Dados em painel

A técnica de dados em painel permite a utilização de uma base de dados maior do que seria possível utilizando-se apenas dados transversais. Segundo Baltagi (2005), “esta base maior, oferece dados mais informativos, maior variabilidade, menos colinearidade entre as variáveis, mais graus de liberdade e mais eficiência”.

Segundo Gartner, Zwicker e Rodder (2009), “na análise de dados em painel se busca captar o comportamento de um determinado elemento dentro de um grupo de elementos ao longo do tempo”.

Gujarati (2006, p. 514) elenca uma série de vantagens na utilização desta técnica econométrica. Dentre elas destacam-se:

1. Como os dados em painel se relacionam a indivíduos, empresas, estados, países etc., tende a haver muita heterogeneidade nessas unidades. As técnicas de estimação em painel podem levar em conta explicitamente essas variáveis individuais específicas. Usamos o termo individual no sentido genérico de inclusão de microunidades tais como pessoas, empresas, estados e países. 2. Ao combinar séries temporais com dados de corte transversal, os dados em painel proporcionam “dados mais informativos, mais variabilidade e menos colineariedade entre as variáveis, mais graus de liberdade e mais eficiência. 3. Ao estudar repetidamente um corte transversal de observações, os dados em painel são mais adequados ao estudo da dinâmica da mudança. Períodos de desemprego, rotatividade no emprego e mobilidade de mão-de-obra são melhor estudados em dados em painel.

4. Os dados em painel podem detectar e medir efeitos melhor do que quando a observação é feita por meio de corte transversal puro ou série temporal pura. Por exemplo, os efeitos das leis de salário mínimo sobre o emprego e os salários podem ser melhor estudados se incluímos sucessivas rodadas de aumentos de salário mínimo federal e/ou estadual.

5. Os dados em painel nos permitem estudar modelos comportamentais mais complexos. Por exemplo, fenômenos como as economias de escala e a mudança tecnológica podem ser mais bem tratados por dados em painel do que por dados de corte transversal puro ou de séries temporais puras.

6. Ao tornar disponíveis dados referentes a vários milhares de unidades, podemos minimizar o viés que decorreria da agregação de pessoas ou empresas em grandes conjuntos.

Gujarati conclui que essa técnica permite enriquecer a análise empírica de tal forma que seria impossível conseguir utilizando-se apenas aos dados em corte transversal. (GUJARATI, 2006).

Dessa maneira, em notação matemática, o modelo econométrico a ser estimado, considerando os objetivos propostos e o referencial teórico deste estudo, será o seguinte:

ENDit = αit + β1RENTit + β2 RISCit + β3 TAMit + β4 CRESCit + β5 CATit + β6BFNDit + β7 D1+ β8D2+εit (1)

onde o END, representa o endividamento da empresa; RENT, a sua rentabilidade; RISC, o seu risco das tensões financeiras; TAM, o seu tamanho; CRESC, o seu crescimento; CAT, a composição de seus ativos; e, BFND, os benefícios fiscais não relacionados à dívida, D1 é a

variável dummy correspondente ao fato da empresa estar listada no Novo Mercado e D2 é a

variável dummy correspondente à participação da empresa no Nível de Governança Corporativa; os subscritos i e t representam, respectivamente, a empresa analisada e o ano de observação das informações.

Assim, tem-se, i = 1,... 108, e t = 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009 e 2010; α e os β1a β6 são o conjunto de coeficientes a ser observados. Isto é, as variáveis

Os resultados obtidos serão confrontados com os esperados, baseado nas hipóteses estabelecidas nesta pesquisa, buscando ainda interpretar os possíveis motivos de eventuais diferenças que possam ser encontradas.

Ressalta-se que as empresas objeto de estudo nesta pesquisa são heterogêneas, pois estão localizadas em diferentes regiões do nosso país, atuando em diferentes ramos de atividades. Em vista desse conceito, o uso de dados em painel se mostra relevante para determinar se os fatores analisados determinam o endividamento dessas empresas, bem como, qual a teoria predominante, se a Trade-Off ou a Pecking Order.

Para a estimação da regressão com dados em painel, inicialmente faz-se necessários analisar se ela deve ser estimada com efeitos fixos ou aleatórios. Para efeitos fixos assume-se que a heterogeneidade das empresas pesquisadas é captada pela constante que varia de empresa para empresa. Por outro lado, com efeitos aleatórios introduz-se a heterogeneidade no termo de erro, por esse motivo é também chamada de modelo de componentes de erros.

Portanto, uma das formas de descobrir o efeito a ser utilizado é aplicando o Teste de Hausman, cuja hipótese nula estabelece que o modelo com efeitos aleatórios seja o mais apropriado. Caso a hipótese nula seja rejeitada, o modelo adequado será o com efeitos fixos. (BROOKS, 2008; GUJARATI, 2006).

O painel possibilita o modelo de pooled regression, onde se roda a regressão sem efeitos. Dessa forma, não se leva em consideração a heterogeneidade das empresas. Nessa configuração, os dados estão combinados de modo que uma única regressão é realizada para todas as empresas, em todos os períodos, o que equivale à regressão com dados em painel sem efeitos. Ressalta-se que este formato é o mais indicado para iniciar os estudos com dados em painel e verificar possíveis problemas com as premissas dos MQO.

Outro fator esperado no modelo de dados em painel é de que os resíduos não sejam homoscedasticos, tendo em vista a heterogeneidade da amostra (diversas empresas, de diversos tamanhos em vários locais do país atuando em vários ramos de atividades). Assim, faz-se necessário a utilização do estimador de White, considerado robusto na ocorrência de heteroscedasticidade.

5. RESULTADOS E ANÁLISES