Validação dos pressupostos

O modelo de regressão linear, como forma de estimação e de inferência de relações funcionais entre a variável dependente e as variáveis independentes, só pode ser colocado em prática se for respeitado um conjunto de pressupostos:

Inexistência de multicolinearidade;

Os erros apresentarem distribuição normal, média nula [E(ε)=0] e variância constante [Var(ε)=σ2];

Os erros serem independentes.

Apresenta-se, de seguida, a validação dos pressupostos no modelo de regressão linear múltipla construído:

53

INEXISTÊNCIA DE MULTICOLINEARIDADE

No que concerne à multicolinearidade, refira-se que, através da sua análise, é possível concluir acerca da existência de variáveis independentes fortemente correlacionadas entre si. A análise foi efectuada no software SPSS, através dos indicadores VIF e Tolerance, tendo-se considerado existir multicolinearidade, sempre que VIF fosse superior a 10 e Tolerance inferior a 0,1.

Conforme se pode verificar na tabela seguinte, o modelo demonstrou ser sólido nesta matéria, não tendo sido detectados indícios de multicolinearidade, tendo o valor máximo do indicador VIF ascendido a 1,893 e o mínimo de Tolerance totalizado 0,528.

Tabela 6.2.2.1: Multicolinearidade

De forma a fortalecer a conclusão obtida com os indicadores VIF e Tolerance, procedeu-se à elaboração de uma matriz de correlações de Pearson para as variáveis independentes. De acordo com Hair et al. (2003), um coeficiente de correlação de uma amostra entre duas variáveis independentes maior do que 0,70 ou menor do que -0,70 constitui evidência de potenciais problemas com multicolineariedade. Na análise em estudo, apesar de existirem variáveis correlacionadas positiva e negativamente para os diversos níveis de significância, com excepção para as correlações entre as variáveis Est_Div_CP e Liq_Ger (-0,61) e entre O_Ben_Fisc e Comp_Act (0,48), os valores dos indicadores de Pearson apresentaram-se, na sua generalidade, bastante reduzidos, confirmando-se a inexistência de problemas de multicolinearidade.

54

Tabela 6.2.2.2: Matriz de Correlações

DISTRIBUIÇÃO NORMAL DOS ERROS

O pressuposto da normalidade dos resíduos foi verificado através de dois métodos, primeiro, graficamente e, de seguida, de uma forma mais exacta, através do teste não paramétrico de Kolmogorov-Smirnov.

No que concerne à análise gráfica, foi construído um gráfico dispondo a probabilidade acumulada observada dos erros no eixo das abcissas e a probabilidade acumulada esperada dos erros no eixo das ordenadas. O gráfico seguinte demonstra que, em termos visuais, os erros aparentam distribuir-se de uma forma aproximadamente linear na diagonal principal.

55 Apesar do gráfico já denotar a normalidade dos resíduos, esta foi confirmada através do teste Kolmogorov-Smirnov, tendo, para tal, sido testadas as seguintes hipóteses:

H0: Os erros seguem distribuição normal

H1: Os erros não seguem uma distribuição normal

Tabela 6.2.2.4: Teste Kolmogorov-Smirnov

De acordo com os resultados obtidos no teste, P-value> α, assumindo que α=0,05, logo não se rejeita a hipótese nula, pelo que se pode concluir que os erros seguem, efectivamente, uma distribuição normal.

MÉDIA NULA DOS ERROS

Este pressuposto foi verificado na tabela disponibilizada pelo SPSS, sobre estatísticas dos resíduos, tendo-se confirmado o pressuposto de que a respectiva média era aproximadamente igual a zero.

56

Tabela 6.2.2.5: Estatísticas dos resíduos

ERROS COM VARIÂNCIA CONSTANTE

O pressuposto da variância constante dos erros foi verificado graficamente. Conforme se pode constatar no gráfico que se apresenta de seguida, os resíduos distribuem-se de forma mais ou menos aleatória em torno de zero, indicando a inexistência de heterocedasticidade.

Gráfico 6.2.2.6: Variância dos resíduos

ERROS INDEPENDENTES

O pressuposto da independência dos erros foi confirmado através da estatística de Durbin- Watson. Tratando-se de uma amostra de grande dimensão (n=1.213), a hipótese nula de que os erros seriam independentes não deveria ser rejeitada, no caso do valor do teste ser próximo de 2, considerando-se para o efeito o intervalo mínimo de 1,8 e máximo de 2,2.

57 No caso em apreço, o resultado do teste de Durbin-Watson foi de 2,059, não se rejeitando a hipótese nula de que erros eram independentes.

Tabela 6.2.2.7: Teste de Durbin-Watson

APERFEIÇOAMENTO DO MODELO

No processo de construção do modelo de regressão linear, foi também efectuada uma análise à existência de observações extremas – outliers. No modelo inicial, construído a partir de 1.221 observações, verificou-se a existência de 8 observações não características, por apresentarem resíduos consideravelmente superiores à média. As referidas observações foram excluídas do modelo, tendo contribuído para um melhoramento da generalidade dos respectivos indicadores. Note-se que, apesar das tabelas e gráficos relativos à validação dos pressupostos do modelo, apresentados no ponto anterior, já não contemplarem os outliers, foi também efectuada uma validação dos pressupostos antes da sua remoção.

No que concerne ao método de selecção das variáveis usado na regressão linear, a preparação inicial do modelo de regressão e a validação dos pressupostos foram executados através do método enter, no qual as variáveis independentes são introduzidas simultaneamente no modelo. Contudo, aquando da procura por aquele que seria,

58 efectivamente, o melhor modelo, verificou-se que, no caso em análise, os resultados mais satisfatórios seriam obtidos utilizando um método sequencial de selecção de variáveis, tendo a opção final recaído pelo método stepwise. Trata-se de um método cuja selecção se inicia apenas com uma variável independente, à partida aquela que melhor prevê o modelo, e à qual vão sendo adicionadas novas variáveis independentes, sendo a respectiva significância avaliada em função do coeficiente de correlação semiparcial (Maroco, 2007).

O modelo final ajustado, obtido depois de excluídas as variáveis independentes não significativas, é dado pela seguinte equação:

DivIC_Act = 0,62937 - 0,27083 Est_Div_CP - 0,11118 Liq_Red + 0,01828 Liq_Ger - 0,00037 PMP - 0,50185 O_Ben_Fisc + 0,00023 PMR - 0,10214 Comp_Act - 0,00052 Cob_Serv_Div

Nota: Ver informação esquematizada na Tabela 6.2.4.1

Para avaliar a robustez do modelo foi analisado o coeficiente de determinação ajustado25, tendo este ascendido a 42,1%, pelo que se pode concluir do valor obtido que os rácios e indicadores económico-financeiros utilizados demonstram um poder explicativo não negligenciável sobre a variável dependente, evidenciando, consoante o caso, efeitos positivos ou negativos sobre o peso do crédito bancário no financiamento da actividade das PME do sector da construção.

Na tabela seguinte, é apresentada uma estatística descritiva onde são identificados o valor mínimo, máximo, média e desvio-padrão da variável dependente e das variáveis explicativas do modelo.

25

59

Tabela 6.2.2.8: Estatística descritiva do modelo

Numa primeira análise aos coeficientes do modelo, importa destacar que, contrariamente à maioria das variáveis, os prazos médios de pagamentos e recebimentos são medidos em dias e não em percentagem e que o indicador relativo a outros benefícios fiscais é, em média, claramente inferior ao das restantes variáveis, pelo que o facto do coeficiente βp apresentar um valor superior ou inferior, não significa, por si só, que a respectiva variável tenha uma importância relativa mais elevada ou mais reduzida.

6.2.3 ANÁLISE DOS RESULTADOS

De acordo com o modelo final obtido, o contributo do recurso bancário no financiamento da actividade das PME do sector da construção é influenciado, de forma positiva, pelos rácios de liquidez geral e prazo médio de recebimentos, e, de forma negativa, pela estrutura de endividamento de curto prazo, liquidez reduzida, prazo médio de pagamentos, outros benefícios fiscais, composição do activo e cobertura do serviço da dívida. Apresenta-se, de seguida, uma análise individualizada à relação que cada variável explicativa demonstrou face à variável dependente.

No que se refere à estrutura de endividamento de curto prazo, esta variável é dada pelo peso que o passivo de curto prazo representa no total do passivo, exprimindo a parte das responsabilidades efectivas de uma empresa que serão exigidas num prazo inferior a um

60 ano. Quanto maior for este indicador, maiores serão as pressões de tesouraria a incidirem sobre a empresa (Neves, 2004). No caso em estudo, e não obstante muitas das empresas portuguesas do sector da construção passarem por grandes dificuldades, verificou-se uma relação contrária entre o peso das dívidas a instituições de crédito no total do activo e a estrutura de endividamento de curto prazo do ano anterior.

Analisando a relação obtida do lado do devedor, considera-se que a maior pressão sobre a tesouraria das empresas, resultante da exigência das dívidas a curto prazo, poderá resultar num esforço adicional com vista à regularização das dívidas bancárias e à procura de financiamentos alternativos.

Por outro lado, analisando a situação na óptica do credor, poderá não ser do seu interesse reforçar o financiamento de uma empresa cuja tesouraria se encontra sob forte pressão, o que pode levar as empresas a terem necessidade de recorrer a outros tipos de financiamento. A média desta variável na amostra analisada foi de cerca de 61,23%, o que demonstra que, para além da totalidade dos créditos comerciais, uma parte significativa (cerca de 39%) dos créditos bancários concedidos a PME do sector da construção continua a ser realizada com prazos inferiores a um ano, apresentando-se como exemplo, nomeadamente, as contas- correntes caucionadas e as operações de desconto comercial ou financeiro.

Relativamente à liquidez geral, este rácio consiste no quociente entre o activo circulante e o passivo de curto prazo. Por norma, considera-se que, quanto maior for o indicador de liquidez geral, maior será a solidez financeira da empresa face aos seus compromissos de curto prazo. No âmbito da amostra seleccionada, a média do rácio de liquidez geral situou- se nos 2,03.

O rácio de liquidez reduzida é semelhante ao de liquidez geral, sendo a única diferença entre os dois, a admissão de dificuldades conjunturais e de possível falência (Neves, 2004), pela não inclusão das existências no numerador do rácio. Este indicador é utilizado para medir a parte das dívidas de curto prazo que se encontra em condições de ser saldada através da componente mais líquida do activo circulante. No sector da construção, a liquidez reduzida é um indicador bastante relevante, dada a menor liquidez que, em média, o seu activo circulante apresenta quando comparado com outros sectores. Neste contexto,

61 seria expectável obter-se um relacionamento contrário entre liquidez e endividamento bancário.

No modelo em questão, a média do rácio de liquidez reduzida encontrava-se em 1,06, valor ligeiramente superior a metade do rácio de liquidez geral. Contrariamente ao verificado no rácio de liquidez geral, a liquidez reduzida apresenta uma relação contrária face ao peso das dívidas a instituições de crédito no total do activo, concluindo-se desta relação que as existências exercem, efectivamente, uma influência significativa na estrutura de financiamento das PME do sector de construção, ao que não será alheio o facto das obras em curso serem, em termos contabilísticos, consideradas como existências pelas empresas do sector da construção.

Apesar de, por norma, o rácio de liquidez geral demonstrar a capacidade que as empresas têm para fazer face aos compromissos do curto prazo, no sector da construção, um aumento deste rácio poderá provir de um acréscimo das existências e daí resultarem necessidades de financiamento superiores. No que concerne à relação inversa obtida entre a liquidez reduzida e a variável dependente, esta era expectável, uma vez que quanto maior for este rácio, melhores condições financeiras terá a empresa e mais disponível estará para se conseguir financiar através de métodos alternativos, como é o recurso a capitais próprios.

No que diz respeito ao prazo médio de recebimentos, que não é mais do que o número de dias que uma empresa necessita para receber dos clientes o valor das facturas por si emitidas, este indicador teve um comportamento expectável, apresentando uma relação positiva com a variável dependente do modelo, apesar de o seu coeficiente não ser tão influente como o do prazo médio de pagamentos. A relação verificada deve-se ao facto de um aumento no prazo médio de recebimentos originar um acréscimo de dificuldades de tesouraria e daí advirem maiores necessidades no recurso ao financiamento bancário. O prazo médio de recebimentos das empresas seleccionadas na amostra situava-se, em termos médios, nos 135 dias, sendo de referir que, por uma questão de insuficiência de informação, o efeito do IVA não foi considerado no cálculo do indicador, pelo que o valor exacto da amostra seria inferior àquele valor.

62 Quanto ao prazo médio de pagamentos, este é obtido dividindo o saldo das dívidas a fornecedores pelo somatório dos saldos das compras e fornecimentos e serviços externos, multiplicando-se, de seguida, o referido quociente por 365, de forma a se obter um indicador expresso em dias. No que se refere às empresas e sector em estudo, o modelo não confirmou a previsão de que o aumento do prazo médio de pagamentos, traduzindo maiores dificuldades para as empresas, se reflectiria no futuro num aumento do peso das dívidas a instituições de crédito no financiamento da actividade. Face à existência de uma relação negativa entre a variável dependente e independente, considera-se que, na amostra seleccionada, o aumento do prazo médio de pagamentos se poderá, sobretudo, reflectir num acréscimo da relevância do crédito comercial em detrimento do crédito bancário. O prazo médio de pagamentos apresentou-se, em termos médios, na ordem dos 144 dias, sendo, de referir, novamente, que o efeito do IVA também não foi considerado no cálculo deste indicador.

A inclusão de indicadores relativos a outros benefícios fiscais e à composição do activo deveu-se à existência de estudos empíricos que defendem que a estrutura de capitais das PME é explicada, nomeadamente, por estes dois indicadores (DeAngelo e Massulis, 1980) e (Rajan e Zingales, 1995), bem como pela dimensão das empresas (Titman e Wessels, 1988), não tendo esta última sido considerada significativa para o modelo.

No caso dos benefícios fiscais, suportados pela teoria de Trade-Off, se por um lado os juros associados ao financiamento bancário são aceites fiscalmente como custo e os dividendos não, representando uma vantagem para o financiamento bancário, por outro, quanto maior for o peso dos capitais alheios na estrutura de capitais de uma empresa, maior será a probabilidade desta vir a sofrer pressões relacionadas com a falência. De acordo com a investigação efectuada por DeAngelo e Massulis, (1980), quanto maior for o nível de outros benefícios fiscais para além da dívida financeira, dados pela relação entre as amortizações do exercício e o activo líquido, menor tenderá a ser o endividamento das empresas.

Apesar do modelo em estudo tratar apenas uma parte do endividamento das empresas, salienta-se que o comportamento da variável outros benefícios fiscais se apresentou coerente com os estudos analisados sobre estrutura de capitais das PME, segundo os quais o

63 recurso ao endividamento bancário deixa de ser atractivo a partir do momento em que os resultados gerados não permitem às empresas deduzirem os seus benefícios fiscais.

Relativamente à composição do activo, o imobilizado corpóreo foi considerado no modelo, uma vez que este é, por diversas vezes, entregue aos bancos como garantia de operações de crédito concedido, sendo esta, de acordo com Berger e Udell (1995), uma das formas que os bancos utilizam para reduzirem o efeito da assimetria de informação que caracteriza as PME. Neste sentido, seria expectável que esta variável apresentasse uma relação positiva face ao endividamento bancário.

Contudo, a teoria referida no parágrafo anterior, bem como a de que as empresas com maior volume de activos tangíveis teriam custos de insolvência menores e, como tal, maiores níveis de endividamento (Rajan e Zingales, 1995) não se vieram a confirmar no modelo.

Em resumo, de acordo com os resultados obtidos, quanto maior for o peso do imobilizado corpóreo no activo das PME do sector da construção, menor tenderá a ser o contributo do crédito bancário no financiamento da sua actividade e quanto menor for o nível de outros benefícios fiscais para além da dívida, maior será o peso das dívidas a instituições de crédito no total do activo.

Por último, em relação às variáveis explicativas incluídas no modelo, resta referir a cobertura do serviço da dívida, rácio que demonstra em que medida os excedentes brutos de exploração conseguem cobrir os encargos financeiros. Na presente investigação, obteve-se, conforme seria expectável, uma relação inversa entre as duas variáveis. Neste contexto, quanto maior for a capacidade de uma PME do sector da construção em cobrir os seus encargos financeiros, maior será a probabilidade de se conseguir financiar com outros meios que não o recurso ao crédito bancário, privilegiando, designadamente, o autofinanciamento através da retenção dos resultados obtidos, conforme prevê a Teoria da Pecking Order. Note-se, contudo, que, em termos relativos, esta variável acabou por ser a menos relevante para o modelo, tendo, no entanto, se decidido pela sua manutenção.

Quanto às variáveis rendibilidade bruta das vendas, dimensão e eficiência, estas não foram consideradas significativas para o modelo, não se podendo confirmar a previsão de que as

64 empresas mais rentáveis ou eficientes conseguiriam gerar mais facilmente recursos internos para se financiarem (Chou e Lee, 2009) e que, em relação à dimensão, as empresas mais pequenas, em virtude de terem menos recursos, se teriam de financiar através do crédito bancário (Titman e Wessels, 1988).

Em relação aos resultados obtidos no modelo, importa sublinhar que as observações relativas à variável dependente eram datadas de 2007, 2008 e 2009, período em que os bancos introduziram maiores restrições no crédito a conceder às empresas do sector da construção. Apesar de este não ter sido o objectivo da concepção do modelo, considera-se que, entre outros factores, o efeito das políticas de crédito adoptadas pelos bancos poderia ajudar a explicar uma parte da variável dependente.

De igual modo, não obstante o poder explicativo evidenciado pelo modelo ser não negligenciável, considera-se que, face ao coeficiente de determinação ajustado obtido, poderá haver ainda outros factores não considerados neste trabalho com poder explicativo relevante, destacando-se os indicadores macro-económicos, os costumes financeiros do país e sector, a idade da empresa (Berger e Udell, 1995), bem como indicadores qualitativos relacionados com a estratégia adoptada.

6.2.4 COMPARAÇÃO COM MODELOS QUE CONTEMPLEM