H0e: O EBEI não provê informação incremental em adição à informação
constante no CFO, para a explicação da variação nos retornos das ações. H1e: O EBEI provê informação incremental em adição à informação constante no CFO, para a explicação da variação nos retornos das ações. H0f: O NOPAT não provê informação incremental em adição à informação
constante no EBEI e no CFO, para a explicação da variação nos retornos H1f: O NOPAT provê informação incremental em adição à informação constante no EBEI e no CFO, para a explicação da variação nos retornos H0g: O RI não provê informação incremental em adição à informação constante no NOPAT, no EBEI e no CFO, para a explicação da variação nos retornos das ações.
H1g: O RI provê informação incremental em adição à informação constante
no NOPAT, no EBEI e no CFO, para a explicação da variação nos retornos das ações.
H0h: O EVA não provê informação incremental em adição à informação constante no RI, no NOPAT, no EBEI e no CFO, para a explicação da variação nos retornos das ações.
H1h: O EVA provê informação incremental em adição à informação constante no RI, no NOPAT, no EBEI e no CFO, para a explicação da variação nos retornos das ações.
Destaca-se que as hipóteses de H0a a H1d visam testar o conteúdo relativo da
informação de cada variável analisada, conforme a respectiva abordagem (CHEN; DODD, 2001; BIDDLE, BOWEN; WALLACE, 1997); enquanto que as hipóteses de H0e a H1h visam
testar o conteúdo incremental da informação de cada variável analisada, conforme a respectiva abordagem (CHEN; DODD, 2001; BIDDLE, BOWEN; WALLACE, 1997).
4.6 Definição das Variáveis
As variáveis utilizadas nos testes empíricos são definidas abaixo:
RET = Retorno Anual por Ação, ajustado por proventos.
CFO = Fluxo de Caixa Líquido Proveniente das Operações, por ação.
∆CFO = Variação no Fluxo de Caixa Líquido Proveniente das Operações, por ação.
EBEI = Lucro Antes de Itens Extraordinários, por ação.
∆EBEI = Variação no Lucro Antes de Itens Extraordinários, por ação.
NOPAT = Lucro Operacional Líquido Após o Imposto de Renda, por ação.
∆NOPAT = Variação no Lucro Operacional Líquido Após o Imposto de Renda, por ação.
RI = Lucro Residual por Ação.
∆RI = Variação no Lucro Residual por Ação.
EVA = Valor Econômico Agregado, por ação.
∆EVA = Variação no Valor Econômico Agregado, por ação.
EBEICFO = Diferença entre o Lucro Antes de Itens Extraordinários por ação e o
Fluxo de Caixa Líquido Proveniente das Operações por ação.
∆EBEICFO = Diferença entre a Variação no Lucro Antes de Itens Extraordinários por ação e variação no Fluxo de Caixa Líquido Proveniente das Operações por ação.
NOPATEBEI = Diferença entre o Lucro Operacional Líquido Após o Imposto de
∆NOPATEBEI = Diferença entre a Variação no Lucro Operacional Líquido Após o Imposto de Renda por ação e a Variação no Lucro Antes de Itens Extraordinários por ação.
RINOPAT = Diferença o Lucro Residual por Ação e o Lucro Operacional
Líquido Após o Imposto de Renda por ação.
∆RINOPAT = Diferença entre a Variação no Lucro Residual por Ação e a Variação no Lucro Operacional Líquido Após o Imposto de Renda por ação.
EVARI = Diferença entre o Valor Econômico Agregado por ação e o Lucro
Residual por Ação.
∆EVARI = Diferença entre a Variação no Valor Econômico Agregado por ação e a Variação no Lucro Residual por Ação.
P = Preço da ação.
4.7 Modelos de regressão para o teste das hipóteses
Para os testes das hipóteses apresentadas, serão utilizados os modelos de regressão apresentados a seguir.
Destaca-se que, inicialmente, será utilizada a modelagem clássica dos mínimos quadrados ordinários, que supõe que cada “e” (termo de perturbação aleatória) se distribua normalmente, com (GUJARATI, 2000):
E(ei) = 0 var (ei) = σ2 cov (ei, ej) = 0
Onde ei, ej são os termos perturbação aleatória de duas observações distintas.
ei ~ N (0, σ2).
Além disso, deve-se considerar, ainda, hipóteses adicionais referentes ao modelo clássico de regressão linear, as quais são:
cov (ei, Xi)=cov (ei, X2i) = 0
Ausência de multicolinearidade exata entre as variáveis explicativas (Xi.e X2i).
Caso estas condições não sejam atendidas, procedimentos estatísticos adicionais deverão ser realizados para a correção da multicolinearidade, heterocedasticidade, ou autocorrelação dos resíduos.
Além da modelagem clássica dos mínimos quadrados ordinários, será utilizada a modelagem em panel data (dados em painel). Esta modelagem permite a análise combinada séries temporais com dados em corte transversal, ou seja, permite a análise de diversas variáveis de um determinado número de observações (corte transversal) para diferentes períodos de tempo (séries temporais). Além disso, esta modelagem permite a análise do impacto de cada membro (ou empresa, no presente trabalho) nas regressões, possibilitando fazer inferências sobre os mesmos (GREENE, 2000; HILL; GRIFFITHS; JUDGE, 2003).
Ressalta-se que serão efetuadas as análises dos resultados das regressões para todos os modelos e modelagens selecionados, visando identificar os níveis de significância de cada variável independente com a sua variável dependente em seus respectivos modelos por meio do teste t. Além disso, estas análises visam identificar em quais modelos há relação significativa entre as variáveis independentes e a variável dependente, por meio da análise conjunta dos resultados dos testes t dessas variáveis independentes.
4.7.1 Efeitos fixos e efeitos aleatórios
Caso seja considerado que o intercepto de cada empresa será constante ao longo de todo o período analisado, utilizar-se-á modelos em panel data de efeitos fixos. Contudo, caso seja considerado que os interceptos são extrações aleatórias da distribuição populacional de intercepto de todas as empresas (a população das empresas), utilizar-se-á modelos em
panel data de efeitos aleatórios (GREENE, 2000; HILL; GRIFFITHS; JUDGE, 2003).
Em virtude de a amostra representar todas as empresas não financeiras e não pertencentes a setores econômicos regulamentados, com informações disponíveis para análise das medidas de performance (vide a seção de caracterização da amostra) e, portanto, ter um alto grau de representatividade, optou-se pele análise dos modelos em panel data de efeitos fixos.
4.7.2 Análise das hipóteses referentes ao conteúdo relativo
das informações
Na Figura 6, são apresentados os modelos de regressão referentes às hipóteses para a análise do conteúdo relativo das informações das medidas de performance selecionadas: