3.3 Notícias midiáticas e o desempenho do mercado
3.6.3 Análise dos determinantes do crowdfunding
A Tabela 16 apresenta os modelos estimados para o valor dos aportes de capital alocados nos projetos de crowdfunding. Nessa tabela, (I) é modelo estimado com todas as variáveis observadas e a variável de controle para as operações de investimento (categoria dos projetos);
(II) é o modelo estimado com as variáveis de interesse, o controle em nível de operação de investimento (categoria dos projetos) e um controle para a geografia (densidade populacional
da origem dos investimentos); (III) é o modelo estimado com as variáveis de interesse, o controle para as operações de investimento (categoria dos projetos) e um controle para a geografia (percentual da população idosa da origem dos investimentos); (IV) é o modelo estimado completo com os controles em nível de operação de investimento e geografia; e (V) é o modelo estimado completo com a correção do efeito de seletividade amostral de Heckman (1979). Esse modelo serviu como um teste de robustez já que os resultados apresentados por ele corroboram com os resultados anteriores, particularmente, na relação entre as variáveis que representam os atributos geográficos dos investimentos e o sentimento textual de notícias.
É possível constatar, mediante os modelos da Tabela 16, que a hipótese H1 foi suportada em todos os modelos estimados, sobretudo no modelo V, que apresentou maior efeito marginal da variável em relação aos demais (𝛾̂ = 6.222; 1 𝑝 < 0,01). As estimativas indicam que há associação positiva significante entre a meta de financiamento apresentada pelos criadores dos projetos e o valor das contribuições nesses projetos. Para cada acréscimo de 1% na meta financeira dos projetos, o valor médio dos investimentos aumenta 0,06 unidades. Esse achado está em linha com Zvilichovsky, Inbar e Barzilay (2015); esses autores acreditam que o target dos projetos pode influenciar positivamente no valor das contribuições e, além disso, deve servir para sinalizar a qualidade dos empreendimentos disponíveis no crowdfunding (Colombo, Franzoni & Rossi-Lamastra, 2015).
O valor adequado da meta de financiamento dos projetos pode incentivar a participação dos patrocinadores (Josefy et al., 2017), pois informações financeiras distorcidas da verdadeira necessidade de financiamento dos projetos orientam a captação de menores investimentos sobre os projetos coletivos (Mollick, 2014). Dessa forma, faz sentido pensar que a meta dos projetos pode exercer certa influência sobre o valor das contribuições financeiras alocadas nos empreendimentos. Os empreendedores devem ter atenção ao definir o montante de recursos a ser captado por meio das campanhas de crowdfunding, pois metas financeiras bem estabelecidas podem impulsionar o valor dos aportes de capital sobre os projetos coletivos.
Tabela 16. Regressões estimadas para o valor das contribuições em reward crowdfunding
AIC 3872583,6 3872495,1 3872584,0 3872492,2
Adj. R2 0,02 0,02 0,02 0,02
Wald Chi2 4072,15***
N 350.012 350.012 350.012 350.012 214.443
Fonte: Cálculos do autor.
Nota: Esta tabela apresenta os parâmetros estimados via OLS, tendo como variável dependente Value. ***p <
0,01; **p < 0,05; *p < 0,1. As regressões foram estimadas via Erro-padrão robusto. O Erro-padrão dos coeficientes está apresentado entre parênteses. (i) Meta do financiamento dos projetos medida pelo Ln do valor monetário (em R$) pretendido pelo projeto; (iii) Distância geográfica (em km2 e Ln) entre empreendedor e investidor; (iv) Concentração de renda domiciliar per capita da região originadora do investimento; (v) Sentimento textual negativo advindo das notícias midiáticas relativas ao dia em que ocorreu a operação de crowdfunding (conforme apêndice B – painel A); (vi) Sentimento textual positivo advindo das notícias midiáticas relativas ao dia em que ocorreu a operação de crowdfunding (conforme apêndice B – painel A); (vi) Interação entre o sentimento textual positivo e a categoria dos projetos; (viii) Inverse Mills Ratio, calculado a partir do comando Heckman Stata. Essa variável foi utilizada no segundo estágio da regressão, lambda é f(x) / F(x), em que f(x) é a função de densidade de probabilidade e F(x) é a função de distribuição cumulativa adicional; (ix) Ln da Densidade populacional da cidade originadora do investimento (em km); (x) Percentual de idosos na população originadora dos investimentos; (xi) Controle do efeito marginal do tempo sobre as variáveis observadas (2012-2016). @Modelo de seleção de Heckman em dois estágios: 135.569 observações censuradas (39%) = distância zero entre empreendedor-investidor.
A hipótese H2, por sua vez, foi confirmada apenas no modelo de correção de seletividade de Heckman (V), o qual revelou que o prazo decorrido entre o dia em que ocorreu o aporte de
capital e o início do fundraising do projeto pode ser relevante para a determinação do valor dos aportes de capital nos projetos coletivos (𝛾̂ = 0.462; 2 𝑝 < 0,01). Esse resultado sugere que pode existir uma associação positiva entre os dias de campanha dos projetos e os investimentos realizados nesses empreendimentos. Esse achado revela uma importância econômica para a relação entre essas variáveis (Miller & Rodgers, 2008), pois o efeito de um novo dia na campanha de crowdfunding sobre o valor médio aumenta 0,004 unidades. Considerando que o valor médio dos aportes de capital é de R$ 96,00 e um período médio de exposição do projeto de 24 dias, o valor econômico do investimento sobre este projeto pode aumentar substancialmente. Esse achado corrobora com os estudos de Agrawal, Catalini e Goldfarb (2011), Kuppuswamy e Bayus (2015) e Mendes-Da-Silva et al. (2016), os quais encontraram evidências que reforçam a ideia de que um maior período de fundraising pode propiciar maiores contribuições para os empreendimentos.
As estimativas dos modelos sugerem que a hipótese H3foi sustentada. Ou seja, foi encontrada relação significante e negativa entre a distância geográfica e o valor dos investimentos dos projetos (𝛾̂ = −1.916; 3 𝑝 < 0,01). O acréscimo de uma unidade na distância geográfica entre o empreendedor e o investidor pode reduzir o valor da contribuição em 0,02 unidades. Isto é, quanto maior for a distância entre o financiador e o projeto, menor tende a ser a propensão desse indivíduo em realizar maiores aportes de capital no empreendimento. Mais de 53% das contribuições foram realizadas de distâncias inferiores a 50 km e as maiores médias de investimento (em R$) também estão dentro desse intervalo.
Isto é, considerando que o Brasil é um país de dimensões territoriais continentais, parece que o crowdfunding não consegue superar os atritos econômicos derivados da distância entre empreendimento e investidor. Essa informação fortalece o argumento da restrição de concessão de financiamento de modo semelhante com as fontes tradicionais de recursos, sobretudo, o venture capital (Shane & Cable, 2002; Stuart & Sorenson, 2003a) e não permite, pelo menos em relação ao mercado brasileiro, sustentar o pensamento de Agrawal, Catalini e Goldfarb (2011), no que diz respeito à capacidade do crowdfunding de reduzir as assimetrias de informação entre empreendedor-investidor. A distância geográfica pode delimitar a geração de capital em determinadas áreas, além de estimular as pessoas a evitarem maior longitude em relação a trabalho, lazer e, principalmente, negócios (Foster, Smith, Bell & Shaw, 2017).
A concentração de renda per capita domiciliar da origem da contribuição pode apresentar alguma influência sobre a disposição dos investidores, ou seja, a hipótese H4foi suportada. A variável de interesse obteve parâmetro estimado significante e positivo em todas
as simulações, especialmente, no modelo (II). No entanto, o modelo de correção de viés de seletividade de Heckman forneceu uma estimativa mais correta (𝛾̂ = 46.13; 𝑝 < 0,01). Um 4 acréscimo em cada unidade da concentração de renda domiciliar per capita pode aumentar, o valor médio dos aportes aumenta em 46,13 unidades. Esse achado sugere que regiões com maior concentração de capital econômico podem oferecer aportes financeiros de maior valor em relação às demais áreas. As cidades brasileiras de São Paulo (SP), Rio de Janeiro (RJ), Porto Alegre (RS), Curitiba (PR), Belo Horizonte (MG) e Brasília (DF) registraram mais da metade do volume de operações de investimento nos projetos coletivos. Essas cidades e suas regiões metropolitanas apresentam setores econômicos bastante desenvolvidos, o que permite pensar que regiões com maior concentração de renda possam participar mais intensamente do financiamento de projetos via crowdfunding. A relação entre aglomeração econômica e as atividades empresariais pode impactar diretamente no desenvolvimento de determinadas áreas, propiciando boas condições para a geração de emprego, renda e riqueza (Zhang, 2009). Por outro lado, essa discussão pode relevar que o modelo do financiamento coletivo pode gerar algumas desvantagens econômicas para regiões específicas, conforme destacam Mollick (2014) e Kim e Hann (2014).
Em relação ao comportamento dos investimentos realizados nos projetos frente às notícias midiáticas, ou seja, mediante sentimento do investidor, é possível afirmar que, em todas as estimações, a hipótese H5foi sustentada. As más notícias apresentaram efeito significativo e negativo sobre o valor dos aportes de capital, com destaque ao efeito marginal do último modelo (𝛾̂ = −0.073; 5 𝑝 < 0,01). Para aumento no sentimento textual de notícias negativas, em média, o valor dos aportes financeiros é reduzido em 0,07 unidades. Note que o efeito das notícias negativas pode ser pequeno sobre o valor dos aportes, entre 0,05 e 0,07 unidades, mesmo considerando os controles adotados no estudo. Mas, quando consideramos que um determinado projeto pode receber centenas ou milhares de aportes de capital, o valor econômico das perdas provenientes das notícias negativas pode ser expressivo e distanciar o valor arrecadado da meta necessária para o êxito da campanha do empreendimento.
O sentimento textual das boas notícias parece exercer influência positiva sobre o valor dos investimentos nos projetos coletivos (𝛾̂ = 0.204; 𝑝 < 0,01), já que a variável apresentou 6 parâmetro significativo e positivo em todos os modelos estimados. De acordo com as estimativas, para cada aumento no sentimento textual de notícias negativas, em média, o valor dos aportes é elevado em torno de 0,20 unidades. Sabendo que os projetos coletivos têm metas financeiras a serem alcançadas e elas estão relacionadas à concessão do financiamento
(“all-or-nothing”), qualquer aumento no valor dos investimentos pode ser fundamental para a superação do target da campanha do projeto, ou seja, pode ajudar no sucesso da arrecadação daquele empreendimento.
Todavia, quando ponderamos a relação entre as boas notícias e a categoria dos projetos de crowdfunding, é possível que os investimentos sobre projetos de categoria artística sejam reduzidos mediante cenário de otimismo (𝛾̂ = −0.302; 𝑝 < 0,01). Isto pode indicar que em 7 momentos de certa estabilidade financeira, política e social (numa perspectiva de notícias positivas), as pessoas podem diminuir sua propensão em participar de empreendimentos coletivos porque não percebem aumento na utilidade de suas doações em situações de menor comoção específica (Gleasure & Feller, 2016). Essa relação entre a categoria dos projetos e o sentimento textual positivo das notícias é apresentada na Figura 8.
Figura 8. Interação entre Goodnews e D_Art Fonte: Elaborado pelo autor.
Nota: Esta figura apresenta a relação de interação entre as boas notícias e a categoria dos projetos. A partir dessa figura é possível entender que a relação entre a categoria Arte e as boas notícias é decrescente, ou seja, provavelmente, boas notícias estimulem menos as pessoas de contribuírem em projetos de Arte. Por outro lado, a relação entre as boas notícias e a categoria de projetos Não-Arte é crescente, isto é, na medida em que as pessoas recebem notícias mais otimistas, elas inclinam-se a investir mais em projetos dessa natureza.
Os achados referentes ao sentimento textual dos investidores de crowdfunding sugerem que eles devem ser sensíveis à divulgação das notícias midiáticas, de tal modo que seus aportes financeiros tendem a ser modificados mediante cenário de pessimismo ou otimismo. Dessa forma, a escolha do timing é ótima para divulgação de um projeto coletivo, isto é, início de uma
campanha de financiamento, deverá considerar o sentimento textual gerado pela mídia de massa no que diz respeito ao cenário econômico e social do país. Esse pensamento está em linha com as orientações de Tetlock (2007) e Tetlock, Saar-Tsechansky e Macskassy (2008), os quais afirmam que o sentimento textual de notícias pode ser uma boa proxy para o sentimento dos investidores e podem agir sobre o comportamento de determinado ativo, ou, até mesmo, um mercado.
O coeficiente lambda do modelo de seleção de Heckman (1979) é significativo e apresenta efeito positivo (𝛾̂ = 14.20; 8 𝑝 < 0,01), ou seja, os termos de erro dos modelos estimados para a seleção e o modelo inicial estão positivamente correlacionados. Dessa forma, elementos (não observados) que podem contribuir mais profundamente para o valor dos aportes de capital tendem a estar associados com menores distâncias geográficas. Além disso, os valores numéricos expressos pela estimação de lambda (14.20), rho (0.24) e sigma (59.14) reforçam a ideia de que há indícios de efeitos positivos de seleção ou truncamento no conjunto total dos dados observados. Em outras palavras, um aporte de capital com característica média da amostra selecionada pode ter valor superior em relação a um investimento aleatório da população com um conjunto médio das características observadas.
Tendo sido testadas as hipóteses propostas pelo estudo, buscou-se analisar o efeito das variáveis de controle sobre o valor das contribuições realizadas nos empreendimentos de crowdfunding. Dessa forma, mediante o modelo (V), a densidade populacional da origem dos investimentos pode ter alguma associação com o valor dos aportes de capital (𝛾̂ =9
−2.610; 𝑝 < 0,01). Esse achado aponta que é razoável admitir que, não necessariamente, as maiores contribuições direcionadas aos empreendimentos coletivos sejam originadas de áreas com maior nível de ocupação humana. Uma vez que um dos projetos analisados nesta pesquisa, localizado na cidade de Porto Alegre (RS), recebeu uma contribuição bastante expressiva (cerca de R$ 30 mil) da pequena cidade de Suzano (SP). É possível que regiões metropolitanas estejam desembolsando maiores quantias para os projetos coletivos do que regiões com maior taxa de ocupação humana. Esse pensamento é reforçado quando observamos que mais da metade das operações de investimento em empreendimentos coletivos são originadas de distâncias geográficas inferiores a 50 km, ou seja, tipicamente, áreas com menor densidade populacional.
Por último e de acordo com o modelo estimado para de viés de seletividade de Heckman (1979), o percentual de idosos de uma cidade originadora de investimento pode influenciar negativamente no valor das contribuições coletivas (𝛾̂ = −0.378; 10 𝑝 < 0,01). Faz sentido pensar que a modalidade de financiamento via crowdfunding é recente (Agrawal, Catalini, &
Goldfarb, 2014) e as operações financeiras devem ser realizadas mediante uso de internet (Lehner, 2013). Ou seja, pessoas idosas podem apresentar aversão ou alguma limitação em relação ao uso extensivo de tecnologias de sociais, especialmente, aquelas que envolvam relações financeiras. Segundo Gregor, Newell e Zajicek (2002), uma boa parte das tecnologias de informação é desenhada para um usuário padrão e jovem, isto é, os idosos tendem a encontrar dificuldades para interagir nos ambientes virtuais por causa da sua interface. Esse resultado contrasta com o apresentado no modelo (IV), mas quando consideramos a censura necessária para os dados observados, o efeito correto a ser investigado é o do modelo (V).
Dentre o conjunto de modelos simulados, o modelo (V) apresentou o maior conjunto de efeitos marginais nas variáveis de interesse, quando comparado aos anteriores. Embora o conjunto de modelos estimado para explicar o valor dos investimentos em projetos de crowdfunding tenha apresentado um reduzido poder de explicação, faz sentido pensar que isso é esperado em modelos estatísticos voltados para as ciências sociais (Kutner, Nachtsheim, Neter
& Li, 2005). Esses autores admitem que R-quadrados diferentes de zero já podem ser significantes e capazes de explicar, significativamente, algum evento. De acordo Freud e Littell (2000), no campo das ciências sociais, é mais difícil especificar modelos completos, ou seja, R-quadrados menores tendem a ser mais prováveis.
3.7 Análises adicionais e testes de robustez
Com a intenção de aumentar a cobertura das informações geográficas que dizem respeito aos investimentos alocados nos projetos de crowdfunding, este estudo utilizou técnicas de análise espacial multivariada. A primeira técnica consistiu na observação do conjunto de investimentos, a partir de uma mesma cidade. Mediante esse processo, foi possível verificar que havia uma concentração expressiva de operações de investimento para algumas cidades em relação às demais, como por exemplo, a cidade de São Paulo, que revelou mais de 90 mil operações financeiras, ou seja, mais de 25% dos investimentos em projetos de crowdfunding (ver Figura 9). Este achado sugeriu que a configuração espacial inicial dos dados apresentava uma fraca correlação espacial global para o valor dos investimentos nas cidades brasileiras (índice de Moran = 0,00028).
(a) Brasil (b) São Paulo Figura 9. Concentração das contribuições realizadas em projetos de reward crowdfunding
Fonte: Elaborado pelo autor, a partir dos dados obtidos junto à plataforma Catarse, com utilização da ferramenta ArcGIS ArcMap 10.0 (ESRI, 2010).
Nota: Esta figura apresenta a concentração espacial dos aportes de capital alocados em projetos de crowdfunding, com destaque para a cidade de São Paulo, a qual revelou mais de 90 mil contribuições, ou seja, 25% do total de operações consideradas nesta pesquisa.
A segunda técnica utilizada pelo presente estudo baseou-se na alocação da dispersão dos pontos geográficos em torno de um centroide para que as distâncias nulas entre as localizações das contribuições fossem desconsideradas. Esse procedimento incentivou a redução de um número considerável de pontos vizinhos, possibilitando a análise de dependência espacial. Mesmo após essa etapa, a autocorrelação espacial do valor das contribuições manteve-se reduzida (índice de Moran = 0,00018), exigindo, assim, uma nova estratégia de análimanteve-se.
A terceira técnica, por sua vez, garantiu a agregação dos pontos geográficos em polígonos. Isto é, foram derivados 2.627 polígonos das localizações espaciais das origens dos 350.012 investimentos, de tal forma que esses polígonos apresentassem pelo menos um investimento ao redor da sua base. Essa agregação dos dados permitiu o agrupamento das médias das variáveis independentes para explicar o valor das contribuições por polígonos e, com isso, foi possível desenvolver a matriz de vizinhança por contiguidade (tipo Queen de
ordem um), isto é, áreas que fazem fronteira e possuem distância delimitada por um mesmo raio.
A matriz sugeriu uma autocorrelação espacial moderada apenas para a distância geográfica entre os empreendimentos e investidores, conforme indicado nas Figuras 10 e 11.
Essas figuras evidenciam as áreas que possuem maior correlação espacial para a variável distância geográfica, além de indicar o nível dessa correlação por intermédio do índice de Moran (0,49). Como a variável distância geográfica (Distance) apresentou um nível considerável de autocorrelação espacial, optou-se por mantê-la em todos os conjuntos de modelos estimados para explicar o valor da contribuição dos projetos de crowdfunding.
Figura 10. Autocorrelação espacial da distância geográfica entre empreendedor-investidor
Fonte: Elaborado pelo autor, a partir dos dados obtidos junto à plataforma Catarse, com utilização da ferramenta ArcGIS ArcMap 10.0 (ESRI, 2010).
Nota: Esta figura evidencia a distribuição geográfica da autocorrelação espacial da distância geográfica entre empreendedor-investidor (variável Distance).
Figura 11. Nível da autocorrelação espacial da distância geográfica entre empreendedor-investidor Fonte: Elaborado pelo autor, a partir dos dados obtidos junto à plataforma Catarse, com utilização da ferramenta R-project 3.2.5.
Nota: Esta figura evidencia o grau de autocorrelação espacial da distância geográfica entre empreendedor-investidor (variável Distance) por meio do índice de Moran, o qual mensura a correlação espacial por intermédio do produto dos desvios em relação à média. Em outras palavras, esse índice informa o grau de associação contida nos dados observados.
A quarta e última técnica foi a estimação de modelos estatísticos espaciais considerando a distância geográfica entre empreendedor e investidor (variável Distance). Essa variável apresentou relação significante e efeito negativo em relação ao valor do aporte de capital destinado a um determinado projeto, mesmo quando foi considerada a influência das variáveis dos polígonos vizinhos nos modelos espaciais. As variáveis que apresentaram maior ajuste significativo nesses modelos foram a distância geográfica (Distance), o prazo entre o aporte de capital e o início da campanha do projeto (DafterB), o percentual de idosos na população das cidades de origem das contribuições (Popold), a densidade populacional da origem da contribuição (Denspop), a categoria dos projetos (D_Art) e o sentimento textual negativo (Badnews) e positivo (Goodnews) das notícias.
A Tabela 17 apresenta os modelos estimados e seus respectivos coeficientes de determinação. Mediante as informações apresentadas nessa tabela é possível entender que o modelo Geographically Weighted Regression (GWR) apresentou uma variação entre de 20% a 40% a mais de poder de explicação quando comparado ao OLS. Ou seja, modelos espaciais podem ser uma boa alternativa para investigar a influência de variáveis exógenas sobre o valor dos investimentos em crowdfunding.
Tabela 17. Comparativo do coeficiente de determinação dos modelos simulados
Estrutura Coeficiente de Determinação (R2)
OLS SAR(i) GWR(ii) SAR(iii)
Value ~ Distance + DafterB + Popold + Denspop
0,04 0,04 0,05 0,05
Value ~ Distance + DafterB + Popold + Denspop +
D_Art 0,05 0,05 0,06 0,05
Value ~ Distance + DafterB + Popold + Denspop +
D_Art + Badnews 0,05 0,05 0,07 0,06
Value ~ Distance + DafterB + Popold + Denspop +
D_Ar + Goodnews 0,05 0,05 0,06 0,05
Value ~ Distance + DafterB + Popold + Denspop +
D_Art + Badnews + Goodnews 0,05 0,05 0,07 0,06
Fonte: Cálculos do autor.
Nota: Esta tabela apresenta a comparação dos coeficientes de determinação do modelo linear e dos modelos espaciais estimados. (i) Contiguidade Queen de ordem um; (ii) Kernel adaptativo com bandwidth = 0,29; (iii) k vizinhos mais próximos (k = 490). Mediante os valores apresentados é possível entender que o modelo que apresentou maior capacidade de explicação para o valor da contribuição foi o modelo GWR. N = 2.672.
Os modelos de vizinhança das cidades (ou polígonos) demonstraram autocorrelação significante para a variável Distance, o que foi corroborado pelo aumento da capacidade de explicação dos modelos simulados. A simplificação dos dados agregados por cidade permitiu que a captura da influência geográfica da vizinhança – em nível de cidades, com menor unidade
Os modelos de vizinhança das cidades (ou polígonos) demonstraram autocorrelação significante para a variável Distance, o que foi corroborado pelo aumento da capacidade de explicação dos modelos simulados. A simplificação dos dados agregados por cidade permitiu que a captura da influência geográfica da vizinhança – em nível de cidades, com menor unidade