Coleta de dados e testes estatísticos aplicados

Antes da aplicação dos testes estatísticos, foram selecionados alguns indicadores econômico-financeiros para testar as hipóteses operacionais da pesquisa, conforme apresentado no Quadro 4.

INDICADOR FÓRMULA

ESTRUTURA DE CAPITAL

Participação de capital de terceiros = En div id amen to on ero s o / Patrimôn io líqu ido Imob ilização do patrimôn io líqu ido = (Imob ilizad o + Diferid o) / Patrimô nio líq uid o

GES TÃO DO CAPITAL DE GIRO

M arg em EBITDA = EBITDA / Receita líq uid a Cob ertu ra d e des pes as fin an ceiras = EBITDA / Des p es as fin anceiras

LIQUIDEZ

Liqu idez s eca = (A tiv o circu lan te - Es toq ues - Des pes as an tecipad as ) / Pas s iv o circu lante

RENTABILIDADE

M arg em bruta = Lu cro b ruto / Receita líq uid a M arg em op eracion al = Lu cro o peracio nal / Receita líq uid a M arg em líq uid a = Lu cro líq uid o / Receita líq uid a

VALOR DE MERCADO

Preço / Valor patrimo nial da ação = Valor de mercado da ação / Patrimô nio líqu id o p or ação Preço Lu cro = Valor de mercado da ação / Lucro p or ação

Quadro 4 – Indicadores econômico-financeiros selecionados para a pesquisa4

Fonte: Assaf Neto (2002); Perez Júnior (2009), adaptado pela autora.

4 _{Nota: EBITDA representa uma medição não contábil e não reconhecida pelo BR GAAP, consistindo no lucro}

líquido antes do imposto de renda e contribuição social, resultado financeiro líquido (receitas e despesas financeiras), depreciação, amortização, resultado não operacional e participações de minoritários.

Para o cálculo dos indicadores econômico-financeiros da amostra, foram selecionadas as demonstrações financeiras dos exercícios de 2007 e 2008. Essa escolha deve-se ao fato de a maioria das empresas terem optado pela data de transição em 1º de janeiro de 2008, não republicando as demonstrações financeiras do exercício de 2007, de acordo com as novas práticas contábeis brasileiras. Por sua vez, devido ao reduzido número de elementos da amostra, não seria tão válido realizar uma pesquisa quantitativa sobre os efeitos da adoção das leis, comparando as demonstrações financeiras do exercício de 2007 divulgadas antes e depois das alterações. Assim, levando em consideração a importância de utilizar amostra representativa nos testes estatísticos para que possam ser aplicadas as mesmas conclusões para a população pesquisada, mostrou-se mais viável a comparação das demonstrações financeiras do exercício de 2007, antes da adoção das leis no 11.638/07 e no 11.941/09, com as demonstrações financeiras do exercício de 2008, após a adoção das citadas leis.

A coleta dos dados se deu mediante extração, no software Economática, das demonstrações financeiras consolidadas do exercício de 2007 (antes das alterações) e do exercício de 2008 (após as alterações) das 200 companhias listadas na BM&FBovespa que compuseram a amostra. A partir dos dados quantitativos coletados, foram calculados, para cada empresa pesquisada, todos os indicadores econômico-financeiros apresentados no Quadro 4. Após a coleta de dados, partiu-se para a realização dos testes estatísticos, sendo escolhido o teste de diferenças entre médias para duas amostras. Segundo Stevenson (2001, p. 240), “os testes de duas amostras são usados para decidir se as médias de duas populações são iguais”.

É importante destacar que há dois métodos para se realizar esse tipo de teste: os testes paramétricos e os não paramétricos. De acordo com Maroco (2003, p. 111), “[...] os testes paramétricos exigem que a forma da distribuição amostral seja conhecida (a Normal é a mais utilizada...)”. Os testes não paramétricos não apresentam essa exigência, e constituem uma alternativa aos testes paramétricos. De modo geral, os testes paramétricos são mais potentes do que os não paramétricos, razão pela qual estes últimos nem sempre devem ser utilizados, mas somente quando não houver alternativa, ou seja, quando não for possível validar as condições de aplicação dos testes paramétricos. A utilização de testes paramétricos requer o atendimento das seguintes condições: (i) os dados devem ser normalmente distribuídos; (ii) as variâncias populacionais devem ser homogêneas, no caso de comparação de duas ou mais populações; e (iii) as variáveis devem ser quantitativas.

Como as variáveis do estudo são quantitativas, restou saber se elas apresentam distribuição normal e se as variâncias são homogêneas. Para tanto, foi realizado o teste de aderência à normalidade de Kolmogorov-Smirnov, além do teste de Levene para verificar se as variâncias são homogêneas.

Vale ressaltar que, dependendo do tamanho da amostra, pode ser utilizada a distribuição normal, conforme estabelecido no teorema do limite central, em que, segundo Bruni (2009, p. 87):

Para valores grandes do tamanho da amostra, n maior ou igual a 30, a distribuição das médias amostrais se comporta como uma distribuição normal, com média igual à média populacional e desvio padrão igual ao desvio padrão da variável original dividido pela raiz do tamanho da amostra.

Caso não se conheça o desvio-padrão da população, independentemente do tamanho da amostra, deve-se utilizar a distribuição t. Convém lembrar que a distribuição t converge para uma normal, quando a amostra é significativa. Como não são conhecidos os desvios- padrão populacionais e a amostra é grande, a distribuição t pode ser utilizada a partir da aplicação do teste paramétrico T-Student para duas amostras emparelhadas, disponível no programa de análises estatísticas Statistical Package for the Social Sciences (SPSS) 18.0 for Windows.

O teste T-Student foi aplicado em cada indicador econômico-financeiro estudado, comparando a média dos indicadores calculados a partir das demonstrações financeiras do exercício de 2007, antes dos efeitos das leis no 11.638/07 e nº 11.941/09, com a média dos indicadores calculados a partir das demonstrações financeiras do exercício de 2008, após os efeitos da adoção inicial das duas citadas leis.

Como já mencionado, o teorema do limite central dispensa a aplicação de testes não paramétricos, quando a amostra for numerosa, independentemente do fato de a distribuição dos dados ser normal. Contudo, como no presente estudo os dados não apresentaram distribuição normal, optou-se por também aplicar na mesma amostra o teste não paramétrico de Wilcoxon, para uma comparação dos resultados desse teste com os do teste paramétrico.