METODOLOGIA

3.4.1. Estudo estatístico

Para estudar as hipóteses aqui levantadas, recorreu-se à análise de

regressão e correlação que compreende a análise de dados amostrais para saber

em que medida duas ou mais variáveis estão relacionadas uma com a outra

numa população.

O modelo de regressão é um dos métodos estatísticos mais utilizados

para verificar a relação entre variáveis. A análise de regressão observa a relação

entre uma variável designada por variável dependente e outra(s) variável(is)

chamada(s) variável(is) independente(s).

Para testar a hipótese 1, referente à informação explicativa do EVA®

relativamente ao valor de mercado dos capitais próprios e o facto de ela ser

89

Modelo 1

Y’i,t = ß0 + ß1 Xi,t + µi,t (19)

onde,

Y’ i,t valor de mercado das acções ordinárias e das acções preferenciais da empresa i (VMCPi), no final do período t

X i,t RO, RL ou EVA® da empresa i, no final do ano t

ß _{0 efeitos individuais específicos a cada unidade seccional} ß _{1 coeficiente associado à variável explicativa}

µi,t termo de perturbação aleatório

Para testar a hipótese 2, referente à relação contemporânea existente

entre o MVA® _{(variável dependente) e os RO, os RL e/ou o EVA}®_{, utilizou-se o}

modelo que a seguir se apresenta.

Modelo 2

Y’’i,t = ß0 + ß1 Xi,t + µi,t (20)

onde,

Y’’ i,t MVA® da empresa i, no final do período t X i,t RO, RL ou EVA® da empresa i, no final do ano t

ß _{0 efeitos individuais específicos a cada unidade seccional} ß _{1 coeficiente associado à variável explicativa}

90

Em ambos os modelos, os dois primeiros termos do 2º membro das

equações, ß0 + ß1 Xi,t, correspondem à componente determinística que também

pode ser designada como componente explicativa do modelo. Depois de

conhecidos os valores dos parâmetros, este conjunto constitui o preditor linear

do modelo.

Cada uma das equações apresentadas é designada por modelo de

regressão linear. MAROCO (2007) refere que variável Y (neste caso, Y’ e Y’’) é

chamada de variável dependente ou variável resposta, e a variável X é chamada de

variável independente, variável explicativa, ou ainda variável preditora. Dado que

estas equações incluem mais que uma variável explicativa, os modelos podem

ser denominados por modelos de regressão linear múltipla.

Foi realizado um teste de significância para determinar se os valores

observados em cada estatística diferem suficientemente do valor hipotético

parametrizado para levar à conclusão de que o valor hipotético do parâmetro

não é verdadeiro. O valor hipotético do parâmetro é designado por hipótese nula

(H0). O teste de significância passa por calcular a probabilidade de se obter uma

estatística tão diferente ou mais diferente da hipótese nula (tomando a hipótese

nula como correcta) do que a estatística obtida nas amostras. Se esta

probabilidade for suficientemente baixa, então a diferença entre o parâmetro e a

91

nível de significância assume-se como o critério utilizado para rejeitar a

hipótese nula. Para se realizar o teste calculou-se primeiro a diferença entre os

resultados saídos dos modelos e da hipótese nula. Depois, assumindo que a

hipótese nula é verdadeira, foi calculada a probabilidade de ocorrer uma

diferença igual ou superior. Por último, a probabilidade foi comparada com o

nível de significância.

Ainda o mesmo autor afirma que se a probabilidade encontrada for

menor ou igual ao nível de significância, então a hipótese nula é rejeitada e o

resultado possui significância estatística. Normalmente são utilizados valores

de 0.05 (nível de 5%) ou valores de 0.01 (nível de 1%), sendo a escolha do nível

muito subjectiva. Note-se porém que quanto mais baixo for o nível de

significância, mais os dados divergem da hipótese nula para serem

significantes. Para testar o nível de significância recorreu-se ao teste F.

3.4.2. Estudo de caso

YIN (1994) refere-se ao estudo de caso como um plano de investigação

que se baseia no estudo pormenorizado de uma entidade especificamente

definida: o caso. É a estratégia de investigação que mais se adequa quando se

pretendem estudar acontecimentos contemporâneos acerca dos quais o

92

O mesmo autor continua, dizendo que em qualquer tipo de investigação

com carácter científico é necessário definir critérios que permitam aferir a sua

credibilidade. Apesar de ser um conceito genérico, a credibilidade deve ter por

base três critérios fundamentais que permitam identificar se um trabalho de

investigação tem ou não qualidade (critérios esses que devem igualmente

marcar presença nos estudos de caso). Nomeadamente:

- A validade externa do estudo ou a possibilidade de generalização dos resultados obtidos;

- A fiabilidade e a replicabilidade do processo de recolha e análise de dados;

- O rigor ou validade interna das conclusões a que conduz (inferências lógicas), quando se trata de estudos de caso de tipo explicativo.

A escolha do Grupo Mota Engil, SGPS, SA para empresa de referência

neste estudo de caso ocorreu tendo por base um conjunto de pressupostos.

Esses pressupostos exigiam que a empresa escolhida:

- fosse cotada na Euronext Lisbon e pertencente ao índice PSI20;

- demonstrasse uma confirmada abertura às questões da gestão baseada no valor;

93

- fosse líder de mercado ou assumisse uma posição de destaque na principal actividade desenvolvida.

Para o efeito, foram recolhidos todos os documentos de Relatório e

Contas consolidados do Grupo, para os anos 2005, 2006, 2007, 2008 e 2009.

Foram igualmente conseguidos junto da agência financeira Bloomberg, através

de acesso preferencial, dados relevantes da performance do Grupo no mercado

de capitais nos 5 anos de referência do estudo. Foram ainda utilizadas algumas

informações retiradas de publicações oficiais do Banco de Portugal.

Com os dados recolhidos, foi possível isolar as variáveis de partida,

efectuar os devidos e necessários ajustamentos, calcular o custo médio

ponderado do capital e apurar as variáveis a usar no estudo estatístico. A saber:

- variáveis independentes: RO, RL e EVA®;

94