ANÁLISE DO PROCESSO CONCORRENCIAL DO SETOR

Este capítulo busca testar a hipótese de que a inovação tecnológica tem afetado o processo concorrencial no setor de telefonia móvel na região de São Paulo e grande São Paulo com código de área 11 utilizando-se as variáveis descritas no capítulo 3. Para o tratamento e a análise dos dados, foi utilizado o software STATA^® v15.

Análise Descritiva dos Dados

Inicialmente, foi realizada a estatística descritiva com todas as variáveis selecionadas para o modelo econométrico, mostrando para a observação das variáveis selecionadas das operadoras, analisar a média, o desvio padrão, os mínimos e máximos e o número de observações conforme apresentado na tabela 1.

Tabela 1 – Estatística descritiva

Variável Observações Média Desvio padrão Mínimo Máximo MKT_SHARE 336 0.2483893 0.0791031 0.1129 0.484 CDMA2000 336 - - - - LTE 336 1.421.574 1.768.860 - 6.573.765 WCDMA 336 3.249.730 1.689.885 483.321 7.835.106 REC_MENSAL~P 336 1.299.748 530483.1 545.000 2.688.181 ACESS_POS 336 7489.05 4.849.949 1.732.253 20228.57 RECM_ARPU 336 9.044.916 4.684.654 2 17.3 TX_CHAM_SMP4 336 0.5641149 0.0933062 0.4218 1 TXCONNE_SMP8 336 0.9861065 0.0336705 0.6125 0.9999 GAR_TX_SMP10 268 0.9775724 0.0350331 0.7261 1 TX_ATENDE_SMP~12 336 0.6173048 0.2296336 0.1343 1

Fonte: Elaborada pelo autor

Na tabela 1, é possível identificar 336 observações na maioria das variáveis, exceto GAR_TX_SMP10 (268). Isso indica que não há observações para todas as variáveis em todos os períodos.

Com relação a variável MKT_SHARE, observa-se uma média de 24.83% sendo uma variação entre 17% e 32% aproximadamente entre as empresas analisadas. No que tange a variável CDMA2000, por se tratar de uma tecnologia mais antigas, as operadoras não possuem mais serviço 2G disponível, por isso, os dados apresentam valor zero nas observações.

A variável LTE (4G) possui uma média de 1.421.574, sendo um mínimo de zero e um máximo de 6.573.765. Enquanto a variável WCDMA (3G), apresenta uma média de 3.249.730 com mínimo de 483.321 e um máximo de 7.835.106.

Isso demonstra que as operadoras, apesar dos investimentos em novas tecnologias, ainda possuem uma base de clientes que não migrou para o 4G, seja por causa da disponibilidade da tecnologia mais recente ou porque os usuários ainda não possuem aparelhos celulares mais modernos que permitam o uso dessa tecnologia.

Também é possível observar que a variável REC_MENSAL possui média de 1.299.748 e uma variação do mínimo e máximo de 545.000 a 2.688.181. Os acessos a modalidade pós-pago indicada pela variável ACESS_POS, tem média de 7489.05 e uma variação entre 1.732.253 e 20228.57. Não foi objeto desse trabalho os dados da modalidade pré-paga.

Na variável RECM_ARPU foi identificada uma média de 9.044.916 com mínimo de 2 e máximo de 17.3, apontando que o usuário de plataforma pós-pago desembolsa para a

operadora até R$ 17,30.

Quando observada a variável TX_CHAM_SMP4 temos uma taxa média de completamento de chamada, como um indicador de qualidade variando entre um mínimo de 56,41% a 100% de sucesso.

Em relação a variável TXCONNE_SMP8, esta apresenta uma taxa média 98,61% na taxa de conexão de dados. Ainda que o mínimo seja de 61,25% e o máximo de 99,99%, temos 38,74% de insucesso na conexão de dados para os usuários móveis.

A variável GAR_TX_SMP10 possui taxa média de 97,75% de garantia de transmissão de dados sendo um mínimo de 72,61% e máximo de 100%. Isso significa que, uma vez que o usuário está conectado à rede de dados celular, podemos inferir que apenas 27,39% é a chance de ele não conseguir usufruir do seu plano de dados, em outras palavras, navegar, acessar as redes sociais ou comunicar-se pelo Whatsapp.

Quando analisado o indicador TX_ATENDE_SMP12 este possui 61,73% de taxa média de atendimento ao sistema de autoatendimento das operadoras. A variação é bastante significativa, está entre 13,43% de mínimo e 100% de máximo. Percebe-se que a qualidade do atendimento ao usuário ainda é precária em algumas operadoras do serviço móvel.

Para proceder com o tratamento de dados em painel, se fez necessário realizar testes de especificação dos dados como teste de normalidade da amostra conforme Shapiro e Wilk (1965) e auto correlação de acordo com Wooldridge (2007).

Também se verificou que diversas variáveis apresentaram correlação entre elas. Assim, decidiu-se por excluir as variáveis CDMA2000 e ACESS_POS, que apredecidiu-sentavam alta correlação entre si, e utilizar o logaritmo das demais variáveis para diminuir a dispersão dos dados.

A partir da aplicação do logaritmo neperiano nas variáveis, com o objetivo de identificar a possível normalidade das observações, executou-se o teste Shapiro-Wilk. Os resultados evidenciaram que os dados apresentaram um comportamento diferente da normalidade.

Conforme apresentado na tabela 2, devido ao tamanho da amostra, segundo Formigoni et al. (2015), é possível utilizar o teorema do limite central, no qual aponta que quando a dimensão da amostra é maior que 30, existe uma boa estimação da distribuição amostral em relação à média.

Tabela 2 – Teste de normalidade Shapiro-Wilk

Variável Observações W V z _Prob>z

LN_MKT_SHARE 336 0.93159 16.117 6.561 0.00000 LN_LTE 322 0.70259 67.470 9.920 0.00000 LN_WCDMA 336 0.95922 9.607 5.340 0.00000 LN_REC_MEN~P 336 0.96795 7.552 4.772 0.00000 LN_RECM_ARPU 336 0.92321 18.092 6.834 0.00000 LN_TX_CHAM~4 336 0.65135 82.146 10.404 0.00000 LN_TXCONNE~8 336 0.25776 174.881 12.188 0.00000 LN_GAR_TX~10 336 0.45217 129.074 11.471 0.00000 LN_TX_ATE~12 336 0.92772 17.031 6.691 0.00000

Fonte: Elaborado pelo autor

Para uma melhor visualização da distribuição da amostra, após a aplicação dos logaritmos, apresenta-se o gráfico 1 onde é possível observar que os dados da amostra tendem à média.

Gráfico 1 – Distribuição normal

Fonte: Elaborado pelo usuário

Também foi identificado através do gráfico 2 que o market share entre as operadoras analisadas possuem maior concentração em 30%, variando de 18% a 40% na amostra.

Gráfico 2 – Histograma do market share

Fonte: Elaborado pelo autor

Conforme Formigoni et al. (2015), os valores menores que dez de acordo com o Fator de Inflação da Variância (VIF), indicam ausência de multicolinearidade, que pode ser comprovado na tabela 3.

Tabela 3 – VIF

Variável VIF 1/VIF LN_LTE 1.90 0.525964 LN_WCDMA 1.87 0.533904 LN_REC_MEN~P 1.58 0.633024 LN_TX_CHAM~4 1.50 0.667023 LN_TXCONNE~8 1.33 0.750388 LN_RECM_ARPU 1.32 0.757508 LN_TX_ATE~12 1.26 0.791345 LN_GAR_TX~10 1.15 0.868143 Média VIF 1.49

Fonte: Elaborado pelo autor

Foi aplicado também o teste de correlação das variáveis após aplicação do logaritmo, para garantir ausência de auto correlação entre as variáveis, o que pode ser comprovado através da tabela 4.

Tabela 4 – Correlação das variáveis

^{MKT_SHARE LTE WCDMA}

REC_M EN~P RECM_ ARPU TX_CHA M~4 TXCON NE~8 GAR_ TX~10 ^TX_ATE~12 MKT_SHARE ^10.000 LTE ^{-0.0149 10.000} WCDMA ^{0.4378 0.4159 10.000} REC_MEN~P ^{0.8358 0.0846 0.4980 10.000} RECM_ARPU ^{-0.0786 0.3851 0.1013 -0.0567 10.000} TX_CHAM~ 4 ^{0.1444 -0.4485 -0.1649 0.1005 -0.0327 10.000} TXCONNE~ 8 ^{0.0716 0.3659 0.3209 0.1337 -0.0406 -0.3753 10.000} GAR_TX~10 -0.0279 -0.1392 -0.2681 0.0526 -0.0068 0.0562 -0.0671 10.000 TX_ATE~12 ^{-0.2154 -0.2164 -0.1405 -0.2328 0.1449 0.2968 -0.1980 -0.085 10.000} Fonte: Elaborada pelo autor

De acordo com Wooldridge (2006), o modelo de regressão dos mínimos quadrados ordinários, permitem uma análise da relação entre uma única variável dependente e múltiplas variáveis independentes. Este agrupamento das variáveis permite robustez ao modelo em relação a heterocedasticidade e auto correlação, conforme mostra a tabela 5.

Tabela 5 – Regressão linear múltipla dos Mínimos Quadrados Ordinários VARIÁVEIS LN_MKT_SHARE LN_LTE -0.008*** (0.003) LN_WCDMA 0.040 (0.031) LN_REC_MENSAL_OP 0.635*** (0.041) LN_RECM_ARPU 0.021 (0.039) LN_TX_CHAM_SMP4 0.113* (0.067) LN_TXCONNE_SMP8 -0.275 (0.330) LN_GAR_TX_SMP10 -0.722*** (0.223) LN_TX_ATENDESMP12 -0.055** (0.026) Constante -10.833*** (0.417) Observações 322 R-Quadrado 0.720

Erros padrões robustos *** p<0.01, ** p<0.05, * p<0.1 Fonte: Elaborado pelo autor

Análise por Painel de Dados

Os dados analisados contaram com a observação das operadoras através de uma amostra de dimensão transversal representada por i = 1, 2, 3, 4 e a dimensão longitudinal representada pelos meses t = Janeiro de 2012 a Dezembro de 2018.

O número total de observações no período analisado foi de 322. Conforme aponta Wooldridge (2006), este painel é caracterizado como desbalanceado, utilizando-se técnicas para painéis curtos, partindo do pressuposto de que T é fixo e o N possui bastante observações.

Para identificar qual o melhor modelo de regressão para a análise de dados em painel, utilizou-se o teste de Hausman, indicado para a determinação da utilização dos efeitos aleatórios ou fixos.

Na tabela 6, apresenta-se a indicação de que Prob>chi2 = 0.000, o que significa que há diferença entre os métodos aleatórios e fixos aplicados nos testes, sendo o modelo com efeitos fixos o mais adequado a ser aplicado para análise desse trabalho.

Tabela 6 – Testes de Hausman

Coeficientes

Variáveis (b) fixo (B) . Diferença (b-B) sqrt (diag(V_b-V_B)) S.E.

LN_LTE -0.0065556 -0.008004 0.0014484 0.00 LN_WCDMA -0.0517425 0.0404007 -0.0921432 0.00 LN_REC_MEN~P -0.2664174 0.6347243 -0.9011417 0.0255354 LN_RECM_ARPU 0.2964759 0.0209311 0.2755448 0.0271471 LN_TX_CHAM~4 -0.0638625 0.1125085 -0.176371 0.00 LN_TXCONNE~8 -0.8246712 -0.2752364 -0.5494348 0.00 LN_GAR_TX~10 -0.4657976 -0.7217924 0.2559948 0.00 LN_TX_ATE~12 -0.0316934 -0.0548857 0.0231923 0.00 chi2(8) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 859.11 Prob>chi2 = 0.0000

(V_b-V_B não é positivamente definitivo)

Fonte: Elaborado pelo autor

Na tabela 7 apresenta-se a regressão com análise de dados em painel pelos efeitos aleatórios e fixos, necessário para verificar a existência de correlação entre os efeitos individuais não verificados nas variáveis, como no caso do efeito fixo.

Quando há efeitos não correlacionados com as variáveis explicativas, o mais adequado é utilizar o modelo com efeito aleatoriamente distribuído entre as observações segundo aponta Wooldridge (2006).

Tabela 7 – Efeitos aleatórios e fixos

EFEITO ALEATÓRIO FIXO

VARIÁVEIS LN_MKT_SHARE LN_MKT_SHARE

LN_LTE -0.008*** -0.007*** (0.003) (0.002) LN_WCDMA 0.040* -0.052*** (0.024) (0.018) LN_REC_MENSAL_OP 0.635*** -0.266*** (0.030) (0.039) LN_RECM_ARPU 0.021 0.296*** (0.047) (0.054) LN_TX_CHAM_SMP4 0.113 -0.064 (0.098) (0.058) LN_TXCONNE_SMP8 -0.275 -0.825** (0.560) (0.326) LN_GAR_TX_SMP10 -0.722** -0.466*** (0.301) (0.179) LN_TX_ATENDESMP12 -0.055** -0.032* (0.026) (0.017) Constante -10.833*** 2.800*** (0.390) (0.614) Observações 322 322 R-Quadrado 0.304

Número de Identificações (i) 4 4

Erro Padrão onde: *** p<0.01, ** p<0.05, * p<0.1Fonte: Elaborado pelo autor

Após o tratamento estatístico dos efeitos fixos, a variável dependente market share, em relação as demais variáveis independentes das operadoras, serão submetidas a análise com base nas hipóteses do modelo de pesquisa adequado.

Caso os resultados estejam de acordo as hipóteses, pode-se afirmar que houve relação favorável das hipóteses levantadas. Se os resultados não estiverem de acordo, deve-se buscar explicações das hipóteses com base nestes resultados obtidos.

Todas as observações que serão expostas daqui em diante, comparam o market share em relação as variáveis (dados) de tecnologia, receita e indicadores de qualidade.

Foi observado que a tecnologia LTE possui relação negativa com o market share, apesar de se mostrar significante para o modelo. Entende-se que as novas tecnologias ofertadas, aliadas a uma estratégia de diminuição do valor médio de receita para a operadora, apontado no modelo com uma relação positiva ao mercado, evidenciando que o usuário busca a tecnologia investida pela operadora, mas para tanto exigindo do prestador de serviço um preço menor para obter a melhor tecnologia.

Quando analisada a tecnologia WCDMA, mesmo com a variável altamente significante, é notada uma relação negativa menor com o market share. Pode-se estimar que por se tratar de uma tecnologia mais antiga, a tendência é de que não sejam adicionados usuários novos nas operadoras, assim como aumentar sua receita por usuário.

A variável REC_MENSAL_OP apresenta significância no modelo escolhido, entretanto, indica relação negativa com o market share das operadoras. Entende-se que a receita mensal das operadoras vem diminuindo dentro do período de amostras utilizado, assim como a sua participação no mercado de telefonia pós-pago.

Observou-se que a variável RECM_ARPU possui relação significativa e positiva com o market share. A receita média por usuário, evidencia que, a medida em que o valor médio pago pelo usuário aumenta, há um aumento na participação da operadora no mercado.

Nas variáveis de indicadores ANATEL, foram identificadas a existência de significâncias negativas bastante distintas em relação ao market share das operadoras de acordo com a análise realizada pelo modelo econométrico adotado.

A taxa de completamento de chamada, evidenciada pela variável TX_CHAM_SMP4, indica o quanto o usuário consegue realizar uma chamada de voz com sucesso. A convergência digital no serviço móvel trouxe com a tecnologia, uma maneira de converter a voz em dados de forma transparente ao usuário. Dessa forma, a medida em que o usuário não consegue completar sua chamada de voz da maneira tradicional, ele buscará o serviço de dados ao invés de voz para chamar um outro usuário. Sendo assim, o indicador em relação ao market share, na análise realizada demonstra-se para o modelo como uma variável de pouca significância.

A variável TXCONNE_SMP8, refere-se ao indicador de qualidade para a taxa de conectividade de dados pelo usuário, que também se mostrou negativamente em relação ao market share. Evidencia-se que a medida em esse indicador piora, o usuário poderá buscar outra operadora que possua melhor serviço e melhor indicador de qualidade com a conexão de dados, até mesmo um custo menor.

A taxa de garantia de conexão de dados presente na variável GAR_TX_SMP10, também se mostrou negativa em relação ao market share, assim como na variável TXCONNE_SMP8. Apesar da relação negativa, a garantia de conexão de dados apresenta melhor valor em relação a taxa de conectividade. Para o usuário, uma vez conectado, o serviço de dados fornece

disponibilidade para os aplicativos que o usuário utiliza, que dependem da tecnologia para funcionar, mantendo este usuário naquela operadora

Fatores como a cobertura de sinal ou tráfego intenso em uma mesma área ou região podem causar uma conexão lenta, mas ainda assim manterá o usuário conectado, ainda que para realizar uma chamada de voz através do serviço de dados. De todo modo, esses indicadores também expressam a inovação dos serviços oriunda da tecnologia 4G, que permite este tipo de aplicação dentro do plano de dados.

A última variável analisada TX_ATENDESMP12, indicou uma relação negativa com o market share com baixa significância. Esta variável representa o indicador de qualidade do serviço de autoatendimento das operadoras. Percebe-se que a operadora, através das medições da ANATEL, tem dado pouca atenção ao usuário em relação à sua satisfação com o atendimento, que pode evidenciar uma mudança de operadora nesses casos.