4 METODOLOGIA DE PESQUISA
4.4 Tratamento Estatístico dos Dados
O modelo de regressão com dados em painel possui algumas vantagens (GUJARATI, 2006, p. 525). Em primeiro lugar, o tamanho da amostra aumenta consideravelmente; em segundo, os dados em painel são mais indicados para estudar a dinâmica da mudança, pois estudam observações de corte transversal repetidas, neste caso em estudo, as companhias abertas. Por último, os dados em painel permitem avaliar modelos mais complexos, o que parece ser o caso deste presente trabalho.
Verbeek (2001, p. 310) aponta como vantagem importante dos dados em painel sobre as séries de tempo ou os conjuntos de dados de corte transversal a possibilidade de identificação de certos parâmetros ou questões, sem a necessidade de se fazer assunções restritivas; exemplo é a possibilidade de análise de mudanças em nível individual, ou seja, as companhias abertas.
Em resumo, os dados em painel não apenas são convenientes para modelar ou explicar porque os indivíduos (as companhias) se comportam de modos diferentes, mas também para modelar porque um dado indivíduo se comporta de modo diferente em diferentes períodos de tempo; como exemplo, pode-se mencionar a sua história passada (VERBEEK, 2001, p. 310). Os modelos de regressão definitivos aplicados ao presente estudo e seus números de equações são apresentados a seguir:
ROA_mod= β0+ β1 CERT_ISOit + β2 RISCOit+ β3 LUCRATit + β4 RLtoAT_TANGit + β5 ENDIVit + β6 ENDIV_1it + β7 TAM_EMPit +µit + αi [equação (6)]
ROS_mod = β0+ β1 CERT_ISOit + β2 RISCOit+ β3 LUCRATit + β4 RLtoAT_TANGit
+ β5 ENDIVit + β6 ENDIV_1it + β7 TAM_EMPit +µit + αi [equação (7)]
TOT_VEND = β0+ β1 CERT_ISOit + β2 RISCOit+ β3 LUCRATit + β4 RLtoAT_TANGit
+ β5 ENDIVit + β6 ENDIV_1it + β7 TAM_EMPit +µit + αi [equação (8)]
CSVtoVEND= β0+ β1 CERT_ISOit + β2 RISCOit+ β3 LUCRATit + β4 RLtoAT_TANGit
+ β5 ENDIVit + β6 ENDIV_1it + β7 TAM_EMPit +µit + αi [equação (9)]
VENDtoTOT_AT= β0+ β1 CERT_ISOit + β2 RISCOit+ β3 LUCRATit
+ β4 RLtoAT_TANGit + β5 ENDIVit + β6 ENDIV_1it + β7 TAM_EMPit +µit +αi
[equação (10)]
ROE= β0+ β1 CERT_ISOit + β2 RISCOit+ β3 LUCRATit + β4 RLtoAT_TANGit
+ β5 ENDIVit + β6 ENDIV_1it + β7 TAM_EMPit +µit + αi [equação (11)]
Nas equações acima, ββββ0 representa o intercepto, os demais ββββj representam os
coeficientes de cada variável regressora, i representa a i-ésima unidade de corte transversal (as companhias abertas), t representa o t-ésimo período de tempo, µµµµit representa o termo de
erro e, finalmente, ααααi representa o termo de erro aleatório próprio de cada unidade de corte transversal.
A estimação que se aplicou às regressões fez uso do modelo econométrico de dados em painel, de forma a estudar a influência e a relação das variáveis independente e de controle no desempenho financeiro das companhias abertas. Além da certificação ISO 9000, outros fatores podem ter influído nas variáveis dependentes que se estudou.
Deve-se considerar que existem problemas de inferência e estimação com a utilização dos dados em painel (GUJARATI, 2006, p. 525), já que tais dados envolvem tanto dimensões temporais quanto transversais. Esses problemas são a autocorrelação, decorrente das séries temporais e a heterocedasticidade, decorrente dos dados de corte transversal.
Como qualquer equação mais simples de regressão, pode-se sofrer do problema de omissão de variáveis; para isso, a solução é controlar mais fatores, apesar de ser difícil controlá-los (WOOLDRIDGE, 2006, p. 414) Esse problema de viés que decorre de variáveis omitidas passa a ser crítico (RICHIERI, 2007, p. 108).
Desta forma, estimar os modelos de regressão por meio de dados em painel surge como uma boa opção para observar tais variáveis omitidas, mesmo que elas não possam ser diretamente observadas, ou mesmo, identificadas (WOOLDRIDGE, 2006, p. 414-415). Entretanto, existem conseqüências importantes de se errar na especificação do modelo econométrico a ser utilizado para se analisar as regressões (WOOLDRIDGE, 2006, p. 411- 415):
(1) pode-se omitir uma ou mais variáveis relevantes; (2) pode-se incluir uma ou mais variáveis irrelevantes; (3) pode-se adotar uma forma funcional incorreta; (4) pode-se obter erros de medição e
(5) pode-se especificar incorretamente o termo de erro estocástico (não observável diretamente) que deverá entrar no modelo de regressão.
Os quatro primeiros tipos de erros são, essencialmente, erros de especificação; na expectativa de se obter o modelo verdadeiro (WOOLDRIDGE, 2006, p. 412), acaba-se por estimar o modelo incorreto. Assim, nada mais importante do que medir os dados o mais exatamente possível, já que não há resposta satisfatória para a questão dos erros de medição (WOOLDRIDGE, 2006, p. 425).
A análise das regressões por meio de dados em painel também pode permitir lidar com outro tipo de problema: as correlações decorrentes da heterogeneidade da amostra, provenientes das empresas ou entre grupos de empresas. As empresas têm uma variação muito grande em termos de seus indicadores financeiros básicos, seja na receita, seja na composição acionária, seja nos ativos totais.
Wooldridge (2006, p. 429) defende que a correlação serial não será um problema, pois as amostras são independentes ao longo do tempo.
Entretanto, e apesar disso, Verbeek (2001, p. 311-312) aponta duas vantagens decisivas para o uso do modelo de dados em painel. Como os conjuntos de dados em painel são maiores que os conjuntos de dados de séries temporais ou de dados transversais e as variáveis explicativas podem variar em duas dimensões – indivíduos e tempo –, ao invés de apenas uma, os estimadores são, via de regra, mais acurados que os demais obtidos por outros modelos. A segunda vantagem é que ele reduz problemas de identificação, como regressores endógenos ou omissão de variáveis.
4.4.1 As Propriedades das Grandes Amostras
Em grande parte das vezes em que se realiza uma regressão, um estimador não consegue satisfazer uma ou mais das propriedades desejáveis em amostras pequenas. Por conseguinte, deseja-se que a amostra cresça e, quando isso acontece, os estimadores ganham algumas propriedades estatísticas desejáveis, conhecidas como propriedades das amostras grandes, ou propriedades assintóticas (GUJARATI, 2006, p. 725). São quatro essas propriedades principais: a não tendenciosidade assintótica, a consistência, a eficiência assintótica e a normalidade assintótica.
Um estimador, segundo Gujarati (2006, p. 725-727):
a) é considerado assintoticamente não tendencioso do seu valor real quando o seu valor esperado – ou média – se aproxima do valor verdadeiro à medida que o tamanho da amostra aumenta cada vez mais;
b) é considerado consistente quando ele se aproxima do valor verdadeiro à medida que o tamanho da amostra aumenta;
c) possui eficiência assintótica quando for consistente e quando a variância da sua distribuição assintótica for menor que a de todos os demais estimadores consistentes do valor verdadeiro e, finalmente,
d) possui uma distribuição assintoticamente normal quando a distribuição de sua amostra tende a aproximar-se da distribuição normal, à medida que o tamanho da amostra aumenta indefinidamente.
O modelo de dados em painel permite obter estimadores consistentes e assintoticamente normais, eficientes e não tendenciosos, ou seja, estimadores que se aproximam dos verdadeiros valores à medida que o tamanho da amostra aumenta. Nesse caso,
uma condição suficiente para a consistência é que tanto a tendência quanto a variância tendam a zero à medida que o tamanho da amostra aumente indefinidamente (Gujarati, 2006, p. 726.) Já se estabeleceu que uma das razões para se agrupar dados de cortes transversais é aumentar o tamanho da amostra; ao agrupar esses dados em períodos de tempo diferentes, pode-se obter estimadores mais precisos e estatísticas de testes mais poderosas (WOOLDRIDGE, 2006, p. 403).