INVESTIMENTO EM EMPRESAS BRASILEIRAS DE CAPITAL ABERTO: UM ESTUDO QUANTITATIVO DAS OPORTUNIDADES DE INVESTIMENTO PÓS- PLANO REAL

Tamanho: px
Começar a partir da página:

Download "INVESTIMENTO EM EMPRESAS BRASILEIRAS DE CAPITAL ABERTO: UM ESTUDO QUANTITATIVO DAS OPORTUNIDADES DE INVESTIMENTO PÓS- PLANO REAL"

Transcrição

1 INVESTIMENTO EM EMPRESAS BRASILEIRAS DE CAPITAL ABERTO: UM ESTUDO QUANTITATIVO DAS OPORTUNIDADES DE INVESTIMENTO PÓS- ANO REAL Igor Vasconcelos Noguera Mestre Dscente CEPEAD/UFMG Rua Dona Lbâna, 15. Ap. 63. Centro. Campnas / SP. Wagner Moura Lamouner Doutor Docente CEPEAD/CEPCON/UFMG Rua Antôno Paulno de Castro, 91. Ap. 30. Belo Horzonte / MG. RESUMO A maxmzação do valor da empresa drecona as decsões e o comportamento do seu gestor, que dante das oportundades de nvestmento, utlza modelos de avalação para reduzr a ncerteza de seus ganhos futuros. Assm, a presente pesqusa buscou responder se o ndcador q de Tobn é relevante na análse de oportundades de nvestmento em empresas brasleras no período pós-plano Real. A pesqusa mensurou e analsou 137 empresas brasleras de capal aberto e que tveram partcpação no Ibovespa entre 1994 e 009. Os resultados ndcaram que relevânca do ndcador q de Tobn, nas análses de oportundades de nvestmento para o nvestdor nterno, fo comprovada ao verfcar, através de um modelo empírco, que o ndcador q de Tobn se apresentou sgnfcatvo para o nível de nvestmento das empresas brasleras de capal aberto, no período pós-plano Real. Palavras-chave: Investmento; q de Tobn; Modelos Econométrcos com Dados em Panel. Área Temátca: Mercados Fnancero, de Crédo e de Capas. 1

2 1. INTRODUÇÃO Estudos relaconados às oportundades de nvestmento, estando estes lgados às cêncas econômcas ou à admnstração fnancera, possuem como característca prncpal a maxmzação do valor da empresa. O valor da empresa drecona as decsões e o comportamento de seu gestor, sendo ele o admnstrador ou o propretáro da empresa, assm como drecona as decsões dos nvestdores que estão nteressados em maxmzar o retorno e mnmzar o rsco de seus nvestmentos. O nvestdor tratado nesta pesqusa será classfcado como nvestdor que drecona suas decsões como admnstrador ou propretáro, este nvestdor será chamado de nvestdor nterno ou gestor. Ressalta-se que o gestor enquanto nvestdor nterno busca reduzr a sua ncerteza de ganhos futuros dante das oportundades de nvestmento apresentadas, utlzando modelos de avalação de empresas. Desta forma, sua utlzação pode servr como nstrumento para mensurar a performance da empresa. De forma geral, de acordo com Damodaran (007), os modelos de avalação de empresas podem ser dvddos em quatro classes que são mas utlzadas pelo mercado: os modelos baseados em atvos, os baseados em Fluxos Descontados, os modelos de dreos contngentes e os modelos baseados em múltplos de índces fnanceros (também chamada de avalação relatva). No que se refere aos modelos baseados em múltplos de índces fnanceros, a padronzação utlzando o valor de reposção dos atvos da empresa, dado pela razão entre o seu valor de mercado e o seu custo de reposção, torna-se, de acordo com Damodaran (007), uma boa alternatva para mensurar o real valor dos atvos da empresa. Um dos prmeros estudos que abordou o valor de reposção dos atvos da frma fo proposto por Kaldor em 1966, posterormente Tobn e Branard (1968) e Tobn (1969) apresentaram estudos mas aprofundados, consderando o custo de reposção dos atvos físcos da frma como o desembolso mínmo necessáro para repor sua capacdade produtva, em detrmento de consderar apenas o custo hstórco dos atvos. Essa relação entre o valor de mercado e o valor de reposção dos atvos físcos fcou conhecda como o q de Tobn. Bharadwaj, Bharadwaj e Konsynsky (1999) pontuam que meddas com base no mercado, tas como o q de Tobn, são superores àquelas com base na contabldade fnancera, pos refletem a valorzação mas próxma do valor econômco da frma e destaca as seguntes vantagens: o preço das ações representa a únca medda de valor dos aconstas; o preço das ações reflete pratcamente todos os aspectos do desempenho da frma; os preços das ações estão dsponíves no mercado; os preços das ações em geral ncorporam os movmentos geras do mercado, nflação e o rsco da frma; os preços das ações provêem uma base para avalar e mensurar o mpacto das decsões admnstratvas. Dante desse contexto, tem-se a segunte questão de pesqusa: o ndcador q de Tobn é relevante na análse de oportundades de nvestmento para o gestor, em empresas brasleras de capal aberto que tveram partcpação do índce BOVESPA, no período pós-plano Real? Para responder a questão problema teve-se como objetvo de pesqusa estmar um modelo empírco para verfcar se a varável q de Tobn é sgnfcatva para o nível de nvestmento, determnado pelo gestor, das empresas brasleras de capal aberto e que tveram partcpação no Ibovespa entre o período de 1994 a METODOLOGIA Modelo empírco do nível de nvestmento da frma O modelo empírco para analsar a relação entre o nível de nvestmento da frma e o q de Tobn, possu o objetvo de verfcar se a varável q é sgnfcatva para o nível de nvestmento da frma, que é determnado pelo gestor. Este modelo é baseado no modelo proposto ncalmente por Fazzar, Hubbard e Petersen (1988), sendo que para examnar estas

3 relações empregou-se um modelo de regressão com dados em panel, utlzando o software estatístco Stata versão A estrutura ncal fo projetado pelo modelo rrestro a segur: I = α β1 q β β3j t β4ct Equação 1 Em que: I = o nvestmento da frma no ano t; = o patrmôno líqudo da frma no ano t; q = o q de Tobn para a frma no ano t; = o Fluxo de Caxa Bruto da frma no ano t; J t = a taxa de juros no ano t; C t = a taxa de câmbo no ano t; β = os coefcentes das varáves ndependentes; = é o termo de erro. Para mensurar o nível de nvestmento da frma no período t, utlzou uma taxa de nvestmento dada pela relação entre os nvestmentos totas da frma e patrmôno líqudo, obtdo através dos demonstratvos fnanceros não consoldados das empresas. Esse índce fo utlzado para captar a relação entre os nvestmentos totas realzadas pela frma com o valor da empresa para os aconstas, obtendo uma taxa que é proporconal ao tamanho da frma. O q de Tobn fo empregado como uma proxy das novas oportundades de nvestmento. Já o Fluxo de Caxa Bruto (B), que corresponde à quantdade de fundos nternos dsponíves à empresa, fo empregado como varável de controle desejando captar a magnude do fnancamento de capal própro. Para as empresas que possam enfrentar restrções fnanceras, o B deve exercer um papel mportante na determnação do nível de nvestmento empreenddo durante um período corrente. Optou-se por adotar a varável Fluxo de Caxa Bruto ao nvés da varável Fluxo de Caxa Descontado (D) ou da varável Fluxo de Caxa Lvre (L), pelas as seguntes razões: A mensuração correta do D depende da precsa mensuração da taxa de desconto, no qual uma estmatva mprecsa pode provocar uma grande dferença no resultado. Dado que a taxa de desconto aproprada, a qual refla os rscos nerentes aos fluxos estmados, consderando que as empresas não possuem prazo de vda determnado, conforme o prncípo da contnudade, o cálculo de seu valor é baseado na estmatva de fluxos nfnos. Esta estmatva é uma nformação estratégca para as empresas e obvamente não são dvulgadas. Além dsso, como relatado nos métodos de mensuração do Fluxo de Caxa Descontado, do Fluxo de Caxa Lvre e do Fluxo de Caxa Bruto, o método de avalação por D pode necessar de algumas adaptações em função de certas partculardades das empresas. Em relação ao L, como também já relatado nos métodos de mensuração do Fluxo de Caxa Descontado, o L representa o total de dnhero dsponível na empresa após consderar os nvestmentos em atvos permanentes e as necessdades de capal de gro, assumndo que não exste pagamento de juros relatvos às despesas fnanceras. Como o objetvo desta pesqusa é utlzar uma varável capaz de explcar os nvestmentos das empresas, a varável L podera não ser a melhor escolha. Dado que as observações foram coletadas nos demonstratvos fnanceros não consoldados e ajustadas pelo IGP-DI, optou-se por empregar a varável Fluxo de Caxa Bruto que será mensurada pela adção do lucro líqudo com as deprecações e amortzações. A varável também será dvdda pelo patrmôno líqudo da frma a fm de obter uma taxa que é proporconal ao tamanho da frma. A varável J t é empregada para representar a taxa de juros que nfluenca a tomada de decsão do nvestdor nterno. Pretende-se adotar a taxa de juros de longo prazo - TJLP, vsto 3

4 que tal taxa de juros é defnda pelo Banco Naconal de Desenvolvmento Econômco e Socal - BNDES, como o custo básco de fnancamento conceddo pelo banco e fxado pelo Conselho Monetáro Naconal - CMN. Outra varável que também poderá afetar o gestor na tomada de decsão do nível de nvestmento é a taxa de câmbo - C t, no qual se pretende adotar o valor da taxa de câmbo de referênca do dólar dos Estados Undos da Amérca, conhecda no mercado como a taxa PTAX, que é a méda das taxas efetvas de transação no mercado nterbancáro, ponderada pelo volume de transações. Gujarat (006) relata que o modelo de regressão com dados em panel possu algumas vantagens, tas como, o tamanho da amostra aumenta consderavelmente e os dados em panel são mas ndcados para estudar a dnâmca da mudança, pos analsam observações de corte transversal repetdas, na presente pesqusa, as empresas brasleras de capal aberto. Verbeek (001) relata como mportante vantagem, ao se empregar de dados em panel em relação às séres de tempo ou aos conjuntos de dados de corte transversal, a possbldade de dentfcação de certos parâmetros ou questões, sem a necessdade de se fazer assunções restrvas; exemplo é a possbldade de análse de mudanças em nível ndvdual. O modelo empregado para o cálculo do q de Tobn Embora tenham sdo propostos na leratura város métodos para calcular o ndcador de desempenho q de Tobn, o método consderado de maor robustez fo desenvolvdo por Lndenberg e Ross (1981). Contudo, estudos realzados comprovam que aproxmações dferentes tendem a gerar valores semelhantes de q (CHUNG; PRUITT, 1994). Deste modo optou-se por usar o método de aproxmação de Chung e Prut (1994) para o cálculo do ndcador q de Tobn, no qual a dferença chave entre o método L&R e o método C-P se dá pela aproxmação do valor de substução de recursos por seus valores nomnas. Observa-se também, como justfcatva ao uso desta smplfcação, a ndsponbldade de nformações necessáras para o emprego de métodos mas sofstcados, como o método mas tradconal proposto por Lndenberg e Ross (1981). O método C-P, defne um q aproxmado como: VMao VCap VCDlp VCest VCDcp VCRcp q = Equação AT Em que: q = o valor aproxmado do q de Tobn; VMao = o valor de mercado das ações ordnáras; VCap = o valor contábl das ações preferencas da frma; VCDlp = o valor contábl da dívda de longo prazo da frma; VCest = o valor contábl dos estoques (nventáro) da frma; VCDcp = o valor contábl da dívda de curto prazo; VCRcp = o valor contábl dos recursos atuas da frma; e AT = o valor contábl dos recursos totas da frma. O valor de mercado das ações ordnáras e preferencas será calculado smplesmente multplcando o número de ações ordnáras e preferencas da frma pela sua respectva cotação na bolsa de valores. O valor contábl da dívda de longo prazo da frma será obtdo através do seu exgível de longo prazo. O valor contábl da dívda de curto prazo se dá através das obrgações atuas da frma, representado pelo seu passvo crculante. Assm como o valor contábl dos recursos atuas da frma será expresso através dos seus atvos crculantes. Já para expressar o valor contábl dos recursos totas da frma empregar-se-á o seu atvo total. Deve-se ressaltar que o método C-P ncalmente fo desenvolvdo para o mercado amercano onde as ações preferencas amercanas possuem um caráter perpétuo com 4

5 dvdendos fxos e, portanto, são comercalzadas como bônus. Já no mercado de capas braslero as ações preferêncas não apresentam a mesma característca, sendo adotado o valor de mercado das ações preferencas, ao nvés do valor contábl como descro no método C-P. Observa-se anda que este método utlza essencalmente dados contábes, podendo se calcular o q a partr de nformações encontradas nos demonstratvos fnanceros das empresas. Assm, pretende-se aplcar a metodologa do q aproxmado de Chung e Prut (1994) nas empresas brasleras, não fnanceras, de capal aberto com ações negocadas na BOVESPA, mensurando e analsando o seu comportamento no período de 1995 a 008. Modelos restros do nível de nvestmento da frma Assm, o modelo de regressão com dados em panel não apenas é convenente para modelar de forma ndvdual o comportamento das frmas, mas também para verfcar o comportamento ndvdual da frma em dferentes períodos de tempo. A partr do modelo de regressão ncal defndo anterormente verfcou-se também algumas varações do modelo rrestro, tas como, defasagens no período de tempo (t-1 e t-4) para algumas varáves. 1º) Defasagens temporas na varável fcpl: I 1 = α β1 q β β3jt β4ct Equação 3 I = α β q β β3jt β4ct 4 Empregado para verfcar se o Fluxo de Caxa Bruto ponderado pelo patrmôno líqudo (fcpl) dsponível em períodos anterores, explcam o nível de nvestmento da frma. Observa-se que como as varáves foram coletadas trmestralmente a defasagem em um período (t-1) reflete um trmestre anteror e a defasagem em (t-4) ao ano anteror. º) Defasagens temporas na varável q: I = α β1 q 1 β β3jt β4ct Equação 5 I = α β1 q 4 β β3jt β4ct Assm como na defasagem da varável fcpl, pretendeu-se verfcar se a varável q, do trmestre anteror e do ano anteror, explca o nível de nvestmento da frma. 3º) Defasagens temporas na taxa de juros e na taxa de câmbo: I = α β1 q β β3j t 1 β4ct Equação 7 I I I = α β1 q β β3jt 4 β4ct = α β1 q β β3j t β4ct 1 = α β1 q β β3jt β4ct 4 As defasagens na taxa de juros, bem como na taxa de câmbo, permram verfcar se a taxa de juros ou a taxa de câmbo do trmestre anteror e do ano anteror explca o nível de Equação 4 Equação 6 Equação 8 Equação 9 Equação 10 5

6 nvestmento da frma no período analsado. Pretendeu-se também verfcar as defasagens smultâneas entre as varáves fcpl e q e entre as varáves taxa de juros e taxa de câmbo. 4º) Defasagens temporas smultâneas nas varáves q e fcpl: I 1 = α β1 q 1 β β3jt β4ct Equação 11 I I I = α β q 4 β β3jt β4ct 4 5º) Defasagens temporas smultâneas nas taxas de juros e de câmbo: α β1 q β β3jt 1 β4ct 1 = = α β1 q β β3jt 4 β4ct 4 6º) Defasagens temporas ndvduas nas varáves q e fcpl: Empregado para verfcar se a varável q e a varável fcpl, são capazes de explcar ndvdualmente de forma sgnfcatva o nível de nvestmento da frma. Para sso pretendeuse empregar os modelos restros descro a segur: I = α β1 q βq 1 βq 4 β3q 8 Equação 15 Neste modelo a varável q fo empregada no período corrente da taxa de nvestmento, bem como defasada em um trmestre (t-1), em um ano (t-4) e em dos anos (t-8). I = α β1 β β3 β4 Equação De forma smlar ao modelo anteror, a varável fcpl fo empregada no período corrente da taxa de nvestmento, e também será defasada em um trmestre (t-1), em um ano (t-4) e em dos anos (t-8). 7º) Modelo Restro exclusvamente com as varáves q e fcpl: I = α β 1 q β 8 Equação 1 Equação 13 Equação 14 Equação 17 I I I I 8º) Modelo Restro exclusvamente com a varável q e a varável fcpl defasada: 1 = α β1 q β = α β q = α β β q β 8 Equação 18 Equação 19 Equação 0 9º) Modelo Restro exclusvamente com a varável q defasada e a varável fcpl: α β1 q 1 β = Equação 1 6

7 I I = α β1 q 4 β = α β1 q 8 β Equação Equação 3 Deve-se ressaltar que os modelos especfcados anterormente recorreram a técncas de estmação para tratamento de dados em panel, levando em consderação a possbldade presença de efeos específcos de cada frma, sendo necessáro empregar o método de regressão em panel com efeos fxos. E somente sob a suposção de não correlação e de homocedastcdade da dferença dos resíduos, ocorrendo quando os erros dossncrátcos, em nível, são um passeo aleatóro empregou-se a estmação de prmeras dferenças. Para verfcar a não correlação entre o componente específco e as varáves explcatvas fo também verfcado o método de regressão em panel com efeos aleatóros. Testes para a valdação dos modelos econométrcos A estatístca t tem por objetvo verfcar se cada uma das varáves explcatvas tem relação, sgnfcatva, com a varável dependente. Desse modo, testa se cada coefcente angular (β ) é gual a zero. A probabldade da estatístca t (p-valor) fo observada quando o p- valor é menor que 0,05, no qual se rejea a hpótese nula de que o coefcente angular (β ) é gual a zero, neste caso, sgnfca que a respectva varável explcatva exerce alguma nfluênca sobre a varável dependente. O R Ajustado é o coefcente de determnação ajustado e sua fnaldade é medr o grau de ajustamento do modelo de regressão aos dados observados, ndcando a proporção em que a varável dependente é explcada pelo conjunto de varáves ndependentes (ou varáves explcatvas). A estatístca F teve por fnaldade testar o efeo conjunto das varáves explcatvas sobre a varável dependente, ou seja, verfcar a sgnfcânca do modelo de regressão como um todo. Dentro desse contexto, a hpótese nula do teste é R =0, enquanto a hpótese alternatva é R >0. A probabldade da estatístca F (p-valor) é analsada quando o p- valor é menor que α 0,05, rejea-se a hpótese nula de que o R é gual a zero. Nesse caso, sgnfca que ao menos uma das varáves explcatvas do modelo exerce alguma nfluênca sobre a varável dependente. Para modelos de regressão com dados em panel o teste de Wald é um teste que segue a estatístca χ e é assntotcamente equvalente à estatístca F. Além dsso, as estatístcas t, as estatístcas F serão observadas para verfcar a exstênca de heterocedastcdade nos modelos de regressão, assm como o teste Breusch- Pagan. O teste de Breusch-Pagan também fo utlzado para confrontar as estmatvas entre o método de regressão com dados em panel com efeo combnado e o modelo de efeos aleatóros. O teste F também fo empregado para confrontar as estmatvas entre o método de regressão com dados em panel com efeo combnado e o modelo de efeos fxos. Para confrontar as estmatvas entre os métodos de regressão em panel com efeos fxos (EF) e efeos aleatóros (EA), utlzou-se o teste de Hausman. Caso se conclua que tas estmatvas não são estatstcamente guas, opta-se pelo EF, pos este é consstente ndependentemente da hpótese adconal de EA. Em caso contráro, o EA é mas efcente. Vale notar que o teste de Hausman fo utlzado somente quando os resultados de EF e EA dvergrem em relação à relevânca estatístca das varáves de maor nteresse, com uma tolerânca de até 10% de sgnfcânca. Essas dferentes possbldades de estmação permem enfrentar alguns dos possíves problemas na estrutura dos dados. Caso as empresas não possuam os dados econômco-fnanceros para todos os anos do período analsado, será necessáro trabalhar com estmatvas de dados em panel não balanceado (ou não equlbrado), no qual o número de observações dfere entre empresas que compõe a amostra. 7

8 Deve-se ressaltar que os autores Baltag (1995), Greene (1997), Wooldrdge (00) e Gujarat (006) relatam comumente como benefícos no uso de modelos econométrcos de regressão com dados em panel as seguntes vantagens: Não é necessára a dstrbução normal em grandes amostras, pos emprega um número maor de observações, pos combna a nformação temporal (ao longo do tempo) com a nformação entre ndvíduos, assegurando assm as propredades assntótcas dos estmadores. Desta forma os testes efetuados apresentam resultados assntótcos, ou seja, mesmo que os resíduos não tenham dstrbução normal, a dstrbução dos coefcentes será próxma da normal; Aumentam os graus de lberdade nas estmações, tornando as nferêncas estatístcas mas credíves (testes t e F mas sgnfcatvos, mas robustos); Reduz-se o rsco de multcolneardade, uma vez que os dados entre os ndvíduos apresentam estruturas dferentes; Perme ntroduzr ajustamentos dnâmcos, que no caso da análse cross-secton não seram possíves. Dessa forma a adoção dos modelos de regressão com dados em panel oferece respaldos estatístcos e econométrcos para a pesqusa centífca transmndo maor credbldade a pesqusa, devdo ao seu maor rgor metodológco. Consderações sobre os modelos econométrcos de regressão com dados em panel Destacam-se três abordagens prncpas no uso de modelos econométrcos de regressão com dados em panel. A prmera emprega modelos econométrcos com dados em panel com efeo combnado (Pooled Ordnary Least Squares- POLS), a segunda abordagem utlza dados em panel com efeos fxos e a tercera utlza dados em panel com efeos aleatóros. 1º) Dados em Panel com Efeo Combnado (Pooled Ordnary Least Squares- POLS): O POLS não consdera a exstênca de efeos não observáves característcos das undades de análse. Assm, tanto o ntercepto quanto a nclnação da reta de regressão servem para todas as empresas durante todo o período de tempo. Essa abordagem emplha os dados de nteresse e estma o modelo por Mínmos Quadrados Ordnáros (MQO). Logo, para que se tenham resultados estmados consstentes e efcentes, devem-se supor nesse tpo de abordagem as mesmas hpóteses báscas do modelo clássco de regressão lnear (lneardade nos parâmetros da regressão; normaldade dos resíduos, exogenedade das varáves explcatvas; não exstênca de multcolneardade perfea entre as varáves ndependentes e homocedastcdade, ou seja, varânca constante dos erros). Wooldrdge (00) relata que uma razão para se utlzar agrupamentos ndependentes de cortes transversas se dá através da necessdade de aumentar o tamanho da amostra. Dessa forma, para se obter estmadores mas precsos e poder realzar estatístcas de testes mas robustas, busca-se agrupar amostras aleatóras extraídas da mesma população, desde que em dstntos ntervalos de tempo. Tal agrupamento é conhecdo como poolng, contudo, somente será proveoso se a varável dependente tver relação constante ao longo do período observado com pelo menos uma varável ndependente. O autor destaca que uma vantagem mportante deste modelo é que ele elmna a correlação nos erros que possa exstr entre as dferentes observações, apesar de provocar algumas pequenas complcações estatístcas. O modelo geral para os dados em panel com efeo combnado é representado por: Y α β = X Equação 4 Nestes modelos a estmação é fea assumndo que os parâmetros α e β são comuns para todos os ndvíduos. Gujarat (006) relata que este método oferece, para uma dada amostra, estmatvas úncas dos parâmetros do modelo, de forma a proporconar o menor valor possível para o somatóro dos resíduos elevados ao quadrado. Esses estmadores são 8

9 conhecdos como estmadores de mínmos quadrados, já que dervam do prncípo dos mínmos quadrados; possuem propredades numércas, que são as que se sustentam em conseqüênca do uso dos mínmos quadrados ordnáros, quasquer que sejam as formas pelas quas foram gerados. Uma vez consderado que não exstem mudanças estruturas ao longo do tempo, as observações podem ser agrupadas em um únco pool, obtendo-se os estmadores por meo dos Mínmos Quadrados Ordnáros (MQO). Hansen (007) aponta que o MQO agrupado será consstente quando: E( x, ) = 0 Equação 5 Nessa condção, o MQO pode ser melhorado com uma técnca de Mínmos Quadrados Generalzados (MQG). Caso essa condção falhe, então o MQO é nconsstente e o MQO passa a ser uma estmatva pobre. Hansen (007) nomea a equação 30 de hpótese dos efeos aleatóros; é uma premssa robusta, que deve ter seu uso evado. Além dsso, destaca que os estmadores que se obtêm por meo dos agrupamentos de corte transversal (pooled crosssectons) podem ser consderados os mas smples para modelos de dados em panel; no entanto, poderão não ser os mas aproprados para muas suações, pos propcam um referencal mportante de comparação com os demas modelos, estes mas complexos. º) Dados em Panel com Efeos Fxos (EF): O modelo de efeos fxos objetva controlar os efeos das varáves omdas que varam entre ndvíduos e permanecem constantes ao longo do tempo. Supõe que a varação do ntercepto de um ndvíduo ao outro seja constante ao longo do tempo; ao passo que os parâmetros resposta são constantes para todos os ndvíduos e todos os períodos de tempo. O modelo geral para os dados em panel com efeos fxos é representado por: Y α β X β X... β X = 1 k kt Equação 6 Como neste modelo os parâmetros resposta não varam entre os ndvíduos e nem ao longo do tempo, todas as dferenças de comportamento entre os ndvíduos deverão ser captadas pelo ntercepto. Assm a estmação é fea assumndo que a heterogenedade dos ndvíduos é captada na constante α, que é dferente de ndvíduo para ndvíduo. Para verfcar se as suposções sobre o modelo estão adequadas é convenente testar se os nterceptos são dferentes entre os ndvíduos. Greene (1997) sugere a seguntes hpóteses: H 0 : α 1 = α =... = α k ; H A : os nterceptos α não são todos guas. Tas hpóteses podem ser testadas através da estatístca F dada pela segunte relação: F Em que: R = o coefcente de determnação da estmação do modelo com efeos fxos; EF POLS ( REF R ) POLS ( n ) ~ F ( n 1 nt n k ) ( 1 R ) ( ) 1 Equação 7 =, EF nt n k R = é o coefcente de determnação da estmação do modelo dados em panel com efeo combnado (POLS). Rejeando-se H 0, conclu-se que os nterceptos não são todos guas, satsfazendo a suposção do modelo de n nterceptos dferentes. Wooldrdge (00) observa que o estmador do ntercepto do modelo, α, apesar de não vesado, é nconsstente quando o número de ndvíduos observados é muo grande. Isso ocorre porque cada observação em corte secconal 9

10 adconada aumenta um novo coefcente α. Desse modo, os estmadores das frmas α serão melhores quando o número de períodos de tempo observado for grande. Wooldrdge (00) descreve que o modelo de efeos fxos é a melhor opção para modelar os dados em panel, quando o ntercepto, α, é correlaconado com as varáves explcatvas em qualquer período de tempo. Além dsso, como o ntercepto do modelo é tratado como um parâmetro fxo, também é desejável usar efeos fxos quando as observações são obtdas de toda a população e o que se deseja fazer são nferêncas para os ndvíduos dos quas se dspõe de dados. º) Dados em Panel com Efeos Aleatóros (EA): O modelo de efeos aleatóros possu as mesmas suposções do modelo de efeos fxos, sto é, o ntercepto vara de um ndvíduo para o outro, mas não ao longo do tempo, e os parâmetros resposta são constantes para todos os ndvíduos e em todos os períodos de tempo. A dferença entre os dos modelos refere-se ao tratamento do ntercepto. No modelo de efeos fxos os nterceptos são tratados como parâmetros fxos. Já o modelo de efeos aleatóros os nterceptos são tratados como varáves aleatóras. Desta forma o modelo EA consdera que os ndvíduos são amostras aleatóras de uma população maor de ndvíduos. O modelo geral para os dados em panel com efeos aleatóros é representado por: Y α β X β X... β X ω,tem-se que: ω η = 1 k kt = Equação 8 No modelo EA, o modelo é ajustado em relação aos nterceptos α, neste caso, assumndo que eles representam extrações ndependentes de uma população subjacente. Assm tas efeos são ndependentes das perturbações. Pode-se escrever α = α η, no qual a estmação é fea ntroduzndo a heterogenedade dos ndvíduos no termo de erro. Wooldrdge (00) apresenta quatro propredades do novo termo estocástcoω : 1º) E( ω ) = 0 º) α σ α var( ω ) = σ σ 3º) cov( ω, ω ) =, t s s 4º) cov( ω, ω ) = 0, j jt As duas prmeras propredades ndcam que ω possu méda zero e varânca constante, sto é, o erro é homocedástco. A tercera propredade relata que os erros do mesmo ndvíduo em dferentes períodos de tempo são correlaconados, caracterzando a autocorrelação. A últma propredade mostra que os erros de dferentes ndvíduos no mesmo nstante de tempo não são correlaconados, sto é, não exste correlação contemporânea. Como exste correlação entre os erros do mesmo ndvíduo em períodos de tempo dferentes, o método de mínmos quadrados ordnáros (MQO) não é o mas aproprado para estmar os coefcentes do modelo de efeos aleatóros. Desse modo, o método que oferece os melhores estmadores é o de mínmos quadrados generalzados (MQG). Para testar se o modelo de efeos aleatóros é aproprado, Greene (1997), relata que o testes aproprado é o teste Breusch-Pagan que fo desenvolvdo com base no multplcador de Lagrange, defnndo-se a segunte hpótese nula e alternatva: H : 0 (constante comum - pool, OLS); 0 σ α = : A σ α H 0 (efeos aleatóros, GLS). O teste de Breush-Pagan é um teste LM dado pela segunte relação: LM = ( nt T 1) n T ( ˆ ) 1 t 1 1 Equação 9 = = ~ x n T 1 ˆ = 1 t= 1 10

11 Sob a hpótese nula, LM tem dstrbução qu-quadrado com um grau de lberdade. Se a hpótese nula for acea, o modelo de efeos fxos é preferível ao modelo de efeos aleatóros. Caso contráro, deve-se assumr que o modelo de efeos aleatóros é melhor. Wooldrdge (00) defende que o prncpal determnante para decdr entre o modelo de efeos fxos e o modelo de efeos aleatóro é o efeo não observado α. Em suações em que α não é correlaconado com todas as varáves explcatvas, o modelo de efeos aleatóro é o mas ndcado. Caso contráro, se α for correlaconado com algumas varáves explcatvas, então o modelo de efeos fxos deve ser utlzado. Nesse últmo caso, o modelo de efeos aleatóro gera estmadores nconsstentes. Para checar se exste correlação entre α e as varáves explcatvas, Greene (1997) sugere o teste de Hausman e no qual é formulado a segunte hpótese nula e alternatva: H : E( α, ) 0, não é correlaconado com as varáves explcatvas; 0 X = H : E( α, X ) 0, é correlaconado com as varáves explcatvas. A Caso a hpótese nula seja acea, não há evdêncas que α seja correlaconado com as varáves explcatvas. Sendo assm, o modelo de efeos aleatóros deve ser utlzado. Por outro lado, se a hpótese alternatva for acea, deve-se utlzar o modelo de efeos fxos. A estatístca de Hausman utlzada para testar estas hpóteses é a segunte: H = 1 ( ˆ ˆ β β ) [ Var( ˆ β ) Var( ˆ β )] ( ˆ β ˆ β ) ~ χ Em que: βˆ fe = o vetor dos estmadores do modelo com efeos fxos; βˆ re = o vetor dos estmadores do modelo com efeos aleatóros; Var( βˆ fe ) = a matrz de varâncas-covarâncas dos estmadores βˆ fe ; ( ) re fe re fe re Var βˆ = a matrz de varâncas-covarâncas dos estmadores βˆ re ; k = o número de regressores. Como créro de seleção tem-se que se H > χ k deve-se rejear o modelo com efeos aleatóros. O modelo com efeos fxos é, nesse caso, mas aproprado. Consderando as partculardades dessas três abordagens empregadas no uso de dados em panel (POLS, EF e EA), é relevante testar a presença dos efeos não observáves no modelo, além de verfcar a correlação desses efeos com as varáves explcatvas. A segur apresenta-se um resumo esquemátco (FIG. ) das três hpóteses prncpas a serem testadas com o objetvo de decdr entre os modelos de dados em panel com efeo combnado, efeos fxos ou efeos aleatóros. As opções possíves podem ser analsadas por meo da Fgura, no qual destaque-se os testes F, Breusch-Pagan e Hausman para acear ou rejear as hpóteses nulas relaconadas com: A exstênca ou não de um únco ntercepto das undades de corte transversal; A varânca ser zero; e Os estmadores serem consstentes pelo MQG. fe re k Equação 30 11

12 Fgura : Fluxograma para decsão do melhor modelo de regressão com dados em panel Fonte: Adaptado de Rcher (007). Para melhor especfcação do modelo, deve-se também realzar os testes para verfcar a homocedastcdade e a autocorrelação dos resíduos em panel. O teste para verfcar a homocedastcdade fo desenvolvdo por Baum (001) e basea-se em uma modfcação do teste Wald, no qual a homocedastcdade entre as undades do corte transversal é a hpótese nula desse teste. Assm, para valores p nferores a 5% tem-se a rejeção da hpótese nula e, conseqüentemente, volação do pressuposto. A estatístca do teste é apresentada a segur: W = N g = 1 ( ˆ ˆ σ σ ) Equação 31 V T Em que = 1 ˆ σ T e é o estmador da varânca do erro, baseado nos T resíduos = 1 e, de cada undade em corte transversal; e V é o estmador da varânca dada pela equação: V = T 1 ( T 1) 1 T ( e t = 1 O teste de autocorrelação utlzado fo desenvolvdo por Drukker (003), com base no trabalho de Wooldrdge (00). Este teste utlza a prmera defasagem dos resíduos da regressão conforme equação: Segundo Drukker (003), regrde-se β ˆ σ ) Equação 3 y = y y 1 = X 1 Equação 33 y em relação à X para se obter os parâmetros β 1 e os resíduos ˆ. Caso não apresente autocorrelação, a correlação entre Corr(, 1 ) = 0,5. Dessa forma, nos casos em que o valor p for superor a 5% devese rejear essa hpótese, o que mplca dzer que o pressuposto fo volado. 1

13 3. AMOSTRA A amostra fo compreendda por empresas brasleras de capal aberto, não fnanceras, que tveram em algum momento, partcpação no Ibovespa entre o período de 1994 a 009. Devdo às partculardades nos demonstratvos contábes das empresas fnanceras, sobretudo por estas trabalharem essencalmente alavancadas, optou-se por não empregá-las nesta pesqusa. Optou-se por adotar as empresas brasleras que tveram partcpação em algum momento no Ibovespa, vsando à partcpação de empresas que tenham lqudez em seus atvos, contudo, evando uma grande restrção do número de empresas partcpantes da amostra, o que ocorrera caso optasse por escolher apenas empresas com partcpação no Ibovespa ao longo de todo o período seleconado. A razão do período seleconado para a coleta dos dados deve-se às dstorções assocadas ao período nflaconáro vgente no Brasl anteror a Os dados empregados nesta pesqusa foram coletados junto às bases de dados dsponíves no sstema ECONOMATICA e na base de dados da BM&FBOVESPA, entre janero de 1994 e setembro de 009. A amostra fo composta por 137 empresas classfcadas em 17 setores (TAB. 1). Tabela 1: Classfcação Setoral da Amostra Obs Setor Nº de Empresas 1 Almentos e Bebdas 11 Comérco 5 3 Construção 6 4 Eletroeletrôncos 5 5 Energa Elétrca 5 6 Máqunas Industras 4 7 Mneração 1 8 Mneras não Metálcos 3 9 Outros 0 10 Papel e Celulose 5 11 Petróleo e Gás 3 1 Químca 9 13 Sderurga e Metalurga 14 Telecomuncações 3 15 Têxtl Transporte e Servços 17 Veículos e Peças 15 Total 137 Fonte: Elaborado pelos autores. Os dados relatvos aos demonstratvos fnanceros e necessáros para a modelagem empírca foram coletados trmestralmente, entre o prmero trmestre de 1994 e o tercero trmestre de 009, devdo a não dvulgação dos demonstratvos fnanceros no quarto trmestre de 009, na presente coleta dos dados. Desta forma, cada empresa possu um total de 63 observações para cada varável. Optou-se por coletar as observações dos demonstratvos fnanceros não consoldados e ajustados pelo Índce Geral de Preços na versão de Dsponbldade Interna (IGP-DI). A adoção da correção das varáves pelo IGP-DI fo empregada com a fnaldade de promover um ajuste nflaconáro das observações, pos é amplamente utlzado para a correção de contratos de vendas por atacado, contratos de aluguel e como ndexador de algumas tarfas como energa elétrca. O emprego do demonstratvo fnancero não consoldado objetvou evar a agregação das demonstrações fnanceras de uma ou mas controladas, garantndo que os resultados obtdos pelas as empresas sejam orundos exclusvamente do seu processo produtvo. 13

14 4. RESULTADOS E ANÁLISES Modelo Irrestro Prmeramente, estmou-se o modelo com efeos combnados, segudo da estmação do modelo com efeos aleatóros e utlzou o teste Breusch-Pagan no qual se verfcou que o modelo de efeos aleatóros é aproprado. Posterormente, se estmou o modelo com efeos fxos e o teste para verfcar a homocedastcdade, que fo desenvolvdo por Baum (001) e basea-se em uma modfcação do teste Wald. O teste revelou a presença de heterocedastcdade e, conforme relatado por Wooldrdge (00) deve-se empregar a metodologa de regressão com dados em panel utlzando o estmador robusto de Whe e estmando novamente os modelos de regressão com dados em panel com a presença de efeos fxos e aleatóros. Após empregar a metodologa de regressão robusta com dados em panel e efetuar os testes necessáros à correta especfcação do modelo, verfcou-se que o modelo melhor especfcado é o modelo de regressão com dados em panel utlzando o estmador robusto de Whe com efeos aleatóros (TAB. ). Tabela : Modelo Irrestro Varáves Coefcente Erro Padrão Estatístca t Valor p Intervalo de Conf. 95% q -0, , ,40 0,001-0, , fcpl 0, , ,900 0,058-0, ,9484 j -0, , ,80 0,78-0, , c 0, , ,490 0,63-0, ,34086 const. 0, , ,10 0,64-0, , Nº de observações = 4691 Nº de empresas = 137 Teste Wald =,86 Prob. Wald = 0,0001 Efeo Aleatóro u_ - Gaussano - corr.(u_,x) = 0 Breusch-Pagan X = 190,47 Prob. Breusch-Pagan X = 0,0000 Teste de Autocorrelação F(1,117) = 14,193 Prob. Autocorrelação F = 0,0003 Modelo de Regressão Robusta com Efeos Aleatóros. Fonte: Elaborado pelos autores. A varável q de Tobn (q) apresentou-se estatstcamente sgnfcatva (Valor p < 0,05). A varável fcpl apresenta um valor de sgnfcânca lgeramente superor a 0,05 e apresentouse sgnfcatva a um nível de confança superor a 90% (Valor p < 0,10). As demas varáves de controle taxa de juros (j), taxa de câmbo (c) e a constante (const.), não se apresentaram sgnfcatvas a um nível de confança superor a 90% (Valor p < 0,10). A probabldade do teste Wald (Prob. Wald < 0,05) demonstra a correta especfcação do modelo corroborando para a ausênca de heterocedastcdade. O teste Gaussano de correlação unára (corr.(u_,x) = 0) demonstra a ausênca de correlação entre as varáves do modelo. Os testes de Breusch- Pagan e o teste de correlação seral desenvolvdo por Drukker (003) demonstraram respectvamente que o modelo de regressão com dados em panel utlzando o estmador robusto de Whe com efeos aleatóros é aproprado (Prob. Breusch-Pagan X = 0,0000) e há ausênca de autocorrelação (Prob. Autocorrelação F = 0,0003). Após demonstrar a valdação do modelo de regressão com dados em panel, utlzando o estmador robusto de Whe com efeos aleatóros, apresentando uma valdação da varável q, a um nível de sgnfcânca nferor a 0,05, e da varável fcpl, a um nível de sgnfcânca nferor a 0,10, pode-se nterpretar que o resultado expresso pelo coefcente negatvo da varável q (-0,00448) corrobora a leratura nternaconal. Conforme descro no referencal teórco por Doukas (1995); Blanchard, Lopez-de-Slanes e Shlefer (1994); Lang e 14

15 Lzemberg (1989) e Koch e Shenoy (1999), as empresas podem ser classfcadas como maxmzadoras de valor (q = 1), como expostas a problemas de sobrenvestmento (q < 1) e como expostas a problemas de subnvestmento (q > 1), dexando de aprovear oportundades lucratvas em novos nvestmentos. Desta forma, pode-se observar que a relação nversa, descra pelo snal negatvo da varável q, retrata que o nível de nvestmento tende a aumentar para as empresas expostas a problemas de subnvestmento, ndcando que os gestores tendem a aprovear as oportundades de nvestmentos, quando as empresas apresentam seu valor de mercado superor ao seu valor contábl. O coefcente posvo da varável fcpl também corrobora os resultados teórcos prevstos, tas como descro por Damodaran (007) e pela pesqusa de Fazzar, Hubbard e Petersen (1988), demonstrando que a dsponbldade de recursos nternos afeta dretamente as oportundades de nvestmentos que serão absorvdas pelos gestores. Já as varáves j e c demonstram que as oportundades de nvestmentos absorvdas pelos gestores, ndependem sgnfcatvamente da Taxa de Juros de Longo Prazo (TJLP) e da taxa de câmbo. Apesar destas varáves não constuírem o foco prncpal desta pesqusa, uma explcação possível para essa evdênca pode-se encontrar na dversfcação dos setores de atuação das empresas que fazem parte da amostra e no fato dos dados amostras terem sdo ajustados pelo índce de nflação (IGP-DI). Dado que a polítca econômca braslera pós-plano Real adota uma polítca de câmbo flutuante objetvando o emprego da taxa de juros no controle da nflação, esse ajuste nflaconáro das observações pode ncorporar ndretamente os efeos da taxa de juros (TJLP) e da taxa cambal. Modelos restros Dado que o Modelo Irrestro melhor especfcado é o modelo de regressão com dados em panel utlzando o estmador robusto de Whe com efeos aleatóros, verfcou-se a partr deste modelo as varações, conforme exposto na metodologa, empregando as defasagens no período de tempo (t-1 e t-4) para algumas varáves. Deve-se ressaltar que a escolha mas adequada entre dferentes modelos restros se deu com base no valor do teste Wald e no valor do teste Breusch-Pagan, vsto que não fo desenvolvdo um teste modfcado com base numa função de verossmlhança, tal como o teste log lkelhood, capaz de comparar o ajuste de dos modelos de regressão com dados em panel utlzando o estmador robusto de Whe. Tabela 3: Modelo Restro exclusvamente com as varáves fcpl e uma defasagem de q Varáves Coefcente Erro Padrão Estatístca t Valor p Intervalo de Conf. 95% qlag1-0, , ,50 0,001-0, , fcpl 1, ,516710,790 0,005 0,47374,45841 const. 0, , ,840 0,000 0, , Nº de observações = 466 Nº de empresas = 137 Teste Wald = 30,5 Prob. Wald = 0,0000 Efeo Aleatóro u_ - Gaussano - corr.(u_,x) = 0 Breusch-Pagan X = 181,66 Prob. Breusch-Pagan X = 0,0000 Modelo de Regressão Robusta com Efeos Aleatóros com as varáves qlag1 e fcpl. Fonte: Elaborado pelos autores. Observou que o modelo restro melhor especfcado, dentre os dferentes modelos restros estmados, fo o modelo restros exclusvamente com as varáves fcpl e q defasadas em um trmestre (TAB. 3). Este modelo apresentou um nível de sgnfcânca global nferor a 0,05, apresentando também o menor valor do teste Wald e o maor valor para o teste Breusch- Pagan, sendo o mas adequado dentre os dferentes modelos restros estmados. 15

16 Tem-se que, apesar deste modelo apresentar um valor de teste Wald nferor ao modelo exclusvamente com a varável fcpl e oo defasagens na varável q, observa-se que o valor do teste Breusch-Pagan é superor e o número de observações no modelo exclusvamente com a varável fcpl e uma defasagem na varável q é de 4.66 e 137 empresas, enquanto modelo exclusvamente com a varável fcpl e oo defasagens na varável q apresentou observações e 134 empresas. Ao comparar o modelo exclusvamente com a varável fcpl e uma defasagem na varável q e o modelo com defasagem temporal de um trmestre na varável q com a presença das varáves j e c verfca-se que os modelos apresentam resultados próxmos para os valores do teste Wald e do teste Breusch-Pagan. O número de observações e o número de empresas utlzadas pelos modelos de regressão também não são capazes de fornecer um créro para a escolha do modelo mas adequado e mesmo recorrendo aos valores do coefcente de determnação R, que acabam não sendo o melhor créro de escolha por não representar a sgnfcânca global do modelo, não é possível obter um créro consstente para a escolha do modelo mas adequado. Contudo, como a presença das varáves j e c no modelo com defasagem temporal de um trmestre na varável q, não apresentaram sgnfcatvas, optou-se por escolher o modelo exclusvamente com a varável fcpl e uma defasagem na varável q: I α β q β. = CONCLUSÃO Ao analsar os dferentes resultados dos modelos econométrcos e conclur que o modelo exclusvamente com a varável fcpl e uma defasagem na varável q é o mas adequado, observa-se que as varáves q de Tobn, fcpl e a constante apresentam-se estatstcamente sgnfcatvas a um nível de confança superor a 95% (Valor p < 0,05). Como já observado, a probabldade do teste Wald (Prob. Wald < 0,05), demonstra a correta especfcação do modelo corroborando para a ausênca de heterocedastcdade. O teste Gaussano de correlação unára (corr.(u_,x) = 0) demonstra a ausênca de correlação entre as varáves do modelo, assm como o teste de Breusch-Pagan, demonstrando que, o modelo de regressão com dados em panel utlzando o estmador robusto de Whe com efeos aleatóros, é aproprado (Prob. Breusch-Pagan X = 0,0000). As nterpretações realzadas a respeo dos coefcentes q e fcpl para o Modelo Irrestro são dêntcas ao modelo exclusvamente com a varável fcpl e uma defasagem na varável q, consderado o mas adequado. Assm, ressalta-se que a relação nversa entre a varável q e a varável dependente nvpl, descra pelo snal negatvo da varável q, ndca que o nível de nvestmento tende a aumentar para as empresas expostas a problemas de subnvestmento, ou seja, empresas que possuem um valor de mercado superor ao seu valor contábl, no qual os gestores tendem a aprovear as oportundades de nvestmentos, decorrentes de suas ações sobreavalada. Tem-se também que o coefcente posvo da varável fcpl corrobora os resultados teórcos prevstos, tas como descro por Damodaran (007) e pela pesqusa de Fazzar, Hubbard e Petersen (1988), demonstrando que a dsponbldade de recursos nternos afeta dretamente o nível de nvestmento das empresas, proporconado através das oportundades de nvestmentos que serão absorvdas pelos gestores. Ressalta-se que a estmação dos modelos empírcos fo proposta com o objetvo de verfcar se a varável q de Tobn é sgnfcatva para o nível de nvestmento, determnado pelo gestor, das empresas brasleras de capal aberto e que tveram partcpação no Ibovespa entre o período de 1994 a 009. Dessa forma, a nterpretação dos resultados não enfocou na magnude dos valores apresentados pelos coefcentes das varáves ndependentes, pos tal análse sera válda, caso se objetvasse ndcar os determnantes do nível de nvestmento da 16

17 frma. Tem-se anda que a decsão de nvestmento, promovda pelo gestor, não é tomada somente ao analsar se a empresa possu um valor de mercado acma de seu atual valor contábl, e sm, conforme o perfl e as metas adotadas pela empresa, assocado a análse da conjuntura econômca no qual está nserda. Por fm, a relevânca do ndcador q de Tobn, nas análses de oportundades de nvestmento para o nvestdor nterno, fo comprovada ao verfcar, através de um modelo empírco, que o ndcador se apresentou sgnfcatvo para o nível de nvestmento das empresas brasleras de capal aberto, no período pós-plano Real. Observa-se também que, o cenáro econômco nterferu dretamente na escolha do modelo empírco mas adequado. Dado que o modelo escolhdo fo o modelo exclusvamente com a varável fcpl e uma defasagem na varável q, em detrmento ao modelo rrestro com as varáves fcpl, q, j e c, tem-se que a não sgnfcânca das varáves taxa de câmbo (c) e taxa de juros (j) pode ser explcada pelo ajuste prévo da varável dependente (nvpl) ao IGP-DI, que é sensível aos choques da taxa de câmbo promovdos, sobretudo, entre 1999 e 00. Além dsso, o período amostral ncorporou a mudança do sstema cambal braslero, ncorporando também os efeos do emprego da taxa de juros no controle da nflação, sobretudo após o período no qual o Brasl passou a adotar o regme de câmbo flutuante. REFERÊNCIAS BALTAGI, B. H. Econometrc analyss of panel data. Chchester: John Wles & Sons, BAUM, C. F. Resdual dagnostcs for cross-secton tme seres regresson models. Stata Journal, v. 1, n. 1, 001, p BHARADWAJ, A. S.; BHARADWAJ, S. G. B. ; KONSYNSKI, B. R. Informaton technology effects on frm performance a measured by Tobn's q. Management Scence, Baltmore, n. 45, 1999, p BLANCHARD, O. J.; LOPEZ-DE-SILANES, F.; SHLEIFER, A. What Do Frms Do wh Cash Wndfalls? Journal of Fnancal Economcs. Dez, v.36, n.3, CHUNG, K. H.; PRUITT, S. W. A Smple Approxmaton of Tobn s q. Fnancal Management, Vol. 3, No. 3, DAMODARAN, A. Avalação de empresas. ed. SP: Pearson Prentce Hall, 007. DOUKAS, J. Overnvestment, Tobn s q and Gans from Foregn Acqusons. Journal of Bankng and Fnance. Out v. 19, n.7. DRUKKER, D. M. Testng for seral correlaton n lnear panel-data models. Stata Journal, v. 3, n., 003, p FAZZARI, S. M.; HUBBARD, G.; PETERSEN, B. Fnancng constrants and corporate nvestment. Brookngs Papers on Economc Actvy, 1, 1988, p GREENE, W. H. Econometrc analyss. 3 ed. New Jersey: Prentce-Hall, GUJARATI, D. N. Econometra Básca. 4 ed., Ro de Janero: Elsever Edora, 006. HANSEN, B. E. Econometrcs. Unversy of Wsconsn. Manuscrpts 007. KALDOR, N. Margnal Productvy and the Macro-Economc Theores of Dstrbutons. Revew of Economc Studes, Out KOCH, P. D.; SHENOY, C. The Informaton Content of Dvdends and Capal Structure Polces. Fnancal Management, v. 8,

18 LANG, L.; LITZENBERGER, R. H. Dvdend Announcements: Cash Flow Sgnalng vs. Free Cash Flow Hypothess? Journal of Fnancal Economcs. Set v. 4. LINDENBERG, E.; ROSS, E. Tobn s q Rato and Industral Organzaton. Journal of Busness, 54; 1981, p RICHIERI, F. L. Capal ntelectual e a cração de valor nas empresas brasleras: Dssertação de Mestrado. Unversdade Presberana Mackenze, 007. TOBIN, J.; BRAINARD, W. Pfalls n Fnancal Model Buldng. Amercan Economc Revew. Vol. 58, Nº, Ma TOBIN, J. A General Equlbrum Approach to Monetary Theory. Journal of Money, Cred and Bankng, 1; 1969, p VERBEEK, M. A Gude to Modern Econometrcs. 1. ed. rempressa com correções. Buffns Lane: John Wley & Sons, 001. WOOLDRIDGE, J. M. Econometrc analyss of cross secton and panel data. Cambrdge, Mass.: MIT Press,

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis. EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

Elaboração: Fevereiro/2008

Elaboração: Fevereiro/2008 Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Análise multivariada do risco sistemático dos principais mercados de ações da América Latina: um enfoque Bayesiano

Análise multivariada do risco sistemático dos principais mercados de ações da América Latina: um enfoque Bayesiano XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a 11 de Outubro de 006 Análse multvarada do rsco sstemátco dos prncpas mercados de ações da Amérca Latna: um enfoque Bayesano André Asss de Salles (UFRJ) asalles@nd.ufrj.br

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core

Leia mais

Nota Técnica Médias do ENEM 2009 por Escola

Nota Técnica Médias do ENEM 2009 por Escola Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

O migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial

O migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial O mgrante de retorno na Regão Norte do Brasl: Uma aplcação de Regressão Logístca Multnomal 1. Introdução Olavo da Gama Santos 1 Marnalva Cardoso Macel 2 Obede Rodrgues Cardoso 3 Por mgrante de retorno,

Leia mais

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001 Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações.

Universidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações. A CONSTRUÇÃO DE CARTEIRAS EFICIENTES POR INTERMÉDIO DO CAPM NO MERCADO ACIONÁRIO BRASILEIRO: UM ESTUDO DE CASO PARA O PERÍODO 006-010 Rodrgo Augusto Vera (PROVIC/UEPG), Emerson Martns Hlgemberg (Orentador),

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

DESEMPENHO COMERCIAL DAS EMPRESAS ESTRANGEIRAS NO BRASIL NA DÉCADA DE 90: UMA ANÁLISE DE DADOS EM PAINEL.

DESEMPENHO COMERCIAL DAS EMPRESAS ESTRANGEIRAS NO BRASIL NA DÉCADA DE 90: UMA ANÁLISE DE DADOS EM PAINEL. DESEMPENHO COMERCIAL DAS EMPRESAS ESTRANGEIRAS NO BRASIL NA DÉCADA DE 90: UMA ANÁLISE DE DADOS EM PAINEL. 1 APRESENTAÇÃO Nos anos 90, o país assstu a vultosas entradas de capal estrangero tanto de curto

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Governança Corporativa e Estrutura de Propriedade no Brasil: Causas e Conseqüências

Governança Corporativa e Estrutura de Propriedade no Brasil: Causas e Conseqüências Governança Corporatva e Estrutura de Propredade no Brasl: Causas e Conseqüêncas Anaméla Borges Tannús Dam (UFU - Unversdade Federal de Uberlânda) Pablo Rogers (UFU - Unversdade Federal de Uberlânda) Kárem

Leia mais

Decisão de Recompra de Ações: Intenção de Blindagem em Período de Turbulência Financeira?

Decisão de Recompra de Ações: Intenção de Blindagem em Período de Turbulência Financeira? Decsão de Recompra de Ações: Intenção de Blndagem em Período de Turbulênca Fnancera? Resumo Autora: Llam Sanchez Carrete Este trabalho tem como objetvo avalar se o anúnco de programas de recompra de ações

Leia mais

UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL. ERU ECONOMETRIA I Segundo Semestre/2010

UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL. ERU ECONOMETRIA I Segundo Semestre/2010 UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL ERU 66 - ECONOMETRIA I Segundo Semestre/010 AULA PRÁTICA N o 3- Dados em Panel Ana Carolna Campana Nascmento Fernanda

Leia mais

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como: REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de

Leia mais

Metodologia IHFA - Índice de Hedge Funds ANBIMA

Metodologia IHFA - Índice de Hedge Funds ANBIMA Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge

Leia mais

Testando um Mito de Investimento : Eficácia da Estratégia de Investimento em Ações de Crescimento.

Testando um Mito de Investimento : Eficácia da Estratégia de Investimento em Ações de Crescimento. Testando um Mto de Investmento : Efcáca da Estratéga de Investmento em Ações de Crescmento. Autora: Perre Lucena Rabon, Odlon Saturnno Slva Neto, Valera Louse de Araújo Maranhão, Luz Fernando Correa de

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.

Análise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica. Análse do Retorno da Edcação na Regão Norte em 2007: Um Estdo à Lz da Regressão Qantílca. 1 Introdcão Almr Rogéro A. de Soza 1 Jâno Macel da Slva 2 Marnalva Cardoso Macel 3 O debate sobre o relaconamento

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Elaboração: Novembro/2005

Elaboração: Novembro/2005 Elaboração: Novembro/2005 Últma atualzação: 18/07/2011 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às Cédulas

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

RECESSÕES ECONÔMICAS REDUZEM A TAXA DE MORTALIDADE? EVIDÊNCIAS PARA O BRASIL

RECESSÕES ECONÔMICAS REDUZEM A TAXA DE MORTALIDADE? EVIDÊNCIAS PARA O BRASIL RECESSÕES ECONÔICAS REDUZE A TAXA DE ORTALIDADE? EVIDÊNCIAS PARA O BRASIL Resumo Este artgo analsa a relação entre taxa de emprego e taxa de mortaldade no Brasl durante o período de 1981-2002. A fundamentação

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

Universidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria

Universidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria Unversdade do Estado do Ro de Janero Insttuto de Matemátca e Estatístca Econometra Revsão de modelos de regressão lnear Prof. José Francsco Morera Pessanha professorjfmp@hotmal.com Regressão Objetvo: Estabelecer

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

ANEXO II METODOLOGIA E CÁLCULO DO FATOR X

ANEXO II METODOLOGIA E CÁLCULO DO FATOR X ANEXO II Nota Técnca nº 256/2009-SRE/ANEEL Brasíla, 29 de julho de 2009 METODOLOGIA E ÁLULO DO FATOR X ANEXO II Nota Técnca n o 256/2009 SRE/ANEEL Em 29 de julho de 2009. Processo nº 48500.004295/2006-48

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Hansard OnLine. Guia Unit Fund Centre

Hansard OnLine. Guia Unit Fund Centre Hansard OnLne Gua Unt Fund Centre Índce Págna Introdução ao Unt Fund Centre (UFC) 3 Usando fltros do fundo 4-5 Trabalhando com os resultados do fltro 6 Trabalhando com os resultados do fltro Preços 7 Trabalhando

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

O Relacionamento entre a Governança das Empresas e a Qualidade das suas Informações Financeiras

O Relacionamento entre a Governança das Empresas e a Qualidade das suas Informações Financeiras RESUMO O Relaconamento entre a Governança das Empresas e a Qualdade das suas Informações Fnanceras Autora: Lase Ferraz Correa, Pascal Louvet O objetvo deste artgo fo dentfcar os mecansmos de governança

Leia mais

MAPEAMENTO DA VARIABILIDADE ESPACIAL

MAPEAMENTO DA VARIABILIDADE ESPACIAL IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Análise Fatorial F 1 F 2

Análise Fatorial F 1 F 2 Análse Fatoral Análse Fatoral: A Análse Fatoral tem como prncpal objetvo descrever um conjunto de varáves orgnas através da cração de um número menor de varáves (fatores). Os fatores são varáves hpotétcas

Leia mais

Custo de Capital. O enfoque principal refere-se ao capital de longo prazo, pois este dá suporte aos investimentos nos ativos permanentes da empresa.

Custo de Capital. O enfoque principal refere-se ao capital de longo prazo, pois este dá suporte aos investimentos nos ativos permanentes da empresa. Custo e Captal 1 Custo e Captal Seguno Gtman (2010, p. 432) o custo e Captal é a taxa e retorno que uma empresa precsa obter sobre seus nvestmentos para manter o valor a ação nalterao. Ele também poe ser

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04

Leia mais

Uso dos gráficos de controle da regressão no processo de poluição em uma interseção sinalizada

Uso dos gráficos de controle da regressão no processo de poluição em uma interseção sinalizada XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, 1 a 4 de out de 003 Uso dos gráfcos de controle da regressão no processo de polução em uma nterseção snalzada Luz Delca Castllo Vllalobos

Leia mais

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento

CAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento CAP RATES, YIELDS E AALIAÇÃO DE IMÓEIS pelo étodo do rendento Publcado no Confdencal Iobláro, Março de 2007 AMARO NAES LAIA Drector da Pós-Graduação de Gestão e Avalação Ioblára do ISEG. Docente das caderas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

MACROECONOMIA I LEC 201

MACROECONOMIA I LEC 201 ACROECONOIA I LEC 20 3.2. odelo IS-L Outubro 2007, sandras@fep.up.pt nesdrum@fep.up.pt 3.2. odelo IS-L odelo Keynesano smples (KS): equlíbro macroeconómco equlíbro no mercado de bens e servços (BS). odelo

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 7 ANÁLISE DE REGRESSÃO LINEAR Cesar Augusto Taconel Curtba-PR . INTRODUÇÃO Taconel, C.A. Análse de Regressão Lnear Ao se tratar da relação

Leia mais

Dinâmica e competitividade setorial das exportações brasileiras: uma análise de painel para o período recente

Dinâmica e competitividade setorial das exportações brasileiras: uma análise de painel para o período recente Dnâmca e competvdade setoral das exportações brasleras: uma análse de panel para o período recente Márco Holland Cléso Lourenço Xaver Resumo O propóso central deste trabalho é o de pesqusar o comportamento

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

Assimetria de Informações e Pagamento de Proventos em Dinheiro na Bovespa.

Assimetria de Informações e Pagamento de Proventos em Dinheiro na Bovespa. Assmetra de Informações e Pagamento de Proventos em Dnhero na Bovespa. Autora: Robert Aldo Iquapaza, Wagner Moura Lamouner, Hudson Fernandes Amaral Resumo: Nesta pesqusa avala-se o efeto da assmetra de

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS L. G. Olvera, J. K. S. Negreros, S. P. Nascmento, J. A. Cavalcante, N. A. Costa Unversdade Federal da Paraíba,

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

IMPACTO DO FINANCIAMENTO DO BNDES SOBRE A PRODUTIVIDADE DAS EMPRESAS: UMA APLICAÇÃO DO EFEITO QUANTÍLICO DE TRATAMENTO 1

IMPACTO DO FINANCIAMENTO DO BNDES SOBRE A PRODUTIVIDADE DAS EMPRESAS: UMA APLICAÇÃO DO EFEITO QUANTÍLICO DE TRATAMENTO 1 IMPACTO DO FINANCIAMENTO DO BNDES SOBRE A PRODUTIVIDADE DAS EMPRESAS: UMA APLICAÇÃO DO EFEITO QUANTÍLICO DE TRATAMENTO 1 Danlo Coelho Insttuto de Pesqusa Econômca Aplcada João Alberto De Negr (IPEA) Insttuto

Leia mais

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas Análse de Projectos ESAPL / IPVC Taxas Equvalentes Rendas Taxas Equvalentes Duas taxas e, referentes a períodos dferentes, dzem-se equvalentes se, aplcadas a um mesmo captal, produzrem durante o mesmo

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Variáveis dummy: especificações de modelos com parâmetros variáveis

Variáveis dummy: especificações de modelos com parâmetros variáveis Varáves dummy: especfcações de modelos com parâmetros varáves Fabríco Msso, Lucane Flores Jacob Curso de Cêncas Econômcas/Unversdade Estadual de Mato Grosso do Sul E-mal: fabrcomsso@gmal.com Departamento

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

ISEP - ÍNDICE DE SHARPE ESCOLAR A PARTIR DA PROVA BRASIL: CRIAÇÃO E ESTUDO

ISEP - ÍNDICE DE SHARPE ESCOLAR A PARTIR DA PROVA BRASIL: CRIAÇÃO E ESTUDO ISEP - ÍNDICE DE SHARPE ESCOLAR A PARTIR DA PROVA BRASIL: CRIAÇÃO E ESTUDO Roberta Montello Amaral (UNIFESO) amaralroberta@yahoo.com.br Crado em 1990, o Saeb é um sstema de avalação do MEC que, junto à

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe

Avaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe Avalação da Tendênca de Precptação Pluvométrca Anual no Estado de Sergpe Dandara de Olvera Félx, Inaá Francsco de Sousa 2, Pablo Jónata Santana da Slva Nascmento, Davd Noguera dos Santos 3 Graduandos em

Leia mais

CAPÍTULO 1 Exercícios Propostos

CAPÍTULO 1 Exercícios Propostos CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,

Leia mais

A DEMANDA DE CELULOSE NO MERCADO INTERNACIONAL PULP DEMAND IN THE INTERNATIONAL MARKET

A DEMANDA DE CELULOSE NO MERCADO INTERNACIONAL PULP DEMAND IN THE INTERNATIONAL MARKET 48 CRUZ, E.S. et al. A DEMANDA DE CELULOSE NO MERCADO INTERNACIONAL Edmlson Santos Cruz 1, Antono Donzette de Olvera 2, José Roberto Soares Scolforo 2, José Lus Perera de Rezende 2 RESUMO: Este estudo

Leia mais