Tableur et algèbre : une étude théorique avec l’approche instrumentale 109 induit l’apprentissage de la notion de formule ? Le texte fourni ne nous permet pas de répondre Cet

3.2.1 Outros fatores

Pesquisas anteriores identificaram vários fatores determinantes da EVAR. Usam-se neste trabalho as variáveis de Lev (1983) e Luttman e Silhan (1995) para controlar tais fatores.

Para o controle de outros fatores, diversas variáveis são utilizadas, uso este apoiado por pesquisas anteriores como variáveis de controle.

3.2.1.1 Tamanho da firma

O tamanho da organização reflete uma variedade de fatores que poderiam afetar a EVAR (LEV, 1983). Estes fatores incluem, por exemplo, a discricionariedade gerencial (WILLIAMSON, 1963), os custos políticos (WATTS; ZIMMERMAN, 1978) e diversificação (SILHAN, 1984). Prevê-se uma associação negativa entre o tamanho da firma e a EVAR.

O tamanho foi medido utilizando o reconhecimento das médias anuais de vendas em milhões (2000-2007), que é o critério que a Fortune 500 utiliza em seu ranking anual de vendas para classificar as maiores empresas. Consistentemente com Lev (1983), Cox (1987), Luttman e Silhan (1995), Kothari, Laguerre e Serra (2002), entre outros, o sinal esperado entre tamanho (SIZE) e EVAR é negativo.

3.2.1.2 Durabilidade do produto

A demanda por bens duráveis é geralmente vista como mais volátil do que a demanda por bens não duráveis. A teoria econômica considera que o consumo dos bens não duráveis é uma função da renda permanente, enquanto os gastos com bens duráveis possuem relação com a renda transitória (LEV, 1983). Por esta razão, prevê-se neste trabalho uma associação positiva entre EVAR e a durabilidade do produto (DUR).

3.2.1.3 Performance corporativa

Diversas variáveis de desempenho são incluídas porque o desempenho das empresas tem sido associado a EVAR, especialmente na literatura de estratégia (BOWMAN, 1980; ANDERSEN; DENRELL; BETTIS, 2007). Bowman (1980) verificou que empresas de alto desempenho tendem a ter menor EVAR do que as firmas de baixo desempenho. Esse “paradoxo do risco-retorno” tem sido atribuído a uma variedade de fatores, incluindo comportamentos de risco (BOWMAN, 1982) e capacidade de resposta estratégica (ANDERSEN; DENRELL; BETTIS, 2007). Empresas de alto desempenho refletem a capacidade das organizações de reportar resultados superiores (BOWMAN, 1980). Em um ambiente de mudanças, o tempo de obtenção de adequação estratégica demanda mais (e outros) recursos, o que propicia que uma empresa avalie as mudanças ambientais, formule uma resposta apropriada, e então reconfigure os recursos internos de forma adequada (ANDERSEN; DENRELLA; BETTIS, 2007, p. 410). Curiosamente, os benefícios do gerenciamento de risco corporativo são ligados à incerteza do ambiente (GORDON; LOEB; TSENG, 2009).

Luttman e Silhan (1995) incorporam a margem de lucro líquido e crescimento das vendas como determinantes de EVAR associadas ao desempenho. A Standard & Poor’s considera que níveis mais elevados e estáveis de rentabilidade trazem resultados maiores e mais estáveis e aumento nos dividendos (SAMTICCHIA; MURPHY, 2005, p. 23). Devido a esse cenário, prevê-se uma associação negativa entre a margem de lucro líquido (NPM) e EVAR, e uma associação negativa entre crescimento (GROW) e EVAR.

A NPM foi medida com percentual médio do lucro líquido sobre as receitas líquidas. Essa medida demonstra as diferenças do cross-sectional na rentabilidade corporativa (SLADE, 1986; SANTICCHIA; MURPHY, 2005). Para refletir a rentabilidade sustentada, a NPM foi baseada em 8 anos de dados. De acordo com Luttman e Silhan (1995), o sinal esperado entre NPM e EVAR é negativo.

A GROW foi medida utilizando porcentagem média de crescimento de longo prazo nas vendas anuais. Para que esta medida de desempenho reflita um crescimento sustentado, a mesma é baseada em 8 anos de dados. Consistente com Luttman e Silhan (1995), o sinal esperado entre GROW e EVAR é negativo.

3.2.1.4 Alavancagem financeira

Dhaliwal (1988) e outros observaram que seria esperado que a EVAR aumentasse com o aumento da alavancagem financeira. Prevê-se uma associação positiva entre alavancagem (LEVR) e EVAR.

A LEVR foi usada para investigar os efeitos da alavancagem financeira sobre EVAR. A LEVR foi medida utilizando a proporção entre a média da dívida total e dos ativos totais. Em conformidade com Luttman e Silhan (1995) e Kothari, Laguerre e Leone (2002), o sinal esperado entre LEVR e EVAR é positivo.

3.3 ANÁLISE DE REGRESSÃO

A análise de regressão foi usada para avaliar o poder explicativo dos modelos de

cross-sectional a seguir:

EVAR = + 1 SIZE + 2DUR + 3NPM + 4GROW + 5LEVR + 6|NDAC| + 7|DAC| +

(Modelo 2) Eq. 4

EVAR = + 1 SIZE + 2DUR + 3NPM + 4GROW + 5LEVR + 8|TAC| + (Modelo 3) Eq. 5

Em que:

EVAR = variabilidade dos resultados para a empresa i, SIZE = log das receitas da empresa i,

DUR = variável dummy indicando a produção de bens de consumo duráveis da empresa i, NPM = lucro líquido do período t escalonado pelas receitas do período t da empresa i, GROW = receitas do período t, escalonadas pelas receitas no período t-1 da empresa i,

LEVR = empréstimos e financiamentos a curto e longo prazo no período t, escalonados pelo ativo total no período t da empresa i,

|NDAC| = média de accruals não discricionários escalonados pelo ativo total da empresa i, |DAC| = média de accruals discricionários escalonados pelo ativo total da empresa i, |TAC| = média de accruals totais escalonados pelo ativo total da empresa i.

= erro de regressão (resíduos)

, 1, 2 , 3 , 4 , 5 , 6 , 7 e 8 = coeficientes estimados da regressão

Nesta pesquisa, |NDAC|, |DAC| e |TAC| são as variáveis principais de interesse. Essas variáveis são consideradas como independentes. Com efeito, estas variáveis refletem a variabilidade de accruals numa firma de base sólida ao longo do tempo. A inclusão ou acréscimo no modelo 2 e no modelo 3 proporcionam evidências sobre o poder explicativo incremental dos accruals.

Os accruals totais foram calculados baseados na abordagem de estimação pautada nas contas do Balanço Patrimonial (HEALY, 1985; DeANGELO, 1986; JONES, 1991; DECHOW et al., 1995; KANG; SIVARAMAKRISHNAN, 1995; BURGSTAHLER; DICHEV, 1997; TEOH et al., 1998; HEALY; WAHLEN, 1999; MARTINEZ, 2001; ZENDERSKY, 2005; PAE, 2005; ALMEIDA, 2006; PAULO, 2007).

TACt = (( CAt – Casht) – CLt – Deprt) / At-1 Eq. 6

Em que:

TACt = accruals totais da empresa no período t;

CAt = variação do ativo corrente (circulante) da empresa no final do período t-1 para o final do período t;

Casht = variação das disponibilidades da empresa no final do período t-1 para o final do período t;

CLt = variação do passivo corrente (circulante) da empresa no final do período t-1 para o final do período t;

Deprt = montante das despesas com depreciação e amortização da empresa durante o período

t;

At-1 = ativos totais da empresa no final do período t-1.

Conforme Jones (1991), o modelo de regressão a seguir foi usado para estimar NDAC e DAC, para cada firma:

TACit = (1/Ait–1) + 1 ( REVit) + 2 (PPEit) + it Eq. 7

Em que

TACit = accruals totais da empresa i no período t, escalonados pelos ativos totais no final do período t-1;

REVit = variação das receitas líquidas da empresa i do período t-1 para o período t, escalonada pelos ativos totais no final do período t-1;

PPEit = saldos das contas do Ativo Imobilizado e Ativo Diferido (bruto) da empresa i no final do período t, escalonados pelos ativos totais no final do período t-1;

Ait–1 = ativos totais da empresa no final do período t -1; it = erro de regressão (resíduos)

Para cada empresa da amostra, o termo de erro residual it serve como uma medida de componente DAC. O TAC inclui mudanças no capital de giro (contas a receber, estoque e contas a pagar) e depreciação. As variáveis independentes, Receitasit e PPEit, estão incluídas para refletir o componente NDAC dos accruals. Alterações nas vendas líquidas e o nível de ativo imobilizado e diferido refletem alterações nas condições de funcionamento. Com efeito, este modelo de regressão assume que a relação entre essas variáveis e NDAC está associada.

Todos os accruals são escalonados por ativos defasados para reduzir a heterocedasticidade e mínimos quadrados ordinários são usados para estimar este modelo. Usando esses resultados da regressão, NDAC e DAC foram computados para cada firma, como segue:

NDACit = (1/At–1) + 1 ( REVit) + 2 (PPEit) Eq. 8

DACit = TACit – NDACit Εq. 9

Levando em conta a possibilidade de manipulação das vendas a prazo, utilizou-se o modelo Jones Modificado (1995) para estimar NDAC, para cada firma:

NDACit = (1/At–1) + 1 ( REVt – RECt) + 2 (PPEt) Eq. 10

Em que:

REVit = variação das receitas líquidas da empresa i do período t-1 para o período t, escalonada pelos ativos totais no final do período t-1;

RECit = variação das contas a receber (clientes) da empresa i do período t-1 para o período t, escalonada pelos ativos totais no final do período t-1;

PPEit = saldos das contas Ativo Imobilizado e Ativo Diferido (bruto) da empresa i no final do período t, escalonados pelos ativos totais no final do período t-1;

Ait–1 = ativos totais da empresa no final do período t -1;

3.4 AMOSTRA

Para analisar os fatores determinantes da variabilidade no processo de income

smoothing no mercado brasileiro foi escolhida uma amostra de empresas do país que constam

no banco de dados da Economática, com as seguintes características:

a) Estão listadas para negociação na Bolsa de Valores de São Paulo (Bovespa). b) Dispõem de informações contábeis no intervalo de 2000 a 2007, sendo que algumas empresas dispunham de informações para o período completo.

c) Estão distribuídas em 19 setores (indústria, comércio e serviços) não financeiros.

Desse modo, foram coletados dados de 165 empresas no período 2000-2007. Todas estas empresas apresentavam dados completos em 2007, o que significa que estavam ativas nesse ano.

Nossa base, porém, continha alguns missings. Além disso, foram eliminadas as observações cujos dados não pertenciam ao intervalo de três desvios padrão para baixo e três desvios padrão para cima em relação ao valor médio das variáveis consideradas.

Os filtros de seleção da amostra estão evidenciados nas tabelas a seguir.

A tabela 1 indica que o |TAC| do Modelo Jones foi estimado com 1.118 observações de 163 empresas, o que representa uma média de 6,86 anos de observações/empresas.

Tabela 1 – Filtros de Seleção da Amostra na Estimação |TAC| – Modelo Jones (1991) Nº Observações Excluídas Nº Obersevações Quantidade de Empresas Quantidade de Anos Início 1.320 165 8,00 Missings Values 136 1.184 165 7,18 Outliers nas Variáveis 36 1.148 164 7,00 Outliers nos Resíduos 30 1.118 163 6,86

Total 202

% Total Perdas - Outilers 5%

% Total Perdas - Missings Values 10%

Já o |TAC| do Modelo Jones Modificado, conforme indicado na tabela 2, foi estimado com 1.073 observações de 163 empresas, o que representa uma média de 6,58 anos de observações/empresas.

Tabela 2 - Filtros de Seleção da Amostra na Estimação |TAC| - Modelo Jones Modificado (1995) Nº Observações Excluídas Nº Obersevações Quantidade de Empresas Quantidade de Anos Início 1.320 165 8,00 Missings Values 191 1.129 165 6,84 Outliers nas Variáveis 31 1.098 164 6,70 Outliers nos Resíduos 25 1.073 163 6,58

Total 247

% Total Perdas - Outilers 4%

% Total Perdas - Missings Values 14%

Estimação |TAC| - Modelo Jones Modificado

Por fim, pela tabela 3 temos que a estimação EVAR contou com 138 empresas, o que representa uma exclusão de aproximadamente 15% de outliers no modelo.

Tabela 3 - Filtros de Seleção da Amostra na Estimação |TAC|

Nº Empresas Excluídas Nº Total Empresas

Início 163

Outliers nas Variáveis 14 149 Outliers nos Resíduos 11 138 Total 25

% Total Perdas - Outilers 15%