8. Quão estressado você se sente em relação às suas finanças em geral, considerando aqui inclusive o longo
4.3. FALTAS INJUSTIFICADAS
A Tabela 11 apresenta os resultados das regressões das variáveis explicativas contra
Faltas Injustificadas, segundo o Modelo de Probabilidade Linear (MPL), o modelo Probit e o
modelo Logit. Abaixo dos coeficientes, entre parênteses, são demonstrados os erros-padrão, sendo que no caso do MPL trata-se dos erros-padrão robustos à heterocedasticidade, conforme White (1980). *** indica significância a 1%, ** indica significância a 5% e * indica significância a 10%.
Tabela 11 – Resultados: Faltas Injustificadas
Modelo Econométrico
Variável Explicativa MPL Probit Logit
Índice de Estresse Financeiro -0,0182*** -0,1044*** -0,1717** (0,0066) (0,0392) (0,0685) Ln Renda -0,1461*** -0,5597*** -0,9799*** (0,0292) (0,1907) (0,3294) Gênero 0,0558*** 0,9348** 1,9066* (0,0174) (0,4600) (1,0360) Superior Completo 0,1123** 0,3802* 0,7198* (0,0502) (0,2285) (0,3893) Tempo de Grupo 0,0144*** 0,0515*** 0,0866*** (0,0025) (0,0104) (0,0183) Previdência 0,2230*** 1,6871*** 3,6114*** (0,0236) (0,2773) (0,7285) Constante 1,0200 0,8835 0,6386 (0,1910) (1,3884) (2,5216) Obs. = 673 Obs. = 673 Obs. = 673 Prob.> F= 0,0000 Prob.> Chi2= 0,0000 Prob.> Chi2= 0,0000
R2 = 0,2223 Pseudo R2 = 0,2944 Pseudo R2 = 0,2934
Fonte: Autor
Os testes de significância global indicam que os modelos são úteis na explicação da variação da variável dependente, Faltas Injustificadas, O MPL explicou 0,2223 da variação total, enquanto que os modelos Probit e Logit explicaram 0,2944 e 0,2934, respectivamente.
Os coeficientes do Índice de Estresse Financeiro se mostraram significativos a 1% no caso do MPL e do Probit, e a 5% no caso do Logit, e indicam que o aumento do estresse financeiro causa um aumento na probabilidade de faltas injustificadas.
A magnitude dos resultados dos modelos Probit e Logit pode ser vista a partir dos efeitos marginais nas médias e dos efeitos marginais médios, demonstrados na Tabela 12:
Tabela 12 – Efeitos Marginais na Média e Efeitos Marginais Médios: Faltas Injustificadas MPL Probit Logit Variável Explicativa Média Efeito Marginal na Média Efeito Marginal Médio Efeito Marginal na Média Efeito Marginal Médio Efeito Marginal na Média Efeito Marginal Médio Índice de Estresse Financeiro 5,5512 -0,0182 -0,0182 -0,0121 -0,0177 -0,0078 -0,0168 Ln Renda 7,3545 -0,1461 -0,1461 -0,0647 -0,0948 -0,0444 -0,0960 Gênero 0,8559 0,0558 0,0558 0,1081 0,1583 0,0865 0,1867 Superior Completo 0,3982 0,1123 0,1123 0,0440 0,0644 0,0326 0,0705 Tempo de Grupo 6,2461 0,0144 0,0144 0,0060 0,0087 0,0039 0,0085 Previdência 0,5721 0,2230 0,2230 0,1951 0,2857 0,1638 0,3537 Fonte: Autor
Pode-se observar que, neste caso, que os modelos produziram magnitudes distintas para a relação entre estresse financeiro Faltas Injustificadas. A redução de uma unidade no
Índice de Estresse Financeiro de uma pessoa que estivesse na média da amostra aumentaria a
probabilidade de ocorrência de Faltas Injustificadas em 1,82 pontos percentuais, segundo o MPL, e em 1,21 pontos percentuais, segundo o Probit. Já segundo o Logit, este aumento de probabilidade seria de 0,78 pontos percentuais.
As médias dos efeitos marginais de todas as observações segundo os três modelos foram bem mais homogêneas. A redução de uma unidade no Índice de Estresse Financeiro resultaria em um aumento de probabilidade de Faltas Injustificadas de 1,82 pontos percentuais pelo MPL, 1,77 pontos percentuais pelo Probit e 1,68 pontos percentuais pelo Logit.
Renda, Tempo de Grupo e Previdência se mostraram significativos a 1%. Os dados
sugerem que uma maior renda diminui a probabilidade de ocorrência de Faltas Injustificadas, enquanto que estar no grupo há mais tempo e contribuir para o plano de previdência corporativo aumentam a probabilidade de a pessoa faltar injustificadamente.
Gênero se mostrou significativo a 1% pelo MPL, a 5% pelo Probit e a 10% pelo
Logit. De acordo com os três modelos, homens têm maior probabilidade de faltar de maneira injustificada.
Superior Completo se mostrou significativo a 5% pelo MPL e a 10% pelo Probit e
pelo Logit. Os três modelos indicam que aqueles que possuem o curso superior completo têm maior probabilidade de faltarem ao trabalho de maneira injustificada.
4.4. PUNIÇÕES
A Tabela 13 apresenta os resultados das regressões das variáveis explicativas contra Punições, segundo o Modelo de Probabilidade Linear (MPL), o modelo Probit e o modelo Logit. Abaixo dos coeficientes, entre parênteses, são demonstrados os erros-padrão, sendo que no caso do MPL trata-se dos erros-padrão robustos à heterocedasticidade, conforme White (1980). *** indica significância a 1%, ** indica significância a 5% e * indica significância a 10%.
Tabela 13 – Resultados: Punições
Modelo Econométrico
Variável Explicativa MPL Probit Logit
Índice de Estresse Financeiro -0,0009 -0,0368 -0,0694 (0,0022) (0,0717) (0,1434) Ln Renda 0,0015 0,1195 0,2096 (0,0061) (0,5398) (1,1127) Gênero -0,0477* -0,6385** -1,2712** (0,0269) (0,2756) (0,5539) Superior Completo -0,0247** -0,9474 -1,9382 (0,0110) (0,7044) (1,5205) Tempo de Grupo 0,0002 -0,0047 -0,0184 (0,0005) (0,0414) (0,0923) Previdência -0,0396*** 0 0 (0,0113) (omitida) (omitida) Constante 0,0882 -1,6548 -2,7805 (0,0513) (3,6613) (7,5845) Obs. = 673 Obs. = 288 Obs. = 288 Prob.> F= 0,0144 Prob.> Chi2= 0,0936 Prob.> Chi2= 0,1031
R2 = 0,0460 Pseudo R2 = 0,0799 Pseudo R2 = 0,0777
O teste F do MPL indica que, no geral, o modelo ajuda na explicação da variação das Punições, mas, segundo o R2, explicou apenas 4,6% das variações. Os testes das razões de
verossimilhanças dos modelos Probit e Logit demonstraram significância a 0,0936 e a 0,1031, respectivamente. Os Pseudos R2 indicam que aproximadamente 8% da variação total é
explicada pelos modelos.
Os coeficientes do Índice de Estresse Financeiro dos três modelos foram negativos, conforme prevíamos, indicando que quanto maior o grau de estresse financeiro, maiores as chances de a pessoa ter sofrido Punições. Contudo, os coeficientes não se mostraram significativos.
Também no caso das Punições, os modelos Probit e Logit descartaram 385 observações por colinearidade perfeita. Todos os funcionários que contribuíam para o plano de previdência corporativo (Previdência = 1) não sofreram punições no ano anterior (Punições=0).
Rodamos, então, as mesmas regressões sem a variável Previdência. Os resultados são demonstrados abaixo:
Tabela 14 – Resultados: Punições sem Previdência
Modelo Econométrico
Variável Explicativa MPL Probit Logit
Índice de Estresse Financeiro 0,0011 0,0105 0,0117 (0,0021) (0,0638) (0,1383) Ln Renda -0,0069 -0,3418 -0,6921 (0,0062) (0,4818) (1,0383) Gênero -0,0601** -0,8581*** -1,8148*** (0,0275) (0,2595) (0,5501) Superior Completo -0,0258** -0,6135 -1,5264 (0,0111) (0,6028) (1,4363) Tempo de Grupo -0,0000 -0,0071 -0,0312 (0,0005) (0,0331) (0,0861) Constante 0,1290 1,1506 2,7927 (0,0546) (3,3246) (7,1820) Obs. = 673 Obs. = 673 Obs. = 673 Prob.> F= 0,0199 Prob.> Chi2= 0,0009 Prob.> Chi2= 0,0011
R2 = 0,0319 Pseudo R2 = 0,1440 Pseudo R2 = 0,1412
Os três modelos passaram nos testes de significância global e o poder explicativo do MPL, medido pelo R2, saiu de 4,6% para 3,19%, enquanto que os poderes explicativos do
Probit e Logit, medidos pelo Pseudo-R2, praticamente dobraram, saindo de 7,99% para 14,40%
e de 7,77% para 14,12%, respectivamente.
Contudo, os coeficientes do Índice de Estresse Financeiro não se mostraram significativos para nenhum dos três modelos, impossibilitando-nos de tirar conclusões estatisticamente relevantes entre a relação de causa e efeito entre estresse financeiro e punições.
Gênero, por outro lado, se mostrou significativo a 5% pelo MPL e a 1% pelo Probit
e pelo Logit, com os dados indicando que homens têm menor probabilidade de sofrerem punições do que as mulheres.
Por fim, Superior Completo se mostrou significativo a 10% pelo MPL, com funcionários com terceiro grau completo possuindo menores chances de sofrerem punições do que seus colegas menos escolarizados.
5. CONCLUSÃO
Nossas análises indicam que há uma relação de causalidade estatisticamente significativa entre o estresse financeiro individual, medido pelo IFDFW, e o comportamento do profissional brasileiro no ambiente de trabalho. Quanto maior o grau de estresse financeiro, maior é a probabilidade de faltas, especialmente aquelas de natureza injustificada. Não foi possível obter evidências estatisticamente significativas de que o estresse financeiro aumente a probabilidade de que o profissional sofra punições no ambiente de trabalho.
Como vimos, o Índice de Estresse Financeiro se mostrou significativo a 5% nos três modelos utilizados como fator explicativo de Faltas Totais, isto é, faltas independentemente dos motivos. Todos os três modelos apontam que um nível a menos na escala do Índice de Estresse Financeiro (maior o grau de estresse financeiro) aumenta a probabilidade de o profissional haver faltado no ano anterior em, aproximadamente, 2 pontos percentuais.
Com relação a Faltas Abonadas, o Índice de Estresse Financeiro não se mostrou significativo a 10% ou menos em nenhum dos três modelos utilizados em um primeiro momento, quando utilizamos todas as variáveis explicativas. Ocorre que os modelos Probit e Logit descartaram 57% das observações devido à colinearidade perfeita, já que todos os funcionários que contribuíam para o plano de previdência corporativo (Previdência = 1) não tiveram faltas abonadas no ano anterior (Faltas Abonadas=0). Retirando a Previdência da equação, o MPL se mostrou significativo a 5%, e o Probit, a 10%. O Logit não se mostrou significativo. Os resultados indicam que um nível a menos na escala do Índice de Estresse
Financeiro (maior o grau de estresse financeiro) aumenta a probabilidade de o profissional ter
tido Faltas Abonadas no ano anterior em, aproximadamente, 1 ponto percentual.
A análise sobre as Faltas Injustificadas apresentou o resultado de maior significância do trabalho. O Índice de Estresse Financeiro se mostrou significativo a 1% no MPL e no Probit, e a 5% no Logit, e um nível a menos na escala do Índice de Estresse
Financeiro, denotando maior grau de estresse financeiro, aumenta a probabilidade de existência
de Faltas Injustificadas em um intervalo que varia de 0,78 pontos percentuais a 1,82 pontos percentuais.
Quanto a Punições, o Índice de Estresse Financeiro não se mostrou estatisticamente significativo em nenhum dos três modelos utilizados, nem com todas as variáveis explicativas, nem com a exclusão da Previdência. Também neste caso, houve colinearidade perfeita, eis que nenhum dos profissionais que contribuíam para o plano de previdência corporativo (Previdência = 1) sofreram punições no ano anterior (Punições=0). Desta forma, não conseguimos afirmar que existe uma relação de causa e efeito entre essas duas variáveis.
Os resultados de nossas análises confirmam nossas hipóteses e indicam que o efeito do estresse financeiro no comportamento de profissionais brasileiros é similar ao efeito já documentado no exterior, notadamente nos Estados Unidos, por inúmeros estudos, dentre os quais destacamos: Society for Human Resource Management (2014), PriceWaterhouseCoopers (2017), Lockton Retirement Services (2016), Joo e Garman (1998) e Hendrix, Steel e Shultz (1987), citados anteriormente.
Isto dito, em nossa opinião, tem de ser levada em consideração a possibilidade de existência de viés nos nossos resultados, em virtude de a amostra possuir somente profissionais que se voluntariaram a responder o questionário de estresse financeiro, sendo crível supor que as pessoas mais estressadas financeiramente são mais atraídas pelo assunto e, portanto, propensas a responder o questionário e a participar do experimento.
Outras questões interessantes emergiram do trabalho, muito embora não fossem o objeto principal da análise. Profissionais que contribuem para o plano de previdência corporativo têm menores chances de faltar ao trabalho e/ou de serem punidos. A variável
Previdência se mostrou estatisticamente significativa em todas as regressões (Faltas Totais, Faltas Abonadas, Faltas Injustificadas e Punições) em que constou, possuindo significância a
10% no caso de Faltas Totais e a 1% em todos os outros. Adicionalmente, tivemos dois casos de colinearidade perfeita nos modelos Probit e Logit, onde todos os que contribuíam para o plano de previdência privada corporativo não tiveram faltas abonadas ou sofreram punições.
Como o investimento em plano de previdência privada denota uma preocupação com a situação financeira futura, pode-se inferir que não só o bem-estar financeiro atual, como também a preocupação com o bem-estar financeiro futuro, são importantes para o comportamento no trabalho e essenciais para o desempenho profissional na sua plenitude.
A renda dos respondentes (Ln Renda) também se mostrou um fator explicativo das
Faltas Totais, Faltas Abonadas (na ausência da variável Previdência) e Faltas Injustificadas.
Nos três casos a significância foi de 1% e quanto maior a renda, menor a probabilidade das faltas.
Adicionalmente, o Gênero se mostrou significativo para Faltas Abonadas (na ausência da variável Previdência), para Faltas Injustificadas e para Punições. Os resultados foram no sentido de que, em comparação com as mulheres, os homens têm menor probabilidade de terem Faltas Abonadas e de sofrerem Punições, mas maior probabilidade de terem Faltas
Injustificadas.
Por fim, os dados também sugerem que funcionários com Nível Superior Completo possuem menor probabilidade de terem Faltas Abonadas e de sofrerem Punições, mas maior probabilidade de faltarem injustificadamente, enquanto que funcionários com maior tempo de empresa ou grupo econômico possuem maiores chances de terem Faltas Injustificadas e Faltas
Totais.
O presente trabalho contribui para a literatura através da análise dos efeitos do estresse financeiro, medindo-o sob uma ótica subjetiva, na qual são levados em consideração a percepção e os sentimentos da própria pessoa, ao invés de assumir que determinadas situações geram este ou aquele grau de estresse em todas as pessoas, indistintamente. Em o fazendo sob esta ótica, uma segunda contribuição foi a utilização da escala IFDFW no Brasil, permitindo a comparação de resultados com os estudos realizados no exterior. Uma terceira contribuição é a documentação de que também no Brasil o estresse financeiro individual afeta o comportamento no ambiente de trabalho, causando mais faltas.
Vemos como oportunidade de expansão ou aperfeiçoamento da nossa análise a inclusão da idade como variável explicativa, apesar de o tempo de grupo poder atuar, em determinados casos, como uma variável proxy, especialmente para aqueles que têm muitos anos de casa. Isto porque é de se inferir que à medida que os profissionais envelhecem, tendem a ter mais problemas de saúde e, consequentemente, faltem mais. Uma segunda oportunidade de aperfeiçoamento seria desenvolver uma metodologia que tivesse como variável dependente, além das faltas e punições, a mudança no comportamento no ambiente de trabalho, determinada a partir de uma avaliação 360 graus, isto é, a partir da percepção de superiores, pares e
subordinados do profissional avaliado. Uma terceira sugestão seria a realização de uma análise
cross-sectional da amostra, a fim de determinar os fatores comuns àqueles que são estressados
REFERÊNCIAS
American Psychological Association (2008). Stress in America. Acesso 27 de maio de 2017. Disponível em: https://www.apa.org/news/press/releases/2008/10/stress-in-america.pdf
American Psychological Association (2015). Stress in America™: Paying With Our Health. Stress in AmericaTM Survey. Acesso 21 de maio de 2017. Disponível em: https://www.apa.org/news/press/releases/stress/2014/stress-report.pdf
Butterworth, P.; Rodgers, B.; Windsor, T. (2009). Financial hardship, socio-economic
position and depression: Results from the PATH Through Life Survey. Social Science & Medicine, Vol. 69 (2), 229–237.
Chou, E. Y.; Bidhan L. P.; Galinsky, A. D. (2016). Economic insecurity Increases Physical
Pain. Psychological Science, vol. 27 (4), 443-454.
Courchane, M.; Zorn, P. (2005). Consumer literacy and creditworthiness. Acesso 21 de maio
de 2017. Disponível em
https://www.researchgate.net/profile/Marsha_Courchane/publication/5042561_Consumer_lite racy_and_creditworthiness/links/547dfd7f0cf241bf4b5b9c1b.pdf
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, vol. 16 (3), 297–334.
Diener, E.; Diener, M.; Diener, C. (1995). Factors predicting the subjective well-being of
nations. Journal of Personality and Social Psychology, vol. 69, 851-864.
Drentea, P.; Lavrakas, P. J. (2000). Over the limit: The association among health status,
race and debt. Social Science & Medicine, vol. 50, 517-529.
Eid Jr., W. (2009). Estresse Financeiro e Produtividade no Trabalho. Acessado em 27 de maio de 2017. Disponível em http://www.leticiacamargo.com.br/wp- content/uploads/2014/02/Estresse-Financeiro-e-Produtividade-no-Trabalho.pdf
Financial Finesse (2016). 2016 Financial Stress Research. Acesso em 21 de maio de 2017. Disponível em: http://www.financialfinesse.com/wp-content/uploads/2016/07/2016- Financial-Stress-Research-Report-Financial-Finesse.pdf
Freeman, C.; Carlson, J.; Sperry, L. (1993). Alderian marital therapy strategies with middle
income couples facing financial stress. American Journal of Family Therapy, vol. 21 (4),
324-332.
Garman, E. T.; Sorhaindo, B.; Bailey, W.; Kim, J.; Xiao, J. (2004). Financially distressed
credit counseling clients and the InCharge Financial Distress/Financial Well-Being Scale. Proceedings of the Eastern Regional Family Economics and Resource Management Association Conference, 71-81.
Gasiorowska, A. (2014). The relationship between objective and subjective wealth is
moderated by financial control and mediated by money anxiety. Journal of Economic Psychology, vol. 43, 64–74.
Harvard Mental Health Letter (2012). Why stress causes people to overeat. Harvard Mental Health Letter, 28(8), 6-6 1p. Acesso em 21 de maio de 2017. Disponível em:
http://www.health.harvard.edu/newsletter_article/why-stress-causes-people-to-overeat
Hendrix, W. J.; Steel, R. P.; Shultz, S. A. (1987). Job stress and life stress: their causes and
consequences. Journal of Social Behaviour and Personality, vol. 2 (3), 291-302.
Huczynski, A. A.; Fitzpatrick, M. J. (1989). Managing employee absence for a competitive
edge. London: Pittman.
International Foundation of Employee Benefit Plans (2016). Financial Education for Today’s
Workforce. Acessado em 23 de maio de 2017. Disponível em
http://www.ifebp.org/pdf/financial-education-2016-survey-results.pdf
Jacobson, B. H.; Aldana S.G.; Goetzel, R. Z.; Vardell, K. D.; Adams T. B.; Pietras, R. J. (1996).
The relationship between perceived stress and self-reported illness-related absenteeism. American Journal of Health Promotion, vol. 11 (1), 54-61.
Joo, S.; Garman, E. T. (1998). Personal financial wellness may be the missing factor in
understanding and reducing worker absenteeism. Personal Finances and Worker Productivity, Vol. 2 (2), 172-182.
Kernis, M. H.; Grannemann, B. D.; Mathis, L. C. (1991). Stability of self-esteem as a
moderator of the relation between level of self-esteem and depression. Journal of Personality and Social Psychology, vol. 61, 80-84.
Kim, J.; Garman, E. T. (2003). Financial stress and absenteeism: An empirically derived
model, Journal of Financial Counseling and Planning, vol. 14 (1), 31-42.
Kossman, S. (2016) Poll: Women lose more sleep over money worries than men. Creditcards.com. Acesso em 21 de maio de 2017. Disponível em
http://www.creditcards.com/credit-card-news/poll-women-more-sleepless-nights.php
Lockton Retirement Services (2016). Finding the Links Between Retirement, Stress, and
Health. Acessado em 23 de maio de 2017. Disponível em
http://www.lockton.com/whitepapers/Finding_the_Links_Between_Retirement__Stress__a nd_Health.pdf
McGregor, S.; Goldsmith, E. (1998). Expanding our understanding of quality of life,
standard of living, and well-being. Journal of Family and Consumer Sciences, vol. 90 (2),
2-6, 22.
Mills, R. J.; Grasmick, H. G.; Morgan, C. S.; Wenk, D. (1992). The Effects of gender, Family
Satisfaction, and Economic Strain on Psychological Well-Being. Family Relations, vol.
Nunnally, J. C.; Bernstein, I. H. (1994). Psychometric Theory, 3rd ed. New York: McGraw–
Hill.
Payoff (2016). New Payoff Study Finds Nearly 1 in 4 Americans and 1 in 3 Millennials
Suffer From PTSD-Like Symptoms Caused by Financially Induced Stress. Acessado
em 27 de maio de 2017. Disponível em
http://www.businesswire.com/news/home/20160420005504/en/Payoff-Study-Finds-1-4- Americans-
Peirce, R. S.; Michael R. F.; Russell, M.; Cooper, M. L. (1996). Financial stress, social
support, and alcohol involvement: a longitudinal test of the buffering hypothesis in a general population survey. Health Psychology, Vol 15(1), Jan 1996, 38-47.
Prawitz, A.D.; Garman, E.T.; Sorhaindo, B.; O’Neill, B.; Kim, J.; Drentea, P. (2006). InCharge
Financial Distress/Financial Well-Being Scale: Development, administration, and score interpretation. Financial Counseling and Planning, vol. 17, 34-50.
PriceWaterhouseCoopers (2017). Employee Financial Wellness Survey. Acessado em 23 de maio de 2017. Disponível em https://www.pwc.com/us/en/private-company- services/publications/assets/pwc-2017-employee-wellness-survey.pdf
Rochman, R.; Eid Jr., W. (2013). Saia do vermelho e fique bem com seu orçamento. Acessado em 27 de junho de 2017. Disponível em http://exame.abril.com.br/carreira/saia- do-vermelho-e-fique-bem-com-seu-orcamento
Siahpush, M.; Carlin, J. B. (2006). Financial stress, smoking cessation and relapse: results
from a prospective study of an Australian national sample. Addiction, 101: 121–127.
doi:10.1111/j.1360-0443.2005.01292.x
Society for Human Resource Management (2014). SHRM/McGraw-Hill Federal Credit
Union: Financial Wellness in the Workplace. Acessado em 23 de maio de 2017.
Disponível em https://www.shrm.org/hr-today/trends-and-forecasting/research-and- surveys/Pages/2014-financial-wellness.aspx
Tang, T.L.P.; Luna-Arocas R.; Sutarso T.; Tang D.S.H. (2004). Does the love of money
moderate and mediate the income-pay satisfaction relationship? Journal of Managerial Psychology, vol. 19(2), 111-135.