Análise multinível considerando a variação no tempo

Na Tabela 29 estão evidenciados os efeitos fixos e variáveis com base nos resultados da inclusão da variável ANO no modelo de interceptação aleatória. Importante ressaltar que, ao se incluir variáveis no nível micro nos efeitos fixos, os efeitos variáveis deste nível não estão mais considerados.

Tabela 29 – Modelo de interceptação aleatória considerando a variação no tempo Painel A – Efeitos Fixos

Descrição Efeito Fixo Erro Padrão

Coeficiente (γ00) 7,6073 0,2184

Ano -0,3987*** 0,0055

Painel B –Efeitos Variáveis

Efeitos Variáveis Coeficiente Erro Padrão

Nível País 2,2716 0,5459

Nível Setor de Negócios 1,7028 0,1688

Resíduo 9,1901 0,0677

Fonte: elaboração própria *** Significante a p < 0,01

Observa-se que existe uma variação significante da divulgação sobre gênero ao longo do tempo favorecendo ao seu decréscimo. Além disso, os efeitos variáveis ou aleatórios indicam que há uma variação significante entre países e entre setores. No passo seguinte, verifica-se o efeito da variação do tempo nos níveis macro e médio, gerando o modelo de interceptação e declive aleatórios com medidas repetidas, destacado na Tabela 30.

Tabela 30 – Modelo de interceptação e declive aleatórios com medidas repetidas Painel A – Efeitos Fixos

Descrição Efeito Fixo Erro Padrão

Coeficiente (γ00) 7,7262 0,2033

Ano -0,4303*** 0,0361

Painel B –Efeitos Variáveis

Efeitos Variáveis Coeficiente Erro Padrão

Nível País:

var(Ano) 0,0617 0,0137

var(Constante) 1,9583 0,4558 Nível Setor de Negócios:

var(Ano) 0,0240 0,0046

var(Constante) 0,8681 0,1451

Resíduo 8,7230 0,0645

Fonte: elaboração própria *** Significante a p < 0,01

Percebe-se que os parâmetros dos efeitos fixos da Tabela 30 são similares aos estimados na Tabela 29 e os efeitos variáveis são diferentes. Comparando os dois modelos, o resultado do LR test, cujo X2 reportou igual a zero (portanto, menor que 0,05), favorece o modelo de interceptação e declive aleatórios com medidas repetidas. Ressalte-se que foi possível usar o LR test por ambos os modelos serem estimados com ML e utilizar a mesma especificação nos efeitos fixos (HAIR JR; FAVERO, 2019).

A partir destas novas interações, verifica-se que houve modificação na capacidade de explicação dos níveis, como pode ser observado na Tabela 31.

Tabela 31 – Relação entre os coeficientes do modelo com interceptação e declive aleatórios Efeitos Variáveis Coeficiente do modelo com interceptação e declive aleatórios % Nível País: 2,0200 17,36% var(Ano) 0,0617 0,53% var(Constante) 1,9583 16,83%

Nível Setor de Negócios: 0,8921 7,67%

var(Ano) 0,0240 0,21%

var(Constante) 0,8681 7,46%

Resíduo 8,7230 74,97%

Total 11,6351 100,00%

Fonte: elaboração própria

Com a inserção da variável ANO nos efeitos variáveis e sem a interação com o nível micro, a capacidade de explicação do nível país aumenta para 17,36% e do nível médio

para 7,67%, ou seja, a capacidade de explicação do nível macro e médio, nesta análise multinível, aumenta para aproximadamente 25%. O resíduo (efeito variável não explicado pelos outros níveis do modelo) é de aproximadamente 74,97%. Já é possível então, com base nos coeficientes da Tabela 30, esboçar um modelo mais robusto para explicar o fenômeno, com a seguinte especificação:

DIVGENijkt = 7,7262 - 0,4303 x Ano + Ci+ εit

(Equação 8)

Ci = 1,9583 + 0,0617 x Ano + 0,8681 + 0,0240 x Ano + 8,7230

(Equação 9) Na equação 8 identifica-se os parâmetros dos efeitos fixos (conforme estimativas na Tabela 30, Painel A) e os efeitos variáveis, representados por Ci que está decomposto na equação 9 (conforme estimativas na Tabela 30, Painel B).

Mais uma vez verificando se a divulgação sobre gênero é influenciada por alguma peculiaridade local, foi feita uma análise adicional do modelo de interceptação e declive aleatórios com medidas repetidas separadamente para as empresas sediadas na América do Norte. A Tabela 32 mostra os resultados, comparando-os com os demais países.

Tabela 32 – Comparação entre os coeficientes do modelo com interceptação e declive aleatórios nas empresas da América do Norte e demais países

Efeitos Variáveis Coeficientes América do Norte Erro Padrão % Coeficientes demais países Erro Padrão % Nível País: 0,2015 - 1,88% 2,1341 - 20,04% var(Ano) 0,0038 0,0061 0,04% 0,0647 0,0146 0,61% var(Constante) 0,1978 0,2030 1,85% 2,0694 0,4939 19,43% Nível Setor de Negócios: 0,2003 - 1,87% 1,0024 - 9,41% var(Ano) 0,0183 0,0094 0,17% 0,0267 0,0047 0,25% var(Constante) 0,1820 0,1155 1,70% 0,9757 0,1509 9,16% Resíduo 10,3059 0,1157 96,25% 7,5121 0,0738 70,55% Total 10,7077 - 100,00% 10,6485 - 100,00%

Fonte: elaboração própria

Inicialmente, é importante frisar que, na América do Norte, os níveis país e setor não foram estatisticamente significantes, ratificando a inferência que a análise multinível não é pertinente para este continente. Nas demais empresas, percebe-se que a capacidade de explicação do nível país e setor é de 29%, ou seja, superior ao da análise global, que foi de 25%. Sendo assim, a retirada das empresas da América do Norte não reduziu a capacidade de explicação da análise multinível, se coadunando com o comportamento identificado quando foi feita comparação similar para o modelo nulo (ver Tabela 27), o que dá maior robustez à análise.

Explorando mais as peculiaridades locais, verificou-se o resultado quando são tratadas separadamente as empresas sediadas na Ásia, que correspondem a 28% das observações, segundo maior percentual. Na Tabela 33 estão evidenciados os resultados, comparando-os com os demais países.

Tabela 33 – Comparação entre os coeficientes do modelo com interceptação e declive aleatórios nas empresas da Ásia e demais países

Efeitos Variáveis Coeficientes Ásia Erro padrão % Coeficientes demais países Erro padrão % Nível País: 3,0279 - 25,17% 1,3991 - 12,60% var(Ano) 0,1010 0,0359 0,84% 0,0407 0,0128 0,37% var(Constante) 2,9269 1,0892 24,33% 1,3584 0,4386 12,23%

Nível Setor de Negócios: 1,1155 - 9,27% 0,6644 - 5,98%

var(Ano) 0,0217 0,0064 0,18% 0,0295 0,0073 0,27%

var(Constante) 1,0939 0,2363 9,09% 0,6350 0,1928 5,72%

Resíduo 7,8852 0,1109 65,55% 9,0442 0,0786 81,42%

Total 12,0286 - 100,00% 11,1077 - 100,00%

Fonte: elaboração própria

Na Ásia, a capacidade de explicação dos níveis país e setor foi a maior dos cenários analisados, com 34%. O fato de 19 países do continente Asiático estarem representados, contribui para esta situação. Consequentemente, nas demais empresas, esse percentual diminui, atingindo um patamar inferior ao da análise global. Sendo assim, os resultados permitem concluir que a análise multinível é pertinente para a análise deste fenômeno.

Após estes exames, recomenda-se que a análise multinível passe a considerar as variáveis dos níveis médio e macro, possibilitando estimar o modelo hierárquico, no qual o agrupamento de dados é caracterizado pela presença de medidas repetidas, no caso o ANO, demonstrando a evolução temporal no comportamento da variável dependente (HAIR JR; FAVERO, 2019). O tópico a seguir apresenta esta etapa, com a qual espera-se obter o modelo multinível completo.