Especificação dos modelos de análise do nível de endividamento

Para verificar o comportamento financeiros das empresas de Brasil, Rússia, Índia e China conforme as previsões das teorias de pecking order e trade-off, antes e a partir da crise das hipotecas subprime; e analisar se as empresas dos países emergentes apresentam estruturas de capital semelhantes ao de empresas de países desenvolvidos (Estados Unidos, Inglaterra, Alemanha, França, Itália, Canadá e Japão), foi utilizada a regressão quantílica como principal ferramenta de análise.

A regressão quantílica foi realizada para as diferentes variáveis de endividamento, conforme os estudos de Antoniou, Guney e Paudyal (2008), Öztekin (2011), Rajan e Zingales (1994), entre outros. O endividamento foi analisado por definições distintas: (a) endividamento total a valor contábil – END1, (b) endividamento total a valor de mercado – END2, e (c) endividamento de longo prazo a valor contábil – END3. A seleção dos determinantes da estrutura de capital escolhidos neste trabalho, tem como respaldo a revisão teórica apresentada na seção 2.3.

Portanto, as relações entre os determinantes da estrutura de capital e os níveis de endividamento foram representadas no modelo a seguir:

NEi = 0 + 1TANGi + 2LUCRAi + 3OPORTi + 4TAMi + 5RISCOi + i

Sendo,

NEi – Endividamento da empresa i

0 – Intercepto ou constante específica das empresas

TANG – Tangibilidade dos ativos da empresa i LUCRAT – Lucratividade da empresa i

OPORT – Proxy para oportunidade de crescimento da empresa i TAM – Tamanho da empresa i

RISCO – Risco do negócio da empresa i

i – Termo de erro da empresa i

Para definir o modelo utilizado no presente trabalho, foram analisados estudos empíricos cross-country sobre estrutura de capital e optou-se por usar as variáveis que são consideradas clássicas conforme a literatura de estrutura de capital, ou seja, aquelas que apresentaram influência na determinação da estrutura de capital das empresas independente do país analisado (apesar das diferenças econômicas e institucionais que podem potencializar os efeitos dos determinantes da estrutura de capital), conforme Rajan e Zingales (1995), Booth et al. (2001), Öztekin Flannery (2011), entre outros.

Neste modelo, os fatores macroeconômicos foram omitidos por causa da colinearidade. Segundo Greene (2002), quando a colinearidade é perfeita, os coeficientes de regressão das variáveis X são indeterminados e seus erros-padrão infinitos. O caso mais comum acontece quando as variáveis podem ser altamente, mas não perfeitamente correlacionadas. Os problemas da multicolinearidade podem ser sinalizados quando: (a) mudanças pequenas nos dados produzem grandes oscilações nos parâmetros estimados; (b) os coeficientes podem apresentar erros-padrões altos e baixos níveis de significância, mesmo quando eles conjuntamente são significantes e o R2 é um pouco alto; e (c) os coeficientes podem exibir sinais “errados”.

Para a realização da análise cross-section, foram realizadas médias dos valores das variáveis para o período analisado (antes da crise – 2003 a 2006 e a partir da crise – 2008 a

2011), de maneira semelhante aos trabalho de Jong, Kabir e Nguyen (2008); Oliveira et al. (2012); Rajan e Zingales (1995). Na avaliação cross-section o ano de 2007 foi excluído, uma vez que parte deste período faz parte da crise. Desta maneira, tenta-se evitar analises errôneas, pois o balanço patrimonial da empresas possivelmente está “contaminado” pelo inicio da crise.

Em relação à endogeneidade, é importante destacar que em finanças corporativas este problema pode ser causado por pela omissão de variáveis importantes, por erros de mensuração dos regressores e/ou simultaneidade, conforme Barros et al. (2010). Para minimizar estes efeitos, no presente trabalho o modelo utilizado para a analise dos dados foi constituído conforme a literatura empírica sobre estrutura de capital, observando principalmente as características do método de analise – a regressão quantílica.

O tratamento e/ou a minimização de inferências equivocadas provocadas pela endogeneidade (inconsistência dos estimadores da regressão) são bastante difundidos para o estimador de mínimos quadrados ordinários, entretanto, ainda não incorporado nos softwares econométricos. Contudo, apesar das dificuldades de implementação a partir do software utilizado, Stata, é importante ressaltar a importância do tema para a análise de dados nas diversas áreas da ciência.

Chernozhukov, Hansen e Jansson (2006) afirmam que, mesmo em amostras pequenas, os resultados da regressão quantílica podem ser confiáveis em modelos que incluem variáveis endógenas. Entretanto, a abordagem desenvolvida por eles para resolver o problema da endogeneidade, pode ser difícil de ser implementada computacionalmente (segundo os mesmos).

Posteriormente foi feita uma análise pooled (numa análise pooled ou combinada os dados são elementos de ambos os tipos de análises empíricas série temporal e cross-section) para demonstrar a robustez dos resultados da regressão quantílica cross-section, e proporcionar uma maior contribuição do estudo. Alexander, Harding e Lamarche (2011) ressaltam a robustez da regressão quantílica, também, na análise time-series-cross-section, destacando que o método permite a obtenção de insights sobre os efeitos dos regressores sobre a variável de interesse, por permitir uma leitura dos efeitos heterogêneos através da disposição dos dados, uma vez que nos modelos de regressão média, normalmente, a heterogeneidade não é considerada, apesar de ser encontrada em dados agrupados. Assim, a regressão quantílica identifica efeitos que são desconsiderados numa aplicação de regressão média.

Com a regressão pooled cross-sectional foi possível observar também os efeitos de fatores macroeconômicos, além dos efeitos provocados pela crise das hipotecas subprime (com uma variável dummy). A regressão quantílica pooled cross-sectional para verificar as relações entre as diferentes variáveis dependentes e variáveis independentes foi definida como:

NEit = 0 + 1TANGit + 2LUCRAit + 3OPORTit + 4TAMit + 5RISCOit + 6PIBit + 7INFit

+ 8CRISEit + it

Sendo,

NEit – Endividamento da empresa i no tempo t 0 – Intercepto ou constante específica das empresas

TANGit– Tangibilidade dos ativos da empresa i no tempo t

LUCRATit – Lucratividade da empresa i no tempo t

OPORTit – Proxy para oportunidade de crescimento da empresa i no tempo t

TAMit – Tamanho da empresa i no tempo t

RISCOit – Risco do negócio da empresa i no tempo t

TPIBt – Taxa de crescimento do PIB no ano t

TINFt – Taxa de inflação no ano t

CRISEit – Variável dummy que captura os efeitos da crise sobre a empresa i no tempo t

i – Termo de erro da empresa i no tempo t

Na análise pooled cross-section, optou-se pelo endividamento a longo prazo a valor contábil como variável dependente, pois os mercados financeiros oscilam muito e os gestores parecem preferir a alavancagem contábil, uma vez que as informações contábeis atuam como um guia para a política financeira das empresas (FRANK; GOYAL, 2007). Myers (1977) afirma que a alavancagem contábil reflete os fluxos de caixa de investimento das empresas (ativos tangíveis e capital de giro), além disso a alavancagem contábil pode ser explicada tanto pelos investimentos realizados quanto pelas oportunidades de crescimento. Neste contexto, a variável endividamento a longo prazo a valor contábil também foi utilizada para os testes de Chow e de igualdade dos coeficientes da regressão.