josé raymundo ribeiro campos filho - repositorio.ufpe.br · 4.4.1 demonstração do cálculo do...
TRANSCRIPT
José Raymundo Ribeiro Campos Filho
Evidências da associação do EVA (Economic Value Added) com os retornos das ações na Bolsa de
Valores de São Paulo: uma análise comparativa com indicadores de performance baseados nas
informações contábeis
Orientador: Charles Ulises de Montreuil Carmona, Doutor.
Dissertação apresentada como requisito complementar para obtenção do grau de Mestre em Administração, área de concentração em Gestão Organizacional, do Programa de Pós-Graduação em Administração da Universidade Federal de Pernambuco.
Recife, 2004
2
Campos Filho, José Raymundo Ribeiro
Evidências da associação do EVA (Economic Value Added) com os retornos das ações na Bolsa deValores de São Paulo: uma análise comparativa com indicadores de performance baseados nas informações contábeis / José Raymundo RibeiroCampos Filho. – Recife : O Autor, 2004.
260 folhas: il., fig., tab., graf., quadros. Dissertação (mestrado) – Universidade Federal
de Pernambuco. CCSA. Administração, 2004. Inclui bibliografia e apêndices. 1. Administração – Finanças corporativas. 2. EVA
– Economic Value Added. 3. Indicadores de desempenho empresarial. I. Título.
658.15 CDU
(2.ed.) U
FPE 658.15 CDD
(22.ed.) B
C2005-039
3
4
Ao bom Deus, aos meus pais e à minha esposa, Luciana.
5
Resumo
Nos últimos anos, uma atenção cada vez maior tem sido dada às novas medidas de
performance empresarial, em substituição à tradicional análise dos lucros por ação. Dentre
estas novas medidas, pode se destacar o Economic Value Added (EVA), em virtude da grande
atenção recebida na literatura acadêmica e publicações especializadas. Como decorrência da
importância e do destaque do EVA no meio acadêmico (principalmente nos Estados Unidos
da América e na Inglaterra), diversos trabalhos empíricos foram realizados, na tentativa de
identificar se este modelo é relevante para a mensuração dos valores das empresas. Contudo,
estes trabalhos empíricos apresentam resultados contraditórios. Além disso, este modelo de
mensuração de performance ainda tem sido alvo de poucas pesquisas acadêmicas empíricas
no Brasil, o que é insuficiente para identificar a sua importância no país. Motivada por esta
carência de trabalhos empíricos, a presente dissertação procura fornecer dados empíricos para
analisar se, no Brasil, o EVA é uma medida de desempenho que oferece maior explicação dos
retornos das ações do que medidas tradicionais de desempenho, sendo estas: Lucros por Ação,
Fluxo de Caixa Operacional, NOPAT (net operating profits after taxes) e Lucro Residual.
Verifica-se que o EVA não detém poder de explicação dos retornos por ação, de maneira
consistente, maior do que medidas de performance tradicionais para ambas as abordagens
informacionais trabalhadas. Por fim, verifica-se que a modelagem por panel data (dados em
painel) apresenta-se claramente superior à modelagem pelo método dos MQO (mínimos
quadrados ordinários), para a análise de medidas de performance empresarial baseadas em
informações contábeis e para a abordagem do conteúdo relativo.
6
Abstract
In the last years, a special attention has been given to the new measures of
corporative performance, in substitution to the traditional analysis of the stock profits.
Amongst these new measures, the Economic Value Added received a big interest in the
academic literature and specialized finance media. As result of the importance and the
prominence of the EVA in the academic community (mainly in the United States of America
and United Kingdom), many empirical works had been carried through, in the attempt to
identify if this model is proper for the corporate valuation. However, these empirical works
present contradictory results. Besides, this model of corporate valuation has been object of
little empirical academic research in Brazil, end thus it is insufficient to identify its
importance in the country. Motivated for this lack of empirical works, the present research
looks for supply empirical data to analyze if, in Brazil, the EVA is a measure of corporate
performance that offers greater explanation of the stock returns than traditional corporate
measures, that is: Earnings per Share, Cash Flow from Operations, Net Operating Profits
After Taxes and Residual Income. It is verified that the EVA does not have power of
explanation of the stock returns, in a consistent way, bigger than traditional performance
measures for both information approaches. Finally, it is verified that the panel data model is
clearly superior to the Ordinary Least Squares model for accounting-based performance
measures, and for relative information approach.
7
Sumário
1 Introdução 14 1.1 Apresentação do problema e delimitação do tema 14 1.2 Justificativa e relevância 17 1.2.1 Residual income e value based management 17 1.2.2 Economic value added 18 1.2.3 Economic value added no Brasil 18 2 Objetivos 20 2.1 Objetivo geral 20 2.2 Objetivos específicos 21 3 Referencial teórico 23 3.1 Value-based management 23 3.1.1 A evolução da contabilidade gerencial 23 3.1.2 Definindo value-based management 25 3.1.3 O arcabouço da value-based management 26 3.2 Lucro residual (residual income – RI) 27 3.3 Valor econômico agregado (EVA) 29 3.3.1 Definindo o EVA 29 3.3.1.1 Principais ajustes contábeis e cálculo do WACC 32 3.4 Apresentação das medidas tradicionais de performanceselecionadas 34 3.4.1 Fluxo de Caixa e Fluxo de Caixa Operacional 34 3.4.1.1 Fluxo de Caixa 34 3.4.1.2 Formas de apresentação do Fluxo de Caixa 37 3.4.1.3 Fluxo de Caixa Operacional 38 3.4.2 Lucro antes de itens extraordinários e Lucro Operacional Líquido Após o Imposto de Renda 40 3.4.2.1 Itens extraordinários e lucro antes de itens extraordinários 40 3.4.2.2 Lucro Operacional Líquido Após o Imposto de Renda 42
3.5 O modelo conceitual da relevância das medidas de performance, baseadas nas informações contábeis e na relação com os retornos das ações. 43 3.6 O modelo conceitual das relações entre o fluxo de caixa operacional, os lucros, o RI e o EVA 44 3.7 O modelo de avaliação das relações entre os lucros e os retornos das ações. 47 3.7.1 Associações entre os retornos das ações e os lucros por ação, baseadas em um modelo de avaliação patrimonial. 48
8
3.7.2 Associações entre os retornos das ações e os lucros por ação, baseadas em um modelo de avaliação por meio dos lucros por ação. 49 3.7.3 Integração entre os modelos de avaliação baseados no valor patrimonial e nos lucros por ação. 50 4 Metodologia 52 4.1 Delineamento da pesquisa 52 4.2 Caracterização da Amostra 53 4.3 União do modelo conceitual de Chen e Dodd com o modelo conceitual de Biddle, Bowen e Wallace. 54 4.4 Demonstração dos cálculos das medidas de performanceselecionadas 55 4.4.1 Demonstração do cálculo do EVA e do NOPAT 56 4.4.2 Demonstração do cálculo do CFO 61 4.4.3 Demonstração do cálculo do RI e do EBEI 63 4.5 Hipóteses 64 4.6 Definição das Variáveis 66 4.7 Modelos de regressão para o teste das hipóteses 67 4.7.1 Efeitos fixos e efeitos aleatórios 69 4.7.2 Análise das hipóteses referentes ao conteúdo relativo das informações 69 4.7.3 Análise das hipóteses referentes ao conteúdo incremental das informações 71 5 Análise dos resultados 74 5.1 Análise dos dados referentes ao conteúdo relativo das medidas de performance 74 5.2 Análise dos dados referentes ao conteúdo incremental das medidas de performance 1016 Conclusão 1306.1 Abordagem do conteúdo relativo das medidas de performance 1316.2 Abordagem do conteúdo incremental das medidas de performance 1376.3 Limitações do trabalho 1416.4 Sugestões para pesquisas futuras 1417 Referências bibliográficas 143APÊNDICES 148
APÊNDICE A - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo relativo das medidas de performance e para o ano de 2003 149
APÊNDICE B - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo relativo das medidas de performance e para o ano de 2002 156
9
APÊNDICE C - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo relativo das medidas de performance e para o ano de 2001 163
APÊNDICE D - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo relativo das medidas de performance e para o ano de 2000 170
APÊNDICE E - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo relativo das medidas de performance e para o ano de 1999 178
APÊNDICE F - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo incremental das medidas de performance e para o ano de 2003 185
APÊNDICE G - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo incremental das medidas de performance e para o ano de 2002 192
APÊNDICE H - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo incremental das medidas de performance e para o ano de 2001 199
APÊNDICE I - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo incremental das medidas de performance e para o ano de 2000 206
APÊNDICE J - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo incremental das medidas de performance e para o ano de 1999 213APÊNDICE K - Resultados dos modelos de regressões, por panel data (sem a análise dos efeitos fixos), para a análise do conteúdo relativo das medidas de performance e para o período de 1999 a 2003 219
APÊNDICE L - Resultados dos modelos de regressões, por panel data (sem a análise dos efeitos fixos), para a análise do conteúdo incremental das medidas de performance e para o período de 1999 a 2003 223APÊNDICE M - Resultados dos modelos de regressões, por panel data (com a análise dos efeitos fixos), para a análise do conteúdo relativo das medidas de performance e para o período de 1999 a 2003 227
APÊNDICE N - Resultados dos modelos de regressões, por panel data (com a análise dos efeitos fixos), para a análise do conteúdo incremental das medidas de performance e para o período de 1999 a 2003 236
APÊNDICE O - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo relativo das medidas de performance e para o período de 1999 a 2003 244
10
APÊNDICE P - Resultados dos modelos de regressões, por MQO, para a análise do conteúdo incremental das medidas de performance e para o período de 1999 a 2003 252APÊNDICE Q - Identificação das empresas e seus respectivos tipos de ação analisados, com base nos identificadores do Eviews 259
11
Lista de figuras
Figura 1 (2) - Representação gráfica do objetivo geral do trabalho 21Figura 2 (3) - Arcabouço do Value-Based Management 27
Figura 3 (3) - O modelo conceitual da relevância das medidas de performance, baseadas nas informações contábeis, na relação com os retornos das ações 44Figura 4 (3) - Componentes do EVA. 47Figura 5 (4) - União do modelo conceitual de Chen e Dodd (2001) com o modelo conceitual de Biddle, Bowen e Wallace (1997). 55Figura 6 (4) - Modelos de regressão referentes às hipóteses para a análise do conteúdo relativo das informações das medidas de performance selecionadas 70Figura 7 (4) - Modelos de regressão referentes às hipóteses para a análise do conteúdo incremental das informações das medidas de performance selecionadas 72
12
Lista de tabelas
Tabela 1(3) - Exemplo de Demonstração do Fluxo de Caixa pelo Método Indireto 37Tabela 2 (3) - Exemplo de Demonstração do Fluxo de Caixa pelo Método Direto 38Tabela 3 (4) - Cálculo do NOPAT 56Tabela 4 (4) - Cálculo do Capital Investido Médio 57Tabela 5 (4) - Cálculo do beta alavancado 57Tabela 6 (4) - Cálculo do Custo do Capital Próprio 58Tabela 7 (4) - Cálculo do Custo de Capital de Terceiros 59Tabela 8 (4) - Cálculo do Custo Médio Ponderado de Capital 60Tabela 9 (4) - Cálculo do EVA 61Tabela 10 (4) - Cálculo do Lucro Líquido para o CFO 61Tabela 11 (4) - Variação do Ativo Circulante, excluindo a conta Caixa e as contas equivalentes 62Tabela 12 (4) - Variação do Passivo Circulante, excluindo o endividamento bancário 62Tabela 13 (4) - Cálculo do CFO 63Tabela 14 (4) - Cálculo do RI 63Tabela 15 (4) - Hipóteses para o teste do conteúdo relativo das informações 64Tabela 16 (4) - Hipóteses para o teste do conteúdo incremental das informações 65Tabela 17 (5) - Resultado do teste de White, para o ano de 1999, pelo método dos MQO e para o conteúdo relativo das medidas de performance 74
Tabela 18 (5) - Resultado do teste de White, para o ano de 2000, pelo método dos MQO e para o conteúdo relativo das medidas de performance 75Tabela 19 (5) - Resultado do teste de White, para o ano de 2001, pelo método dos MQO e para o conteúdo relativo das medidas de performance 77
Tabela 20 (5) - Resultado do teste de White, para o ano de 2002, pelo método dos MQO e para o conteúdo relativo das medidas de performance 78Tabela 21 (5) - Resultado do teste de White, para o ano de 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance 79
13
Tabela 22 (5) - Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance 80
Tabela 23 (5) - Resultado do teste de Jarque-Bera, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance 82Tabela 24 (5) - Avaliação das medidas de performance utilizando o MQO (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados individualmente 84Tabela 25 (5) - Avaliação das medidas de performance utilizando o MQO robusto (para o conteúdo relativo das medidas de performance), para o ano de 2000 e para os modelos (3) e (4) 87
Tabela 26 (5) - Resultado do teste de White, para os anos de 1999 a 2003 (conjuntamente), pelo método dos MQO e para o conteúdo relativo das medidas de performance 88
Tabela 27 (5) - Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003 analisados em conjunto, pelo método dos MQO e para o conteúdo relativo das medidas de performance 89Tabela 28 (5) - Avaliação das medidas de performance utilizando o MQO (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados conjuntamente 91
Tabela 29 (5) - Avaliação das medidas de performance utilizando o MQO robusto (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados conjuntamente, e para os modelos (3) e (4) 93
Tabela 30 (5) - Resultado do teste de Durbin-Watson, utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo relativo 94Tabela 31 (5) - Avaliação das medidas de performance utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo relativo 96
Tabela 32 (5) - Resultado do teste de Durbin-Watson, utilizando o panel data e com a utilização dos efeitos fixos, para a análise do conteúdo relativo 98Tabela 33 (5) - Avaliação das medidas de performance utilizando o panel data e utilizando os efeitos fixos de cada empresa, para a análise do conteúdo relativo 100Tabela 34 (5) - Resultado do teste de White, para o ano de 1999, pelo método dos MQO e para o conteúdo incremental das medidas de performance 102Tabela 35 (5) - Resultado do teste de White, para o ano de 2000, pelo método dos MQO e para o conteúdo incremental das medidas de performance 102
14
Tabela 36 (5) - Resultado do teste de White, para o ano de 2001, pelo método dos MQO e para o conteúdo incremental das medidas de performance 104Tabela 37 (5) - Resultado do teste de White, para o ano de 2002, pelo método dos MQO e para o conteúdo incremental das medidas de performance 105Tabela 38 (5) - Resultado do teste de White, para o ano de 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance 106
Tabela 39 (5) - Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance 107
Tabela 40 (5) - Resultado do teste de Jarque-Bera, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance 109Tabela 41 (5) - Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance) 111
Tabela 42 (5) - Resultado do teste de White, para os anos de 1999 a 2003 (conjuntamente), pelo método dos MQO e para o conteúdo incremental das medidas de performance 116
Tabela 43 (5) - Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003 analisados em conjunto, pelo método dos MQO e para o conteúdo incremental das medidas de performance 117Tabela 44 (5) - Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance), para os anos de 1999 a 2003 analisados conjuntamente 119
Tabela 45 (5) - Avaliação das medidas de performance utilizando o MQO robusto (para o conteúdo incremental das medidas de performance), para os anos de 1999 a 2003 analisados conjuntamente, e para os modelos (6) e (7) 121
Tabela 46 (5) - Resultado do teste de Durbin-Watson, utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo incremental 122Tabela 47 (5) - Avaliação das medidas de performance utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo incremental 124
Tabela 48 (5) - Resultado do teste de Durbin-Watson, utilizando o panel data e com a utilização dos efeitos fixos, para a análise do conteúdo incremental 126Tabela 49 (5) - Avaliação das medidas de performance utilizando o panel data e utilizando os efeitos fixos de cada empresa, para a análise do conteúdo incremental 128
15
1 Introdução
1.1 Apresentação do problema e delimitação do
tema
Nos últimos anos, uma atenção cada vez maior tem sido dada às novas medidas de
performance financeira, em substituição à tradicional análise dos lucros por ação (ITNNER;
LARCKER, 1998). Dentre estas novas medidas, pode se destacar o Economic Value Added
(EVA), em virtude da grande atenção recebida na literatura acadêmica e publicações
especializadas em finanças (MACHUGA; PFEIFFER; VERMA, 2002).
O EVA é considerado uma variante, registrada pela empresa americana Stern
Stewart & Company, da medida de performance denominada “ganho residual” (residual
income – RI) e dos sistemas de gestão baseados em valor (value based management –VBM).
Esta variante tem sido apresentada pela Stern Stewart como ferramenta para a mensuração,
tanto interna (alcance dos objetivos internos da organização) quanto externa (desempenho
financeiro corporativo), da performance empresarial (resultado financeiro corporativo e
geração de valor ao acionista) em substituição aos métodos tradicionais, tais como fluxo de
caixa operacional e lucros por ação (BIDDLE; BOWEN; WALLACE, 1997; MARTIN;
PETTY; RICH, 2003).
Como decorrência da importância e do destaque do EVA no meio acadêmico
(principalmente nos Estados Unidos da América e na Inglaterra), diversos trabalhos empíricos
foram realizados, na tentativa de identificar se este modelo é relevante para a mensuração dos
16
valores das empresas. Contudo, estes trabalhos empíricos apresentam resultados
contraditórios.
Como exemplo pode-se apresentar o trabalho de Chen e Dodd (1997), usando
dados com base em médias de 10 anos, onde foi encontrada uma alta correlação positiva entre
os retornos das ações e o EVA, correlação esta maior do que os retornos das ações com os
lucros por ação. Na mesma linha, outro trabalho (LEHN; MAKHIJA, 1996) também
encontrou uma correlação positiva maior entre os retornos por ação (em períodos de 10 anos)
e o EVA do que com diversas outras medidas de performance baseadas nos lucros contábeis.
Em contraposição aos resultados acima citados, outros trabalhos (CLINTON; CHEN, 1998;
BIDDLE; BOWEN; WALLACE, 1997) encontraram uma correlação maior entre os retornos
por ação e os lucros por ação do que entre retornos por ação e o EVA.
Aparentemente, estas contradições são relativas à tempestividade das correlações,
uma vez que (nestes trabalhos) estas são examinadas na relação entre o EVA e os lucros com
os retornos contemporâneos (no mesmo período) das ações (MACHUGA; PFEIFFER;
VERMA, 2002). Em virtude desta limitação, os mesmos autores, baseados na premissa de que
os lucros por ação (earnings per share – EPS) ainda são uma informação de central interesse
na avaliação das ações das empresas, para que uma medida de performance contribua para
esta avaliação, esta deve fornecer informação sobre os EPS futuros. Portanto, para que uma
determinada medida de performance (tal como o EVA) possa prever os valores futuros de
mercado de uma ação, esta medida deve incrementalmente contribuir para predição dos
futuros EPS. Para isso, estes pesquisadores realizaram um trabalho empírico para identificar a
capacidade do EVA em explicar e prever as futuras mudanças no EPS. Contudo, Machuga,
Pfeiffer e Verma (2002) consideram o Eva como parte incremental dos futuros EPS e entra
em contradição com um dos objetivos principais do EVA, o qual é substituir o EPS (dentre
17
outras medidas de performance) como a principal medida de performance empresarial
(STEWART, 1991).
Ainda, de acordo com Ittner e Larcker (2001), os resultados divergentes nos
trabalhos empíricos relacionados ao EVA podem estar relacionados ao nível de sofisticação
das análises estatísticas, onde trabalhos mais sofisticados, como os de Chen e Dodd (2001) e
de Biddle, Bowen e Wallace (1997), são menos conclusivos quanto à superioridade do EVA
em relação às tradicionais medidas de performance empresarial quanto à capacidade
explicativa dos retornos por ação, enquanto que trabalhos relativamente menos sofisticados,
tais como os de Chen e Dodd (1997) e Lehn e Makhija (1996), encontraram uma maior
correlação do EVA com os retornos por ação do que as tradicionais medidas de performance
empresarial. Destaca-se que estes trabalhos anteriores, incluindo os trabalhos considerados
mais sofisticados por Ittner e Larcker (2001), utilizam a modelagem de regressões lineares
pelo método dos mínimos quadrados ordinários (MQO). Portanto, modelagens mais robustas
para efetuar inferências estatísticas das relações entre os retornos por ação e o EVA, tais como
a utilização da metodologia de panel data (dados em painel), ainda não foram aplicadas, de
modo que testes empíricos com base nestas modelagens podem representar uma contribuição
relevante para o entendimento do EVA e outras medidas de performance baseadas nas
informações contábeis.
Por fim, este modelo de mensuração de performance ainda tem sido alvo de
poucas pesquisas acadêmicas empíricas no Brasil (CARVALHO, 1999; SOUZA; JANCSO,
2003), o que é insuficiente para identificar a sua importância no país.
Na pesquisa empírica realizada neste trabalho desenvolver-se-á, portanto, uma
análise exploratória da importância do EVA no Brasil, em substituição a medidas tradicionais
de performance empresarial. As inferências a respeito dos dados analisados devem fornecer
uma resposta para o seguinte problema de pesquisa abordado: o EVA é uma medida de
18
performance empresarial que oferece maior explicação dos retornos das ações do que medidas
tradicionais de performance, também baseadas em informações contábeis, no Brasil?
1.2 Justificativa e relevância
1.2.1 Residual income e value based management
Durante séculos, economistas têm declarado que para uma organização criar valor
ao acionista esta deve gerar ganhos acima do seu custo de capital próprio e de terceiros
(MARSHAL, 1985; BIDDLE; BOWEN; WALLACE, 1997). Este conceito de criação de
valor foi estudado e aplicado nas finanças corporativas sob diversas denominações, incluindo
a denominação residual income (BIDDLE; BOWEN; WALLACE, 1997).
Diversos métodos de gestão baseados em valor (VBM) foram, nos últimos anos,
apresentados como ferramentas de mensuração da performance empresarial, onde são
geralmente baseados na comparação entre o valor de mercado, o valor patrimonial e o
residual income da empresa (BROMWICH; WALKER, 1998). Nos países desenvolvidos,
muito tem sido debatido sobre o VBM e suas conseqüências uma vez que, desde a década de
80, empresas têm atuado sob rígida disciplina de mercado e reconhecido publicamente a
necessidade da gestão para a criação de valor ao acionista (SOUZA; JANCSO, 2003).
Este interesse das empresas, especialmente nos Estados Unidos, pelos novos
métodos e sistemas de mensuração de performance baseados no residual income fez com que
diversas empresas de consultoria elaborassem as suas “práticas para mensuração de valor”.
Dentre estas práticas pode-se destacar, além do EVA, o total business return (TBR) do
Boston Consulting Group, o shareholder value added (SVA) do Alcar Consulting Group e o
cash-flow return on investment (CFROI) da Holt Value Associates (empresa do grupo Credit
19
Suisse First Boston desde 1992). Além das empresas de consultoria acima citadas, cada uma
com a sua métrica específica, outras renomadas empresas de consultoria, tais como a
PriceWaterhouseCoopers (PwC) e a Mckinsey & Co, utilizam, em conjunto, mais de uma
dessas “práticas para mensuração de valor” (AMEELS; BRUGGEMAN; SCHEIPERS, 2002).
1.2.2 Economic value added
Dentre todas essas métricas, destaca-se o EVA, conforme já exposto, em virtude
da grande atenção recebida na literatura acadêmica e na mídia impressa especializada em
finanças (MACHUGA; PFEIFFER; VERMA, 2002; BIDDLE; BOWEN; WALLACE, 1999;
BIDDLE; BOWEN; WALLACE, 1997; MARTIN; PETTY; RICH, 2003; CHEN; DODD,
2001). Popularizado pela detentora da sua marca, nos anos 80, o EVA foi sendo amplamente
aceito como medida de performance, assim como um número cada vez maior de empresas
tem apresentado o seu EVA anual aos seus investidores, além de utilizar o EVA como
ferramenta de gestão de remuneração e performance (BIDDLE; BOWEN; WALLACE, 1999;
CHEN; DODD, 2001; MOHANTY, 2003). Desde a sua criação, o EVA foi adotado por mais
de 300 empresas, incluindo grandes corporações tais como Coca-Cola, Eli Lilly, Siemens e
Monsanto (BIDDLE; BOWEN; WALLACE, 1999; ABOUT, 2004).
1.2.3 Economic value added no Brasil
Contudo, apesar da grande popularização mundial do EVA, a sua utilização no
Brasil é relativamente recente. A estabilização econômica a partir de 1994, conjuntamente
com a inserção cada vez maior do Brasil na economia global, finalizaram uma era onde
muitas empresas tinham os seus resultados operacionais sobrepujados pelos seus resultados
20
financeiros, em virtude das altas taxas de juros (remuneração das aplicações financeiras)
praticadas pelo mercado financeiro, essas decorrentes das altas taxas de inflação ocorridas até
1994 (SOUZA; JANCSO, 2003).
Em virtude da necessidade de um melhor desempenho operacional, melhoria da
eficiência e maior transparência, as empresas brasileiras iniciaram a busca por ferramentas e
sistemas gerenciais que contribuíssem nos seus esforços para a gestão da rentabilidade do
capital investido, levando à criação de valor aos acionistas. Como resultado desta busca, a
primeira empresa brasileira a implementar efetivamente o EVA foi a AmBev (Brahma, à
época), em 1995 (SOUZA; JANCSO, 2003).
Como resultado desta utilização recente do EVA no Brasil, este modelo de
mensuração de performance ainda tem sido alvo de poucas pesquisas acadêmicas empíricas
(CARVALHO; 1999; SOUZA; JANCSO, 2003), o que é insuficiente para identificar a sua
importância no país.
21
2 Objetivos
2.1 Objetivo geral
Em virtude do pequeno número de pesquisas empíricas tanto para dar suporte
quanto para contestar a hipótese da supremacia do EVA como uma medida de performance de
relevância para as empresas (CHEN; DODD, 2001) e em virtude, especialmente, do número
reduzido de pesquisas empíricas realizadas no Brasil (CARVALHO, 1999; SOUZA;
JANCSO, 2003), este trabalho tem por objetivo geral identificar se o EVA é uma medida de
performance empresarial que oferece maior explicação dos retornos das ações das empresas
do que medidas tradicionais de performance, também baseadas em informações contábeis,
sendo estas: EPS, Fluxo de Caixa Operacional, Lucro Operacional Líquido Após o Imposto de
Renda e RI. A Figura 1 apresenta graficamente o objetivo geral deste trabalho.
22
EVA
EPS, Fluxo de Caixa Operacional,
Lucro Operacional Líquido Após o Imposto de Rendae RI.
Retornos das açõesversus
Figura 1: Representação gráfica do objetivo geral do trabalho
2.2 Objetivos específicos
Para o alcance do objetivo geral, este trabalho dispõe de três objetivos específicos,
os quais são:
Identificar dentre quatro medidas de performance já bastante utilizadas pelas
empresas e pelo mercado financeiro (EPS, Fluxo de Caixa Operacional, Lucro Operacional
Líquido Após o Imposto de Renda e RI), além do EVA, qual tem uma maior associação com
os retornos contemporâneos das ações (retorno das ações ocorrido no mesmo período do
cálculo das medidas de performance), além de verificar se existe uma superioridade do EVA
como medida de performance empresarial. Este processo é denominado de “relative
information content approach”, ou seja, abordagem de conteúdo relativo da informação
(CHEN; DODD, 2001; BIDDLE; BOWEN; WALLACE, 1997).
23
Identificar se, e de que maneira, as variáveis acima citadas podem contribuir
umas com as outras para uma maior associação com os retornos contemporâneos das ações,
com uma maior atenção para a capacidade do EVA em contribuir com as demais variáveis
para uma maior associação com os retornos contemporâneos das ações. Este processo é
denominado de “incremental information content approach”, ou seja, abordagem de conteúdo
incremental da informação (CHEN; DODD, 2001; BIDDLE; BOWEN; WALLACE, 1997).
Por fim, examinar se a modelagem clássica pelo método dos mínimos
quadrados ordinários (MQO) se adapta melhor ao comportamento das medidas de
performance selecionadas, quando comparada com uma modelagem estatisticamente mais
robusta, como a do panel data.
Destaca-se que as duas abordagens para análise do conteúdo da informação
(relativa e incremental) apresentam implicações práticas distintas. A abordagem de conteúdo
relativo da informação tem por objetivo identificar qual é a melhor medida de performance
dentre todas as analisadas. A abordagem de conteúdo incremental da informação, por sua vez,
tem por objetivo identificar como empregar múltiplas medidas na análise financeira (CHEN;
DODD, 2001).
Também é importante destacar que este trabalho empírico será realizado com base
em dois modelos conceituais: o modelo da relevância das medidas de performance, baseadas
nas informações contábeis e na relação com os retornos das ações, elaborado por Chen e
Dodd (2001), que visa identificar as relações entre as medidas de performance RI, Lucro
Operacional e EVA e as relações destas com os retornos das ações; e o modelo das relações
entre o Fluxo de Caixa Operacional, os Lucros, o RI e o EVA, elaborado por Biddle, Bowen e
Wallace (1997). O modelo formal de avaliação, que será utilizado para a análise estatística
dos dados coletados, será baseado no modelo das relações entre os lucros e os retornos das
ações, elaborado por Easton e Harris (1991).
24
3 Referencial teórico
3.1 Value-based management
As duas últimas décadas presenciaram grandes mudanças na prática da
contabilidade gerencial. Partindo da sua tradicional ênfase na análise de decisões orientadas
financeiramente e no controle orçamentário, a contabilidade gerencial desenvolveu-se para
alcançar uma abordagem mais estratégica que enfatiza a identificação, mensuração e gestão
dos direcionadores financeiros e operacionais críticos para a criação de valor para o acionista.
Evolução similar tem ocorrido na pesquisa científica em contabilidade gerencial, onde estudos
empíricos referentes a controles financeiros e orçamentários estão cedendo espaço para a
pesquisa de uma nova variedade de técnicas tais como Custeio Baseado em Atividades
(activity-based costing – ABC), Balanced Scorecard e medidas de performance baseadas no
valor econômico (ITTNER; LARCKER, 2001).
3.1.1 A evolução da contabilidade gerencial
A abordagem da VBM representa o resultado de mais de quatro décadas de
pesquisas e prática da contabilidade gerencial. Até 1950, o foco primário da contabilidade
gerencial foi a determinação de custos e o controle financeiro. A partir da segunda metade da
década de 60, o foco foi transferido para a provisão de informação para o planejamento e
controle organizacional. Teorias da Contingência expandiram o arcabouço do planejamento e
controle organizacionais, por meio da articulação de fatores “contingentes”, influenciando
25
todos os sistemas de informações, tanto contábeis quanto não contábeis, o desenho
organizacional e outros mecanismos de controle. Estas teorias apresentam que não há sistema
de contabilidade gerencial universalmente aplicável a todas as organizações e que as escolhas
das técnicas contábeis e de controle adequadas depende de circunstâncias que envolvem a
organização (ITTNER; LARCKER, 2001). Entre os fatores contingentes de maiores
destaques estão: ambiente externo, tecnologia, estratégia competitiva e missão, unidades de
negócio e características da indústria, e conhecimento sobre os processos de mudança
organizacional (FISHER, 1995).
A partir da segunda metade da década de 80, o foco foi novamente transferido,
afastando-se do planejamento e controle para enfatizar a redução do desperdício nas
organizações. A mudança foi caracterizada pelo crescimento da adoção de programas de
gestão da qualidade e pela introdução de técnicas contábeis como ABC e gestão estratégica de
custos (ITTNER; LARCKER, 2001). Como exemplo da pesquisa acadêmica neste foco, tem-
se o trabalho de Shank e Govindarajan (1992), que apresenta uma primeira tentativa em da
análise da cadeia de valor em uma empresa de fabricação de caixas em papelão, discutindo
que a cadeia de valor pode se transformar uma ferramenta poderosa da análise empírica, não
apenas uma ferramenta conceitual abstrata.
A contabilidade gerencial chegou ao seu quarto estágio a partir da década de 90,
com o foco no planejamento, controle e redução do desperdício expandindo-se para alcançar
uma ênfase mais estratégica na geração do valor empresarial, por meio da identificação,
mensuração e gestão dos direcionadores do valor ao cliente, inovação organizacional e retorno
aos acionistas. Uma característica marcante deste quarto estágio é o surgimento de diversas
novas técnicas em contabilidade gerencial, focadas na promoção da criação de valor
(ITTNER; LARCKER, 2001). Como exemplos destas técnicas recentes, pode ser apresentado
o Balanced Scorecards (KAPLAN; NORTON, 1996) e o EVA (STEWART, 1991).
26
3.1.2 Definindo value-based management
As diferentes técnicas, nascidas no quarto estágio de evolução da contabilidade
gerencial, podem ser identificadas como integrantes da abordagem da gestão baseada em
valor (VBM). Apesar de apresentar diversas definições, a sua mensuração geralmente se
baseia na análise do valor de mercado ou contábil e da medição do lucro residual
(BROMWICH, 1998). A seguir, são apresentadas algumas definições da VBM:
VBM é, essencialmente, uma abordagem gerencial onde a filosofia empresarial é a
maximização do valor ao acionista, por meio da produção de retornos acima dos custos de capital.
(SIMMS, 2001, p. 34).
VBM é um arcabouço para medir e, mais importante ainda, gerenciar o empreendimento
para criar valor superior em longo prazo para os acionistas, de modo a satisfazer os mercados tanto de
capital quanto de produtos.(RONTE, 1998, p.38).
VBM é uma nova forma de gestão, focada na criação de valor real e não lucros ilusórios. O valor real é criado quando uma empresa gera retornos que compensam os investidores, em virtude dos custos totais envolvidos no investimento, mais um prêmio que compense o risco adicional envolvido. (CHRISTOPHER; RYALS, 1999, p.1).
Por fim, em uma perspectiva mais abrangente, tem-se a definição de Bannister e
Jesuthasan (1997, p. 12):
VBM é baseada na noção de que o objetivo central de todas as companhias abertas é maximizar o valor para o acionista. Em virtude de esta abordagem oferecer às empresas um meio lógico e sistemático para a busca de aumentos no valor para o acionista, esta tem recebido considerável atenção da mídia de negócios.
27
3.1.3 O arcabouço da value-based management
Apesar de os pesquisadores geralmente tratarem estas técnicas recentes como
distintas entre si (conforme já abordado anteriormente), as empresas vêm integrando estas
práticas por meio da utilização de arcabouços de gestão baseada em valor (VBM). Segundo
Ittner e Larcker (2001), esta abordagem tem foco em: (1) escolher os objetivos internos da
organização que levarão à geração de valor para o acionista; (2) selecionar as estratégias e
desenhos organizacionais consistentes com a realização dos objetivos selecionados; (3)
identificar as variáveis específicas de performance, ou direcionadores de valor, que criam
valor no empreendimento, dados os desenhos e as estratégias organizacionais; (4) desenvolver
os planos de ação, selecionar as medidas de performance e definir as metas, tendo como base
as prioridades identificadas na análise dos direcionadores de valor; (5) avaliar o sucesso dos
planos de ação e da condução das avaliações de performance gerencial e organizacional; e (6)
validar os objetivos internos da organização, das estratégias, planos e sistemas de controle em
virtude dos resultados obtidos. O arcabouço aqui abordado é apresentado na Figura 2.
28
Figura 2: Arcabouço do Value-Based Management Adaptado de Ittner e Larcker (2001, p. 353).
3.2 Lucro residual (residual income – RI)
O Lucro Residual é uma medida de performance que consiste na medição do lucro
líquido menos o custo do capital (tanto de terceiros quanto dos sócios) utilizado pela empresa
(CHEN; DODD, 2001; BIDDLE; BOWEN; WALLACE, 1997; CHRISTENSEN;
FELTHAM; WU, 2002). O Lucro Residual também pode ser entendido como os recursos
gerados pela entidade que restam após a dedução dos juros reais aplicados sobre o capital
investido pelos sócios (FIPECAFI, 2001).
Esta medida de performance foi elaborada para indicar à administração das
empresas em quais projetos investir (os projetos deveriam ter Lucro Residual positivo), tendo
29
recebido grande atenção da comunidade empresarial nos anos recentes em virtude de uma
versão do Lucro Residual, de propriedade da Stern Stewart & Company, denominada EVA
(CHEN; DODD, 2001; BIDDLE; BOWEN; WALLACE, 1997,1998).
O conceito de Lucro Residual foi criado na década de 20 nos Estados Unidos da
América, podendo ser citado o exemplo do cálculo do plano de bonificação do “Executive
Trust Fund” (fundo de remuneração executiva) da Empresa DuPont, conceito este que vem
sendo discutido freqüentemente desde que a empresa americana General Eletric Company o
adotou como medida de performance na década de 50 (CHRISTENSEN; FELTHAM; WU,
2002). Quanto ao desenvolvimento do Lucro Residual (RI) na General Eletric Company e o
seu aparecimento na literatura contábil, pode-se citar, ainda, Johnson e Kaplan (1996, p. 143):
O desenvolvimento do procedimento de LR [lucro residual] costuma ser atribuído à General Eletric Company, ainda que a idéia de impor um encargo explícito de capital sobre o investimento, no cômputo do lucro líquido, já figure em vários escritos anteriores deste século [ou seja, século XX]. O conceito de lucro residual só aparece na literatura contábil nos anos 60 [do século XX].
Por fim, a equação do Lucro Residual pode ser apresentada como (FIPECAFI,
2001):
LR = RL – JI
Onde:
LR = Lucro Residual;
RL = resultado líquido do exercício;
JI = juros sobre o investimento dos sócios (juros sobre o capital próprio).
30
3.3 Valor econômico agregado (EVA)
A medida de performance EVA foi desenvolvida durante a década de 80, pela
Stern Stewart & Company, obtendo rápida aceitação da comunidade financeira em virtude da
percepção da real lucratividade das empresas por uma nova perspectiva, segundo Grant
(1997).
Ainda segundo o mesmo autor, diferentemente de medidas tradicionais de
performance empresarial (tais como net operating profit after tax - NOPAT e lucro líquido), o
EVA procura o lucro residual da empresa, líquido do custo com capital de terceiros quanto do
capital próprio. Desta forma, o EVA serve como uma medida moderna da performance
empresarial de sucesso, em virtude de ser fortemente alinhada com a maximização da riqueza
dos acionistas.
3.3.1 Definindo o EVA
Na opinião de Joel M. Stern (um dos “criadores” do EVA) em seu prefácio à obra
de Ehrbar (1999), o EVA, como medida de desempenho, em sua forma fundamental, é
idêntico ao lucro residual, fazendo parte das ferramentas dos economistas há mais de duzentos
anos. Por meio do arcabouço conceitual do RI, para que os investidores alcancem uma taxa de
retorno adequada, o retorno deve compensar o risco (a possibilidade de perda em um
investimento sem garantia de retorno, tal qual a aquisição de ações de uma empresa). Desta
forma, se o retorno operacional for apenas igual ao retorno aceitável para o risco existente, o
RI é igual a zero (considerando-se tanto o custo de capital próprio quanto de terceiros).
Esta consideração quanto à utilização RI como medida de performance pode ser
identificada na análise de Marshall (1985) quanto ao ganho líquido sobre o capital investido,
31
texto este publicado originalmente em 1890, comprovando, efetivamente, que este conceito
não é recente.
Contabilmente, o EVA pode ser definido como a diferença entre o Lucro
Operacional Líquido Após o Imposto de Renda (net operating profit after tax – NOPAT) e o
custo médio ponderado de capital (weighted-average cost of capital – WACC). Difere assim
das tradicionais medidas de performance, tais como EBIT (lucros antes dos juros e impostos –
earnings before interest and taxes), EBITDA (lucros antes dos juros, depreciação e
amortização - earnings before interest, taxes, depreciation and amortization) e até mesmo o
NOPAT, em virtude de o EVA considerar tanto o custo com capital de terceiros e o custo com
capital próprio (GRANT, 1997). Esta diferença em relação às tradicionais medidas de
performance, aliada com os ajustes contábeis realizados para o cálculo do EVA (grande
distinção em relação às demais medidas de performance baseadas no RI) são as grandes
distinções do EVA, sendo consideradas pelos seus defensores como as suas grandes vantagens
em relação às demais medidas de performance (CHEN; DODD, 2001). Estas vantagens serão
discutidas mais adiante.
Portanto, o cálculo do EVA pode ser apresentado da seguinte forma (BIDDLE;
BOWEN; WALLACE, 1997):
EVA = NOPAT + AcctAdjop – k * (Capital + AcctAdjc) (1)
Onde:
AcctAdjop = Ajustes à medição contábil do lucro operacional, de acordo com a
Stern Stewart & Company.
AcctAdjc = Ajustes à medição contábil do capital, de acordo com a Stern Stewart.
k = Estimativa do custo médio ponderado do capital da empresa, calculado pela
Stern Stewart & Company (custo de capital próprio mais custo de capital com terceiros).
32
Capital = Definição, elaborada pela Stern Stewart, dos ativos líquidos de
depreciação, utilizados nas atividades operacionais da empresa ou, de maneira equivalente, os
capitais próprios e de terceiros utilizados no início do período.
NOPAT = Lucro Operacional Líquido Após o Imposto de Renda.
Contudo, como a legislação societária brasileira já considera o custo com capital
de terceiros (despesas financeiras) no resultado operacional líquido (FIPECAFI, 2001), a
equação anterior pode ser adaptada à realidade brasileira e denominações contábeis utilizadas
no país, da seguinte forma:
EVA = LOLAI + AcctAdjop – kp * (PL+ AcctAdjc) (2)
Onde:
AcctAdjop = Ajustes à medição contábil do lucro operacional, de acordo com a
Stern Stewart.
AcctAdjc = Ajustes à medição contábil do capital, de acordo com a Stern Stewart.
kp = Estimativa do custo do capital próprio da empresa.
PL = Patrimônio Líquido da empresa.
LOLAI = Lucro Operacional Líquido Após os Impostos.
Vale salientar que, segundo Ittner e Larcker (2001), o EVA é uma das medidas de
performance utilizadas na VBM, uma vez que o EVA mensura o valor econômico gerado pela
organização, valor este que, conforme diversos defensores da VBM (tais como Stern Stewart
& Company e KPMG Consulting) deve ser o ponto de referência para a definição dos
objetivos internos da organização e, conseqüentemente, da definição das metas da empresa,
onde este valor econômico identificaria a variação da riqueza dos acionistas de forma mais
eficaz que as medidas de performance baseadas na contabilidade tradicionais, substituindo
estas na definição das metas e objetivos organizacionais, no orçamento empresarial e nos
33
processos executivos de remuneração. Portanto, o EVA seria uma medida de performance
necessária para todas as etapas do arcabouço da VBM elaborado por Itnner e Larcker (2001).
3.3.1.1 Principais ajustes contábeis e cálculo
do WACC
Conforme abordado anteriormente, os ajustes contábeis efetuados para a
realização do cálculo do EVA e o cálculo do WACC são dois grandes diferenciais (ou
informados como tal) desta medida de performance, em relação às demais (CHEN; DODD,
2001). Nesta seção estes itens serão abordados, de modo a oferecer um entendimento das
razões para estes cálculos e ajustes. Para a eliminação de alegadas distorções na apuração dos
lucros, de acordo com os Princípios Contábeis Geralmente Aceitos (PCGA), para o cálculo do
EVA, os usuários efetuam ajustes contábeis (CHEN; DODD, 2001; YOUNG; O´BYRNE,
2003) de modo a que o NOPAT e o PL reflitam de uma forma mais precisa a atual geração de
recursos, tanto para os investidores quanto para a manutenção das atividades da organização
(STEWART, 1991).
Vale salientar que, em virtude da grande variedade de medidas contábeis e
indicadores de desempenho, não há um padrão universalmente aceito para esses ajustes, com
os defensores do EVA divergindo sobre a importância e a abordagem dos mesmos. Contudo,
estes ajustes são realizados, primariamente, com o objetivo de (YOUNG; O´BYRNE, 2003):
Tornar o retorno contábil sobre o capital mais próximo do retorno
econômico, por meio de: substituição do método de depreciação e
amortização linear por métodos de depreciação econômica e de fundo de
amortização; e reconhecimento de custos financeiros de períodos futuros
em termos de valores presentes.
34
Aumentar a responsabilidade dos gestores em relação aos recursos dos
acionistas, por meio de: reconhecimento das dívidas não registradas no
Balanço Patrimonial; e reconhecimento das opções em ações como uma
despesa.
Limitar a capacidade do gestor para manipular os lucros, por meio de
ajustes tais como a eliminação do regime de competência para as provisões
para créditos de liquidação duvidosa e garantias concedidas.
Tornar o EVA corrente uma medida mais adequada do valor de mercado
da empresa, por meio de: capitalização dos gastos de reestruturação e
demais gastos especiais; exclusão de lucros e ativos não operacionais.
Vale salientar, ainda, que os ajustes mencionados são apenas exemplos, e
considerados os principais por Young e O´Byrne (2003), dentre os diversos ajustes propostos
pela Stern Stewart & Company (STERN, 1991).
O segundo diferencial do EVA, segundo seus defensores, é a inclusão do custo de
capital próprio (Patrimônio Líquido) no seu cálculo uma vez que, conforme já exposto, em
sua forma fundamental o EVA é idêntico ao RI. O custo de capital próprio é o custo de
oportunidade exigido pelos investidores para investir em determinada empresa (CHEN;
DODD, 2001). Este custo de capital próprio, portanto, é a taxa de retorno que o provedor de
capital esperaria receber se os seus recursos fossem investidos em outro projeto, ativo ou
empresa de risco semelhante. Por conseguinte, o custo de capital é um custo de oportunidade,
onde este é baseado em retornos esperados e não em retornos históricos (YOUNG;
O´BYRNE, 2003). A grande questão, neste caso, é que esta taxa de retorno não pode ser
observada diretamente, ou seja, não consta em nenhuma demonstração financeira (CHEN;
DODD, 2001; YOUNG; O´BYRNE, 2003). Como solução para esta questão, o custo de
capital próprio é calculado por meio do Modelo de Precificação dos Ativos de Capital (capital
35
asset pricing model – CAPM), buscando deduzir as exigências do investidor pela observação
do comportamento do mercado de capitais (YOUNG; O´BYRNE, 2003).
3.4 Apresentação das medidas tradicionais de
performance selecionadas
As medidas tradicionais de performance são baseadas nas informações contábeis,
tendo como principais vantagens o fato de estarem disponíveis nas informações públicas das
empresas (exceto as demonstrações contábeis de fluxo de caixa) e facilidade com que podem
ser construídas e calculadas (YOUNG; O´BYRNE, 2003). Estas serão definidas e
apresentadas em conjunto a seguir.
3.4.1 Fluxo de Caixa e Fluxo de Caixa
Operacional
Nesta seção, são apresentados os conceitos de Fluxo de Caixa e, especificamente,
o conceito de Fluxo de Caixa Operacional e a sua relação com o Lucro Operacional Antes de
Itens Extraordinários.
3.4.1.1 Fluxo de Caixa
Quando da preparação das demonstrações financeiras para os usuários externos, as
empresas podem preparar as demonstrações das mudanças na posição financeira,
demonstrando as origens e usos do caixa (disponibilidades) ocorridos no período. Estas
36
demonstrações são denominadas de Demonstração do Fluxo de Caixa (DFC) ou
Demonstração das Variações na Posição Financeira (WALGENBACH; DITTRICH;
HANSON, 1984).
A Demonstração do Fluxo de Caixa (DFC) informa as origens das entradas de
caixa e os destinos das saídas de caixa no período, provendo informações de grande utilidade
referentes à geração de caixa operacional, à quitação das suas obrigações, ao pagamento dos
dividendos e à manutenção e expansão da capacidade operacional da empresa. Estas
informações, quando utilizadas conjuntamente com as demais demonstrações financeiras da
empresa, auxiliam os investidores, credores e demais usuários das demonstrações, na análise
da rentabilidade e solvência da empresa, sendo útil tanto para a análise de fatos passados
quanto para a previsão de fatos futuros (WARREN; FESS, 1988).
Como demonstração da importância da Demonstração de Fluxo de Caixa para
análise da performance empresarial, pode-se citar a declaração do Conselho para
Normatização Contábil (Financial Accounting Standard Board) dos Estados Unidos (FASB,
1978, p. 20):
A demonstração financeira [Demonstração do Fluxo de Caixa] deve prover informações para auxiliar os investidores e credores atuais e potenciais, além de outros usuários, na análise dos valores, da periodicidade e da incerteza dos recebimentos previstos referentes a dividendos ou passivos, aos recebimentos das vendas, debêntures, ou prazos de vencimento dos financiamentos ou empréstimos. As previsões destes recebimentos de caixa são afetadas pela habilidade da empresa em gerar caixa para cumprir as suas obrigações, para atender as suas necessidades operacionais, para reinvestir nas suas operações e para pagar dividendos.
Quanto à importância da Demonstração do Fluxo de Caixa para a análise dos
fluxos de caixa futuros e para análise em conjunto com as demonstrações financeiras, pode-se
citar outra declaração do Conselho para Normatização Contábil dos Estados Unidos (FASB,
1987, p. 6):
37
As informações geradas na Demonstração de Fluxo de Caixa, se utilizadas em conjunto com as informações das demais demonstrações financeiras, deverão auxiliar os investidores, credores e outros a: (a) analisar a habilidade da empresa em gerar futuros fluxos de caixa líquidos positivos; (b) analisar a habilidade da empresa para cumprir suas obrigações, para pagar seus dividendos, e as suas necessidades de financiamento com terceiros; (c) analisar as razões para das diferenças entre o lucro líquido e as respectivas entradas e saídas de caixa; e (d) analisar os efeitos na posição financeira da empresa das transações de investimentos e financiamentos ocorridas no período. Para alcançar este propósito de prover informações para auxiliar os investidores, credores e outros a realizar estas análises, a Demonstração de Fluxo de Caixa deverá informar os efeitos de caixa, durante o período, das operações da empresa, das suas transações de investimentos e das suas transações de financiamentos.
Vale salientar que a Demonstração do Fluxo de Caixa não pode ser confundida
com a Demonstração das Origens e Aplicações de Recursos (DOAR). A DFC visa apenas
mostrar as entradas e saídas das disponibilidades, enquanto que a DOAR é mais abrangente,
não apenas por ter as variações em função do Capital Circulante Líquido, mas por representar
uma demonstração das mutações na posição financeira como um todo. Há, atualmente, uma
tendência em alguns países no sentido de adotar-se a DFC em substituição à DOAR
(IUDÍCIBUS; MARTINS; GELBCKE, 1994). Nos Estados Unidos, a DFC é obrigatória
desde 1987 (FASB, 1987), enquanto que na Inglaterra é obrigatória desde 1991 (LEWIS;
PENDRILL, 1996). A substituição deve-se basicamente à maior facilidade de entendimento
da DFC pelos usuários, onde o fluxo dos recursos financeiros ocorrido no período é
visualizado mais claramente, apesar de a DOAR ser mais abrangente nas suas informações
(IUDÍCIBUS; MARTINS; GELBCKE, 1994).
38
3.4.1.2 Formas de apresentação do Fluxo de
Caixa
O Fluxo de Caixa pode ser apresentado sob duas formas: Método Direto e Método
Indireto. O Método Indireto é aquele no qual os recursos provenientes das atividades
operacionais (Fluxo de Caixa Operacional) são demonstrados a partir do lucro líquido,
ajustado pelos itens considerados nas contas de resultado que não afetaram o Caixa. Já o
Método Direto é aquele onde são demonstrados os recebimentos e pagamentos derivados das
atividades operacionais da empresa, em vez do lucro líquido ajustado (IUDÍCIBUS;
MARTINS; GELBCKE, 1994).
As Tabelas 1 e 2 apresentam exemplos de apresentação do Fluxo de Caixa pelos
métodos Indireto e Direto, respectivamente:
Tabela 1: Exemplo de Demonstração do Fluxo de Caixa pelo Método Indireto.
Lucro líquido do exercício 500Mais: Depreciação e amortização 300
Variações Monetárias de empréstimos e financiamentos a longo prazo 415
Menos: Participação de $40 no lucro da controlada, menos dividendos de $15 (25)Correção monetária (392)Lucro na venda do Imobilizado (293)
505Mais: Aumento em Fornecedores 50
Aumento em Contas a Pagar 40Aumento em Imposto de Renda 40
Menos: Aumento em Contas a Receber (líquido) (100)Aumento em Estoques (270)Aumento em Despesas do Exercício Seguinte (30)
Fluxo de Caixa Operacional 235Resgate de Investimentos temporários 60Venda de Investimentos 20Venda de Imobilizado 500Ingresso de novos empréstimos 500Integralização de Capital 400
Total de ingresso disponível 1.715APLICAÇÕESIntegralização de Capital na Cia. X 10Aquisição de Imobilizado 950Aplicação no Diferido 100Aplicação Emp. Eletrobrás 10Pagamento empréstimos bancários 505Pagamento dividendos 100
Total das aplicações de disponível 1.675
Variação líquida do disponível 40Saldo Inicial 60Saldo Final Disponível 100
ORIGENS
Fonte: adaptado de Iudícibus, Martins e Gelbcke (1994, p. 604).
39
Tabela 2: Exemplo de Demonstração do Fluxo de Caixa pelo Método Direto. INGRESSOS DE RECURSOS
Recebimentos de Clientes 1.330Pagamentos a Fornecedores (810)Despesas de Vendas/Administrativas/Gerais (240)Imposto de Renda (60)Dividendos recebidos 15
Fluxo de Caixa Operacional 235Resgate de Investimentos temporários 60Recebimento por venda de Investimentos 20Recebimento por venda de Imobilizado 500Ingresso de novos empréstimos 500Integralização de Capital 400
Total dos ingressos de Recursos Financeiros 1.715
DESTINAÇÃO DE RECURSOS
Integralização de Capital na Cia. X 10Aquisição de Imobilizado 950Aplicação no Diferido 100Aplicação Emp. Eletrobrás 10Pagamento empréstimos bancários 505Pagamento dividendos 100
Total das destinações de Recursos Financeiros 1.675
Variação líquida de Caixa 40Saldo de Caixa em 31-12-X0 60Saldo de Caixa em 31-12-X1 100
Fonte: adaptado de Iudícibus, Martins e Gelbcke (1994, p. 607).
3.4.1.3 Fluxo de Caixa Operacional
O Fluxo de Caixa Operacional constitui a maior fonte de caixa para a empresa.
Este fluxo de caixa é determinado por meio da conversão do lucro líquido (base contábil) para
o regime de caixa (vide tabela 1). Esta conversão considera apenas as entradas efetivas de
caixa e, assim como as saídas efetivas de caixa (WALGENBACH; DITTRICH; HANSON,
1984). Ressalta-se que o Fluxo de Caixa Operacional inclui as principais transações de caixa
que participam da determinação do lucro líquido da empresa (WARREN; FESS, 1988). Este
conceito será importante quando da análise, mais adiante, do modelo conceitual das relações
entre o Fluxo de Caixa Operacional, os Lucros, o RI e o EVA (BIDDLE; BOWEN;
WALLACE, 1997).
Os principais ingressos de caixa são (FASB, 1987):
40
Recebimentos de caixa advindos da venda de produtos ou da prestação de
serviços.
Recebimentos de caixa advindos de retornos de empréstimos cedidos a
terceiros, assim como retornos por ação.
Todos os outros recebimentos de caixa não caracterizados como operações de
investimentos ou financiamentos (referentes a operações de longo prazo), tais
como recebimentos em virtude de processos legais, prêmio de seguros e
restituições de fornecedores.
Os principais desembolsos de caixa são (FASB, 1987):
Pagamentos para a aquisição de matéria-prima e insumos para a manufatura ou
produtos para a revenda.
Pagamentos para outros fornecedores e para os empregados, referentes a outras
mercadorias e serviços.
Pagamentos referentes a impostos, taxas e outros tributos ou multas.
Pagamentos de financiamentos referentes à atividade operacional da empresa.
Todos os outros pagamentos de caixa não caracterizados como operações de
investimentos ou financiamentos (referentes a operações de longo prazo), tais
como pagamentos em virtude de processos legais, doações e restituições a
clientes.
41
3.4.2 Lucro antes de itens extraordinários e
Lucro Operacional Líquido Após o Imposto
de Renda
Nesta seção, são apresentados os conceitos de Lucro Antes de Itens
Extraordinários e Lucro Operacional Líquido Após o Imposto de Renda. Contudo, para que
estes conceitos possam ser apresentados, necessita-se antes apresentar o conceito de Itens
Extraordinários.
3.4.2.1 Itens extraordinários e lucro antes de
itens extraordinários
Os especialistas da área contábil afirmam que a utilidade da Demonstração de
Resultados é potencializada se certos tipos de transações e eventos forem classificados em
seções distintas. Por esta razão, informações quanto a itens extraordinários, operações
descontinuadas e efeitos das mudanças nos princípios contábeis são apresentadas
separadamente na Demonstração de Resultados. A segregação destas transações dos
resultados das operações da empresa possibilita aos usuários das demonstrações financeiras
estimar com maior facilidade a futura performance dos lucros (WALGENBACH;
DITTRICH; HANSON, 1984).
Itens Extraordinários são transações e eventos que são não usuais na sua natureza
e que não ocorrem com freqüência (WARREN; FESS, 1988). Estes critérios são apresentados,
abaixo, com maior detalhes (AICPC, 1973):
42
Natureza não usual: O evento ou transação deve possuir um alto grau de
anormalidade e ser claramente não relacionado (ou apenas incidentalmente
relacionado) com as atividades típicas da empresa; e
Ocorrência não freqüente: O evento ou transação não deve ter a sua ocorrência
razoavelmente esperada para o futuro.
Para a determinação das atividades típicas da empresa, deve-se considerar os tipos
de operações, as áreas de negócios, as práticas operacionais e o ambiente em que a empresa
opera (WALGENBACH; DITTRICH; HANSON, 1984).
Esta conceituação de itens extraordinários acima apresentada é idêntica à
conceituação, no Brasil, das receitas e despesas não operacionais (que compõem o resultado
não operacional). As receitas operacionais são as receitas obtidas pela empresa e não
vinculadas à exploração do seu objetivo social (atividades típicas da empresa), sendo de
natureza eventual; enquanto que as despesas não operacionais são referentes às despesas
incorridas para a obtenção das receitas não operacionais, ou às despesas eventuais que não
tenham contribuído para a obtenção das receitas operacionais da empresa (BRAGA, 1998).
Os tipos mais freqüentes de receitas não operacionais são (GOUVEIA, 2001):
Créditos provenientes de investimentos permanentes.
Lucro na baixa de ativos permanentes.
Receitas eventuais (que não apresentam nenhuma relação com as atividades
típicas da empresa).
Os tipos mais freqüentes de despesas não operacionais são (GOUVEIA, 2001):
Débitos provenientes de investimentos permanentes.
Prejuízo na baixa de ativos permanentes.
Multas.
Perdas com sinistros.
43
Despesas eventuais (que não apresentam nenhuma relação com as atividades
típicas da empresa).
Como os Itens Extraordinários são o Resultado Não Operacional e a informação
na Demonstração do Resultado do Exercício logo anterior ao resultado não operacional é o
Lucro Operacional ajustado (IUDÍCIBUS; MARTINS; GELBCKE, 1994), pode-se identificar
que o Lucro Antes de Itens Extraordinários é, na realidade, o Lucro Operacional, para a
legislação brasileira.
3.4.2.2 Lucro Operacional Líquido Após o
Imposto de Renda
O Lucro Operacional Líquido Após o Imposto de Renda (Net Operating Profits
After Taxes – NOPAT) representa os lucros derivados das operações da empresa e, contudo,
antes das provisões que não transitaram pelo Caixa da empresa (STEWART, 1991;
CALABRESE, 1999).
Analisando com maior profundidade, o NOPAT representa os lucros disponíveis
para a geração do retorno de caixa para todos os provedores de capital da empresa. O único
custo que não transita pelo caixa e que compõe o cálculo do NOPAT é a depreciação. A
depreciação é subtraída no cálculo do NOPAT em virtude de ser um custo econômico efetivo,
apesar de não transitar pelo caixa. Por sua vez, os ativos consumidos na operação da empresa
devem ser repostos antes da geração do retorno dos investidores (STEWART, 1991).
O NOPAT é de suma importância para o cálculo do EVA, pois este representa o
quanto as operações da empresa geraram de lucro, sendo este a base inicial do EVA. A partir
do NOPAT, são subtraídos os custos do capital de terceiros e do capital próprio, chegando-se
à determinação do EVA (YOUNG; O´BYRNE, 2003).
44
3.5 O modelo conceitual da relevância das
medidas de performance, baseadas nas
informações contábeis e na relação com os
retornos das ações.
O modelo conceitual aqui abordado foi elaborado por Chen e Dodd (2001) com o
objetivo de facilitar o uso de procedimentos de teste comuns à literatura referente à análise de
performance empresarial.
Este modelo é orientado para o fato de que o EVA tem a sua origem nas
informações contábeis tradicionais e, a partir destas, são realizados ajustes para a obtenção do
valor econômico agregado; assim como o EVA é uma variante específica do ganho residual
(RI), uma vez que também considera o custo de capital, sendo considerado um acrônimo
comercial para o ganho residual (CHEN; DODD, 2001). O Lucro Operacional é o ponto de
partida para as demais medidas de performance analisadas e a adição das informações
relacionadas ao custo de capital não capturadas pelo sistema contábil deve adicionar valor à
medição dos ganhos/lucros e produzir medidas de performance organizacional mais
completas. O cálculo do ganho residual inclui o custo total de capital (custo com capital de
terceiros e o custo de oportunidade do Patrimônio Líquido) associado com a performance
empresarial. Portanto, o Ganho Residual deverá ter uma relevância maior na associação com
os retornos contemporâneos das ações do que o Lucro Operacional. Já o EVA deverá ter uma
relevância maior do que as medidas Ganho Residual e Lucro Operacional, uma vez que,
conceitualmente, esta medida de performance visa reduzir as distorções oriundas do sistema
45
contábil e inerentes ao cálculo do Ganho Residual. O modelo conceitual aqui abordado é
apresentado na Figura 3.
Figura 3: O modelo conceitual da relevância das medidas de performance, baseadas nas informações contábeis, na relação com os retornos das ações.
Adaptado de Chen e Dodd (2001, p. 72).
3.6 O modelo conceitual das relações entre o fluxo
de caixa operacional, os lucros, o RI e o EVA.
O modelo conceitual aqui abordado foi elaborado por Biddle, Bowen e Wallace
(1997) com o objetivo de identificar as relações entre Fluxo de Caixa Operacional, os lucros
por ação, o RI e o EVA.
46
Para o desenvolvimento deste modelo conceitual, os autores consideram o
detalhamento dos lucros antes de itens extraordinários (earnings before extraordinary items –
EBEI) em Fluxos de Caixas Operacionais (CFO) e Provisões:
EBEI = CFO + Provisões (1)
Onde:
CFO = Fluxo de Caixa líquido proveniente das atividades operacionais.
Provisões = Total de movimentações contábeis relativas às atividades
operacionais e que não transitaram pelo caixa, tais como depreciação, amortização, variação
dos ativos circulantes não transitadas pelo caixa e variação no passivo circulante não
transitadas pelo caixa, entre outras.
A partir da definição do EBEI, define-se o Lucro Operacional Líquido Após o
Imposto de Renda (Net Operating Profits After Tax – NOPAT) como sendo o EBEI mais
custo com capital de terceiros após a incidência dos impostos:
NOPAT = EBEI + ATInt (2)
Onde:
ATInt = Custo com capital de terceiros após a incidência dos impostos (after-tax
cost of interest expense).
O ganho residual (RI) difere do EBEI, uma vez que este mede a performance
operacional (NOPAT) após a incidência dos custos tanto de capital de terceiros quanto do
capital empregado pelos acionistas (Patrimônio Líquido):
RI = NOPAT – (k * Capital) (3)
Onde:
47
k = Estimativa do custo médio ponderado do capital da empresa, calculado pela
Stern Stewart & Company (custo de capital próprio mais custo de capital com terceiros).
Capital = Definição, elaborada pela Stern Stewart & Company, dos ativos,
líquidos de depreciação, utilizados nas atividades operacionais da empresa ou, de maneira
equivalente, os capitais próprios e de terceiros utilizados no início do período.
No cálculo do EVA (uma versão do RI), a Stern Stewart & Company realiza uma
série de ajustes no NOPAT e no Capital, na tentativa de corrigir a medida do RI, alterações
estas com o objetivo de eliminar supostas distorções contábeis e de medição de performance:
EVA = NOPAT + AcctAdjop – k * (Capital + AcctAdjc) (4)
Onde:
AcctAdjop = Ajustes à medição contábil do lucro operacional, de acordo com a
Stern Stewart & Company.
AcctAdjc = Ajustes à medição contábil do capital, de acordo com a Stern Stewart
& Company.
Com base nas demonstrações acima, o EVA pode ser decomposto nos seguintes
componentes:
EVA = CFO + Provisões + ATInt – CapChg + AcctAdj (5)
Onde:
CapChg = Custo de Capital ou Capital Charge = k * Capital
AcctAdj = Ajustes Contábeis ou Accounting Adjustment = AcctAdjop – k *
AcctAdjc
48
A Figura 4 sintetiza estas relações, ao mostrar como os componentes do EVA são
combinados em outras medidas de performance (CFO, EBEI e RI).
Figura 4: Componentes do EVA. Adaptado de Biddle, Bowen e Wallace (1997).
3.7 O modelo de avaliação das relações entre os
lucros e os retornos das ações.
O modelo de avaliação aqui abordado foi elaborado por Easton e Harris (1991)
com o objetivo de identificar as relações entre os lucros por ação e o preço da ação no início
do período com os retornos das ações, uma vez que os autores partem da concepção de que
tanto o valor patrimonial (incluindo os lucros por ação) quanto o valor de mercado (preço da
ação) são variáveis indicativas da riqueza dos detentores das ações da empresa. Este modelo
busca demonstrar a importância tanto do nível dos lucros por ação quanto da variação destes
49
lucros como importantes variáveis explanatórias dos retornos por ação (estas variáveis são
definidas adiante).
3.7.1 Associações entre os retornos das ações e os lucros
por ação, baseadas em um modelo de avaliação
patrimonial.
A concepção de que o preço e o valor patrimonial são ambas medidas do
“estoque” do valor pertencente aos acionistas pode ser expressa formalmente como:
Pjt = BVjt + ujt (1)
Onde:
Pjt (price) é o preço por ação da empresa j no período t, BVjt é o valor patrimonial
por ação da empresa j no período t, e ujt é a diferença entre Pjt e BVjt.
Na opinião de Easton e Harris (1991), a diferença entre os valores patrimoniais e
de mercado (ujt) pode ser decorrente de informações incorporadas no preço de mercado e
ainda não refletidas nos valores contábeis. A diferença entre estas variáveis pode ser obtida
por meio da seguinte equação:
∆Pjt = ∆BVjt + u´jt (2)
Assim como:
∆BVjt = Ajt - djt (3)
Onde:
50
Ajt são os lucros por ação (registrados contabilmente) da empresa j durante o
período de tempo de t –1 a t, e djt são os dividendos pagos por ação da empresa j durante o
período de tempo de t –1 a t.
Substituindo a equação (3) na equação (2), reorganizando-a e dividindo-a por Pjt –
1, tem-se:
(∆Pjt + djt) / Pjt –1 = Ajt / Pjt –1 + u´´jt (4)
Ou seja, se o valor de mercado e o valor patrimonial são relacionados, então os
lucros por ação divididos pelo preço da ação no início do período deverão ser uma variável
apropriada para explicar os retornos das ações.
Vale salientar que a divisão das variáveis Pjt, djt e Ajt por Pjt –1 considera os preços
das ações como um múltiplo dos lucros por ação. Este processo se torna necessário para o
cálculo do retorno por ação, que pode ser considerado como: (∆Pjt + djt) / Pjt –1.
3.7.2 Associações entre os retornos das ações e os lucros
por ação, baseadas em um modelo de avaliação por meio
dos lucros por ação.
Segundo os autores (EASTON; HARRIS, 1991), em virtude de trabalhos
empíricos considerarem o modelo de avaliação baseado em lucros por ação, onde o preço da
ação é expresso como um múltiplo dos lucros por ação, este também deve ser considerado na
construção do modelo de avaliação proposto pelos mesmos. Este modelo de avaliação
baseado em lucros por ação é:
Pjt = ρAjt + ujt (5)
51
Segundo os autores, se são pagos dividendos aos acionistas da empresa j no
período t, a equação (5) deve ser elaborada da seguinte forma:
Pjt + djt = ρAjt + ujt (6)
Ao analisar-se a variação dos preços de mercado, dos dividendos distribuídos e os
lucros por ação, a partir da equação (6), tem-se:
∆Pjt + djt = ρ∆Ajt + ujt (7)
Por fim, ao afirmar que os preços das ações como um múltiplo dos lucros por
ação, este processo necessário para o cálculo do retorno por ação, são elaboradas duas
equações:
(∆Pjt + djt) / Pjt –1 = ρ (∆Ajt / Pjt –1) + u´jt (8)
Ou seja, há uma relação linear entre a variação nos ganho por ação dividido pelo
preço da ação no início do período e o retorno da ação durante o mesmo período.
A segunda equação é:
(Pjt + djt) / Pjt –1 = ρ (Ajt / Pjt –1) + u´´jt (9)
Esta equação assume grande relevância para o modelo de Easton e Harris (1991),
uma vez que sugere, com base em uma perspectiva dos lucros por ação, que estes lucros
(divididos pelo preço da ação no início do período) estarão associados com os retornos da
ação.
3.7.3 Integração entre os modelos de avaliação baseados
no valor patrimonial e nos lucros por ação.
Ao se analisar os preços de ações da empresas na prática estes são,
provavelmente, uma função tanto do valor patrimonial quanto dos lucros por ação (EASTON;
52
HARRIS, 1991). Por meio da combinação do “modelo de avaliação patrimonial”, apresentado
na equação (4), com o “modelo de avaliação por meio dos lucros por ação”, apresentado na
equação (8), os autores apresentam o seguinte modelo final:
(∆Pjt + djt) / Pjt –1 = kp(∆Ajt / Pjt –1) + (1-k) Ajt / Pjt –1) + ejt (10)
Onde k é o fator da contribuição ponderada do valor dos lucros por ação versus a
sua variação na explicação dos retornos das ações.
53
4 Metodologia
4.1 Delineamento da pesquisa
O estudo a ser realizado apresenta como principal abordagem a empírico-analítica
e utilizará como técnicas de pesquisa as técnicas descritiva e correlacional.
De acordo com Martins (2002, p. 34), a abordagem é analítico-descritiva porque:
“são abordagens que apresentam em comum a utilização de técnicas de coleta, tratamento e análise de dados marcadamente quantitativas. Privilegiam estudos práticos. Suas propostas têm caráter técnico, restaurador e incrementalista. Têm forte preocupação com a relação causal entre as variáveis. A validação da prova científica é obtida por meio de testes de instrumentos, graus de significância e sistematização das definições operacionais”.
Ainda segundo Martins (2002, p. 36), as técnicas serão a descritiva, uma vez que
esta “tem como objetivo a descrição das características de determinada população ou
fenômeno, bem como o estabelecimento de relações entre variáveis e fatos”; e a correlacional,
uma vez que esta “investiga correlações de um fator em relação a outro ou outros fatores”.
Para a concretização dos objetivos apresentados, a estratégia metodológica
adotada será composta pelas seguintes fases:
a) seleção de todas as companhias abertas não financeiras e não pertencentes
a setores econômicos regulamentados (telecomunicações e energia
elétrica), com ações negociadas na Bolsa de Valores de São Paulo, no
último dia de negociação dos anos de 1997 a 2003 e cujos dividendos por
ação e demonstrações financeiras obrigatórias (Lei nº 6.404/76; LEI Nº
10.303/2001,), do período de 1997 a 2003, constem no banco de dados da
54
Economática. Destaca-se que os indicadores serão calculados para o
período de 1999 a 2003, contudo, para o cálculo de alguns destes, serão
necessários dados de 1997 e 1998.
b) União do modelo conceitual de Chen e Dodd (2001) com o modelo
conceitual de Biddle, Bowen e Wallace (1997), para a realização das
análises das medidas de performance selecionadas (está união será
apresentada adiante).
c) cálculo das medidas tradicionais de performance e do EVA, assim como
de suas variações, conforme Stewart (1991), Frezatti (2003) e Damodaran
(2002). Estes cálculos serão realizados para os anos de 1998 a 2003.
d) utilização dos modelos econométricos elaborados a partir dos modelos
elaborados por Easton e Harris (1991) e Chen e Dodd (2001) visando
testar o conteúdo relativo da informação de cada variável analisada,
conforme a respectiva abordagem (CHEN; DODD, 2001; BIDDLE,
BOWEN; WALLACE, 1997) e o conteúdo incremental da informação de
cada variável analisada, conforme a respectiva abordagem (CHEN;
DODD, 2001; BIDDLE, BOWEN; WALLACE, 1997). Para estes testes,
utilizar-se-á o software econométrico Eviews versão 3.1.
4.2 Caracterização da Amostra
A amostra do estudo é composta por todas as companhias abertas não financeiras
e não pertencentes a setores econômicos regulamentados (telecomunicações e energia
elétrica), com ações negociadas na Bolsa de Valores de São Paulo, nos últimos dias de
negociação dos anos de 1997 a 2003; e cujos dividendos por ação e demonstrações financeiras
55
obrigatórias (Lei nº 6.404/76; LEI Nº 10.303/2001,), do período de 1997 a 2003, constem no
banco de dados Economática. Paras as empresas que apresentaram mais de uma classe de
ações negociadas, foi selecionada a ação com maior liquidez em dezembro de 2003. Durante
o processo de coleta de dados, algumas companhias apresentaram patrimônio líquido negativo
e algumas companhias não apresentaram dados suficientes para a confecção de todas as
medidas de performance. Além disso, as foram excluídas as observações onde as medidas de
performance divididas pelo preço da ação do ano anterior forem menores que -1,5 ou maiores
do que 1,5. Estas observações foram eliminadas para evitar observações não usuais, e este
procedimento foi efetuado de forma idêntica ao procedimento efetuado por Easton e Harris
(1991). As medidas não calculadas foram excluídas durante os testes estatísticos
(consideradas como nulas) e as empresas que apresentaram patrimônio líquido negativo foram
excluídas da base de dados. Após estas exclusões a amostra apresenta um total de 65
companhias para a realização dos testes estatísticos para os anos de 1999 a 2003 (as 65
companhias serão analisadas para estes cinco anos). Portanto, a amostra apresenta um total de
330 observações.
4.3 União do modelo conceitual de Chen e Dodd
com o modelo conceitual de Biddle, Bowen e
Wallace.
Tomando por base os modelos conceituais das relações entre o Fluxo de Caixa
Operacional, os Lucros, o RI e o EVA (BIDDLE, BOWEN; WALLACE, 1997) e da
relevância das medidas de performance, baseadas nas informações contábeis, na relação com
56
os retornos das ações (CHEN; DODD, 2001), pode-se elaborar um terceiro modelo,
incorporando todas as medidas de performance já analisadas nestes.
Este modelo é ilustrado na Figura 5:
Figura 5: União do modelo conceitual de Chen e Dodd (2001) com o modelo conceitual de Biddle, Bowen e Wallace (1997).
Portanto, ao unir-se estes dois modelos conceituais, pode-se considerar o Lucro
Operacional apresentado por Chen e Dodd (2001) como similar ao Lucro Operacional
Líquido Após o Imposto de Renda (NOPAT) apresentado por Biddle, Bowen e Wallace
(1997), assim como as variáveis RI e EVA são idênticas.
4.4 Demonstração dos cálculos das medidas de
performance selecionadas
Visando apresentar e demonstrar os cálculos realizados para a obtenção das
medidas de performance, foi selecionada aleatoriamente a companhia Acesita S.A, e os
57
cálculos referem-se às medidas para 2003. Esta demonstração tem por objetivo detalhar a
complexidade para a obtenção de algumas das medidas selecionadas.
4.4.1 Demonstração do cálculo do EVA e do NOPAT
Para a demonstração do cálculo do EVA, para a companhia Acesita S.A.e para o
ano de 2003, foi calculado o NOPAT, conforme apresentado na Tabela 3.
Tabela 3: Cálculo do NOPAT
Cálculo do Nopat (Net Operacional Profit After Taxes) ou Rodir (Resultado Operacional Depois do IR) – R$ mil
31/12/2003Lucro Líquido Após o Imposto de Renda 225.548 (+)Provisão P/ Devedores Duvidosos 5.667 (+) Provisão P/ Ajuste de Estoques - (-) Receitas Financeiras -50.401(+) Despesas Financeiras 330.294 (-) IR e CS sobre as Despesas de Juros -112.300(+) Despesas Não Operacionais 18.521 (-) Receitas Não Operacionais -17.358(+) IR Diferido - (=) NOPAT ou RODIR 399.971
Deve-se destacar que o cálculo do NOPAT, apresentado na Tabela 3, foi efetuado
conforme Stewart (1991), Young e O´Byrne (2003), e Frezatti (2003) e que as alíquotas para
o cálculo do IR (imposto de renda) e CS (contribuição social sobre o lucro) para cada ano foi
obtida da legislação vigente no período. Além disso, as informações contábeis das
companhias, para todos os cálculos das medidas de performance selecionadas, foram obtidas
da base de dados da Economática.
Após o cálculo do NOPAT, foi realizado o cálculo do Capital Investido Médio, de
acordo com Young e O´Byrne (2003) e Frezatti (2003) e conforme apresentado Tabela 4.
Deve-se destacar que o Capital Investido Médio para 2003 é a média aritmética do Capital
Investido de 2002 com o Capital Investido de 2003. Além disso, para calcular a Provisão para
58
Devedores Duvidosos líquida do período, foi considerada a variação desta conta, de 2002 para
2003.
Tabela 4: Cálculo do Capital Investido Médio
Cálculo Capital Investido Médio – R$ mil 31/12/2002 31/12/2003Financiamento CP 1.253.178 861.077 (+) Debêntures CP 43.860 544 (+) Financiamento LP 890.800 1.131.149 (+) debêntures LP 462.661 35.330 (+) Patrimônio Liquido 836.292 1.021.341 (+) IR Diferido - - (+)Provisão P/ Dev. Duvidosos 1.542 5.667 (+) Provisão P/ ajuste de estoques - - (=) Capital Investido 3.488.333 3.055.108 Capital Investido Médio (2003) 3.271.721
Após o cálculo do Capital Investido Médio, foi realizado o cálculo do Custo com
Capital Próprio. Porém, antes da realização deste cálculo, foi necessário calcular o beta
alavancado da Acesita S.A., para o ano de 2003, conforme Tabela 5.
Tabela 5: Cálculo do beta alavancado Cálculo do Beta Alavancado – R$ mil
(continua) Para cálculo do beta alavancado, conforme Damodaran (2002), tem-se: b = bu [ 1 + (1 – T) (D/E) ] Onde: b representa o beta ajustado pelo grau de alavancagem financeira da empresa; bu representa o beta sem alavancagem da respectiva indústria; T é a taxa de impostos sobre lucros; D corresponde ao valor de mercado do capital de terceiros; E é o valor de mercado do capital próprio ou capital dos acionistas. Portanto, para 2003: Beta sem Alavancagem - elaborado por Damodaran (2004) para "Steel General" : 0,60 Valor de Mercado do Capital Próprio: 1.210.992 Valor de Mercado do Capital de Terceiros: 2.028.100
59
Tabela 5: Cálculo do beta alavancado (conclusão) Taxa de impostos sobre o lucro: 34% Portanto, o beta alavancado da empresa é:
b = 1,263562635
Para o cálculo do beta alavancado, o valor de mercado do capital próprio e o valor
de mercado do capital de terceiros foram obtidos da base de dados da Economática, assim
como as alíquotas para o cálculo do IR (imposto de renda) e CSSL (contribuição social sobre
o lucro) para cada ano foi obtida da legislação vigente no período.
Após o cálculo do beta alavancado, foi efetuado o cálculo do Custo de Capital
Próprio da Acesita S.A. para o ano de 2003, conforme Tabela 6.
Tabela 6: Cálculo do Custo do Capital Próprio Cálculo do Custo do Capital Próprio (%)
Por meio da fórmula apresentada por Damodaran (2004): Kp= Ativo Livre de Risco + b (Prêmio de Risco USA + Prêmio de Risco Brasil x DP Ibovespa / DP C-Bond) Onde: Retorno Ativo Livre de Risco = Retorno T-Bond Yield (10 anos) do Período Prêmio de Risco USA = Média Geométrica Histórica do Prêmio de Risco, de 1928 a 2003 Prêmio de Risco Brasil = Diferença entre o C-Bond Yield e o T-Bond Yield do Período DP Ibovespa = Desvio-Padrão dos Desempenhos (de Fechamento) Semanais do Ibovespa DP C-Bond = Desvio-Padrão dos Valores (de Fechamento) Semanais do C-Bond Portanto, para 2003 (valores percentuais): Ativo Livre de Risco = 4,26 Prêmio de Risco USA = 5,02 Prêmio de Risco Brasil = 4,13 DP Ibovespa / DP C-Bond = 0,78458659 Beta Alavancado = 1,26356264 Portanto, o custo do capital próprio é (valor percentual):
Kp = 14,69349
60
Destaca-se que as informações para o cálculo do Custo de Capital Próprio foram
obtidas da base de dados da Economática e do Banco Central do Brasil. As informações do
último foram obtidas por meio da Analista do Departamento de Pesquisas Econômicas do
Banco Central do Brasil, Sra. Alzira Morais da Silva, por e-mail (SILVA, 2004).
Após o cálculo do Custo de Capital Próprio, foi calculado o Custo de Capital de
Terceiros, conforme Tabela 7.
Tabela 7: Cálculo do Custo de Capital de Terceiros Cálculo do Custo de Capital de Terceiros (%)
O Custo do capital próprio será calculado da seguinte forma: Kt = ((1+TJLP + Prêmio de Risco Brasil)/(1+INPC IBGE ACUMULADO)-1) Onde: TJLP = Taxa de Juros de Longo Prazo, no final do período. INPC IBGE ACUMULADO = Índice Nacional de Preços ao Consumidor, calculado pelo Instituto Nacional de Geografia e Estatística (IBGE). Prêmio de Risco Brasil = Diferença entre o C-Bond Yield e o T-Bond Yield do período. Portanto, para 2003 (valores percentuais): TJLP 11,000 Prêmio de Risco Brasil 4,126 INPC IBGE ACUMULADO 9,87940715 Custo Com Capital de Terceiros 4,77 Portanto, o custo do capital de terceiros é (valor percentual):
Kt = 4,77
Destaca-se que o modelo para o cálculo do Custo de Capital de Terceiros teve
como referência o modelo para países emergentes apresentado por Damodaran (2004), e
adaptado à realidade brasileira. O INPC-IBGE ACUMULADO foi selecionado como o
indexador do período analisado em virtude de o mesmo ter sido utilizado, segundo Fortuna
(1999), como o fator de correção dos balanços e demais demonstrações financeiras das
companhias abertas, até a suspensão da correção monetária de balanços, em 1994.
61
Após os cálculos do Custo de Capital Próprio e do Custo de Capital de Terceiros,
foi efetuado o cálculo do Custo Médio Ponderado de Capital, conforme Tabela 8.
Tabela 8: Cálculo do Custo Médio Ponderado de Capital Cálculo do Custo Médio Ponderado de Capital (%)
O Custo Médio Ponderado de Capital é calculado da seguinte forma: Km = (D/V) x Kt x (1-T) + (E/V) x Kp Onde: D corresponde ao valor de mercado do capital de terceiros; E é o valor de mercado do capital próprio ou capital dos acionistas. V = D + E = valor total de mercado da empresa. T é a taxa de impostos sobre lucros; Kp = Custo do Capital Próprio Kt = Custo do Capital de Terceiros Portanto, para 2003: Valor de Mercado do Capital Próprio: 1.210.992 Valor de Mercado do Capital de Terceiros: 2.028.100 Valor de Mercado da Empresa: 3.239.092 Taxa de impostos sobre o lucro: 34,00% Custo do Capital Próprio: 14,69% Custo do Capital de Terceiros: 4,77% Portanto, o Custo Médio Ponderado de Capital é (em valores percentuais):
Km = 7,47
O cálculo do Custo Médio Ponderado de Capital foi realizado conforme Young e
O´Byrne (2003) e Frezatti (2003) e as informações para o cálculo foram obtidas da base de
dados da Economática.
Por fim, foi calculado o EVA da Acesita S.A. para o ano de 2003, conforme
Stewart (1991), Young e O´Byrne (2003) e Frezatti (2003), e apresentado na Tabela 9.
62
Tabela 9: Cálculo do EVA Cálculo do EVA – R$ mil
EVA = NOPAT - Capital Investido Médio * Km Onde: NOPAT = Net Operacional Profit After Taxes Km = Custo Médio Ponderado de Capital Portanto, para 2003: NOPAT = 399.971 Capital Investido Médio = 3.271.721 Km = 7,47 Portanto, o EVA da Acesita, para 2003, é: EVA = 155.721
4.4.2 Demonstração do cálculo do CFO
Para o cálculo do CFO, para a companhia Acesita S.A. e para o ano de 2003, foi
inicialmente calculado o Lucro Líquido para o CFO, conforme Tabela 10.
Tabela 10: Cálculo do Lucro Líquido para o CFO (continua)
Cálculo do Lucro Líquido para o CFO – R$ mil
Conta 31/12/2002 31/12/2003 Lucro Liquido 225.548 Provisão P/ Dev. Duvidosos -8.624 -14.291Receitas Financeiras 50.401 Desp. Fin. e Juros s/ Patr. 330.294 Despesas Não Operac. 18.521 Receitas não Operac. 17.358 IR Diferido 0
Lucro Líquido para o CFO 512.271
Destaca-se que o cálculo do Lucro Líquido para o CFO foi realizado conforme
Campos Filho (1999) e as informações para o cálculo foram obtidas na base de dados da
63
Economática. Além disso, para calcular a Provisão para Devedores Duvidosos líquida do
período, foi considerada a variação desta conta, de 2002 para 2003.
Após o cálculo do Lucro Líquido para o CFO, foi realizado o cálculo da Variação
do Ativo Circulante, excluindo a conta Caixa e as contas equivalentes, conforme Campos
Filho (1999) e apresentado na Tabela 11.
Tabela 11: Variação do Ativo Circulante, excluindo a conta Caixa e as contas equivalentes Variação Ativo Circulante sem Cx. e Equivalentes – R$ mil
Conta 31/12/02 31/12/03
Ativo Circulante 833.864 1.233.614 Disponível e Inv CP 158.588 470.090 Aplicações Financ CP 0 0 Prov Contas Cobr Duvid -8.624 -14.291 Ativo Circ. sem Cx. e Equivalentes 683.900 777.815 Variação Ativo Circ. sem Cx. E Equivalentes 93.915
Destaca-se que cálculo da Variação do Ativo Circulante, excluindo a conta Caixa
e as contas equivalentes, foi realizado conforme Campos Filho (1999). Além disso, para
calcular a esta variação, foi considerada a variação do somatório do respectivo ativo, de 2002
para 2003.
Após o cálculo da Variação do Ativo Circulante, excluindo a conta Caixa e as
contas equivalentes, foi efetuado o cálculo da Variação do Passivo Circulante, excluindo o
endividamento bancário, conforme apresentado na Tabela 12.
Tabela 12: Variação do Passivo Circulante, excluindo o endividamento bancário Variação Passivo Circ. sem Endiv. Financeiro – R$ mil
Conta 31/12/02 31/12/03
Passivo Circulante 1.711.299 1.230.991Financiamento CP -1.253.178 -861.077debêntures CP -43.860 -544 Passivo Circ. sem Endiv. Financeiro 414.261 369.370Variação Passivo Circ. sem Endiv. Financeiro -44.891
64
Destaca-se que cálculo da Variação do Passivo Circulante, excluindo o
endividamento financeiro, foi realizado conforme Campos Filho (1999). Além disso, para
calcular a esta variação, foi considerada a variação do somatório do respectivo passivo, de
2002 para 2003.
Por fim, calculou-se o CFO, de acordo com Campos Filho (1999) e conforme
tabela 13.
Tabela 13: Cálculo do CFO Fluxo de Caixa Operacional Líquido – R$ mil
Conta 31/12/03
Lucro Líquido para o CFO 512.271 Variação Ativo Circ. sem Cx. E Equivalentes 93.915 Variação Passivo Circ. sem Endiv. Fin. -44.891 Depreciação e Amortização 136.433 Fluxo de Caixa Operacional Líquido 509.898
4.4.3 Demonstração do cálculo do RI e do EBEI
O cálculo do RI, para a companhia Acesita S.A., para o ano de 2003, foi realizado
de acordo com o modelo apresentado por Eliseu Martins (FIPECAF, 2001) – vide referencial
teórico sobre o RI – e apresentado na Tabela 14.
Tabela 14: Cálculo do RI Cálculo do RI – R$ mil
Conta 31/12/03
Lucro Liquido 225.548 Valor de Mercado 1.210.992 Custo de Capital Próprio 14,69% Lucro Residual 47.647
65
O EBEI é, conforme a legislação brasileira, o Lucro Operacional. Este lucro foi de
R$ 226.823 (R$ mil) para a Acesita S.A., em 2003.
4.5 Hipóteses
Com base na união dos modelos conceituais apresentados anteriormente e
utilizando o modelo econométrico de Easton e Harris (1991) como base estrutural, serão
testadas as a hipóteses a seguir descritas nas Tabelas 15 e 16, onde as hipóteses H0 são as
declarações das hipóteses nulas e as hipóteses H1 são as declarações das hipóteses
alternativas.
Tabela 15: Hipóteses para o teste do conteúdo relativo das informações
Hipóteses para o conteúdo relativo das informaçõesH0a:O EBEI não provê mais informação do que o CFO, para a explicaçãoda variação nos retornos das ações.H1a: O EBEI provê mais informação do que o CFO, para a explicação davariação nos retornos das ações.H0b: O NOPAT não provê mais informação do que o EBEI, para aexplicação da variação nos retornos das ações.H1b: O NOPAT provê mais informação do que o EBEI, para a explicaçãoda variação nos retornos das ações.H0c: O RI não provê mais informação do que o NOPAT, para aexplicação da variação nos retornos das ações.H1c:O RI provê mais informação do que o NOPAT, para a explicação davariação nos retornos das ações.H0d:O EVAnão provê mais informação do que o RI, para a explicação davariação nos retornos das ações.H1d:O EVAnão provê mais informação do que o RI, para a explicação davariação nos retornos das ações.
66
Tabela 16: Hipóteses para o teste do conteúdo incremental das informações Hipóteses para o conteúdo incremental das informações
H0e: O EBEI não provê informação incremental em adição à informaçãoconstante no CFO, para a explicação da variação nos retornos das ações.H1e: O EBEI provê informação incremental em adição à informaçãoconstante no CFO, para a explicação da variação nos retornos das ações.H0f: O NOPAT não provê informação incremental em adição à informaçãoconstante no EBEI e no CFO, para a explicação da variação nos retornos H1f: O NOPAT provê informação incremental em adição à informaçãoconstante no EBEI e no CFO, para a explicação da variação nos retornos H0g: O RI não provê informação incremental em adição à informaçãoconstante no NOPAT, no EBEI e no CFO, para a explicação da variaçãonos retornos das ações.H1g: O RI provê informação incremental em adição à informação constanteno NOPAT, no EBEI e no CFO, para a explicação da variação nosretornos das ações.H0h: O EVA não provê informação incremental em adição à informaçãoconstante no RI, no NOPAT, no EBEI e no CFO, para a explicação davariação nos retornos das ações.H1h: O EVA provê informação incremental em adição à informaçãoconstante no RI, no NOPAT, no EBEI e no CFO, para a explicação davariação nos retornos das ações.
Destaca-se que as hipóteses de H0a a H1d visam testar o conteúdo relativo da
informação de cada variável analisada, conforme a respectiva abordagem (CHEN; DODD,
2001; BIDDLE, BOWEN; WALLACE, 1997); enquanto que as hipóteses de H0e a H1h visam
testar o conteúdo incremental da informação de cada variável analisada, conforme a
respectiva abordagem (CHEN; DODD, 2001; BIDDLE, BOWEN; WALLACE, 1997).
67
4.6 Definição das Variáveis
As variáveis utilizadas nos testes empíricos são definidas abaixo:
RET = Retorno Anual por Ação, ajustado por proventos.
CFO = Fluxo de Caixa Líquido Proveniente das Operações, por ação.
∆CFO = Variação no Fluxo de Caixa Líquido Proveniente das Operações, por
ação.
EBEI = Lucro Antes de Itens Extraordinários, por ação.
∆EBEI = Variação no Lucro Antes de Itens Extraordinários, por ação.
NOPAT = Lucro Operacional Líquido Após o Imposto de Renda, por ação.
∆NOPAT = Variação no Lucro Operacional Líquido Após o Imposto de Renda,
por ação.
RI = Lucro Residual por Ação.
∆RI = Variação no Lucro Residual por Ação.
EVA = Valor Econômico Agregado, por ação.
∆EVA = Variação no Valor Econômico Agregado, por ação.
EBEICFO = Diferença entre o Lucro Antes de Itens Extraordinários por ação e o
Fluxo de Caixa Líquido Proveniente das Operações por ação.
∆EBEICFO = Diferença entre a Variação no Lucro Antes de Itens
Extraordinários por ação e variação no Fluxo de Caixa Líquido Proveniente das
Operações por ação.
NOPATEBEI = Diferença entre o Lucro Operacional Líquido Após o Imposto de
Renda por ação e o Lucro Antes de Itens Extraordinários por ação.
68
∆NOPATEBEI = Diferença entre a Variação no Lucro Operacional Líquido
Após o Imposto de Renda por ação e a Variação no Lucro Antes de Itens
Extraordinários por ação.
RINOPAT = Diferença o Lucro Residual por Ação e o Lucro Operacional
Líquido Após o Imposto de Renda por ação.
∆RINOPAT = Diferença entre a Variação no Lucro Residual por Ação e a
Variação no Lucro Operacional Líquido Após o Imposto de Renda por ação.
EVARI = Diferença entre o Valor Econômico Agregado por ação e o Lucro
Residual por Ação.
∆EVARI = Diferença entre a Variação no Valor Econômico Agregado por ação e
a Variação no Lucro Residual por Ação.
P = Preço da ação.
4.7 Modelos de regressão para o teste das hipóteses
Para os testes das hipóteses apresentadas, serão utilizados os modelos de regressão
apresentados a seguir.
Destaca-se que, inicialmente, será utilizada a modelagem clássica dos mínimos
quadrados ordinários, que supõe que cada “e” (termo de perturbação aleatória) se distribua
normalmente, com (GUJARATI, 2000):
E(ei) = 0
var (ei) = σ2
cov (ei, ej) = 0
Onde ei, ej são os termos perturbação aleatória de duas observações distintas.
Ou, mais concisamente:
69
ei ~ N (0, σ2).
Além disso, deve-se considerar, ainda, hipóteses adicionais referentes ao modelo
clássico de regressão linear, as quais são:
cov (ei, Xi) = cov (ei, X2i) = 0
Ausência de multicolinearidade exata entre as variáveis explicativas (Xi.e X2i).
Caso estas condições não sejam atendidas, procedimentos estatísticos adicionais
deverão ser realizados para a correção da multicolinearidade, heterocedasticidade, ou
autocorrelação dos resíduos.
Além da modelagem clássica dos mínimos quadrados ordinários, será utilizada a
modelagem em panel data (dados em painel). Esta modelagem permite a análise combinada
séries temporais com dados em corte transversal, ou seja, permite a análise de diversas
variáveis de um determinado número de observações (corte transversal) para diferentes
períodos de tempo (séries temporais). Além disso, esta modelagem permite a análise do
impacto de cada membro (ou empresa, no presente trabalho) nas regressões, possibilitando
fazer inferências sobre os mesmos (GREENE, 2000; HILL; GRIFFITHS; JUDGE, 2003).
Ressalta-se que serão efetuadas as análises dos resultados das regressões para
todos os modelos e modelagens selecionados, visando identificar os níveis de significância
de cada variável independente com a sua variável dependente em seus respectivos
modelos por meio do teste t. Além disso, estas análises visam identificar em quais
modelos há relação significativa entre as variáveis independentes e a variável
dependente, por meio da análise conjunta dos resultados dos testes t dessas variáveis
independentes.
70
4.7.1 Efeitos fixos e efeitos aleatórios
Caso seja considerado que o intercepto de cada empresa será constante ao longo
de todo o período analisado, utilizar-se-á modelos em panel data de efeitos fixos. Contudo,
caso seja considerado que os interceptos são extrações aleatórias da distribuição populacional
de intercepto de todas as empresas (a população das empresas), utilizar-se-á modelos em
panel data de efeitos aleatórios (GREENE, 2000; HILL; GRIFFITHS; JUDGE, 2003).
Em virtude de a amostra representar todas as empresas não financeiras e não
pertencentes a setores econômicos regulamentados, com informações disponíveis para análise
das medidas de performance (vide a seção de caracterização da amostra) e, portanto, ter um
alto grau de representatividade, optou-se pele análise dos modelos em panel data de efeitos
fixos.
4.7.2 Análise das hipóteses referentes ao conteúdo relativo
das informações
Na Figura 6, são apresentados os modelos de regressão referentes às hipóteses
para a análise do conteúdo relativo das informações das medidas de performance
selecionadas:
71
Hipótese H0a
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
Comparação
Hipótese H0b
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
Comparação
Hipótese H0c
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
Comparação
Hipótese H0d
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
Comparação
Figura 6: Modelos de regressão referentes às hipóteses para a análise do conteúdo relativo das informações das medidas de performance selecionadas
72
Para a análise da hipótese H0a, serão comparadas as regressões (1) e (2),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
Para a análise da hipótese H0b, serão comparadas as regressões (2) e (3),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
Para a análise da hipótese H0c, serão comparadas as regressões (3) e (4),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
Para a análise da hipótese H0d, serão comparadas as regressões (4) e (5),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
4.7.3 Análise das hipóteses referentes ao conteúdo
incremental das informações
Na Figura 7 são apresentados os modelos de regressão referentes às hipóteses para
a análise do conteúdo incremental das informações das medidas de performance selecionadas:
73
Hipótese H0e
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
Comparação
Hipótese H0f
Comparação
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)+ β4 (EBEICFOJt / Pjt –1) + ejt (6)
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
Hipótese H0g
Comparação
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt
Hipótese H0h
Comparação
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
Figura 7: Modelos de regressão referentes às hipóteses para a análise do conteúdo incremental das informações das medidas de performance selecionadas
74
Para a análise da hipótese H0e, serão comparadas as regressões (1) e (6),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
Para a análise da hipótese H0f, serão comparadas as regressões (6) e (7),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
Para a análise da hipótese H0g, serão comparadas as regressões (7) e (8),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
Para a análise da hipótese H0h, serão comparadas as regressões (8) e (9),
identificando qual destas apresenta um maior grau de explicação dos retornos contemporâneos
das ações.
75
5 Análise dos resultados
5.1 Análise dos dados referentes ao conteúdo
relativo das medidas de performance
Inicialmente, foram realizadas regressões, utilizando o método dos mínimos
quadrados ordinários (MQO), para cada ano analisado (de 1999 a 2003), e os testes de
heterocedasticidade de White, de normalidade de Jarque-Bera e de correlação de Durbin-
Watson.
Os resultados dos testes de White, para os anos de 1999 a 2003 (individualmente)
são apresentados nas Tabelas 17 a 21.
Tabela 17: Resultado do teste de White, para o ano de 1999, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(continua) 1999
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) White Heteroskedasticity Test: F-statistic 0.25192 Probability 0.903352 Obs*R-squared 1.29489 Probability 0.862243 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) White Heteroskedasticity Test: F-statistic 0.13812 Probability 0.965691 Obs*R-squared 0.70094 Probability 0.951213
76
Tabela 17: Resultado do teste de White, para o ano de 1999, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(conclusão) Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) White Heteroskedasticity Test: F-statistic 0.66146 Probability 0.628254 Obs*R-squared 2.99883 Probability 0.558021 Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) White Heteroskedasticity Test: F-statistic 0.62665 Probability 0.649963 Obs*R-squared 2.82698 Probability 0.587184 Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) White Heteroskedasticity Test: F-statistic 0.50878 Probability 0.730393 Obs*R-squared 2.43642 Probability 0.656056
Tabela 18: Resultado do teste de White, para o ano de 2000, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(continua) 2000
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) White Heteroskedasticity Test: F-statistic 1.23968 Probability 0.306177 Obs*R-squared 4.96245 Probability 0.291172 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) White Heteroskedasticity Test:
77
Tabela 18: Resultado do teste de White, para o ano de 2000, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(conclusão) F-statistic 0.28843 Probability 0.884239 Obs*R-squared 1.23417 Probability 0.872442 Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) White Heteroskedasticity Test: F-statistic 10.4348 Probability 0.000002 Obs*R-squared 26.0498 Probability 0.000031 Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) White Heteroskedasticity Test: F-statistic 3.47712 Probability 0.013184 Obs*R-squared 12.1361 Probability 0.016367 Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) White Heteroskedasticity Test: F-statistic 2.00051 Probability 0.107794 Obs*R-squared 7.60823 Probability 0.107031
78
Tabela 19: Resultado do teste de White, para o ano de 2001, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
2001 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) White Heteroskedasticity Test: F-statistic 1.0589 Probability 0.38582 Obs*R-squared 4.2912 Probability 0.368029 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) White Heteroskedasticity Test: F-statistic 0.31256 Probability 0.868451 Obs*R-squared 1.32935 Probability 0.856376 Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) White Heteroskedasticity Test: F-statistic 0.4893 Probability 0.743532 Obs*R-squared 2.05823 Probability 0.72505 Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) White Heteroskedasticity Test: F-statistic 0.25757 Probability 0.903854 Obs*R-squared 1.10077 Probability 0.89415 Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) White Heteroskedasticity Test: F-statistic 0.45755 Probability 0.766483 Obs*R-squared 1.93228 Probability 0.748212
79
Tabela 20: Resultado do teste de White, para o ano de 2002, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
2002 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) White Heteroskedasticity Test: F-statistic 0.16469 Probability 0.955221 Obs*R-squared 0.71878 Probability 0.948993 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) White Heteroskedasticity Test: F-statistic 1.08465 Probability 0.374429 Obs*R-squared 4.3924 Probability 0.355497 Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) White Heteroskedasticity Test: F-statistic 0.4632 Probability 0.762383 Obs*R-squared 1.96107 Probability 0.742919 Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) White Heteroskedasticity Test: F-statistic 0.50008 Probability 0.735757 Obs*R-squared 2.12276 Probability 0.713192 Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) White Heteroskedasticity Test: F-statistic 0.40341 Probability 0.805299 Obs*R-squared 1.71751 Probability 0.787535
80
Tabela 21: Resultado do teste de White, para o ano de 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
2003 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) White Heteroskedasticity Test: F-statistic 1.84511 Probability 0.144485 Obs*R-squared 6.93431 Probability 0.139401 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) White Heteroskedasticity Test: F-statistic 0.6241 Probability 0.64905 Obs*R-squared 2.69484 Probability 0.610119 Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) White Heteroskedasticity Test: F-statistic 0.92712 Probability 0.460894 Obs*R-squared 3.84649 Probability 0.42718 Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) White Heteroskedasticity Test: F-statistic 0.62245 Probability 0.650058 Obs*R-squared 2.68215 Probability 0.612342 Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) White Heteroskedasticity Test: F-statistic 1.22948 Probability 0.320071 Obs*R-squared 4.92983 Probability 0.294573
81
Ao analisar os resultados do teste de White apresentados nas tabelas 17 a 21,
identifica-se que a hipótese nula de homocedasticidade dos resíduos não pode ser rejeitada
para os modelos, quando analisados independentemente ano a ano, referentes à abordagem do
conteúdo relativo das medidas de performance, para os níveis de significância de 1% e 5%.
A exceção ocorre para o ano de 2000, onde o modelo (3) apresenta significância
estatística ao nível de 99% do intervalo de confiança e o modelo (4) apresenta significância
estatística ao nível de 95% do intervalo de confiança; portanto, para esses modelos, rejeita-se
a hipótese nula de homocedasticidade dos resíduos. Assim, para o relaxamento da hipótese de
homocedasticidade destes modelos (em 2000), optou-se pela estimativa dos parâmetros do
modelo proposto por White, que proporciona inferências estatísticas assintoticamente válidas,
ou seja, os erros padrão apresentados serão corrigidos para a heterocedasticidade estimada
pelo modelo (GREENE, 2000). Esta estimativa será exposta mais adiante, quando forem
apresentados e analisados os níveis de significâncias das variáveis constantes em cada
modelo.
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003
(individualmente) são apresentados na Tabela 22.
Tabela 22: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 2.173089 18 1.046 1.563 2000 1.679919 55 1.490 1.641 2001 1.539135 59 1.509 1.642 2002 1.392779 52 1.473 1.633 2003 2.019036 37 1.364 1.590
Regressão:
82
Tabela 22: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(conclusão)
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 1.935039 21 1.125 1.538 2000 1.816508 59 1.509 1.642 2001 1.719412 63 1.527 1.654 2002 1.395286 54 1.484 1.638 2003 1.451901 34 1.333 1.580
Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 2.005888 20 1.100 1.537 2000 1.719441 61 1.518 1.646 2001 1.678603 62 1.523 1.650 2002 1.360583 57 1.500 1.641 2003 1.489634 36 1.354 1.587
Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 2.395331 22 1.147 1.541 2000 2.117425 61 1.518 1.646 2001 1.536933 62 1.523 1.650 2002 1.314035 52 1.473 1.633 2003 1.68885 35 1.343 1.584
Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 2.770958 18 1.046 1.563 2000 2.023594 58 1.504 1.642 2001 1.500297 60 1.514 1.642 2002 1.396997 56 1.495 1.641 2003 1.341683 34 1.333 1.580
83
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 22,
identifica-se que a hipótese nula de não autocorrelação dos resíduos não pode ser rejeitada
para os modelos, quando analisados independentemente ano a ano, referentes à abordagem do
conteúdo relativo das medidas de performance, para o nível de significância de 5%.
A exceção ocorre para o ano de 2002, onde todos os modelos apresentam
significância estatística ao nível de 95% do intervalo de confiança e para o modelo (5) no ano
de 2001, que também apresenta significância estatística ao nível de 95% do intervalo de
confiança; portanto, para esses modelos, rejeita-se a hipótese nula de não autocorrelação dos
resíduos.
Ressalta-se que a análise do teste de Durbin-Watson foi efetuada com base na
tabela dos valores críticos para o respectivo teste e para o nível de significância de 5%,
constante na obra de Hill, Grifiths e Judge (2003). Nos casos em que o número de
observações não constava na tabela, foi efetuado o processo de interpolação linear, para a
identificação dos respectivos valores críticos.
Os resultados dos testes de Jarque-Bera, para os anos de 1999 a 2003
(individualmente) são apresentados na Tabela 23.
Tabela 23: Resultado do teste de Jarque-Bera, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.904656 0.636145 2000 20.3249 0.000039 2001 3.362678 0.186125 2002 1.876359 0.39134 2003 1.937326 0.37959
84
Tabela 23: Resultado do teste de Jarque-Bera, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(conclusão) Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.344823 0.840202 2000 41.62833 0 2001 13.45802 0.001196 2002 1.311986 0.518926 2003 0.678975 0.712135
Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.137171 0.933714 2000 40.59521 0 2001 9.231284 0.009896 2002 1.118942 0.571511 2003 0.347106 0.840673
Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.520084 0.771019 2000 11.8871 0.002623 2001 3.276922 0.194279 2002 0.585186 0.746326 2003 0.984188 0.611345
Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.590845 0.744217 2000 8.645259 0.013265 2001 1.916165 0.383628 2002 0.109665 0.946643 2003 0.737644 0.691548
85
Ao analisar os resultados do teste de Jarque-Bera apresentados na tabela 23,
identifica-se que a hipótese nula de distribuição normal dos resíduos não pode ser rejeitada
para os modelos, quando analisados independentemente ano a ano, referentes à abordagem do
conteúdo relativo das medidas de performance, para os níveis de significância de 1% e 5%.
Destaca-se que, onde o teste de Jarque-Bera apresentou nível de significância estatística aos
níveis de 99% e de 95% do intervalo de confiança, as amostras são maiores do que 50
observações (vide apêndices) e, portanto, seus resíduos têm uma distribuição assintoticamente
próxima da distribuição normal (HILL; GRIFFITHS; JUDGE, 2003).
Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, assim como o nível de significância de cada variável
analisada, são apresentados individualmente na Tabela 24, para os anos de 1999 a 2003.
Tabela 24: Avaliação das medidas de performance utilizando o MQO (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados individualmente.
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.739919 0.164769 4.490637 0.0004 VCFO_01 -0.646043 0.440123 -1.46787 0.1628 1999 CFO_01 0.342583 0.486428 0.704282 0.492
C -0.065653 0.076493 -0.858291 0.3947 VCFO_01 0.030034 0.160388 0.18726 0.8522 2000 CFO_01 0.413691 0.190119 2.175961 0.0341
C -0.003714 0.0717 -0.051792 0.9589 VCFO_01 -0.09421 0.175148 -0.537885 0.5928 2001 CFO_01 0.188824 0.181995 1.03752 0.304
C 0.150133 0.092198 1.628371 0.1099 VCFO_01 -0.233161 0.206691 -1.128068 0.2648 2002 CFO_01 0.345523 0.205007 1.685417 0.0983
C 0.469443 0.098425 4.769537 0 VCFO_01 0.282618 0.242919 1.163424 0.2528 2003 CFO_01 0.567505 0.282547 2.008533 0.0526
Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
86
Tabela 24: Avaliação das medidas de performance utilizando o MQO (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados individualmente.
(continuação) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.656593 0.115937 5.663343 0 VEBEI_01 -0.496347 0.339703 -1.461124 0.1612 1999 EBEI_01 0.375519 0.299809 1.252528 0.2264
C -0.05264 0.060547 -0.869402 0.3883 VEBEI_01 0.013216 0.207304 0.063754 0.9494 2000 EBEI_01 0.500084 0.202741 2.466616 0.0167
C -0.035769 0.047821 -0.747983 0.4574 VEBEI_01 -0.243752 0.201583 -1.209193 0.2313 2001 EBEI_01 0.528053 0.136128 3.879085 0.0003
C 0.17847 0.067707 2.635896 0.0111 VEBEI_01 -0.039923 0.266904 -0.149577 0.8817 2002 EBEI_01 0.591397 0.183649 3.220258 0.0022
C 0.537697 0.095605 5.624153 0 VEBEI_01 0.432845 0.274769 1.575304 0.1253 2003 EBEI_01 0.504474 0.331887 1.520018 0.1386
Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.643635 0.115406 5.577123 0 VNOPAT_01 -0.830137 0.383338 -2.165545 0.0449 1999 NOPAT_01 0.375675 0.39347 0.954774 0.3531
C 0.014277 0.066346 0.215193 0.8304 VNOPAT_01 0.105274 0.230366 0.456988 0.6494 2000 NOPAT_01 0.29213 0.238375 1.225503 0.2253
C -0.043056 0.052132 -0.825909 0.4122 VNOPAT_01 -0.183423 0.190266 -0.964034 0.339 2001 NOPAT_01 0.456788 0.151825 3.008645 0.0039
C 0.147696 0.072376 2.040692 0.0462 VNOPAT_01 0.055518 0.291009 0.190778 0.8494 2002 NOPAT_01 0.558524 0.213742 2.613081 0.0116
C 0.568764 0.074375 7.647294 0 VNOPAT_01 0.344595 0.284902 1.209522 0.2351 2003 NOPAT_01 0.724914 0.240427 3.015113 0.0049
Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
87
Tabela 24: Avaliação das medidas de performance utilizando o MQO (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados individualmente.
(conclusão) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.747571 0.141686 5.276266 0 VRI_01 -0.238862 0.2216 -1.077895 0.2946 1999 RI_01 0.22317 0.251076 0.888853 0.3852
C 0.006749 0.070627 0.09556 0.9242 VRI_01 0.011355 0.203545 0.055784 0.9557 2000 RI_01 -0.182914 0.220439 -0.829772 0.4101
C 0.079155 0.04939 1.602647 0.1144 VRI_01 -0.363582 0.155448 -2.338926 0.0227 2001 RI_01 0.2899 0.170039 1.704909 0.0935
C 0.303276 0.081272 3.731612 0.0005 VRI_01 -0.42967 0.350304 -1.226562 0.2258 2002 RI_01 0.598219 0.292332 2.046367 0.0461
C 0.6682 0.080197 8.33198 0 VRI_01 0.379666 0.241227 1.573894 0.1253 2003 RI_01 0.204455 0.427451 0.478312 0.6357
Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.697338 0.178647 3.90344 0.0014 VEVA_01 -0.563335 0.322095 -1.748973 0.1007 1999 EVA_01 -0.291339 0.273287 -1.066054 0.3033
C 0.108761 0.079201 1.373235 0.1753 VEVA_01 0.346463 0.234334 1.478505 0.145 2000 EVA_01 0.31704 0.209045 1.516612 0.1351
C 0.076517 0.056117 1.363535 0.1781 VEVA_01 -0.111123 0.197839 -0.561684 0.5765 2001 EVA_01 0.280884 0.156888 1.790343 0.0787
C 0.339103 0.074818 4.532381 0 VEVA_01 0.075214 0.276135 0.272382 0.7864 2002 EVA_01 0.492206 0.18616 2.643995 0.0108
C 0.6412 0.081287 7.888133 0 VEVA_01 0.40152 0.309748 1.296278 0.2044 2003 EVA_01 0.363518 0.359174 1.012095 0.3193
Ao analisar os resultados das regressões para os modelos, quando analisados
independentemente ano a ano, referentes à abordagem do conteúdo relativo das medidas de
performance, verifica-se que nenhum destes, em nenhum ano analisado apresentou relação
88
estatisticamente relevante entre as suas variáveis independentes (quando consideradas em
conjunto, e não individualmente) e a sua variável dependente, para os níveis de significância
de 1% ou 5%.
Mesmo para os modelos onde se rejeita a hipótese nula de homocedasticidade dos
resíduos, modelos (3) e (4) para o ano de 2000, ao realizar as regressões pelo MQO robusto,
verifica-se que nenhum destes apresentou uma relação estatisticamente relevante entre as suas
variáveis independentes (quando consideradas em conjunto, e não individualmente) e a sua
variável dependente. Os coeficientes angulares das regressões para a análise do conteúdo
relativo das medidas de performance selecionadas, pelo MQO robusto e para os modelos (3) e
(4) referentes ao ano de 2002, assim como o nível de significância de cada variável analisada,
são apresentados na Tabela 25.
Tabela 25: Avaliação das medidas de performance utilizando o MQO robusto (para o conteúdo relativo das medidas de performance), para o ano de 2000 e para os modelos (3) e (4).
Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.014277 0.088531 0.161267 0.8724 VNOPAT_01 0.105274 0.204392 0.515061 0.6085 2000 NOPAT_01 0.29213 0.393141 0.743066 0.4604
Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.006749 0.064268 0.105015 0.9167 VRI_01 0.011355 0.27677 0.041025 0.9674 2000 RI_01 -0.182914 0.323224 -0.565906 0.5736
Em virtude das limitações das regressões anuais pelo método dos MQO, foram
efetuadas regressões, também pelo método dos MQO, considerando, conjuntamente, todo o
período de análise, ou seja, de 1999 a 2003.
89
Os resultados dos testes de White, para a análise, em conjunto, dos anos de 1999 a
2003 são apresentados na Tabela 26.
Tabela 26: Resultado do teste de White, para os anos de 1999 a 2003 (conjuntamente), pelo método dos MQO e para o conteúdo relativo das medidas de performance.
De 1999 a 2003 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) White Heteroskedasticity Test: F-statistic 1.812873 Probability 0.127408 Obs*R-squared 7.17836 Probability 0.126758 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) White Heteroskedasticity Test: F-statistic 2.415926 Probability 0.049656 Obs*R-squared 9.472461 Probability 0.050316 Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) White Heteroskedasticity Test: F-statistic 1.65942 Probability 0.160291 Obs*R-squared 6.591937 Probability 0.159089 Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) White Heteroskedasticity Test: F-statistic 1.997988 Probability 0.095733 Obs*R-squared 7.890199 Probability 0.095684 Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) White Heteroskedasticity Test: F-statistic 1.335823 Probability 0.257549 Obs*R-squared 5.335187 Probability 0.254601
90
Ao analisar os resultados do teste de White apresentados na tabela 26, identifica-
se que a hipótese nula de homocedasticidade dos resíduos não pode ser rejeitada para os
modelos (1) (3) e (5), referentes à abordagem do conteúdo relativo das medidas de
performance, para os níveis de significância de 1% e 5%.
A exceção ocorre para os modelos (2) e (4), que apresentam significância
estatística ao nível de 95% do intervalo de confiança; portanto, para esses modelos, rejeita-se
a hipótese nula de homocedasticidade dos resíduos. Assim, para o relaxamento da hipótese de
homocedasticidade destes modelos, optou-se pela estimativa dos parâmetros do modelo
proposto por White, que proporciona inferências estatísticas assintoticamente válidas, ou seja,
os erros padrão apresentados serão corrigidos para a heterocedasticidade estimada pelo
modelo (GREENE, 2000). Esta estimativa será apresentada mais adiante, quando forem
apresentados e analisados os níveis de significância das variáveis constantes em cada modelo.
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003, quando
analisados conjuntamente, são apresentados na Tabela 27.
Tabela 27: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003 analisados em conjunto, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(continua) De 1999 a 2003
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) Resultado do teste de Durbin-Watson Resultado Nº de observações Limite Inferior Limite Superior 1.290682 221 1.76564 1.80118
Regressão:
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) Resultado do teste de Durbin-Watson Resultado Nº de observações Limite Inferior Limite Superior 1.102512 231 1.77404 1.80698
91
a
Tabela 27: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003 analisados em conjunto, pelo método dos MQO e para o conteúdo relativo das medidas de performance.
(conclusão) Regressão:
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Resultado do teste de Durbin-Watson Resultado Nº de observações Limite Inferior Limite Superior 1.206868 236 1.77824 1.80988 Regressão:
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) Resultado do teste de Durbin-Watson Resultado Nº de observações Limite Inferior Limite Superior 1.288671 232 1.77488 1.80756 Regressão:
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) Resultado do teste de Durbin-Watson Resultado Nº de observações Limite Inferior Limite Superior 1.270834 226 1.76984 1.80408
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 27,
identifica-se que a hipótese nula de não autocorrelação dos resíduos é rejeitada para todos os
modelos, quando analisados para os anos de 1999 a 2003 conjuntamente, referentes à
abordagem do conteúdo relativo das medidas de performance, para o nível de significância de
5%.
Ressalta-se que a análise do teste de Durbin-Watson foi efetuada com base na
tabela dos valores críticos para o respectivo teste e para o nível de significância de 5%,
constante na obra de Hill, Grifiths e Judge (2003). Como o número máximo de observações
apresentado na tabela dos valores críticos é de 200, foi efetuado o processo de extrapolação
linear, para a identificação dos respectivos valores críticos.
92
Vale salientar, ainda, que quando considerados os anos de 1999 a 2003 em
conjunto, as amostras são maiores do que 50 observações (vide apêndices) e, portanto, seus
resíduos têm uma distribuição assintoticamente próxima da distribuição normal (HILL;
GRIFFITHS; JUDGE, 2003).
Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, assim como o nível de significância de cada variável
analisada, são apresentados na Tabela 28, para os anos de 1999 a 2003, analisados em
conjunto.
Tabela 28: Avaliação das medidas de performance utilizando o MQO (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados conjuntamente.
(continua) De 1999 a 2003
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
Variable Coefficient Std. Error t-Statistic Prob. C 0.172606 0.045657 3.780512 0.0002
VCFO_01 0.025513 0.103399 0.246748 0.8053 CFO_01 0.218824 0.113396 1.929737 0.0549
Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
Variable Coefficient Std. Error t-Statistic Prob. C 0.184957 0.035136 5.263981 0
VEBEI_01 -0.093987 0.127712 -0.735928 0.4625 EBEI_01 0.446682 0.105665 4.227323 0
Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
Variable Coefficient Std. Error t-Statistic Prob. C 0.190626 0.035822 5.321493 0
VNOPAT_01 -0.085531 0.132883 -0.643655 0.5204 NOPAT_01 0.370503 0.114546 3.234547 0.0014
93
Tabela 28: Avaliação das medidas de performance utilizando o MQO (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados
conjuntamente. (conclusão) Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
Variable Coefficient Std. Error t-Statistic Prob. C 0.264906 0.038791 6.829137 0
VRI_01 -0.175152 0.111731 -1.567614 0.1184 RI_01 0.152445 0.120061 1.269729 0.2055
Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
Variable Coefficient Std. Error t-Statistic Prob. C 0.277189 0.040237 6.888932 0
VEVA_01 0.203641 0.121331 1.678391 0.0947 EVA_01 0.288765 0.096508 2.992149 0.0031
Ao analisar os resultados das regressões para os modelos, quando analisados para
os anos de 1999 a 2003 conjuntamente, referentes à abordagem do conteúdo relativo das
medidas de performance, verifica-se que nenhum destes, à exceção do modelo (5), apresentou
relação estatisticamente relevante entre as suas variáveis independentes (quando consideradas
em conjunto, e não individualmente) e a sua variável dependente, para os níveis de
significância de 1% ou 5%.
Mesmo para os modelos onde se rejeita a hipótese nula de homocedasticidade dos
resíduos, modelos (2) e (4), ao realizar as regressões pelo MQO robusto, verifica-se que
nenhum destes, apresentou uma relação estatisticamente relevante entre as suas variáveis
independentes (quando consideradas em conjunto, e não individualmente) e a sua variável
dependente. Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, pelo MQO robusto, para os anos de 1999 a 2003
conjuntamente, e para os modelos (2) e (4), assim como o nível de significância de cada
variável analisada, são apresentados na Tabela 29.
94
Tabela 29: Avaliação das medidas de performance utilizando o MQO robusto (para o conteúdo relativo das medidas de performance), para os anos de 1999 a 2003 analisados conjuntamente, e
para os modelos (3) e (4). De 1999 a 2003
Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
Variable Coefficient Std. Error t-Statistic Prob. C 0.184957 0.037445 4.939499 0
VEBEI_01 -0.093987 0.143703 -0.654033 0.5137 EBEI_01 0.446682 0.113949 3.920016 0.0001
Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
Variable Coefficient Std. Error t-Statistic Prob. C 0.264906 0.037605 7.044361 0
VRI_01 -0.175152 0.12513 -1.399757 0.1629 RI_01 0.152445 0.142999 1.066054 0.2875
Em virtude das limitações também encontradas com a utilização do MQO para os
anos de 1999 a 2003 (conjuntamente), utilizou-se outro método para as regressões e análise
dos dados, o método por dados em painel (panel data).
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003, quando
analisados conjuntamente, utilizando a estrutura de panel data (painel de dados) e sem a
utilização dos efeitos fixos de cada empresa analisada, são apresentados na Tabela 30.
95
Tabela 30: Resultado do teste de Durbin-Watson, utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo relativo.
De 1999 a 2003 Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.589296 221 1.76564 1.80118
Regressão:
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.730201 231 1.77404 1.80698
Regressão:
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.661463 236 1.77824 1.80988
Regressão:
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.725871 232 1.77488 1.80756
Regressão:
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.532988 226 1.76984 1.80408
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 30,
identifica-se que a hipótese nula de não autocorrelação dos resíduos é rejeitada para todos os
96
modelos, utilizando o panel data e sem a utilização dos efeitos fixos, referentes à abordagem
do conteúdo relativo das medidas de performance, para o nível de significância de 5%.
Ressalta-se que a análise do teste de Durbin-Watson foi efetuada com base na
tabela dos valores críticos para o respectivo teste e para o nível de significância de 5%,
constante na obra de Hill, Grifiths e Judge (2003). Como o número máximo de observações
apresentado na tabela dos valores críticos é de 200, foi efetuado o processo de extrapolação
linear, para a identificação dos respectivos valores críticos.
Vale salientar, ainda, que quando considerados os anos de 1999 a 2003 em
conjunto, as amostras são maiores do que 50 observações (vide apêndices) e, portanto, seus
resíduos têm uma distribuição assintoticamente próxima da distribuição normal (HILL;
GRIFFITHS; JUDGE, 2003).
Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, assim como o nível de significância de cada variável
analisada, são apresentados na Tabela 31, para os anos de 1999 a 2003, utilizando a estrutura
de panel data (painel de dados) e sem a utilização dos efeitos fixos de cada empresa
analisada. Destaca-se que, conservadoramente, as regressões foram realizadas considerando-
se a possibilidade de heterocedasticidade.
97
Tabela 31: Avaliação das medidas de performance utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo relativo.
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) Variable Coefficient Std. Error t-Statistic Prob.
C 0.168372 0.023322 7.219377 0 CFO? 0.232957 0.033924 6.867031 0
VCFO? 0.083442 0.033224 2.511512 0.0127 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) Variable Coefficient Std. Error t-Statistic Prob.
C 0.143486 0.018904 7.590201 0 EBEI? 0.498645 0.065547 7.607445 0
VEBEI? -0.188392 0.091936 -2.049168 0.0416 Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Variable Coefficient Std. Error t-Statistic Prob.
C 0.156178 0.023536 6.635726 0 NOPAT? 0.406379 0.063703 6.379251 0
VNOPAT? -0.130356 0.083164 -1.567462 0.1184
Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) Variable Coefficient Std. Error t-Statistic Prob.
C 0.252097 0.02192 11.50093 0 RI? 0.232839 0.104108 2.236519 0.0263
VRI? -0.19888 0.087117 -2.2829 0.0234 Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) Variable Coefficient Std. Error t-Statistic Prob.
C 0.257094 0.022844 11.25428 0 EVA? 0.307242 0.062752 4.896119 0
VEVA? 0.267783 0.072078 3.715202 0.0003
Ao analisar os resultados das regressões para os modelos utilizando o panel data
(sem a utilização dos efeitos fixos), referentes à abordagem do conteúdo relativo das medidas
98
de performance, verifica-se que todos os modelos, à exceção do modelo (4), apresentaram
relação estatisticamente relevante entre as suas variáveis independentes (quando consideradas
em conjunto, e não individualmente) e a sua variável dependente, para os níveis de
significância de 1%, modelos (1) e (5), e 5%, modelos (2) e (3). O modelo (4), único a não
apresentar relação estatisticamente relevante entre as suas variáveis independentes (quando
consideradas em conjunto, e não individualmente) e a sua variável dependente, para os níveis
de significância de 1% ou 5%, apresenta, porém, uma relação estatisticamente relevante para
o nível de significância de 10%.
Após a identificação dos coeficientes angulares para os modelos utilizando o
panel data (sem a utilização dos efeitos fixos), referentes à abordagem do conteúdo relativo
das medidas de performance foram identificados os seguintes coeficientes de
determinação(R2), ordenados crescentemente: modelo (4) = 0,046238; modelo (3) =
0,086924; modelo (5) = 0,109339; modelo (2) = 0,201556 e modelo (1) = 0,240953.
Após a análise dos modelos utilizando modelagem panel data e sem a utilização
dos efeitos fixos de cada empresa, decidiu-se por examinar os dados com a mesma
modelagem, porém, incluindo os efeitos fixos de cada empresa na amostra e, por conseguinte,
conferindo uma robustez ainda maior no respectivo tratamento estatístico.
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003, quando
analisados conjuntamente, utilizando a estrutura de panel data (painel de dados) e utilizando
os efeitos fixos de cada empresa analisada, são apresentados na Tabela 32.
99
Tabela 32: Resultado do teste de Durbin-Watson, utilizando o panel data e com a utilização dos efeitos fixos, para a análise do conteúdo relativo.
De 1999 a 2003
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.300608 221 1.76564 1.80118
Regressão:
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.332831 231 1.77404 1.80698
Regressão:
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.346097 236 1.77824 1.80988
Regressão:
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.390768 232 1.77488 1.80756
Regressão:
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.324211 226 1.76984 1.80408
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 32,
identifica-se que a hipótese nula de não autocorrelação dos resíduos não pode ser rejeitada,
para todos os modelos, utilizando o panel data e com a utilização dos efeitos fixos de cada
100
empresa, referentes à abordagem do conteúdo relativo das medidas de performance, para o
nível de significância de 5%.
Ressalta-se que a análise do teste de Durbin-Watson foi efetuada com base na
tabela dos valores críticos para o respectivo teste e para o nível de significância de 5%,
constante na obra de Hill, Grifiths e Judge (2003). Como o número máximo de observações
apresentado na tabela dos valores críticos é de 200, foi efetuado o processo de extrapolação
linear, para a identificação dos respectivos valores críticos.
Vale salientar, ainda, que quando considerados os anos de 1999 a 2003 em
conjunto, as amostras são maiores do que 50 observações (vide apêndices) e, portanto, seus
resíduos têm uma distribuição assintoticamente próxima da distribuição normal (HILL;
GRIFFITHS; JUDGE, 2003).
Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, assim como o nível de significância de cada variável
analisada, são apresentados na Tabela 33, para os anos de 1999 a 2003, utilizando a estrutura
de panel data (painel de dados) e com a utilização dos efeitos fixos de cada empresa
analisada. Destaca-se que, conservadoramente, as regressões foram realizadas considerando-
se a possibilidade de heterocedasticidade.
101
Tabela 33: Avaliação das medidas de performance utilizando o panel data e utilizando os efeitos fixos de cada empresa, para a análise do conteúdo relativo.
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
Variable Coefficient Std. Error t-Statistic Prob. CFO? 0.207292 0.045392 4.56674 0.0000
VCFO? 0.118709 0.031853 3.726741 0.0003 Regressão: RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
Variable Coefficient Std. Error t-Statistic Prob. EBEI? 0.050452 0.009009 5.599942 0.0000
VEBEI? 0.053899 0.018074 2.982079 0.0033
Regressão: RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
Variable Coefficient Std. Error t-Statistic Prob. NOPAT? 0.101857 0.004253 23.94765 0.0000
VNOPAT? 0.121845 0.01309 9.308051 0.0000 Regressão: RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
Variable Coefficient Std. Error t-Statistic Prob. RI? -0.491922 0.011646 -42.23868 0.0000
VRI? 0.089313 0.003422 26.09982 0.0000
Regressão: RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
Variable Coefficient Std. Error t-Statistic Prob. EVA? -0.128155 0.009383 -13.65762 0.0000
VEVA? 0.532578 0.015933 33.42615 0.0000
Ao analisar os resultados das regressões para os modelos utilizando o panel data e
utilizando os efeitos fixos de cada empresa, referentes à abordagem do conteúdo relativo das
medidas de performance, verifica-se que todos os modelos, sem exceção, apresentaram
102
relação estatisticamente relevante entre as suas variáveis independentes (quando consideradas
em conjunto, e não individualmente) e a sua variável dependente, para o nível de significância
de 1%.
Após a identificação dos coeficientes angulares para os modelos utilizando o
panel data e utilizando os efeitos fixos de cada empresa, referentes à abordagem do conteúdo
relativo das medidas de performance foram identificados os seguintes coeficientes de
determinação(R2), ordenados crescentemente: modelo (2) = 0,319253; modelo (3) =
0,325971; modelo (1) = 0,327010; modelo (4) = 0,343555 e modelo (5) = 0,412024.
5.2 Análise dos dados referentes ao conteúdo
incremental das medidas de performance
Inicialmente, foram realizadas regressões, utilizando o método dos mínimos
quadrados ordinários (MQO), para cada ano analisado (de 1999 a 2003), e os testes de
heterocedasticidade de White, de normalidade de Jarque-Bera e de correlação de Durbin-
Watson.
Os resultados dos testes de White, para os anos de 1999 a 2003 (individualmente)
são apresentados nas Tabelas 34 a 38.
103
Tabela 34: Resultado do teste de White, para o ano de 1999, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
1999 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) White Heteroskedasticity Test: F-statistic 0.35022 Probability 0.917597 Obs*R-squared 4.57346 Probability 0.80204 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) White Heteroskedasticity Test: F-statistic 0.804100 Probability 0.662855 Obs*R-squared 12.20529 Probability 0.429336
Tabela 35: Resultado do teste de White, para o ano de 2000, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(continua) 2000
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) White Heteroskedasticity Test: F-statistic 0.7302 Probability 0.664197 Obs*R-squared 6.21177 Probability 0.623524 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
104
Tabela 35: Resultado do teste de White, para o ano de 2000, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(conclusão)
White Heteroskedasticity Test: F-statistic 0.56077 Probability 0.859805 Obs*R-squared 7.6322 Probability 0.813172 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) White Heteroskedasticity Test: F-statistic 0.43105 Probability 0.962962 Obs*R-squared 8.52112 Probability 0.931819 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) White Heteroskedasticity Test: F-statistic 0.43095 Probability 0.973847 Obs*R-squared 11.3124 Probability 0.937716
105
Tabela 36: Resultado do teste de White, para o ano de 2001, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
2001 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) White Heteroskedasticity Test: F-statistic 0.52996 Probability 0.828179 Obs*R-squared 4.61879 Probability 0.797434 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) White Heteroskedasticity Test: F-statistic 0.36636 Probability 0.968766 Obs*R-squared 5.16207 Probability 0.952345 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) White Heteroskedasticity Test: F-statistic 0.2805 Probability 0.995963 Obs*R-squared 5.72248 Probability 0.990826 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) White Heteroskedasticity Test: F-statistic 0.25644 Probability 0.998988 Obs*R-squared 7.10797 Probability 0.996316
106
Tabela 37: Resultado do teste de White, para o ano de 2002, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
2002 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) White Heteroskedasticity Test: F-statistic 1.14403 Probability 0.356824 Obs*R-squared 9.1233 Probability 0.332002 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) White Heteroskedasticity Test: F-statistic 0.69322 Probability 0.746651 Obs*R-squared 9.21761 Probability 0.68424 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) White Heteroskedasticity Test: F-statistic 0.64313 Probability 0.823799 Obs*R-squared 11.9623 Probability 0.746574 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) White Heteroskedasticity Test: F-statistic 0.72859 Probability 0.764136 Obs*R-squared 16.8806 Probability 0.660715
107
Tabela 38: Resultado do teste de White, para o ano de 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
2003 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) White Heteroskedasticity Test: F-statistic 1.53181 Probability 0.194541 Obs*R-squared 11.212 Probability 0.189976 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) White Heteroskedasticity Test: F-statistic 0.95738 Probability 0.513624 Obs*R-squared 12.0071 Probability 0.445113 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) White Heteroskedasticity Test: F-statistic 0.82962 Probability 0.643646 Obs*R-squared 14.8554 Probability 0.53525 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) White Heteroskedasticity Test: F-statistic 0.59206 Probability 0.858523 Obs*R-squared 16.2069 Probability 0.703708
108
Ao analisar os resultados do teste de White apresentados nas tabelas 34 a 38,
identifica-se que a hipótese nula de homocedasticidade dos resíduos não pode ser rejeitada
para os modelos, quando analisados independentemente ano a ano, referentes à abordagem do
conteúdo incremental das medidas de performance, para os níveis de significância de 1% e
5%. Destaca-se que o teste de White não pôde ser realizado para os modelos (8) e (9), para o
ano de 1999, em virtude do número insuficiente de observações para a quantidade de
variáveis independentes envolvidas na regressão (vide apêndices).
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003
(individualmente) são apresentados na Tabela 39.
Tabela 39: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 1.748028 16 0.734 1.935 2000 1.746854 53 1.400 1.723 2001 1.715135 58 1.432 1.726 2002 1.22428 48 1.361 1.721 2003 1.483127 35 1.222 1.726
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 1.765262 16 0.502 2.388 2000 1.690598 53 1.317 1.817 2001 1.703187 58 1.357 1.810 2002 1.058932 48 1.270 1.827 2003 1.377135 35 1.097 1.884
109
Tabela 39: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(conclusão) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 1.500305 16 0.304 2.860 2000 1.833937 53 1.232 1.917 2001 1.798495 58 1.280 1.900 2002 1.003433 48 1.176 1.941 2003 1.074369 35 0.971 2.054
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) Resultado do teste de Durbin-Watson
Ano Resultado Nº de
observações Limite Inferior
Limite Superior
1999 1.440706 15 0.111 3.438 2000 1.737262 52 1.134 2.030 2001 1.752289 57 1.191 2.000 2002 1.023227 47 1.067 2.070 2003 0.840455 34 0.821 2.257
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 39,
identifica-se que a hipótese nula de não autocorrelação dos resíduos não pode ser rejeitada
para os modelos, quando analisados independentemente ano a ano, referentes à abordagem do
conteúdo incremental das medidas de performance, para o nível de significância de 5%.
A exceção ocorre para o ano de 2002, onde todos os modelos apresentam
significância estatística ao nível de 95% do intervalo de confiança. Portanto, para esses
modelos, rejeita-se a hipótese nula de não autocorrelação dos resíduos. Destaca-se que esta
110
rejeição da não autocorrelação dos resíduos ocorreu, de maneira idêntica, para a análise do
conteúdo relativo das medidas de performance, para o mesmo ano de 2002.
Além disso, ressalta-se que a análise do teste de Durbin-Watson foi efetuada com
base na tabela dos valores críticos para o respectivo teste e para o nível de significância de
5%, constante na obra de Hill, Grifiths e Judge (2003). Nos casos em que o número de
observações não constava na tabela, foi efetuado o processo de interpolação linear, para a
identificação dos respectivos valores críticos.
Os resultados dos testes de Jarque-Bera, para os anos de 1999 a 2003
(individualmente) são apresentados na Tabela 40.
Tabela 40: Resultado do teste de Jarque-Bera, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.738392 0.69129 2000 19.18213 0.000068 2001 10.81027 0.004493 2002 2.100284 0.349888 2003 0.270675 0.873421
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.237967 0.887823 2000 20.32456 0.000039 2001 12.20432 0.002238 2002 1.096765 0.577884 2003 0.094274 0.953957
111
Tabela 40: Resultado do teste de Jarque-Bera, para os anos de 1999 a 2003, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(conclusão) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 0.2339 0.88963 2000 20.92449 0.000029 2001 13.9478 0.000936 2002 1.301632 0.52162 2003 1.000309 0.606437
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) Resultado do teste de Jarque-Bera Ano Resultado Probabilidade 1999 1.860021 0.39455 2000 18.01884 0.000122 2001 16.70924 0.000235 2002 0.093321 0.954412 2003 1.186489 0.552532
Ao analisar os resultados do teste de Jarque-Bera apresentados na tabela 40,
identifica-se que a hipótese nula de distribuição normal dos resíduos não pode ser rejeitada
para os modelos, quando analisados independentemente ano a ano, referentes à abordagem do
conteúdo incremental das medidas de performance, para os níveis de significância de 1% e
5%. Destaca-se que, onde o teste de Jarque-Bera apresentou nível de significância estatística
aos níveis de 99% e de 95% do intervalo de confiança, as amostras são maiores do que 50
observações (vide apêndices) e, portanto, seus resíduos têm uma distribuição assintoticamente
próxima da distribuição normal (HILL; GRIFFITHS; JUDGE, 2003).
112
Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, assim como o nível de significância de cada variável
analisada, são apresentados na Tabela 41, para os anos de 1999 a 2003 (individualmente).
Tabela 41: Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance).
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.787025 0.17349 4.53644 0.0008 CFO_01 0.625514 0.567513 1.102203 0.2939
VCFO_01 -0.657436 0.51667 -1.27245 0.2295 EBEICFO_01 0.570182 0.402107 1.417986 0.1839
1999
VEBEICFO_01 -0.09388 0.552956 -0.169779 0.8683 C -0.034873 0.08093 -0.430902 0.6685
VCFO_01 0.224488 0.395408 0.567737 0.5729 CFO_01 0.503792 0.276112 1.824595 0.0743
VEBEICFO_01 -0.092597 0.273849 -0.338132 0.7367 2000
EBEICFO_01 0.468559 0.346706 1.35146 0.1829 C -0.034422 0.066783 -0.515434 0.6084
VCFO_01 -0.279052 0.250102 -1.115752 0.2696 CFO_01 0.521212 0.198014 2.632193 0.0111
VEBEICFO_01 -0.274832 0.27921 -0.984318 0.3294 2001
EBEICFO_01 0.560398 0.216287 2.590995 0.0123 C 0.108288 0.089672 1.207603 0.2338
VCFO_01 -0.489479 0.434398 -1.126799 0.2661 CFO_01 0.985774 0.293687 3.356549 0.0017
VEBEICFO_01 -0.282081 0.481918 -0.58533 0.5614 2002
EBEICFO_01 0.777298 0.278793 2.788079 0.0079 C 0.51244 0.103791 4.937245 0
VCFO_01 0.204642 0.293105 0.698185 0.4904 CFO_01 0.685296 0.361068 1.897968 0.0674
VEBEICFO_01 0.326198 0.204261 1.596969 0.1208 2003
EBEICFO_01 0.296501 0.436588 0.679131 0.5023
113
Tabela 41: Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance).
(continuação) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.717965 0.159305 4.506872 0.0015 CFO_01 2.653567 1.514727 1.751845 0.1137
VCFO_01 -1.92983 0.767102 -2.51574 0.033 EBEICFO_01 1.230194 0.649053 1.895368 0.0906
VEBEICFO_01 -0.209803 0.605572 -0.346455 0.737 NOPATEBEI_01 3.073748 2.326122 1.321405 0.219
1999
VNOPATEBEI_01 -3.108723 1.607083 -1.934388 0.0851 C -0.096894 0.089567 -1.081798 0.285
CFO_01 0.732725 0.39064 1.875704 0.0671 VCFO_01 0.424195 0.429916 0.986691 0.329
EBEICFO_01 0.467772 0.492735 0.949338 0.3474 VEBEICFO_01 0.283112 0.401431 0.705256 0.4842
NOPATEBEI_01 0.225139 0.858062 0.26238 0.7942
2000
VNOPATEBEI_01 0.842267 0.542962 1.551243 0.1277 C -0.038963 0.068233 -0.571029 0.5705
CFO_01 0.45373 0.262511 1.728426 0.09 VCFO_01 -0.210019 0.277815 -0.755968 0.4531
EBEICFO_01 0.475337 0.362556 1.311072 0.1957 VEBEICFO_01 -0.173595 0.328186 -0.528952 0.5991
NOPATEBEI_01 -0.275327 0.739811 -0.372158 0.7113
2001
VNOPATEBEI_01 0.374259 0.640476 0.584346 0.5616 C 0.137086 0.091284 1.501743 0.1408
CFO_01 0.918499 0.368677 2.491342 0.0169 VCFO_01 0.102324 0.61876 0.165369 0.8695
EBEICFO_01 0.677772 0.49182 1.37809 0.1757 VEBEICFO_01 0.313454 0.699133 0.448346 0.6563
NOPATEBEI_01 -0.326319 0.803758 -0.405991 0.6869
2002
VNOPATEBEI_01 1.549428 1.153202 1.343588 0.1865 C 0.496116 0.115508 4.295067 0.0002
CFO_01 0.561578 0.438102 1.281841 0.2104 VCFO_01 0.501164 0.455983 1.099084 0.2811
EBEICFO_01 0.027801 0.807211 0.034441 0.9728 VEBEICFO_01 0.730353 0.592701 1.232246 0.2281
NOPATEBEI_01 -0.587536 1.335988 -0.439776 0.6635
2003
VNOPATEBEI_01 0.741198 0.962073 0.770418 0.4475 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
114
Tabela 41: Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance).
(continuação) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.760574 0.20501 3.709934 0.0076 CFO_01 2.804488 1.950057 1.438157 0.1936
VCFO_01 -2.11152 1.080581 -1.95406 0.0916 EBEICFO_01 1.248804 0.72845 1.71433 0.1302
VEBEICFO_01 -0.46474 0.765091 -0.607431 0.5627 NOPATEBEI_01 3.184077 3.008168 1.058477 0.325
VNOPATEBEI_01 -3.345692 2.110328 -1.58539 0.1569 RINOPAT_01 0.31482 0.608567 0.517313 0.6209
1999
VRINOPAT_01 0.314907 0.614275 0.512648 0.624 C -0.194063 0.096005 -2.021386 0.0493
CFO_01 0.633015 0.415667 1.522891 0.1349 VCFO_01 -0.19391 0.464363 -0.417583 0.6783
EBEICFO_01 -0.056124 0.493758 -0.113667 0.91 VEBEICFO_01 -0.182037 0.39669 -0.458891 0.6486
NOPATEBEI_01 -0.445309 0.833194 -0.53446 0.5957 VNOPATEBEI_01 -0.557076 0.683541 -0.814985 0.4195
RINOPAT_01 -0.148348 0.479706 -0.309248 0.7586
2000
VRINOPAT_01 -1.058788 0.552679 -1.915738 0.0619 C -0.014957 0.081558 -0.183391 0.8552
CFO_01 0.378889 0.310808 1.219045 0.2287 VCFO_01 -0.352985 0.270612 -1.304392 0.1982
EBEICFO_01 0.423132 0.357709 1.182893 0.2426 VEBEICFO_01 -0.484593 0.343412 -1.411115 0.1645
NOPATEBEI_01 -0.055274 0.781091 -0.070765 0.9439 VNOPATEBEI_01 -0.795022 0.750549 -1.059254 0.2947
RINOPAT_01 -0.104447 0.373518 -0.279629 0.7809
2001
VRINOPAT_01 -0.817731 0.334183 -2.446955 0.018 C 0.060433 0.111301 0.542969 0.5902
CFO_01 0.843613 0.539914 1.562496 0.1263 VCFO_01 -0.259153 0.739334 -0.350522 0.7278
EBEICFO_01 0.810629 0.608379 1.33244 0.1904 VEBEICFO_01 -0.203522 0.825007 -0.246691 0.8064
NOPATEBEI_01 -0.014214 1.330049 -0.010687 0.9915 VNOPATEBEI_01 -0.070606 1.985595 -0.035559 0.9718
RINOPAT_01 -0.293459 0.549765 -0.533791 0.5965
2002
VRINOPAT_01 -0.835413 0.734902 -1.136769 0.2626 C 0.412847 0.132676 3.111686 0.0045
CFO_01 0.408357 0.509308 0.801788 0.4299 VCFO_01 -0.120859 0.618238 -0.19549 0.8465
EBEICFO_01 0.366014 0.812216 0.450637 0.656 VEBEICFO_01 -0.224239 0.801762 -0.279682 0.7819
NOPATEBEI_01 0.293826 1.498347 0.1961 0.8461 VNOPATEBEI_01 -1.696621 1.814931 -0.934813 0.3585
RINOPAT_01 -1.069245 0.732567 -1.459586 0.1564
2003
VRINOPAT_01 -1.594695 1.126605 -1.415488 0.1688
115
Tabela 41: Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance).
(continuação) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) Ano Variable Coefficient Std. Error t-Statistic Prob.
C 0.923381 0.224755 4.108385 0.0148 CFO_01 2.050775 6.492551 0.315866 0.7679
VCFO_01 -0.422525 3.920192 -0.107782 0.9194 EBEICFO_01 5.733757 3.84076 1.49287 0.2098
VEBEICFO_01 -1.636819 9.232553 -0.177288 0.8679 NOPATEBEI_01 2.322083 10.95828 0.211902 0.8425
VNOPATEBEI_01 -0.136624 19.93761 -0.006853 0.9949 RINOPAT_01 6.382101 3.474778 1.836693 0.1401
VRINOPAT_01 9.914673 10.35657 0.957331 0.3926 EVARI_01 5.971827 11.87256 0.502994 0.6414
1999
VEVARI_01 10.46569 6.692591 1.563772 0.1929 C -0.165655 0.089243 -1.856227 0.0706
CFO_01 0.497793 0.397908 1.251024 0.218 VCFO_01 0.072129 0.467857 0.15417 0.8782
EBEICFO_01 -0.994154 0.543175 -1.830267 0.0745 VEBEICFO_01 0.821167 0.487712 1.683714 0.0998
NOPATEBEI_01 -2.096719 0.936897 -2.23794 0.0307 VNOPATEBEI_01 0.481503 0.750398 0.641663 0.5247
RINOPAT_01 0.793441 0.576924 1.375296 0.1765 VRINOPAT_01 -3.281914 1.662484 -1.974103 0.0551
EVARI_01 1.54683 0.515752 2.999177 0.0046
2000
VEVARI_01 -2.620217 1.840025 -1.424012 0.162 C -0.034103 0.086511 -0.394202 0.6953
CFO_01 0.384174 0.331881 1.157565 0.253 VCFO_01 -0.366024 0.277999 -1.316639 0.1945
EBEICFO_01 0.400145 0.42437 0.942914 0.3507 VEBEICFO_01 -0.493118 0.351218 -1.404024 0.167
NOPATEBEI_01 -0.256547 1.000575 -0.256399 0.7988 VNOPATEBEI_01 -0.641403 0.871191 -0.736237 0.4653
RINOPAT_01 -0.126623 0.394996 -0.320567 0.75 VRINOPAT_01 -0.481965 1.066574 -0.451882 0.6535
EVARI_01 0.126687 0.385816 0.328362 0.7441
2001
VEVARI_01 0.256715 0.98271 0.261231 0.7951 C 0.144696 0.116959 1.23715 0.224
CFO_01 0.733855 0.533209 1.376299 0.1772 VCFO_01 -0.273252 0.725472 -0.376654 0.7086
2002
EBEICFO_01 0.576425 0.648855 0.888374 0.3802
116
Tabela 41: Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance).
(conclusão)
VEBEICFO_01 -0.147584 0.808765 -0.182481 0.8562 NOPATEBEI_01 -0.408475 1.331767 -0.306717 0.7608
VNOPATEBEI_01 -0.573442 2.056622 -0.278827 0.782 RINOPAT_01 -0.084399 0.663513 -0.1272 0.8995
VRINOPAT_01 -1.368596 2.660897 -0.514336 0.6102 EVARI_01 0.813955 0.438994 1.854135 0.0719
VEVARI_01 -0.44756 2.236016 -0.200159 0.8425 C 0.474918 0.142134 3.341338 0.0028
CFO_01 1.455487 0.979917 1.485317 0.151 VCFO_01 -1.417308 1.26199 -1.123074 0.273
EBEICFO_01 1.461006 1.377733 1.060442 0.3 VEBEICFO_01 -1.36949 1.231252 -1.112274 0.2775
NOPATEBEI_01 1.009116 2.156515 0.467938 0.6442 VNOPATEBEI_01 -3.831402 2.626474 -1.458763 0.1582
RINOPAT_01 2.283734 2.566448 0.889842 0.3828 VRINOPAT_01 2.672983 4.024014 0.664258 0.5131
EVARI_01 2.704815 2.458174 1.100335 0.2826
2003
VEVARI_01 6.519521 5.642325 1.155467 0.2598
Ao analisar os resultados das regressões para os modelos, quando analisados
independentemente ano a ano, referentes à abordagem do conteúdo incremental das medidas
de performance, verifica-se que nenhum destes, em nenhum ano analisado apresentou relação
estatisticamente relevante entre as suas variáveis independentes (quando consideradas em
conjunto, e não individualmente) e a sua variável dependente, para os níveis de significância
de 1% ou 5%.
Em virtude das limitações das regressões anuais pelo método dos MQO, foram
efetuadas regressões, também pelo método dos MQO, considerando, conjuntamente, todo o
período de análise, ou seja, de 1999 a 2003.
Os resultados dos testes de White, para a análise, em conjunto, dos anos de 1999 a
2003 são apresentados nas Tabela 42.
117
Tabela 42: Resultado do teste de White, para os anos de 1999 a 2003 (conjuntamente), pelo método dos MQO e para o conteúdo incremental das medidas de performance.
1999 a 2003 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) White Heteroskedasticity Test: F-statistic 2.025555 Probability 0.045113 Obs*R-squared 15.66695 Probability 0.047403 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) White Heteroskedasticity Test: F-statistic 2.028512 Probability 0.023584 Obs*R-squared 23.09479 Probability 0.026932 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) White Heteroskedasticity Test: F-statistic 1.510183 Probability 0.099154 Obs*R-squared 23.36593 Probability 0.104297 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) White Heteroskedasticity Test: F-statistic 1.566215 Probability 0.064992 Obs*R-squared 29.82237 Probability 0.072783
118
Ao analisar os resultados do teste de White apresentados na tabela 42, identifica-
se que a hipótese nula de homocedasticidade dos resíduos não pode ser rejeitada para os
modelos (8) e (9), referentes à abordagem do conteúdo relativo das medidas de performance,
para os níveis de significância de 1% e 5%.
A exceção ocorre para os modelos (6) e (7) apresenta significância estatística ao
nível de 95% do intervalo de confiança; portanto, para esses modelos, rejeita-se a hipótese
nula de homocedasticidade dos resíduos. Assim, para o relaxamento da hipótese de
homocedasticidade destes modelos, optou-se pela estimativa dos parâmetros do modelo
proposto por White, que proporciona inferências estatísticas assintoticamente válidas, ou seja,
os erros padrão apresentados serão corrigidos para a heterocedasticidade estimada pelo
modelo (GREENE, 2000). Esta estimativa será apresentada mais adiante, quando forem
apresentados e analisados os níveis de significância das variáveis constantes em cada modelo.
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003, quando
analisados conjuntamente, são apresentados na Tabela 43.
Tabela 43: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003 analisados em conjunto, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(continua)Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.131455 210 1.7378 1.8144
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
119
Tabela 43: Resultado do teste de Durbin-Watson, para os anos de 1999 a 2003 analisados em conjunto, pelo método dos MQO e para o conteúdo incremental das medidas de performance.
(conclusão) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.135066 210 1.7182 1.8338
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.09448 210 1.6988 1.853
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) +β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.334965 205 1.6556 1.8737
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 42,
identifica-se que a hipótese nula de não autocorrelação dos resíduos é rejeitada para todos os
modelos, quando analisados para os anos de 1999 a 2003 conjuntamente, referentes à
abordagem do conteúdo incremental das medidas de performance, para o nível de
significância de 5%.
Ressalta-se que a análise do teste de Durbin-Watson foi efetuada com base na
tabela dos valores críticos para o respectivo teste e para o nível de significância de 5%,
constante na obra de Hill, Grifiths e Judge (2003). Como o número máximo de observações
120
apresentado na tabela dos valores críticos é de 200, foi efetuado o processo de extrapolação
linear, para a identificação dos respectivos valores críticos.
Vale salientar, ainda, que quando considerados os anos de 1999 a 2003 em
conjunto, as amostras são maiores do que 50 observações (vide apêndices) e, portanto, seus
resíduos têm uma distribuição assintoticamente próxima da distribuição normal (HILL;
GRIFFITHS; JUDGE, 2003).
Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, assim como o nível de significância de cada variável
analisada, são apresentados na Tabela 44, para os anos de 1999 a 2003, analisados em
conjunto.
Tabela 44: Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance), para os anos de 1999 a 2003 analisados
conjuntamente. (continua)
De 1999 a 2003 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Variable Coefficient Std. Error t-Statistic Prob.
C 0.161827 0.045946 3.522086 0.0005 VCFO_01 0.004956 0.158577 0.031256 0.9751 CFO_01 0.528919 0.143714 3.680354 0.0003
VEBEICFO_01 -0.076918 0.143659 -0.535421 0.5929 EBEICFO_01 0.527681 0.140699 3.750432 0.0002
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) Variable Coefficient Std. Error t-Statistic Prob.
C 0.15936 0.046693 3.412902 0.0008 CFO_01 0.493187 0.169644 2.907183 0.0041
VCFO_01 0.021502 0.201173 0.106882 0.915 EBEICFO_01 0.455418 0.228272 1.995063 0.0474
121
Tabela 44: Avaliação das medidas de performance utilizando o MQO (para o conteúdo incremental das medidas de performance), para os anos de 1999 a 2003 analisados conjuntamente.
(conclusão)
VEBEICFO_01 -0.040491 0.221339 -0.182937 0.855 NOPATEBEI_01 -0.155048 0.388681 -0.398908 0.6904
VNOPATEBEI_01 0.072848 0.341079 0.213582 0.8311 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) Variable Coefficient Std. Error t-Statistic Prob. C 0.07387 0.05545 1.3322 0.1843 CFO_01 0.29259 0.189342 1.545302 0.1238 VCFO_01 -0.057467 0.20381 -0.281965 0.7783 EBEICFO_01 0.411131 0.222655 1.846495 0.0663 VEBEICFO_01 -0.229359 0.221929 -1.03348 0.3026 NOPATEBEI_01 -0.390117 0.416075 -0.937613 0.3496 VNOPATEBEI_01 -0.437636 0.397893 -1.099884 0.2727 RINOPAT_01 -0.537288 0.215548 -2.492659 0.0135 VRINOPAT_01 -0.343823 0.221794 -1.550188 0.1227 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) Variable Coefficient Std. Error t-Statistic Prob. C 0.128089 0.052722 2.429536 0.016 CFO_01 0.571111 0.199375 2.86451 0.0046 VCFO_01 -0.225924 0.1981 -1.140457 0.2555 EBEICFO_01 0.462797 0.259327 1.784608 0.0759 VEBEICFO_01 -0.215077 0.225364 -0.954356 0.3411 NOPATEBEI_01 -0.505045 0.489295 -1.03219 0.3033 VNOPATEBEI_01 -0.695094 0.432459 -1.607307 0.1096 RINOPAT_01 -0.131513 0.214377 -0.613467 0.5403 VRINOPAT_01 0.621334 0.296753 2.093777 0.0376 EVARI_01 0.716279 0.194224 3.687898 0.0003 VEVARI_01 1.167344 0.281459 4.147468 0.0001
Ao analisar os resultados das regressões para os modelos, para os anos de 1999 a
2003 conjuntamente, referentes à abordagem do conteúdo incremental das medidas de
performance, verifica-se que nenhum destes apresentou relação estatisticamente relevante
122
entre as suas variáveis independentes (quando consideradas em conjunto, e não
individualmente) e a sua variável dependente, para os níveis de significância de 1% ou 5%.
Mesmo para os modelos onde se rejeita a hipótese nula de homocedasticidade dos
resíduos, modelos (6) e (7), ao realizar as regressões pelo MQO robusto, verifica-se que
nenhum destes, apresentou uma relação estatisticamente relevante entre as suas variáveis
independentes (quando consideradas em conjunto, e não individualmente) e a sua variável
dependente. Os coeficientes angulares das regressões para a análise do conteúdo relativo das
medidas de performance selecionadas, pelo MQO robusto, para os anos de 1999 a 2003
conjuntamente, e para os modelos (6) e (7), assim como o nível de significância de cada
variável analisada, são apresentados na Tabela 45.
Tabela 45: Avaliação das medidas de performance utilizando o MQO robusto (para o conteúdo incremental das medidas de performance), para os anos de 1999 a 2003 analisados
conjuntamente, e para os modelos (6) e (7). De 1999 a 2003
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Variable Coefficient Std. Error t-Statistic Prob. C 0.161827 0.049702 3.255937 0.0013 VCFO_01 0.004956 0.153438 0.032303 0.9743 CFO_01 0.528919 0.159134 3.323745 0.0011 VEBEICFO_01 -0.076918 0.155346 -0.495141 0.621 EBEICFO_01 0.527681 0.161434 3.268706 0.0013 Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) Variable Coefficient Std. Error t-Statistic Prob. C 0.15936 0.050803 3.136838 0.002 CFO_01 0.493187 0.170925 2.885409 0.0043 VCFO_01 0.021502 0.183512 0.117169 0.9068 EBEICFO_01 0.455418 0.199812 2.279232 0.0237 VEBEICFO_01 -0.040491 0.207877 -0.194784 0.8458 NOPATEBEI_01 -0.155048 0.347252 -0.446499 0.6557 VNOPATEBEI_01 0.072848 0.309031 0.235731 0.8139
123
Em virtude das limitações também encontradas com a utilização do MQO para os
anos de 1999 a 2003 (conjuntamente), utilizou-se outro método para as regressões e análise
dos dados (exatamente como foi realizado para a abordagem do conteúdo relativo das
medidas de performance), o método por dados em painel (panel data).
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003, quando
analisados conjuntamente, utilizando a estrutura de panel data (painel de dados) e sem a
utilização dos efeitos fixos de cada empresa analisada, são apresentados na Tabela 46.
Tabela 46: Resultado do teste de Durbin-Watson, utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo incremental.
(continua)Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.695434 210 1.7378 1.8144
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.693183 210 1.7182 1.8338
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior
1.588565 210 1.6988 1.853
124
Tabela 46: Resultado do teste de Durbin-Watson, utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo incremental.
(conclusão)
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) +β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 1.612709 205 1.6556 1.8737
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 46,
identifica-se que a hipótese nula de não autocorrelação dos resíduos é rejeitada para todos os
modelos, utilizando o panel data e sem a utilização dos efeitos fixos, referentes à abordagem
do conteúdo incremental das medidas de performance, para o nível de significância de 5%.
Ressalta-se que a análise do teste de Durbin-Watson foi efetuada com base na
tabela dos valores críticos para o respectivo teste e para o nível de significância de 5%,
constante na obra de Hill, Grifiths e Judge (2003). Como o número máximo de observações
apresentado na tabela dos valores críticos é de 200, foi efetuado o processo de extrapolação
linear, para a identificação dos respectivos valores críticos.
Vale salientar, ainda, que quando considerados os anos de 1999 a 2003 em
conjunto, as amostras são maiores do que 50 observações (vide apêndices) e, portanto, seus
resíduos têm uma distribuição assintoticamente próxima da distribuição normal (HILL;
GRIFFITHS; JUDGE, 2003).
Os coeficientes angulares das regressões para a análise do conteúdo incremental
das medidas de performance selecionadas, assim como o nível de significância de cada
variável analisada, são apresentados na Tabela 47, para os anos de 1999 a 2003, utilizando a
estrutura de panel data (painel de dados) e sem a utilização dos efeitos fixos de cada empresa
125
analisada. Destaca-se que, conservadoramente, as regressões foram realizadas considerando-
se a possibilidade de heterocedasticidade.
Tabela 47: Avaliação das medidas de performance utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo incremental.
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
Variable Coefficient Std. Error t-Statistic Prob. C 0.135207 0.029112 4.644383 0
CFO? 0.582 0.087521 6.649829 0 VCFO? -0.002559 0.034649 -0.073841 0.9412
EBEICFO? 0.675893 0.093256 7.247713 0 VEBEICFO? -0.212506 0.039783 -5.341653 0
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
Variable Coefficient Std. Error t-Statistic Prob. C 0.132692 0.029577 4.486243 0
CFO? 0.529592 0.090482 5.852988 0 VCFO? -0.01927 0.061436 -0.313658 0.7541
EBEICFO? 0.568188 0.106247 5.3478 0 VEBEICFO? -0.206757 0.074589 -2.771958 0.0061
NOPATEBEI? -0.192833 0.20485 -0.941339 0.3477 VNOPATEBEI? -0.014003 0.175124 -0.079959 0.9363
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
Variable Coefficient Std. Error t-Statistic Prob. C 0.021497 0.035867 0.599352 0.5496
CFO? 0.282819 0.14987 1.887102 0.0606 VCFO? -0.06691 0.095236 -0.702576 0.4831
EBEICFO? 0.496287 0.124732 3.978821 0.0001 VEBEICFO? -0.368206 0.084284 -4.368631 0
NOPATEBEI? -0.597652 0.221345 -2.700099 0.0075 VNOPATEBEI? -0.485315 0.213067 -2.277763 0.0238
RINOPAT? -0.713705 0.185706 -3.843197 0.0002 VRINOPAT? -0.362317 0.170812 -2.121151 0.0351
126
Tabela 47: Avaliação das medidas de performance utilizando o panel data (sem a utilização dos efeitos fixos), para a análise do conteúdo incremental.
(conclusão) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
Variable Coefficient Std. Error t-Statistic Prob. C 0.097868 0.039597 2.471593 0.0143
CFO? 0.484523 0.128616 3.7672 0.0002 VCFO? -0.23788 0.074739 -3.18281 0.0017
EBEICFO? 0.515105 0.118916 4.331684 0 VEBEICFO? -0.348527 0.08036 -4.337045 0
NOPATEBEI? -0.478727 0.22889 -2.09152 0.0378 VNOPATEBEI? -0.857722 0.177628 -4.828747 0
RINOPAT? -0.293415 0.169821 -1.727792 0.0856 VRINOPAT? 0.400584 0.119454 3.353465 0.001
EVARI? 0.631083 0.069481 9.082757 0 VEVARI? 1.071303 0.093364 11.47443 0
Ao analisar os resultados das regressões para os modelos utilizando o panel data
(sem a utilização dos efeitos fixos), referentes à abordagem do conteúdo incremental das
medidas de performance, verifica-se que apenas o modelo (9) apresentou relação
estatisticamente relevante entre as suas variáveis independentes (quando consideradas em
conjunto, e não individualmente) e a sua variável dependente, para o nível de significância de
5%.
Após a análise dos modelos utilizando modelagem panel data e sem a utilização
dos efeitos fixos de cada empresa, decidiu-se por examinar os dados com a mesma
modelagem, porém, incluindo os efeitos fixos de cada empresa na amostra e, por conseguinte,
conferindo uma robustez ainda maior no respectivo tratamento estatístico.
Os resultados dos testes de Durbin-Watson, para os anos de 1999 a 2003, quando
analisados conjuntamente, utilizando a estrutura de panel data (painel de dados) e utilizando
os efeitos fixos de cada empresa analisada, são apresentados na Tabela 48.
127
Tabela 48: Resultado do teste de Durbin-Watson, utilizando o panel data e com a utilização dos efeitos fixos, para a análise do conteúdo incremental.
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.342545 210 1.7378 1.8144
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.440094 210 1.7182 1.8338
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.17069 210 1.6988 1.853
Regressão:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) +β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9) Resultado do teste de Durbin-Watson
Resultado Nº de observações Limite Inferior Limite Superior 2.290203 205 1.6556 1.8737
128
Ao analisar os resultados do teste de Durbin-Watson apresentados na tabela 48,
identifica-se que a hipótese nula de não autocorrelação dos resíduos não pode ser rejeitada,
para todos os modelos, utilizando o panel data e com a utilização dos efeitos fixos de cada
empresa, referentes à abordagem do conteúdo relativo das medidas de performance, para o
nível de significância de 5%.
Ressalta-se que a análise do teste de Durbin-Watson foi efetuada com base na
tabela dos valores críticos para o respectivo teste e para o nível de significância de 5%,
constante na obra de Hill, Grifiths e Judge (2003). Como o número máximo de observações
apresentado na tabela dos valores críticos é de 200, foi efetuado o processo de extrapolação
linear, para a identificação dos respectivos valores críticos.
Vale salientar, ainda, que quando considerados os anos de 1999 a 2003 em
conjunto, as amostras são maiores do que 50 observações (vide apêndices) e, portanto, seus
resíduos têm uma distribuição assintoticamente próxima da distribuição normal (HILL;
GRIFFITHS; JUDGE, 2003).
Os coeficientes angulares das regressões para a análise do conteúdo incremental
das medidas de performance selecionadas, assim como o nível de significância de cada
variável analisada, são apresentados na Tabela 49, para os anos de 1999 a 2003, utilizando a
estrutura de panel data (painel de dados) e com a utilização dos efeitos fixos de cada empresa
analisada. Destaca-se que, conservadoramente, as regressões foram realizadas considerando-
se a possibilidade de heterocedasticidade.
129
Tabela 49: Avaliação das medidas de performance utilizando o panel data e utilizando os efeitos fixos de cada empresa, para a análise do conteúdo incremental.
(continua) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
Variable Coefficient Std. Error t-Statistic Prob. CFO? 0.236082 0.150905 1.564438 0.1199
VCFO? 0.256927 0.09227 2.78451 0.0061 EBEICFO? 0.017472 0.158148 0.110478 0.9122
VEBEICFO? 0.306925 0.095182 3.224593 0.0016
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
Variable Coefficient Std. Error t-Statistic Prob. CFO? -0.190021 0.170891 -1.111941 0.2681
VCFO? 0.730286 0.117123 6.235208 0 EBEICFO? -0.405713 0.18491 -2.194113 0.0299
VEBEICFO? 0.784457 0.115333 6.801685 0 NOPATEBEI? -0.865377 0.230125 -3.760472 0.0002
VNOPATEBEI? 0.900355 0.1641 5.486607 0
Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
Variable Coefficient Std. Error t-Statistic Prob. CFO? -0.180804 0.115926 -1.559653 0.1211
VCFO? 0.447074 0.06773 6.600847 0 EBEICFO? -0.264897 0.105799 -2.503781 0.0134
VEBEICFO? 0.294017 0.077173 3.809834 0.0002 NOPATEBEI? -1.36721 0.176262 -7.75669 0
VNOPATEBEI? 0.17757 0.167369 1.060945 0.2906 RINOPAT? -1.549052 0.158252 -9.788535 0
VRINOPAT? 0.077462 0.106038 0.730512 0.4663
130
Tabela 49: Avaliação das medidas de performance utilizando o panel data e utilizando os efeitos fixos de cada empresa, para a análise do conteúdo incremental.
(conclusão) Regressão: RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4 (EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt –1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
Variable Coefficient Std. Error t-Statistic Prob. CFO? -0.166749 0.180688 -0.922857 0.3578
VCFO? 0.231165 0.145964 1.583709 0.1156 EBEICFO? -0.342745 0.195206 -1.75581 0.0814
VEBEICFO? 0.123921 0.158315 0.782749 0.4352 NOPATEBEI? -1.804372 0.282316 -6.391322 0
VNOPATEBEI? -0.270411 0.232756 -1.161779 0.2474 RINOPAT? -1.276732 0.166305 -7.677066 0
VRINOPAT? 0.838802 0.151603 5.53289 0 EVARI? 1.077373 0.138405 7.784188 0
VEVARI? 0.739526 0.135593 5.454004 0
Ao analisar os resultados das regressões para os modelos utilizando o panel data e
utilizando os efeitos fixos de cada empresa, referentes à abordagem do conteúdo incremental
das medidas de performance, verifica-se que nenhum dos modelos apresentou relação
estatisticamente relevante entre as suas variáveis independentes (quando consideradas em
conjunto, e não individualmente) e a sua variável dependente, para o nível de significância de
1% ou 5%.
131
6 Conclusão
Motivada pela recente difusão do EVA como medida de performance empresarial
de relevância para as empresas, e como substituta de medidas de desempenho tradicionais
também baseadas em informações contábeis (CHEN; DODD, 2001), além do número
reduzido de pesquisas empíricas relacionadas ao EVA realizadas no Brasil (CARVALHO,
1999; SOUZA; JANCSO,2003), a presente pesquisa procurou fornecer dados empíricos para
analisar se, no Brasil, o EVA é uma medida de desempenho que oferece maior explicação dos
retornos das ações do que medidas tradicionais de desempenho, sendo estas: EPS, Fluxo de
Caixa Operacional, NOPAT e RI.
Para atingir o objetivo geral proposto, foram investigadas as relações entre cada
uma das medidas de performance selecionadas e os retornos anuais por ação, além de
verificar se existe uma superioridade do EVA como medida de desempenho empresarial, por
meio da abordagem do conteúdo relativo da informação (CHEN; DODD, 2001; BIDDLE;
BOWEN; WALLACE, 1997); assim como buscou-se identificar se, e de que maneira as
medidas de performance selecionadas podem contribuir umas com as outras para uma maior
associação com os retornos contemporâneos das ações, com uma maior atenção para a
capacidade do EVA em contribuir com as demais variáveis para uma maior associação com
os retornos contemporâneos das ações, por meio da abordagem de conteúdo incremental da
informação e da união dos modelos conceituais de Chen e Dodd (2001) e de Biddle, Bowen e
Wallace (1997).
Ressalta-se que, para ambas as abordagens, foram utilizadas as modelagens pelos
métodos dos MQO e por panel data, visando identificar qual delas se adapta melhor ao
comportamento das medidas de performance selecionadas.
132
As conclusões para cada abordagem são apresentadas nas seções a seguir.
6.1 Abordagem do conteúdo relativo das medidas
de performance
Inicialmente, foram realizadas regressões pelo método do MQO, para cada
modelo econométrico proposto e para cada uns dos anos contemplados na pesquisa (1999 a
2003), individualmente. Para essas regressões, não pode-se rejeitar a hipótese nula de
homocedasticidade dos resíduos, para os níveis de significância de 1% e 5%, exceto para o
modelo (3), para o nível de significância de 1%, e para o modelo (4) para o nível de
significância de 5% - ambos no ano de 2000. Também foi realizado o teste de Durbin-Watson,
onde identificou-se que a hipótese nula de não autocorrelação dos resíduos não pode ser
rejeitada para os modelos, para o nível de significância de 5%. A exceção ocorre para o ano
de 2002, onde todos os modelos apresentam significância estatística ao nível de 95% do
intervalo de confiança e para o modelo (5) no ano de 2001, que também apresenta
significância estatística ao nível de 95% do intervalo de confiança; portanto, para esses
modelos, rejeita-se a hipótese nula de não autocorrelação dos resíduos. De fato, a
autocorrelação presente no ano de 2002 foi decorrente de esse ano se caracterizar por diversos
eventos mundiais que impactaram os mercados internacionais, como por exemplo, a redução
das taxas de juros americanas; além disso, esse foi o ano das eleições presidenciais no Brasil,
e as séries dos retornos por ação, neste período, não foram estacionárias, em virtude da
expectativa do aumento da percepção do risco internacional do país durante o processo
eleitoral. Por fim, identificou-se que os resíduos das regressões têm distribuição normal ou
assintoticamente próxima da distribuição normal.
133
Contudo, ao analisar os resultados das regressões para os modelos, verificou-se
que nenhum destes, em nenhum ano analisado apresentou relação estatisticamente relevante
entre as suas variáveis independentes (quando consideradas em conjunto, e não
individualmente) e a sua variável dependente, para os níveis de significância de 1% ou 5%. O
mesmo ocorre para os modelos onde rejeita-se a hipótese nula de homocedasticidade dos
resíduos, modelos (3) e (4) para o ano de 2000, ao realizar as regressões pelo MQO robusto.
Logo, a modelagem por meio de regressões anuais pelo método dos MQO
(mínimos quadrados ordinários), não se adapta satisfatoriamente ao comportamento das
medidas de performance selecionadas, para a abordagem do conteúdo relativo das medidas de
performance selecionadas.
Em virtude das limitações das regressões pelo método dos MQO, para a análise
individual de cada ano, foram realizadas regressões para os modelos econométricos propostos
também pelo método dos MQO, contudo, abrangendo todo o período analisado (1999 a 2003)
em conjunto.
Para essas regressões, utilizando o método dos MQO, abrangendo todo o período
analisado, identifica-se que a hipótese nula de homocedasticidade dos resíduos não pode ser
rejeitada para os modelos (1) (3) e (5), referentes à abordagem do conteúdo relativo das
medidas de performance, para os níveis de significância de 1% e 5%. A exceção ocorre para
os modelos (2) e (4), que apresentam significância estatística ao nível de 95% do intervalo de
confiança; portanto, para esses modelos, rejeita-se a hipótese nula de homocedasticidade dos
resíduos. Também foi realizado o teste de Durbin-Watson, onde identificou-se que a hipótese
nula de não autocorrelação dos resíduos é rejeitada para todos os modelos, quando analisados
para os anos de 1999 a 2003 conjuntamente, referentes à abordagem do conteúdo relativo das
medidas de performance, para o nível de significância de 5%. Por fim, identificou-se que os
134
resíduos das regressões, em virtude do número de observações, têm assintoticamente próxima
da distribuição normal.
Além da autocorrelação dos resíduos, as regressões pelo método dos MQO, para a
análise conjunta de todo o período, apresentam outra limitação. Ao analisar os resultados das
regressões para os modelos, verifica-se que nenhum destes, à exceção do modelo (5),
apresentou relação estatisticamente relevante entre as suas variáveis independentes (quando
consideradas em conjunto, e não individualmente) e a sua variável dependente, para os níveis
de significância de 1% ou 5%. O mesmo ocorre para os modelos onde rejeita-se a hipótese
nula de homocedasticidade dos resíduos, modelos (2) e (4), ao realizar as regressões pelo
MQO robusto.
Por conseguinte, conclui-se que a modelagem pelo método dos MQO, tanto para a
análise individual de cada ano contemplado como para a análise conjunta do período
considerado, não se adapta satisfatoriamente ao comportamento das medidas de performance
selecionadas, para a abordagem do conteúdo relativo das medidas de performance
selecionadas.
Uma vez que a modelagem pelo método dos MQO apresentou as limitações acima
citadas, optou-se pela modelagem em panel data, estatisticamente mais robusta e que
contempla tanto os dados em corte seccional como em séries temporais (GREENE, 2000;
HILL; GRIFFITHS; JUDGE, 2003). Destaca-se que, conservadoramente, as regressões foram
realizadas considerando-se a possibilidade de heterocedasticidade, tanto para a análise sem
quanto com efeitos fixos de cada empresa.
Para essas regressões identifica-se que a hipótese nula de não autocorrelação dos
resíduos é rejeitada para todos os modelos, utilizando o panel data e sem a utilização dos
efeitos fixos, para o nível de significância de 5%. Identificou-se, também, que os resíduos das
135
regressões, em virtude do número de observações, têm assintoticamente próxima da
distribuição normal.
Ao analisar os resultados das regressões para os modelos utilizando o panel data
(sem a utilização dos efeitos fixos), verifica-se que todos os modelos, à exceção do modelo
(4), apresentaram relação estatisticamente relevante entre as suas variáveis independentes
(quando consideradas em conjunto, e não individualmente) e a sua variável dependente, para
os níveis de significância de 1%, modelos (1) e (5), e 5%, modelos (2) e (3). O modelo (4),
único a não apresentar relação estatisticamente relevante entre as suas variáveis independentes
(quando consideradas em conjunto, e não individualmente) e a sua variável dependente, para
os níveis de significância de 1% ou 5%, apresenta, porém, uma relação estatisticamente
relevante para o nível de significância de 10%.
Portanto, conclui-se que, apesar da autocorrelação dos resíduos, a modelagem por
panel data, sem a utilização de efeitos fixos, se adapta satisfatoriamente ao
comportamento das medidas de performance selecionadas, para a abordagem do conteúdo
relativo das medidas de performance selecionadas.
Após a identificação da validade da modelagem por panel data sem a utilização
dos efeitos fixos de cada empresa, efetuou-se a análise dos coeficientes de determinação (R2)
de cada modelo, onde identificou-se que a medida de performance com maior nível de
explicação (para a abordagem do conteúdo relativo) é o CFO, seguida pelo EBEI, EVA,
NOPAT e RI. Logo, conclui-se que, para esse nível de robustez estatística, a
superioridade do EVA como medida de performance empresarial não foi identificada,
resultado este consistente com os trabalhos anteriores (CHEN; DODD, 2001; BIDDLE;
BOWEN; WALLACE, 1997).
Após a análise dos modelos utilizando modelagem panel data - e sem a utilização
dos efeitos fixos de cada empresa, decidiu-se por examinar os dados com a mesma
136
modelagem, porém, incluindo os efeitos fixos de cada empresa na amostra e, por conseguinte,
conferindo uma robustez ainda maior no respectivo tratamento estatístico.
Para essas regressões identifica-se que a hipótese nula de não autocorrelação dos
resíduos não pode ser rejeitada, para todos os modelos, utilizando o panel data e com a
utilização dos efeitos fixos, para o nível de significância de 5%. Identificou-se, também, que
os resíduos das regressões, em virtude do número de observações, têm uma distribuição
assintoticamente próxima da distribuição normal.
Ao analisar os resultados das regressões para os modelos utilizando o panel data e
utilizando os efeitos fixos de cada empresa, referentes à abordagem do conteúdo relativo das
medidas de performance, verifica-se que todos os modelos, sem exceção, apresentaram
relação estatisticamente relevante entre as suas variáveis independentes (quando consideradas
em conjunto, e não individualmente) e a sua variável dependente, para o nível de significância
de 1%.
Portanto, conclui-se que a modelagem por panel data, utilizando os efeitos fixos
de cada empresa, se adapta satisfatoriamente ao comportamento das medidas de
performance selecionadas, para a abordagem do conteúdo relativo das medidas de
performance selecionadas.
Após a identificação da validade da modelagem por panel data e utilizando os
efeitos fixos de cada empresa, efetuou-se a análise dos coeficientes de determinação (R2) de
cada modelo, onde identificou-se que a medida de performance com maior nível de
explicação (para a abordagem do conteúdo relativo) é o EVA, seguida pelo RI, CFO, NOPAT
e EBEI. Logo, conclui-se que, para esse nível de robustez estatística, a superioridade do
EVA como medida de performance empresarial foi identificada, resultado este que
diverge dos trabalhos anteriores (CHEN; DODD, 2001; BIDDLE; BOWEN;
WALLACE, 1997). Contudo, os sinais dos coeficientes das medidas EVA e RI, nos seus
137
respectivos modelos, apresentam-se negativos, demonstrando que, apesar de
estatisticamente significantes, esses resultados são incoerentes com os modelos
econométricos propostos, uma vez que uma empresa só apresentaria EVA negativo e
retorno por ação positivo se estivesse em um mercado altamente ineficiente.
Sintetizando as conclusões apresentadas nesta seção, pode-se afirmar que:
A modelagem por panel data apresenta-se claramente superior à
modelagem pelo método dos MQO, para a análise de medidas de
performance empresarial baseadas em informações contábeis e para a
abordagem do conteúdo relativo.
Em nenhuma modelagem, a superioridade do EVA foi encontrada de
maneira consistente, em relação às demais medidas de performance
selecionadas e no tocante à associação com os retornos contemporâneos
das ações. Estes resultados confirmam os resultados dos trabalhos
anteriores (CHEN; DODD, 2001; BIDDLE; BOWEN; WALLACE,
1997).
Estas conclusões, por fim, sugerem que os analistas de mercado devem ter uma
visão das medidas de performance empresarial, quando analisadas individualmente, diferente
dos defensores do EVA e RI. Estes analistas devem utilizar o CFO como medida mais
consistente para a previsão dos retornos futuros por ação. A esta medida seguem-se, por grau
de explicabilidade, pelo EBEI e pelo NOPAT, uma vez que a superioridade do EVA não foi
identificada de maneira consistente. Além disso, as conclusões também sugerem, em virtude
da superioridade dos resultados da modelagem por panel data, que os analistas devem
considerar tantos as medidas de desempenho da empresa ao longo do tempo quanto comparar
os desempenhos de cada empresa em relação às demais, sugerindo que as informações
passadas dessas medidas de performance contribuem para a previsão dos retornos futuros.
138
6.2 Abordagem do conteúdo incremental das
medidas de performance
A análise dos dados para o conteúdo incremental das medidas de performance foi
efetuada de maneira idêntica à análise para o conteúdo relativo. Inicialmente, foram realizadas
regressões pelo método do MQO, para cada modelo econométrico proposto e para cada uns
dos anos contemplados na pesquisa (1999 a 2003), individualmente. Para essas regressões,
identificou-se a distribuição homocedástica dos resíduos, além de não se poder rejeitar a
hipótese nula de não autocorrelação dos resíduos, exceto para o ano 2002, fato este que
ocorreu de maneira idêntica, para a análise do conteúdo relativo das medidas de performance,
para o mesmo ano de 2002 e que, por conseguinte, deve-se aos mesmos motivos. Por fim,
identificou-se que os resíduos das regressões têm distribuição normal ou assintoticamente
próxima da distribuição normal.
Contudo, ao analisar os resultados das regressões para os modelos, verificou-se
que nenhum destes, em nenhum ano analisado apresentou relação estatisticamente relevante
entre as suas variáveis independentes (quando consideradas em conjunto, e não
individualmente) e a sua variável dependente, para os níveis de significância de 1% ou 5%.
Logo, a modelagem por meio de regressões anuais pelo método dos MQO (mínimos
quadrados ordinários), não se adapta satisfatoriamente ao comportamento das medidas de
performance selecionadas, para a abordagem do conteúdo incremental.
Em virtude das limitações das regressões pelo método dos MQO, para a análise
individual de cada ano, foram realizadas regressões para os modelos econométricos propostos
também pelo método dos MQO, contudo, abrangendo todo o período analisado (1999 a 2003).
139
Para essas regressões, identificou-se a distribuição homocedástica dos resíduos,
exceto para os modelos (6) e (7). Além disso, hipótese nula de não autocorrelação dos
resíduos é rejeitada para todos os modelos, considerando o nível de significância de 5%. Por
fim, os resíduos das regressões, em virtude do número de observações, têm uma distribuição
assintoticamente próxima da distribuição normal.
Ao analisar os resultados das regressões para os modelos, verifica-se que nenhum
destes apresentou relação estatisticamente relevante entre as suas variáveis independentes
(quando consideradas em conjunto, e não individualmente) e a sua variável dependente, para
os níveis de significância de 1% ou 5%. O mesmo ocorre para os modelos onde rejeita-se a
hipótese nula de homocedasticidade dos resíduos, ao realizar as regressões pelo MQO
robusto.
Por conseguinte, conclui-se que a modelagem pelo método dos MQO, tanto para a
análise individual de cada ano contemplado como para a análise conjunta do período
considerado, não se adapta satisfatoriamente ao comportamento das medidas de performance
selecionadas, para a abordagem do conteúdo incremental das medidas de performance
selecionadas.
Uma vez que a modelagem pelo método dos MQO apresentou as limitações acima citadas,
optou-se pela modelagem em panel data, estatisticamente mais robusta e que contempla tanto
os dados em corte seccional como em séries temporais (GREENE, 2000; HILL; GRIFFITHS;
JUDGE, 2003). Destaca-se que, conservadoramente, as regressões foram realizadas
considerando-se a possibilidade de heterocedasticidade, tanto para a análise sem efeitos fixos
por empresas quanto com efeitos fixos de cada empresa.
Para essas regressões identifica-se que a hipótese nula de não autocorrelação dos
resíduos é rejeitada para todos os modelos, utilizando o panel data e sem a utilização dos
efeitos fixos, para o nível de significância de 5%. Identificou-se, também, que os resíduos das
140
regressões, em virtude do número de observações, têm assintoticamente próxima da
distribuição normal.
Ao analisar os resultados das regressões para os modelos utilizando o panel data
verifica-se que apenas o modelo (9) apresentou relação estatisticamente relevante entre as
suas variáveis independentes (quando consideradas em conjunto, e não individualmente) e a
sua variável dependente, para o nível de significância de 5%.
Portanto, conclui-se que, apesar da autocorrelação dos resíduos, a modelagem por
panel data, sem a utilização de efeitos fixos, se adapta satisfatoriamente ao
comportamento das medidas de performance selecionadas, para a abordagem do
conteúdo incremental das medidas de performance selecionadas, contudo, apenas
quando incorporadas todas variáveis envolvidas nessa abordagem.
Após a análise dos modelos utilizando modelagem panel data e sem a utilização
dos efeitos fixos de cada empresa, decidiu-se por examinar os dados com a mesma
modelagem, porém, incluindo os efeitos fixos de cada empresa na amostra e, por conseguinte,
conferindo uma robustez ainda maior no respectivo tratamento estatístico.
Para essas regressões identifica-se que a hipótese nula de não autocorrelação dos
resíduos não pode ser rejeitada, para todos os modelos, utilizando o panel data e com a
utilização dos efeitos fixos, para o nível de significância de 5%. Identificou-se, também, que
os resíduos das regressões, em virtude do número de observações, têm uma distribuição
assintoticamente próxima da distribuição normal.
Ao analisar os resultados das regressões para os modelos utilizando o panel data e
utilizando os efeitos fixos de cada empresa, referentes à abordagem do conteúdo incremental
das medidas de performance, verifica-se que nenhum modelo apresentou uma relação
estatisticamente relevante entre as suas variáveis independentes (quando consideradas em
141
conjunto, e não individualmente) e a sua variável dependente, para os níveis de significância
de 5% ou 1%.
Portanto, conclui-se que a modelagem por panel data, utilizando os efeitos fixos
de cada empresa, não se adapta satisfatoriamente ao comportamento das medidas de
performance selecionadas, para a abordagem do conteúdo incremental das medidas de
performance selecionadas.
Sintetizando as conclusões apresentadas nesta seção, pode-se afirmar que:
A modelagem por panel data apresenta-se superior à modelagem pelo
método dos MQO, para a análise de medidas de performance empresarial
baseadas em informações contábeis e para a abordagem do conteúdo
incremental. Contudo, esta superioridade apresenta-se somente quando
todas as variáveis envolvidas são consideradas e quando não são
contemplados os efeitos fixos de cada empresa.
Em nenhuma modelagem, a superioridade do EVA foi encontrada de
maneira consistente, em relação às demais medidas de performance
selecionadas e no tocante à associação com os retornos contemporâneos
das ações. Estes resultados confirmam os resultados dos trabalhos
anteriores (CHEN; DODD, 2001; BIDDLE; BOWEN; WALLACE,
1997).
Por fim, para a abordagem incremental, nenhuma modelagem estatística foi
totalmente consistente. Por conseguinte, ao contrário do ocorrido para a abordagem relativa,
sugestões diretas ao mercado não podem ser feitas. Contudo, em virtude de a presente
pesquisa ser exploratória, estes resultados servem de base para sugestões de pesquisas futuras,
que serão apresentadas na adiante.
142
6.3 Limitações do trabalho
Convém ressaltar que o presente trabalho apresenta como uma das limitações o
processo de cálculo EVA, onde este representa uma aproximação da métrica oficial da Stern
Stewart, uma vez que não existe um consenso quanto a todos os ajustes necessários para
chegar a essa medida, conforme abordado no referencial teórico.
Além disso, foram examinados o EVA e as demais medidas de performance nas
suas relações com os retornos por ação, buscando identificar qual medida reflete melhor o
valor intrínseco de uma empresa. Contudo, esta não é, conforme Chen e Dodd (2001), a única
forma de avaliar a eficácia de uma medida de performance, uma vez que essas medidas
podem contribuir para a relação contratual entre os sócios e os gestores (agency theory), para
a análise do risco sistemático das ações, além de mensurar os reflexos de ações estratégicas
das empresas.
Outra limitação foi a periodicidade para a análise dos dados. Escolheu-se a
periodicidade anual para a análise dos dados em virtude do referencial teórico utilizado e em
virtude da disponibilidade dos balanços anuais (uma vez que as empresas de capital aberto são
obrigadas, pela legislação brasileira, a publicar os balanços anuais). Contudo, em virtude da
dinâmica do mercado financeiro, análises com periodicidades menores, tais como
informações trimestrais ou semestrais poderiam captar comportamentos das medidas de
performance não captados integralmente nas informações anuais.
6.4 Sugestões para pesquisas futuras
As limitações do trabalho, assim como as limitações resultantes dos resultados
para a abordagem incremental, levam a oportunidades para pesquisas futuras.
143
As regressões por panel data e sem a utilização dos efeitos fixos apontaram um
alto grau de autocorrelação dos resíduos, o que indica a possibilidade de modelos auto-
regressivos, onde o efeito da informação (resultado) de uma medida de performance se
prolonga ao longo do tempo e influencia os resultados futuros da própria medida
(GUJARATI, 2000; HILL; GRIFFITHS; JUDGE, 2003). Portanto, sugere-se que em
trabalhos futuros seja utilizada a modelagem por panel data em conjunto com modelos auto-
regressivos para a análise da relação entre as medidas de performance empresarial e os
retornos por ação.
Também sugere-se a utilização adicional de periodicidades menores para a análise
dos dados, comparando os resultados com a análise anual dos mesmos dados e buscando
identificar qual periodicidade capta melhor o comportamento das medidas de performance
selecionadas.
144
7 Referências bibliográficas
ABOUT Stern Stewart & Co., 2004. Disponível em: < http://www.eva.com/ssabout/overview.php >. Acesso em: 24 fevereiro 2004.
AICPC – American Institute of Certified Public Accountants. Opinions of the accounting
principles board, “reporting de results of operations – reporting the effects of disposal of a segment of a business, and extraordinary, unusual and infrequently occurring events and transactions”, n. 30. New York: AICPC, 1973.
AMEELS, Anne; BRUGGEMAN, Werner; SCHEIPERS, Geert. Value-based management:
an integrated approach to value creation, a literature review. Working paper, Vlerick Leuven Gent Management School. Leuven: 2002.
BANNISTER, R. J.; JESUTHASAN, R. Is your company ready for value-based
management? The Journal of Business Strategy, Mar/Abr 1997. BIDDLE, G. C.; BOWEN, Robert M.; WALLACE, James S. Does EVA® beat earnings?
Evidence on associations with stock returns and firm values. Journal of Accounting and Economics, v. 24, n. 3, p. 301-336, Dez. 1997.
______. Economic value-added: some empirical EVAdence. Managerial Finance, v. 24, n.
11, 1998. ______. Evidence on EVA. Journal of Applied Corporate Finance. v. 12, n. 2, p. 69-79,
1999. BRAGA, Hugo R. Demonstrações contábeis: estrutura, análise e interpretação. 3. ed. São
Paulo: Atlas, 1998. BRASIL. Congresso Nacional. Lei 6.404 de 15 de dezembro de 1976. ______. Congresso Nacional. Lei 10.303 de 31 de outubro de 2001.
145
BROMWICH, M.; WALKER, M. Residual income: past and future. Journal of Management Accounting Research, 1998.
BROMWICH, M. Value based financial management systems. Management Accounting
Research. Kidlington: v. 9, n. 4, Dez 1998. CALABRESE, Vicent J. Economic value added: finance 101 on steroids. The Journal of
Bank Cost & Management Accounting. San Francisco: v. 12, n. 1, 1999. CAMPOS FILHO, Ademar. Demonstração dos fluxos de caixa: uma ferramenta
indispensável para administrar sua empresa. São Paulo: Ed. Atlas, 1999. CARVALHO, Edmir Lopes de. A relação entre o EVA (economic value added) e o valor
das ações na bolsa de valores do Estado de São Paulo. Dissertação (Mestrado em Ciências Contábeis) – Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, 1999.
CHEN, S.; DODD, J. Economic value added (EVATM): an empirical examination of a new
corporate performance measure. Journal of Managerial Issues, n. 9, 1997. ______. Operating income, residual income and EVA: which metric is more value
relevant? Journal of Managerial Issues, Spring 2001. CHRISTENSEN, Peter 0.; FELTHAM, Gerald A.; WU, Martin G. H. "Cost of capital" in
residual income for performance evaluation. The Accounting Review, v. 77, n. 1, jan 2002.
CHRISTOPHER, Martin; RYALS, Lynette. Supply chain strategy: Its impact on
shareholder value. International Journal of Logistics Management. Ponte Vedra Beach: v. 10, n. 1, 1999.
CLINTON, B. D.; CHEN, S. Do new performance measures measure up? Journal of
Management Accounting, Out. 1998. DAMODARAN, Aswath. Finanças corporativas aplicadas: manual do usuário. Porto
Alegre: Bookman, 2002. DAMODARAN, Aswath. Home page for Aswath Damodaran. Disponível em: <
http://pages.stern.nyu.edu/~adamodar/ >. Acesso em: 26 agosto 2004.
146
EASTON, P.; HARRIS, T. Earnings as an explanatory variable for returns. Journal of
Accounting Research n.29, 1991. EHRBAR, Al. EVA: valor econômico agregado: a verdadeira chave para a criação de
riqueza. Rio de Janeiro: Qualitymark, 1999. FASB – Financial Accounting Standard Board. Statement of financial accounting concepts:
objectives of financial reporting by business enterprises. Stamford: Financial Accounting Standard Board, n.1, 1978.
______. Statement of financial accounting standards: statements of cash flows. Stamford:
Financial Accounting Standard Board, n. 95, 1987. FISHER, J. Contingency-based research on management control systems: categorization
by level of complexity. Journal of Accounting Literature n. 14, 1995. FIPECAFI – FUNDAÇÃO INSTITUTO DE PESQUISAS CONTÁBEIS, ATUARIAIS E
FINANCEIRAS –. Avaliação de empresas: da mensuração contábil à econômica. São Paulo: Atlas, 2001.
FREZATTI, Fábio. Gestão de valor na empresa: uma abordagem abrangente do valuation a
partir da contabilidade gerencial. 1. ed. São Paulo: Atlas, 2003. GOUVEIA, Nelson. Contabilidade básica. 2. ed. São Paulo: Harbra, 2001. GRANT, James L. Foundations of economic value added. Pennsylvania: Frank J. Fabozzi
Associates, 1997. GREENE, William H. Econometric analysis. 4. ed. New Jersey: Prentice-Hall, 2000. GUJARATI, Damodar N. Econometria básica. São Paulo: Makron Books, 2000. HILL, R. Carter. GRIFITHS; William E.; JUDGE, George G. Econometria. 2. ed. São Paulo:
Saraiva, 2003.
147
ITNNER, Christopher D.; LARCKER, David F. Innovations in performance measurement: trends and research implications. Journal of Management Accounting Research, 1998.
______. Assessing empirical research in managerial accounting: a value-based
management perspective. Journal of Accounting and Economics, 2001. IUDÍCIBUS, Sérgio de; MARTINS, Eliseu; GELBCKE, Ernesto R. Manual de
contabilidade das sociedades por ações: aplicável também às demais sociedades. 4. ed. São Paulo: Atlas, 1994.
JOHNSON, H. Thomas; KAPLAN, Robert A. A relevância da contabilidade de custos. 2.
ed. Rio de Janeiro: Campus, 1996. KAPLAN, Robert S.; NORTON, David P. Linking the balanced scorecard to strategy.
California Management Review. Berkeley: v. 39, n. 1, 1996. LEHN, K.; MAKHIJA, A. K. EVA & MVA as performance measures and signals for
strategic change. Strategy & Leadership, 1996. LEWIS, Richard; PENDRILL, David. Advanced financial accounting. 5. ed. London:
Pitman Publishing, 1996. MACHUGA, Susan M.; PFEIFFER, Ray J., Jr.; VERMA, Kiran. Economic value added,
future accounting earnings, and financial analysts' earnings per share forecasts. Review of Quantitative Finance and Accounting, Jan 2002.
MARSHALL, A. Princípios de economia - tratado introdutório. São Paulo: Nova Cultural,
1985. MARTIN, John D.; PETTY, J. William; RICH, Steven P. An analysis of EVA and other
measures of firm performance based on residual income. SSRN working paper series, 2003. Disponível em: < http://papers.ssrn.com/sol3/papers.cfm?abstract_id=412122>. Acesso em: 24 fevereiro 2004.
MARTINS, Gilberto de Andrade. Manual para elaboração de monografias e dissertações.
3. ed. São Paulo: Atlas, 2002. MOHANTY, Pitabas. In defense of EVA. SSRN working paper series, 2003. Disponível em:
< http://papers.ssrn.com/sol3/papers.cfm?abstract_id=423720>. Acesso em: 24 fevereiro 2004.
148
RONTE, H. Value based management. Management Accounting, v. 76, n. 1, Jan 1998. SHANK, John K.; GOVINDARAJAN, Vijay. Strategic cost management: the value chain
perspective. Journal of Management Accounting Research. Sarasota: v. 4, 1992. SILVA, Alzira Morais da. Departamento de Pesquisas Econômicas do Banco Central do
Brasil. Cotação do título: C-BOND-YIELD. Mensagem recebida por [email protected] em 25 agosto 2004.
SIMMS, J. Marketing for value. Marketing. London: Jun 28, 2001. SOUZA, J. G. C.; JANCSO, P. Does it pay to implement a full scale Eva management
system? Evidence from brazilian companies. SSRN working paper series, 2003. Disponível em: < http://papers.ssrn.com/sol3/papers.cfm?abstract_id=381541 >. Acesso em: 24 fevereiro 2004.
STEWART, G.B. The Quest For Value. Harper Business: New York, 1991. WALGENBACH, Paul H.; DITTRICH, Norman E.; HANSON, Ernest I. Principles of
accounting, 3. ed. Orlando: Harcout Brace Jovanovich, 1984. WARREN, Carl S.; FESS, Philip E. Financial accounting, 3. ed. Cincinnati: South-Western
Publishing Co., 1988. YOUNG, S. David; O`BYRNE, Stephen F. EVA e gestão baseada em valor: guia prático
para implementação. Porto Alegre: Bookman, 2003.
149
APÊNDICES
150
APÊNDICE A
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo relativo das medidas de
performance, para o ano de 2003.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:14 Sample: 1 66 Included observations: 37 Excluded observations: 29 Variable Coefficient Std. Error t-Statistic Prob. C 0.469443 0.098425 4.769537 0.0000 VCFO_01 0.282618 0.242919 1.163424 0.2528 CFO_01 0.567505 0.282547 2.008533 0.0526 R-squared 0.198180 Mean dependent var 0.632310 Adjusted R-squared 0.151014 S.D. dependent var 0.495586 S.E. of regression 0.456635 Akaike info criterion 1.347741 Sum squared resid 7.089534 Schwarz criterion 1.478356 Log likelihood -21.93321 F-statistic 4.201757 Durbin-Watson stat 2.019036 Prob(F-statistic) 0.023405
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
151
0
2
4
6
8
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Series: ResidualsSample 1 66Observations 37
Mean -6.53E-17Median -0.082640Maximum 0.884644Minimum -0.705022Std. Dev. 0.443770Skewness 0.332790Kurtosis 2.097976
Jarque-Bera 1.937326Probability 0.379590
White Heteroskedasticity Test: F-statistic 1.845109 Probability 0.144485 Obs*R-squared 6.934308 Probability 0.139401 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:15 Sample: 1 66 Included observations: 37 Excluded observations: 29 Variable Coefficient Std. Error t-Statistic Prob. C 0.255636 0.044603 5.731306 0.0000 VCFO_01 -0.169243 0.103979 -1.627670 0.1134 VCFO_01^2 -0.079996 0.156767 -0.510289 0.6134 CFO_01 -0.250964 0.242857 -1.033381 0.3092 CFO_01^2 0.151403 0.309025 0.489938 0.6275 R-squared 0.187414 Mean dependent var 0.191609 Adjusted R-squared 0.085840 S.D. dependent var 0.203546 S.E. of regression 0.194613 Akaike info criterion -0.310514Sum squared resid 1.211981 Schwarz criterion -0.092823Log likelihood 10.74451 F-statistic 1.845109 Durbin-Watson stat 1.578201 Prob(F-statistic) 0.144485
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:16 Sample: 1 66 Included observations: 34 Excluded observations: 32
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
152
Variable Coefficient Std. Error t-Statistic Prob. C 0.537697 0.095605 5.624153 0.0000 VEBEI_01 0.432845 0.274769 1.575304 0.1253 EBEI_01 0.504474 0.331887 1.520018 0.1386 R-squared 0.188185 Mean dependent var 0.693678 Adjusted R-squared 0.135810 S.D. dependent var 0.456898 S.E. of regression 0.424741 Akaike info criterion 1.209422 Sum squared resid 5.592550 Schwarz criterion 1.344101 Log likelihood -17.56018 F-statistic 3.593027 Durbin-Watson stat 1.451901 Prob(F-statistic) 0.039499
0
1
2
3
4
5
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Series: ResidualsSample 1 66Observations 34
Mean 1.18E-16Median -0.059309Maximum 0.816025Minimum -0.774643Std. Dev. 0.411669Skewness -0.064167Kurtosis 2.319701
Jarque-Bera 0.678975Probability 0.712135
White Heteroskedasticity Test: F-statistic 0.624100 Probability 0.649050 Obs*R-squared 2.694835 Probability 0.610119 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:17 Sample: 1 66 Included observations: 34 Excluded observations: 32 Variable Coefficient Std. Error t-Statistic Prob. C 0.206201 0.048212 4.276962 0.0002 VEBEI_01 0.052237 0.405449 0.128837 0.8984 VEBEI_01^2 -0.163522 0.459739 -0.355684 0.7247 EBEI_01 -0.073583 0.338714 -0.217243 0.8295 EBEI_01^2 -0.208983 0.450999 -0.463378 0.6466 R-squared 0.079260 Mean dependent var 0.164487 Adjusted R-squared -0.047739 S.D. dependent var 0.191801 S.E. of regression 0.196326 Akaike info criterion -0.283028Sum squared resid 1.117772 Schwarz criterion -0.058564Log likelihood 9.811481 F-statistic 0.624100 Durbin-Watson stat 1.457085 Prob(F-statistic) 0.649050
153
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:18 Sample: 1 66 Included observations: 36 Excluded observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C 0.568764 0.074375 7.647294 0.0000 VNOPAT_01 0.344595 0.284902 1.209522 0.2351 NOPAT_01 0.724914 0.240427 3.015113 0.0049 R-squared 0.273903 Mean dependent var 0.657353 Adjusted R-squared 0.229897 S.D. dependent var 0.478284 S.E. of regression 0.419721 Akaike info criterion 1.181200 Sum squared resid 5.813458 Schwarz criterion 1.313160 Log likelihood -18.26161 F-statistic 6.224227 Durbin-Watson stat 1.489634 Prob(F-statistic) 0.005086
0
2
4
6
8
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Series: ResidualsSample 1 66Observations 36
Mean 3.42E-34Median 0.010983Maximum 0.785215Minimum -0.833440Std. Dev. 0.407552Skewness -0.168470Kurtosis 2.656670
Jarque-Bera 0.347106Probability 0.840673
White Heteroskedasticity Test: F-statistic 0.927123 Probability 0.460894 Obs*R-squared 3.846486 Probability 0.427180 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:18 Sample: 1 66 Included observations: 36 Excluded observations: 30
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
154
Variable Coefficient Std. Error t-Statistic Prob. C 0.207776 0.044947 4.622678 0.0001 VNOPAT_01 0.198437 0.189613 1.046534 0.3034 VNOPAT_01^2 0.061441 0.248824 0.246926 0.8066 NOPAT_01 -0.231228 0.175207 -1.319745 0.1966 NOPAT_01^2 -0.401890 0.226372 -1.775352 0.0857 R-squared 0.106847 Mean dependent var 0.161485 Adjusted R-squared -0.008399 S.D. dependent var 0.210798 S.E. of regression 0.211682 Akaike info criterion -0.139219Sum squared resid 1.389084 Schwarz criterion 0.080714 Log likelihood 7.505950 F-statistic 0.927123 Durbin-Watson stat 1.899042 Prob(F-statistic) 0.460894
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:19 Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.668200 0.080197 8.331980 0.0000 VRI_01 0.379666 0.241227 1.573894 0.1253 RI_01 0.204455 0.427451 0.478312 0.6357 R-squared 0.081619 Mean dependent var 0.686245 Adjusted R-squared 0.024220 S.D. dependent var 0.452272 S.E. of regression 0.446762 Akaike info criterion 1.308233 Sum squared resid 6.387071 Schwarz criterion 1.441549 Log likelihood -19.89408 F-statistic 1.421963 Durbin-Watson stat 1.688850 Prob(F-statistic) 0.256074
0
2
4
6
8
10
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1 66Observations 35
Mean -6.58E-17Median -0.000819Maximum 0.709028Minimum -0.903853Std. Dev. 0.433422Skewness -0.333220Kurtosis 2.519656
Jarque-Bera 0.984188Probability 0.611345
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
155
White Heteroskedasticity Test: F-statistic 0.622446 Probability 0.650058 Obs*R-squared 2.682149 Probability 0.612342 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:21 Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.205139 0.043514 4.714305 0.0001 VRI_01 0.024808 0.143845 0.172465 0.8642 VRI_01^2 -0.161566 0.192788 -0.838049 0.4086 RI_01 -0.334790 0.351685 -0.951958 0.3487 RI_01^2 -0.682040 0.823094 -0.828629 0.4139 R-squared 0.076633 Mean dependent var 0.182488 Adjusted R-squared -0.046483 S.D. dependent var 0.228245 S.E. of regression 0.233489 Akaike info criterion 0.060203 Sum squared resid 1.635518 Schwarz criterion 0.282395 Log likelihood 3.946454 F-statistic 0.622446 Durbin-Watson stat 1.864779 Prob(F-statistic) 0.650058
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:22 Sample: 1 66 Included observations: 34 Excluded observations: 32 Variable Coefficient Std. Error t-Statistic Prob. C 0.641200 0.081287 7.888133 0.0000 VEVA_01 0.401520 0.309748 1.296278 0.2044 EVA_01 0.363518 0.359174 1.012095 0.3193 R-squared 0.128366 Mean dependent var 0.672114 Adjusted R-squared 0.072132 S.D. dependent var 0.451164 S.E. of regression 0.434588 Akaike info criterion 1.255260 Sum squared resid 5.854865 Schwarz criterion 1.389939 Log likelihood -18.33942 F-statistic 2.282693 Durbin-Watson stat 1.341683 Prob(F-statistic) 0.118899
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
156
0
2
4
6
8
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Series: ResidualsSample 1 66Observations 34
Mean 5.14E-17Median 0.082870Maximum 0.716651Minimum -0.876819Std. Dev. 0.421213Skewness -0.315375Kurtosis 2.649506
Jarque-Bera 0.737644Probability 0.691548
White Heteroskedasticity Test: F-statistic 1.229483 Probability 0.320071 Obs*R-squared 4.929833 Probability 0.294573 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:23 Sample: 1 66 Included observations: 34 Excluded observations: 32 Variable Coefficient Std. Error t-Statistic Prob. C 0.226167 0.046655 4.847616 0.0000 VEVA_01 0.039606 0.169103 0.234211 0.8165 VEVA_01^2 -0.123095 0.187486 -0.656556 0.5166 EVA_01 -0.377342 0.282430 -1.336057 0.1919 EVA_01^2 -1.053836 0.517911 -2.034781 0.0511 R-squared 0.144995 Mean dependent var 0.172202 Adjusted R-squared 0.027063 S.D. dependent var 0.224490 S.E. of regression 0.221432 Akaike info criterion -0.042353Sum squared resid 1.421927 Schwarz criterion 0.182112 Log likelihood 5.719994 F-statistic 1.229483 Durbin-Watson stat 2.233585 Prob(F-statistic) 0.320071
157
APÊNDICE B
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo relativo das medidas de
performance, para o ano de 2002.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:48 Sample: 1 66 Included observations: 52 Excluded observations: 14
Variable Coefficient Std. Error t-Statistic Prob. C 0.150133 0.092198 1.628371 0.1099
VCFO_01 -0.233161 0.206691 -1.128068 0.2648 CFO_01 0.345523 0.205007 1.685417 0.0983
R-squared 0.055506 Mean dependent var 0.239108Adjusted R-squared 0.016955 S.D. dependent var 0.538887S.E. of regression 0.534299 Akaike info criterion 1.640238Sum squared resid 13.98829 Schwarz criterion 1.752810
Log likelihood -39.64619 F-statistic 1.439820Durbin-Watson stat 1.392779 Prob(F-statistic) 0.246819
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
158
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 52
Mean 4.27E-18Median -0.080536Maximum 1.146814Minimum -1.103671Std. Dev. 0.523718Skewness 0.220755Kurtosis 2.180805
Jarque-Bera 1.876359Probability 0.391340
White Heteroskedasticity Test: F-statistic 0.164692 Probability 0.955221
Obs*R-squared 0.718777 Probability 0.948993
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:50 Sample: 1 66 Included observations: 52 Excluded observations: 14
Variable Coefficient Std. Error t-Statistic Prob. C 0.296998 0.060073 4.943923 0.0000
VCFO_01 0.028257 0.122432 0.230795 0.8185 VCFO_01^2 -0.054423 0.156867 -0.346936 0.7302
CFO_01 -0.047762 0.227162 -0.210256 0.8344 CFO_01^2 -0.017158 0.201536 -0.085134 0.9325 R-squared 0.013823 Mean dependent var 0.269005
Adjusted R-squared -0.070107 S.D. dependent var 0.295166S.E. of regression 0.305338 Akaike info criterion 0.556415Sum squared resid 4.381862 Schwarz criterion 0.744034
Log likelihood -9.466786 F-statistic 0.164692Durbin-Watson stat 1.820524 Prob(F-statistic) 0.955221
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:51 Sample: 1 66 Included observations: 54 Excluded observations: 12
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
159
Variable Coefficient Std. Error t-Statistic Prob. C 0.178470 0.067707 2.635896 0.0111
VEBEI_01 -0.039923 0.266904 -0.149577 0.8817 EBEI_01 0.591397 0.183649 3.220258 0.0022
R-squared 0.197787 Mean dependent var 0.226420Adjusted R-squared 0.166327 S.D. dependent var 0.533889S.E. of regression 0.487471 Akaike info criterion 1.454781Sum squared resid 12.11903 Schwarz criterion 1.565280
Log likelihood -36.27910 F-statistic 6.287060Durbin-Watson stat 1.395286 Prob(F-statistic) 0.003626
0
2
4
6
8
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Series: ResidualsSample 1 66Observations 54
Mean 4.42E-17Median -0.074497Maximum 0.874542Minimum -1.089257Std. Dev. 0.478185Skewness 0.124367Kurtosis 2.278033
Jarque-Bera 1.311986Probability 0.518926
White Heteroskedasticity Test: F-statistic 1.084650 Probability 0.374429
Obs*R-squared 4.392400 Probability 0.355497
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:52 Sample: 1 66 Included observations: 54 Excluded observations: 12
Variable Coefficient Std. Error t-Statistic Prob. C 0.266986 0.041966 6.362015 0.0000
VEBEI_01 0.290589 0.167885 1.730878 0.0898 VEBEI_01^2 -0.281077 0.226189 -1.242666 0.2199
EBEI_01 -0.112276 0.102839 -1.091770 0.2803 EBEI_01^2 -0.099730 0.097973 -1.017931 0.3137 R-squared 0.081341 Mean dependent var 0.224427
Adjusted R-squared 0.006348 S.D. dependent var 0.256097S.E. of regression 0.255283 Akaike info criterion 0.195131Sum squared resid 3.193292 Schwarz criterion 0.379296
Log likelihood -0.268528 F-statistic 1.084650Durbin-Watson stat 2.030452 Prob(F-statistic) 0.374429
160
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:53 Sample: 1 66 Included observations: 57 Excluded observations: 9
Variable Coefficient Std. Error t-Statistic Prob. C 0.147696 0.072376 2.040692 0.0462
VNOPAT_01 0.055518 0.291009 0.190778 0.8494 NOPAT_01 0.558524 0.213742 2.613081 0.0116 R-squared 0.166488 Mean dependent var 0.197127
Adjusted R-squared 0.135617 S.D. dependent var 0.538062S.E. of regression 0.500248 Akaike info criterion 1.503770Sum squared resid 13.51339 Schwarz criterion 1.611299
Log likelihood -39.85745 F-statistic 5.393045Durbin-Watson stat 1.360583 Prob(F-statistic) 0.007322
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 57
Mean 7.99E-17Median -0.038658Maximum 0.993613Minimum -1.079776Std. Dev. 0.491234Skewness 0.180966Kurtosis 2.416786
Jarque-Bera 1.118942Probability 0.571511
White Heteroskedasticity Test: F-statistic 0.463198 Probability 0.762383
Obs*R-squared 1.961073 Probability 0.742919
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:54 Sample: 1 66 Included observations: 57 Excluded observations: 9
Variable Coefficient Std. Error t-Statistic Prob. C 0.237811 0.047343 5.023154 0.0000
VNOPAT_01 -0.079657 0.259104 -0.307433 0.7597
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
161
VNOPAT_01^2 -0.178099 0.281190 -0.633375 0.5293 NOPAT_01 0.112153 0.133256 0.841638 0.4038
NOPAT_01^2 -0.006207 0.140904 -0.044055 0.9650 R-squared 0.034405 Mean dependent var 0.237077
Adjusted R-squared -0.039872 S.D. dependent var 0.284698S.E. of regression 0.290319 Akaike info criterion 0.447956Sum squared resid 4.382816 Schwarz criterion 0.627171
Log likelihood -7.766743 F-statistic 0.463198Durbin-Watson stat 1.909820 Prob(F-statistic) 0.762383
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:55 Sample: 1 66 Included observations: 52 Excluded observations: 14
Variable Coefficient Std. Error t-Statistic Prob. C 0.303276 0.081272 3.731612 0.0005
VRI_01 -0.429670 0.350304 -1.226562 0.2258 RI_01 0.598219 0.292332 2.046367 0.0461
R-squared 0.079722 Mean dependent var 0.234670Adjusted R-squared 0.042160 S.D. dependent var 0.537864S.E. of regression 0.526404 Akaike info criterion 1.610464Sum squared resid 13.57793 Schwarz criterion 1.723036
Log likelihood -38.87206 F-statistic 2.122394Durbin-Watson stat 1.314035 Prob(F-statistic) 0.130622
0
2
4
6
8
10
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 52
Mean -4.27E-18Median -0.074235Maximum 0.977873Minimum -1.201788Std. Dev. 0.515979Skewness 0.037834Kurtosis 2.485840
Jarque-Bera 0.585186Probability 0.746326
White Heteroskedasticity Test: F-statistic 0.500077 Probability 0.735757
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
162
Obs*R-squared 2.122761 Probability 0.713192
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:56 Sample: 1 66 Included observations: 52 Excluded observations: 14
Variable Coefficient Std. Error t-Statistic Prob. C 0.267624 0.052774 5.071105 0.0000
VRI_01 -0.018095 0.254331 -0.071149 0.9436 VRI_01^2 -0.482881 0.419576 -1.150880 0.2556
RI_01 -0.080060 0.276051 -0.290019 0.7731 RI_01^2 0.102381 0.338056 0.302851 0.7633
R-squared 0.040822 Mean dependent var 0.261114Adjusted R-squared -0.040810 S.D. dependent var 0.321390S.E. of regression 0.327883 Akaike info criterion 0.698891Sum squared resid 5.052836 Schwarz criterion 0.886510
Log likelihood -13.17116 F-statistic 0.500077Durbin-Watson stat 2.116090 Prob(F-statistic) 0.735757
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:57 Sample: 1 66 Included observations: 56 Excluded observations: 10
Variable Coefficient Std. Error t-Statistic Prob. C 0.339103 0.074818 4.532381 0.0000
VEVA_01 0.075214 0.276135 0.272382 0.7864 EVA_01 0.492206 0.186160 2.643995 0.0108
R-squared 0.160696 Mean dependent var 0.243835Adjusted R-squared 0.129024 S.D. dependent var 0.538345S.E. of regression 0.502416 Akaike info criterion 1.513308Sum squared resid 13.37838 Schwarz criterion 1.621809
Log likelihood -39.37263 F-statistic 5.073777Durbin-Watson stat 1.396997 Prob(F-statistic) 0.009635
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
163
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 56
Mean -4.46E-17Median -0.008039Maximum 1.146080Minimum -1.265097Std. Dev. 0.493197Skewness -0.019160Kurtosis 2.786620
Jarque-Bera 0.109665Probability 0.946643
White Heteroskedasticity Test: F-statistic 0.403412 Probability 0.805299
Obs*R-squared 1.717506 Probability 0.787535
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:58 Sample: 1 66 Included observations: 56 Excluded observations: 10
Variable Coefficient Std. Error t-Statistic Prob. C 0.272705 0.052759 5.168829 0.0000
VEVA_01 -0.133936 0.264717 -0.505957 0.6151 VEVA_01^2 -0.132060 0.337265 -0.391562 0.6970
EVA_01 0.104861 0.185300 0.565900 0.5739 EVA_01^2 -0.030993 0.197644 -0.156815 0.8760 R-squared 0.030670 Mean dependent var 0.238900
Adjusted R-squared -0.045356 S.D. dependent var 0.322214S.E. of regression 0.329440 Akaike info criterion 0.702201Sum squared resid 5.535069 Schwarz criterion 0.883036
Log likelihood -14.66162 F-statistic 0.403412Durbin-Watson stat 1.786055 Prob(F-statistic) 0.805299
164
APÊNDICE C
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo relativo das medidas de
performance, para o ano de 2001.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 09:58 Sample: 1 66 Included observations: 59 Excluded observations: 7 Variable Coefficient Std. Error t-Statistic Prob. C -0.003714 0.071700 -0.051792 0.9589 VCFO_01 -0.094210 0.175148 -0.537885 0.5928 CFO_01 0.188824 0.181995 1.037520 0.3040 R-squared 0.019819 Mean dependent var 0.048053 Adjusted R-squared -0.015188 S.D. dependent var 0.401504 S.E. of regression 0.404542 Akaike info criterion 1.077384 Sum squared resid 9.164614 Schwarz criterion 1.183022 Log likelihood -28.78284 F-statistic 0.566143 Durbin-Watson stat 1.539135 Prob(F-statistic) 0.570926
0
2
4
6
8
10
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 59
Mean -1.88E-17Median 0.009603Maximum 1.203811Minimum -0.646925Std. Dev. 0.397505Skewness 0.562618Kurtosis 3.318928
Jarque-Bera 3.362678Probability 0.186125
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
165
White Heteroskedasticity Test: F-statistic 1.058900 Probability 0.385820 Obs*R-squared 4.291197 Probability 0.368029 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:01 Sample: 1 66 Included observations: 59 Excluded observations: 7 Variable Coefficient Std. Error t-Statistic Prob. C 0.173542 0.044071 3.937801 0.0002 VCFO_01 0.043941 0.112210 0.391595 0.6969 VCFO_01^2 0.163134 0.117830 1.384488 0.1719 CFO_01 0.041024 0.142504 0.287883 0.7745 CFO_01^2 -0.247996 0.152491 -1.626302 0.1097 R-squared 0.072732 Mean dependent var 0.155332 Adjusted R-squared 0.004046 S.D. dependent var 0.238571 S.E. of regression 0.238088 Akaike info criterion 0.048586 Sum squared resid 3.061039 Schwarz criterion 0.224648 Log likelihood 3.566726 F-statistic 1.058900 Durbin-Watson stat 2.073578 Prob(F-statistic) 0.385820
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:02 Sample: 1 66 Included observations: 63 Excluded observations: 3 Variable Coefficient Std. Error t-Statistic Prob. C -0.035769 0.047821 -0.747983 0.4574 VEBEI_01 -0.243752 0.201583 -1.209193 0.2313 EBEI_01 0.528053 0.136128 3.879085 0.0003 R-squared 0.203183 Mean dependent var 0.025722 Adjusted R-squared 0.176622 S.D. dependent var 0.387407 S.E. of regression 0.351534 Akaike info criterion 0.793427 Sum squared resid 7.414564 Schwarz criterion 0.895481 Log likelihood -21.99294 F-statistic 7.649778 Durbin-Watson stat 1.719412 Prob(F-statistic) 0.001098
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
166
0
2
4
6
8
10
12
14
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 63
Mean 2.64E-17Median 0.030773Maximum 1.235429Minimum -0.583579Std. Dev. 0.345818Skewness 0.822569Kurtosis 4.555759
Jarque-Bera 13.45802Probability 0.001196
White Heteroskedasticity Test: F-statistic 0.312557 Probability 0.868451 Obs*R-squared 1.329353 Probability 0.856376 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:05 Sample: 1 66 Included observations: 63 Excluded observations: 3 Variable Coefficient Std. Error t-Statistic Prob. C 0.134921 0.034877 3.868451 0.0003 VEBEI_01 -0.055221 0.154258 -0.357981 0.7217 VEBEI_01^2 -0.133659 0.267640 -0.499400 0.6194 EBEI_01 -0.058619 0.110074 -0.532545 0.5964 EBEI_01^2 -0.006027 0.142280 -0.042363 0.9664 R-squared 0.021101 Mean dependent var 0.117691 Adjusted R-squared -0.046409 S.D. dependent var 0.223710 S.E. of regression 0.228842 Akaike info criterion -0.035528Sum squared resid 3.037393 Schwarz criterion 0.134562 Log likelihood 6.119129 F-statistic 0.312557 Durbin-Watson stat 1.887943 Prob(F-statistic) 0.868451
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:06 Sample: 1 66 Included observations: 62 Excluded observations: 4 Variable Coefficient Std. Error t-Statistic Prob.
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
167
C -0.043056 0.052132 -0.825909 0.4122 VNOPAT_01 -0.183423 0.190266 -0.964034 0.3390 NOPAT_01 0.456788 0.151825 3.008645 0.0039 R-squared 0.133080 Mean dependent var 0.020513 Adjusted R-squared 0.103692 S.D. dependent var 0.388339 S.E. of regression 0.367654 Akaike info criterion 0.883830 Sum squared resid 7.975011 Schwarz criterion 0.986756 Log likelihood -24.39873 F-statistic 4.528499 Durbin-Watson stat 1.678603 Prob(F-statistic) 0.014804
0
2
4
6
8
10
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 62
Mean -1.97E-17Median -0.004969Maximum 1.242849Minimum -0.620915Std. Dev. 0.361577Skewness 0.762839Kurtosis 4.116113
Jarque-Bera 9.231284Probability 0.009896
White Heteroskedasticity Test: F-statistic 0.489303 Probability 0.743532 Obs*R-squared 2.058225 Probability 0.725050 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:07 Sample: 1 66 Included observations: 62 Excluded observations: 4 Variable Coefficient Std. Error t-Statistic Prob. C 0.147094 0.035806 4.108028 0.0001 VNOPAT_01 -0.170721 0.233144 -0.732255 0.4670 VNOPAT_01^2 0.092498 0.390818 0.236677 0.8138 NOPAT_01 0.034850 0.134566 0.258979 0.7966 NOPAT_01^2 -0.158272 0.208856 -0.757803 0.4517 R-squared 0.033197 Mean dependent var 0.128629 Adjusted R-squared -0.034649 S.D. dependent var 0.228917 S.E. of regression 0.232849 Akaike info criterion 0.000350 Sum squared resid 3.090452 Schwarz criterion 0.171893 Log likelihood 4.989138 F-statistic 0.489303 Durbin-Watson stat 2.082953 Prob(F-statistic) 0.743532
168
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:08 Sample: 1 66 Included observations: 62 Excluded observations: 4 Variable Coefficient Std. Error t-Statistic Prob. C 0.079155 0.049390 1.602647 0.1144 VRI_01 -0.363582 0.155448 -2.338926 0.0227 RI_01 0.289900 0.170039 1.704909 0.0935 R-squared 0.130274 Mean dependent var 0.035357 Adjusted R-squared 0.100792 S.D. dependent var 0.382884 S.E. of regression 0.363076 Akaike info criterion 0.858768 Sum squared resid 7.777627 Schwarz criterion 0.961694 Log likelihood -23.62181 F-statistic 4.418737 Durbin-Watson stat 1.536933 Prob(F-statistic) 0.016285
0
2
4
6
8
10
12
14
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 62
Mean 3.22E-17Median 0.008284Maximum 1.120947Minimum -0.690823Std. Dev. 0.357074Skewness 0.496301Kurtosis 3.532192
Jarque-Bera 3.276922Probability 0.194279
White Heteroskedasticity Test: F-statistic 0.257572 Probability 0.903854 Obs*R-squared 1.100768 Probability 0.894150 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:09 Sample: 1 66 Included observations: 62 Excluded observations: 4 Variable Coefficient Std. Error t-Statistic Prob. C 0.133623 0.029261 4.566542 0.0000 VRI_01 -0.074866 0.093572 -0.800087 0.4270 VRI_01^2 -0.061833 0.103525 -0.597274 0.5527 RI_01 -0.019454 0.165121 -0.117818 0.9066 RI_01^2 -0.017129 0.188369 -0.090932 0.9279
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
169
R-squared 0.017754 Mean dependent var 0.125446 Adjusted R-squared -0.051175 S.D. dependent var 0.201249 S.E. of regression 0.206335 Akaike info criterion -0.241428Sum squared resid 2.426717 Schwarz criterion -0.069884Log likelihood 12.48425 F-statistic 0.257572 Durbin-Watson stat 2.123227 Prob(F-statistic) 0.903854
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:10 Sample: 1 66 Included observations: 60 Excluded observations: 6 Variable Coefficient Std. Error t-Statistic Prob. C 0.076517 0.056117 1.363535 0.1781 VEVA_01 -0.111123 0.197839 -0.561684 0.5765 EVA_01 0.280884 0.156888 1.790343 0.0787 R-squared 0.065217 Mean dependent var 0.025169 Adjusted R-squared 0.032418 S.D. dependent var 0.385092 S.E. of regression 0.378798 Akaike info criterion 0.945080 Sum squared resid 8.178820 Schwarz criterion 1.049798 Log likelihood -25.35241 F-statistic 1.988366 Durbin-Watson stat 1.500297 Prob(F-statistic) 0.146304
0
2
4
6
8
10
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 60
Mean 1.67E-17Median 0.019020Maximum 1.123729Minimum -0.693300Std. Dev. 0.372323Skewness 0.414472Kurtosis 3.281637
Jarque-Bera 1.916165Probability 0.383628
White Heteroskedasticity Test: F-statistic 0.457550 Probability 0.766483 Obs*R-squared 1.932284 Probability 0.748212 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:11 Sample: 1 66
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
170
Included observations: 60 Excluded observations: 6 Variable Coefficient Std. Error t-Statistic Prob. C 0.155194 0.031613 4.909159 0.0000 VEVA_01 -0.182515 0.220476 -0.827824 0.4113 VEVA_01^2 0.137155 0.286846 0.478151 0.6344 EVA_01 -0.037801 0.134401 -0.281255 0.7796 EVA_01^2 -0.129286 0.168703 -0.766354 0.4467 R-squared 0.032205 Mean dependent var 0.136314 Adjusted R-squared -0.038180 S.D. dependent var 0.207641 S.E. of regression 0.211567 Akaike info criterion -0.188891Sum squared resid 2.461841 Schwarz criterion -0.014363Log likelihood 10.66674 F-statistic 0.457550 Durbin-Watson stat 2.032364 Prob(F-statistic) 0.766483
171
APÊNDICE D
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo relativo das medidas de
performance, para o ano de 2000.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 21:52 Sample: 1 66 Included observations: 55 Excluded observations: 11 Variable Coefficient Std. Error t-Statistic Prob. C -0.065653 0.076493 -0.858291 0.3947 VCFO_01 0.030034 0.160388 0.187260 0.8522 CFO_01 0.413691 0.190119 2.175961 0.0341 R-squared 0.111714 Mean dependent var 0.033391 Adjusted R-squared 0.077549 S.D. dependent var 0.443904 S.E. of regression 0.426344 Akaike info criterion 1.185863 Sum squared resid 9.452015 Schwarz criterion 1.295354 Log likelihood -29.61122 F-statistic 3.269848 Durbin-Watson stat 1.679919 Prob(F-statistic) 0.045959
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
172
0
2
4
6
8
10
12
14
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 55
Mean 2.32E-17Median -0.082099Maximum 1.224349Minimum -0.614468Std. Dev. 0.418375Skewness 1.292398Kurtosis 4.479147
Jarque-Bera 20.32490Probability 0.000039
White Heteroskedasticity Test: F-statistic 1.239681 Probability 0.306177 Obs*R-squared 4.962447 Probability 0.291172 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 21:54 Sample: 1 66 Included observations: 55 Excluded observations: 11 Variable Coefficient Std. Error t-Statistic Prob. C 0.185004 0.060263 3.069914 0.0035 VCFO_01 0.279256 0.138882 2.010743 0.0498 VCFO_01^2 0.112312 0.142953 0.785655 0.4358 CFO_01 -0.009419 0.245269 -0.038402 0.9695 CFO_01^2 -0.087849 0.232963 -0.377095 0.7077 R-squared 0.090226 Mean dependent var 0.171855 Adjusted R-squared 0.017444 S.D. dependent var 0.323506 S.E. of regression 0.320672 Akaike info criterion 0.649713 Sum squared resid 5.141529 Schwarz criterion 0.832197 Log likelihood -12.86709 F-statistic 1.239681 Durbin-Watson stat 1.556284 Prob(F-statistic) 0.306177
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 21:55 Sample: 1 66 Included observations: 59 Excluded observations: 7
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
173
Variable Coefficient Std. Error t-Statistic Prob. C -0.052640 0.060547 -0.869402 0.3883 VEBEI_01 0.013216 0.207304 0.063754 0.9494 EBEI_01 0.500084 0.202741 2.466616 0.0167 R-squared 0.129238 Mean dependent var 0.020373 Adjusted R-squared 0.098139 S.D. dependent var 0.440443 S.E. of regression 0.418273 Akaike info criterion 1.144144 Sum squared resid 9.797324 Schwarz criterion 1.249781 Log likelihood -30.75224 F-statistic 4.155729 Durbin-Watson stat 1.816508 Prob(F-statistic) 0.020758
0
5
10
15
20
-0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 59
Mean 2.92E-17Median -0.114367Maximum 1.345089Minimum -0.627252Std. Dev. 0.410998Skewness 1.629997Kurtosis 5.511174
Jarque-Bera 41.62833Probability 0.000000
White Heteroskedasticity Test: F-statistic 0.288427 Probability 0.884239 Obs*R-squared 1.234166 Probability 0.872442 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 21:59 Sample: 1 66 Included observations: 59 Excluded observations: 7 Variable Coefficient Std. Error t-Statistic Prob. C 0.175433 0.056970 3.079386 0.0033 VEBEI_01 0.089845 0.184047 0.488163 0.6274 VEBEI_01^2 -0.053204 0.206046 -0.258216 0.7972 EBEI_01 0.034746 0.236043 0.147204 0.8835 EBEI_01^2 -0.160293 0.221892 -0.722394 0.4732 R-squared 0.020918 Mean dependent var 0.166056 Adjusted R-squared -0.051607 S.D. dependent var 0.355723 S.E. of regression 0.364787 Akaike info criterion 0.901930 Sum squared resid 7.185741 Schwarz criterion 1.077992 Log likelihood -21.60693 F-statistic 0.288427 Durbin-Watson stat 1.744454 Prob(F-statistic) 0.884239
174
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 22:01 Sample: 1 66 Included observations: 61 Excluded observations: 5 Variable Coefficient Std. Error t-Statistic Prob. C 0.014277 0.066346 0.215193 0.8304 VNOPAT_01 0.105274 0.230366 0.456988 0.6494 NOPAT_01 0.292130 0.238375 1.225503 0.2253 R-squared 0.052259 Mean dependent var 0.054302 Adjusted R-squared 0.019578 S.D. dependent var 0.492642 S.E. of regression 0.487796 Akaike info criterion 1.450089 Sum squared resid 13.80078 Schwarz criterion 1.553902 Log likelihood -41.22771 F-statistic 1.599079 Durbin-Watson stat 1.719441 Prob(F-statistic) 0.210863
0
4
8
12
16
-0.5 0.0 0.5 1.0 1.5
Series: ResidualsSample 1 66Observations 61
Mean 2.64E-17Median -0.126704Maximum 1.727750Minimum -0.694209Std. Dev. 0.479597Skewness 1.571394Kurtosis 5.468759
Jarque-Bera 40.59521Probability 0.000000
White Heteroskedasticity Test: F-statistic 10.43479 Probability 0.000002 Obs*R-squared 26.04983 Probability 0.000031 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 22:44 Sample: 1 66 Included observations: 61 Excluded observations: 5 Variable Coefficient Std. Error t-Statistic Prob. C 0.209359 0.054125 3.868067 0.0003 VNOPAT_01 0.268450 0.189884 1.413757 0.1630
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
175
VNOPAT_01^2 -0.310502 0.214408 -1.448183 0.1531 NOPAT_01 -0.877476 0.192041 -4.569201 0.0000 NOPAT_01^2 1.149188 0.229322 5.011247 0.0000 R-squared 0.427046 Mean dependent var 0.226242 Adjusted R-squared 0.386121 S.D. dependent var 0.482233 S.E. of regression 0.377831 Akaike info criterion 0.969674 Sum squared resid 7.994362 Schwarz criterion 1.142697 Log likelihood -24.57506 F-statistic 10.43479 Durbin-Watson stat 1.779857 Prob(F-statistic) 0.000002
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 22:46 Sample: 1 66 Included observations: 61 Excluded observations: 5 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.014277 0.088531 0.161267 0.8724 VNOPAT_01 0.105274 0.204392 0.515061 0.6085 NOPAT_01 0.292130 0.393141 0.743066 0.4604 R-squared 0.052259 Mean dependent var 0.054302 Adjusted R-squared 0.019578 S.D. dependent var 0.492642 S.E. of regression 0.487796 Akaike info criterion 1.450089 Sum squared resid 13.80078 Schwarz criterion 1.553902 Log likelihood -41.22771 F-statistic 1.599079 Durbin-Watson stat 1.719441 Prob(F-statistic) 0.210863
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 22:48 Sample: 1 66 Included observations: 61 Excluded observations: 5 Variable Coefficient Std. Error t-Statistic Prob. C 0.006749 0.070627 0.095560 0.9242 VRI_01 0.011355 0.203545 0.055784 0.9557 RI_01 -0.182914 0.220439 -0.829772 0.4101 R-squared 0.011976 Mean dependent var 0.035627 Adjusted R-squared -0.022094 S.D. dependent var 0.463432 S.E. of regression 0.468524 Akaike info criterion 1.369470 Sum squared resid 12.73185 Schwarz criterion 1.473284 Log likelihood -38.76884 F-statistic 0.351500 Durbin-Watson stat 2.117425 Prob(F-statistic) 0.705121
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
176
0
2
4
6
8
10
12
-0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 61
Mean 2.73E-17Median -0.107121Maximum 1.292404Minimum -0.770143Std. Dev. 0.460649Skewness 0.999728Kurtosis 3.824055
Jarque-Bera 11.88710Probability 0.002623
White Heteroskedasticity Test: F-statistic 3.477123 Probability 0.013184 Obs*R-squared 12.13612 Probability 0.016367 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 22:50 Sample: 1 66 Included observations: 61 Excluded observations: 5 Variable Coefficient Std. Error t-Statistic Prob. C 0.100327 0.053785 1.865351 0.0674 VRI_01 -0.051267 0.157089 -0.326356 0.7454 VRI_01^2 0.265562 0.304318 0.872646 0.3866 RI_01 -0.437797 0.280237 -1.562237 0.1239 RI_01^2 0.179382 0.458871 0.390921 0.6973 R-squared 0.198953 Mean dependent var 0.208719 Adjusted R-squared 0.141735 S.D. dependent var 0.353661 S.E. of regression 0.327641 Akaike info criterion 0.684615 Sum squared resid 6.011519 Schwarz criterion 0.857638 Log likelihood -15.88076 F-statistic 3.477123 Durbin-Watson stat 2.391947 Prob(F-statistic) 0.013184
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 22:51 Sample: 1 66 Included observations: 61 Excluded observations: 5 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.006749 0.064268 0.105015 0.9167 VRI_01 0.011355 0.276770 0.041025 0.9674 RI_01 -0.182914 0.323224 -0.565906 0.5736 R-squared 0.011976 Mean dependent var 0.035627 Adjusted R-squared -0.022094 S.D. dependent var 0.463432 S.E. of regression 0.468524 Akaike info criterion 1.369470 Sum squared resid 12.73185 Schwarz criterion 1.473284 Log likelihood -38.76884 F-statistic 0.351500
177
Durbin-Watson stat 2.117425 Prob(F-statistic) 0.705121
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 22:55 Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C 0.108761 0.079201 1.373235 0.1753 VEVA_01 0.346463 0.234334 1.478505 0.1450 EVA_01 0.317040 0.209045 1.516612 0.1351 R-squared 0.084118 Mean dependent var 0.047859 Adjusted R-squared 0.050813 S.D. dependent var 0.467304 S.E. of regression 0.455277 Akaike info criterion 1.314516 Sum squared resid 11.40023 Schwarz criterion 1.421091 Log likelihood -35.12097 F-statistic 2.525709 Durbin-Watson stat 2.023594 Prob(F-statistic) 0.089245
0
2
4
6
8
10
12
-0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 58
Mean 5.74E-18Median -0.080459Maximum 1.225980Minimum -0.788635Std. Dev. 0.447218Skewness 0.918188Kurtosis 3.452850
Jarque-Bera 8.645259Probability 0.013265
White Heteroskedasticity Test: F-statistic 2.000505 Probability 0.107794 Obs*R-squared 7.608226 Probability 0.107031 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 22:58 Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C 0.233639 0.055705 4.194253 0.0001
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
178
VEVA_01 -0.022960 0.202044 -0.113640 0.9100 VEVA_01^2 0.536439 0.287599 1.865234 0.0677 EVA_01 0.425715 0.350468 1.214706 0.2299 EVA_01^2 0.208566 0.405763 0.514010 0.6094 R-squared 0.131176 Mean dependent var 0.196556 Adjusted R-squared 0.065605 S.D. dependent var 0.310526 S.E. of regression 0.300167 Akaike info criterion 0.513308 Sum squared resid 4.775317 Schwarz criterion 0.690933 Log likelihood -9.885940 F-statistic 2.000505 Durbin-Watson stat 2.095998 Prob(F-statistic) 0.107794
179
APÊNDICE E
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo relativo das medidas de
performance, para o ano de 1999.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/10/04 Time: 19:28 Sample(adjusted): 1 61 Included observations: 18 Excluded observations: 43 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.739919 0.164769 4.490637 0.0004 VCFO_01 -0.646043 0.440123 -1.467870 0.1628 CFO_01 0.342583 0.486428 0.704282 0.4920 R-squared 0.149871 Mean dependent var 0.656418 Adjusted R-squared 0.036520 S.D. dependent var 0.533696 S.E. of regression 0.523860 Akaike info criterion 1.695829 Sum squared resid 4.116446 Schwarz criterion 1.844224 Log likelihood -12.26246 F-statistic 1.322190 Durbin-Watson stat 2.173089 Prob(F-statistic) 0.295894
0
1
2
3
4
5
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1 61Observations 18
Mean -1.79E-16Median 0.022052Maximum 0.726128Minimum -0.893348Std. Dev. 0.492081Skewness -0.121401Kurtosis 1.928900
Jarque-Bera 0.904656Probability 0.636145
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
180
White Heteroskedasticity Test: F-statistic 0.251922 Probability 0.903352 Obs*R-squared 1.294886 Probability 0.862243 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/10/04 Time: 18:42 Sample: 1 61 Included observations: 18 Excluded observations: 43 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.240140 0.102096 2.352092 0.0351 VCFO_01 0.169794 0.159105 1.067179 0.3053 VCFO_01^2 -0.013823 0.245653 -0.056268 0.9560 CFO_01 -0.101185 0.275910 -0.366733 0.7197 CFO_01^2 -0.086630 0.156805 -0.552466 0.5900 R-squared 0.071938 Mean dependent var 0.228691 Adjusted R-squared -0.213619 S.D. dependent var 0.226802 S.E. of regression 0.249855 Akaike info criterion 0.294259 Sum squared resid 0.811556 Schwarz criterion 0.541584 Log likelihood 2.351672 F-statistic 0.251922 Durbin-Watson stat 2.707951 Prob(F-statistic) 0.903352
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/10/04 Time: 21:01 Sample(adjusted): 1 61 Included observations: 21 Excluded observations: 40 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.656593 0.115937 5.663343 0.0000 VEBEI_01 -0.496347 0.339703 -1.461124 0.1612 EBEI_01 0.375519 0.299809 1.252528 0.2264 R-squared 0.126454 Mean dependent var 0.674104 Adjusted R-squared 0.029393 S.D. dependent var 0.497145 S.E. of regression 0.489784 Akaike info criterion 1.541858 Sum squared resid 4.317987 Schwarz criterion 1.691076 Log likelihood -13.18951 F-statistic 1.302835 Durbin-Watson stat 1.935039 Prob(F-statistic) 0.296191
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
181
0
1
2
3
4
5
6
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 61Observations 21
Mean -1.39E-16Median -0.023479Maximum 0.809855Minimum -0.950831Std. Dev. 0.464650Skewness -0.129032Kurtosis 2.424347
Jarque-Bera 0.348226Probability 0.840202
White Heteroskedasticity Test: F-statistic 0.138123 Probability 0.965691 Obs*R-squared 0.700943 Probability 0.951213 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/10/04 Time: 21:07 Sample: 1 61 Included observations: 21 Excluded observations: 40 Variable Coefficient Std. Error t-Statistic Prob. C 0.218323 0.078496 2.781343 0.0133 VEBEI_01 0.005109 0.193758 0.026369 0.9793 VEBEI_01^2 -0.200713 0.301877 -0.664886 0.5156 EBEI_01 -0.084415 0.205883 -0.410015 0.6872 EBEI_01^2 0.029503 0.241930 0.121949 0.9045 R-squared 0.033378 Mean dependent var 0.205618 Adjusted R-squared -0.208277 S.D. dependent var 0.251458 S.E. of regression 0.276406 Akaike info criterion 0.470367 Sum squared resid 1.222407 Schwarz criterion 0.719063 Log likelihood 0.061148 F-statistic 0.138123 Durbin-Watson stat 1.305009 Prob(F-statistic) 0.965691
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/10/04 Time: 21:09 Sample(adjusted): 1 61 Included observations: 20
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
182
Excluded observations: 41 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.643635 0.115406 5.577123 0.0000 VNOPAT_01 -0.830137 0.383338 -2.165545 0.0449 NOPAT_01 0.375675 0.393470 0.954774 0.3531 R-squared 0.216214 Mean dependent var 0.674577 Adjusted R-squared 0.124004 S.D. dependent var 0.510055 S.E. of regression 0.477384 Akaike info criterion 1.496491 Sum squared resid 3.874226 Schwarz criterion 1.645850 Log likelihood -11.96491 F-statistic 2.344794 Durbin-Watson stat 2.005888 Prob(F-statistic) 0.126090
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 61Observations 20
Mean 6.94E-17Median -0.047291Maximum 0.822932Minimum -0.882453Std. Dev. 0.451560Skewness -0.054091Kurtosis 2.608974
Jarque-Bera 0.137171Probability 0.933714
White Heteroskedasticity Test: F-statistic 0.661461 Probability 0.628254 Obs*R-squared 2.998831 Probability 0.558021 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/10/04 Time: 21:32 Sample: 1 61 Included observations: 20 Excluded observations: 41 Variable Coefficient Std. Error t-Statistic Prob. C 0.273892 0.078184 3.503180 0.0032 VNOPAT_01 -0.056610 0.214528 -0.263883 0.7955 VNOPAT_01^2 -0.343722 0.312228 -1.100871 0.2883 NOPAT_01 -0.269561 0.330581 -0.815417 0.4276 NOPAT_01^2 -0.771778 0.589448 -1.309323 0.2101 R-squared 0.149942 Mean dependent var 0.193711 Adjusted R-squared -0.076741 S.D. dependent var 0.252097 S.E. of regression 0.261591 Akaike info criterion 0.368251 Sum squared resid 1.026450 Schwarz criterion 0.617184 Log likelihood 1.317494 F-statistic 0.661461 Durbin-Watson stat 1.807128 Prob(F-statistic) 0.628254
183
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/10/04 Time: 21:34 Sample(adjusted): 1 61 Included observations: 22 Excluded observations: 39 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.747571 0.141686 5.276266 0.0000 VRI_01 -0.238862 0.221600 -1.077895 0.2946 RI_01 0.223170 0.251076 0.888853 0.3852 R-squared 0.088282 Mean dependent var 0.697043 Adjusted R-squared -0.007688 S.D. dependent var 0.496723 S.E. of regression 0.498629 Akaike info criterion 1.572214 Sum squared resid 4.723982 Schwarz criterion 1.720992 Log likelihood -14.29435 F-statistic 0.919889 Durbin-Watson stat 2.395331 Prob(F-statistic) 0.415599
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 61Observations 22
Mean -3.41E-17Median 0.040713Maximum 0.761461Minimum -0.953768Std. Dev. 0.474291Skewness -0.214981Kurtosis 2.381538
Jarque-Bera 0.520084Probability 0.771019
White Heteroskedasticity Test: F-statistic 0.626645 Probability 0.649963 Obs*R-squared 2.826982 Probability 0.587184 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/10/04 Time: 22:31 Sample: 1 61 Included observations: 22 Excluded observations: 39 Variable Coefficient Std. Error t-Statistic Prob. C 0.189054 0.091532 2.065453 0.0545 VRI_01 0.169265 0.130323 1.298810 0.2114
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
184
VRI_01^2 0.025610 0.130505 0.196236 0.8468 RI_01 -0.293109 0.362339 -0.808934 0.4297 RI_01^2 -0.209988 0.289844 -0.724485 0.4786 R-squared 0.128499 Mean dependent var 0.214726 Adjusted R-squared -0.076560 S.D. dependent var 0.258326 S.E. of regression 0.268033 Akaike info criterion 0.401300 Sum squared resid 1.221305 Schwarz criterion 0.649264 Log likelihood 0.585697 F-statistic 0.626645 Durbin-Watson stat 1.298722 Prob(F-statistic) 0.649963
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/10/04 Time: 22:33 Sample(adjusted): 4 61 Included observations: 18 Excluded observations: 40 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.697338 0.178647 3.903440 0.0014 VEVA_01 -0.563335 0.322095 -1.748973 0.1007 EVA_01 -0.291339 0.273287 -1.066054 0.3033 R-squared 0.178465 Mean dependent var 0.702608 Adjusted R-squared 0.068927 S.D. dependent var 0.548233 S.E. of regression 0.529001 Akaike info criterion 1.715360 Sum squared resid 4.197636 Schwarz criterion 1.863756 Log likelihood -12.43824 F-statistic 1.629254 Durbin-Watson stat 2.770958 Prob(F-statistic) 0.228926
0
1
2
3
4
5
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 4 61Observations 18
Mean -1.60E-16Median 0.005269Maximum 0.770030Minimum -0.916858Std. Dev. 0.496910Skewness -0.235550Kurtosis 2.247764
Jarque-Bera 0.590845Probability 0.744217
White Heteroskedasticity Test: F-statistic 0.508775 Probability 0.730393 Obs*R-squared 2.436419 Probability 0.656056 Test Equation:
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
185
Dependent Variable: RESID^2 Method: Least Squares Date: 10/10/04 Time: 22:35 Sample: 4 61 Included observations: 18 Excluded observations: 40 Variable Coefficient Std. Error t-Statistic Prob. C 0.261213 0.103397 2.526313 0.0253 VEVA_01 -0.108168 0.368527 -0.293514 0.7738 VEVA_01^2 -0.025765 0.283656 -0.090833 0.9290 EVA_01 -0.426281 0.528552 -0.806508 0.4345 EVA_01^2 -0.424239 0.415525 -1.020972 0.3259 R-squared 0.135357 Mean dependent var 0.233202 Adjusted R-squared -0.130687 S.D. dependent var 0.268047 S.E. of regression 0.285024 Akaike info criterion 0.557647 Sum squared resid 1.056104 Schwarz criterion 0.804973 Log likelihood -0.018825 F-statistic 0.508775 Durbin-Watson stat 2.580953 Prob(F-statistic) 0.730393
186
APÊNDICE F
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo incremental das medidas de
performance, para o ano de 2003.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:23 Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.512440 0.103791 4.937245 0.0000 VCFO_01 0.204642 0.293105 0.698185 0.4904 CFO_01 0.685296 0.361068 1.897968 0.0674 VEBEICFO_01 0.326198 0.204261 1.596969 0.1208 EBEICFO_01 0.296501 0.436588 0.679131 0.5023 R-squared 0.205039 Mean dependent var 0.686245 Adjusted R-squared 0.099044 S.D. dependent var 0.452272 S.E. of regression 0.429291 Akaike info criterion 1.278200 Sum squared resid 5.528723 Schwarz criterion 1.500393 Log likelihood -17.36850 F-statistic 1.934422 Durbin-Watson stat 1.483127 Prob(F-statistic) 0.130430
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
187
0
1
2
3
4
5
6
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Series: ResidualsSample 1 66Observations 35
Mean -1.53E-16Median 0.016279Maximum 0.841335Minimum -0.798115Std. Dev. 0.403249Skewness -0.047384Kurtosis 2.579733
Jarque-Bera 0.270675Probability 0.873421
White Heteroskedasticity Test: F-statistic 1.531814 Probability 0.194541 Obs*R-squared 11.21195 Probability 0.189976 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:25 Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.261687 0.058029 4.509625 0.0001 VCFO_01 -0.418099 0.194921 -2.144973 0.0415 VCFO_01^2 0.475489 0.369120 1.288171 0.2090 CFO_01 -0.692839 0.418593 -1.655161 0.1099 CFO_01^2 0.901092 0.622617 1.447264 0.1598 VEBEICFO_01 0.004191 0.108703 0.038554 0.9695 VEBEICFO_01^2 -0.088563 0.148703 -0.595571 0.5566 EBEICFO_01 0.048734 0.248671 0.195979 0.8462 EBEICFO_01^2 -0.555275 0.810422 -0.685169 0.4993 R-squared 0.320342 Mean dependent var 0.157964 Adjusted R-squared 0.111216 S.D. dependent var 0.201439 S.E. of regression 0.189907 Akaike info criterion -0.267529Sum squared resid 0.937683 Schwarz criterion 0.132418 Log likelihood 13.68176 F-statistic 1.531814 Durbin-Watson stat 1.752850 Prob(F-statistic) 0.194541
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:26
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
188
Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.496116 0.115508 4.295067 0.0002 CFO_01 0.561578 0.438102 1.281841 0.2104 VCFO_01 0.501164 0.455983 1.099084 0.2811 EBEICFO_01 0.027801 0.807211 0.034441 0.9728 VEBEICFO_01 0.730353 0.592701 1.232246 0.2281 NOPATEBEI_01 -0.587536 1.335988 -0.439776 0.6635 VNOPATEBEI_01 0.741198 0.962073 0.770418 0.4475 R-squared 0.226117 Mean dependent var 0.686245 Adjusted R-squared 0.060284 S.D. dependent var 0.452272 S.E. of regression 0.438428 Akaike info criterion 1.365614 Sum squared resid 5.382133 Schwarz criterion 1.676683 Log likelihood -16.89824 F-statistic 1.363526 Durbin-Watson stat 1.377135 Prob(F-statistic) 0.263475
0
2
4
6
8
10
12
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 35
Mean -9.52E-17Median -0.023664Maximum 0.857453Minimum -0.838700Std. Dev. 0.397867Skewness -0.069747Kurtosis 2.787429
Jarque-Bera 0.094274Probability 0.953957
White Heteroskedasticity Test: F-statistic 0.957378 Probability 0.513624 Obs*R-squared 12.00706 Probability 0.445113 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:29 Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.271269 0.066523 4.077829 0.0005 CFO_01 -1.082601 0.685568 -1.579131 0.1286 CFO_01^2 1.480979 1.011045 1.464800 0.1571 VCFO_01 -0.405264 0.394895 -1.026258 0.3159 VCFO_01^2 0.378808 0.592035 0.639840 0.5289 EBEICFO_01 -0.196116 0.502433 -0.390332 0.7000 EBEICFO_01^2 -0.845698 1.141454 -0.740896 0.4666 VEBEICFO_01 0.138562 0.390473 0.354855 0.7261 VEBEICFO_01^2 0.053434 0.223364 0.239222 0.8131 NOPATEBEI_01 -0.342279 0.782044 -0.437672 0.6659 NOPATEBEI_01^2 0.636701 1.835826 0.346820 0.7320
189
VNOPATEBEI_01 0.159872 0.816898 0.195707 0.8466 VNOPATEBEI_01^2 -0.584922 0.865244 -0.676020 0.5061 R-squared 0.343059 Mean dependent var 0.153775 Adjusted R-squared -0.015273 S.D. dependent var 0.208591 S.E. of regression 0.210178 Akaike info criterion -0.003175Sum squared resid 0.971843 Schwarz criterion 0.574526 Log likelihood 13.05556 F-statistic 0.957378 Durbin-Watson stat 1.813554 Prob(F-statistic) 0.513624
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:30 Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.412847 0.132676 3.111686 0.0045 CFO_01 0.408357 0.509308 0.801788 0.4299 VCFO_01 -0.120859 0.618238 -0.195490 0.8465 EBEICFO_01 0.366014 0.812216 0.450637 0.6560 VEBEICFO_01 -0.224239 0.801762 -0.279682 0.7819 NOPATEBEI_01 0.293826 1.498347 0.196100 0.8461 VNOPATEBEI_01 -1.696621 1.814931 -0.934813 0.3585 RINOPAT_01 -1.069245 0.732567 -1.459586 0.1564 VRINOPAT_01 -1.594695 1.126605 -1.415488 0.1688 R-squared 0.312221 Mean dependent var 0.686245 Adjusted R-squared 0.100597 S.D. dependent var 0.452272 S.E. of regression 0.428921 Akaike info criterion 1.361946 Sum squared resid 4.783301 Schwarz criterion 1.761892 Log likelihood -14.83405 F-statistic 1.475356 Durbin-Watson stat 1.074369 Prob(F-statistic) 0.214061
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
190
0
2
4
6
8
10
12
14
-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75 1.00
Series: ResidualsSample 1 66Observations 35
Mean -5.51E-17Median -0.024853Maximum 0.940961Minimum -0.745591Std. Dev. 0.375080Skewness 0.381467Kurtosis 3.322270
Jarque-Bera 1.000309Probability 0.606437
White Heteroskedasticity Test: F-statistic 0.829622 Probability 0.643646 Obs*R-squared 14.85544 Probability 0.535250 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:33 Sample: 1 66 Included observations: 35 Excluded observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.371179 0.082574 4.495113 0.0003 CFO_01 -1.265268 0.897476 -1.409808 0.1756 CFO_01^2 1.486855 1.167629 1.273396 0.2191 VCFO_01 0.410674 0.611120 0.672002 0.5101 VCFO_01^2 -0.192089 0.683537 -0.281022 0.7819 EBEICFO_01 -0.106824 0.564123 -0.189362 0.8519 EBEICFO_01^2 -0.863587 1.217629 -0.709236 0.4873 VEBEICFO_01 0.574423 0.572776 1.002876 0.3292 VEBEICFO_01^2 0.052376 0.405979 0.129011 0.8988 NOPATEBEI_01 -0.594641 1.337615 -0.444553 0.6619 NOPATEBEI_01^2 -0.118415 2.774372 -0.042682 0.9664 VNOPATEBEI_01 1.027518 1.485048 0.691909 0.4978 VNOPATEBEI_01^2 0.660246 1.434922 0.460127 0.6509 RINOPAT_01 0.800643 0.946348 0.846035 0.4086 RINOPAT_01^2 0.857281 2.065957 0.414956 0.6831 VRINOPAT_01 0.103085 0.868680 0.118668 0.9069 VRINOPAT_01^2 -1.411198 2.022001 -0.697921 0.4941 R-squared 0.424441 Mean dependent var 0.136666 Adjusted R-squared -0.087166 S.D. dependent var 0.211305 S.E. of regression 0.220322 Akaike info criterion 0.119002 Sum squared resid 0.873755 Schwarz criterion 0.874457 Log likelihood 14.91746 F-statistic 0.829622 Durbin-Watson stat 1.223184 Prob(F-statistic) 0.643646
191
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:34 Sample: 1 66 Included observations: 34 Excluded observations: 32 Variable Coefficient Std. Error t-Statistic Prob. C 0.474918 0.142134 3.341338 0.0028 CFO_01 1.455487 0.979917 1.485317 0.1510 VCFO_01 -1.417308 1.261990 -1.123074 0.2730 EBEICFO_01 1.461006 1.377733 1.060442 0.3000 VEBEICFO_01 -1.369490 1.231252 -1.112274 0.2775 NOPATEBEI_01 1.009116 2.156515 0.467938 0.6442 VNOPATEBEI_01 -3.831402 2.626474 -1.458763 0.1582 RINOPAT_01 2.283734 2.566448 0.889842 0.3828 VRINOPAT_01 2.672983 4.024014 0.664258 0.5131 EVARI_01 2.704815 2.458174 1.100335 0.2826 VEVARI_01 6.519521 5.642325 1.155467 0.2598 R-squared 0.349465 Mean dependent var 0.672114 Adjusted R-squared 0.066624 S.D. dependent var 0.451164 S.E. of regression 0.435876 Akaike info criterion 1.433274 Sum squared resid 4.369718 Schwarz criterion 1.927096 Log likelihood -13.36565 F-statistic 1.235551 Durbin-Watson stat 0.840455 Prob(F-statistic) 0.321121
0
2
4
6
8
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8
Series: ResidualsSample 1 66Observations 34
Mean 4.16E-17Median -0.027550Maximum 0.878869Minimum -0.710308Std. Dev. 0.363890Skewness 0.445677Kurtosis 3.207391
Jarque-Bera 1.186489Probability 0.552532
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
192
White Heteroskedasticity Test: F-statistic 0.592055 Probability 0.858523 Obs*R-squared 16.20691 Probability 0.703708 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:35 Sample: 1 66 Included observations: 34 Excluded observations: 32 Variable Coefficient Std. Error t-Statistic Prob. C 0.343356 0.088962 3.859564 0.0020 CFO_01 -0.388393 1.084604 -0.358097 0.7260 CFO_01^2 -0.226920 1.534237 -0.147904 0.8847 VCFO_01 0.258606 0.940031 0.275104 0.7876 VCFO_01^2 0.482039 1.024186 0.470656 0.6457 EBEICFO_01 -0.923253 0.962456 -0.959268 0.3549 EBEICFO_01^2 -0.802010 2.648633 -0.302802 0.7668 VEBEICFO_01 0.386014 1.111044 0.347434 0.7338 VEBEICFO_01^2 -0.250413 1.259011 -0.198896 0.8454 NOPATEBEI_01 -0.709166 2.443285 -0.290251 0.7762 NOPATEBEI_01^2 1.416484 6.937947 0.204165 0.8414 VNOPATEBEI_01 0.405519 1.790518 0.226482 0.8243 VNOPATEBEI_01^2 1.320768 2.065099 0.639566 0.5336 RINOPAT_01 1.043888 1.973664 0.528909 0.6058 RINOPAT_01^2 3.650231 3.164836 1.153371 0.2695 VRINOPAT_01 -2.022177 4.320440 -0.468049 0.6475 VRINOPAT_01^2 -1.922376 8.258760 -0.232768 0.8196 EVARI_01 -0.490170 1.774471 -0.276234 0.7867 EVARI_01^2 -3.275051 2.724541 -1.202056 0.2508 VEVARI_01 -2.316087 5.244718 -0.441604 0.6660 VEVARI_01^2 -0.747027 9.984179 -0.074821 0.9415 R-squared 0.476674 Mean dependent var 0.128521 Adjusted R-squared -0.328443 S.D. dependent var 0.193819 S.E. of regression 0.223392 Akaike info criterion 0.114108 Sum squared resid 0.648753 Schwarz criterion 1.056860 Log likelihood 19.06017 F-statistic 0.592055 Durbin-Watson stat 0.857987 Prob(F-statistic) 0.858523
193
APÊNDICE G
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo incremental das medidas de
performance, para o ano de 2002.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:59 Sample: 1 66 Included observations: 48 Excluded observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 0.108288 0.089672 1.207603 0.2338 VCFO_01 -0.489479 0.434398 -1.126799 0.2661 CFO_01 0.985774 0.293687 3.356549 0.0017 VEBEICFO_01 -0.282081 0.481918 -0.585330 0.5614 EBEICFO_01 0.777298 0.278793 2.788079 0.0079 R-squared 0.237936 Mean dependent var 0.256981 Adjusted R-squared 0.167047 S.D. dependent var 0.552509 S.E. of regression 0.504255 Akaike info criterion 1.566862 Sum squared resid 10.93373 Schwarz criterion 1.761779 Log likelihood -32.60469 F-statistic 3.356430 Durbin-Watson stat 1.224280 Prob(F-statistic) 0.017752
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
194
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 48
Mean 0.000000Median -0.108949Maximum 0.944502Minimum -1.016448Std. Dev. 0.482320Skewness 0.344970Kurtosis 2.242290
Jarque-Bera 2.100284Probability 0.349888
White Heteroskedasticity Test: F-statistic 1.144030 Probability 0.356824 Obs*R-squared 9.123301 Probability 0.332002 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:59 Sample: 1 66 Included observations: 48 Excluded observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 0.322773 0.052460 6.152721 0.0000 VCFO_01 0.186078 0.222394 0.836704 0.4079 VCFO_01^2 -0.063615 0.275110 -0.231235 0.8183 CFO_01 -0.392483 0.229493 -1.710217 0.0952 CFO_01^2 0.086268 0.177285 0.486605 0.6293 VEBEICFO_01 0.090043 0.252764 0.356235 0.7236 VEBEICFO_01^2 -0.300049 0.310584 -0.966079 0.3400 EBEICFO_01 -0.237111 0.142218 -1.667234 0.1035 EBEICFO_01^2 0.042558 0.150550 0.282681 0.7789 R-squared 0.190069 Mean dependent var 0.227786 Adjusted R-squared 0.023929 S.D. dependent var 0.256573 S.E. of regression 0.253484 Akaike info criterion 0.260331 Sum squared resid 2.505918 Schwarz criterion 0.611181 Log likelihood 2.752049 F-statistic 1.144030 Durbin-Watson stat 2.088851 Prob(F-statistic) 0.356824
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:00
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
195
Sample: 1 66 Included observations: 48 Excluded observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 0.137086 0.091284 1.501743 0.1408 CFO_01 0.918499 0.368677 2.491342 0.0169 VCFO_01 0.102324 0.618760 0.165369 0.8695 EBEICFO_01 0.677772 0.491820 1.378090 0.1757 VEBEICFO_01 0.313454 0.699133 0.448346 0.6563 NOPATEBEI_01 -0.326319 0.803758 -0.405991 0.6869 VNOPATEBEI_01 1.549428 1.153202 1.343588 0.1865 R-squared 0.280001 Mean dependent var 0.256981 Adjusted R-squared 0.174635 S.D. dependent var 0.552509 S.E. of regression 0.501953 Akaike info criterion 1.593416 Sum squared resid 10.33021 Schwarz criterion 1.866299 Log likelihood -31.24197 F-statistic 2.657417 Durbin-Watson stat 1.058932 Prob(F-statistic) 0.028565
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 48
Mean -2.78E-17Median -0.085497Maximum 0.915774Minimum -1.050809Std. Dev. 0.468820Skewness 0.245388Kurtosis 2.445454
Jarque-Bera 1.096765Probability 0.577884
White Heteroskedasticity Test: F-statistic 0.693219 Probability 0.746651 Obs*R-squared 9.217607 Probability 0.684240 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:01 Sample: 1 66 Included observations: 48 Excluded observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 0.327381 0.059190 5.530979 0.0000 CFO_01 -0.369750 0.333437 -1.108906 0.2750 CFO_01^2 0.113318 0.240395 0.471382 0.6403 VCFO_01 0.112277 0.345285 0.325173 0.7470 VCFO_01^2 0.026866 0.383367 0.070079 0.9445 EBEICFO_01 -0.262226 0.309944 -0.846043 0.4033 EBEICFO_01^2 -0.073474 0.221620 -0.331532 0.7422 VEBEICFO_01 0.029211 0.387215 0.075439 0.9403 VEBEICFO_01^2 -0.378650 0.428969 -0.882699 0.3834 NOPATEBEI_01 -0.197602 0.501163 -0.394286 0.6958 NOPATEBEI_01^2 0.549272 0.737894 0.744378 0.4616
196
VNOPATEBEI_01 -0.229239 0.800747 -0.286281 0.7764 VNOPATEBEI_01^2 -2.932693 2.522257 -1.162725 0.2528 R-squared 0.192033 Mean dependent var 0.215213 Adjusted R-squared -0.084984 S.D. dependent var 0.261482 S.E. of regression 0.272366 Akaike info criterion 0.462476 Sum squared resid 2.596420 Schwarz criterion 0.969260 Log likelihood 1.900569 F-statistic 0.693219 Durbin-Watson stat 2.139830 Prob(F-statistic) 0.746651
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:02 Sample: 1 66 Included observations: 48 Excluded observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 0.060433 0.111301 0.542969 0.5902 CFO_01 0.843613 0.539914 1.562496 0.1263 VCFO_01 -0.259153 0.739334 -0.350522 0.7278 EBEICFO_01 0.810629 0.608379 1.332440 0.1904 VEBEICFO_01 -0.203522 0.825007 -0.246691 0.8064 NOPATEBEI_01 -0.014214 1.330049 -0.010687 0.9915 VNOPATEBEI_01 -0.070606 1.985595 -0.035559 0.9718 RINOPAT_01 -0.293459 0.549765 -0.533791 0.5965 VRINOPAT_01 -0.835413 0.734902 -1.136769 0.2626 R-squared 0.328579 Mean dependent var 0.256981 Adjusted R-squared 0.190852 S.D. dependent var 0.552509 S.E. of regression 0.496997 Akaike info criterion 1.606894 Sum squared resid 9.633227 Schwarz criterion 1.957745 Log likelihood -29.56546 F-statistic 2.385725 Durbin-Watson stat 1.003433 Prob(F-statistic) 0.033761
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
197
0
2
4
6
8
-1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0
Series: ResidualsSample 1 66Observations 48
Mean 2.49E-17Median -0.038383Maximum 0.992606Minimum -0.973881Std. Dev. 0.452728Skewness 0.334200Kurtosis 2.548273
Jarque-Bera 1.301632Probability 0.521620
White Heteroskedasticity Test: F-statistic 0.643127 Probability 0.823799 Obs*R-squared 11.96225 Probability 0.746574 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:03 Sample: 1 66 Included observations: 48 Excluded observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 0.352323 0.067106 5.250240 0.0000 CFO_01 0.283914 0.679471 0.417845 0.6789 CFO_01^2 -0.220614 0.356864 -0.618203 0.5410 VCFO_01 -0.218326 0.595647 -0.366535 0.7165 VCFO_01^2 0.417841 0.468850 0.891203 0.3797 EBEICFO_01 0.130765 0.491646 0.265974 0.7920 EBEICFO_01^2 0.131550 0.292398 0.449903 0.6559 VEBEICFO_01 -0.246330 0.636091 -0.387257 0.7012 VEBEICFO_01^2 -0.626987 0.515154 -1.217086 0.2328 NOPATEBEI_01 0.559404 0.816864 0.684818 0.4985 NOPATEBEI_01^2 -0.597174 1.319327 -0.452635 0.6540 VNOPATEBEI_01 -1.225567 1.362005 -0.899826 0.3752 VNOPATEBEI_01^2 -1.605894 3.082355 -0.520996 0.6061 RINOPAT_01 0.940070 0.875632 1.073590 0.2913 RINOPAT_01^2 0.609599 0.943140 0.646350 0.5228 VRINOPAT_01 -0.704350 0.575527 -1.223835 0.2302 VRINOPAT_01^2 -0.112169 0.920242 -0.121891 0.9038 R-squared 0.249214 Mean dependent var 0.200692 Adjusted R-squared -0.138289 S.D. dependent var 0.252363 S.E. of regression 0.269248 Akaike info criterion 0.484751 Sum squared resid 2.247327 Schwarz criterion 1.147468 Log likelihood 5.365977 F-statistic 0.643127 Durbin-Watson stat 2.012465 Prob(F-statistic) 0.823799
198
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 11:03 Sample: 1 66 Included observations: 47 Excluded observations: 19 Variable Coefficient Std. Error t-Statistic Prob. C 0.144696 0.116959 1.237150 0.2240 CFO_01 0.733855 0.533209 1.376299 0.1772 VCFO_01 -0.273252 0.725472 -0.376654 0.7086 EBEICFO_01 0.576425 0.648855 0.888374 0.3802 VEBEICFO_01 -0.147584 0.808765 -0.182481 0.8562 NOPATEBEI_01 -0.408475 1.331767 -0.306717 0.7608 VNOPATEBEI_01 -0.573442 2.056622 -0.278827 0.7820 RINOPAT_01 -0.084399 0.663513 -0.127200 0.8995 VRINOPAT_01 -1.368596 2.660897 -0.514336 0.6102 EVARI_01 0.813955 0.438994 1.854135 0.0719 VEVARI_01 -0.447560 2.236016 -0.200159 0.8425 R-squared 0.384249 Mean dependent var 0.273087 Adjusted R-squared 0.213207 S.D. dependent var 0.546974 S.E. of regression 0.485174 Akaike info criterion 1.592836 Sum squared resid 8.474162 Schwarz criterion 2.025850 Log likelihood -26.43165 F-statistic 2.246518 Durbin-Watson stat 1.023227 Prob(F-statistic) 0.036968
0
2
4
6
8
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 66Observations 47
Mean -4.43E-17Median -0.053612Maximum 0.908393Minimum -1.070219Std. Dev. 0.429210Skewness 0.045663Kurtosis 2.801726
Jarque-Bera 0.093321Probability 0.954412
White Heteroskedasticity Test: F-statistic 0.728590 Probability 0.764136
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
199
Obs*R-squared 16.88056 Probability 0.660715 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 11:04 Sample: 1 66 Included observations: 47 Excluded observations: 19 Variable Coefficient Std. Error t-Statistic Prob. C 0.399063 0.075094 5.314146 0.0000 CFO_01 -0.506298 0.777989 -0.650778 0.5209 CFO_01^2 0.454667 0.512175 0.887718 0.3828 VCFO_01 0.298359 0.587079 0.508208 0.6156 VCFO_01^2 -0.365824 0.640428 -0.571218 0.5728 EBEICFO_01 -0.068895 0.528426 -0.130378 0.8973 EBEICFO_01^2 -0.124497 0.341024 -0.365067 0.7180 VEBEICFO_01 0.221579 0.689486 0.321369 0.7505 VEBEICFO_01^2 0.268631 0.689316 0.389706 0.6999 NOPATEBEI_01 0.029650 0.857980 0.034558 0.9727 NOPATEBEI_01^2 0.984236 1.554285 0.633240 0.5321 VNOPATEBEI_01 0.684229 1.487201 0.460078 0.6493 VNOPATEBEI_01^2 -0.917035 4.148135 -0.221072 0.8268 RINOPAT_01 0.907755 0.993835 0.913386 0.3694 RINOPAT_01^2 0.762512 1.026952 0.742500 0.4644 VRINOPAT_01 -0.417503 1.995045 -0.209270 0.8359 VRINOPAT_01^2 -4.281449 3.530544 -1.212688 0.2362 EVARI_01 0.364594 0.744783 0.489530 0.6286 EVARI_01^2 -0.529277 1.140802 -0.463952 0.6465 VEVARI_01 -0.549582 2.163833 -0.253985 0.8015 VEVARI_01^2 3.558899 2.777512 1.281326 0.2114 R-squared 0.359161 Mean dependent var 0.180301 Adjusted R-squared -0.133792 S.D. dependent var 0.244632 S.E. of regression 0.260483 Akaike info criterion 0.449010 Sum squared resid 1.764141 Schwarz criterion 1.275672 Log likelihood 10.44825 F-statistic 0.728590 Durbin-Watson stat 2.295575 Prob(F-statistic) 0.764136
200
APÊNDICE H
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo incremental das medidas de
performance, para o ano de 2001.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:12 Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C -0.034422 0.066783 -0.515434 0.6084 VCFO_01 -0.279052 0.250102 -1.115752 0.2696 CFO_01 0.521212 0.198014 2.632193 0.0111 VEBEICFO_01 -0.274832 0.279210 -0.984318 0.3294 EBEICFO_01 0.560398 0.216287 2.590995 0.0123 R-squared 0.153101 Mean dependent var 0.033396 Adjusted R-squared 0.089184 S.D. dependent var 0.388762 S.E. of regression 0.371021 Akaike info criterion 0.937148 Sum squared resid 7.295810 Schwarz criterion 1.114772 Log likelihood -22.17729 F-statistic 2.395316 Durbin-Watson stat 1.715135 Prob(F-statistic) 0.061865
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
201
0
2
4
6
8
10
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 58
Mean 3.06E-17Median 0.016618Maximum 1.234090Minimum -0.589194Std. Dev. 0.357766Skewness 0.820538Kurtosis 4.334198
Jarque-Bera 10.81027Probability 0.004493
White Heteroskedasticity Test: F-statistic 0.529963 Probability 0.828179 Obs*R-squared 4.618788 Probability 0.797434 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:13 Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C 0.170489 0.045992 3.706966 0.0005 VCFO_01 0.081897 0.278177 0.294407 0.7697 VCFO_01^2 -0.392126 0.483448 -0.811103 0.4212 CFO_01 -0.143567 0.170179 -0.843628 0.4030 CFO_01^2 0.041374 0.186365 0.222008 0.8252 VEBEICFO_01 0.165547 0.280037 0.591161 0.5571 VEBEICFO_01^2 0.304649 0.366747 0.830678 0.4102 EBEICFO_01 -0.188663 0.166139 -1.135573 0.2617 EBEICFO_01^2 -0.115208 0.196706 -0.585685 0.5608 R-squared 0.079634 Mean dependent var 0.125790 Adjusted R-squared -0.070630 S.D. dependent var 0.231696 S.E. of regression 0.239738 Akaike info criterion 0.123184 Sum squared resid 2.816247 Schwarz criterion 0.442908 Log likelihood 5.427661 F-statistic 0.529963 Durbin-Watson stat 1.878129 Prob(F-statistic) 0.828179
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:14
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
202
Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C -0.038963 0.068233 -0.571029 0.5705 CFO_01 0.453730 0.262511 1.728426 0.0900 VCFO_01 -0.210019 0.277815 -0.755968 0.4531 EBEICFO_01 0.475337 0.362556 1.311072 0.1957 VEBEICFO_01 -0.173595 0.328186 -0.528952 0.5991 NOPATEBEI_01 -0.275327 0.739811 -0.372158 0.7113 VNOPATEBEI_01 0.374259 0.640476 0.584346 0.5616 R-squared 0.159321 Mean dependent var 0.033396 Adjusted R-squared 0.060417 S.D. dependent var 0.388762 S.E. of regression 0.376835 Akaike info criterion 0.998743 Sum squared resid 7.242231 Schwarz criterion 1.247417 Log likelihood -21.96354 F-statistic 1.610870 Durbin-Watson stat 1.703187 Prob(F-statistic) 0.163252
0
2
4
6
8
10
12
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 58
Mean 1.53E-17Median 0.003735Maximum 1.238637Minimum -0.636362Std. Dev. 0.356450Skewness 0.873159Kurtosis 4.414368
Jarque-Bera 12.20432Probability 0.002238
White Heteroskedasticity Test: F-statistic 0.366361 Probability 0.968766 Obs*R-squared 5.162071 Probability 0.952345 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:16 Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C 0.172998 0.048641 3.556629 0.0009 CFO_01 -0.230217 0.240512 -0.957196 0.3436 CFO_01^2 0.058509 0.212317 0.275575 0.7841 VCFO_01 0.048808 0.321000 0.152051 0.8798 VCFO_01^2 -0.393914 0.528668 -0.745106 0.4601 EBEICFO_01 -0.333259 0.349927 -0.952367 0.3460 EBEICFO_01^2 -0.194631 0.253890 -0.766597 0.4473 VEBEICFO_01 0.117224 0.346034 0.338764 0.7364 VEBEICFO_01^2 0.314318 0.405587 0.774970 0.4424
203
NOPATEBEI_01 -0.147782 0.549291 -0.269042 0.7891 NOPATEBEI_01^2 0.585385 0.904513 0.647183 0.5208 VNOPATEBEI_01 -0.193057 0.548157 -0.352194 0.7263 VNOPATEBEI_01^2 -0.076762 0.810268 -0.094737 0.9249 R-squared 0.089001 Mean dependent var 0.124866 Adjusted R-squared -0.153932 S.D. dependent var 0.232743 S.E. of regression 0.250015 Akaike info criterion 0.259904 Sum squared resid 2.812839 Schwarz criterion 0.721728 Log likelihood 5.462775 F-statistic 0.366361 Durbin-Watson stat 1.938519 Prob(F-statistic) 0.968766
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:16 Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C -0.014957 0.081558 -0.183391 0.8552 CFO_01 0.378889 0.310808 1.219045 0.2287 VCFO_01 -0.352985 0.270612 -1.304392 0.1982 EBEICFO_01 0.423132 0.357709 1.182893 0.2426 VEBEICFO_01 -0.484593 0.343412 -1.411115 0.1645 NOPATEBEI_01 -0.055274 0.781091 -0.070765 0.9439 VNOPATEBEI_01 -0.795022 0.750549 -1.059254 0.2947 RINOPAT_01 -0.104447 0.373518 -0.279629 0.7809 VRINOPAT_01 -0.817731 0.334183 -2.446955 0.0180 R-squared 0.267114 Mean dependent var 0.033396 Adjusted R-squared 0.147459 S.D. dependent var 0.388762 S.E. of regression 0.358956 Akaike info criterion 0.930488 Sum squared resid 6.313621 Schwarz criterion 1.250212 Log likelihood -17.98416 F-statistic 2.232368 Durbin-Watson stat 1.798495 Prob(F-statistic) 0.040685
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
204
0
2
4
6
8
10
12
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 58
Mean 4.40E-17Median -0.009413Maximum 1.214562Minimum -0.595757Std. Dev. 0.332814Skewness 0.864713Kurtosis 4.667510
Jarque-Bera 13.94780Probability 0.000936
White Heteroskedasticity Test: F-statistic 0.280500 Probability 0.995963 Obs*R-squared 5.722479 Probability 0.990826 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:18 Sample: 1 66 Included observations: 58 Excluded observations: 8 Variable Coefficient Std. Error t-Statistic Prob. C 0.175241 0.056987 3.075119 0.0037 CFO_01 -0.145766 0.306750 -0.475193 0.6372 CFO_01^2 0.145476 0.213125 0.682584 0.4987 VCFO_01 -0.063815 0.356349 -0.179081 0.8588 VCFO_01^2 -0.179547 0.570410 -0.314768 0.7545 EBEICFO_01 -0.152525 0.363396 -0.419723 0.6769 EBEICFO_01^2 -0.115901 0.247599 -0.468100 0.6422 VEBEICFO_01 0.004727 0.365932 0.012917 0.9898 VEBEICFO_01^2 0.112340 0.427274 0.262923 0.7939 NOPATEBEI_01 0.304165 0.639745 0.475447 0.6370 NOPATEBEI_01^2 0.589172 0.931162 0.632728 0.5304 VNOPATEBEI_01 -0.437296 0.651960 -0.670740 0.5061 VNOPATEBEI_01^2 -0.417701 1.094656 -0.381582 0.7047 RINOPAT_01 0.163303 0.397468 0.410857 0.6833 RINOPAT_01^2 -0.023290 0.648383 -0.035921 0.9715 VRINOPAT_01 -0.276781 0.300359 -0.921503 0.3622 VRINOPAT_01^2 0.056120 0.451459 0.124307 0.9017 R-squared 0.098663 Mean dependent var 0.108856 Adjusted R-squared -0.253078 S.D. dependent var 0.210287 S.E. of regression 0.235397 Akaike info criterion 0.184253 Sum squared resid 2.271891 Schwarz criterion 0.788176 Log likelihood 11.65665 F-statistic 0.280500 Durbin-Watson stat 2.073530 Prob(F-statistic) 0.995963
205
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/13/04 Time: 10:22 Sample: 1 66 Included observations: 57 Excluded observations: 9 Variable Coefficient Std. Error t-Statistic Prob. C -0.034103 0.086511 -0.394202 0.6953 CFO_01 0.384174 0.331881 1.157565 0.2530 VCFO_01 -0.366024 0.277999 -1.316639 0.1945 EBEICFO_01 0.400145 0.424370 0.942914 0.3507 VEBEICFO_01 -0.493118 0.351218 -1.404024 0.1670 NOPATEBEI_01 -0.256547 1.000575 -0.256399 0.7988 VNOPATEBEI_01 -0.641403 0.871191 -0.736237 0.4653 RINOPAT_01 -0.126623 0.394996 -0.320567 0.7500 VRINOPAT_01 -0.481965 1.066574 -0.451882 0.6535 EVARI_01 0.126687 0.385816 0.328362 0.7441 VEVARI_01 0.256715 0.982710 0.261231 0.7951 R-squared 0.276291 Mean dependent var 0.028134 Adjusted R-squared 0.118963 S.D. dependent var 0.390128 S.E. of regression 0.366188 Akaike info criterion 1.000216 Sum squared resid 6.168310 Schwarz criterion 1.394489 Log likelihood -17.50615 F-statistic 1.756149 Durbin-Watson stat 1.752289 Prob(F-statistic) 0.096594
0
2
4
6
8
10
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 57
Mean 3.31E-17Median -0.014586Maximum 1.233771Minimum -0.578370Std. Dev. 0.331886Skewness 0.923741Kurtosis 4.903228
Jarque-Bera 16.70924Probability 0.000235
White Heteroskedasticity Test: F-statistic 0.256441 Probability 0.998988 Obs*R-squared 7.107969 Probability 0.996316 Test Equation:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
206
Dependent Variable: RESID^2 Method: Least Squares Date: 10/13/04 Time: 10:24 Sample: 1 66 Included observations: 57 Excluded observations: 9 Variable Coefficient Std. Error t-Statistic Prob. C 0.176571 0.064846 2.722939 0.0099 CFO_01 -0.158585 0.339727 -0.466802 0.6435 CFO_01^2 0.213997 0.243068 0.880398 0.3845 VCFO_01 -0.085302 0.462614 -0.184392 0.8547 VCFO_01^2 -0.136534 0.717710 -0.190235 0.8502 EBEICFO_01 -0.094352 0.456412 -0.206725 0.8374 EBEICFO_01^2 -0.061593 0.295357 -0.208537 0.8360 VEBEICFO_01 -0.009520 0.494937 -0.019236 0.9848 VEBEICFO_01^2 0.024383 0.500722 0.048695 0.9614 NOPATEBEI_01 0.139734 0.848645 0.164655 0.8701 NOPATEBEI_01^2 0.585417 1.214087 0.482187 0.6326 VNOPATEBEI_01 -0.311592 0.894804 -0.348223 0.7297 VNOPATEBEI_01^2 -0.244729 1.728569 -0.141579 0.8882 RINOPAT_01 0.280021 0.605032 0.462820 0.6463 RINOPAT_01^2 0.042782 1.078458 0.039669 0.9686 VRINOPAT_01 0.093973 1.346872 0.069771 0.9448 VRINOPAT_01^2 -0.847360 2.722726 -0.311218 0.7574 EVARI_01 0.431248 0.414252 1.041027 0.3048 EVARI_01^2 0.476010 0.800860 0.594373 0.5560 VEVARI_01 0.184914 1.333906 0.138626 0.8905 VEVARI_01^2 0.976341 2.792119 0.349677 0.7286 R-squared 0.124701 Mean dependent var 0.108216 Adjusted R-squared -0.361576 S.D. dependent var 0.215698 S.E. of regression 0.251691 Akaike info criterion 0.356080 Sum squared resid 2.280541 Schwarz criterion 1.108784 Log likelihood 10.85171 F-statistic 0.256441 Durbin-Watson stat 2.256390 Prob(F-statistic) 0.998988
207
APÊNDICE I
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo incremental das medidas de
performance, para o ano de 2000.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 23:03 Sample: 1 66 Included observations: 53 Excluded observations: 13 Variable Coefficient Std. Error t-Statistic Prob. C -0.034873 0.080930 -0.430902 0.6685 VCFO_01 0.224488 0.395408 0.567737 0.5729 CFO_01 0.503792 0.276112 1.824595 0.0743 VEBEICFO_01 -0.092597 0.273849 -0.338132 0.7367 EBEICFO_01 0.468559 0.346706 1.351460 0.1829 R-squared 0.146401 Mean dependent var 0.023772 Adjusted R-squared 0.075268 S.D. dependent var 0.447473 S.E. of regression 0.430303 Akaike info criterion 1.240935 Sum squared resid 8.887723 Schwarz criterion 1.426812 Log likelihood -27.88478 F-statistic 2.058121 Durbin-Watson stat 1.746854 Prob(F-statistic) 0.101069
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
208
0
2
4
6
8
10
12
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 53
Mean 2.93E-17Median -0.080200Maximum 1.217477Minimum -0.645029Std. Dev. 0.413422Skewness 1.312092Kurtosis 4.341607
Jarque-Bera 19.18213Probability 0.000068
White Heteroskedasticity Test: F-statistic 0.730199 Probability 0.664197 Obs*R-squared 6.211769 Probability 0.623524 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 23:07 Sample: 1 66 Included observations: 53 Excluded observations: 13 Variable Coefficient Std. Error t-Statistic Prob. C 0.180591 0.067448 2.677492 0.0104 VCFO_01 0.377631 0.329289 1.146807 0.2577 VCFO_01^2 0.317292 0.377146 0.841297 0.4047 CFO_01 -0.003290 0.313161 -0.010506 0.9917 CFO_01^2 -0.112940 0.356640 -0.316677 0.7530 VEBEICFO_01 0.117698 0.208035 0.565761 0.5744 VEBEICFO_01^2 -0.196319 0.228934 -0.857536 0.3958 EBEICFO_01 -0.014145 0.286881 -0.049306 0.9609 EBEICFO_01^2 -0.133755 0.754878 -0.177187 0.8602 R-squared 0.117203 Mean dependent var 0.167693 Adjusted R-squared -0.043305 S.D. dependent var 0.309477 S.E. of regression 0.316107 Akaike info criterion 0.688049 Sum squared resid 4.396644 Schwarz criterion 1.022627 Log likelihood -9.233307 F-statistic 0.730199 Durbin-Watson stat 1.599787 Prob(F-statistic) 0.664197
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 23:18
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
209
Sample: 1 66 Included observations: 53 Excluded observations: 13 Variable Coefficient Std. Error t-Statistic Prob. C -0.096894 0.089567 -1.081798 0.2850 CFO_01 0.732725 0.390640 1.875704 0.0671 VCFO_01 0.424195 0.429916 0.986691 0.3290 EBEICFO_01 0.467772 0.492735 0.949338 0.3474 VEBEICFO_01 0.283112 0.401431 0.705256 0.4842 NOPATEBEI_01 0.225139 0.858062 0.262380 0.7942 VNOPATEBEI_01 0.842267 0.542962 1.551243 0.1277 R-squared 0.195030 Mean dependent var 0.023772 Adjusted R-squared 0.090034 S.D. dependent var 0.447473 S.E. of regression 0.426854 Akaike info criterion 1.257750 Sum squared resid 8.381394 Schwarz criterion 1.517978 Log likelihood -26.33038 F-statistic 1.857498 Durbin-Watson stat 1.690598 Prob(F-statistic) 0.108796
0
5
10
15
20
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 53
Mean 3.04E-17Median -0.053670Maximum 1.125506Minimum -0.644938Std. Dev. 0.401473Skewness 1.294656Kurtosis 4.580833
Jarque-Bera 20.32456Probability 0.000039
White Heteroskedasticity Test: F-statistic 0.560765 Probability 0.859805 Obs*R-squared 7.632198 Probability 0.813172 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 23:24 Sample: 1 66 Included observations: 53 Excluded observations: 13 Variable Coefficient Std. Error t-Statistic Prob. C 0.162297 0.074591 2.175830 0.0355 CFO_01 0.090272 0.370750 0.243484 0.8089 CFO_01^2 -0.108759 0.423003 -0.257111 0.7984 VCFO_01 0.387905 0.364136 1.065275 0.2931 VCFO_01^2 0.380968 0.402679 0.946083 0.3498 EBEICFO_01 -0.059730 0.442853 -0.134877 0.8934 EBEICFO_01^2 0.286906 1.054913 0.271971 0.7870 VEBEICFO_01 0.237028 0.335768 0.705926 0.4843 VEBEICFO_01^2 -0.279599 0.272257 -1.026965 0.3106 NOPATEBEI_01 -0.123651 0.796512 -0.155240 0.8774 NOPATEBEI_01^2 -1.450394 2.934273 -0.494294 0.6238
210
VNOPATEBEI_01 0.349167 0.515281 0.677624 0.5019 VNOPATEBEI_01^2 -0.793032 0.767445 -1.033341 0.3077 R-squared 0.144004 Mean dependent var 0.158140 Adjusted R-squared -0.112795 S.D. dependent var 0.302112 S.E. of regression 0.318696 Akaike info criterion 0.759994 Sum squared resid 4.062679 Schwarz criterion 1.243273 Log likelihood -7.139836 F-statistic 0.560765 Durbin-Watson stat 1.623502 Prob(F-statistic) 0.859805
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 23:26 Sample: 1 66 Included observations: 53 Excluded observations: 13 Variable Coefficient Std. Error t-Statistic Prob. C -0.194063 0.096005 -2.021386 0.0493 CFO_01 0.633015 0.415667 1.522891 0.1349 VCFO_01 -0.193910 0.464363 -0.417583 0.6783 EBEICFO_01 -0.056124 0.493758 -0.113667 0.9100 VEBEICFO_01 -0.182037 0.396690 -0.458891 0.6486 NOPATEBEI_01 -0.445309 0.833194 -0.534460 0.5957 VNOPATEBEI_01 -0.557076 0.683541 -0.814985 0.4195 RINOPAT_01 -0.148348 0.479706 -0.309248 0.7586 VRINOPAT_01 -1.058788 0.552679 -1.915738 0.0619 R-squared 0.350150 Mean dependent var 0.023772 Adjusted R-squared 0.231995 S.D. dependent var 0.447473 S.E. of regression 0.392147 Akaike info criterion 1.119159 Sum squared resid 6.766275 Schwarz criterion 1.453736 Log likelihood -20.65770 F-statistic 2.963492 Durbin-Watson stat 1.833937 Prob(F-statistic) 0.009646
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
211
0
2
4
6
8
10
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Series: ResidualsSample 1 66Observations 53
Mean 2.83E-17Median -0.050026Maximum 1.129607Minimum -0.517671Std. Dev. 0.360722Skewness 1.299340Kurtosis 4.649878
Jarque-Bera 20.92449Probability 0.000029
White Heteroskedasticity Test: F-statistic 0.431048 Probability 0.962962 Obs*R-squared 8.521123 Probability 0.931819 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 23:29 Sample: 1 66 Included observations: 53 Excluded observations: 13 Variable Coefficient Std. Error t-Statistic Prob. C 0.122526 0.073828 1.659618 0.1057 CFO_01 0.031115 0.517515 0.060123 0.9524 CFO_01^2 -0.214526 0.533835 -0.401858 0.6902 VCFO_01 0.076579 0.410256 0.186661 0.8530 VCFO_01^2 -0.053020 0.564014 -0.094005 0.9256 EBEICFO_01 -0.309988 0.470012 -0.659532 0.5138 EBEICFO_01^2 1.200142 1.234726 0.971991 0.3375 VEBEICFO_01 0.188505 0.331971 0.567838 0.5737 VEBEICFO_01^2 -0.275286 0.332843 -0.827075 0.4136 NOPATEBEI_01 -0.194629 0.806409 -0.241352 0.8107 NOPATEBEI_01^2 -1.432118 2.919470 -0.490541 0.6267 VNOPATEBEI_01 -0.290943 0.622835 -0.467127 0.6432 VNOPATEBEI_01^2 -0.364865 0.735367 -0.496168 0.6228 RINOPAT_01 -0.144848 0.744126 -0.194656 0.8468 RINOPAT_01^2 -1.181528 1.345534 -0.878111 0.3857 VRINOPAT_01 -0.945696 0.654935 -1.443954 0.1574 VRINOPAT_01^2 0.372908 0.581907 0.640837 0.5257 R-squared 0.160776 Mean dependent var 0.127666 Adjusted R-squared -0.212213 S.D. dependent var 0.246235 S.E. of regression 0.271106 Akaike info criterion 0.482120 Sum squared resid 2.645938 Schwarz criterion 1.114101 Log likelihood 4.223809 F-statistic 0.431048 Durbin-Watson stat 1.542719 Prob(F-statistic) 0.962962
212
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 23:30 Sample: 1 66 Included observations: 52 Excluded observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C -0.165655 0.089243 -1.856227 0.0706 CFO_01 0.497793 0.397908 1.251024 0.2180 VCFO_01 0.072129 0.467857 0.154170 0.8782 EBEICFO_01 -0.994154 0.543175 -1.830267 0.0745 VEBEICFO_01 0.821167 0.487712 1.683714 0.0998 NOPATEBEI_01 -2.096719 0.936897 -2.237940 0.0307 VNOPATEBEI_01 0.481503 0.750398 0.641663 0.5247 RINOPAT_01 0.793441 0.576924 1.375296 0.1765 VRINOPAT_01 -3.281914 1.662484 -1.974103 0.0551 EVARI_01 1.546830 0.515752 2.999177 0.0046 VEVARI_01 -2.620217 1.840025 -1.424012 0.1620 R-squared 0.469735 Mean dependent var 0.033279 Adjusted R-squared 0.340402 S.D. dependent var 0.446401 S.E. of regression 0.362548 Akaike info criterion 0.994083 Sum squared resid 5.389069 Schwarz criterion 1.406846 Log likelihood -14.84616 F-statistic 3.631977 Durbin-Watson stat 1.737262 Prob(F-statistic) 0.001582
0
2
4
6
8
10
12
-0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0
Series: ResidualsSample 1 66Observations 52
Mean -1.28E-17Median -0.072688Maximum 1.098249Minimum -0.513893Std. Dev. 0.325066Skewness 1.172687Kurtosis 4.677978
Jarque-Bera 18.01884Probability 0.000122
White Heteroskedasticity Test: F-statistic 0.430946 Probability 0.973847 Obs*R-squared 11.31237 Probability 0.937716 Test Equation:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
213
Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 23:34 Sample: 1 66 Included observations: 52 Excluded observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 0.130052 0.062208 2.090579 0.0449 CFO_01 -0.029686 0.448106 -0.066247 0.9476 CFO_01^2 0.151433 0.514919 0.294090 0.7706 VCFO_01 0.142459 0.391766 0.363631 0.7186 VCFO_01^2 -0.079952 0.484835 -0.164905 0.8701 EBEICFO_01 -0.039617 0.423562 -0.093533 0.9261 EBEICFO_01^2 0.713651 1.109368 0.643295 0.5248 VEBEICFO_01 0.332921 0.411493 0.809055 0.4246 VEBEICFO_01^2 -0.037584 0.316080 -0.118906 0.9061 NOPATEBEI_01 0.249021 0.755526 0.329599 0.7439 NOPATEBEI_01^2 -0.466028 2.834514 -0.164412 0.8705 VNOPATEBEI_01 0.322423 0.708434 0.455120 0.6522 VNOPATEBEI_01^2 0.117584 0.845204 0.139119 0.8903 RINOPAT_01 0.078663 0.659479 0.119281 0.9058 RINOPAT_01^2 -1.332416 1.249530 -1.066334 0.2945 VRINOPAT_01 -1.433041 1.462473 -0.979875 0.3347 VRINOPAT_01^2 -0.016936 2.547883 -0.006647 0.9947 EVARI_01 0.930108 0.640588 1.451960 0.1566 EVARI_01^2 0.776587 0.712186 1.090428 0.2839 VEVARI_01 -1.341294 1.749508 -0.766669 0.4491 VEVARI_01^2 -0.185211 2.582936 -0.071706 0.9433 R-squared 0.217546 Mean dependent var 0.103636 Adjusted R-squared -0.287264 S.D. dependent var 0.200693 S.E. of regression 0.227701 Akaike info criterion 0.168871 Sum squared resid 1.607283 Schwarz criterion 0.956873 Log likelihood 16.60936 F-statistic 0.430946 Durbin-Watson stat 1.243093 Prob(F-statistic) 0.973847
214
APÊNDICE J
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo incremental das medidas de
performance, para o ano de 1999.
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 11:43 Sample(adjusted): 1 58 Included observations: 16 Excluded observations: 42 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.787025 0.173490 4.536440 0.0008 CFO_01 0.625514 0.567513 1.102203 0.2939 VCFO_01 -0.657436 0.516670 -1.272450 0.2295 EBEICFO_01 0.570182 0.402107 1.417986 0.1839 VEBEICFO_01 -0.093880 0.552956 -0.169779 0.8683 R-squared 0.344400 Mean dependent var 0.608158 Adjusted R-squared 0.106001 S.D. dependent var 0.541359 S.E. of regression 0.511863 Akaike info criterion 1.748789 Sum squared resid 2.882046 Schwarz criterion 1.990223 Log likelihood -8.990312 F-statistic 1.444633 Durbin-Watson stat 1.748028 Prob(F-statistic) 0.283819
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
215
0
1
2
3
4
5
-1.00 -0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1 58Observations 16
Mean -9.02E-17Median 0.016714Maximum 0.680398Minimum -0.818502Std. Dev. 0.438334Skewness -0.138888Kurtosis 1.984900
Jarque-Bera 0.738392Probability 0.691290
White Heteroskedasticity Test: F-statistic 0.350217 Probability 0.917597 Obs*R-squared 4.573456 Probability 0.802040 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 11:53 Sample: 1 58 Included observations: 16 Excluded observations: 42 Variable Coefficient Std. Error t-Statistic Prob. C 0.239158 0.099347 2.407304 0.0470 CFO_01 -0.598649 0.719447 -0.832096 0.4328 CFO_01^2 0.171504 0.419997 0.408345 0.6952 VCFO_01 0.197915 0.647002 0.305896 0.7686 VCFO_01^2 0.048739 0.474245 0.102771 0.9210 EBEICFO_01 0.137239 0.469934 0.292038 0.7787 EBEICFO_01^2 0.065626 0.418780 0.156708 0.8799 VEBEICFO_01 -0.188657 0.522909 -0.360783 0.7289 VEBEICFO_01^2 -0.023111 0.612917 -0.037707 0.9710 R-squared 0.285841 Mean dependent var 0.180128 Adjusted R-squared -0.530341 S.D. dependent var 0.184625 S.E. of regression 0.228394 Akaike info criterion 0.182836 Sum squared resid 0.365148 Schwarz criterion 0.617417 Log likelihood 7.537312 F-statistic 0.350217 Durbin-Watson stat 2.892819 Prob(F-statistic) 0.917597
216
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 11:51 Sample(adjusted): 1 58 Included observations: 16 Excluded observations: 42 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.717965 0.159305 4.506872 0.0015 CFO_01 2.653567 1.514727 1.751845 0.1137 VCFO_01 -1.929830 0.767102 -2.515740 0.0330 EBEICFO_01 1.230194 0.649053 1.895368 0.0906 VEBEICFO_01 -0.209803 0.605572 -0.346455 0.7370 NOPATEBEI_01 3.073748 2.326122 1.321405 0.2190 VNOPATEBEI_01 -3.108723 1.607083 -1.934388 0.0851 R-squared 0.581690 Mean dependent var 0.608158 Adjusted R-squared 0.302816 S.D. dependent var 0.541359 S.E. of regression 0.452022 Akaike info criterion 1.549462 Sum squared resid 1.838911 Schwarz criterion 1.887469 Log likelihood -5.395695 F-statistic 2.085856 Durbin-Watson stat 1.765262 Prob(F-statistic) 0.154564
0
2
4
6
8
-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1 58Observations 16
Mean -3.26E-16Median -0.023208Maximum 0.747508Minimum -0.714196Std. Dev. 0.350134Skewness 0.239855Kurtosis 3.356128
Jarque-Bera 0.237967Probability 0.887823
White Heteroskedasticity Test: F-statistic 0.804100 Probability 0.662855 Obs*R-squared 12.20529 Probability 0.429336 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/12/04 Time: 11:55 Sample: 1 58
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
217
Included observations: 16 Excluded observations: 42 Variable Coefficient Std. Error t-Statistic Prob. C 0.266097 0.096159 2.767268 0.0697 CFO_01 -119.6601 99.84601 -1.198447 0.3168 CFO_01^2 131.1998 106.9823 1.226369 0.3075 VCFO_01 117.3023 97.78086 1.199645 0.3164 VCFO_01^2 -167.1903 137.6558 -1.214554 0.3114 EBEICFO_01 -228.3156 184.8323 -1.235258 0.3047 EBEICFO_01^2 -282.2518 226.0192 -1.248796 0.3003 VEBEICFO_01 194.5956 153.3539 1.268931 0.2940 VEBEICFO_01^2 217.6131 173.1204 1.257004 0.2977 NOPATEBEI_01 -27.02670 26.78612 -1.008981 0.3873 NOPATEBEI_01^2 42.33629 45.84029 0.923561 0.4238 VNOPATEBEI_01 -57.29999 47.35400 -1.210035 0.3129 VNOPATEBEI_01^2 576.9954 449.1911 1.284521 0.2892 R-squared 0.762831 Mean dependent var 0.114932 Adjusted R-squared -0.185846 S.D. dependent var 0.182203 S.E. of regression 0.198412 Akaike info criterion -0.445915Sum squared resid 0.118102 Schwarz criterion 0.181813 Log likelihood 16.56732 F-statistic 0.804100 Durbin-Watson stat 2.098858 Prob(F-statistic) 0.662855
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 11:56 Sample(adjusted): 1 58 Included observations: 16 Excluded observations: 42 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.760574 0.205010 3.709934 0.0076 CFO_01 2.804488 1.950057 1.438157 0.1936 VCFO_01 -2.111520 1.080581 -1.954060 0.0916 EBEICFO_01 1.248804 0.728450 1.714330 0.1302 VEBEICFO_01 -0.464740 0.765091 -0.607431 0.5627 NOPATEBEI_01 3.184077 3.008168 1.058477 0.3250 VNOPATEBEI_01 -3.345692 2.110328 -1.585390 0.1569 RINOPAT_01 0.314820 0.608567 0.517313 0.6209 VRINOPAT_01 0.314907 0.614275 0.512648 0.6240 R-squared 0.611883 Mean dependent var 0.608158 Adjusted R-squared 0.168320 S.D. dependent var 0.541359 S.E. of regression 0.493701 Akaike info criterion 1.724546 Sum squared resid 1.706182 Schwarz criterion 2.159127 Log likelihood -4.796370 F-statistic 1.379473
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
218
Durbin-Watson stat 1.500305 Prob(F-statistic) 0.342280
0
2
4
6
8
-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1 58Observations 16
Mean -4.21E-16Median 0.020305Maximum 0.705187Minimum -0.731794Std. Dev. 0.337262Skewness -0.000173Kurtosis 3.592325
Jarque-Bera 0.233900Probability 0.889630
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/12/04 Time: 12:01 Sample(adjusted): 1 57 Included observations: 15 Excluded observations: 42 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.923381 0.224755 4.108385 0.0148 CFO_01 2.050775 6.492551 0.315866 0.7679 VCFO_01 -0.422525 3.920192 -0.107782 0.9194 EBEICFO_01 5.733757 3.840760 1.492870 0.2098 VEBEICFO_01 -1.636819 9.232553 -0.177288 0.8679 NOPATEBEI_01 2.322083 10.95828 0.211902 0.8425 VNOPATEBEI_01 -0.136624 19.93761 -0.006853 0.9949 RINOPAT_01 6.382101 3.474778 1.836693 0.1401 VRINOPAT_01 9.914673 10.35657 0.957331 0.3926 EVARI_01 5.971827 11.87256 0.502994 0.6414 VEVARI_01 10.46569 6.692591 1.563772 0.1929 R-squared 0.789792 Mean dependent var 0.619072 Adjusted R-squared 0.264274 S.D. dependent var 0.558535 S.E. of regression 0.479081 Akaike info criterion 1.511015 Sum squared resid 0.918073 Schwarz criterion 2.030252 Log likelihood -0.332611 F-statistic 1.502881 Durbin-Watson stat 1.440706 Prob(F-statistic) 0.369713
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
219
0
2
4
6
8
-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1 57Observations 15
Mean -2.93E-16Median 0.001039Maximum 0.542141Minimum -0.616634Std. Dev. 0.256079Skewness -0.307102Kurtosis 4.612075
Jarque-Bera 1.860021Probability 0.394550
220
APÊNDICE K
Resultados dos modelos de regressões utilizando panel data (painel de dados),
sem a análise dos efeitos fixos, e autocorrelação (teste Durbin-Watson) da distribuição
dos resíduos, para a análise do conteúdo relativo das medidas de performance, para o
período de 1999 a 2003.
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 14:07 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 64 Total panel (unbalanced) observations: 221 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.168372 0.023322 7.219377 0.0000
CFO? 0.232957 0.033924 6.867031 0.0000VCFO? 0.083442 0.033224 2.511512 0.0127
Weighted Statistics R-squared 0.240953 Mean dependent var 0.300546Adjusted R-squared 0.233990 S.D. dependent var 0.597014S.E. of regression 0.522519 Sum squared resid 59.51959F-statistic 34.60120 Durbin-Watson stat 1.579413Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.026194 Mean dependent var 0.236725Adjusted R-squared 0.017260 S.D. dependent var 0.530094 S.E. of regression 0.525500 Sum squared resid 60.20073 Durbin-Watson stat 1.589296
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
221
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 14:15 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 65 Total panel (unbalanced) observations: 231 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.143486 0.018904 7.590201 0.0000
EBEI? 0.498645 0.065547 7.607445 0.0000VEBEI? -0.188392 0.091936 -2.049168 0.0416
Weighted Statistics R-squared 0.201556 Mean dependent var 0.272701Adjusted R-squared 0.194552 S.D. dependent var 0.563239S.E. of regression 0.505488 Sum squared resid 58.25820F-statistic 28.77774 Durbin-Watson stat 1.709615Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.069171 Mean dependent var 0.228530Adjusted R-squared 0.061006 S.D. dependent var 0.528201S.E. of regression 0.511836 Sum squared resid 59.73054Durbin-Watson stat 1.730201
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 14:17 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 65 Total panel (unbalanced) observations: 236 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.156178 0.023536 6.635726 0.0000
NOPAT? 0.406379 0.063703 6.379251 0.0000VNOPAT? -0.130356 0.083164 -1.567462 0.1184
Weighted Statistics R-squared 0.086924 Mean dependent var 0.252532Adjusted R-squared 0.079087 S.D. dependent var 0.548281
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
222
S.E. of regression 0.526153 Sum squared resid 64.50305F-statistic 11.09076 Durbin-Watson stat 1.593139Prob(F-statistic) 0.000025 Unweighted Statistics R-squared 0.041989 Mean dependent var 0.224478Adjusted R-squared 0.033766 S.D. dependent var 0.538354S.E. of regression 0.529187 Sum squared resid 65.24917Durbin-Watson stat 1.661463
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 14:24 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 64 Total panel (unbalanced) observations: 232 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.252097 0.021920 11.50093 0.0000
RI? 0.232839 0.104108 2.236519 0.0263VRI? -0.198880 0.087117 -2.282900 0.0234
Weighted Statistics R-squared 0.046238 Mean dependent var 0.282312Adjusted R-squared 0.037909 S.D. dependent var 0.539484S.E. of regression 0.529159 Sum squared resid 64.12219F-statistic 5.550973 Durbin-Watson stat 1.728233Prob(F-statistic) 0.004424 Unweighted Statistics R-squared 0.010822 Mean dependent var 0.241042Adjusted R-squared 0.002183 S.D. dependent var 0.532209S.E. of regression 0.531628 Sum squared resid 64.72181Durbin-Watson stat 1.725871
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 14:38 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 64
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
223
Total panel (unbalanced) observations: 226 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.257094 0.022844 11.25428 0.0000
EVA? 0.307242 0.062752 4.896119 0.0000VEVA? 0.267783 0.072078 3.715202 0.0003
Weighted Statistics R-squared 0.109339 Mean dependent var 0.274893Adjusted R-squared 0.101351 S.D. dependent var 0.548760S.E. of regression 0.520209 Sum squared resid 60.34759F-statistic 13.68793 Durbin-Watson stat 1.629585Prob(F-statistic) 0.000002 Unweighted Statistics R-squared 0.050464 Mean dependent var 0.236458Adjusted R-squared 0.041948 S.D. dependent var 0.533634S.E. of regression 0.522322 Sum squared resid 60.83887Durbin-Watson stat 1.532988
224
APÊNDICE L
Resultados dos modelos de regressões utilizando panel data (painel de dados),
sem a análise dos efeitos fixos, e autocorrelação (teste Durbin-Watson) da distribuição
dos resíduos, para a análise do conteúdo incremental das medidas de performance, para
o período de 1999 a 2003.
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 14:49 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 63 Total panel (unbalanced) observations: 210 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.135207 0.029112 4.644383 0.0000
CFO? 0.582000 0.087521 6.649829 0.0000VCFO? -0.002559 0.034649 -0.073841 0.9412
EBEICFO? 0.675893 0.093256 7.247713 0.0000VEBEICFO? -0.212506 0.039783 -5.341653 0.0000
Weighted Statistics R-squared 0.342700 Mean dependent var 0.297379Adjusted R-squared 0.329875 S.D. dependent var 0.615378S.E. of regression 0.503756 Sum squared resid 52.02282F-statistic 26.72050 Durbin-Watson stat 1.645861Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.077898 Mean dependent var 0.234672Adjusted R-squared 0.059906 S.D. dependent var 0.530528S.E. of regression 0.514391 Sum squared resid 54.24268Durbin-Watson stat 1.695434
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
225
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 15:10 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 63 Total panel (unbalanced) observations: 210 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.132692 0.029577 4.486243 0.0000
CFO? 0.529592 0.090482 5.852988 0.0000VCFO? -0.019270 0.061436 -0.313658 0.7541
EBEICFO? 0.568188 0.106247 5.347800 0.0000VEBEICFO? -0.206757 0.074589 -2.771958 0.0061
NOPATEBEI? -0.192833 0.204850 -0.941339 0.3477VNOPATEBEI? -0.014003 0.175124 -0.079959 0.9363
Weighted Statistics R-squared 0.367040 Mean dependent var 0.299030Adjusted R-squared 0.348331 S.D. dependent var 0.624953S.E. of regression 0.504499 Sum squared resid 51.66747F-statistic 19.61919 Durbin-Watson stat 1.658552Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.078746 Mean dependent var 0.234672Adjusted R-squared 0.051517 S.D. dependent var 0.530528S.E. of regression 0.516681 Sum squared resid 54.19277Durbin-Watson stat 1.693183
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
226
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:15 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 63 Total panel (unbalanced) observations: 210 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.021497 0.035867 0.599352 0.5496
CFO? 0.282819 0.149870 1.887102 0.0606VCFO? -0.066910 0.095236 -0.702576 0.4831
EBEICFO? 0.496287 0.124732 3.978821 0.0001VEBEICFO? -0.368206 0.084284 -4.368631 0.0000
NOPATEBEI? -0.597652 0.221345 -2.700099 0.0075VNOPATEBEI? -0.485315 0.213067 -2.277763 0.0238
RINOPAT? -0.713705 0.185706 -3.843197 0.0002VRINOPAT? -0.362317 0.170812 -2.121151 0.0351
Weighted Statistics R-squared 0.745703 Mean dependent var 0.356874Adjusted R-squared 0.735581 S.D. dependent var 0.947227S.E. of regression 0.487080 Sum squared resid 47.68662F-statistic 73.67663 Durbin-Watson stat 1.619387Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.137682 Mean dependent var 0.234672Adjusted R-squared 0.103360 S.D. dependent var 0.530528S.E. of regression 0.502362 Sum squared resid 50.72591Durbin-Watson stat 1.588565
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
227
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:20 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 62 Total panel (unbalanced) observations: 205 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. C 0.097868 0.039597 2.471593 0.0143
CFO? 0.484523 0.128616 3.767200 0.0002VCFO? -0.237880 0.074739 -3.182810 0.0017
EBEICFO? 0.515105 0.118916 4.331684 0.0000VEBEICFO? -0.348527 0.080360 -4.337045 0.0000
NOPATEBEI? -0.478727 0.228890 -2.091520 0.0378VNOPATEBEI? -0.857722 0.177628 -4.828747 0.0000
RINOPAT? -0.293415 0.169821 -1.727792 0.0856VRINOPAT? 0.400584 0.119454 3.353465 0.0010
EVARI? 0.631083 0.069481 9.082757 0.0000VEVARI? 1.071303 0.093364 11.47443 0.0000
Weighted Statistics R-squared 0.983756 Mean dependent var 0.550340Adjusted R-squared 0.982919 S.D. dependent var 3.448262S.E. of regression 0.450672 Sum squared resid 39.40233F-statistic 1174.892 Durbin-Watson stat 1.766432Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.267478 Mean dependent var 0.235645Adjusted R-squared 0.229719 S.D. dependent var 0.527969S.E. of regression 0.463376 Sum squared resid 41.65514Durbin-Watson stat 1.612709
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
228
APÊNDICE M
Resultados dos modelos de regressões utilizando panel data (painel de dados),
identificando o impacto dos efeitos fixos, e autocorrelação (teste Durbin-Watson) da
distribuição dos resíduos, para a análise do conteúdo relativo das medidas de
performance, para o período de 1999 a 2003.
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:22 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 64 Total panel (unbalanced) observations: 221 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. CFO? 0.207292 0.045392 4.566740 0.0000
VCFO? 0.118709 0.031853 3.726741 0.0003Fixed Effects
_ACE--C 0.246441 _AMB--C 0.340899 _ARA--C 0.356956 _AVI--C 0.177247 _BAR--C 0.172990 _BEL--C 0.413467 _BOM--C -0.141087 _CAE--C 0.756172 _CIAH--C 0.149580 _COM--C 0.107891 _CON--C 0.286377 _COP--C 0.155453 _COT--C 0.241391 _DUR--C 0.219763 _ELE--C -0.034891
_EMBC--C -0.046654 _EMBE--C 0.488607 _ESTR--C -0.197957 _ETER--C 0.496450 _FERB--C 0.607152 _FTAU--C 0.265379
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
229
_FOSFL--C 0.168637 _FRAS--C 0.394580
_GDMET--C 0.312435 _GD--C 0.259314
_GLOB--C 0.208788 _GRA--C -0.215008 _IROM--C 0.217802 _INP--C -0.499025 _IOC--C -0.329377 _IPIP--C 0.064828 _IPIR--C -0.234969 _KLA--C -0.217952 _KUA--C -0.647690
_LAME--C -0.352541 _MAG--C 0.212637
_MANG--C -0.163342 _MARC--C 0.414984 _MLEV--C 0.379563 _METI--C 0.395863 _MINU--C -0.263908 _NET--C -0.134514
_PACU--C 0.016204 _PARA--C -0.302106 _PERD--C 0.362868 _PETR--C 0.143110 _PLAS--C -0.035708 _RNDP--C 0.879727 _RECR--C -0.131644 _RHOD--C -0.529751 _RIPA--C 0.332812 _SABE--C -0.029002 _SADI--C -0.102645 _SIDN--C 0.182706 _SIDT--C 0.067334 _SOU--C 0.521635 _SUP--C 0.282847 _SUZ--C -0.054758 _TRA--C -0.033861 _TRIK--C -0.141722 _UNI--C 0.471458 _USI--C -0.266230 _VAL--C 0.385961 _VOT--C 0.260060
Weighted Statistics R-squared 1.000000 Mean dependent var 2.22E+13Adjusted R-squared 1.000000 S.D. dependent var 1.89E+15S.E. of regression 0.569239 Sum squared resid 50.22520F-statistic 2.42E+33 Durbin-Watson stat 1.894394Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.327010 Mean dependent var 0.236725Adjusted R-squared 0.044788 S.D. dependent var 0.530094S.E. of regression 0.518087 Sum squared resid 41.60427Durbin-Watson stat 2.300608
230
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:24 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 65 Total panel (unbalanced) observations: 231 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. EBEI? 0.050452 0.009009 5.599942 0.0000
VEBEI? 0.053899 0.018074 2.982079 0.0033Fixed Effects
_ACE--C 0.331403 _AMB--C 0.356670 _ARA--C 0.381486 _AVI--C 0.237471 _BAR--C 0.236726 _BEL--C 0.483851 _BOM--C -0.082041 _CAE--C 0.825941 _CIAH--C 0.149592 _COM--C 0.156346 _CON--C -0.260602 _COP--C 0.303629 _COT--C 0.280325 _DUR--C 0.294399 _ELE--C 0.072210
_EMBC--C 0.043286 _EMBE--C 0.555084 _ESTR--C 0.055519 _ETER--C 0.498739 _FERB--C 0.633678 _FTAU--C 0.265432
_FOSFL--C 0.350074 _FRAS--C 0.394673
_GDMET--C 0.313957 _GD--C 0.259669
_GLOB--C 0.238959 _GRA--C -0.114496 _IROM--C 0.467840 _INP--C -0.408753 _IOC--C -0.220317 _IPIP--C 0.064845 _IPIR--C -0.234226 _KLA--C -0.064864 _KUA--C -0.602935
_LAME--C -0.172192 _MAG--C 0.192644
_MANG--C -0.162930 _MARC--C 0.438487 _MLEV--C 0.453939
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
231
_METI--C 0.443925 _MINU--C -0.263849 _NET--C -0.147416
_PACU--C 0.080401 _PARA--C -0.199402 _PERD--C 0.431374 _PETR--C 0.210974 _PLAS--C 0.086721 _RNDP--C 0.879950 _RECR--C -0.261331 _RHOD--C -0.222702 _RIPA--C 0.409518 _SABE--C 0.097484 _SADI--C -0.000611 _SIDN--C 0.183264 _SIDT--C 0.272874 _SOU--C 0.625641 _SUP--C 0.361658 _SUZ--C 0.103308 _TEK--C 0.193922 _TRA--C 0.039455 _TRIK--C -0.384854 _UNI--C 0.523713 _USI--C -0.067847 _VAL--C 0.426577 _VOT--C 0.304284
Weighted Statistics R-squared 1.000000 Mean dependent var -
7.11E+12Adjusted R-squared 1.000000 S.D. dependent var 1.64E+15S.E. of regression 0.522414 Sum squared resid 44.75831F-statistic 2.26E+33 Durbin-Watson stat 2.299620Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.319253 Mean dependent var 0.228530Adjusted R-squared 0.045294 S.D. dependent var 0.528201S.E. of regression 0.516100 Sum squared resid 43.68295Durbin-Watson stat 2.332831
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:25 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 65 Total panel (unbalanced) observations: 236 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob.
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
232
NOPAT? 0.101857 0.004253 23.94765 0.0000VNOPAT? 0.121845 0.013090 9.308051 0.0000
Fixed Effects _ACE--C 0.312675 _AMB--C 0.356054 _ARA--C 0.375511 _AVI--C 0.247843 _BAR--C 0.260176 _BEL--C 0.483994 _BOM--C -0.044964 _CAE--C 0.823541 _CIAH--C 0.149591 _COM--C 0.139109 _CON--C 0.179240 _COP--C 0.306658 _COT--C 0.271252 _DUR--C 0.282605 _ELE--C -0.084603
_EMBC--C 0.006016 _EMBE--C 0.545266 _ESTR--C -0.182421 _ETER--C 0.498576 _FERB--C 0.629618 _FTAU--C 0.265388
_FOSFL--C 0.327700 _FRAS--C 0.394665
_GDMET--C 0.313532 _GD--C 0.259546
_GLOB--C 0.226149 _GRA--C 0.590799 _IROM--C 0.624009 _INP--C -0.424331 _IOC--C -0.218769 _IPIP--C 0.064839 _IPIR--C -0.234450 _KLA--C -0.117924 _KUA--C -0.583649
_LAME--C -0.187712 _MAG--C 0.199270
_MANG--C -0.162962 _MARC--C 0.444035 _MLEV--C 0.438448 _METI--C 0.411721 _MINU--C -0.263838 _NET--C -0.146866
_PACU--C 0.038995 _PARA--C -0.227419 _PERD--C 0.416831 _PETR--C 0.201994 _PLAS--C 0.084078 _RNDP--C 0.879961 _RECR--C -0.280471 _RHOD--C -0.262705 _RIPA--C 0.409057 _SABE--C 0.085105 _SADI--C -0.042114 _SIDN--C 0.183246 _SIDT--C 0.229577 _SOU--C 0.611726 _SUP--C 0.379352
233
_SUZ--C 0.084958 _TEK--C 0.000841 _TRA--C 0.053357 _TRIK--C 0.362499 _UNI--C 0.526779 _USI--C -0.163756 _VAL--C 0.413435 _VOT--C 0.299991
Weighted Statistics R-squared 1.000000 Mean dependent var 1.12E+14Adjusted R-squared 1.000000 S.D. dependent var 1.72E+15S.E. of regression 0.530949 Sum squared resid 47.64220F-statistic 2.46E+33 Durbin-Watson stat 2.293381Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.325971 Mean dependent var 0.224478Adjusted R-squared 0.062741 S.D. dependent var 0.538354S.E. of regression 0.521193 Sum squared resid 45.90745Durbin-Watson stat 2.346097
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:27 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 64 Total panel (unbalanced) observations: 232 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. RI? -0.491922 0.011646 -42.23868 0.0000
VRI? 0.089313 0.003422 26.09982 0.0000Fixed Effects
_ACE--C -0.045737 _AMB--C 0.303508 _ARA--C 0.324093 _AVI--C 0.145503 _BAR--C 0.228477 _BEL--C 0.618057 _BOM--C -0.074043 _CAE--C 0.685862 _CIAH--C 0.149554 _COM--C 0.079134 _CON--C 0.424456 _COP--C 0.137424 _COT--C 0.271740 _DUR--C 0.237278 _ELE--C -0.199112
_EMBC--C 0.039342
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
234
_EMBE--C 0.504135 _ESTR--C 0.158015 _ETER--C 0.501847 _FERB--C 0.828739 _FTAU--C 0.265638
_FOSFL--C 0.388438 _FRAS--C 0.394668
_GDMET--C 0.313958 _GD--C 0.259661
_GLOB--C 0.111298 _IROM--C 0.583599 _INP--C -0.869933 _IOC--C -0.339356 _IPIP--C 0.064795 _IPIR--C -0.234836 _KLA--C -0.247111 _KUA--C -0.685872
_LAME--C -0.340639 _MAG--C 0.389658
_MANG--C -0.163254 _MARC--C 0.378154 _MLEV--C 0.564648 _METI--C 0.543926 _MINU--C -0.264125 _NET--C -0.292533
_PACU--C -0.002494 _PARA--C -0.490841 _PERD--C 0.391903 _PETR--C 0.258621 _PLAS--C -0.882548 _RNDP--C 0.879671 _RECR--C -0.388244 _RHOD--C -0.350165 _RIPA--C 0.449590 _SABE--C 0.033563 _SADI--C -0.021255 _SIDN--C 0.183031 _SIDT--C 0.115304 _SOU--C 0.662222 _SUP--C 0.100840 _SUZ--C 0.111869 _TEK--C 0.351207 _TRA--C -0.287632 _TRIK--C 0.196707 _UNI--C 0.653742 _USI--C -0.265849 _VAL--C 0.371731 _VOT--C 0.285909
Weighted Statistics R-squared 1.000000 Mean dependent var 2.09E+13Adjusted R-squared 1.000000 S.D. dependent var 3.19E+14S.E. of regression 0.502718 Sum squared resid 41.95247F-statistic 9.30E+31 Durbin-Watson stat 2.405862Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.343555 Mean dependent var 0.241042Adjusted R-squared 0.086514 S.D. dependent var 0.532209S.E. of regression 0.508666 Sum squared resid 42.95110Durbin-Watson stat 2.390768
235
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:28 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 64 Total panel (unbalanced) observations: 226 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. EVA? -0.128155 0.009383 -13.65762 0.0000
VEVA? 0.532578 0.015933 33.42615 0.0000Fixed Effects
_ACE--C -0.045816 _AMB--C 0.352631 _ARA--C 0.367689 _AVI--C 0.048435 _BAR--C -0.007414 _BEL--C 0.498895 _BOM--C -0.084189 _CAE--C 0.835090 _CIAH--C 0.149577 _COM--C 0.120657 _CON--C 0.881749 _COP--C 0.212632 _COT--C 0.233875 _DUR--C 0.220817 _ELE--C -0.190637
_EMBC--C -0.006058 _EMBE--C 0.563751 _ESTR--C -0.319791 _ETER--C 0.499214 _FERB--C 0.675043 _FTAU--C 0.265388
_FOSFL--C 0.363964 _FRAS--C 0.394659
_GDMET--C 0.314049 _GD--C 0.259660
_GLOB--C 0.169662 _IROM--C 0.621613 _INP--C -0.677964 _IOC--C -0.423180 _IPIP--C 0.064774 _IPIR--C -0.234423 _KLA--C -0.149873 _KUA--C -0.633306
_LAME--C -0.356903 _MAG--C 0.207577
_MANG--C -0.162921 _MARC--C 0.421739
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
236
_MLEV--C 0.468798 _METI--C 0.443116 _MINU--C -0.624961 _NET--C -0.786192
_PACU--C 0.018868 _PARA--C -0.335583 _PERD--C 0.378962 _PETR--C 0.204428 _PLAS--C -0.266377 _RNDP--C 0.879687 _RECR--C -0.760500 _RHOD--C -0.137773 _RIPA--C 0.432917 _SABE--C 0.072819 _SADI--C -0.080470 _SIDN--C 0.183621 _SIDT--C 0.147079 _SOU--C 0.638115 _SUP--C 0.224270 _SUZ--C 0.128444 _TEK--C 0.330890 _TRA--C -0.088598 _TRIK--C 0.358689 _UNI--C 0.613405 _USI--C -0.171398 _VAL--C 0.421991 _VOT--C 0.294985
Weighted Statistics R-squared 1.000000 Mean dependent var 4.59E+12Adjusted R-squared 1.000000 S.D. dependent var 6.38E+14S.E. of regression 0.482014 Sum squared resid 37.17393F-statistic 3.94E+32 Durbin-Watson stat 2.338788Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.412024 Mean dependent var 0.236458Adjusted R-squared 0.173159 S.D. dependent var 0.533634S.E. of regression 0.485238 Sum squared resid 37.67292Durbin-Watson stat 2.324211
237
APÊNDICE N
Resultados dos modelos de regressões utilizando panel data (painel de dados),
identificando o impacto dos efeitos fixos, e autocorrelação (teste Durbin-Watson) da
distribuição dos resíduos, para a análise do conteúdo incremental das medidas de
performance, para o período de 1999 a 2003.
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:30 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 63 Total panel (unbalanced) observations: 210 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. CFO? 0.236082 0.150905 1.564438 0.1199
VCFO? 0.256927 0.092270 2.784510 0.0061EBEICFO? 0.017472 0.158148 0.110478 0.9122
VEBEICFO? 0.306925 0.095182 3.224593 0.0016Fixed Effects
_ACE--C 0.226022 _AMB--C 0.329664 _ARA--C 0.340565 _AVI--C 0.173269 _BAR--C 0.185674 _BEL--C 0.288283 _BOM--C -0.133970 _CAE--C 0.723497 _CIAH--C 0.149577 _COM--C 0.104978 _CON--C 0.743561 _COP--C 0.187630 _COT--C 0.232890 _DUR--C 0.229408 _ELE--C -0.035220
_EMBC--C -0.028595
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
238
_EMBE--C 0.500051 _ESTR--C -0.119354 _ETER--C 0.496124 _FERB--C 0.501814 _FTAU--C 0.265321
_FOSFL--C 0.151709 _FRAS--C 0.394575
_GDMET--C 0.312116 _GD--C 0.259277
_GLOB--C 0.205387 _IROM--C 0.336324 _INP--C -0.295988 _IOC--C -0.381979 _IPIP--C 0.064791 _IPIR--C -0.234481 _KLA--C -0.257138 _KUA--C -0.569681
_LAME--C -0.298849 _MAG--C 0.110866
_MANG--C -0.163420 _MARC--C 0.345816 _MLEV--C 0.344000 _METI--C 0.352190 _MINU--C -0.263868 _NET--C -0.242882
_PACU--C 0.023645 _PARA--C -0.307018 _PERD--C 0.362070 _PETR--C 0.108767 _PLAS--C -0.691207 _RNDP--C 0.879726 _RECR--C -0.426846 _RHOD--C -0.712829 _RIPA--C 0.311406 _SABE--C -0.074424 _SADI--C -0.120272 _SIDN--C 0.182749 _SIDT--C 0.025928 _SOU--C 0.527635 _SUP--C 0.295016 _SUZ--C -0.057619 _TRA--C -0.364299 _TRIK--C -0.484138 _UNI--C 0.475245 _USI--C -0.268903 _VAL--C 0.371372 _VOT--C 0.242312
Weighted Statistics R-squared 1.000000 Mean dependent var 5.32E+14Adjusted R-squared 1.000000 S.D. dependent var 6.71E+15S.E. of regression 1.242626 Sum squared resid 220.8092F-statistic 2.03E+33 Durbin-Watson stat 0.379176Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.365323 Mean dependent var 0.234672Adjusted R-squared 0.072396 S.D. dependent var 0.530528S.E. of regression 0.510963 Sum squared resid 37.33487Durbin-Watson stat 2.342545
239
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:31 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 63 Total panel (unbalanced) observations: 210 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. CFO? -0.190021 0.170891 -1.111941 0.2681
VCFO? 0.730286 0.117123 6.235208 0.0000EBEICFO? -0.405713 0.184910 -2.194113 0.0299
VEBEICFO? 0.784457 0.115333 6.801685 0.0000NOPATEBEI? -0.865377 0.230125 -3.760472 0.0002
VNOPATEBEI? 0.900355 0.164100 5.486607 0.0000Fixed Effects
_ACE--C 0.248374 _AMB--C 0.330750 _ARA--C 0.366068 _AVI--C 0.158291 _BAR--C 0.087837 _BEL--C 0.478073 _BOM--C -0.316578 _CAE--C 0.808920 _CIAH--C 0.149584 _COM--C 0.134639 _CON--C 1.031206 _COP--C 0.215524 _COT--C 0.247064 _DUR--C 0.283619 _ELE--C -0.145608
_EMBC--C 0.021076 _EMBE--C 0.538384 _ESTR--C -0.204890 _ETER--C 0.499010 _FERB--C 0.548335 _FTAU--C 0.265422
_FOSFL--C 0.310130 _FRAS--C 0.394643
_GDMET--C 0.313519 _GD--C 0.259751
_GLOB--C 0.139417 _IROM--C 0.503843 _INP--C -0.306669
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
240
_IOC--C -0.453174 _IPIP--C 0.064782 _IPIR--C -0.233900 _KLA--C -0.129845 _KUA--C -0.636397
_LAME--C -0.484769 _MAG--C 0.071498
_MANG--C -0.162511 _MARC--C 0.402787 _MLEV--C 0.403664 _METI--C 0.484257 _MINU--C -0.263929 _NET--C -0.227417
_PACU--C 0.019567 _PARA--C -0.172659 _PERD--C 0.385980 _PETR--C 0.130995 _PLAS--C -0.890930 _RNDP--C 0.879691 _RECR--C -0.678849 _RHOD--C -0.589870 _RIPA--C 0.388189 _SABE--C 0.209844 _SADI--C -0.069931 _SIDN--C 0.184914 _SIDT--C 0.261187 _SOU--C 0.642466 _SUP--C 0.211420 _SUZ--C 0.131907 _TRA--C -0.465363 _TRIK--C -0.159659 _UNI--C 0.520265 _USI--C -0.103292 _VAL--C 0.447596 _VOT--C 0.245116
Weighted Statistics R-squared 1.000000 Mean dependent var -
1.72E+14Adjusted R-squared 1.000000 S.D. dependent var 2.42E+15S.E. of regression 0.514502 Sum squared resid 37.32442F-statistic 9.26E+32 Durbin-Watson stat 2.250433Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.382034 Mean dependent var 0.234672Adjusted R-squared 0.084007 S.D. dependent var 0.530528S.E. of regression 0.507755 Sum squared resid 36.35189Durbin-Watson stat 2.440094
241
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:32 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 63 Total panel (unbalanced) observations: 210 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. CFO? -0.180804 0.115926 -1.559653 0.1211
VCFO? 0.447074 0.067730 6.600847 0.0000EBEICFO? -0.264897 0.105799 -2.503781 0.0134
VEBEICFO? 0.294017 0.077173 3.809834 0.0002NOPATEBEI? -1.367210 0.176262 -7.756690 0.0000
VNOPATEBEI? 0.177570 0.167369 1.060945 0.2906RINOPAT? -1.549052 0.158252 -9.788535 0.0000
VRINOPAT? 0.077462 0.106038 0.730512 0.4663Fixed Effects
_ACE--C -0.504619 _AMB--C 0.081479 _ARA--C 0.012357 _AVI--C -0.283824 _BAR--C 0.088986 _BEL--C 0.219377 _BOM--C -0.351016 _CAE--C 0.041571 _CIAH--C 0.149523 _COM--C -0.172266 _CON--C 0.083316 _COP--C -0.552178 _COT--C -0.044201 _DUR--C -0.111010 _ELE--C -0.540909
_EMBC--C -0.227582 _EMBE--C 0.091342 _ESTR--C -1.067290 _ETER--C 0.493211 _FERB--C -0.246955 _FTAU--C 0.265011
_FOSFL--C -0.425339 _FRAS--C 0.394281
_GDMET--C 0.304474 _GD--C 0.257945
_GLOB--C -0.256519 _IROM--C -0.052324 _INP--C -1.002228 _IOC--C -0.473100
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
242
_IPIP--C 0.064462 _IPIR--C -0.235404 _KLA--C -0.695599 _KUA--C -0.691298
_LAME--C -0.822182 _MAG--C -0.328815
_MANG--C -0.164008 _MARC--C -0.089470 _MLEV--C 0.047088 _METI--C -0.079983 _MINU--C -0.263829 _NET--C -0.510381
_PACU--C -0.231805 _PARA--C -1.109191 _PERD--C 0.031437 _PETR--C -0.229997 _PLAS--C -1.108700 _RNDP--C 0.878712 _RECR--C -0.667182 _RHOD--C -0.815256 _RIPA--C -0.052504 _SABE--C -0.338035 _SADI--C -0.586918 _SIDN--C 0.183263 _SIDT--C -0.526183 _SOU--C 0.155367 _SUP--C -0.331928 _SUZ--C -0.336382 _TRA--C -0.897144 _TRIK--C -0.438625 _UNI--C -0.138769 _USI--C -0.747437 _VAL--C 0.044930 _VOT--C -0.077167
Weighted Statistics R-squared 1.000000 Mean dependent var 4.51E+12Adjusted R-squared 1.000000 S.D. dependent var 3.76E+14S.E. of regression 0.464480 Sum squared resid 29.98813F-statistic 1.96E+31 Durbin-Watson stat 2.087205Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.470519 Mean dependent var 0.234672Adjusted R-squared 0.203874 S.D. dependent var 0.530528S.E. of regression 0.473368 Sum squared resid 31.14675Durbin-Watson stat 2.170690
243
Resultados para o modelo de regressão:
Dependent Variable: RET? Method: GLS (Cross Section Weights) Date: 10/25/04 Time: 17:33 Sample: 1999 2003 Included observations: 5 Number of cross-sections used: 62 Total panel (unbalanced) observations: 205 White Heteroskedasticity-Consistent Standard Errors & Covariance Cross sections without valid observations dropped
Variable Coefficient Std. Error t-Statistic Prob. CFO? -0.166749 0.180688 -0.922857 0.3578
VCFO? 0.231165 0.145964 1.583709 0.1156EBEICFO? -0.342745 0.195206 -1.755810 0.0814
VEBEICFO? 0.123921 0.158315 0.782749 0.4352NOPATEBEI? -1.804372 0.282316 -6.391322 0.0000
VNOPATEBEI? -0.270411 0.232756 -1.161779 0.2474RINOPAT? -1.276732 0.166305 -7.677066 0.0000
VRINOPAT? 0.838802 0.151603 5.532890 0.0000EVARI? 1.077373 0.138405 7.784188 0.0000
VEVARI? 0.739526 0.135593 5.454004 0.0000Fixed Effects
_ACE--C -0.414741 _AMB--C -0.000211 _ARA--C -0.027034 _AVI--C 0.106852 _BAR--C 0.496325 _BEL--C 0.481467 _BOM--C -0.028044 _CAE--C -0.034453 _CIAH--C 0.149512 _COM--C -0.181218 _CON--C 0.016937 _COP--C -0.446475 _COT--C -0.006515 _DUR--C -0.048142 _ELE--C -0.375542
_EMBC--C -0.098127 _EMBE--C -0.047909 _ESTR--C -0.400229 _ETER--C 0.495552 _FERB--C -0.093279 _FTAU--C 0.265563
_FOSFL--C -0.421329 _FRAS--C 0.394305
_GDMET--C 0.306441 _GD--C 0.258478
_GLOB--C -0.280846 _IROM--C 0.212059
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
244
_INP--C -1.124161 _IOC--C -0.036763 _IPIP--C 0.064545 _IPIR--C -0.234699 _KLA--C -0.567470 _KUA--C -0.517707
_LAME--C -0.515045 _MAG--C 0.217913
_MANG--C -0.162962 _MARC--C -0.032024 _MLEV--C 0.042455 _METI--C 0.020882 _MINU--C -0.624173 _NET--C -0.831380
_PACU--C -0.240091 _PARA--C -1.133683 _PERD--C 0.153502 _PETR--C -0.271572 _PLAS--C -1.079825 _RNDP--C 0.878426 _RECR--C 0.079545 _RIPA--C 0.124836 _SABE--C -0.259707 _SADI--C -0.204260 _SIDN--C 0.185437 _SIDT--C 0.017599 _SOU--C 0.021116 _SUP--C 0.083682 _SUZ--C -0.047011 _TRA--C -0.453961 _TRIK--C -0.111885 _UNI--C 0.076848 _USI--C -0.285348 _VAL--C 0.026668 _VOT--C -0.032816
Weighted Statistics R-squared 1.000000 Mean dependent var -
3.12E+13Adjusted R-squared 1.000000 S.D. dependent var 6.84E+14S.E. of regression 0.472065 Sum squared resid 29.63845F-statistic 4.76E+31 Durbin-Watson stat 1.839911Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.548179 Mean dependent var 0.235645Adjusted R-squared 0.306982 S.D. dependent var 0.527969S.E. of regression 0.439522 Sum squared resid 25.69294Durbin-Watson stat 2.290203
245
APÊNDICE O
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo relativo das medidas de
performance, para os anos de 1999 a 2003 (analisados conjuntamente).
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/28/04 Time: 14:47 Sample: 1 330 Included observations: 221 Excluded observations: 109 Variable Coefficient Std. Error t-Statistic Prob. C 0.172606 0.045657 3.780512 0.0002 VCFO_01 0.025513 0.103399 0.246748 0.8053 CFO_01 0.218824 0.113396 1.929737 0.0549 R-squared 0.028982 Mean dependent var 0.236725 Adjusted R-squared 0.020074 S.D. dependent var 0.530094 S.E. of regression 0.524747 Akaike info criterion 1.561681 Sum squared resid 60.02834 Schwarz criterion 1.607809 Log likelihood -169.5657 F-statistic 3.253374 Durbin-Watson stat 1.290682 Prob(F-statistic) 0.040528
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + ejt (1)
246
0
5
10
15
20
25
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 330Observations 221
Mean 3.72E-17Median -0.084277Maximum 1.293765Minimum -1.122001Std. Dev. 0.522356Skewness 0.482342Kurtosis 2.496605
Jarque-Bera 10.90286Probability 0.004290
White Heteroskedasticity Test: F-statistic 1.812873 Probability 0.127408 Obs*R-squared 7.178360 Probability 0.126758 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/28/04 Time: 15:25 Sample: 1 330 Included observations: 221 Excluded observations: 109 Variable Coefficient Std. Error t-Statistic Prob. C 0.306809 0.030524 10.05154 0.0000 VCFO_01 0.134477 0.065628 2.049098 0.0417 VCFO_01^2 -0.018785 0.073927 -0.254107 0.7997 CFO_01 -0.052580 0.113670 -0.462568 0.6441 CFO_01^2 -0.113191 0.107211 -1.055781 0.2922 R-squared 0.032481 Mean dependent var 0.271621 Adjusted R-squared 0.014564 S.D. dependent var 0.333045 S.E. of regression 0.330610 Akaike info criterion 0.646613 Sum squared resid 23.60951 Schwarz criterion 0.723494 Log likelihood -66.45071 F-statistic 1.812873 Durbin-Watson stat 1.625001 Prob(F-statistic) 0.127408
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/28/04 Time: 15:04 Sample: 1 330 Included observations: 231 Excluded observations: 99
RETjt = β0 + β1 (∆EBEIJt / Pjt –1) + β2 (EBEIJt / Pjt –1) + ejt (2)
247
Variable Coefficient Std. Error t-Statistic Prob. C 0.184957 0.035136 5.263981 0.0000 VEBEI_01 -0.093987 0.127712 -0.735928 0.4625 EBEI_01 0.446682 0.105665 4.227323 0.0000 R-squared 0.077481 Mean dependent var 0.228530 Adjusted R-squared 0.069389 S.D. dependent var 0.528201 S.E. of regression 0.509546 Akaike info criterion 1.502309 Sum squared resid 59.19727 Schwarz criterion 1.547015 Log likelihood -170.5167 F-statistic 9.574739 Durbin-Watson stat 1.102512 Prob(F-statistic) 0.000102
0
5
10
15
20
25
-1.0 -0.5 0.0 0.5 1.0 1.5
Series: ResidualsSample 1 330Observations 231
Mean 5.67E-17Median -0.120055Maximum 1.442974Minimum -1.106285Std. Dev. 0.507326Skewness 0.615717Kurtosis 2.653036
Jarque-Bera 15.75434Probability 0.000379
White Heteroskedasticity Test: F-statistic 2.415926 Probability 0.049656 Obs*R-squared 9.472461 Probability 0.050316 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/28/04 Time: 16:08 Sample: 1 330 Included observations: 231 Excluded observations: 99 Variable Coefficient Std. Error t-Statistic Prob. C 0.252132 0.025368 9.939052 0.0000 VEBEI_01 0.030182 0.087259 0.345886 0.7298 VEBEI_01^2 0.114364 0.116911 0.978213 0.3290 EBEI_01 -0.180773 0.073495 -2.459657 0.0147 EBEI_01^2 0.092312 0.079404 1.162564 0.2462 R-squared 0.041006 Mean dependent var 0.256265 Adjusted R-squared 0.024033 S.D. dependent var 0.330197 S.E. of regression 0.326205 Akaike info criterion 0.618825 Sum squared resid 24.04857 Schwarz criterion 0.693336 Log likelihood -66.47428 F-statistic 2.415926 Durbin-Watson stat 1.388268 Prob(F-statistic) 0.049656
248
0
5
10
15
20
25
-1.0 -0.5 0.0 0.5 1.0 1.5
Series: ResidualsSample 1 330Observations 231
Mean 5.67E-17Median -0.120055Maximum 1.442974Minimum -1.106285Std. Dev. 0.507326Skewness 0.615717Kurtosis 2.653036
Jarque-Bera 15.75434Probability 0.000379
White Heteroskedasticity Test: F-statistic 2.415926 Probability 0.049656 Obs*R-squared 9.472461 Probability 0.050316 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/28/04 Time: 16:29 Sample: 1 330 Included observations: 231 Excluded observations: 99 Variable Coefficient Std. Error t-Statistic Prob. C 0.252132 0.025368 9.939052 0.0000 VEBEI_01 0.030182 0.087259 0.345886 0.7298 VEBEI_01^2 0.114364 0.116911 0.978213 0.3290 EBEI_01 -0.180773 0.073495 -2.459657 0.0147 EBEI_01^2 0.092312 0.079404 1.162564 0.2462 R-squared 0.041006 Mean dependent var 0.256265 Adjusted R-squared 0.024033 S.D. dependent var 0.330197 S.E. of regression 0.326205 Akaike info criterion 0.618825 Sum squared resid 24.04857 Schwarz criterion 0.693336 Log likelihood -66.47428 F-statistic 2.415926 Durbin-Watson stat 1.388268 Prob(F-statistic) 0.049656
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/28/04 Time: 15:06
RETjt = β0 + β1 (∆NOPATJt / Pjt –1) + β2 (NOPATJt / Pjt –1) + ejt (3)
249
Sample: 1 330 Included observations: 236 Excluded observations: 94 Variable Coefficient Std. Error t-Statistic Prob. C 0.190626 0.035822 5.321493 0.0000 VNOPAT_01 -0.085531 0.132883 -0.643655 0.5204 NOPAT_01 0.370503 0.114546 3.234547 0.0014 R-squared 0.046165 Mean dependent var 0.224478 Adjusted R-squared 0.037978 S.D. dependent var 0.538354 S.E. of regression 0.528033 Akaike info criterion 1.573314 Sum squared resid 64.96475 Schwarz criterion 1.617346 Log likelihood -182.6510 F-statistic 5.638523 Durbin-Watson stat 1.206868 Prob(F-statistic) 0.004061
0
5
10
15
20
25
30
-1.0 -0.5 0.0 0.5 1.0 1.5
Series: ResidualsSample 1 330Observations 236
Mean 3.29E-18Median -0.107427Maximum 1.511651Minimum -1.128915Std. Dev. 0.525781Skewness 0.606112Kurtosis 2.608487
Jarque-Bera 15.95723Probability 0.000343
White Heteroskedasticity Test: F-statistic 1.659420 Probability 0.160291 Obs*R-squared 6.591937 Probability 0.159089 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/28/04 Time: 16:32 Sample: 1 330 Included observations: 236 Excluded observations: 94 Variable Coefficient Std. Error t-Statistic Prob. C 0.280624 0.026294 10.67262 0.0000 VNOPAT_01 0.006815 0.087617 0.077776 0.9381 VNOPAT_01^2 0.014721 0.109454 0.134493 0.8931 NOPAT_01 -0.160872 0.075615 -2.127524 0.0344 NOPAT_01^2 0.072806 0.091532 0.795421 0.4272 R-squared 0.027932 Mean dependent var 0.275274 Adjusted R-squared 0.011100 S.D. dependent var 0.349862 S.E. of regression 0.347915 Akaike info criterion 0.747241 Sum squared resid 27.96133 Schwarz criterion 0.820627 Log likelihood -83.17439 F-statistic 1.659420 Durbin-Watson stat 1.595905 Prob(F-statistic) 0.160291
Resultados para o modelo de regressão:
250
Dependent Variable: RET_01 Method: Least Squares Date: 10/28/04 Time: 15:11 Sample: 1 330 Included observations: 232 Excluded observations: 98 Variable Coefficient Std. Error t-Statistic Prob. C 0.264906 0.038791 6.829137 0.0000 VRI_01 -0.175152 0.111731 -1.567614 0.1184 RI_01 0.152445 0.120061 1.269729 0.2055 R-squared 0.014888 Mean dependent var 0.241042 Adjusted R-squared 0.006284 S.D. dependent var 0.532209 S.E. of regression 0.530534 Akaike info criterion 1.582981 Sum squared resid 64.45576 Schwarz criterion 1.627551 Log likelihood -180.6258 F-statistic 1.730429 Durbin-Watson stat 1.288671 Prob(F-statistic) 0.179517
0
5
10
15
20
25
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 330Observations 232
Mean 5.50E-17Median -0.076641Maximum 1.292911Minimum -1.200611Std. Dev. 0.528232Skewness 0.481624Kurtosis 2.508243
Jarque-Bera 11.30681Probability 0.003506
White Heteroskedasticity Test: F-statistic 1.997988 Probability 0.095733 Obs*R-squared 7.890199 Probability 0.095684 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/28/04 Time: 16:36 Sample: 1 330 Included observations: 232 Excluded observations: 98 Variable Coefficient Std. Error t-Statistic Prob. C 0.248315 0.025877 9.596020 0.0000 VRI_01 0.143008 0.073143 1.955184 0.0518 VRI_01^2 0.031436 0.086714 0.362531 0.7173 RI_01 -0.203664 0.126953 -1.604249 0.1100 RI_01^2 -0.038942 0.146513 -0.265792 0.7906 R-squared 0.034009 Mean dependent var 0.277827 Adjusted R-squared 0.016988 S.D. dependent var 0.341938
RETjt = β0 + β1 (∆RIJt / Pjt –1) + β2 (RIJt / Pjt –1) + ejt (4)
251
S.E. of regression 0.339021 Akaike info criterion 0.695808 Sum squared resid 26.09034 Schwarz criterion 0.770091 Log likelihood -75.71376 F-statistic 1.997988 Durbin-Watson stat 1.675279 Prob(F-statistic) 0.095733
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 10/28/04 Time: 15:15 Sample(adjusted): 4 330 Included observations: 226 Excluded observations: 101 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.277189 0.040237 6.888932 0.0000 VEVA_01 0.203641 0.121331 1.678391 0.0947 EVA_01 0.288765 0.096508 2.992149 0.0031 R-squared 0.053186 Mean dependent var 0.236458 Adjusted R-squared 0.044694 S.D. dependent var 0.533634 S.E. of regression 0.521573 Akaike info criterion 1.549249 Sum squared resid 60.66450 Schwarz criterion 1.594655 Log likelihood -172.0652 F-statistic 6.263354 Durbin-Watson stat 1.270834 Prob(F-statistic) 0.002257
0
5
10
15
20
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 4 330Observations 226
Mean 7.71E-17Median -0.091144Maximum 1.317108Minimum -1.212077Std. Dev. 0.519249Skewness 0.448450Kurtosis 2.572936
Jarque-Bera 9.292479Probability 0.009598
White Heteroskedasticity Test: F-statistic 1.335823 Probability 0.257549 Obs*R-squared 5.335187 Probability 0.254601 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/28/04 Time: 16:38 Sample: 4 330 Included observations: 226
RETjt = β0 + β1 (∆EVAJt / Pjt –1) + β2 (EVAJt / Pjt –1) + ejt (5)
252
Excluded observations: 101 Variable Coefficient Std. Error t-Statistic Prob. C 0.245219 0.026198 9.360061 0.0000 VEVA_01 0.138959 0.092910 1.495634 0.1362 VEVA_01^2 -0.070145 0.110660 -0.633876 0.5268 EVA_01 -0.016915 0.086501 -0.195549 0.8451 EVA_01^2 0.101887 0.092938 1.096283 0.2741 R-squared 0.023607 Mean dependent var 0.268427 Adjusted R-squared 0.005935 S.D. dependent var 0.337400 S.E. of regression 0.336397 Akaike info criterion 0.680826 Sum squared resid 25.00902 Schwarz criterion 0.756502 Log likelihood -71.93337 F-statistic 1.335823 Durbin-Watson stat 1.466674 Prob(F-statistic) 0.257549
253
APÊNDICE P
Resultados dos modelos de regressões, dos testes de normalidade
(histograma), autocorrelação (Durbin-Watson) e heterocedasticidade (teste de White) da
distribuição dos resíduos, para a análise do conteúdo incremental das medidas de
performance, para os anos de 1999 a 2003 (analisados conjuntamente).
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 11/06/04 Time: 15:37 Sample: 1 330 Included observations: 210 Excluded observations: 120 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.161827 0.049702 3.255937 0.0013 VCFO_01 0.004956 0.153438 0.032303 0.9743 CFO_01 0.528919 0.159134 3.323745 0.0011 VEBEICFO_01 -0.076918 0.155346 -0.495141 0.6210 EBEICFO_01 0.527681 0.161434 3.268706 0.0013 R-squared 0.090058 Mean dependent var 0.234672 Adjusted R-squared 0.072303 S.D. dependent var 0.530528 S.E. of regression 0.510988 Akaike info criterion 1.518582 Sum squared resid 53.52738 Schwarz criterion 1.598275 Log likelihood -154.4511 F-statistic 5.072249 Durbin-Watson stat 1.131455 Prob(F-statistic) 0.000644
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1)
+ β4 (EBEICFOJt / Pjt –1) + ejt (6) (6)
254
0
10
20
30
40
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 330Observations 210
Mean -4.18E-17Median -0.127492Maximum 1.331556Minimum -1.076528Std. Dev. 0.506075Skewness 0.606484Kurtosis 2.621014
Jarque-Bera 14.13057Probability 0.000854
White Heteroskedasticity Test: F-statistic 2.025555 Probability 0.045113 Obs*R-squared 15.66695 Probability 0.047403 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/12/04 Time: 15:17 Sample: 1 330 Included observations: 210 Excluded observations: 120 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.312177 0.038190 8.174267 0.0000 VCFO_01 0.303667 0.123295 2.462928 0.0146 VCFO_01^2 -0.237444 0.142447 -1.666893 0.0971 CFO_01 -0.306673 0.156242 -1.962810 0.0510 CFO_01^2 -0.012766 0.083890 -0.152174 0.8792 VEBEICFO_01 0.223666 0.112333 1.991090 0.0478 VEBEICFO_01^2 0.097067 0.129163 0.751514 0.4532 EBEICFO_01 -0.196852 0.115678 -1.701722 0.0904 EBEICFO_01^2 0.027262 0.087740 0.310719 0.7563 R-squared 0.074605 Mean dependent var 0.254892 Adjusted R-squared 0.037773 S.D. dependent var 0.325302 S.E. of regression 0.319099 Akaike info criterion 0.595281 Sum squared resid 20.46666 Schwarz criterion 0.738728 Log likelihood -53.50448 F-statistic 2.025555 Durbin-Watson stat 1.356763 Prob(F-statistic) 0.045113
255
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 11/06/04 Time: 15:40 Sample: 1 330 Included observations: 210 Excluded observations: 120 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.159360 0.050803 3.136838 0.0020 CFO_01 0.493187 0.170925 2.885409 0.0043 VCFO_01 0.021502 0.183512 0.117169 0.9068 EBEICFO_01 0.455418 0.199812 2.279232 0.0237 VEBEICFO_01 -0.040491 0.207877 -0.194784 0.8458 NOPATEBEI_01 -0.155048 0.347252 -0.446499 0.6557 VNOPATEBEI_01 0.072848 0.309031 0.235731 0.8139 R-squared 0.090793 Mean dependent var 0.234672 Adjusted R-squared 0.063920 S.D. dependent var 0.530528 S.E. of regression 0.513292 Akaike info criterion 1.536821 Sum squared resid 53.48411 Schwarz criterion 1.648391 Log likelihood -154.3662 F-statistic 3.378591 Durbin-Watson stat 1.135066 Prob(F-statistic) 0.003383
0
10
20
30
40
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 330Observations 210
Mean -2.11E-17Median -0.124841Maximum 1.334443Minimum -1.073901Std. Dev. 0.505870Skewness 0.612314Kurtosis 2.627682
Jarque-Bera 14.33544Probability 0.000771
White Heteroskedasticity Test: F-statistic 2.028512 Probability 0.023584 Obs*R-squared 23.09479 Probability 0.026932 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/12/04 Time: 15:19
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + ejt (7)
256
Sample: 1 330 Included observations: 210 Excluded observations: 120 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C 0.314486 0.037457 8.396017 0.0000 CFO_01 -0.390780 0.179236 -2.180254 0.0304 CFO_01^2 0.080210 0.098041 0.818131 0.4143 VCFO_01 0.247821 0.123890 2.000334 0.0468 VCFO_01^2 -0.384125 0.143802 -2.671212 0.0082 EBEICFO_01 -0.296291 0.174119 -1.701655 0.0904 EBEICFO_01^2 -0.126366 0.094859 -1.332150 0.1844 VEBEICFO_01 0.127995 0.116758 1.096237 0.2743 VEBEICFO_01^2 0.223645 0.123996 1.803652 0.0728 NOPATEBEI_01 0.120800 0.192652 0.627037 0.5314 NOPATEBEI_01^2 1.017032 0.520923 1.952366 0.0523 VNOPATEBEI_01 -0.310675 0.177814 -1.747188 0.0822 VNOPATEBEI_01^2 -0.515165 0.217057 -2.373408 0.0186 R-squared 0.109975 Mean dependent var 0.254686 Adjusted R-squared 0.055760 S.D. dependent var 0.325707 S.E. of regression 0.316496 Akaike info criterion 0.596891 Sum squared resid 19.73340 Schwarz criterion 0.804093 Log likelihood -49.67361 F-statistic 2.028512 Durbin-Watson stat 1.316008 Prob(F-statistic) 0.023584
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 11/06/04 Time: 15:01 Sample: 1 330 Included observations: 210 Excluded observations: 120 Variable Coefficient Std. Error t-Statistic Prob. C 0.073870 0.055450 1.332200 0.1843 CFO_01 0.292590 0.189342 1.545302 0.1238 VCFO_01 -0.057467 0.203810 -0.281965 0.7783 EBEICFO_01 0.411131 0.222655 1.846495 0.0663 VEBEICFO_01 -0.229359 0.221929 -1.033480 0.3026 NOPATEBEI_01 -0.390117 0.416075 -0.937613 0.3496 VNOPATEBEI_01 -0.437636 0.397893 -1.099884 0.2727 RINOPAT_01 -0.537288 0.215548 -2.492659 0.0135 VRINOPAT_01 -0.343823 0.221794 -1.550188 0.1227 R-squared 0.150890 Mean dependent var 0.234672 Adjusted R-squared 0.117095 S.D. dependent var 0.530528 S.E. of regression 0.498500 Akaike info criterion 1.487484 Sum squared resid 49.94890 Schwarz criterion 1.630932
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + ejt (8)
257
Log likelihood -147.1859 F-statistic 4.464816 Durbin-Watson stat 1.094480 Prob(F-statistic) 0.000053
0
5
10
15
20
25
30
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 330Observations 210
Mean 4.76E-17Median -0.093744Maximum 1.393277Minimum -1.005998Std. Dev. 0.488866Skewness 0.662785Kurtosis 2.861973
Jarque-Bera 15.54163Probability 0.000422
White Heteroskedasticity Test: F-statistic 1.510183 Probability 0.099154 Obs*R-squared 23.36593 Probability 0.104297 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/12/04 Time: 15:22 Sample: 1 330 Included observations: 210 Excluded observations: 120 Variable Coefficient Std. Error t-Statistic Prob. C 0.289218 0.037783 7.654756 0.0000 CFO_01 -0.392765 0.167101 -2.350461 0.0198 CFO_01^2 0.067637 0.135043 0.500857 0.6170 VCFO_01 0.277953 0.139174 1.997168 0.0472 VCFO_01^2 -0.294189 0.155173 -1.895882 0.0595 EBEICFO_01 -0.172925 0.175778 -0.983769 0.3265 EBEICFO_01^2 -0.120860 0.135727 -0.890468 0.3743 VEBEICFO_01 0.077236 0.144074 0.536082 0.5925 VEBEICFO_01^2 0.199014 0.115374 1.724938 0.0861 NOPATEBEI_01 0.064487 0.293725 0.219549 0.8265 NOPATEBEI_01^2 0.438952 0.498747 0.880109 0.3799 VNOPATEBEI_01 -0.205604 0.271361 -0.757677 0.4496 VNOPATEBEI_01^2 -0.486637 0.314455 -1.547557 0.1234 RINOPAT_01 -0.020036 0.242408 -0.082652 0.9342 RINOPAT_01^2 0.213752 0.362875 0.589052 0.5565 VRINOPAT_01 0.132127 0.160846 0.821451 0.4124 VRINOPAT_01^2 0.113377 0.204023 0.555705 0.5791 R-squared 0.111266 Mean dependent var 0.237852 Adjusted R-squared 0.037589 S.D. dependent var 0.325334 S.E. of regression 0.319161 Akaike info criterion 0.631247 Sum squared resid 19.65973 Schwarz criterion 0.902203 Log likelihood -49.28089 F-statistic 1.510183 Durbin-Watson stat 1.289416 Prob(F-statistic) 0.099154
258
Resultados para o modelo de regressão:
Dependent Variable: RET_01 Method: Least Squares Date: 11/06/04 Time: 15:33 Sample: 1 330 Included observations: 205 Excluded observations: 125 Variable Coefficient Std. Error t-Statistic Prob. C 0.128089 0.052722 2.429536 0.0160 CFO_01 0.571111 0.199375 2.864510 0.0046 VCFO_01 -0.225924 0.198100 -1.140457 0.2555 EBEICFO_01 0.462797 0.259327 1.784608 0.0759 VEBEICFO_01 -0.215077 0.225364 -0.954356 0.3411 NOPATEBEI_01 -0.505045 0.489295 -1.032190 0.3033 VNOPATEBEI_01 -0.695094 0.432459 -1.607307 0.1096 RINOPAT_01 -0.131513 0.214377 -0.613467 0.5403 VRINOPAT_01 0.621334 0.296753 2.093777 0.0376 EVARI_01 0.716279 0.194224 3.687898 0.0003 VEVARI_01 1.167344 0.281459 4.147468 0.0001 R-squared 0.276072 Mean dependent var 0.235645 Adjusted R-squared 0.238756 S.D. dependent var 0.527969 S.E. of regression 0.460650 Akaike info criterion 1.339807 Sum squared resid 41.16641 Schwarz criterion 1.518115 Log likelihood -126.3302 F-statistic 7.398249 Durbin-Watson stat 1.334965 Prob(F-statistic) 0.000000
0
5
10
15
20
25
-1.0 -0.5 0.0 0.5 1.0
Series: ResidualsSample 1 330Observations 205
Mean 6.69E-17Median -0.039847Maximum 1.336849Minimum -1.063147Std. Dev. 0.449217Skewness 0.555858Kurtosis 3.018684
Jarque-Bera 10.55972Probability 0.005093
White Heteroskedasticity Test: F-statistic 1.566215 Probability 0.064992 Obs*R-squared 29.82237 Probability 0.072783 Test Equation:
RETjt = β0 + β1 (∆CFOJt / Pjt –1) + β2 (CFOJt / Pjt –1) + β3 (∆EBEICFOJt / Pjt –1) + β4
(EBEICFOJt / Pjt –1) + β5 (∆NOPATEBEIJt / Pjt –1) + β6 (NOPATEBEIJt / Pjt –1) + β7 (∆RINOPATJt / Pjt
–1) + β8 (RINOPATJt / Pjt –1) + β9 (∆EVARIJt / Pjt –1) + β10 (EVARIJt / Pjt –1) + ejt (9)
259
Dependent Variable: RESID^2 Method: Least Squares Date: 11/12/04 Time: 15:24 Sample: 1 330 Included observations: 205 Excluded observations: 125 Variable Coefficient Std. Error t-Statistic Prob. C 0.312299 0.034571 9.033460 0.0000 CFO_01 -0.147278 0.160757 -0.916154 0.3608 CFO_01^2 0.100606 0.121882 0.825437 0.4102 VCFO_01 0.113436 0.136709 0.829761 0.4077 VCFO_01^2 -0.220814 0.154792 -1.426524 0.1554 EBEICFO_01 -0.202137 0.173588 -1.164468 0.2457 EBEICFO_01^2 -0.011516 0.133138 -0.086498 0.9312 VEBEICFO_01 0.181765 0.146263 1.242729 0.2155 VEBEICFO_01^2 0.149711 0.122503 1.222097 0.2232 NOPATEBEI_01 0.017660 0.306733 0.057573 0.9542 NOPATEBEI_01^2 0.501234 0.456065 1.099040 0.2732 VNOPATEBEI_01 -0.082793 0.276266 -0.299688 0.7648 VNOPATEBEI_01^2 -0.692701 0.280178 -2.472359 0.0143 RINOPAT_01 0.630725 0.231174 2.728360 0.0070 RINOPAT_01^2 0.429561 0.327437 1.311888 0.1912 VRINOPAT_01 0.044653 0.199651 0.223654 0.8233 VRINOPAT_01^2 0.268045 0.293322 0.913823 0.3620 EVARI_01 0.245482 0.174140 1.409677 0.1603 EVARI_01^2 -0.185885 0.285397 -0.651319 0.5157 VEVARI_01 0.130460 0.187343 0.696370 0.4871 VEVARI_01^2 0.074319 0.241125 0.308218 0.7583 R-squared 0.145475 Mean dependent var 0.200812 Adjusted R-squared 0.052592 S.D. dependent var 0.286013 S.E. of regression 0.278390 Akaike info criterion 0.377217 Sum squared resid 14.26019 Schwarz criterion 0.717623 Log likelihood -17.66471 F-statistic 1.566215 Durbin-Watson stat 1.475260 Prob(F-statistic) 0.064992
260
APÊNDICE Q
Identificação das empresas e seus respectivos tipos de ação analisados, com
base nos identificadores do Eviews.
Identificação no Eviews Empresa/tipo de ação
ACE Acesita PN AMB Ambev PN ARA Aracruz PNB AVI Avipal ON BAR Bardella PN BEL Belgo Mineira PN BRAS Braskem PNA CAE Caemi PN CIAH Cia Hering PN COM Comgas PNA CON Confab PN COP Copesul ON COT Coteminas PN DUR Duratex PN ELE Electrolux PN EMBC Embraco PN EMBE Embraer PN ESTR Estrela PN ETER Eternit ON FERB Ferbasa PN FTAU Forjas Taurus PN FOSFL Fosfertil PN FRAS Fras-Le PN GDMET Gerdau Met PN GD Gerdau PN GLOB Globex PN GRA Gradiente PNA IROM Inds Romi PN
INP Inepar Construcoes PN
IOC Iochp-Maxion PN IPIP Ipiranga Pet PN IPIR Ipiranga Ref PN KLA Klabin PN KUA Kuala PN LAME Loj Americanas PN MAG Magnesita PNA MANG Mangels PN
261
MARC Marcopolo PN MLEV Metal Leve PN METI Metisa PN MINU Minupar PN NET Net PN PACU Pao de Acucar PN PARA Paranapanema PN PERD Perdigao PN PETR Petrobras PN PLAS Plascar PN RNDP Randon Part PN RECR Recrusul PN RHOD Rhodia-Ster ON RIPA Ripasa PN SABE Sabesp ON SADI Sadia SA PN SIDN Sid Nacional ON SIDT Sid Tubarao PN SOU Souza Cruz ON SUP Supergasbras PN SUZ Suzano Bahia Sul PN TEK Teka PN TRA Trafo PN TRIK Trikem PN UNI Unipar PNB USI Usiminas PNA VAL Vale Rio Doce PNA VOT Votorantim C P PN