Modelos empíricos

Seguindo a metodologia usada em Grabowski e Vernon (1992) e Hudson (2000), foram estimados três modelos com o objetivo de identificar os fatores determinantes: da probabilidade de haver entrada de genérico(s) (modelo 1); do número de genéricos comercializados (modelo 2); e da QM dos genéricos no mercado português, expiradas as patentes dos MR. (modelo 3).

Para cada um dos três modelos foi testada uma especificação que incluía as variáveis grupo e subgrupo terapêutico. Contudo, estas variáveis revelaram-se estatisticamente não significativas, e a qualidade do ajustamento dos modelos diminuiu consideravelmente, pois a amostra não é suficientemente grande para estas variáveis poderem ser testadas com sucesso. Usaram-se, então, as especificações que a seguir se apresentam. As especificações dos modelos e as variáveis a incluir seguem a literatura.

Modelo 1:

𝑮𝑬𝑵É𝑹𝑰𝑪𝑶𝒊= ∝ + 𝜷𝟏𝑷𝑹𝑬Ç𝑶𝑴𝑹𝒊+ 𝜷𝟐𝑰𝑫𝑨𝑫𝑬𝑴𝑹𝒊+ 𝜷𝟑𝑽𝑬𝑵𝑫𝑨𝑺𝑴𝑹𝒊+

𝜷𝟒𝑪𝑹Ó𝑵𝑰𝑪𝑨𝒊+ 𝜺𝒊,

onde GENÉRICO é uma variável binária que toma o valor de 1 se houver lugar à entrada de genérico ou 0, caso não tenha ocorrido a entrada de genérico; PREÇOMR é o preço dos MR no ano anterior à entrada dos genéricos; IDADEMR é a idade dos MR medida pelo número de anos entre a data de AIM e o ano anterior à entrada de genéricos

47 (inclusive); VENDASMR representa as vendas em volume dos MR no ano anterior à entrada dos concorrentes genéricos; CRÓNICA é uma variável binária que toma o lugar de 1 se o medicamento trata doença crónica ou 0, caso não trate doença crónica, e representa o termo de erro.

Segundo a literatura (Hudson (2000)) são esperados coeficientes com sinais positivos para as variáveis “preçomr” e “vendasmr”, pois a probabilidade de haver entrada de genéricos deverá ser maior para os casos em que os MR apresentem receitas e preços de vendas mais elevados, de modo a atraírem genéricos para o mercado. Já em relação à variável “idademr”, o mais esperado é um sinal negativo, uma vez que com o passar dos anos entre a data da AIM do MR e a data da entrada do primeiro genérico, deverá existir uma menor probabilidade de um ou mais genéricos penetrarem no mercado. Por fim, conforme Bae (1997) e Scott-Morton (2000) é esperado um coeficiente com sinal positivo para a variável “crónica”, uma vez que os medicamentos que tratam doenças crónicas são consumidos com grande regularidade, e portanto é expectável que haja uma maior probabilidade de entrarem genéricos, pois o mercado é mais atractivo e os consumidores deverão ser mais sensíveis ao preço. De salientar que, por falta de dados disponibilizados relativamente às datas concretas da expiração das patentes para todos os MR da amostra, foi escolhida como aproximação a essa data o ano anterior à entrada dos MG para cada marca.

Modelo 2:

𝑵Ú𝑴𝑬𝑹𝑶𝒊 = ∝ + 𝜷𝟏𝑷𝑹𝑬Ç𝑶𝑴𝑹𝒊+ 𝜷𝟐𝑰𝑫𝑨𝑫𝑬𝑴𝑹𝒊+ 𝜷𝟑𝑽𝑬𝑵𝑫𝑨𝑺𝑴𝑹𝒊+ 𝜷𝟒𝑪𝑹Ó𝑵𝑰𝑪𝑨𝒊+

𝜺𝒊,

onde NÚMERO traduz o número de genéricos atualmente comercializados no mercado para cada MR; PREÇOMR, IDADEMR, VENDASMR e CRÓNICA são as mesmas variáveis utilizadas no modelo anterior. Para estimar este modelo só foram consideradas as SA com genérico comercializado.

Relativamente às variáveis independentes “preçomr” e “vendasmr”, espera-se que os coeficientes estimados apresentem também um coeficiente positivo, visto que, e tendo em conta a literatura estudada (Grabowski e Vernon (1992), entre outros), altas receitas atraem a entrada de mais concorrentes genéricos. Em mercados regulados,

48 como acontece em Portugal, preços elevados são mais atrativos para a concorrência, uma vez que geram receitas maiores e o preço máximo praticado pelos genéricos é calculado em função do PVP do MR, o que pode também permitir aos produtores de MG praticar preços de vendas mais elevados, mas ao mesmo tempo inferiores aos do MR. No caso da variável “idademr” é expectável um coeficiente com sinal negativo, visto que um maior número de anos entre a AIM do MR e a entrada do primeiro genérico pode refletir uma certa dificuldade dos genéricos penetrarem no mercado desse MR. Assim, o MR pode aproveitar esse período para sustentar a notoriedade da marca perante os consumidores e marcar uma posição no mercado, e como tal, dissuadir a entrada de alguns novos concorrentes, nomeadamente em MR que pratiquem PVP apenas um pouco mais altos relativamente aos seus substitutos. No que diz respeito à variável “crónica” é expectável um sinal do coeficiente positivo, visto que a medicamentos que tratam este tipo de doenças estão associados mercados com grandes volumes de vendas, o que incentiva a entrada de mais produtores de genéricos no mercado.

Modelo 3:

𝑸𝑼𝑶𝑻𝑨𝒊= ∝ + 𝜷𝟏𝒍𝒏𝑽𝑬𝑵𝑫𝑨𝑺𝑻𝑶𝑻𝑨𝑰𝑺𝒊+ 𝜷𝟐𝑵Ú𝑴𝑬𝑹𝑶𝒊+ 𝜷𝟑𝑵𝑼𝑴𝑨𝑷𝑹𝑬𝑺𝑬𝑵𝑻𝒊+

𝜷𝟒𝑫𝑰𝑭𝑷𝑹𝑬Ç𝑶𝒊+ 𝜷𝟓𝑰𝑫𝑨𝑫𝑬𝑮𝑬𝑵É𝑹𝑰𝑪𝑶𝒊+ 𝜷𝟔𝑪𝑹Ó𝑵𝑰𝑪𝑨𝒊+ 𝜺𝒊,

onde QUOTA representa a QM dos MG em volume, LNVENDASTOTAIS são a soma das vendas em número de embalagens dos MR e MG no ano de entrada destes; NÚMERO representa o número de genéricos comercializados atualmente no mercado para cada MR; NUMAPRESENT representa a soma do número de formulações e dosagens para cada MR; DIFPREÇO é a diferença entre os PVP praticados pelos MR e respetivos genéricos no ano de entrada destes; IDADEGENÉRICO representa o número de anos a que os MG estão a ser comercializados no mercado; e por último a variável CRÓNICA é a mesma utilizada nos modelos anteriores. À semelhança do modelo 2, também só foram incluídas as SA com genérico comercializado para estimar este modelo.

De acordo com a literatura (Grabowski e Vernon (1992) e Magazzini et al. (2004)), espera-se que os coeficientes das variáveis “lnvendastotais” e “difpreço” apresentem sinal positivo, uma vez que a penetração dos genéricos deverá ser maior nos casos em que a dimensão do mercado total é mais elevada, ou seja com um maior volume de

49 vendas, tanto da parte do MR como dos seus respetivos genéricos em conjunto. Também de acordo com os resultados prévios na literatura, é expectável que uma maior diferença de preços praticados entre o MR e os genéricos conduza a uma maior penetração destes, visto que os consumidores perante uma diferença de preços muito grande tendem a optar pelos genéricos, que são vendidos a preços bastante inferiores.

Também é esperado que as variáveis “número” e “idadegenérico” apresentem um coeficiente com sinal positivo, visto que é expectável que a um maior número de concorrentes genéricos comercializados no mercado para cada MR esteja associada uma maior QM em volume para estes medicamentos. Em relação à variável “idadegenérico” é esperado que com o aumento do número de anos a que os genéricos estão a ser comercializados no mercado seja mais fácil para estes conseguirem obter melhores resultados em termos de percentagens de QM. Relativamente à variável “numapresent” é expectável que esta tenha uma relação negativa com a variável dependente, porque conforme a literatura (Ellison e Ellison (2011)), é mais difícil para os produtores de genéricos conseguirem replicar uma linha de produção maior e, como tal, torna-se mais difícil registarem maiores QM em volume. Por fim, é esperado que o coeficiente da variável “crónica” apresente um sinal positivo, pois deverá ser mais fácil penetrar num mercado onde os produtores de genéricos possam vendar os seus medicamentos regularmente e a um preço inferior à respetiva marca, permitindo obter crescentes QM.

Com o objetivo de detetar possíveis problemas de colinearidade entre as variáveis explicativas, é apresentada, na tabela 5, a matriz de correlação entre as variáveis utilizadas.

50

Tabela 5 – Matriz de correlação entre as variáveis utilizadas nos modelos

Genérico Número Quota Vendasmr Preçomr Idademr Numapresent Difpreço Idadegenérico Vendastotais Crónica

Genérico 1 Número — 1 Quota — 0.717* 1 Vendasmr 0.390* 0.112 -0.156 1 Preçomr 0.067 0.595* 0.656* -0.177 1 Idademr -0.566* -0.345* -0.505* -0.283 -0.285 1 Numapresent — -0.028 -0.309 -0.046 -0.217 0.205 1 Difpreço — 0.543* 0.573* -0.168 0.892* -0.303 -0.236 1 Idadegenérico — 0.213 0.470* -0.139 0.053 -0.037 -0.040 -0.188 1 Vendastotais — 0.114 -0.146 0.985* -0.284 -0.076 0.033 -0.213 -0.084 1 Crónica 0.131 -0.018 0.114 -0.072 0.294* -0.161 -0.344* 0.411* -0.047 -0.236 1 Nota: * significativo a 5%

51 A tabela 5 mostra que, para as SA que têm genérico comercializado, a correlação entre a QM e o número de genéricos é positiva e significativa. Por sua vez, a idade dos MR apresenta uma relação negativa e também significativa com as três variáveis dependentes, como era esperado. Também o número de apresentações, como se esperava, apresenta uma correlação negativa com a QM, embora não significativa.

Em relação às vendas dos MR, estas apresentam-se, como esperado, com uma correlação positiva com a probabilidade de haver genérico(s) e com o número destes, contudo, apenas é significativa com a probabilidade de haver genérico(s).

Como expectável, o preço dos MR apresenta uma correlação positiva com as variáveis dependentes, no entanto apenas significativa para o número de genéricos e a sua QM. Também a diferença de preços que existe entre genéricos e os respetivos MR apresenta, como esperado, uma relação positiva e significativa com as variáveis dependentes número de genéricos e QM. Já a idade dos genéricos apresenta uma correlação positiva com estas variáveis dependentes, contudo, mostra-se apenas significativa em relação à QM.

Por fim, a variável crónica apresenta uma correlação positiva com a probabilidade de haver genérico(s) e com a QM, mas negativa com o número de genéricos. Porém, a variável mostra-se estatisticamente não significativa para as três variáveis dependentes.

52