Inteligência Competitiva em Ação: Métodos para Estimar e Analisar Reações de Competidores

Transcrição

1 Intelgênca Compettva em Ação: Métodos para Estmar e Analsar Reações de Competdores Sergo G. Lazzarn Rnaldo Artes Marcelo Moura Fábo Renato Fukuda Insper Workng Paper WPE: 086/2007

2 Copyrght Insper. Todos os dretos reservados. É probda a reprodução parcal ou ntegral do conteúdo deste documento por qualquer meo de dstrbução, dgtal ou mpresso, sem a expressa autorzação do Insper ou de seu autor. A reprodução para fns ddátcos é permtda observando-sea ctação completa do documento

3 2 INTELIGÊNCIA COMPETITIVA EM AÇÃO: MÉTODOS PARA ESTIMAR E ANALISAR REAÇÕES DE COMPETIDORES* SERGIO G. LAZZARINI Ibmec São Paulo RINALDO ARTES Ibmec São Paulo MARCELO MOURA Ibmec São Paulo FÁBIO RENATO FUKUDA Ibmec São Paulo Resumo Sstemas de ntelgênca compettva (IC) têm sdo comumente tratados como a aqusção massva de nformações sobre tendêncas de mercado e ações de competdores. Mutas vezes, entretanto, sstemas de IC acabam resultando em uma grande massa de nformações que não é utlzada efetvamente para entender o cenáro compettvo e delnear estratégas que permtam antever e reagr a movmentações da concorrênca. O objetvo do presente estudo é justamente lustrar a aplcação de duas técncas quanttatvas para a análse de dados gerados por sstemas de IC: estmação de dados de panel dnâmco e análse de redes. O estudo utlza dados coletados pelo sstema de IC de uma empresa do setor de seguros para automóves no Brasl, e demonstra a aplcabldade de tas técncas quanttatvos para avalar padrões de reações de competdores a alterações de preços efetuadas por empresas-chave do mercado. Abstract Compettve ntellgence (CI) systems have commonly been treated as massve efforts of data collecton nvolvng market and compettor trends. Frequently, however, CI systems have resulted n a large amount of data that are not effectvely used to understand the compettve landscape and craft strateges that allow frms to antcpate and react to compettor moves. The objectve of the present study s to llustrate the applcablty of two quanttatve technques to analyze data generated from CI systems: dynamc panel data estmaton and network analyss. The study employs data collected by the CI system of a company from the auto nsurance ndustry n Brazl, and demonstrates the applcablty of those quanttatve technques to assess patterns of compettve reacton to prce changes performed by key companes n the ndustry. Outubro de 2004 * Agradecemos o suporte fnancero do Centro de Pesqusas em Estratéga do Ibmec São Paulo. Agradecemos também a Ana Beatrz Galvão, Marco Polett Laurn e Pedro L. Valls Perera pelos comentáros e sugestões. Os erros remanescentes são de responsabldade exclusva dos autores. Rnaldo Artes fo parcalmente fnancado pelo CNPq (PRONEX /1997-2). Correspondêncas para: Ibmec São Paulo, R. Maestro Cardm São Paulo, SP Brazl. E-mal: SergoGL1@bmec.br

4 3 INTRODUÇÃO Intelgênca compettva (IC) tem sdo comumente tratada pelas empresas como um processo massvo de aqusção de nformações sobre tendêncas de mercado e ações de competdores. Em seu lvro semnal sobre estratéga compettva, Porter (1980, p. 72) propõe a cração de um sstema de IC para complar, catalogar, dgerr e comuncar dados sobre o ambente compettvo no qual a empresa está nserda. Dez anos após a contrbução de Porter, Kahaner (1996, p. 16) consolda a IC como um programa sstemátco para reunr e analsar nformações sobre as atvdades e a tendênca geral do negóco de seus competdores para atngr os objetvos de sua empresa. Mutas outras contrbuções se seguram, sempre ndo na lnha de proporconar às empresas uma sstematzação do processo de coleta de dados de competdores como, por exemplo, Marco (1999) e Mller (2002). Mutas vezes, entretanto, a aqusção de nformações não passa por nenhum crvo objetvo no sentdo de nortear qual tpo de nformação deve ser buscada, e qual a fnaldade esperada pela empresa com a sua aqusção. O resultado gerado acaba sendo nsatsfatóro, resultando em uma grande massa de nformações que não é utlzada efetvamente para entender o cenáro compettvo e delnear estratégas que permtam antever e reagr a movmentações da concorrênca. Neste sentdo, Mller (2002) nsste que a força motora da IC deve ser o valor estratégco que gera, e não propramente o volume de dados que proporcona às empresas. Portanto, é fundamental gerar modelos de nteração estratégca entre empresas que permtam uma coleta mas focada de nformações, e um uso prátco mas bem delneado. Isto pode ser feto por meo de uma metodologa que, a partr de dados de mercado e da atuação de competdores, permta entender:

5 4 Qual o padrão de comportamento dos competdores de forma a prever suas possíves ações futuras, dadas determnadas condções de mercado; e Como os competdores rão reagr às mudanças de estratégas efetuadas pela empresa. O objetvo do presente estudo é justamente lustrar a aplcação de métodos quanttatvos para a análse de dados gerados por sstemas de IC, vsando muncar os gestores de análses que efetvamente nformem o processo de decsão estratégca. O estudo utlza dados coletados pelo sstema de IC de uma empresa do setor de seguros para automóves, e demonstra como tas dados podem ser utlzados para avalar padrões de comportamento de competdores (por exemplo, quas frmas são segudoras de preços e de quas outras frmas?), além de prever reações de competdores a alterações de preços efetuadas pelas empresas do mercado. O texto é dvddo em cnco partes. Na próxma seção, utlzam-se noções de teora dos jogos para propor uma forma de modelar reações de competdores. Em seguda, utlzamse técncas de modelagem de equações dnâmcas para efetvamente estmar padrões de reação. Introduzndo técncas de análse de redes à modelagem compettva, o estudo então utlza os resultados das regressões dnâmcas para analsar quas frmas aparentemente seguem as outras no mercado, dervando alguns ndcadores quanttatvos útes para entender padrões de reação de uma forma sstêmca. Comentáros fnas e sugestões para pesqusas futuras encerram o artgo.

6 5 MODELANDO REAÇÕES DE COMPETIDORES Foco da Modelagem A modelagem de reações de competdores deve ser balzada pelos objetvos estratégcos da empresa, notadamente com base nos tpos de movmentação da concorrênca que a frma quer antecpar. De uma forma geral, o processo de análse pode envolver decsões de longo, médo ou curto prazo. Decsões de longo prazo envolvem movmentos de entrada e saída de competdores de uma determnada ndústra. Decsões de médo prazo envolvem alterações nos atrbutos e na gama de produtos ofertados por competdores, logo tomando o número de competdores na ndústra como dado (exógeno). Decsões de curto prazo referemse a mudanças de preços efetuadas pelas frmas presentes em uma certa ndústra, logo consderando de uma forma exógena o número de competdores e os atrbutos dos produtos ofertados pelos mesmos. A flexbldade da frma em alterar suas estratégas tende a ser maor no caso de mudanças de curto prazo, uma vez que envolvem menores custos rrecuperáves do que, por exemplo, decsões de entrada em novos mercados (ECONOMIDES, 1993). O presente estudo foca na modelagem de decsões de curto prazo. Mas especfcamente, procura-se modelar e analsar padrões de reação de competdores a mudanças de preços na ndústra. Embora sstemas de IC também possbltem dados útes para alterações estratégas de médo e longo prazo, o foco deste estudo na modelagem de curto prazo permte demonstrar efetvamente a aplcação de técncas quanttatvas para prever reações de preços. Curvas de Reação: Especfcação Básca É útl apresentar uma especfcação básca de reação compettva a partr de noções de teora dos jogos. Em partcular, suponha que em uma determnada ndústra ou mercado exstam n competdores com atrbutos de produtos já pré-defndos. Não é necessáro que os

7 6 produtos tenham os mesmos atrbutos, mas que estes atrbutos não sejam substancalmente alterados durante o horzonte de análse. Note, portanto, que o modelo tem efetvamente foco no curto prazo, uma vez que toma a estrutura de ndústra (número de competdores) e os atrbutos dos produtos como exógenos. Cada frma escolhe um preço P, apresentando custo margnal constante c e custo fxo F. Assume-se que o mercado é dferencado, sendo que a demanda da frma em um determnado período é dada por j (1) Q = α 0 α P + α, j j P sendo que α > 0 e α j 0 (j ). Ou seja, um aumento do seu própro preço (P ) causa uma redução na demanda da frma, ao passo que um aumento nos preços dos competdores (P j ) não causa tal efeto, podendo tpcamente favorecer sua demanda. Utlzando (1), o lucro da frma pode então ser expresso como (2) j Π = ( P c ) Q F = ( P c )( α 0 α P + j α j P ) F. De forma a dervar padrões de resposta compettva, vamos supor ncalmente que as frmas escolhem preços vsando maxmzar lucro, tal como expresso por (2). A condção de prmera-ordem para tal maxmzação resulta na curva de reação da frma aos preços escolhdos pelos competdores j : + j j (3) P = β P, β 0 j sendo que β 0 = (α 0 α c )/(2α ) e β j = α j /(2α ). Como assummos que α > 0 e α j 0, espera-se que a frma reaja de uma forma não negatva a um aumento de preços dos competdores. A ntersecção das curvas de reação das n frmas resulta no equlíbro de Nash: um conjunto de preços escolhdos dos quas nenhuma das frmas tera ncentvos para se desvar. Para exstênca de tal equlíbro, necesstamos que o sstema de curvas de reação dos

8 7 n competdores tenha solução, ou seja, deverá exstr um vetor de preços {P 1, P 2,..., P n } que seja solução do sstema P 1 = β + j j P = β 0 + β j j P 2 (4). M P 1 n 0 n = β j n β P 1 j n j j β P j Curvas de Reação: Especfcação Modfcada Na prátca, entretanto, a utlzação do equlíbro de Nash como prevsão de preços com base em curvas de reação como (4) pode ser problemátca. Prmero, o equlíbro de Nash pode não exstr ou podem ocorrer múltplos equlíbros; matematcamente, o sstema (4) pode não ter uma solução ou produzr múltplas soluções, dependendo dos parâmetros β j. Segundo, e talvez mas mportante, o atngmento do equlíbro pode não ser automátco, envolvendo na verdade complexos processos de aprendzagem e ajustamento. Uma das formas mas comuns de se modelar tas processos é usar a suposção de que cada frma observa as escolhas passadas dos outros jogadores e reage de forma a aumentar o seu resultado (FUDENBERG & LEVINE, 1999). Neste caso, as curvas de reação envolveram preços defasados dos competdores como, por exemplo, nos estudos de Cotterll, Putss Jr., & Dhar (2000); Roy, Hanssens & Raju (1994); Slade (1992); e Steekamp, Njs, Hanssens & Dekmpe (2002). Um tercero problema é que não se sabe, a pror, o que efetvamente cada frma maxmza. Não se garante que todas as frmas agem maxmzando lucros ou tomando por base as reações dos competdores. Por exemplo, frmas podem baxar preços em um certo momento para ganhar market share, elevando preços subseqüentemente quando percebem que estão tendo menores margens. Este tpo de comportamento sugere um padrão cíclco nas reações de preços, o que pode ser capturado, por exemplo, ntroduzndo o própro preço

9 8 defasado da frma na sua curva de reação. Nesta mesma lnha de racocíno, as frmas podem também cometer erros no seu processo de reação: em outras palavras, a curva de reação da frma sera sujeta a um componente estocástco e. Desta forma, pode-se sugerr uma especfcação dnâmca da curva de reação (3), como segue: j (5) P t = β 0 + β Pt 1 + β j Pt 1 + et. j Se a frma atuar maxmzando lucros, então esperaríamos β = 0 e β j 0. Se a frma atuar da forma cíclca descrta anterormente, então podemos esperar β < 0. Por outro lado, podemos ter β > 0 se a precfcação da frma responder, por exemplo, a uma determnada tendênca de elevação ou redução de seus custos. Logo, uma vantagem desta especfcação dnâmca é que ela é mas flexível, podendo acomodar dferentes formas de reação, sem a necessdade de mpor a hpótese de que todos os competdores reagem de forma a maxmzar seus lucros de uma forma estátca. ANÁLISE EMPÍRICA: ESTIMANDO E ANALISANDO CURVAS DE REAÇÃO Dados Utlzamos dados de preços de apólces de seguros para um determnado modelo de automóvel e um nível de rsco médo do clente, compladas por uma empresa do setor. Os dados envolvem preços escolhdos por cnco competdores em 55 regões dstntas de todo o Brasl. Por questões de confdencaldade, a dentdade das frmas não será revelada. Os preços dos competdores foram observados no período que va de junho de 2002 a mao de Logo, os dados têm estrutura em panel: para cada frma, exstem séres temporas de

10 9 preços para cada regão. 1 Devdo a este fato, serão utlzadas a segur técncas econométrcas específcas para a estmação de modelos de panel dnâmco (sto é, modelos para dados em panel envolvendo a varável dependente defasada como uma varável explcatva). Em seguda, utlzando os resultados desta estmação, será demonstrada a aplcação de técncas de análse de redes para se examnar padrões de nteração compettva na ndústra em questão. Aplcação de Técncas de Estmação de Panel Dnâmco Fo ajustado, separadamente, um modelo de curva de reação para cada competdor. Algumas varáves de controle foram ncluídas no modelo (5) vsando uma melhor descrção da stuação real e, conseqüentemente, a obtenção de um melhor ajuste. É razoável supor que as varações de preços se comportem dferentemente nas dversas regões, refletndo característcas específcas do mercado local. Para acomodar essas especfcdades, foram ncluídas no modelo fnal varáves ndcadoras de regão, defndas por 1, se a observação pertence à regão k R k =, 0, se não pertence sendo k = 1,..., 55. Além dsso, prevê-se a exstênca de efetos sazonas na varação de preços; a ntrodução desses efetos no modelo fo feta através de varáves ndcadoras de mês, defndas como 1, se a observação fo tomada no mês k M k =, 0, se fo tomada em algum outro mês sendo k = 1,..., 12. Fnalmente, os preços dos seguros tendem a ser afetados pela taxa de juros vgente, uma vez que o ganho de margem fnancera consttu uma mportante parte do lucro das seguradoras. Como uma proxy dos efeto da taxa de juros nos preços, adconou-se ao 1 Há regões em que, devdo a falhas no processo de obtenção dos dados, o ntervalo de tempo fo menor do que o apresentado anterormente.

11 10 modelo nformações sobre a taxa Selc defasada (S t-1 ). Desse modo, chega-se ao segunte modelo: (6) P = t β + Pt + j Pt + St + k Rk + 0 β 1 β 1 β 6 1 γ τ k M kt + et, j 55 k = 1 sujeto às restrções de dentfcabldade: 2 γ = τ = O modelo (6) apresenta algumas partculardades que devem ser levadas em conta no processo de estmação.3 A ntrodução de P t-1 como varável explcatva acarreta problemas de endogenedade. A solução dscutda em Arellano & Bover (1995) e Doornk & Hendry (2001) é tomar defasagens da varável dependente como varáves nstrumentas. Para completar a lsta de varáves nstrumentas, ncluíram-se as varações defasadas de preços de cnco outras concorrentes. A estmação dos modelos fo feta através do método GMM em dos passos, mplementado no pacote Ox através da rotna DPD; ver detalhes do método e da rotna em 12 k = 1 Doornk, Bond & Arellano (2002). 4 O modelo exge que as séres de preços não tenham raízes untáras. Neste sentdo, foram aplcados os testes LLC (LEVIN, LIN & CHU, 2002) e ADF (MADDALA & WU, 1999 e CHOI, 2001), que vsam detectar a exstênca de raízes untáras para dados em panel. Conforme ndcado na Tabela 1, todos os testes rejetam a exstênca de raízes untáras, dado que são altamente sgnfcatvos. 2 Note que desse modo o ntercepto do modelo (β 0 ) refere-se à prmera regão, no mês de janero. Além dsso, tendo os erros do modelo méda zero, os parâmetros das varáves ndcadoras de mês refletem a dferença méda exstente com o mês de janero, mantda as demas varáves constantes. Analogamente, os parâmetros de regão refletem a dferença méda em relação à prmera regão, mantdas as demas varáves constantes. 3 Detalhes técncos sobre o modelo podem ser encontrados em Arellano & Bond (1991) & Arellano (2003), por exemplo. 4 P Essa rotna estma os parâmetros do modelo (6) ndretamente através do ajuste do modelo t = β P t 1 + j β P j t 1 + β S 6 t k = 1 τ M k kt + ε, sendo o operador dferença. t

12 11 Uma suposção do modelo é que os erros ε não sejam auto-correlaconados. Quando sso acontece, os resíduos dferencados ( εˆ ) deverão apresentar auto-correlação negatva de prmera ordem e não apresentar auto-correlação de segunda ordem. Ou seja, os coefcentes autoregressvos AR(1) deverão ser sgnfcantes e negatvos, e os coefcentes AR(2) deverão ser não sgnfcatvos (ver ARELLANO, 2003). Os resultados dos testes menconados encontram-se na Tabela 1; tas resultados não contraram a suposção de ausênca de auto-correlação dos erros (p < 0,05). A adequação dos nstrumentos fo avalada pelo teste de Sargan (ARELLANO, 2003; DOORNIK & HENDRY, 2001). Se os nstrumentos são váldos, a hpótese nula de adequação dos nstrumentos não deve ser rejetada. Não há evdêncas de nadequação dos nstrumentos em nenhum dos modelos (Tabela 1). t ˆε t t 1 Tabela 1: Estatístcas dos testes de raz untára, auto-correlação dos resíduos dferencados (e t et 1 ) e do teste de Sargan (p valores entre parênteses) Empresa 1 Empresa 2 Empresa 3 Empresa 4 Empresa 5 Raz untára LLC ADF -9,76 313,94 (<0,001) (<0,001) -9,74 199,62 (<0,001) (<0,001) -53, ,43 (<0,001) (0,001) -3,89 172,64 (<0,001) (<0,001) -12,41 346,03 (<0,001) (<0,001) AR(1) AR(2) Sargan -4,02 (<0,001) -4,07 (<0,001) -4,53 (<0,001) -5,24 (<0,001) -2,65 (0,008) 0,51 (0,609) -0,66 (0,508) <0,01 (0,997) 1,18 (0,238) -0,05 (0,960) 49,06 (>0,999) 50,60 (>0,999) 50,31 (>0,999) 47,14 (>0,999) 48,61 (>0,999) Na Tabela 2 são apresentadas as estmatvas dos parâmetros das curvas de reação para cada empresa (coluna), nclundo os efetos dos preços própros, dos preços dos concorrentes e

13 12 da taxa Selc. As colunas da tabela ndcam as estmatvas dos parâmetros de cada um dos cnco modelos. Em todas as empresas, os preços reagem postvamente aos seus própros preços defasados, o que se alnha à déa, dscutda anterormente, de que a precfcação das frmas pode ser, em parte, resultado de dnâmcas específcas às mesmas (por exemplo, uma tendênca de aumento de custos das frmas). O efeto dos competdores sobre a precfcação de uma empresa apresenta resultados mstos. Em alguns casos (como, por exemplo, a empresa 1 reagndo aos preços das empresa 2), o efeto do preço do concorrente é postvo, o que é alnhado às nossas expectatvas dscutdas anterormente. Em outros casos (como, por exemplo, a empresa 5 reagndo aos preços das empresa 2), o efeto é negatvo. Uma explcação para a exstênca de efetos negatvos dos preços dos competdores é uma possível multcolneardade entre os preços das frmas: se elas reagrem a uma tendênca ou choque comum, então é possível que parte do efeto dos preços defasados dos competdores já esteja ncorporado no própro preço da frma, ou até mesmo das outras frmas ncluídas no modelo. Outra explcação possível é que a reação das empresas à varação de preços das concorrentes não é a mesma em todas as regões; sso exgra ajustar um modelo para cada regão ou um modelo que permtsse que cada regão tvesse seu conjunto de parâmetros. Na seção de conclusão do estudo, apresentamos algumas ndcações de melhora do modelo nesta lnha.

14 13 Tabela 2: Estmatva dos parâmetros do modelo (erros-padrão entre parênteses) Efeto Empresa 1 Empresa 2 Empresa 3 Empresa 4 Empresa 5 Taxa Selc Modelo de curva de reação para a Empresa 1 Empresa 2 Empresa 3 Empresa 4 Empresa 5 0,349** -0,181** -0,087* 0,056-0,119** (0,058) (0,049) (0,041) (0,054) (0,025) 0,154* 0,346** 0,050 0,061-0,094** (0,064) (0,058) (0,053) (0,056) (0,035) -0,242* -0,111 0,610** -0,126-0,038 (0,099) (0,080) (0,065) (0,072) (0,040) 0,086-0,057-0,080 0,573** -0,041 (0,080) (0,061) (0,048) (0,059) (0,026) -0,187-0,220-0,004-0,166 0,551** (0,105) (0,130) (0,073) (0,134) (0,088) -76,67 165,01** 30,70 251,59** -17,22 (50,25) (32,20) (34,99) (35,05) (26,42) * p < 0,05 ** p < 0,01 Aplcação de Análse de Redes para Avalar Reações Compettvas Uma melhor vsualzação conjunta das reações compettvas pode ser obtda por meo de técncas de análse de redes (WASSERMAN & FAUST, 1994). Para um conjunto de n frmas, a matrz de reação pode ser defnda como uma matrz n n sendo que a célula j nclu a mudança esperada de preços da frma em resposta ao acréscmo de uma undade monetára no preço da frma j. Ou seja, cada célula j corresponde ao parâmetro β estmado pela regressão (5); cada lnha da matrz corresponde aos parâmetros da curva de reação de uma determnada frma, sendo a célula da dagonal o parâmetro referente a como a frma reage a mudanças passadas no seu própro preço (β ). Se o parâmetro é não sgnfcatvo, por

15 14 defnção guala-se a célula equvalente na matrz a zero. 5 A Tabela 3 apresenta a matrz de reação resultante dos parâmetros obtdos na Tabela 2. Tabela 3: Matrz de reação resultante dos parâmetros estmados das curvas de reação (ver Tabela 2) Empresa 1 Empresa 2 Empresa 3 Empresa 4 Empresa 5 Empresa 1 0,349 0,154-0,242 0,000 0,000 Empresa 2-0,181 0,346 0,000 0,000 0,000 Empresa 3-0,087 0,000 0,610 0,000 0,000 Empresa 4 0,000 0,000 0,000 0,573 0,000 Empresa 5-0,119-0,094 0,000 0,000 0,551 Esta matrz envolve relações dreconas, pos pode apresentar parâmetros dferentes dependendo se a frma está reagndo aos preços das frma j, ou a frma j está reagndo aos preços das frma. Não há, a pror, razão para exsta smetra nestes padrões de reação. Se uma frma j reage sgnfcatvamente aos preços escolhdos no período anteror pela frma, então por convenção utlza-se a notação dreconal j. Isto permte construr um gráfco (rede) com base na matrz de reação, sendo que os nós da rede seram as n frmas envolvdas na análse, e os laços entre os nós sera feta com base nos padrões de reação. Se uma frma j reage aos preços da frma, então cra-se uma seta ndo de j para. Se ambas as frmas reagem aos preços uma da outra, então a seta é bdreconal. Se o efeto não é sgnfcatvo, então não 5 Uma alternatva para a construção dessa matrz sera estmar novos modelos exclundo-se as empresas que não apresentaram relação sgnfcatva com outras frmas. Porém, como nesta aplcação mporta apenas a sgnfcânca do efeto e não sua magntude, sso não se mostra necessáro.

16 15 há conexão entre as frmas. A Fgura 1 lustra este tpo de representação de rede com base na matrz de reação apresentada na Tabela 3. Fgura 1: Rede descrevendo padrões de nteração compettva com base na matrz de reação apresentada na Tabela 3 Observa-se na fgura que a empresa 1 apresenta um maor número de setas ndo em dreção à mesma. Isto ndca que mutos competdores seguem varações de preços passadas desta frma. Logo, trata-se provavelmente de uma frma que ldera mudanças de preços entre as empresas ncluídas nesta amostra. A empresa 5, por sua vez, parece ser mas uma segudora de preços, pos efetvamente segue mudanças efetuadas pelas empresas 1 e 2. A empresa 4 aparentemente não reage a mudanças efetuadas pelos competdores, somente a

17 16 varações de seus própros preços passados; no jargão de análse de redes, trata-se de um ator solado. Desta forma, a representação gráfca da rede de reações compettvas, com base na matrz de reação, permte uma análse geral dos padrões de nteração estratégca obtdos a partr de nformações geradas por sstemas de IC. Com base nesta análse, uma frma pode nferr, por exemplo, quas frmas devem reagr a possíves mudanças de preços efetuadas pela mesma. Este tpo de nformação é crucal, por exemplo, para avalar os mpactos de uma polítca de elevação de preços, que pode precptar dferentes padrões de reações dos competdores. CONCLUSÕES Este estudo procurou lustrar a aplcação de métodos quanttatvos para a análse de dados provenentes de sstemas de IC. Focando especfcamente em decsões de curto prazo notadamente, como frmas mudam seus preços em função das mudanças efetuadas por competdores o estudo apresentou duas técncas complementares. Prmero, utlzaram-se técncas de estmação de panel dnâmco para se avalar como frmas mudam seus preços em resposta aos preços passados dos competdores, sendo os preços observados em dversos mercados (regões). Segundo, com base nos resultados desta estmação, utlzaram-se técncas de análse de redes para se avalar, de uma forma sstêmca, como se dão os padrões de nteração compettva na ndústra: por exemplo, quas as frmas que mas seguem outras empresas no seu processo de precfcação, e quas frmas são segudas (sto é, são líderes) neste processo. Trata-se, entretanto, de um estudo prelmnar que abre espaço para dversas lnhas de pesqusa futuras. O foco do estudo em decsões de curto prazo, obvamente, dexa uma lacuna acerca das possíves técncas que poderam ser utlzadas para modelar outros tpos de decsão

18 17 assocadas a sstemas de IC. Por exemplo, uma empresa pode querer prever quas frmas devem entrar em determnadas regões e quando elas devem entrar. Como frsado anterormente, e exemplfcado neste estudo, o prmero passo é modelar o tpo de nteração estratégca envolvda e quas as varáves determnantes da escolha de entrada. É razoável supor que frmas rão ter dferentes custos de entrada em dferentes mercados; neste sentdo, uma varável que podera ser coletada e utlzada para prever este processo sera, por exemplo, quão adjacente é o novo mercado dos mercados atuas explorados pela frma, tanto em termos geográfcos (dstânca) quanto tecnológcos (competêncas requerdas para explorar o novo mercado). Se a decsão de entrada for uma varável dcotômca (entra ou não entra em determnado período), poderão ser usados modelos com varável dependente lmtada para se analsar padrões de entrada das frmas e efetuar prevsões (ver, por exemplo, MADDALA, 1983). Se o objetvo for analsar reações de preços, podem também ser utlzadas outras técncas para refnar os procedmentos descrtos no estudo. Por exemplo, podem ser utlzados modelos de estmação herárquca para analsar como os coefcentes de resposta às mudança de preços dos competdores poderam varar de acordo com cada regão ou mercado (ver, por exemplo, SNIJDERS & BOSKER, 1999). Neste caso, se exstrem K regões, será então estmado um vetor de coefcentes de reposta β 1, β 2,..., β K ndcando como a frma responde às varações de preços da frma j em cada regão. Obvamente, para a estmação de tal modelo serão necessáras séres temporas sufcentemente longas para cada regão onde as frmas estão operando conjuntamente. Um outro possível refnamento das técncas apresentadas aqu é estmar as curvas de reação das frmas smultaneamente. Isto porque é provável que os erros assocados à estmação de cada curva, e t, sejam correlaconados entre as

19 18 frmas devdo, por exemplo, a choques de mercado que afetam conjuntamente as empresas e as fazem alterar os preços de uma forma mas ou menos alnhada. Técncas de estmação de panel dnâmco envolvendo regressões múltplas já começam a estar dsponíves (ALONSO- BORREGO & ARELLANO, 1999). Seja qual for o foco do análse, há um amplo espaço para se crar e dssemnar técncas de modelagem de decsões a partr de sstemas de IC. A crescente quantdade de dados dsponíves às empresas a respeto de tendêncas de mercado e competdores mplca que a obtenção de nformações pode não mas ser um aspecto dferencador. A maor lacuna parece estar assocada à necessdade de se crar procedmentos de análse que permtam converter nformações em decsões que efetvamente resultem em vantagens compettvas. REFERÊNCIAS ALONSO-BORREGO, César; ARELLANO, Manuel. Symmetrcally normalzed nstrumental-varable estmaton usng panel data. Journal of Busness & Economcs Statstcs, v 17, n. 1, 36-49, ARELLANO, Manuel. Panel Data Econometrcs. New York: Oxford Unvesty Press, 231 p, ARELLANO, Manuel; BOND, Stephen. Some testes of specfcaton for panel data: Monte Carlo evdence and an applcaton to employment equatons. Revew of Economcs Studes, v. 58, , ARELLANO, Manuel; BOVER, Olympa. Another look at the nstrumental varable estmaton of error-components models. Journal of Econometrcs, v. 68, 29-51, CHOI, I. Unt root tests for panel data. Journal of Internatonal Money and Fnance. v. 20,

20 19 COTTERILL, Ronald W.; PUTSIS Jr., WILLIAM P.; DHAR, Rav. Assessng the compettve nteracton between prvate labels and natonal brands Journal of Busness, v. 73, , DOORNIK, Jurgen A.; ARELLANO, Manuel; BOND, Stephen. Panel data estmaton usng DPD for Ox. Dsponível em < Acesso em 18 out. 2004). DOORNIK, Jurgen A.; HENDRY, Davd, F. Econometrc Modellng Usng PcGve, vol III. London: Tmberlake Consultants Press, ECONOMIDES, Ncolas. Qualty varatons n the crcular model of varety-dfferentated products. Regonal Scence and Urban Economcs, v. 23, FUDENBERG, Drew; LEVINE, Davd K. The Theory of Learnng n Games. Cambrdge: MIT Press, 1999, 276 p. KAHANER, Larry. Compettve ntellgence: how to gather, analyze, and use nformaton to move your busness to the top. New York: Touchstone, p. KELLEY, W. Marketng Intellgence: how to gather, analyse and use nformaton to move your busness to top. New York: Touchstone, p. LEVIN, A.; LIN, C. F.; CHU, C. Unt root tests n panel data: asymptotc and fnte-sample propertes. Journal of Econometrcs, v. 108, MADDALA, G. S. Lmted-dependent and Qualtatve Varables n Econometrcs. Cambrdge: Cambrdge Unversty Press,1983, 401 p. MADDALA, G. S.; WU, S. A comparatve study of unt root tests wth panel data and a smple new test. Oxford Bulletn of Economcs and Statstcs, v. 61, , MARCO, Suel A. Intelgênca Compettva: defnções e contextualzação. Campnas: Revsta Transformação do Departamento de Pós-Graduação de Bbloteconoma,

21 20 PUC-Campnas, vol 11, n. 2, mao-agosto 1999, p Dsponível em: < Acesso em: 27 out MILLER, Jerry P.; Busness Intellgence Brantrust. O mlêno da ntelgênca compettva. Porto Alegre: Bookman, p. PORTER, Mchael E. Compettve strategy: technques for analyzng ndustres and compettors. New York: Free Press, p. ROY, Abhk; HANSSENS, Domnque M.; RAJU, Jagmohan S. Compettve prcng by a prce leader. Management Scence, v. 40, n. 7, , SLADE, Margaret E. Vancouver s gasolne-prce wars: an emprcal exercse n uncoverng dynamc supergame strateges. Revew of Economc Studes, v. 59, , SNIJDERS, Tom A. B. e BOSKER, Roel J. Multlevel analyss: an ntroducton to basc and advanced multlevel modelng. London: SAGE Publcatons, 1999, 266 p. STEEKAMP, Jan-Benedct E. M.; NIJS, Vncent R.; HANSSENS, Domnque M.; DEKIMPE, Marnk G. Compettve reactons and the cross-sales effects of advertsng and promoton. Workng paper, Erasmus Research Insttute of Management, Rotterdam School of Management, Rotterdam, WARREN, Km. Compettve strategy dynamcs. Chchester: Wley, p. WASSERMAN S. & Faust, K.. Socal network analyss. Cambrdge: Cambrdge Unversty Press, 1994.