Micro and Macro Perspectives on Production-Based Markups

Each language version is independently generated for its own context, not a direct translation.

Imagine que você é um detetive tentando descobrir o quanto as empresas estão "cobrando a mais" pelos seus produtos. Esse "a mais" é chamado de markup (margem de lucro sobre o custo). Se uma empresa gasta R$ 10 para fazer um sapato e vende por R$ 15, o markup é 1,5.

O problema é que ninguém sabe exatamente quanto custa fazer o sapato (o custo marginal) nem quanto a empresa ganha de verdade. É como tentar adivinhar o preço de um bolo olhando apenas para a receita, sem saber se o confeiteiro usou ingredientes baratos ou caros, ou se ele está cobrando mais porque é o único na cidade ou porque o bolo é realmente delicioso.

Este artigo, escrito por quatro economistas renomados, é um manual de sobrevivência para quem tenta medir esse "preço extra" usando apenas os números que as empresas divulgam (como vendas e custos). Eles chamam isso de "Abordagem Baseada na Produção".

Aqui está a explicação simples, usando analogias do dia a dia:

1. A Ideia Central: O "Resíduo" Mágico

A ideia principal do artigo é que o markup é um resíduo. Pense em uma balança antiga.

De um lado, você coloca a elasticidade (o quanto a produção aumenta se você usar mais um pouco de trabalho ou matéria-prima).
Do outro lado, você coloca a fatia da receita (quanto dinheiro o trabalho ou a matéria-prima representa no total vendido).

A diferença entre esses dois lados é o markup.

A vantagem: Você não precisa saber como os consumidores pensam ou como é a concorrência. É como medir a força de um empurrão apenas olhando para o movimento do objeto, sem precisar ver quem empurrou.
O perigo: Como é um "resíduo" (o que sobra), tudo o que você errar na medição dos outros lados cai na conta do markup. Se você mediu mal o trabalho, o markup parece maior. Se mediu mal a tecnologia, o markup parece menor.

2. O "Jardim de Caminhos que se Cruzam" (O Caos das Escolhas)

Os autores dizem que medir o markup é como entrar em um jardim com muitos caminhos. Dependendo de qual caminho você escolhe, você chega em destinos totalmente diferentes.

Caminho A (Trabalho vs. Materiais): Se você usar o custo dos funcionários para calcular, pode achar que os lucros das empresas explodiram nos últimos 30 anos. Se usar o custo dos materiais (como aço ou tecido), pode achar que os lucros caíram ou ficaram estáveis.
- Analogia: É como medir a velocidade de um carro usando o velocímetro do motorista (que pode estar com defeito) ou o GPS de um passageiro. Os dois números não batem, e você não sabe qual é o certo.
Caminho B (A Rigidez da Receita): Você precisa escolher uma "fórmula" matemática para descrever como a empresa produz. Se a fórmula for muito simples (como uma receita de bolo fixa), qualquer variação real na tecnologia da empresa é jogada para o lado do markup.
- Analogia: Se você tenta medir a altura de uma árvore usando uma régua que só tem marcas de 1 metro, qualquer crescimento de 10cm será ignorado ou atribuído a um "erro" que você não consegue ver.

3. As Armadilhas dos Dados (O Que Falta na Receita)

Os dados que temos são imperfeitos.

O Problema do "SG&A" (Despesas Gerais): As empresas separam custos em "Custo das Mercadorias Vendidas" (o que vai direto no produto) e "Despesas Administrativas" (salários de executivos, marketing, P&D).
- A Armadilha: Alguns estudos ignoram as despesas administrativas, achando que são custos fixos. Mas se elas forem na verdade custos variáveis (que mudam com a produção), ignorá-las faz o markup parecer que está subindo muito. É como dizer que um restaurante está lucrando muito porque você esqueceu de contar o custo dos garçons e do aluguel da cozinha.
O Problema do Capital: Medir máquinas e prédios é difícil. O valor contábil (o que está no livro) não é o valor real de produção. Se você erra aqui, o cálculo do markup fica distorcido.

4. O Dilema: É Poder de Mercado ou é Tecnologia?

Este é o ponto mais importante. O artigo diz que muitas vezes confundimos poder de mercado (empresa sendo chata e cobrando caro porque não tem concorrente) com tecnologia superior (empresa sendo eficiente e inovadora).

Se uma empresa tem um markup alto, será que ela está explorando os clientes? Ou será que ela descobriu um segredo de produção que a torna muito mais eficiente?
A "Abordagem Baseada na Produção" não consegue distinguir isso sozinha. Ela apenas diz: "Há uma diferença aqui". Cabe a nós, economistas, investigar se essa diferença é "boa" (inovação) ou "ruim" (monopólio).

5. O Que os Autores Querem Que Aconteça? (O Chamado à Ação)

No final, eles pedem três coisas para melhorar a ciência econômica:

Transparência (A "Prova de Fogo"): Antes de publicar um número de markup, os pesquisadores devem mostrar quanto da variação nos dados foi explicada pela tecnologia e quanto sobrou para o markup. Se o markup explica quase tudo, é um sinal de alerta: "Ei, talvez sua fórmula esteja ignorando a tecnologia!".
Testes Cruzados: Não confie apenas em um método. Compare o resultado da "Abordagem de Produção" com outros métodos (como estudos de demanda de mercado ou experimentos naturais). Se todos apontarem para a mesma direção, aí sim podemos ter certeza.
Conexão com a Macroeconomia: Precisamos entender como esses lucros das empresas afetam a economia inteira. Se os lucros sobem porque as empresas estão inovando, a economia cresce. Se sobem porque elas estão fechando a concorrência, a economia pode estagnar.

Resumo Final

O artigo é um aviso amigável: Medir o poder de mercado das empresas é difícil e cheio de armadilhas.

A "Abordagem Baseada na Produção" é uma ferramenta poderosa porque funciona em grande escala (para todo o país), mas ela é frágil. Se você não cuidar dos detalhes (escolher os dados certos, usar as fórmulas certas), você pode concluir que o mundo está cheio de vilões exploradores quando, na verdade, pode ser apenas uma questão de como você mediu as coisas.

A lição de ouro: Não aceite os números de markup como verdades absolutas. Eles são "resíduos" que carregam todos os nossos erros de medição. Precisamos ser mais honestos sobre o que sabemos e o que não sabemos.

Each language version is independently generated for its own context, not a direct translation.

1. O Problema e o Contexto

O artigo revisa a abordagem de "produção" para estimar markups (a razão entre preço e custo marginal). A motivação central é o crescente interesse acadêmico e político no poder de mercado das empresas, que supostamente teria aumentado nas últimas décadas, explicando fenômenos macroeconômicos como a queda da participação do trabalho, o crescimento lento da produtividade e o declínio do dinamismo econômico.

No entanto, a literatura empírica apresenta discrepâncias fundamentais: alguns estudos (como De Loecker et al., 2020) encontram aumentos dramáticos nos markups, enquanto outros (como Foster et al., 2024; Traina, 2018) não encontram essa tendência ou encontram resultados opostos, mesmo utilizando os mesmos conjuntos de dados. O objetivo do artigo é entender por que essas diferenças ocorrem, focando no fato de que o markup baseado na produção é um resíduo e, portanto, suscetível a contaminação por erros de especificação e medição.

2. Metodologia: A Abordagem de Produção

A base teórica remonta a Hall (1986, 1988, 1990) e foi refinada por De Loecker e Warzynski (2012). A metodologia deriva do problema de minimização de custos da firma.

Condição de Primeira Ordem (FOC): Para um insumo totalmente flexível $X$ , a condição de otimização implica:
$\gamma_{it} = \mu_{it} \cdot s_{it}$
Onde:
- $\gamma_{it}$ é a elasticidade da produção em relação ao insumo (derivada da função de produção).
- $s_{it}$ é a participação do custo desse insumo na receita total.
- $\mu_{it}$ é o markup (o objeto de interesse).
A Lógica do Resíduo: O markup é calculado como a razão $\mu_{it} = \gamma_{it} / s_{it}$ . Como a equação é uma identidade de equilíbrio, qualquer erro na medição de $s_{it}$ ou na estimação de $\gamma_{it}$ , ou qualquer violação da condição de minimização de custos (como custos de ajuste ou poder de monopsonia), é absorvido pelo termo $\mu_{it}$ . O markup é, portanto, o "reivindicante residual" de qualquer variação não explicada.

3. Contribuições Principais e Análise Técnica

Os autores estruturam a revisão em torno de um "jardim de caminhos que se bifurcam" (garden of forking paths), demonstrando como escolhas de implementação levam a resultados drasticamente diferentes.

A. A Sensibilidade às Escolhas de Implementação

O artigo demonstra que pequenas alterações nas premissas alteram completamente as conclusões sobre a evolução dos markups:

Escolha do Insumo Flexível:
- A teoria sugere que qualquer insumo flexível (trabalho, materiais, energia) deve gerar o mesmo markup.
- Resultado Empírico: Ao comparar estimativas usando Trabalho vs. Materiais (ou Energia vs. Materiais) nos mesmos dados (EUA, Chile, Colômbia, etc.), os autores encontram tendências opostas. Por exemplo, nos EUA, markups baseados em trabalho aumentaram 90% (1970-2010), enquanto os baseados em materiais caíram 50%.
- Causa: Diferentes insumos enfrentam diferentes "cunhas" (wedges) não observadas (custos de ajuste, poder de monopsonia, contratos de longo prazo) que violam a FOC estática.
Flexibilidade da Função de Produção (Elasticidades de Produção):
- A escolha da forma funcional (Cobb-Douglas vs. Translog vs. CES) determina quanta variação nas participações de receita pode ser atribuída à tecnologia ( $\gamma$ ) versus ao markup ( $\mu$ ).
- Resultado Empírico: Formas funcionais restritivas (como Cobb-Douglas com elasticidades constantes por setor) forçam a heterogeneidade tecnológica real a ser absorvida pelo resíduo do markup, inflando artificialmente a variação dos markups. Modelos mais flexíveis (Translog, CES com progresso técnico viésado) tendem a reduzir a magnitude e, às vezes, inverter a tendência de aumento dos markups.
Produção Bruta vs. Valor Adicionado:
- O uso de funções de produção de valor adicionado (comum em macroeconomia) é criticado. Sob concorrência imperfeita, o valor adicionado não é uma medida válida de produção para estimar elasticidades, pois intermediários não entram em proporção fixa. Isso pode levar a estimativas de markup enviesadas e inconsistentes com modelos macroeconômicos.

B. Limitações de Dados e Econometria

O artigo detalha dois níveis de endogeneidade que tornam a estimação de elasticidades difícil:

Produtividade Física: Choques de produtividade não observados correlacionam-se com a escolha de insumos (viés de transmissão).
Preços de Saída Não Observados: A maioria dos dados microeconômicos fornece receita, não quantidade. A receita é $P \times Q$ $P \times Q$ . Se firmas com maior poder de mercado cobram preços mais altos e usam menos insumos, a correlação entre insumos e receita é distorcida.
- Consequência Crítica: Se os preços não forem corrigidos, a estimação de elasticidades baseada em receita pode levar a uma tautologia onde o markup estimado é sempre igual a 1 (Bond et al., 2021), ou gerar viéses imprevisíveis.

C. O Papel dos "Cunhas" (Wedges)

Os autores argumentam que a divergência entre estimativas de diferentes insumos não é apenas ruído, mas um sinal de fricções de mercado.

Se o mercado de insumos não é perfeitamente competitivo (ex: poder de monopsonia no trabalho) ou se há custos de ajuste dinâmicos, a FOC estática falha.
A diferença entre o markup estimado via trabalho e via materiais pode, na verdade, medir o poder de monopsonia ou custos de ajuste, e não o poder de mercado no produto final.

4. Resultados e Evidências Empíricas

Inconsistência: Não há consenso sobre se os markups aumentaram. A direção e a magnitude dependem quase inteiramente de: qual insumo é escolhido, qual função de produção é usada e como os dados de custos (ex: COGS vs. SG&A) são tratados.
Impacto de SG&A: A inclusão de Despesas Gerais, Administrativas e de Vendas (SG&A) como insumo variável (em vez de custo fixo) reduz drasticamente a estimativa de aumento dos markups nos EUA.
Simulações e Validação: Estudos que comparam estimativas baseadas em receita com dados de quantidade física (disponíveis em alguns setores manufatureiros) mostram correlações baixas, sugerindo que as estimativas baseadas apenas em receita podem ser pouco informativas sobre o poder de mercado real.

5. Significado e Recomendações (Call to Arms)

O artigo conclui que a abordagem de produção é uma ferramenta poderosa devido à sua escalabilidade (não requer modelos de demanda complexos), mas é frágil devido à sua natureza residual. Os autores lançam três chamadas para ação:

Transparência (Decomposição $R^2$ ): Os pesquisadores devem reportar quanto da variação nas participações de receita é explicada pelas elasticidades de produção versus pelos markups. Se o markup explica quase 100% da variação (como em especificações Cobb-Douglas restritivas), isso é um sinal de alerta de que a especificação está forçando a tecnologia a ser um markup.
Testes de Estresse (Validação Cruzada): As estimativas baseadas na produção devem ser comparadas com:
- Estimativas baseadas em demanda (IO estrutural).
- Simulações de Monte Carlo (onde a verdade é conhecida).
- Experimentos naturais ou mudanças exógenas na concorrência.
Aggregação para Macroeconomia: É necessário um trabalho mais cuidadoso sobre como agregar markups heterogêneos de nível micro para modelos macro. A localização dos markups na rede de insumos-intermediários (upstream vs. downstream) e a distinção entre "bons" markups (retorno à inovação) e "ruins" (barreiras de entrada) são cruciais para o bem-estar econômico.

Conclusão

O artigo serve como um alerta crítico contra a aceitação acrítica das estimativas de markups baseadas na produção. Ele enfatiza que as discrepâncias na literatura não são apenas estatísticas, mas refletem escolhas conceituais profundas sobre a natureza da tecnologia, a flexibilidade dos mercados de insumos e a qualidade dos dados. Para avançar, a comunidade econômica deve priorizar a transparência nas especificações, a validação externa das estimativas e o desenvolvimento de dados microeconômicos de maior qualidade (separando preços e quantidades).