1 INTRODUÇÃO
3.5 CONSTRUCTOS, VARIÁVEIS OPERACIONAIS DO MODELO EMPREGADO
Os constructos constituem-se conceitos com alto nível de abstração, pois possuem características difíceis de visualizar e mensurar (COOPER; SCHINDLER, 2003).
Martins e Pelissaro (2005) argumentam que o pesquisador cria o constructo a partir da exploração empírica de um conceito teórico, a fim de traduzir a assertiva genérica do conceito em relação com o mundo real, baseada em variáveis e fenômenos observáveis e mensuráveis.
No Quadro 7, são apresentados os constructos, as variáveis e a descrição do instrumento de pesquisa para operacionalização e alcance do primeiro objetivo específico.
QUADRO 7 - Constructos, variáveis e instrumentos de pesquisa
Constructo Objetivos Variáveis Referências
Qualidade de informação contábil “Gerenciamento
de resultados”
a) Identificar os níveis de GR nas demonstrações contábeis de
No Quadro 8, são apresentados os constructos relacionados ao segundo, terceiro e quarto
objetivo específico, e com as respectivas hipóteses da pesquisa e as variáveis utilizadas.
QUADRO 8 - Constructos, variáveis e instrumento de pesquisa
Constructo Objetivos Operacionalização Variáveis
Qualidade de internacionais de contabilidade em ambos os países; bolsas americanas impacta os níveis de GR de companhias Barth, Landsman e Lang (2008), adaptando-o de acordo com as limitações de coleta de dados.
A primeira medida utilizada para estimar a suavização de resultados de empresas
brasileiras e portuguesas, no período pré-convergência (1) e pós-convergência (2) é baseada na variabilidade das mudanças do lucro líquido (∆NIpn), deduzida a partir da análise da relação entre o Lucro Operacional Líquido (LOpn) e o Ativo Total (ATn) do período n para o período n-1, representado pela seguinte expressão matemática TLOpnATn - LOpn-1
ATn-1 U.
A variabilidade de mudanças no lucro líquido (∆NIpn) é regredida a partir da estimação da equação 22.
∆ F = α + α HFI* + α)J(6K L + α0:*N + α= FHHM* + αB M(
+ αO 5 + αP M + αQS:FH + 1 22 Onde:
SIZEit = Logaritmo natural do Ativo total da empresa no final do ano;
GROWTHit = percentual de mudança nas vendas anualmente;
LEVit = total do passivo dividido pelo total do valor de mercado do patrimônio líquido no final do ano;
DISSUEit = percentual de mudança no total dos passivos anualmente;
TURNit = vendas divididas pelos ativos totais no final do ano;
CFit = fluxo de caixa líquido anual das atividades operacionais divido pelos ativos totais no final do ano;
AUDit = variável indicadora (dummy), igual a 1 se a firma de auditoria (PwC, KPMG, Arthur Andersen, E&Y ou D&T, e zero para outras.)
XLISTit = negociação de ações em bolsa de valores americana, sendo 1 para sim e 0 para não, desde que a bolsa americana não seja o mercado primário dessas ações;
O ∆NIit representa a variância dos resíduos em ambos os períodos 1 e 2. A partir destes, é feita a comparação da diferença de variabilidade de ∆NIit entre o período antes e após adoção das IFRS das empresas como diferença do resultado da métrica de um período para o outro.
Assim, quanto menor a variabilidade maior a evidência de GR.
A segunda medida de suavização de resultados é baseada na relação entre a taxa média da variabilidade nas mudanças no lucro líquido (∆NI*) e a variabilidade das mudanças no fluxo de caixa operacional (∆CFO*).
De acordo com Barth, Landsman e Lang (2008, p. 27) as companhias que apresentam
maior volatilidade no fluxo de caixa têm normalmente maior volatilidade no lucro líquido, a segunda métrica tendo a controlar esse efeito. Se a companhia utiliza accruals para gerenciar resultados, a variabilidade de mudança no lucro líquido deve ser baixa comparando ao fluxo de caixa operacional.
Diferente de ∆NIpn, a variável dependente ∆CFOpn é deduzida a partir da análise da relação entre o Fluxo de Caixa Operacional (CFOpn) e o Ativo Total (ATn) do período n para o período n-1, representado pela seguinte expressão matemática TCFOpnATn - CFOpn-1
ATn-1 U.
E tal como ∆NIpn, a variável dependente ∆CFOpn tende a ser influenciada por uma variedade de fatores não conhecidos pelo sistema de divulgação de resultados. Desta forma, estima-se uma regressão semelhante a equação 22, mas com ∆CFit como variável dependente.
∆ 56 = α + α HFI* + α)J(6K L + α0:*N + α= FHHM* + αB M(
+ αO 5 + αP M + αQS:FH + 1 23 Onde:
Variáveis independentes e de controle: são as mesmas observadas na equação 22.
Estimadas as equações 22 e 23, são identificados os resíduos das variáveis dependentes
∆NI* e ∆CFO* respectivamente para a mensuração da segunda medida de suavização de resultados. Como dito anteriormente, a segunda medida é baseada na relação entre a taxa média ou erro médio quadrático da variabilidade nas mudanças no lucro líquido (EMQ(∆NI)) e a taxa média ou erro médio quadrático da variabilidade das mudanças no fluxo de caixa operacional (EMQ(∆CFO)), o que resulta na seguinte expressão matemática TEMQ(∆CFOit)EMQ(∆NIit)U.
A variabilidade de ∆CF* é a variância dos grupos de resíduos da equação 23, sendo que, a composição dos grupos depende da relação obtida pela relação entre a variabilidade de ∆NI*
e a variabilidade de ∆CF*. Assim, quanto menor a variabilidade, maior a probabilidade de ocorrência de GR.
A terceira medida para suavização de lucros é baseada na correlação de Spearman (rho) entre Accruals (ACC) e Fluxo de Caixa (CF). A variável dependente ACC é deduzida a partir da diferença entre o Lucro Operacional (LOpn) e o Fluxo de Caixa Operacional (CFOpn) em relação ao Ativo Total (ATn) do período n, representado pela seguinte expressão matemática
CWXY Z[XY
\]Y . Por outro lado, a variável dependente CF é deduzida a partir da relação entre o
Fluxo de Caixa Líquido (CFpn) e o Ativo Total (ATn) do período n, representado pela seguinte expressão matemática Z[XY
\]Y
.
Deste modo, como verificado nas equações 22 e 23, são comparadas as correlações dos resíduos de CF* e ACC*, ao invés de correlações entre CF e ACC diretamente. São regredidas as equações 24 e 25, com as mesmas variáveis independentes e de controle das equações 22 e 23, porém com a exclusão da variável CFit, tornando-a numa variável dependente.
= α + α HFI* + α)J(6K L + α0:*N + α= FHHM* + αB M(
+ αO M + αPS:FH + 1 24
5 = α + α HFI* + α)J(6K L + α0:*N + α= FHHM* + αB M(
+ αO M + αPS:FH + 1 25
Variáveis independentes:
São as mesmas observadas na equação 22, excluindo a variável CF.
As correlações dos resíduos obtidos das equações 24 (EMQ(ACC)) e 25 (EMQ(CF)), são comparadas a fim de obter o indicador do GR. Atenta-se que, uma correlação negativa é um indicativo da prática de GR, uma vez que as empresas tendem a influenciar seus accruals para cima quando os fluxos de caixa parecem menores.
A quarta medida do modelo de Barth, Landsman e Lang (2008), trata-se de uma medida de estimação do resultado meta ou Target Earnings, mensurada a partir da variável Coeficiente de Pequenos Resultados Positivos Futuros (SPOS), tendo como a variável dependente o Período Pós-convergência às Normas Internacionais de Contabilidade (POST (0,1)it).
6H 0,1 = α + α H 6H + α)HFI* + α0J(6K L + α=:*N + αB FHHM* + αO M( + αP 5 + αQ M + αRS:FH + 1 26
A variável POST (0,1) é uma variável indicadora que é igual a 0, para as observações no período pré-convergência (1), e igual a 1, para as observações no período pós-convergência.
E a variável SPOS é uma variável indicadora, igual a 1, se o lucro líquido dividido pelos ativos totais está entre 0 e 0,01 (LANG, RAEDY, YETMAN, 2003).
Um coeficiente negativo em SPOS indica que as empresas gerenciam resultados para atingir pequenos montantes positivos mais frequentemente no período pré-convergência do que no período pós-convergência. De acordo com Barth, Landsman e Lang (2008), o coeficiente (SPOS) da equação 26 representa a medida de GR, ao invés de comparar diretamente os percentuais de pequenos lucros evidenciados nos períodos pré e pós-convergência, pois o SPOS reflete os efeitos de controle de fatores não atribuíveis ao sistema de evidenciação contábil.