hipótese sugere que quanto maior a carga tributária de um país em desenvolvimento, maior o
seu IDE em paraísos fiscais. Através do modelo econométrico estimado, essa hipótese foi
confirmada. Logo, encontrou-se que a carga tributária de um país em desenvolvimento afeta
positiva e significativamente o IDE offshore deste país. Sobretudo, verificou-se que a carga
tributária incidente exclusivamente sobre o lucro das empresas tem maior impacto no IDE
offshore do que o imposto incidente também sobre pessoas físicas.
Por último, o terceiro objetivo específico buscava mensurar a importância do
desenvolvimento institucional como determinante do IDE offshore realizado países em
desenvolvimento. Para desenvolver esse objetivo, foi elaborada a Hipótese H2, que sugere que
a qualidade das instituições dos países em desenvolvimento afeta negativamente o IDE offshore
destes, indicando uma estratégia de escape das multinacionais. Estimando o modelo, concluiu-
se que a qualidade institucional não tem impacto significante quando se trata de IDE offshore,
não sendo possível a confirmação da hipótese proposta.
56
Dessa forma, nota-se que os resultados encontrados são bastante importantes para a área
de pesquisa, indicando que multinacionais de países em desenvolvimento estão mais ligadas a
estratégias de evitação fiscal, buscando reduzir seus custos com pagamento de impostos, e
menos ligadas à arbitragem institucional. Encontrou-se também que, diferente do IDE em países
não paraísos fiscais, variáveis macroeconômicas como PIB per capita, inflação, câmbio e
abertura comercial não são significantes para explicar o IDE offshore. Entretanto, o IDE em
paraísos fiscais é fortemente atrelado a saída total de IDE dos países em desenvolvimento,
demonstrando que esse fenômeno é intrínseco à saída total de IDE.
Destaca-se algumas limitações no modelo econométrico e nos dados utilizados.
Primeiro, o recorte temporal disponibilizado pela pesquisa CDIS compreende apenas o período
pós-crise (2009 - 2016). Além disso, se tratando de paraísos fiscais, existe pouca confiança na
fidedignidade dos dados disponibilizados, posto que muitas das vezes essas jurisdições buscam
omitir e camuflar dados referentes a investimentos estrangeiros. Em relação ao modelo
econométrico, todos os testes realizados apontaram bons resultados. No entanto, em trabalhos
futuros, podem ser estimados modelos mais robustos, realizando testes de causalidade e
endogeneidade, por exemplo. Ademais, o modelo pode ser estendido para outros recortes
geográficos, como países desenvolvidos ou regiões específicas, como a Ásia e a Europa.
57
REFERÊNCIAS
AMAL, Mohamed. Foreign direct investment in Brazil: post-crisis economic development
in emerging markets. Nova York: Academic Press, 2016.
AMAL, Mohamed; RABOCH, Henrique; TOMIO, Bruno Thiago. Strategies and determinants
of foreign direct investment (FDI) from developing countries: case study of Latin
America. Latin American Business Review, v. 10, n. 2-3, p. 73-94, 2009.
BANCO MUNDIAL. World Bank Open Data. Washington, DC, 2018. Disponível em:
<https://data.worldbank.org/>. Acesso em: 01 mar. 2018.
BRAUN, Julia; WEICHENRIEDER, Alfons. Does exchange of information between tax
Authorities influence foreign direct investment into tax havens? Mimeo, 2014.
BUCKLEY, Peter J.; CLEGG, L. Jeremy; CROSS, Adam R.; LIU, Xin; VOSS, Hinrich;
ZHENG, Ping. The determinants of Chinese outward foreign direct investment. Journal of
International Business Studies, v. 38, n. 4, p. 499-518, 2007.
BUCKLEY, Peter J.; SUTHERLAND, Dylan; VOSS, Hinrich; EL-GOHARI, Ahmad. The
economic geography of offshore incorporation in tax havens and offshore financial centers: the
case of Chinese MNEs. Journal of Economic Geography, v. 15, n. 1, p. 103-128, 2013.
BUCOVETSKY, Sam. Honor among tax havens. Journal of Public Economics, v. 110, p. 74-
81, 2014.
CHARI, Murali; ACIKGOZ, Senay. What drives emerging economy firm acquisitions in tax
havens?. Journal of Business Research, v. 69, n. 2, p. 664-671, 2016.
CHEN, Jen-Eem; CHIN, Lee; LAW, Siong-Hook; AZMAN-SAINI, W. N. W. Outward FDI
and institutional factors: malaysian experience. Journal of Emerging Economies & Islamic
Research, v. 4, n. 3, 2016.
COASE, Ronald. The new institutional economics. The American Economic Review, v. 88,
n. 2, p. 72-74, 1998.
CUERVO‐CAZURRA, Alvaro. Extending theory by analyzing developing country
multinational companies: solving the goldilocks debate. Global Strategy Journal, v. 2, n. 3,
p. 153-167, 2012.
CUERVO-CAZURRA, Alvaro; RAMAMURTI, Ravi. The escape motivation of emerging
market multinational enterprises. Columbia FDI Perspectives, n. 143, 2015.
DAS, Khanindra Ch. Home country determinants of outward FDI from developing countries.
Margin: The Journal of Applied Economic Research, v. 7, n. 1, p. 93-116, 2013.
DE MOOIJ, Ruud A.; EDERVEEN, Sjef. Taxation and foreign direct investment: a synthesis
of empirical research. International Tax and Public Finance, v. 10, n. 6, p. 673-693, 2003.
DESAI, Mihir A.; FOLEY, C. Fritz; HINES, James R. The demand for tax haven
operations. Journal of Public Economics, v. 90, n. 3, p. 513-531, 2006.
58
DHARMAPALA, Dhammika; HINES JR., James R. Which countries become tax
havens?. Journal of Public Economics, v. 93, n. 9, p. 1058-1068, 2009.
DUNNING, John H. The eclectic (OLI) paradigm of international production: past, present and
future. International Journal of the Economics of Business, v. 8, n. 2, p. 173-190, 2001.
DUNNING, John H. The eclectic paradigm as an envelope for economic and business theories
of MNE activity. International Business Review, v. 9, n. 2, p. 163-190, 2000.
DUNNING, John H.; LUNDAN, Sarianna M. Multinational enterprises and the global
economy. Cheltenham: Edward Elgar Publishing, 2008.
DUNNING, John H.; RUGMAN, Alan M. The influence of Hymer's dissertation on the theory
of foreign direct investment. The American Economic Review, v. 75, n. 2, p. 228-232, 1985.
DURBIN, James; WATSON, Geoffrey S. Testing for serial correlation in least squares
regression. II. Biometrika, v. 38, n. 1/2, p. 159-177, 1951.
FIGUEIREDO, Antônio Macena de; SOUZA, Soraia Riva Goudinho de. Como elaborar
projetos, monografias, dissertações e teses: da redação científica à apresentação do texto
final. 2. ed. Rio de Janeiro: Lúmen Júris, 2008.
FMI. Fundo Monetário Internacional. Background Paper. Balance of Payments and Financial
Accounts Department. Amsterdam: De Nederlandsche Bank, 2004.
FMI. Fundo Monetário Internacional. Balance of Payments Manual. Washington, D.C.: 1993.
GIL, Antônio Carlos. Técnicas de pesquisa em economia e elaboração de monografias. 4.ed.
São Paulo: Atlas, 2002.
GONDIM, Igor Jordano Cassemiro; MORANDIER, Nadia; DIAS, Ivan Rodrigo Rizzo;
COUTO, Cyro Augusto Pachicoski; CHAROTTA, Teresa Cristina Alves. Analysis of domestic
factors affecting outward foreign direct investment in Brazil. Latin American Business
Review, v. 18, n. 1, p. 1-18, 2017.
GUJARATI, Damodar N.; PORTER, Dawn C. Econometria Básica. 5. ed. Porto Alegre:
Amgh Editora, 2011.
HABERLY, Daniel; WÓJCIK, Dariusz. Tax havens and the production of offshore FDI: an
empirical analysis. Journal of Economic Geography, v. 15, n. 1, p. 75-101, 2014.
HINES JR, James R.; RICE, Eric M. Fiscal paradise: foreign tax havens and American
business. The Quarterly Journal of Economics, v. 109, n. 1, p. 149-182, 1994.
HINES JR., James R. Do tax havens flourish?. Tax policy and the economy, v. 19, p. 65-99,
2005.
HONG, Qing; SMART, Michael. In praise of tax havens: international tax planning and foreign
direct investment. European Economic Review, v. 54, n. 1, p. 82-95, 2010.
59
HYMER, S. H. The international operations of national firms: a study of
direct foreign investment, 1960. Tese (doutorado em economia) – MIT Library, Cambridge,
1960.
IRISH, Charles R. Tax havens. Vanderbildt Journal of Transnational Law, v. 15, p. 449,
1982.
JONES, Chris; TEMOURI, Yama. The determinants of tax haven FDI. Journal of World
Business, v. 51, n. 2, p. 237-250, 2016.
KAUFMANN, Daniel; KRAAY, Aart; MASTRUZZI, Massimo. The worldwide governance
indicators: methodology and analytical issues. Hague Journal on the Rule of Law, v. 3, n. 2,
p. 220-246, 2011.
KOLSTAD, Ivar; WIIG, Arne. What determines Chinese outward FDI?. Journal of World
Business, v. 47, n. 1, p. 26-34, 2012.
KUZNETSOV, Alexey. Outward FDI from Russia and its policy context, update 2011.
Columbia FDI Profiles, University of Columbia. 2011.
KYRKILIS, Dimitrios; PANTELIDIS, Pantelis. Macroeconomic determinants of outward
foreign direct investment. International Journal of Social Economics, v. 30, n. 7, p. 827-836,
2003.
LEDYAEVA, Svetlana; KARHUNEN, Päivi, KOSONEN, Riitta; WHALLEY, John. Offshore
foreign direct investment, capital round-tripping, and corruption: empirical analysis of Russian
regions. Economic Geography, v. 91, n. 3, p. 305-341, 2015.
LEDYAEVA, Svetlana, KARHUNEN, Päivi; WHALLEY, John. If foreign investment is not
foreign: round-trip versus genuine foreign investment in Russia. CEPII WP No 2013, v. 5,
2013.
MUDAMBI, Ram; NAVARRA, Pietro. Institutions and international business: a theoretical
overview. International Business Review, v. 11, n. 6, p. 635-646, 2002.
NORTH, Douglass C. Institutions, institutional change and economic performance.
Cambridge: Cambridge university press, 1990.
OCDE. Organização para Cooperação e Desenvolvimento Econômico. Benchmark definition
of Foreign Direct Investment. 4 ed. Paris, 2008.
OCDE. Towards global tax co-operation. Report to the 2000 ministerial council meeting and
recommendations by the committee on fiscal affairs. Progress in identifying and eliminating
harmful tax practices. Paris, 2000.
PAIN, Nigel; VAN WELSUM, Desiree. Untying the Gordian knot: the multiple links between
exchange rates and foreign direct investment. JCMS: Journal of Common Market Studies,
v. 41, n. 5, p. 823-846, 2003.
PALAN, Ronen. Tax havens and the commercialization of state sovereignty. International
Organization, v. 56, n. 1, p. 151-176, 2002.
60
PALAN, Ronen; MURPHY, Richard; CHAVAGNEUX, Christian. Tax havens: how
globalization really works. Cornell University Press, 2010.
PENG, Mike W.; PARENTE, Ronaldo C. Institution-based weaknesses behind emerging
multinationals. Revista de Administração de Empresas, v. 52, n. 3, p. 360-364, 2012.
PENG, Mike W.; WANG, Denis YL; JIANG, Yi. An institution-based view of international
business strategy: a focus on emerging economies. Journal of International Business Studies,
v. 39, n. 5, p. 920-936, 2008.
RBI. Reserve Bank of India. Indian investment abroad in joint ventures and wholly owned
subsidiaries: 2009-10 (April-June). RBI Bulletin. Delhi: RBI, 2010.
RICHARDSON, Roberto Jarry. Pesquisa social: métodos e técnicas. 3. ed. São Paulo: Atlas,
1999.
SHARMAN, Jason Campbell. Chinese capital flows and offshore financial centers. The Pacific
Review, v. 25, n. 3, p. 317-337, 2012.
STOIAN, Carmen. Extending Dunning's investment development path: the role of home
country institutional determinants in explaining outward foreign direct investment.
International Business Review, v. 22, n. 3, p. 615-637, 2013.
STOIAN, Carmen; MOHR, Alex. Outward foreign direct investment from emerging
economies: escaping home country regulative voids. International Business Review, v. 25, n.
5, p. 1124-1135, 2016.
SUTHERLAND, Dylan; MATTHEWS, B. ‘Round Tripping’ or ‘Capital Augmenting’
OFDI? Chinese outward investment and the Caribbean tax havens. Paper prepared for
Leverhulme Centre for Research on Globalization and Economic Policy (GEP),
University of Nottingham. 2009.
TAYLOR, Grantley; RICHARDSON, Grant; TAPLIN, Ross. Determinants of tax haven
utilization: evidence from Australian firms. Accounting & Finance, v. 55, n. 2, p. 545-574,
2015.
THE ECONOMIST. Special report: offshore finance. 2013.
UNCTAD. United Nations Conference on Trade and Development. Unctad Statistics. Nova
York e Genebra, 2018.
UNCTAD. United Nations Conference on Trade and Development. World Investment Report
2008. Genebra: Conferência das Nações Unidas sobre Comércio e Desenvolvimento, 2008.
UNCTAD. United Nations Conference on Trade and Development. World Investment Report
2015. Genebra: Conferência das Nações Unidas sobre Comércio e Desenvolvimento, 2015.
UNCTAD. World investment report 2010: investing in a low-carbon economy. New York,
2010.
VERNON, Raymond. International investment and international trade in the product cycle. The
Quarterly Journal of Economics, p. 190-207, 1966.
61
WU, Jie; CHEN, Xiaoyun. Home country institutional environments and foreign expansion of
emerging market firms. International Business Review, v. 23, n. 5, p. 862-872, 2014.
WOOLDRIDGE, Jeffrey M. Introductory econometrics: a modern approach. Toronto:
Nelson Education, 2015.
XIAO, Geng. People's Republic of China's round-tripping FDI: scale, causes and
implications. ADB Institute Discussion Papers, 2004.
ZUCMAN, Gabriel. The hidden wealth of nations: the scourge of tax havens. Chicago:
University of Chicago Press, 2015.
62
APÊNDICE A – Painel de dados utilizado na regressão
ANO PAÍS IDEPF IDEOUT PIBPC XMPIB INFL CAMBIO CORRUP EFFECT TERROR QUALIT RLAW ACCOUNT IMPCOM IMP CARGATRIB
2009 África do Sul 4557874481 70296070461 5831 0,6 7,1 8,5 5,2 5,5 4,9 5,4 5,1 5,6 30,0 51,9 24,4
2010 África do Sul 4017331803 83248537306 7275 0,6 4,3 7,3 5,1 5,4 5,0 5,4 5,1 5,6 30,2 49,1 25,0
2011 África do Sul 13957404203 97050559383 7976 0,6 5,0 7,3 5,1 5,4 5,0 5,4 5,2 5,6 31,8 49,9 25,2
2012 África do Sul 9096435063 111779465131 7478 0,6 5,7 8,2 4,9 5,3 5,0 5,4 5,1 5,6 32,0 49,2 25,6
2013 África do Sul 24607193999 128681398297 6822 0,6 5,8 9,7 4,9 5,4 5,0 5,4 5,2 5,6 28,7 48,4 26,0
2014 África do Sul 25086889855 146024056852 6438 0,6 6,1 10,9 4,9 5,3 4,9 5,3 5,2 5,6 28,9 48,0 26,5
2015 África do Sul 28332107214 154683499518 5744 0,6 4,6 12,8 5,0 5,3 4,8 5,3 5,1 5,7 28,8 47,4 27,3
2016 África do Sul 32118368848 172827307007 5275 0,6 6,3 14,7 5,0 5,3 4,9 5,2 5,1 5,6 28,8 .. 27,1
2009 Argentina 209350133 29535574832 8161 0,3 6,3 3,7 4,6 4,7 4,8 4,2 4,3 5,3 107,3 11,4 12,4
2010 Argentina 259945286 30328335513 10276 0,3 10,8 3,9 4,6 4,8 4,9 4,2 4,4 5,4 107,4 11,6 12,9
2011 Argentina 904731681 31891335513 12727 0,4 9,5 4,1 4,6 4,9 5,2 4,3 4,4 5,3 107,4 13,0 12,7
2012 Argentina 71347908 32919185091 12970 0,3 10,0 4,5 4,6 4,8 5,1 4,1 4,3 5,3 107,5 13,1 13,0
2013 Argentina 90642735 34517157950 12977 0,3 10,6 5,5 4,6 4,7 5,1 4,0 4,3 5,3 119,4 13,5 12,5
2014 Argentina 200227436 36179699383 12245 0,3 .. 8,1 4,5 4,8 5,0 3,9 4,1 5,3 137,4 13,8 12,6
2015 Argentina 446771339 37842859129 13467 0,2 .. 9,2 4,5 4,9 5,0 4,1 4,2 5,4 137,6 15,2 12,5
2016 Argentina 390450533 38814274684 12440 0,3 .. 14,8 4,7 5,2 5,2 4,5 4,7 5,5 106,0 12,0 12,4
2009 Armênia 2058184 113510188 2994 0,6 3,4 363,3 4,4 5,0 5,2 5,3 4,5 4,1 38,6 19,7 16,5
2010 Armênia 2293910 121632695 3218 0,7 8,2 373,7 4,3 4,8 5,1 5,3 4,5 4,2 38,6 18,6 17,1
2011 Armênia 1898246 337181156 3527 0,7 7,7 372,5 4,3 4,9 4,9 5,3 4,6 4,3 38,8 19,4 17,2
2012 Armênia 1954022 352692187 3685 0,8 2,6 401,8 4,4 5,0 5,2 5,3 4,6 4,4 38,8 21,3 17,5
2013 Armênia 3781900 292697934 3844 0,8 5,8 409,6 4,5 5,1 5,1 5,3 4,7 4,4 35,9 .. ..
2014 Armênia 1656885 310765551 3995 0,8 3,0 415,9 4,5 4,8 4,7 5,2 4,6 4,4 20,1 33,9 21,6
2015 Armênia 1485751 495845044 3618 0,7 3,7 477,9 4,5 4,8 4,7 5,2 4,6 4,5 20,0 35,7 20,9
2016 Armênia 2509985 552520703 3615 0,8 0,3 480,5 4,4 4,9 4,4 5,2 4,9 4,4 18,5 .. 21,2
2009 Azerbaijão 10125725 5557960000 4950 0,7 1,4 0,8 3,8 4,3 4,7 4,7 4,1 3,7 40,9 13,2 14,1
2010 Azerbaijão 9064661 5789937000 5843 0,7 5,7 0,8 3,8 4,2 4,8 4,6 4,1 3,7 38,9 10,2 12,2
2011 Azerbaijão 7625307 6323000000 7190 0,8 7,9 0,8 3,8 4,2 4,5 4,6 4,1 3,7 40,0 12,1 12,2
2012 Azerbaijão 385081695 7515000000 7496 0,8 1,0 0,8 3,9 4,2 4,3 4,5 4,2 3,7 40,0 13,6 12,8
2013 Azerbaijão 10016769 9005000000 7876 0,7 2,4 0,8 4,0 4,5 4,6 4,6 4,3 3,6 39,8 13,8 13,4
2014 Azerbaijão 13247581 12235000000 7891 0,7 1,4 0,8 4,0 4,6 4,4 4,7 4,3 3,5 39,8 14,0 14,2
2015 Azerbaijão 9008428 15351000000 5500 0,7 4,2 1,0 4,1 4,7 4,3 4,7 4,3 3,4 39,8 17,3 15,6
63
2016 Azerbaijão 60572977 17880000000 3879 0,9 4,2 1,6 4,1 4,8 4,1 4,7 4,4 3,4 39,8 .. ..
2009 Belarus 6151096 144600000 5176 1,1 12,9 0,3 4,4 3,9 5,5 3,9 4,0 3,5 99,9 5,9 19,3
2010 Belarus 2491437 204779000 6029 1,2 7,7 0,3 4,3 3,9 4,9 3,9 3,9 3,4 80,8 6,8 16,3
2011 Belarus 57534166 293700000 6519 1,6 53,2 0,5 4,3 3,9 4,9 3,8 3,9 3,3 63,0 3,3 14,5
2012 Belarus 64719518 454900000 6940 1,5 59,2 0,8 4,5 4,1 5,1 3,9 4,1 3,4 54,3 3,5 14,7
2013 Belarus 62327328 724300000 7979 1,2 18,3 0,9 4,5 4,1 5,0 3,9 4,1 3,5 50,5 2,7 13,4
2014 Belarus 18542441 632900000 8319 1,1 18,1 1,0 4,7 4,5 5,2 4,0 4,2 3,6 50,3 2,8 12,7
2015 Belarus 21828520 702800000 5949 1,2 13,5 1,6 4,7 4,5 5,1 4,0 4,2 3,5 51,9 2,9 14,2
2016 Belarus 42297094 686900000 4989 1,3 11,8 2,0 4,7 4,5 5,1 4,1 4,2 3,6 52,7 2,4 13,9
2009 Botsuana 226450 968579149 5186 0,9 8,0 7,2 6,0 5,5 6,0 5,5 5,7 5,4 17,0 26,5 27,3
2010 Botsuana 2194220 1006957376 6346 0,9 6,9 6,8 6,0 5,4 6,0 5,5 5,7 5,5 19,5 29,4 23,6
2011 Botsuana 3203390 852101865 7645 1,0 8,5 6,8 6,0 5,5 6,1 5,5 5,7 5,4 19,5 29,3 23,2
2012 Botsuana 2967398 832636631 7029 1,1 7,5 6,8 5,9 5,5 6,1 5,6 5,7 5,5 25,4 24,0 26,6
2013 Botsuana 826782 821963627 7008 1,2 5,9 8,4 5,9 5,4 6,1 5,6 5,6 5,5 25,3 27,9 25,6
2014 Botsuana 3251639 854627054 7498 1,1 4,4 9,0 5,9 5,4 6,0 5,6 5,6 5,4 25,1 28,4 25,8
2015 Botsuana 3 877055330 6532 1,1 3,1 10,1 5,8 5,5 6,0 5,4 5,6 5,4 25,1 28,4 24,7
2016 Botsuana 51671677 1475006813 6924 1,0 3,8 10,9 5,9 5,5 6,1 5,5 5,5 5,4 25,1 29,3 21,0
2009 Brasil 20040552414 133523212766 8553 0,2 4,9 2,0 4,9 4,9 5,2 5,1 4,8 5,5 .. 28,0 14,4
2010 Brasil 26026438028 149337489649 11224 0,2 5,0 1,8 5,0 5,0 5,0 5,2 5,0 5,6 .. 21,1 13,6
2011 Brasil 32054126808 159813892311 13167 0,2 6,6 1,7 5,2 4,9 4,9 5,2 5,0 5,5 .. 22,9 14,2
2012 Brasil 32944923300 204252958073 12291 0,2 5,4 2,0 5,0 4,9 5,0 5,1 4,9 5,5 .. 21,0 13,7
2013 Brasil 40002179906 204192276002 12217 0,3 6,2 2,2 4,9 4,9 4,7 5,1 4,9 5,4 69,2 21,7 13,4
2014 Brasil 44277169194 175726561257 12027 0,2 6,3 2,4 4,7 4,9 4,9 4,9 5,0 5,5 69,2 22,0 12,8
2015 Brasil 75037751555 159641787166 8757 0,3 9,0 3,3 4,6 4,8 4,7 4,8 4,9 5,5 68,1 20,5 12,8
2016 Brasil 57861396162 172441352814 8650 0,2 8,7 3,5 4,6 4,8 4,6 4,8 4,9 5,5 68,4 .. 12,8
2009 Cazaquistão 5109515052 7083370580 7165 0,8 7,3 147,5 4,1 4,6 5,8 4,7 4,4 3,9 36,2 .. ..
2010 Cazaquistão 7491178140 16211625890 9071 0,7 7,1 147,4 4,0 4,6 5,5 4,7 4,4 3,9 29,8 35,8 15,7
2011 Cazaquistão 7604409924 22743197060 11634 0,7 8,3 146,6 4,0 4,6 4,7 4,8 4,4 3,9 29,0 34,8 18,3
2012 Cazaquistão 20291108478 22928110890 12387 0,7 5,1 149,1 4,1 4,6 4,6 4,6 4,3 3,8 29,0 33,6 13,3
2013 Cazaquistão 23414626643 23368860190 13891 0,7 5,8 152,1 4,1 4,5 4,6 4,6 4,3 3,8 28,9 32,3 16,0
2014 Cazaquistão 247538512 25550428640 12807 0,6 6,7 179,2 4,2 5,0 5,0 4,7 4,4 3,8 28,9 32,6 14,2
2015 Cazaquistão 15825289 24184397385 10510 0,5 6,6 221,7 4,1 4,9 5,0 5,0 4,6 3,8 29,2 32,5 9,8
2016 Cazaquistão 1175894667 20731040059 7715 0,6 14,5 342,2 4,2 4,9 5,0 4,9 4,6 3,7 29,2 29,1 9,9
2009 Chile 3 44757039224 10243 0,7 0,1 560,9 6,4 6,2 5,6 6,5 6,3 6,0 24,8 28,1 14,5
2010 Chile 1046954594 56697584017 12860 0,7 1,4 510,2 6,5 6,3 5,7 6,4 6,3 6,1 24,5 27,2 17,4
2011 Chile 858555941 69447808019 14706 0,7 3,3 483,7 6,5 6,2 5,5 6,5 6,4 6,1 24,5 27,2 18,9
64
2012 Chile 48876951 83243676282 15432 0,7 3,0 486,5 6,6 6,3 5,3 6,5 6,4 6,1 27,7 30,4 19,0
2013 Chile 801007908 94560273968 15941 0,6 1,8 495,3 6,5 6,3 5,4 6,5 6,4 6,1 27,7 28,7 17,4
2014 Chile 659186251 96959501782 14817 0,7 4,4 570,3 6,5 6,2 5,4 6,5 6,4 6,1 28,9 28,9 16,9
2015 Chile 535656515 101791052170 13653 0,6 4,3 654,1 6,3 6,1 5,4 6,3 6,3 6,0 29,9 29,8 17,5
2016 Chile 451782586 110089617978 13793 0,6 3,8 677,0 6,1 6,0 5,5 6,4 6,1 6,0 31,4 33,9 17,6
2009 China 340455295516 245755380000 3838 0,4 0,3 6,8 4,5 5,1 4,6 4,8 4,6 3,3 .. 24,6 10,3
2010 China 400653309526 317210590000 4561 0,5 3,3 6,8 4,4 5,1 4,3 4,8 4,6 3,3 .. 23,1 10,2
2011 China 442045240330 424780670000 5634 0,5 5,4 6,5 4,5 5,1 4,4 4,8 4,5 3,4 .. 24,9 10,3
2012 China 449029279582 531940580000 6338 0,5 2,6 6,3 4,6 5,0 4,5 4,8 4,5 3,4 .. .. ..
2013 China 393515635333 660478400000 7078 0,5 2,6 6,2 4,6 5,0 4,5 4,7 4,5 3,4 68,8 28,3 9,9
2014 China 409990521131 882642420000 7684 0,5 2,0 6,1 4,7 5,3 4,5 4,7 4,6 3,4 68,6 19,9 9,7
2015 China 402916477465 1097864590000 8069 0,4 1,4 6,2 4,7 5,4 4,4 4,7 4,6 3,3 67,9 .. 9,4
2016 China 410001479235 1280974590000 8123 0,4 2,0 6,6 4,7 5,4 4,5 4,7 4,8 3,4 68,2 .. ..
2009 Colômbia 2609560713 18234660000 5148 0,3 4,2 2158,3 4,7 4,8 3,2 5,1 4,6 4,9 80,3 21,1 12,6
2010 Colômbia 2563686734 23717319000 6251 0,3 2,3 1898,6 4,6 4,9 3,5 5,3 4,7 4,9 80,3 17,0 12,1
2011 Colômbia 4308392664 32137144000 7228 0,4 3,4 1848,1 4,7 5,0 3,7 5,4 4,7 4,9 76,4 15,7 14,6
2012 Colômbia 3524637579 31530942000 7885 0,4 3,2 1796,9 4,6 5,0 3,6 5,4 4,6 4,9 76,0 19,7 13,3
2013 Colômbia 4911649400 39183022000 8031 0,4 2,0 1868,8 4,6 5,1 3,7 5,4 4,6 4,9 76,1 16,2 14,1
2014 Colômbia 4814301189 43082053657 7913 0,4 2,9 2001,8 4,6 4,9 3,9 5,5 4,7 5,0 77,3 20,3 15,0
2015 Colômbia 7751722349 47299790093 6045 0,4 5,0 2741,9 4,7 5,0 3,9 5,5 4,7 5,0 69,7 22,6 15,1
2016 Colômbia 1164598770 51816251689 5806 0,3 7,5 3054,1 4,7 5,0 4,0 5,4 4,7 5,1 69,8 .. 13,2
2009 Egito 70333671 4272900000 2292 0,6 11,8 5,5 4,5 4,7 4,4 4,8 4,9 3,8 43,0 27,8 15,7
2010 Egito 180439064 5448400000 2602 0,5 11,3 5,6 4,4 4,6 4,1 4,8 4,8 3,8 42,5 25,3 14,1
2011 Egito 2556895383 6074000000 2747 0,5 10,1 5,9 4,3 4,4 3,6 4,7 4,5 3,9 43,6 29,7 14,0
2012 Egito 217605767 6285000000 3181 0,4 7,1 6,1 4,4 4,2 3,6 4,5 4,5 4,2 42,6 26,2 12,4
2013 Egito 3 6586000000 3213 0,4 9,4 6,9 4,4 4,1 3,4 4,4 4,4 3,9 40,1 29,2 13,5
2014 Egito 3 6839000000 3328 0,4 10,1 7,1 4,4 4,2 3,4 4,2 4,3 3,8 44,7 23,3 12,2
2015 Egito 331157209 7020000000 3548 0,3 10,4 7,7 4,4 4,2 3,5 4,2 4,4 3,8 44,9 24,1 12,5
2016 Egito 310392018 7227000000 3478 0,3 13,8 10,0 4,4 4,3 3,6 4,1 4,6 3,8 43,5 .. ..
2009 Filipinas 2939199322 6095000000 1825 0,7 4,2 47,7 4,2 5,0 3,3 4,9 4,4 5,0 47,1 38,8 12,2
2010 Filipinas 3436904322 6710000000 2129 0,7 3,8 45,1 4,2 5,0 3,3 4,8 4,4 5,0 43,8 40,5 12,1
2011 Filipinas 3666929318 7460224700 2353 0,7 4,6 43,3 4,3 5,1 3,6 4,8 4,5 5,0 44,5 42,1 12,4
2012 Filipinas 4319415157 9195700700 2582 0,6 3,2 42,2 4,4 5,1 3,8 4,9 4,5 5,0 44,5 42,1 12,9
2013 Filipinas 3382395004 29010228000 2760 0,6 3,0 42,4 4,6 5,1 3,9 4,9 4,6 5,0 42,5 41,9 13,3
2014 Filipinas 3852050785 35791341000 2843 0,6 4,1 44,4 4,6 5,2 4,3 5,0 4,7 5,2 42,5 41,2 13,6
2015 Filipinas 4963862863 41016632000 2878 0,6 1,4 45,5 4,5 5,1 4,1 5,0 4,7 5,1 42,9 41,3 13,6
65
2016 Filipinas 4585528017 45377286000 2951 0,6 1,8 47,5 4,5 5,0 3,7 5,0 4,6 5,1 42,9 42,0 13,7
2009 Geórgia 5514962 638191630 2707 0,8 1,7 1,7 4,9 5,3 4,0 5,5 4,8 4,8 15,3 31,9 23,1
2010 Geórgia 6309857 847854485 2964 0,9 7,1 1,8 5,0 5,3 4,3 5,6 4,8 4,8 15,3 31,3 22,1
2011 Geórgia 5522472 957959615 3725 0,9 8,5 1,7 5,1 5,6 4,3 5,7 4,9 4,8 16,5 35,6 23,8
2012 Geórgia 5132505 1276734806 4143 1,0 0,3 1,7 5,4 5,6 4,3 5,7 5,0 5,0 16,5 35,2 24,1
2013 Geórgia 7265555 1394132504 4274 1,0 0,3 1,7 5,5 5,6 4,6 5,8 5,0 5,1 16,4 38,0 23,4
2014 Geórgia 4941200 1738399366 4430 1,0 3,1 1,8 5,8 5,5 4,7 5,9 5,2 5,3 16,4 35,2 23,5
2015 Geórgia 5439809 1819695151 3765 1,1 4,0 2,3 5,7 5,4 4,5 5,9 5,3 5,3 16,4 37,7 23,8
2016 Geórgia 3 1927739170 3866 1,0 2,1 2,4 5,7 5,5 4,7 6,0 5,4 5,2 16,4 35,4 23,5
2009 Guatemala 168150078 358300000 2636 0,6 1,9 8,2 4,5 4,3 4,1 4,8 4,0 4,7 40,9 28,6 10,3
2010 Guatemala 357872937 381700000 2826 0,6 3,9 8,1 4,5 4,3 4,1 4,8 4,0 4,7 40,9 27,7 10,4
2011 Guatemala 236622070 398900000 3188 0,6 6,2 7,8 4,5 4,3 4,3 4,9 4,0 4,7 40,9 29,6 10,8
2012 Guatemala 275892569 438100000 3300 0,6 3,8 7,8 4,3 4,2 4,4 4,8 3,9 4,6 40,9 29,4 10,8
2013 Guatemala 280366714 472100000 3453 0,6 4,3 7,9 4,4 4,3 4,3 4,8 3,9 4,6 40,9 32,7 10,9
2014 Guatemala 421076593 578400000 3688 0,6 3,4 7,7 4,3 4,3 4,3 4,8 4,0 4,7 39,9 34,1 10,8
2015 Guatemala 433767969 695200000 3924 0,5 2,4 7,7 4,3 4,3 4,3 4,8 4,1 4,7 37,5 33,2 10,2
2016 Guatemala 236813898 806000000 4147 0,5 4,4 7,6 4,3 4,4 4,5 4,8 4,0 4,7 35,2 35,8 10,4
2009 Índia 20504297224 80839245930 1090 0,5 10,9 48,4 4,5 5,0 3,6 4,7 5,0 5,5 .. 50,3 9,9
2010 Índia 29301572535 96900602544 1346 0,5 12,0 45,7 4,5 5,0 3,7 4,6 5,0 5,4 .. 43,4 10,5
2011 Índia 38343617176 109508817124 1462 0,6 8,9 46,7 4,5 5,0 3,7 4,7 4,9 5,4 .. 48,4 10,2
2012 Índia 55089456978 118072309150 1447 0,6 9,3 53,4 4,5 4,8 3,7 4,5 4,9 5,4 .. 44,8 10,8
2013 Índia 50575710924 119837530090 1452 0,5 10,9 58,6 4,5 4,8 3,8 4,5 4,9 5,4 55,7 46,6 11,0
2014 Índia 50529890423 131524012537 1573 0,5 6,6 61,0 4,6 4,8 4,0 4,6 4,9 5,4 55,5 .. ..
2015 Índia 49106781438 139038288152 1596 0,4 4,9 64,2 4,6 5,1 4,1 4,6 5,0 5,4 55,5 .. ..
2016 Índia 43794587698 144134121702 1710 0,4 4,9 67,2 4,7 5,1 4,0 4,7 4,9 5,4 55,3 .. ..
2009 Indonésia 6793390430 3913000000 2400 0,4 4,8 10389,9 4,2 4,7 4,2 4,6 4,4 5,0 .. 37,4 10,4
2010 Indonésia 9933533993 6672249000 3113 0,5 5,1 9090,4 4,2 4,8 4,1 4,6 4,4 5,0 .. 35,9 10,5
2011 Indonésia 8113032540 6203600000 3634 0,5 5,4 8770,4 4,3 4,7 4,2 4,6 4,4 5,0 .. 35,6 11,2
2012 Indonésia 11776944980 12400960000 3688 0,5 4,3 9386,6 4,4 4,7 4,4 4,7 4,4 5,1 .. 34,8 11,4
2013 Indonésia 13028418131 19350255000 3621 0,5 6,4 10461,2 4,4 4,8 4,5 4,8 4,5 5,0 32,2 35,2 11,3
2014 Indonésia 15167907339 25396250000 3492 0,5 6,4 11865,2 4,4 5,0 4,6 4,9 4,7 5,2 31,4 35,3 10,8
2015 Indonésia 18564988715 29351000000 3336 0,4 6,4 13389,4 4,5 4,8 4,4 4,8 4,6 5,2 29,7 40,0 10,7
2016 Indonésia 16259394654 58890000000 3570 0,4 3,5 13308,3 4,6 5,0 4,6 4,9 4,6 5,1 30,6 42,8 10,3
2009 Jamaica 468180000 220100000 4293 0,9 9,6 87,9 4,7 5,2 4,6 5,3 4,6 5,6 47,9 43,5 25,0
2010 Jamaica 508428198 176200000 4683 0,8 12,6 87,2 4,8 5,2 4,6 5,3 4,5 5,5 46,7 37,4 24,3
2011 Jamaica 265014843 420800000 5103 0,8 7,5 85,9 4,8 5,2 4,9 5,3 4,6 5,5 46,6 37,7 23,4
66
2012 Jamaica 296293867 402468111 5210 0,8 6,9 88,8 4,7 5,0 5,1 5,2 4,6 5,5 46,6 38,0 24,3
2013 Jamaica 333346945 316608725 5006 0,8 9,3 100,2 4,7 5,0 5,2 5,2 4,6 5,5 46,5 32,9 24,0
2014 Jamaica 354822406 314463622 4856 0,8 8,3 110,9 4,7 5,1 5,0 5,1 4,7 5,6 41,1 34,1 24,1
2015 Jamaica 382351733 318808718 4940 0,8 3,7 116,9 4,8 5,2 5,1 5,1 4,8 5,6 35,3 33,3 24,8
2016 Jamaica 53005012 604353718 4879 0,8 2,3 125,1 4,8 5,4 5,2 5,2 4,7 5,7 33,1 31,9 26,1
2009 Macau 2940617450 975988382 40881 1,1 1,2 8,0 5,2 6,3 5,6 6,3 5,7 5,6 .. 4,9 29,5
2010 Macau 7834504038 549539659 52375 1,2 2,8 8,0 5,4 6,4 5,6 6,4 5,7 5,6 .. 3,9 34,5
2011 Macau 8237664977 667357927 66813 1,2 5,8 8,0 5,4 6,3 5,6 6,3 5,7 5,6 .. 3,2 37,6
2012 Macau 10103653325 1181487976 76496 1,2 6,1 8,0 5,4 6,1 5,6 6,4 5,7 4,8 .. 3,3 36,9
2013 Macau 14568228584 3114639155 89525 1,2 5,5 8,0 5,6 6,1 5,8 6,3 5,6 4,7 .. 3,1 36,4
2014 Macau 10013895010 3835717593 94004 1,2 6,0 8,0 5,8 6,5 6,2 6,7 6,0 4,7 .. 3,9 34,8
2015 Macau 6121917510 3094546183 75484 1,2 4,6 8,0 5,6 6,5 6,2 6,8 5,9 4,9 .. 7,0 28,9
2016 Macau 5707145155 3649194011 74017 1,1 2,4 8,0 5,8 6,2 6,4 6,8 5,8 4,9 .. 7,1 27,6
2009 Macedônia 625317 96095442 4544 0,9 0,3 44,1 4,9 4,9 4,7 5,3 4,7 5,2 13,0 10,6 17,1
2010 Macedônia 2521748 99834065 4543 1,0 1,5 46,5 4,9 4,9 4,5 5,3 4,7 5,1 8,1 75,2 16,9
2011 Macedônia 3252499 121991671 5064 1,1 3,9 44,2 4,9 4,9 4,4 5,3 4,8 5,0 7,5 10,6 17,0
2012 Macedônia 3433351 95376015 4699 1,1 3,3 47,9 5,0 4,9 4,5 5,4 4,8 5,0 7,4 10,7 16,4
2013 Macedônia 3 154600915 5211 1,0 2,8 46,4 5,0 4,9 4,6 5,3 4,8 4,9 7,4 .. 15,7
2014 Macedônia 3 146802839 5469 1,1 0,3 46,4 5,0 5,1 5,3 5,5 4,9 4,9 8,3 .. 16,2
2015 Macedônia 1604974 112959113 4834 1,1 0,3 55,5 4,7 5,1 4,7 5,4 4,8 4,8 13,0 .. 16,8
2016 Macedônia 3 114019835 5237 1,1 0,3 55,7 4,7 5,1 4,6 5,4 4,7 4,8 13,0 .. 16,6
2009 Malásia 23936109174 79662579645 7327 1,6 0,6 3,5 4,9 6,0 5,0 5,3 5,5 4,5 33,5 46,0 14,9
2010 Malásia 38213514569 96963695727 9071 1,6 1,7 3,2 5,1 6,1 5,1 5,6 5,5 4,5 33,9 45,6 13,3
2011 Malásia 47166875238 106448218157 10405 1,5 3,2 3,1 5,0 6,0 5,1 5,6 5,5 4,5 34,1 51,1 14,8
2012 Malásia 60937319431 120354765181 10780 1,5 1,6 3,1 5,2 5,9 5,0 5,6 5,5 4,7 34,6 52,0 15,6
2013 Malásia 71960843672 128214833644 10882 1,4 2,1 3,2 5,4 6,0 5,1 5,6 5,4 4,7 39,1 52,0 15,3
2014 Malásia 63633843769 135443491577 11184 1,4 3,2 3,3 5,4 6,1 5,3 5,8 5,6 4,6 39,3 52,9 14,8
2015 Malásia 52847375298 136891952821 9649 1,3 2,1 3,9 5,2 5,9 5,3 5,8 5,5 4,6 40,0 46,4 14,3
2016 Malásia 64956880848 126937276334 9508 1,3 2,1 4,1 5,1 5,9 5,1 5,7 5,5 4,5 40,0 46,9 13,8
2009 México 17814854000 88827627000 7748 0,6 5,3 13,5 4,7 5,2 4,3 5,2 4,4 5,2 .. 27,5 9,7
2010 México 17658017508 120688248000 8960 0,6 4,2 12,6 4,6 5,2 4,3 5,3 4,4 5,2 .. 28,3 10,2
2011 México 17392989625 117729708000 9834 0,6 3,4 12,4 4,6 5,3 4,3 5,3 4,5 5,1 .. 27,9 10,1
2012 México 24511490396 149349431000 9821 0,7 4,1 13,2 4,6 5,3 4,3 5,5 4,5 5,1 .. 27,1 9,9
2013 México 28762309751 140491397000 10299 0,6 3,8 12,8 4,5 5,3 4,3 5,5 4,5 5,1 51,7 31,3 10,4
2014 México 30290043995 146741002000 10453 0,7 4,0 13,3 4,2 5,2 4,1 5,4 4,6 5,0 51,8 30,5 10,8
2015 México 37578521290 146379172000 9153 0,7 2,7 15,8 4,2 5,2 4,2 5,4 4,6 4,9 51,9 34,7 13,0
67
2016 México 34593683826 148643195000 8209 0,8 2,8 18,7 4,2 5,1 4,2 5,3 4,5 4,9 52,0 35,7 13,9
2009 Moldávia 518750 64340000 1526 1,1 0,3 11,1 4,3 4,4 4,4 4,9 4,6 4,7 31,0 0,9 17,7
2010 Moldávia 735034 67850000 1632 1,2 7,4 12,4 4,3 4,3 4,6 4,9 4,6 4,9 30,4 0,9 18,2
2011 Moldávia 504982 88420000 1971 1,3 7,6 11,7 4,4 4,4 5,0 4,9 4,7 5,0 30,8 1,0 18,3
2012 Moldávia 316553 108200000 2047 1,3 4,6 12,1 4,4 4,4 5,0 4,9 4,7 5,0 30,8 2,7 18,6
2013 Moldávia 538234 137080000 2244 1,2 4,6 12,6 4,2 4,6 5,0 4,9 4,6 4,9 39,4 2,5 18,4
2014 Moldávia 473837 179500000 2245 1,2 5,1 14,0 4,1 4,6 4,8 5,0 4,8 5,0 39,4 6,8 19,8
2015 Moldávia 399767 197090000 1832 1,2 9,7 18,8 4,1 4,3 4,7 4,9 4,6 5,0 39,9 9,9 19,5
2016 Moldávia 522469 206050000 1900 1,2 6,4 19,9 4,0 4,4 4,7 4,9 4,5 5,0 40,4 11,1 19,4
2009 Mongólia 3 129500000 1718 1,1 6,3 1437,8 4,2 4,3 5,6 4,7 4,7 5,1 24,4 20,6 16,5
2010 Mongólia 31533981 2901430000 2650 1,0 10,1 1357,1 4,3 4,4 5,6 4,8 4,6 5,1 24,7 27,1 19,6
2011 Mongólia 3 1857059000 3770 1,3 9,5 1265,5 4,3 4,4 5,6 4,8 4,7 5,1 24,7 15,3 18,5
2012 Mongólia 27952595 1191414000 4368 1,1 15,0 1357,6 4,5 4,4 5,5 4,8 4,6 5,1 24,9 11,6 15,3
2013 Mongólia 28451751 257722000 4385 1,0 8,6 1523,9 4,5 4,5 5,5 4,7 4,6 5,1 24,8 12,4 15,7
2014 Mongólia 20510104 354842000 4182 1,1 13,0 1817,9 4,5 4,6 5,8 4,7 4,7 5,2 24,7 .. 12,9
2015 Mongólia 20793550 381554000 3947 0,9 5,8 1970,3 4,5 4,6 5,7 4,6 4,6 5,3 24,7 .. 11,8
2016 Mongólia 3 393454000 3694 1,0 0,6 2140,3 4,5 4,9 5,8 4,9 4,8 5,5 24,7 .. 11,3
2009 Nicarágua 1047710277 164000000 1464 0,9 3,7 20,3 4,3 4,0 4,7 4,6 4,2 4,6 63,3 29,0 13,1
2010 Nicarágua 765355021 180700000 1526 1,0 5,5 21,4 4,2 4,0 4,5 4,7 4,2 4,5 63,3 27,5 13,7
2011 Nicarágua 1628549646 181800000 1683 1,1 8,1 22,4 4,3 4,1 4,7 4,7 4,3 4,4 64,1 29,6 14,5
2012 Nicarágua 100334160 246900000 1792 1,2 7,2 23,5 4,2 4,1 4,7 4,7 4,3 4,5 62,4 30,0 15,0
2013 Nicarágua 206259237 382100000 1847 1,1 7,1 24,7 4,3 4,2 4,8 4,7 4,3 4,5 62,4 31,1 15,0
2014 Nicarágua 240545969 451400000 1975 1,1 6,0 26,0 4,1 4,2 5,0 4,6 4,3 4,6 59,3 32,9 15,3
2015 Nicarágua 348247540 498700000 2096 1,0 4,0 27,3 4,1 4,2 4,9 4,6 4,3 4,6 60,1 33,8 15,6
2016 Nicarágua 237596096 526800000 2151 1,0 3,5 28,6 4,1 4,3 4,8 4,5 4,4 4,4 59,8 34,6 16,2
2009 Paraguai 3 115379000 2600 1,0 2,6 4965,4 4,2 4,1 4,1 4,6 4,1 4,9 35,0 13,3 11,7
2010 Paraguai 3 123895235 3226 1,1 4,7 4735,5 4,3 4,1 4,2 4,6 4,1 4,9 35,0 10,9 12,1
2011 Paraguai 1606935 90782799 3988 1,0 8,3 4191,4 4,3 4,2 4,3 4,6 4,2 4,9 35,0 11,5 12,6
2012 Paraguai 1638356 146513636 3856 1,0 3,7 4424,9 4,1 4,1 4,1 4,7 4,2 4,9 35,0 11,6 12,8
2013 Paraguai 1658853 280465055 4480 0,9 2,7 4320,7 4,0 4,1 4,3 4,7 4,2 4,9 35,0 12,0 12,0
2014 Paraguai 1691389 381152166 4713 0,9 5,0 4462,2 4,0 4,1 4,9 4,7 4,3 4,9 35,0 12,1 12,7
2015 Paraguai 2001902 410280601 4109 0,8 3,1 5204,9 4,1 4,1 5,0 4,7 4,3 4,9 35,0 11,7 12,9
2016 Paraguai 3 498202923 4078 0,8 4,1 5670,5 4,3 4,2 5,2 4,7 4,3 5,0 35,0 .. 12,6
2009 Peru 53151905 2282187796 4166 0,5 2,9 3,0 4,7 4,6 3,8 5,4 4,4 5,1 38,2 29,3 14,5
2010 Peru 303667846 3318782842 5022 0,5 1,5 2,8 4,8 4,8 4,0 5,5 4,4 5,1 38,2 30,4 15,5
2011 Peru 1081848602 3098782493 5772 0,6 3,4 2,8 4,8 4,8 4,2 5,5 4,4 5,1 37,6 33,9 16,0
68
2012 Peru 314820153 3986156871 6388 0,5 3,7 2,6 4,6 4,9 4,1 5,5 4,4 5,1 37,4 34,0 16,5
2013 Peru 408678456 3657226621 6583 0,5 2,8 2,7 4,6 4,9 4,2 5,5 4,4 5,1 37,4 31,1 16,4
2014 Peru 291370404 4127432771 6491 0,5 3,2 2,8 4,4 4,7 4,4 5,5 4,5 5,2 37,3 32,3 16,7
2015 Peru 426133729 2815041503 6030 0,5 3,6 3,2 4,5 4,7 4,6 5,5 4,5 5,2 37,3 29,3 15,0
2016 Peru 50980894 4254914054 6049 0,4 3,6 3,4 4,6 4,8 4,8 5,5 4,5 5,3 35,6 .. 13,8
2009 Quirguistão 51750 1021000 871 1,3 6,9 42,9 3,7 4,0 4,4 4,7 3,7 4,0 40,2 .. ..
2010 Quirguistão 146878 1532000 880 1,3 8,0 46,0 3,8 4,3 4,0 4,7 3,7 4,1 30,6 .. ..
2011 Quirguistão 46480 1557000 1124 1,4 16,5 46,1 3,8 4,4 3,9 4,8 3,8 4,3 33,4 .. ..
2012 Quirguistão 69827 1447000 1178 1,4 2,7 47,0 3,9 4,4 4,1 4,7 3,9 4,4 33,4 .. ..
2013 Quirguistão 73368 1199000 1282 1,3 6,6 48,4 3,8 4,3 4,1 4,7 3,9 4,5 29,0 .. ..
2014 Quirguistão 64589 2201000 1280 1,3 7,5 53,7 3,9 4,1 4,2 4,6 4,1 4,5 29,0 10,9 17,5
2015 Quirguistão 57936 519396 1121 1,1 6,5 64,5 3,9 4,1 4,1 4,5 4,0 4,6 29,0 11,2 16,8
2016 Quirguistão 33492567 1739796 1078 1,1 0,4 69,9 3,9 4,1 4,3 4,6 3,9 4,5 29,0 10,8 17,6
2009 Rússia 73713139330 288289000000 8563 0,5 11,7 31,7 3,9 4,6 4,0 4,7 4,2 4,1 .. 1,4 13,0
2010 Rússia 72462780802 336355000000 10675 0,5 6,9 30,4 3,9 4,5 4,1 4,6 4,2 4,1 .. 2,2 13,0
2011 Rússia 64596550236 315742000000 14351 0,5 8,4 29,4 3,9 4,5 4,0 4,7 4,3 4,1 .. 1,7 13,9
2012 Rússia 85018365002 332834000000 15435 0,5 5,1 30,8 4,0 4,6 4,2 4,7 4,2 4,0 .. 1,9 13,7
2013 Rússia 35562533609 385321000000 16007 0,5 6,7 31,8 4,0 4,6 4,3 4,6 4,2 4,0 48,7 1,7 12,9
2014 Rússia 16532141353 329817350000 14126 0,5 7,8 38,4 4,1 4,9 4,1 4,6 4,3 4,0 48,9 1,9 13,2
2015 Rússia 23933111819 282651130000 9329 0,5 15,5 60,9 4,1 4,8 4,0 4,5 4,2 3,9 47,0 1,9 10,6
2016 Rússia 47200381536 335791470000 8748 0,5 7,0 67,1 4,1 4,8 4,1 4,6 4,2 3,8 47,4 0,3 9,1
2009 Sérvia 64670760 1883273909 5821 0,7 8,1 67,6 4,7 5,0 4,5 4,9 4,6 5,3 31,2 9,5 21,2
2010 Sérvia 18155387 1959558573 5412 0,8 6,1 77,7 4,7 5,0 4,6 5,0 4,6 5,3 33,3 9,3 21,4
2011 Sérvia 20518451 2090496690 6423 0,8 11,1 73,3 4,7 4,9 4,7 5,0 4,7 5,3 33,3 8,8 20,2
2012 Sérvia 24310080 2204414714 5659 0,9 7,3 88,0 4,7 4,9 4,8 4,9 4,6 5,2 33,3 7,6 19,7
2013 Sérvia 4885504 2866326893 6354 0,9 7,7 85,2 4,7 4,9 4,9 4,9 4,7 5,3 33,2 .. ..
2014 Sérvia 10430539 2844099488 6200 1,0 2,1 88,4 4,8 5,1 5,2 5,1 4,9 5,2 38,6 .. ..
2015 Sérvia 14031845 2891766927 5237 1,0 1,4 108,8 4,7 5,1 5,2 5,2 4,9 5,2 39,7 .. ..
2016 Sérvia 14910331 3031082233 5426 1,1 1,1 111,3 4,7 5,1 5,0 5,1 4,9 5,2 39,7 .. ..
2009 Sri Lanka 158155819 308662000 2095 0,5 3,5 114,9 4,6 4,9 3,7 4,7 4,9 4,5 61,7 19,2 12,8
2010 Sri Lanka 272551949 351162000 2808 0,5 6,2 113,1 4,6 4,8 4,1 4,8 4,9 4,5 96,6 16,3 11,3
2011 Sri Lanka 41523267 411162000 3214 0,5 6,7 110,6 4,6 4,9 4,3 4,9 4,9 4,5 112,9 16,6 11,3
2012 Sri Lanka 145392808 475088000 3351 0,5 7,5 127,6 4,8 4,8 4,3 4,9 4,9 4,4 55,3 16,2 10,4
2013 Sri Lanka 56347176 540161000 3620 0,5 6,9 129,1 4,8 4,8 4,4 4,8 4,7 4,4 57,0 17,8 10,5
2014 Sri Lanka 360867272 606985000 3848 0,5 2,8 130,6 4,7 5,1 4,7 4,9 4,8 4,3 55,4 16,7 10,1
2015 Sri Lanka 343396264 816582119 3892 0,5 2,2 135,9 4,7 5,0 5,1 4,9 5,0 4,7 55,2 18,0 12,4
69
2016 Sri Lanka 470242399 1136202256 3910 0,5 4,0 145,6 4,7 4,8 5,1 4,9 5,0 4,9 55,2 15,3 12,4
2009 Tailândia 1118768845 14899183000 4212 1,2 0,3 34,3 4,7 5,3 3,6 5,2 4,8 4,5 35,8 37,8 14,2
2010 Tailândia 3137231564 21369240000 5075 1,3 3,2 31,7 4,7 5,2 3,6 5,2 4,8 4,5 35,8 33,2 14,9
2011 Tailândia 4947054970 37747136000 5491 1,4 3,8 30,5 4,7 5,2 3,9 5,2 4,8 4,6 35,9 38,0 16,4
2012 Tailândia 6631404488 49405692000 5860 1,4 3,0 31,1 4,6 5,2 3,8 5,2 4,8 4,7 36,1 36,9 15,4
2013 Tailândia 6453386918 58302314000 6171 1,3 2,2 30,7 4,7 5,2 3,7 5,2 4,9 4,6 28,7 35,5 16,9
2014 Tailândia 21610950266 62992046000 5942 1,3 1,9 32,5 4,5 5,3 4,1 5,3 4,8 4,1 26,0 33,9 15,7
2015 Tailândia 35749797533 70317956000 5815 1,3 0,3 34,2 4,5 5,4 4,0 5,3 4,9 4,0 26,8 31,9 16,1
2016 Tailândia 37994213672 85635538332 5911 1,2 0,2 35,3 4,6 5,3 4,1 5,2 5,0 3,9 29,6 30,7 15,7
2009 Tunísia 14980799 230775070 4130 0,9 3,5 1,4 4,8 5,4 5,1 5,0 5,1 3,6 62,8 27,3 20,0
2010 Tunísia 9786590 287224425 4140 1,0 4,4 1,4 4,7 5,2 4,9 5,0 5,1 3,6 62,8 27,4 20,1
2011 Tunísia 96349351 298806110 4257 1,0 3,5 1,4 4,9 5,0 4,6 4,8 4,9 4,6 62,8 27,8 21,2
2012 Tunísia 105730000 310202502 4138 1,1 5,1 1,6 4,9 5,0 4,3 4,8 4,9 4,8 62,8 26,7 21,1
2013 Tunísia 140704318 309103055 4199 1,0 5,8 1,6 4,9 4,9 4,1 4,7 4,8 4,9 62,8 .. ..
2014 Tunísia 181191556 287448958 4270 1,0 4,9 1,7 5,0 4,9 4,1 4,6 4,9 5,2 62,8 .. ..
2015 Tunísia 221003409 318611648 3828 0,9 4,9 2,0 4,9 4,9 4,0 4,6 4,9 5,2 60,2 .. ..
2016 Tunísia 294863577 286031895 3689 0,9 3,7 2,1 4,9 4,8 4,0 4,5 5,0 5,3 60,2 .. ..
2009 Turquia 5280085161 22250000000 9036 0,5 6,3 1,5 5,1 5,3 4,0 5,3 5,1 4,9 43,5 18,2 18,3
2010 Turquia 5096813846 22509000000 10672 0,5 8,6 1,5 5,0 5,3 4,1 5,3 5,1 4,9 43,5 17,4 19,4
2011 Turquia 5124960371 27681000000 11341 0,5 6,5 1,7 5,0 5,3 4,0 5,4 5,1 4,9 40,2 17,7 18,7
2012 Turquia 9684766111 30968000000 11720 0,5 8,9 1,8 5,2 5,4 3,8 5,4 5,0 4,8 40,2 17,6 18,4
2013 Turquia 7474023918 33329000000 12543 0,5 7,5 1,9 5,1 5,4 3,8 5,4 5,1 4,7 40,0 16,3 18,5
2014 Turquia 6462736280 39569000000 12127 0,5 8,9 2,2 4,9 5,4 3,9 5,4 5,0 4,7 40,5 17,4 18,1
2015 Turquia 5498124824 34861330000 10985 0,5 7,7 2,7 4,8 5,2 3,5 5,3 4,9 4,6 41,1 15,9 18,2
2016 Turquia 5358165549 38020000000 10863 0,5 7,8 3,0 4,8 5,0 3,0 5,2 4,8 4,4 41,1 .. 18,3
2009 Ucrânia 837306496 5870000000 2545 0,9 15,9 7,8 4,0 4,2 4,7 4,4 4,2 5,1 57,2 10,0 16,4
2010 Ucrânia 40435784 6548000000 2965 1,0 9,4 7,9 4,0 4,2 5,0 4,5 4,2 4,9 55,5 10,6 15,6
2011 Ucrânia 101258080 6579000000 3570 1,1 8,0 8,0 4,0 4,2 4,9 4,4 4,2 4,9 57,1 12,8 18,5
2012 Ucrânia 944005271 7712000000 3855 0,9 0,6 8,0 3,9 4,4 4,9 4,4 4,2 4,7 55,4 11,8 18,3
2013 Ucrânia 735235577 7825000000 4030 1,0 0,3 8,0 3,9 4,4 4,2 4,4 4,2 4,7 54,4 11,6 17,6
2014 Ucrânia 72423898 7584000000 3105 1,0 12,2 11,9 4,0 4,6 3,0 4,4 4,2 4,9 52,7 8,5 17,3
2015 Ucrânia 122331735 7443000000 2125 1,1 48,7 21,8 4,0 4,5 3,0 4,4 4,2 4,9 52,2 11,1 20,5
2016 Ucrânia 3 7469000000 2186 1,0 13,9 25,6 4,2 4,4 3,1 4,6 4,2 5,0 52,3 15,2 19,6
2009 Uruguai 127629957 399123010 9415 0,5 7,1 22,6 6,2 5,6 5,8 5,4 5,7 6,1 41,9 17,9 18,7
2010 Uruguai 81352179 345340561 11938 0,5 6,7 20,1 6,3 5,6 5,8 5,4 5,7 6,1 41,9 18,0 18,9
2011 Uruguai 267649277 354418254 14166 0,5 8,1 19,3 6,3 5,6 6,0 5,4 5,7 6,1 41,9 18,0 19,1
70
2012 Uruguai 3 140806349 15092 0,6 8,1 20,3 6,4 5,4 5,7 5,4 5,6 6,1 41,9 18,4 18,8
2013 Uruguai 842528249 135995356 16881 0,5 8,6 20,5 6,4 5,4 5,8 5,5 5,6 6,1 41,8 19,3 19,0
2014 Uruguai 28183122 78384159 16738 0,5 8,9 23,2 6,4 5,5 6,0 5,5 5,7 6,1 41,8 19,0 18,6
2015 Uruguai 292459754 81671874 15525 0,5 8,7 27,3 6,3 5,5 6,0 5,4 5,7 6,1 41,8 16,1 18,5
2016 Uruguai 3 67503545 15221 0,4 9,6 30,2 6,3 5,5 6,1 5,5 5,6 6,2 41,8 .. 23,8
Fonte: Elaboração própria.
Nota 1: todos os valores negativos foram igualados a zero e, posteriormente, somados a uma constante igual a 3 (c=3). Essa técnica foi utilizada pois, para a
estimação do modelo econométrico, os dados foram transformados na forma logaritmo. Como não existe logaritmo de valores negativos, perder-se-ia o efeito
de “queda” de uma determinada série que apresentasse valores negativos.
Nota 2: células com dois pontos (..) significam dados ausentes.