Testes Preliminares de Estacionariedade e Multicolinearidade nas Séries

Para a realização das regressões, com o objetivo de se corroborar ou não das hipóteses

descritas no Capítulo 2, tornam-se necessários alguns testes preliminares, para que as

conclusões do estudo não sejam indevidas (apresente resultados espúrios).

Os dados utilizados para testar as hipóteses são dados em painel (panel data), por se

tratar da combinação de dados com corte transversal (cross sectional - 130 empresas) com

séries temporais (times series - 14 períodos), totalizando 1820 observações. Portanto, é

necessário que sejam feitos os testes com o objetivo de verificar os problemas subjacentes às

Como pré-condição ao estudo, torna-se necessário verificar se os dados são robustos,

ou seja, se não há a presença de raiz unitária e de multicolinearidade, que tornam as

regressões espúrias. Segundo Gujarati (2006, p.633), as regressões espúrias são quando,

aparentemente, os resultados parecem ter uma relação significativa entre si, mas na verdade

essa relação não existe, “não fazem nenhum sentido”.

Para verificar a estacionariedade das séries (existência de raízes unitárias nas séries)

realizaram-se três testes com o objetivo de obter maior segurança na conclusão dos resultados:

Im, Pesaran e Shin (I.P.S.), ADF-Fisher e PPFisher. Os resultados desses testes estão

apresentados na Tabela 4.8:

Tabela 4.8 – Resultados dos testes I.P.S., ADF-Fisher e PP-Fisher para raízes unitárias Estatística p-valor Estatística p-valor Estatística p-valor

FLESCH -5,14656 0,0000 199,062 0,0001 156,487 0,0000 PAL -0,27276 0,3925 172,155 0,0028 133,456 0,0000 GRAF -24,1118 0,0000 184,459 0,0001 81,8737 0,0002 AP -9,3154 0,0000 229,18 0,0000 240,154 0,0000 DN -10,493 0,0000 228,448 0,0000 274,584 0,0000 CE -9,4867 0,0000 261,75 0,0000 126,253 0,0000 RA -10,6735 0,0000 356,09 0,0000 337,973 0,0000 DES -10,4284 0,0000 312,698 0,0000 225,296 0,0000 AUD -1,05598 0,0005 109,211 0,0000 85,4049 0,0000 INV -11,7007 0,0000 349,868 0,0000 201,434 0,0000 DIV -8,05219 0,0000 291,948 0,0000 160,411 0,0000 CAP -8,88492 0,0000 184,042 0,0000 136,291 0,0000 END -7,45175 0,0000 201,472 0,0000 149,307 0,0000 PERSP -10,4404 0,0000 216,928 0,0000 290,919 0,0000 GC -4,99353 0,0000 100,969 0,0000 78,4844 0,0020 OI -9,57442 0,0000 214,956 0,0000 157,577 0,0000 DIVERS -6,98881 0,0000 206,703 0,0000 191,467 0,0000 CM 20,7208 1,0000 0,25248 1,0000 0,96885 1,0000 PIB -13,4526 0,0000 183,624 0,0000 350,842 0,0000 INFL -8,04889 0,0000 239,41 0,0000 122,557 0,0000 CAMB -16,1699 0,0000 510,354 0,0000 360,696 0,0000 EBMX -14,3566 0,0000 310,879 0,0000 424,541 0,0000 LIQ -207,856 0,0000 226,865 0,0000 136,032 0,0000 ATIVO 4,73451 1,0000 97,6203 0,9789 97,1125 0,2375 CAPPR 1,59858 0,0005 217,219 0,0003 167,848 0,0000 ECP -9,60759 0,0000 284,51 0,0000 114,441 0,0001 ROE -12,5923 0,0000 367,389 0,0000 261,051 0,0000 ML -8,64361 0,0000 222,032 0,0000 311,877 0,0000 GA -8,89597 0,0000 123,167 0,0323 154,043 0,0074 Independentes

Teste I.P.F. Teste ADF-Fischer Teste PP-Fischer Variáveis

Como os testes verificam a hipótese nula de que não há raiz unitária nas séries, pode-

se observar nos resultados do p-valor das variáveis dependentes que todas, com exceção da

variável PAL, foram inferiores a 0,05, concluindo-se pela rejeição da hipótese nula da

existência de raízes unitárias nos três testes. Como para a variável PAL, a hipótese nula foi

rejeitada em dois, dos três testes realizados, concluiu-se, portanto, pela rejeição da hipótese de

que não há raiz unitária (DANTAS, 2012, p. 88). Para as variáveis independentes, observa-se

que as estatísticas dos testes não permitem rejeitar a hipótese nula de que existe raiz unitária

para as variáveis ATIVO e CM. Conforme aponta a literatura, era de se esperar que a variável

ATIVO (logaritmo natural do ativo) apresentasse raiz unitária (BROOKS, 2002, p. 376;

GUJARATI, 2006, p. 640). Já para a variável CM, admitir a presença de raiz unitária na série

seria admitir que a bolsa de valores brasileira, em relação às demais bolsas, crescesse contínua

e indefinidamente, o que não parece razoável. Esse resultado pode ter sido apurado por se

tratar de um período pequeno de tempo (14 anos), período este em que a bolsa brasileira

apresentou um processo de relativa expansão, o que não se pode assegurar que continuará

acontecendo nos períodos futuros (reversão à média). Além disso, o risco de regressões

espúrias pode ser eliminado em virtude de as variáveis dependentes e demais variáveis

independentes não apresentarem raízes unitárias (DANTAS; MEDEIROS; PAULO, 2011).

Outra pré-condição ao estudo é verificar se as variáveis não são correlacionadas entre

si, o que também poderia distorcer os valores estimados (BROOKS, 2002). O teste estatístico

que analisa a presença de multicolinearidade é o Fator de Inflação da Variância (FIV) entre as

variáveis independentes, “que mostra como a variância de um estimador é inflada pela

presença da multicolinearidade” (GUJARATI, 2006, p.283). A Tabela 4.10 apresenta os Fatores de Inflação da Variância (FIV), apurados com base nas regressões auxiliares entre

Tabela 4.9 – Resultados do teste de multicolienaridade (FIV)

j -ésima variável R2 regressão auxiliar FIVj

CM 0,853132 6,8088 PIB 0,573835 2,3465 INFL 0,492098 1,9689 CAMB 0,813431 5,3599 EBMX 0,750602 4,0097 LIQ 0,006616 1,0067 ATIVO 0,085925 1,0940 CAPPR 0,464656 1,8680 ECP 0,206303 1,2599 ROE 0,024217 1,0248 ML 0,37531 1,6008 GA 0,030682 1,0317 T1 0,740089 3,8475 T3 0,819016 5,5254

Pela análise da Tabela 4.10 e em observância à regra sugerida por Gujarati (2006), de

que os resultados do FIV não devem ser maiores que 10 (o que representaria problemas sérios

de multicolinearidade), pode-se concluir que as variáveis independentes não apresentaram

esse problema.

4.3.2 Testes Estatísticos de Robustez

Com o objetivo de verificar a existência de efeitos individuais, usa-se o teste de Chow,

que é realizado para justificar o uso de dados em painel. O teste de Chow é sugerido por

Marques (2000) e por Baltagi (2008) e é semelhante ao teste de quebra estrutural. A hipótese

nula verifica se os resultados desconsideram a heterogeneidade individual, o que torna

inadequada a utilização dos dados em painel.

Os resultados dos testes, confrontados com a distribuição F1% (2,04) e F5% (1,67),

apontaram para a rejeição da hipótese nula, de que os melhores resultados deveriam

desconsiderar a heterogeneidade individual, justificando, portanto, a utilização dos dados em

Ainda, é importante verificar qual o método de dados em painel (efeitos fixos ou

efeitos aleatórios) melhor se aplica ao estudo e que, portanto, deve ser utilizado. Para isso,

realizou-se o teste de Hausman, que testa a hipótese nula de que os estimadores dos modelos

de efeitos fixos não são diferentes dos de efeitos aleatórios.

Os resultados do teste concluem pela rejeição da hipótese nula de que os estimadores

diferem substancialmente para modelos 4 e 5 (rodados conjuntamente), para as seguintes

variáveis dependentes (assuntos): descrição dos negócios, conjuntura econômica, reforma da

administração, investimentos, capital, endividamento e governança corporativa; e para os

modelos 6 e 7 (Apêndice C). Dessa forma, como para alguns modelos não é possível usar o

método com efeitos aleatórios, todos foram rodados com efeitos fixos, para guardar

similaridade entre eles.