Tipos de Relacionamentos

Para análise das decisões de fronteira e eventual escolha pela terceirização, Dyer (2000) expõe a importância em efetuar o trade-off entre o benefício da redução de custos – derivado da maior produtividade e economia de escopo/escala - e o maior custo de transação. Em linha, Parkhe (1993) denota que especificidade de ativos e competência principal da firma estão positivamente relacionadas com integração vertical e maior produtividade nos processos.

Corroborando os autores, a especificidade dos ativos é um dos aspectos relevantes na teoria dos custos de transação e no presente estudo, devido à impossibilidade do uso da terra para outros fins até o término do ciclo (plantio e colheita de madeira). Para Besanko (2012), um ativo específico de relacionamento é um investimento feito para apoiar uma determinada transação, dessa forma, investimentos de terceiros em grandes áreas e/ou em fazendas com preço da terra elevado, denotam em maiores custos de transação entre as partes, devido tais ativos não poderem ser reutilizados em outra atividade sem que incorra em impactos na produtividade ou no custo para adaptá-lo a nova transação.

Outro componente relevante da teoria é a frequência do relacionamento. Para Hennart (1992), a frequência na interação tem um efeito positivo sobre a cooperação, por levar os participantes a colaborar no instante inicial para obter igual recíproca em situações futuras. O mesmo autor expõe que as interações relevantes

são aquelas em que surgem oportunidades concretas de cooperação ou deserção. Dessa forma, é esperada maior produtividade em modelos para suprimento de madeira mais próximos da integração vertical devido maior frequência na interação.

Além disso, outro objetivo das hipóteses a serem levantadas é testar se os resultados acadêmicos relacionados à teoria dos custos de transação e aos elementos que se relacionam com esse pressuposto - a especificidade de ativos e a frequência do relacionamento - têm resultados significantes quando aplicados a cada modelo adotado pela empresa alvo do estudo, e, assim, determinar se houve a aplicação de uma estratégia fundamentada. Dessa forma, é esperado que os resultados de determinadas características das fazendas expliquem, ao menos parcialmente, a escolha dos modelos em questão.

Portanto:

H2: Quanto maior o custo de transação, maior a proximidade no relacionamento entre empresas. Neste caso se espera que a empresa adote relacionamentos mais próximos quanto maior o custo de transação.

H2a: Fazendas mais caras (expressas em preço da terra/hectare), estão positivamente relacionadas à escolha de tipos de relacionamentos em direção à integração vertical (mais próximos).

H2b: Fazendas com maior área total estão positivamente relacionadas à escolha de tipos de relacionamentos em direção à integração vertical (mais próximos).

H2c: Fazendas mais distantes em relação à fábrica, por possuírem uma menor frequencia no relacionamento devido maiores custos na gestão e controle, estão positivamente relacionadas à escolha de tipos de relacionamentos em direção a operações baseadas no mercado (mais distantes).

H2d: Fazendas com maior irregularidade no relevo (áreas com aclives e regiões montanhosas), por possuírem maior complexidade na gestão e controle nas etapas que envolvem o ciclo de madeira, estão positivamente relacionadas à escolha de tipos de relacionamentos em direção a operações baseadas no mercado (mais distantes).

Figura 06 – Custos de Transação, Tipos de Relacionamento e Produtividade

4. METODOLOGIA

Para responder ao objetivo do estudo, será utilizada como modelo estatístico, a Regressão Linear Múltipla via Modelo de Equações Simultâneas para comparação da produtividade e ressaltar as principais diferenças em cada modelo de florestas adotado pela empresa-alvo. O Modelo de Regressões Simultâneas e a MANOVA será a técnica aplicada para responder se há maior produtividade em fazendas mais integradas verticalmente (primeira hipótese) e se as características das fazendas resultaram na escolha de determinados modelos (segunda hipótese)

No presente estudo serão consideradas florestas próprias (terra própria), aquelas em que a propriedade da terra e as ações de todas as etapas do ciclo da madeira (desenvolvimento/compra de mudas até a colheita da madeira) são efetuadas pela empresa produtora de celulose. Já os demais tipos de relacionamento, a propriedade da terra é de responsabilidade de um terceiro e as atividades que compreendem o ciclo da madeira variam a cada tipo.

Para avaliar as hipóteses, foram obtidas as produtividades (real e esperada), custos, encargos e demais características de 756 fazendas no ano de 2013, utilizadas para suprimento de madeira nas unidades fabris. A fonte de informações foi o departamento florestal da empresa Zeta.

Para melhor análise foram obtidas informações de 210 fazendas ligadas à unidade Três Lagoas-MS e 546 com a produção direcionada para a fábrica localizada no município de Jacareí-SP do ano de 2013. Dessa forma, foi efetuada uma análise transversal dos dados visto ausência de séries temporais.

Antes de avaliar qual modelo estatístico a ser escolhido, foi necessário o tratamento da variável “Produtividade Real” na regional Jacareí visto à ocorrência de dados ausentes, na qual, o primeiro passo foi classifica-los em “ao acaso” ou “completamente ao acaso”, e, respectivamente, avaliar o melhor método de preenchimento (nesse estudo através da regressão escolhendo a variável com

dados completos correlacionada de maneira forte – acima de 60%). Ao término, foram imputados os valores.

4.1 VARIÁVEIS DEPENDENTES

Foram estabelecidas as variáveis dependentes a seguir para responder as hipóteses do trabalho:

∆ Produtividade: representa a produção de madeira ao ano (m3_{) menos a produção} esperada - determinado pela característica do solo e da fazenda (iFNP, 2012). Tais informações foram obtidas no banco de dados da empresa-alvo.

Integração Vertical: são os modelos adotados para suprimento de madeira, detalhados no capítulo 3.1. As modalidades foram classificadas em variáveis categóricas conforme grau de integração vertical (mais próximo de 1, maior integração vertical), na qual: (1) Terras Próprias, (2) Arredamento, (3) Arrendamento – Investidores, (4) Parceria, (5) Parceria – Investidores, e, (6) Fomento.

4.2 VARIÁVEIS INDEPENDENTES

As variáveis independentes utilizadas nas regressões foram:

Integração Vertical: já explicado acima. Esta variável é utilizada na regressão para análise da produtividade como variável independente.

Área Total: Total em hectares de uma determinada fazenda;

Aproveitamento da Terra (%): percentual da fazenda que possui plantio de madeira, dividido pelo total em hectares da fazenda.

Raio Asfalto: Distância de uma determinada fazenda à fábrica em estradas de asfalto.

Raio Terra: Distância de uma determinada fazenda à fábrica em estradas de terra (normalmente há trechos de terra e asfalto entre fazendas e fábrica).

Preço da Terra: Custo por fazenda para aquisição de 1 (hum) hectare.

4.3 VARIÁVEIS DE CONTROLE

Em complemento, as variáveis de controle a seguir foram aplicadas nas regressões:

Custo de Transporte: Valor dispendido para pagamento de frete entre fazenda e fábrica (expresso em reais por tonelada).

Custo de Colheita: Montante gasto para colheita de madeira em uma fazenda (expresso em reais por m3_).

Custo de Estradas: Custo para abertura e manutenção de estradas internas nas fazendas durante um ciclo (sete anos) entre plantio e colheita (somente em Jacareí devido ausência de dados em Três Lagoas).

Encargo sobre Floresta: Custo de oportunidade do capital investido em terras e inventário (total de madeira em M³) considerando o preço de mercado de ambos e custo médio ponderado de capital em 7,6% ao ano (dados utilizados pela empresa- alvo na época da coleta de dados).

Na hipótese 1, a produtividade foi escolhida como variável independente para expressar se tipos de relacionamento em direção à integração vertical está relacionada à maior produção de madeira/hectare, enquanto, na hipótese 2a até 2d,

se houve aplicação de uma estratégia fundamentada na teoria dos custos de transação (medido pelo grau de integração vertical). Nesse caso foram escolhidas como variáveis independentes: preço da terra, área total, raio asfalto e custo colheita/raio terra respectivamente. A Tabela 02 resume os modelos para cada uma das hipóteses desenvolvidas. O intuito é facilitar a leitura e compreensão do leitor.

Tabela 02 – Apresentação dos Modelos dos Testes de Hipóteses

4.4 MÉTODOS DE ESTIMAÇÃO

Para responder a hipótese 1, inicialmente objetivou-se avaliar a média da produtividade real por tipo de relacionamento através da análise multivariada da variância (MANOVA). Devido às médias não apresentam diferenças entre os tipos de relacionamentos (análises e resultados descritos no apêndice A), foi utilizada como variável dependente ∆ Produtividade (produtividade real – produtividade esperada) para análise via regressão linear.

Dessa forma, o teste das hipóteses 1 e 2 ocorrerá através da regressão das variáveis dependentes contra as variáveis independentes de interesse, e, as variáveis de controle.

Com relação à fonte de dados, desenvolveu-se um estudo transversal com dados de 2013 extraídos da empresa-alvo. É importante ressaltar que não foi possível capturar fatores não observáveis em determinadas fazendas e/ou regiões que podem ter afetado os resultados (por exemplo: períodos de seca ou excesso de pluviosidade, ocorrência de queimadas, aparecimento de pragas, entre outros). Para análise de dados será utilizado o software EVIEWS e o método de regressão linear múltipla via mínimos quadrados ordinários (ou ponderados, no caso de existir heteroscedasticidade),

A seguir a descrição das regressões utilizadas para responder as hipóteses:

Equação Produtividade

Produtividade = α ₊ α_{1*Integração Vertical +} α_{1*área total +} α_{3*aprov. terra +} α_{4*preço da terra + ε1}

Equação Integração Vertical

Integração Vertical = β + β1*produtividade + β2*distância asfalto + β3*distância terra + β4*área total + β5*preço da terra + β6*custo transporte + β7*.custo de estradas +

O método de análise de regressão de modelagem escolhida foi Mínimos Quadrados Ordinários (MQO), a qual se baseia na linearidade nas variáveis, onde a expectativa de Y (variável dependente) é uma função linear de X (variáveis independentes) e há linearidade nos parâmetros (Wooldridge, 2006).

Entretanto, há endogeneidade entre as variáveis “produtividade” e “integração vertical”, na qual, é necessário o emprego de variáveis instrumentais. Assim, a metodologia de regressão por mínimos quadrados em três estágios (3SLS) foi adotada.

De acordo com Zellner e Theil (1962), a correlação dos distúrbios entre as equações é o principal fator de evolução na metodologia de regressão em três estágios (3SLS), em comparação ao dois estágios (2SLS), devido considerar a correlação dos distúrbios entre as equações.

Já no 3SLS, a matriz de momentos é utilizada para calcular as equações do sistema de forma conjunta, considerando as covariâncias dos distúrbios entre as equações, enquanto a metodologia de 2SLS emprega o primeiro estágio para calcular a matriz de momentos dos distúrbios, e o segundo para estimar os coeficientes, após as variáveis dependentes de cada equação estar ajustadas pelas médias da matriz de momentos.

Assim, a regressão 3SLS calcula todos os coeficientes do sistema de equações de forma simultânea. Com isso, o 3SLS obtém sua principal vantagem, que é o ganho de eficiência assintótica. Por outro lado, esta metodologia possui a desvantagem dos estimadores serem potencialmente menos robustos para cada equação (Zellner; Theil, 1962).

5. RESULTADOS

Nesta seção do trabalho serão expostas as estatísticas descritivas das variáveis utilizadas nos modelos, a análise de correlação entre elas, bem como os coeficientes calculados e o respectivo nível de significância de cada variável. Na sequencia, serão demonstrados e discutidos os resultados das regressões via mínimos quadrados ordinários em três estágios. Os resultados serão comparados com as expectativas derivadas da revisão de literatura e da construção das hipóteses, visando aceitar ou rejeitar cada uma das hipóteses apresentadas.

5.1 ANÁLISE DESCRITIVA

Na tabela 03 e 04 são apresentadas as médias, desvios-padrão e correlação das variáveis empregadas no modelo proposto para testar a hipótese 1. Com relação à tabela 03 (Jacareí), pode-se notar que a correlação entre a variável independente “Integração Vertical” e variável dependente “∆ Produtividade” possui o sinal esperado em Jacareí, ou seja, negativo. Dessa forma, fazendas mais integradas verticalmente tem elevação no ∆ Produtividade. A variável de controle “Área Total” também demonstrou correlação com a variável dependente: está positivamente relacionada com “∆ Produtividade”, como se previa na seção de apresentação das variáveis de controle.

Já as variáveis “Aproveitamento da Terra” e “Preço da Terra” não demonstraram correlação com a variável dependente. É possível que se tenha auferido correlação quase nula por ter-se obtido a maximização da produtividade nos diversos tipos de propriedade e características do solo, pois, grande parte dessas fazendas atuam no plantio de eucalipto à algumas décadas, podendo ter atingido o grau de maturidade nas técnicas de silvicultura ao longo desse período.

Tabela 03 – Médias, Desvios-Padrão e Análise de Correlação H1 (Jacareí)

Fonte: Elaborado pelo autor

A tabela 04 apresenta os resultados de Três Lagoas, na qual, divergem em relação à Jacareí. A correlação positiva entre “Integração Vertical” e “∆ Produtividade” denota que fazendas com tipos de relacionamentos mais distantes verticalmente possuem maior “∆ produtividade”. As variáveis de controle também apresentam resultados distintos: “Área Total” possui correlação negativa (há elevação no “∆ produtividade” em fazendas com menor área) e “Preço da Terra” está positivamente correlacionada com a variável dependente, ou seja, terras com maior preço possuem maior “∆ produtividade”.

Uma possível explicação deve-se a empresa-alvo ter realizado a venda de diversas fazendas em Três Lagoas (Fibria, 2010), e, celebrado contratos de arrendamento e parceria para, ao mesmo tempo, capitalizar-se e garantir a manutenção do suprimento de madeira da unidade. Considerando que 63,9% das fazendas eram próprias antes da transação e 38,4% após a negociação (Fibria, 2010), de acordo com a tabela 04, possivelmente a variável dependente “∆ produtividade” não deve ter sido a principal referência para a tomada de decisão, mas sim, a extensão territorial das fazendas e o preço da terra.

Em contraponto a Jacareí, o não atingimento do grau de maturidade nas técnicas de silvicultura em Três Lagoas pode explicar a elevação do “∆ produtividade” conforme a elevação das variáveis “aproveitamento da terra” e “Preço da Terra”. Tal aspecto pode ser explicado devido às fazendas estarem no primeiro ou segundo ciclo de plantio visto a recente inauguração da fábrica localizada em Mato Grosso do Sul (2008).

Tabela 04 – Médias, Desvios-Padrão e Análise de Correlação H1 (Três Lagoas)

Fonte: Elaborado pelo autor

Através de histogramas e linhas de tendência, os gráficos 01 à 04 apresentam análises descritivas para as hipóteses 2a até 2d. Como observação, não há o tipo de relacionamento “Arrendamento – Investidores” em Jacareí e, “Parceria – Investidores” em Três Lagoas.

A análise do preço médio da terra por tipo de relacionamento (gráfico 01) apresenta resultados que a princípio não confirmam H2a (fazendas com maior preço por hectare, relacionadas a tipos de relacionamentos em direção à integração vertical). Em Jacareí, há um crescimento entre a modalidade “arrendamento” até “fomento” com a linha de tendência reforçando esse aspecto (R2_{: 49,7%). Para Três} Lagoas existe uma tendência de uniformidade devida pequena diferença do preço médio da terra entre as modalidades (< 10%), reforçado pela baixa angulação na linha de tendência.

Tal aspecto pode ser explicado pela compra, desmobilização ou parcerias de terras conforme a ocorrência de oportunidades, e/ou, pela escolha da modalidade que atendesse os interesses da empresa-alvo no momento do acordo (ex.: dificuldades econômicas que resultaram em vendas de terras com arranjos que atendesse ao parceiro, fechamento de acordos devido à localização - permitindo a redução do custo de transporte, entre outros). Ademais, o preço médio da terra similar em Três Lagoas pode ter relação com a pequena distância das fazendas até a fábrica (gráfico 04), na qual, é possível inferir pela baixa probabilidade em haver características distintas da terra que levasse a diferenciação de preços por hectare.

Gráfico 01 – Preço Médio da Terra (Reais por Hectare) Fonte: Elaborado pelo autor

Os gráficos 02 e 03 descrevem o total em hectares e a participação sobre o total dos tipos de relacionamentos adotados nas fábricas de Jacareí e Três Lagoas respectivamente.

No histograma de Jacareí, nota-se elevada quantidade de fazendas na modalidade “fomento”, o que pode explicar a procura pela empresa-alvo em manter relacionamentos mais distantes verticalmente em áreas com acentuada declividade (ratificando H2d). Todavia, a maior área média por fazenda (ha) para “parceria – investidores” e “arrendamento”, a princípio, descaracteriza H2b (Fazendas com maior área total estarem positivamente relacionadas à integração vertical). Apesar de inclinada positivamente em direção à integração vertical, a linha de tendência possui baixo poder explicativo (R2 _{= 1%).}

Entretanto, tais conclusões não podem ser aplicadas a Três Lagoas. Nas fazendas que atendem a essa localidade, a área média por fazenda em “terras próprias” é aproximadamente quatro vezes maior que em “arrendamento”, que por sua vez é maior que os demais tipos de relacionamento em direção à terceirização. Tal aspecto é corroborado pela linha de tendência estar inclinada em direção à integração vertical e apresentar alto poder explicativo (R2_{: 64%). Como o resultado}

demonstra a empresa-alvo provavelmente priorizou aquisição de maiores áreas por fazenda para suprimento de madeira, validando o exposto na hipótese 2b.

Os tipos de relacionamentos adotados em Três Lagoas corroboram parcialmente os pressupostos de Correa (2012), em que, alta centralidade da atividade e altos custos de transação derivam em integração vertical, parcerias estratégicas ou joint ventures. Nesse caso, terra própria e arrendamento possuem 58% do total de fazendas, porém, não há curva crescente para relacionamentos mais integrados verticalmente.

Gráfico 02 – Tipo de Relacionamento Jacareí – Número e Área Média por Fazenda (Ha).

Gráfico 03 – Tipo de Relacionamento Três Lagoas - Número e Área Média por Fazenda (Ha).

Fonte: Elaborado pelo autor

O gráfico 04 demonstra a distância média entre fazendas e unidades fabris para cada tipo de modalidade. Verifica-se que Jacareí possui leve tendência no aumento da distância média conforme elevação na terceirização nos tipos de relacionamentos, porém, é necessário ressaltar o baixo poder explicativo (R2_{: 1,2%)} e a distância média para a modalidade “parceria” ser menor que “arrendamento”.

Em Três Lagoas, os dados também não permitem uma análise conclusiva, pois: R2 _{< 1%, a linha de tendência aproxima-se de uma reta e três tipos de} relacionamento possuem distâncias similares (“arrendamento”, “arredamento – investidores” e “fomento”).

Dessa forma, a análise descritiva confirma com ressalvas H2c para Jacareí (fazendas mais distantes da fábrica estão positivamente relacionadas a tipos de relacionamentos em direção à terceirização).

Gráfico 04 – Distância Média entre Fazendas e Fábricas (Km) Fonte: Elaborado pelo autor

Através da análise descritiva é possível ratificar parcialmente a hipótese 1, devido a ocorrência de resultados opostos em Três Lagoas (maior ∆ produtividade em tipos de relacionamentos em direção ao mercado).

Com relação à hipótese 2a, os gráficos 01 a 04 não legitimam tal pressuposto - talvez explicado pelo oportunismo nas transações ou a negociação do tipo de relacionamento possível decorrente da necessidade da madeira. Tal explicação também pode ter sido a causa para a não confirmação de H2b em Jacareí, pois, fazendas com maior área total estão negativamente relacionados a tipos de relacionamento em direção à integração vertical. Entretanto essa hipótese é corroborada parcialmente, em virtude, de Três Lagoas ter evidenciado resultado oposto.

H2c e H2d foram confirmadas com ressalvas, visto apenas Jacareí apresentar tendência de ampliação na distância média em relacionamentos mais distantes verticalmente, e, ser notado expressivo número de fazendas na modalidade “fomento” – validando a afirmação da preferência por relacionamentos mais distantes em áreas declivosas.

5.2 ANÁLISE ECONOMÉTRICA

As tabelas 05 a 08 demonstram os resultados das regressões do modelo que testa as hipóteses H1 e H2. Conforme metodologia proposta, os estimadores da regressão foram calculados utilizando-se as técnicas econométricas de mínimos quadrados ponderados, após a detecção de heteroscedasticidade via teste de White. Para correção foi utilizado os respectivos passos no software EVIEWS: quick,

estimate equation, options, Heterokedasticity consistent, coeficient covariance,

White.

5.2.1 PRODUTIVIDADE

Os resultados da regressão para Jacareí indicam que a variável de interesse “Integração Vertical”, além de estatisticamente significante, apresenta coeficiente expressivo (-2,1949), demonstrando o impacto na produtividade real das fazendas em tipos de relacionamento mais próximos da Integração Vertical. Assim, a cada hectare real a mais em relação à produtividade esperada da fazenda, o tipo de relacionamento cai 2,19 (considerando 1 como integração vertical máxima e 6 como mínima). Dessa forma, é possível afirmar que tal resultado está em linha com H1, ou seja, quanto maior a Integração Vertical, maior o ∆ produtividade das fazendas.

Com relação às variáveis de controle, apenas a variável “Aproveitamento da Terra”, não foi estatisticamente significante a 5% de intervalo de confiança, porém, teve resultado próximo (5,55%). Todas as demais variáveis apresentaram resultados estatisticamente significantes (p-valor < 1%). É importante ressaltar que 35% da variável dependente consegue ser explicada pelos regressores do modelo.

Tabela 05 – Resultados da Análise de Regressão Jacareí – Modelo H1 (Variável Dependente = Produtividade)

Fonte: Elaborado pelo autor

Em contraponto à Jacareí, devido não ser estatisticamente significativo, os resultados da regressão para Três Lagoas demostram não ser possível relacionar a variável de interesse “Integração Vertical” com a variável dependente “∆ produtividade”, não sendo possível a confirmação plena de H1. Do mesmo modo, as variáveis de controle “Área Total” e “Aproveitamento da Terra” não apresentaram resultados estatisticamente significantes ou coeficiente relevante (“Área Total”).

A variável “Preço da Terra” foi à única estatisticamente significante (p-valor <