Variáveis independentes endógenas

Na análise descritiva das variáveis endógenas, verifica-se que a composição patrimonial

apresenta a seguinte média31 _{na amostra geral: ativo circulante financeiro (9%); ativo}

circulante operacional (21%); ativo realizável a longo prazo (13%) e ativo permanente (57%), e a composição dos passivos e patrimônio líquido representou: Passivo circulante financeiro (16%); Passivo circulante operacional (13%); passivo exigível a longo prazo (31%); e patrimônio líquido (25%), sendo que as variáveis ROIC, Patrimônio líquido e Passivo exigível a longo prazo apresentaram desvios-padrão mais significativos, sendo seus valores 5,37; 3,39; 1,49, respectivamente.

Os coeficientes de variação foram representativos, fator que sugere que os dados da amostra estão muito dispersos. Assim, faz-se também a análise pela mediana para identificar os valores mais representativos de cada variável e verifica-se que ativo circulante financeiro (3%); ativo circulante operacional (17%); ativo realizável a longo prazo (7%) e ativo permanente (58%), e a composição dos passivos e patrimônio líquido representaram: Passivo circulante financeiro (7%); Passivo circulante operacional (10%); passivo exigível a longo prazo (13%); e Patrimônio líquido (53%).

Por conseguinte, comparando-se as médias e as medianas, todos os subgrupos apresentaram assimetria à direita, com exceção do grupo patrimônio líquido, o qual apresentou assimetria à esquerda e a assimetria positiva, o que sugere em geral a existência de distribuições com maior probabilidade de assumir valores acima da média. E a curtose revela que, no geral, as distribuições das variáveis foram leptocúrticas, configurando a existência de caldas pesadas nas distribuições da variáveis da amostra. Pela análise da mediana na amostra geral, é possível verificar que, quanto menos líquidos os agrupamentos patrimoniais, maior sua mediana, exceto para o grupo ativo realizável a longo prazo, evidenciando uma preferência de busca e aplicação de recursos a longo prazo na amostra em geral, fator que sugere que existe um “encaixe” temporal entre a captação e a aplicação de recursos, bem como uma preferência por captação e aplicação de longo

prazo, ativos permanentes 58% e que as origens de recursos é captada por capital próprio 53% (ver detalhamento por indústria no Apêndice VI).

6.2.2.1 VARIÁVEIS INDEPENDENTES EXÓGENAS

Para análise das variáveis exógenas, verificou-se a distribuição a partir do grau de concentração e do nível de dinamismo dos setores, a partir da representação nos gráficos a seguir.

A partir dos gráficos de box-plot, é possível visualizar a distribuição dos dados, identificando-se os limites superiores e inferiores (quartis inferiores e superiores) da distribuição de dados, sendo que o comprimento corresponde à distância entre o 25° percentil e o 75° percentil, de forma que o retângulo contém 50% dos valores dos valores centrais dos dados. Se a mediana estiver próxima a um dos extremos do retângulo, esse fator indicará assimetria naquela direção. E, ainda, quanto maior o “retângulo”, maior a dispersão das observações. As linhas que se estendem de cada caixa representam a distância a menor e a maior observação que estão a menos de um quartil do retângulo (HAIR, 2009).

Gráfico 3: Box-plot do índice de herfindahl-hirshmann (grau de concentração) por setor de atividade no Brasil referente aos dados trimestrais, no período de 1996 ao terceiro trimestre de 2014

Nota: (i) elaborado calculado com uso do Stata® 13, conforme tópico 2.6.1 desta tese,

com base nos dados da Economatica; (ii) Setores de atividade: Alimentos e Bebidas (AB); Comércio (CM); Construção (CT); Eletroeletrônicos (EL); Energia Elétrica (EE);

0 .2 .4 .6 .8 1 Índice de Herfindall VP TS TX TL SM QM PG PC MN MI MA EE EL CT CM AB

Máquinas Industriais (MA); Mineração (MI); Minerais Não Metálicos (MN); Papel e Celulose (PC); Petróleo e Gás (PG); Química (QM); Siderurgia e Metalurgia (SD); Telecomunicações (TL); Têxtil (TX); Transporte Serviços (TS); Veículos e peças (VP).

O Gráfico 3 do índice de herfindahl-hirshmann sugere que setores como petróleo e gás e mineração possuem características de “concorrência monopolística”; ao passo que setores como alimentos e bebidas, comércio, construção civil, energia elétrica, química, siderurgia e metalurgia e têxtil podem ser classificados com características de setor monopolísticos. Sendo que os demais setores contidos na amostra, como eletroeletrônicos; máquinas industriais, minerais não metálicos, papel e celulose, telecomunicações, transporte e serviços, e veículos e peças são identificados como oligopolísticos.

O dinamismo do ambiente evidencia quanto e quão rapidamente as forças em ambientes gerais e específicos modificam-se com o passar do tempo. Um ambiente é estável, se as forças afetam o fornecimento de recursos de forma previsível. Em um ambiente dinâmico, uma organização não pode prever a maneira como as forças mudarão com o passar do tempo. O aumento da dinâmica ambiental torna sua previsibilidade e seus reflexos no controle do desempenho empresarial mais complexos, aumentando a incerteza no ambiente organizacional (DESS; BEARD, 1984).

Gráfico 4: Box-plot do índice Dinamismo do setor (grau de imprevisibilidade) por setor de atividade do setor no Brasil, referente aos dados trimestrais no período de 1996 ao terceiro trimestre de 2014

Nota: (i) elaborado calculado com uso do Stata® 13, conforme tópico 2.6.2 desta tese, com base

nos da Economatica; (ii) setores de atividade: Alimentos e Bebidas (AB); Comércio (CM); Construção (CT); Eletroeletrônicos (EL); Energia Elétrica (EE); Máquinas Industriais (MA); Mineração (MI); Minerais Não Metálicos (MN); Papel e Celulose (PC); Petróleo e Gás (PG); Química (QM); Siderurgia e Metalurgia (SD); Telecomunicações (TL); Têxtil (TX); Transporte Serviços (TS); Veículos e peças (VP);

Os gráficos box-plot do índice de dinamismo do setor demonstram que os setores de Petróleo e gás; Mineração; Energia elétrica, Telecomunicação; Alimentos e bebidas e comércio como setores mais dinâmicos; e os setores de Construção civil; Máquinas industriais; Minerais não metálicos; Papel e celulose; Têxtil e Transporte e serviços como setores menos dinâmicos.

No contexto da economia industrial o tamanho da firma e a distribuição do tamanho são determinantes do nível de rentabilidade. O tamanho da firma tem potencial de controlar parte das atividades da firma. Assim a concentração consiste em um importante antecedente do desempenho da firma (KWOKA, 1979). O poder de mercado é especifico da firma e diretamente dependente de sua participação na indústria, implicando que o desempenho operacional aumenta de forma sistemática com o tamanho da firma dentro de seu setor (NICKELL, 1996)

0 .2 .4 .6 .8 1

Índice dinamismo ambiental VP TS TX TL SD QM PG PC MN MI MA EE EL CT CM AB

Gráfico 5: Box-plot tamanho da firma centrado por setor padronizado em escala ranger das firmas Brasileiras, referente aos dados trimestrais no período de 1996 ao terceiro trimestre de 2014

Nota: (i) elaborado calculado com uso do Stata® 13, conforme tópico 2.7 desta tese, com base

nos da Economatica; (ii) setores de atividade: Alimentos e Bebidas (AB); Comércio (CM); Construção (CT); Eletroeletrônicos (EL); Energia Elétrica (EE); Máquinas Industriais (MA); Mineração (MI); Minerais Não Metálicos (MN); Papel e Celulose (PC); Petróleo e Gás (PG); Química (QM); Siderurgia e Metalurgia (SD); Telecomunicações (TL); Têxtil (TX); Transporte Serviços (TS); Veículos e peças (VP);

O tamanho da firma é um dos determinantes mais importantes do seu desempenho, segundo a literatura de Microeconomia e Organização industrial (MCGAHAN; PORTER, 2002 e BESANKO et al., 2006).

Os gráficos box-plot do tamanho centrado ao setor apontam os setores com maior dispersão de tamanho entre as firmas: Máquinas Industriais; Transporte Serviços; Construção; e os setores de Energia Elétrica; Minerais Não Metálicos; Eletroeletrônicos como setores menor dispersão de tamanho as firmas.

0 .1 .2 .3 .4

Tamanho da firma centrado por setor em escala ranger VP TS TX TL SD QM PG PC MN MI MA EE EL CT CM AB

7 RESULTADOS

Neste capítulo, são verificadas a normalidade das variáveis, as correlações aos pares e as correlações conjuntas para a verificação de existência de autocorreção e multicolinearidade entre as variáveis. O modelo é desdobrado, a fim de que sejam mantidas todas as variáveis endógenas no estudo. E, por fim, são apresentados modelos hierárquicos aninhados com efeito moderação e o efeito das variáveis exógenas na relação recursos da firma com seu desempenho operacional.

7.1 TESTE DE NORMALIDADE DA AMOSTRA

A Tabela 5 apresenta o resultado dos testes de normalidade multivariada. Tais testes verificam se as suposições da análise de regressão são parcialmente atendidas

Tabela 5: Teste de normalidade multivariada e por variáveis do modelo

Fonte: elaborado pelo autor.

Todos os testes refutaram a hipótese nula de normalidade. E os testes de normalidade univariada não refutaram a ausência de assimetria e curtose, e de distribuição normal, o que reforça a necessidade de controle da heteroscedasticidade dos modelos.