ANAIS DETERMINANTES DA ESTRUTURA DE CAPITAL DAS EMPRESAS DO SETOR ELÉTRICO LISTADAS NA BOVESPA

DETERMINANTES DA ESTRUTURA DE CAPITAL DAS EMPRESAS DO SETOR ELÉTRICO LISTADAS NA BOVESPA MICHELE GONÇALVES ( michele_goncalves36@yahoo.com.br, michele_goncalves36@yahoo.com.br ) FURB - Fundação Universidade Regional de Blumenau NELSON HEIN ( hein@furb.br, hein@furb.br ) FURB - Fundação Universidade Regional de Blumenau ANDRESSA MICHELS ( andressamichels91@gmail.com, andressamichels91@gmail.com ) FURB - Fundação Universidade Regional de Blumenau Resumo: O estudo teve como objetivo verificar os determinantes da estrutura de capital das empresas do setor elétrico listadas na Bovespa. Os dados foram coletados nos relatórios das demonstrações contábeis, disponibilizados na base de dados Economática, nos anos de 2010 a 2014, totalizando 36 empresas. Os resultados demostram, que, rentabilidade e retorno sobre ativos tem significância sob a variável dependente nos três modelos testados, sendo eles, endividamento total, longo prazo e curto prazo. No que diz respeito à tangibilidade e crescimento, foram significantes em dois dos modelos. Já as variáveis tamanho, lucratividade e retorno sobre o patrimônio líquido não foram significantes. Palavras-chave: Determinantes. Estrutura de Capital. Setor Elétrico Brasileiro. 1/16

1 INTRODUÇÃO As primeiras teorias referente à estrutura de capital vieram dos estudos de Modigliani e Miller (1958) que foram o marco principal na literatura sobre finanças, dos quais trouxeram as definições sobre estrutura de capital e como é a forma das empresas se financiarem. Após esses estudos muito outros autores se estimularam a verificar questões sobre a estrutura de capital, principalmente pelo fato de compreenderem as maneiras das empresas alcançaram a maximização de seus resultados organizacionais. Conforme Harris e Ravid (1991) os diversos estudos empíricos tem identificado potenciais determinantes da estrutura de capital, porém não há uniformização desses determinantes, e conforme o contexto aplicado, eles podem variar. Dessa maneira, algumas propriedades da dívida possuem implicações relevantes na determinação da estrutura de capital, como a previsão de falência, a relação do retorno entre credores e acionistas, os objetivos da contratação de dívidas pela gestão e a relativa desvinculação entre pagamento da dívida e desempenho da organização. Klotzle e Biagini (2004) afirmam que os estudos de estrutura de capital não são mais novidade devido à importância dada pelo mundo corporativo à estrutura de capital, pela, a preocupação da alta gestão em relação a ociosidade de capital que pode resultar em perdas de investimento e riqueza aos acionistas. Deve-se existir um nível ótimo de endividamento nas empresas, o qual é determinado por estratégias e políticas organizacionais de estrutura de capital de longo prazo. A medida que se percebe um nível ótimo de endividamento fica mais importante verificar os fatores predominantes que explicam como as firmas determinam sua estrutura de capital, reportando em conhecimento e validade empírica das teorias sobre a estrutura de capital (NAKAMURA et al., 2007). Para Tristão e Dutra (2012) a importância do estudo da Teoria da Estrutura de Capital é relevante principalmente em dois aspectos, primeiro é de buscar a relação entre uma estrutura de capital ótima e seus custos reduzidos, e segundo ponto é a busca da identificação de quais fatores são necessários no momento de determinar as formas de financiamento para os projetos utilizados. Assim, introduzido neste ambiente empresarial, é destacado o setor elétrico brasileiro, que a partir de 1990 passou por uma forte onda de privatizações, onde, nessa mesma época foi criada a Agência Nacional de Energia Elétrica (ANEEL), vinculada ao Ministério de Minas e Energia. Essa autarquia é responsável por regular o mercado de geração, transmissão, distribuição e comercialização da energia elétrica no Brasil, e também determinante na criação de normas e procedimentos contábeis, denominada de contabilidade regulatória (BEUREN; UTZIG; KLOEPPEL, 2013). O setor elétrico ao longo dos anos, pela busca de captação de recursos e políticas de novas e crescentes exigências de investimento, aumentaram a abertura de capital e passaram a negociar ações na bolsa de valores, surgindo as modalidades de atividades holding e participação em outras sociedades (NASCIMENTO; FRANCO; CHEROBIM, 2012). Diante disso, surge a questão norteadora desse estudo: quais são os determinantes da estrutura de capital das empresas do setor elétrico listadas na Bovespa? Para responder a questão de pesquisa, tem-se por objetivo identificar os determinantes da estrutura de capital das empresas do setor elétrico listadas na Bovespa. A justificativa para esse estudo se dá na importância que a estrutura de capital possui para o desenvolvimento financeiro (KIRCH; TERRA, 2012), e também a importância atribuída sobre as pesquisas relacionadas à estrutura de capital, pois em alguns casos os estudos 2/16

empíricos sobre o tema ainda trazem uma diversidade de conclusões, por vezes até contraditórias (CORRÊA; BASSO; NAKAMURA, 2013). O destaque para o setor de energia elétrica se dá na contribuição para o entendimento dos determinantes da estrutura de capital de empresas do setor elétrico, que através de mecanismos de competição, desejam atingir objetivos macroeconômicos e expansão do setor, diante das novas reformas institucionais no segmento (LEITE; CASTRO, 2014). O período analisado é de cinco anos, que compreende os anos de 2010 até 2014. Isso se deve, a disponibilidade das informações que dão suporte ao estudo, sendo que, aplicado em período menor reduziria a proporcionalmente e tamanho da amostra, o que prejudicaria a análise dos dados. O estudo está estruturado em cinco seções. Além da introdução, a segunda seção refere-se à revisão de literatura, a terceira seção trata dos procedimentos metodológicos utilizados na pesquisa, e os resultados obtidos, através da análise, são expostos na quarta seção. Por fim, à quinta seção apresenta as considerações finais à cerca do estudo, seguido das referências bibliográficas. 2 REFERÊNCIAL TEÓRICO Nesta revisão de literatura são abordados temas que embasam conceitualmente a problemática da pesquisa em questão. Inicia-se com a apresentação de informações acerca da estrutura de capital, que é de interesse da pesquisa, bem como são abordados estudos correlatos com o tema. As bases de busca dos dados bibliográficos utilizadas nesta pesquisa, foram SPELL Scientific Periodicals Electronic Library, Scopus - Document Search, Science Direct, Jstor e Portal de Periódicos Capes. 2.1 Estrutura de Capital A estrutura de capital é tema importante na área de finanças, principalmente o que tange o gerenciamento de valores de capital próprio e de terceiros, bem como, o impacto em diversas tomadas de decisões de uma organização. Para explicar a estrutura de capital existem duas correntes teóricas focadas na investigação de informações financeiras das empresas, tais como: o modelo tradicionalista, representada por Durant (1952) e a proposta descrita por Modigliani e Miller (1958). O Modelo de Durant (1952) descreve que a estrutura de capital influencia o valor da empresa. Assim, o custo de capital de terceiros é mantido estável até um determinado nível de endividamento, partindo desse nível, o risco de falência amenta proporcionalmente. Agora, se for menor, a empresa deveria se endividar até determinado ponto, onde, o custo de capital próprio atinge uma estrutura de capital ótima, e assim, maximizando o valor da empresa (DURANT, 1952). A segunda corrente teórica é proposta por Modigliani e Miller (1958), do qual os autores apresentavam que o valor de mercado de uma empresa independe da sua estrutura de capital, ou seja, não importa como ela se financia, em relação à utilização de capital próprio ou de terceiros. No entanto, Modigliani e Miller (1963) trouxeram uma nova visão em relação aos seus estudos de 1958, indicando que os benefícios fiscais podem sim, alterar a estrutura de capital de acordo com a escolha do tipo de endividamento. Considerou-se que os possíveis impactos da insolvência são resultados do nível de dívida que a empresa tem, bem como as estratégias 3/16

que as mesmas devem adotar em relação a dívida de capital de terceiros, pois dependendo desse nível de endividamento podem sofrer dificuldades financeiras. Jensen e Meckling (1976) contribuíram com os estudos de estrutura de capital, principalmente na relação entre financiamento e investimento, de maneira a maximizar o valor empresarial, trazendo as teorias de Static trade-off e Pecking Order. A teoria Static trade-off parte da ideia de que as empresas devem substituir suas dívidas (capital de terceiros) por seu próprio patrimônio (capital próprio), ou o contrário até que haja maximização do valor da empresa, criando assim uma estrutura de capital (MYERS, 1984). Sobre a teoria de Pecking Order, Myers (1984) afirma que a retenção dos lucros sempre será preferível ao endividamento, e que existe uma hierarquia em relação aos financiamentos, seguindo uma ordem para captação de recursos, utilizando primeiramente valores de sobra de caixa, emissão de títulos e emissão de ações, de maneira a não perder controle da empresa. Em relação aos assuntos abordados pelas teorias de finanças que descrevem sobre a estrutura de capital, o tema tem sido bastante abrangente e complexa, de modo que, não é possível afirmar de forma concreta uma melhor maneira de estrutura de capital (TITMAN; WESSELS, 1988; RAJAN; ZINGALES, 1995; SHYAM-SUNDER; MYERS, 1999). Assaf Neto (1997) descreve que uma das principais atitudes dos gestores é a decisão sobre quais fontes de recursos serão utilizadas, principalmente para identificação, avaliação e seleção das melhores alternativas, do qual essas decisões são inevitáveis e sucessivas durante todo processo organizacional. Frente a isso, Famá e Grava (2000) enfatizam que a fragilidade das empresas ao buscarem empréstimos junto a órgãos financiadores de crédito pode resultar em inadimplência, pois, ao terem que arcar com altas taxas de juros, devido a sua situação de fragilidade, aumentam significantemente o risco e consequentemente acabam afetando o custo do seu capital. Dessa forma, quando o risco for maior, mais descontente fica o investidor, preocupando a empresa e estabelecendo que fluxos de caixa mais voláteis dificultam a captação de recursos para financiamento, tendo assim, que financiar seu capital próprio e projetos em conformidade com a teoria do trade off (FRANK; GOYAL, 2003), que não é vista pela mesma ótica para alguns estudiosos, dos quais, continuando em debatendo questões como essas (JORGE; ARMANDA, 2001; KLOCK; THIES (1992); TITMAN; WESSELS, 1988). Kale e Shahrur (2007) afirmam que o poder entre cliente e fornecedor apresenta relação positiva com a alavancagem, assim, as empresas podem decidir aumentar seu endividamento como forma de diminuir o poder dos agentes interessados (stakeholders) não financeiros. As empresas podem utilizar o endividamento como proteção contra a extração futura de dividas por parte dos agentes interessados não financeiros. As decisões sobre o financiamento de uma organização, é resultado de um mix de fontes de recursos de longo prazo, com o objetivo de maximização dos valores e projetos de quais ela esteja inserida de forma direta ou indireta. Busca-se uma estrutura de capital adequada capaz de reduzir o custo de capital das empresas por meio da combinação ideal de financiamentos ou patrimônio próprio (SANTOS; PIMENTA JUNIOR; CICCONI, 2009). Assim, diante de algumas afirmações sobre os determinantes da estrutura de capital Chen, Goldstein e Jiang (2010) em seus estudos procuraram examinar a decorrência sobre 4/16

utilização das teorias de finanças em uma indústria de fundos, do qual evidenciaram que os investidores mais bem informados apresentam forte sensibilidade a possíveis retornos negativos. Utami (2012) buscou identificar os determinantes da estrutura de capital de empresas do segmento de manufatura na Indonésia. Os resultados obtidos demonstraram que a rentabilidade e tangibilidade influenciam negativamente o endividamento total das empresas, já a tamanho e o crescimento influenciam positivamente. De maneira geral, foi evidenciado que empresas consolidadas e em crescimento fazem utilização de financiamentos externos, dessa forma, a teoria da hierarquia proposta pela teoria Pecking Order pode explicar os melhor padrões de financiamento de empresas ainda em crescimento do que as empresas já consolidadas no mercado. Para analisar o nível de endividamento das maiores empresas brasileiras sob a ótica das duas teorias de finanças Pecking Order e a teoria de Trade-off, Corrêa, Basso e Nakamura (2013) demonstraram que há relação negativa entre o nível de endividamento das empresas e o grau de tangibilidade dos ativos e a rentabilidade, bem como relação positiva do endividamento com o risco. Demonstraram ainda que as empresas de capital estrangeiro são mais endividadas que empresas nacionais, na análise dinâmica do estudo foi demonstrado o comportamento de Pecking Order dos administradores. Costa, Gartner e Graneman (2015), com o objetivo de identificar os fatores determinantes da estrutura de capital das empresas do setor de transporte brasileiro a partir das Teorias Pecking order e Static trade-off, concluíram que rentabilidade, custos dos problemas financeiros e tamanho, são fatores que determinam a estrutura de capital das empresas pesquisadas. 2.1 Regressão Linear Conforme Marôco (2007) o termo regressão foi descrito pela primeira vez por Sir Francis Galton em 1985 num estudo que comentava sobre a altura dos filhos, do qual resultou que a altura dos filhos não tende a refletir a altura dos pais, mas tende sim a regredir para a média da população. Recentemente o termo Regressão Linear é conceituado como um conjunto vasto de métodos estatísticos utilizados para modelar relações entre variáveis e predizer o valor de uma variável dependente (ou de resposta) a partir de um conjunto de variáveis independentes (ou preditoras). A relação entre uma ou mais variáveis pode ser considerada como dependência funcional, esse termo de variável dependente provoca na maioria das vezes uma relação do tipo causa-efeito, porém a regressão linear é comumente usada para modelar a relação funcional entre duas variáveis, uma relação que pode ser expressa através de uma função matemática, independente de existir ou não uma relação de tipo causa-e-efeito que nem sempre é fácil de demonstrar. Para Fávero et al., (2009) a regressão linear tem como principal foco pesquisar a relação entre duas ou mais variáveis explicativas, que se apresentam na forma linear, e uma variável dependente métrica, que pode ser escrito da seguinte forma: Y=α + β¹ X¹ + β² X² +...+ βn Xn + u De maneira a obedecer aos testes paramétricos e pressupostos da regressão Fávero et al. (2009), afirma a execução de alguns testes que verificam o comportamento das variáveis no modelo proposto de regressão, conforme Quadro 1. 5/16

Quadro 1 - Pressupostos do modelo Clássico de Regressão Linear Pressuposto Violações 1 A variável dependente é uma função linear de um conjunto específico de variáveis e do erro Regressões inadequados. Não-linearidade 2 O valor esperado do termo de erro é zero Estimadores viesados 3 O erro tem distribuição normal e não apresenta autocorrelação ou correlação com qualquer variável X Heterocedasticidade Auto correlação dos resíduos 4 As observações das variáveis explicativas podem ser consideradas fixas em amostras repetidas Erros de levantamento ou medida das variáveis 5 Não existe relação linear exata entre as variáveis explicativas e existem mais observações do que variáveis explicativas Multicolinearidade Dados: Kennedy (2003) adaptado por Fávero et al. (2009). A regressão múltipla é realizada quando o pesquisador tem o objetivo de fazer uma avaliação sobre a significância dos parâmetros de determinadas variáveis explicativas por meio da inclusão passo a passo apenas daqueles que se mostraram relevantes a determinado nível de confiança. Essa análise é como se desse início a um cálculo sem nenhuma variável explicativa e, conforme os parâmetros das variáveis são testados, elas são adicionadas ou não ao modelo, no início do procedimento, é definida a melhor variável explicativa do comportamento de Y e, na sequência, outras variáveis vão sendo testadas a partir da significância de seus parâmetros (FÁVERO et al., 2009). Dessa maneira a regressão para Hair (2009) é descrita da seguinte forma: A análise de regressão múltipla é uma técnica estatística que pode ser usada para analisar a relação entre uma única variável dependente (critério) e várias variáveis (preditoras). O objetivo dessa análise é usar as variáveis independentes cujos valores são conhecidos para prever os valores da variável dependente selecionada pelo pesquisador, cada variável independente é ponderada pelo procedimento da análise de regressão para garantir máxima previsão a partir do conjunto de variáveis independentes. Os pesos denotam a contribuição relativa das variáveis independentes para a previsão geral e facilitam a interpretação sobre a influência de cada variável em fazer previsão, apesar de a correlação entre as variáveis independentes complicar o processo interpretativo (HAIR, 2009). Já para Corrar, Paulo e Dias Filho a análise de regressão é um método estatístico utilizada em grande proporção na área de negócios e em pesquisas acadêmicas com o objetivo de realizar uma previsão, da qual consiste em determinar uma função matemática que procura descrever o comportamento de determinada variável, reconhecida como dependente, com base nos valores de uma ou mais variáveis, reconhecidas como independentes. O pressuposto da regressão é a dependência estatística de uma variável denominada dependente, ou variável prevista ou explicada, em relação a uma ou mais variáveis independentes, explanatórias ou preditoras, tendo como foco estimar os valores da variável dependente selecionada pelo pesquisador, com base nos valores conhecidos ou fixados das variáveis independentes. Dessa maneira, a Regressão Linear é a afirmação ou não de uma relação, realizada por meio de uma equação matemática, que consiste em estimar e esclarecer o valor de uma variável em função de outras variáveis, podendo assim ser descrita como um conjunto de métodos e técnicas para o estabelecimento de uma reta empírica que interprete a relação funcional entre variáveis com boa aproximação (COSTA, 2012). 6/16

3 PROCEDIMENTOS METODOLÓGICOS Para identificar os fatores da estrutura de capital das empresas do setor elétrico listadas na Bovespa, em relação aos procedimentos, foi desenvolvido um estudo com aspecto descritivo, classificada como documental, de maneira a observar os índices financeiros disponibilizados. Além de uma abordagem quantitativa, pois os dados coletados são passíveis de mensuração e analisados por meio da técnica estatística Regressão múltipla que conforme Corrar, Paulo e Dias Filho (2014) tem por objetivo prever uma variável dependente a partir do conhecimento de mais de uma variável independente. A população do estudo compreendeu todas as empresas do setor elétrico listadas na Bovespa no Brasil. Tendo como composição 67 empresas, das quais foram excluídas 31 empresas que não possuíam todas as informações necessárias para a realização da pesquisa, obtendo assim uma amostra de 36 empresas. A coleta dos dados foi realizada utilizando do sítio eletrônico da Economática no período compreendido entre os anos de 2010 a 2014. Dessa forma, foram obtidas informações anuais referentes à estrutura de capital das empresas, compostas pelas variáveis apresentadas na Tabela 1. Tabela 1 Variáveis da pesquisa Variáveis Descrição Proxys Fonte Variáveis dependentes Estrutura de Capital Endividamento total (END_TOT) Endividamento de curto prazo (END_CURT) Endividamento de longo prazo (END_LONG) Variáveis Independentes Fatores determinantes Rentabilidade (RENT) Tangibilidade (TANG) Relação entre o valor total das dívidas das empresas e seus ativos totais. Relação entre o valor das dívidas de curto prazo das empresas e seus ativos totais. Relação entre o valor das dívidas de longo prazo das empresas e seus ativos totais. Avaliada pela razão entre o lucro antes de impostos, taxas, juros e depreciação (EBITDA) e o valor dos ativos totais. Razão entre os ativos classificados no grupo Imobilizado e o valor dos ativos totais. (PC + PNC) / AT PC / AT PNC / AT Lucro Ebtida/ Ativo total (Ativos Imobilizado / Ativo Total) Rajan e Zingales (1995); Cassar e Holmes (2003); Bastos e Nakamura (2009); Rajan e Zingales (1995); Cassar e Holmes (2003); Bastos e Nakamura (2009); Rajan e Zingales (1995); Cassar e Holmes (2003); Bastos e Nakamura (2009); Rajan e Zingales (1995); Corrêa, Basso e Nakamura (2013). Gartner e Graneman (2015) Rajan e Zingales (1995); Brav (2009); Corrêa, Basso e Nakamura (2013). Crescimento Avaliado pela razão (Ativo total t ativo total t-1) Merika et al (2015) 7/16

(CRESC) Tamanho (TAM) Lucratividade (LPA) Retorno sobre o Ativo(ROA) entre a diferença do valor do ativo total das empresas no ano t e no ano t-1 pelo valor total dos ativos t-1 Avaliado pelo logaritmo natural do valor total das receitas. Avaliado pelo Lucro Líquido e Número de Ações Relação entre o Lucro Líquido e o Ativo Total Retorno sobre Relação entre o o Patrimônio Lucro Líquido e Líquido (ROE) Patrimônio Líquido Fonte: Dados da pesquisa ANAIS / Total dos ativos t-1 Ln(RECEITA) LL NAÇ LL AT LL PL Corrêa, Basso e Nakamura (2013); Costa, Gartner e Graneman (2015) Damodaran (2002); Gitman (2006); Assaf Neto (2012) Damodaran (2002); Gitman (2006); Bonacim, Ambrozin e Nagano (2006); Bastos e Nakamura (2009); Bastos; Nakamura; Basso (2009); Assaf Neto (2012) Damodaran (2002); Gitman (2006); Assaf Neto (2012) A Tabela 1 apresentou as variáveis utilizadas na pesquisa, a qual apresentou algumas limitações, principalmente pelo fato de empresas sem dados para análise no momento da coleta de dados, que tiveram que ser excluídas. Na análise dos dados foi verificada a regressão múltipla dos dados através de 3 equações. Após foram rodadas as regressões lineares múltiplas, utilizando o software estatístico Statistical Package for the Social Sciences (SPSS) para cada modelo a seguir: Modelo 1: END_TOT = β0 +β1 RENT + β2 TANG + β3 CRESC + β4 TAM + β5 LPA + β6 ROA + β7 ROE +e Modelo 2: END_CURT = Φ0 + Φ1 RENT + Φ2 TANG + Φ 3 CRESC + Φ 4 TAM + Φ5 LPA + Φ6 ROA + Φ7 ROE +e Modelo 3: END_LONG = ψ0 +ψ1 RENT + ψ2 TANG + ψ3 CRESC + ψ4 TAM + ψ5 LPA + ψ6 ROA + ψ7 ROE +e A análise de cada modelo foi composta pela resposta ao objetivo da pesquisa que é identificar os fatores da estrutura de capital das empresas do setor elétrico listadas na Bovespa. 4 RESULTADO E ANÁLISE DOS DADOS Os dados apresentados a seguir foram coletados e analisados a partir da proposta estabelecida nos procedimentos metodológicos e de acordo com o objetivo proposto nesta 8/16

pesquisa. Sendo assim, a primeira análise refere-se a estatística descritiva das variáveis seguindo da análise da regressão linear múltipla. Na Tabela 2 pode-se observar as estatísticas descritivas referente ao endividamento total (END), endividamento de curto prazo (END_CURT), endividamento de longo prazo (END_LONG), juntamente com as variáveis Rentabilidade (RENT), Tangibilidade (TANG), Crescimento (CRESC), Tamanho (TAM), Lucratividade (LPA), Retorno sobre o Ativo (ROA) e Retorno sobre o Patrimônio Líquido (ROE). Tabela 2 Análise descritiva das variáveis do estudo Variáveis Mínimo Máximo Média Mediana Desvio Padrão END_TOT 0,2853 1,2348 0,6145 0,6217 0,1377 END_CURT 0,0402 0,7278 0,2096 0,1954 0,1036 END_LONG 0,1948 0,6329 0,4010 0,3976 0,0939 RENT -0,1467 0,3917 0,1070 0,1183 0,0895 TANG 0,0000 0,9595 0,2642 0,2038 0,2754 CRESC -0,7714 3,5821-0,0593-0,0731 0,3255 TAM 10,5065 17,4928 15,0312 15,0872 1,4056 LPA -72,2230 916,0504 20,5617 0,9889 127,6632 ROA -0,4070 0,2285 0,0377 0,0421 0,0699 ROE -5,0595 2,1644 0,0890 0,1357 0,4681 Fonte: Dados na pesquisa Com base na Tabela 2, observou-se que a variável de endividamento total (END_TOT), que representam a relação entre o valor total das dívidas das empresas e seus ativos totais, o endividamento de curto prazo (END_CURT) que representa a relação entre o valor das dívidas de curto prazo das empresas e seus ativos totais, e o, endividamento de longo prazo (END_LONG) composto pela relação entre o valor das dívidas de longo prazo das empresas e seus ativos totais, possuem um desvio padrão de 0,1377, 0,1036 e 0,0939, respectivamente, indicando que não há variabilidade em relação ao nível de financiamento das empresas, ou seja, os valores utilizados por cada variável possuem valores de média parecidos. A variável rentabilidade que foi avaliada em razão entre o lucro antes de impostos, taxas, juros e depreciação (EBITDA) e o valor dos ativos totais apresentou um desvio padrão de 0,0895, porém o valor negativo de mínimo, demonstra que na média as empresas se manterão rentáveis nos últimos anos. Já a Tangibilidade (TANG) calculada sob a razão entre os ativos classificados no grupo Imobilizado e o valor dos ativos totais apresentaram uma mínimo de 0,000 e máximo de 0,9595, indicando que há uma variação em relação as variáveis investigadas. O logaritmo crescimento das empresas (CRESC) apresentou desvio padrão de 0,3255, demonstrando que quando comparado com média, diversas empresas apresentam um valor bem diferente de crescimento. A variável tamanho (TAM) que foi avaliado pelo logaritmo natural do valor total das receitas, apresentou um desvio padrão bastante disperso de 1,4056, sendo a atribuído o valor mínimo de 10,5065 e máximo de 17,4928, demonstrando que o tamanho das organizações é bem variado. O logaritmo lucratividade (LUCR) medido pelo Lucro Líquido e Número de Ações, apresentou uma variação dispersa em relação ao desvio padrão de 127,6632, isso pode ser explicado principalmente pela variação encontrada na média, demonstrada por 20,5617, essa dispersão demonstra a variação do logaritmo. Já em relação as variáveis, ROA e ROE, que foram analisadas através da relação entre o lucro líquido e o ativo total e relação entre o lucro líquido e patrimônio líquido, respectivamente, do qual percebeu um desvio padrão de para ROA de 0,0699, demonstrando uma variação mínima 9/16

em relação à média apresentada, já o ROE de 0,468, apresentou uma variação maior, quando comparada com a média de 0,0890. Em seguida, por meio foi realizado os testes de aleatoriedade, de normalidade e de homocedasticidade sobre os dados coletados, para análise dos pressupostos fundamentais para a realização da técnica de regressão linear. Dessa forma, para testar a aleatoriedade do modelo, foi aplicado o teste de Durbin- Watson, que apresentou valor de 1,980, do qual Marôco (2011) afirma que, a proximidade do resultado desse teste ao valor de 2, indica inexistência de autocorrelação entre os resíduos, atendendo dessa forma, os pressupostos da regressão. Os testes de homocedasticidade, apresentou uma distribuição de resíduos de forma normal e variância de erros uniforme, conforme Tabela 3. Tabela 3 Análise de Fator de Influência da Variância Modelo 1 END_TOT Variáveis RENT TANG CRESC TAM LPA ROA ROE VIF 5,349 1,16 2,405 1,211 1,051 6,993 1,413 Modelo 1 END_CURT Variáveis RENT TANG CRESC TAM LPA ROA ROE VIF 5,349 1,16 2,405 1,211 1,051 6,993 1,413 Modelo 1 END_LONG Variáveis RENT TANG CRESC TAM LPA ROA ROE VIF 5,349 1,16 2,405 1,211 1,051 6,993 1,413 Fonte: Dados da pesquisa Freund e Wilson (2006) descrevem que o teste de multicolinearidade é analisado pelo teste de Fator de Influência da Variância (VIF), que é realizado para a não ocorrência de problemas de colinearidade dos dados este deve apresentar índices entre 1,0 e 10,0, assim nos pode ser observado na Tabela 3, verifica-se que em todas as variáveis realizadas no presente estudo, os índices apresentaram valores entre 1,0 e 6,0, demostrando não haver problemas de colinearidade dos regressores. Na Tabela 4 são apresentados o teste de Regressão Linear múltipla, resultado das variáveis pertencentes ao estudo. Tabela 4 - Resultado das regressões linear multipla Modelo 1 END_TOT Var. RENT TANG CRESC TAM LPA ROA ROE Sig Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. R² 1,575 0,000-0,174 0,000-0,132 0,001 0,006 0,346 0,000 0,107-2,407 0,000-0,010 0,634 0,377 Modelo 2 END_CURT 10/16

Var. RENT TANG CRESC TAM LPA ROA ROE Sig Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. R² 0,677 0,001-0,158 0,000 0,036 0,236-0,003 0,501 9,088 0,073-0,921 0,000-0,023 0,160 0,368 Modelo 3 END_LONG Var. RENT TANG CRESC TAM LPA ROA ROE Sig Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. Coef. Sig. R² 2,931 0,000-0,191 0,719-0,244 0,000 0,010 0,009 0,000 0,827-4,384 0,000-0,004 0,368 0,207 Fonte: Dados da pesquisa Conforme a Tabela 2 que apresenta o resultado da regressão da variável dependente de endividamento total, endividamento de curto prazo e endividamento de longo prazo, percebese a relação positiva entre a variáveis independentes de rentabilidade nos três modelos realizados, a variável tangibilidade para o endividamento total e de curto prazo, variável crescimento no modelo de endividamento total e de longo prazo, e a variável retorno sobre o ativo nos três modelos sendo endividamento total, curto e de longo prazo. Diante dos resultados das regressões lineares múltiplas apresentados na Tabela 3 o coeficiente de determinação (R²) teve poder explicativo significante nos três modelos estipulados para análise dessa pesquisa, ficando em 37,7% para o endividamento total, 36,8% para o endividamento de curto prazo e 20,7% para o endividamento de longo prazo. Dessa maneira podemos concluir que quanto maior for à rentabilidade de uma organização menos ela vai precisar de financiamento de terceiros para gerir seus fluxos de caixa. Esses mesmos resultados são evidenciados nos estudos de Corrêa, Bastos e Nakamura (2013) do qual afirmam que quanto mais às empresas forem rentáveis operacionalmente consequentemente vão gerar mais caixa operacional, e dessa maneira deveriam ser menos endividadas. Já nos estudos de Costa, Gartner e Graneman (2015) foi verificado que quanto maior a rentabilidade do setor de alta tecnologia menor será o endividamento dessas empresas, conforme os resultados encontrados, pode-se verificar uma relação direta entre esses resultados e a teoria do Pecking Order. Para a variável tangibilidade também foi verificada significância, levando ao entendimento de que empresas possuidoras de bens físicos de alto valor, possuem recursos que possibilitam a compra de bens, bem como, a possibilidade de venda garantindo geração de recurso, ou mesmo a alienação dos mesmos, como garantia para algum tipo de financiamento. Dessa forma, empresas possuidoras desses ativos tangíveis, tendem a ter mais facilidade de acesso e disponibilidade monetária, em situações de problemas de liquidação, levando de certa maneira, maior garantia a fornecedores de dívidas, dos quais, se sentem mais confortáveis e confiantes para concessão e liberação de crédito, seja ele empréstimo, financiamento ou até mesmo venda de serviços e produtos, quando há garantias. Sendo assim, organizações possuidoras de qualquer tipo de bem físico, detêm de maior capacidade de tomar suas dívidas e a custos financeiros menores (CORRÊA, BASTOS; NAKAMURA, 2013; BRAV, 2009). Esses resultados apontados demonstram uma relação direta a teoria de Static trade-off. 11/16

Já relacionado a variável crescimento, demonstrada no modelo, verifica-se negativamente significante, dessa forma, quanto maior for o crescimento das organizações da amostra do estudo, menor tende a ser o endividamento da mesma, esse resultado vai de acordo com os dados encontrados nos estudos de Rajan e Zingales (1995) e Akhtar (2005), dos quais os autores encontraram evidências de que que quanto maior o crescimento das empresas menor é o seu endividamento total, remetendo aos princípios consolidados pela a teoria de Static trade-off. O retorno sobre o ativo (ROA), observou-se através da regressão linear múltipla, que empresas do setor de energia elétrica possuidoras de alto retorno sobre seus investimentos, não recorrem a atividades de financiamento, isso porque com a capacidade de geração de recursos próprios, as atividades de financiamento internas são mais fáceis, e dessa forma, as mesmas, tendem a não captar recursos de terceiros, tendo poucas dívidas em sua estrutura de capital (CORRÊA, BASTOS; NAKAMURA, 2013). 5 CONSIDERAÇÕES FINAIS Esta pesquisa buscou investigar os determinantes da estrutura de capital das empresas do setor elétrico listadas na Bovespa. Para tanto, os procedimentos metodológicos para a realização da pesquisa foram categorizados como descritivos com abordagem quantitativa através do modelo de regressão linear múltipla. A amostra foi composta por 36 companhias de capital aberto, na qual foi possível acesso as informações no período de 2010 a 2014. Os resultados indicaram que as empresas do setor elétrico brasileiras não utilizam tanto atividades de financiamento, isso se deve principalmente pelo montante de recursos públicos aplicados nesse segmento. As variáveis explicativas para essa conclusão foram rentabilidade (RENT) e retorno sobre o ativo (ROA). Os resultados encontrados nessa pesquisa entram em conformidade com outros estudos dos determinantes da estrutura de capital de Corrêa, Basso e Nakamura (2013), Rajan e Zingales (1995) e Akhtar (2005), dos quais não foram visualizados sobre a ótima do segmento de energia elétrica, do qual é o objetivo dessa pesquisa. No que diz respeito à tangibilidade e crescimento verificou-se que apenas em 2 dos modelos de regressão analisados obtiveram-se significantes. Já sobre as variáveis de tamanho, lucratividade e retorno sobre o patrimônio líquido não fazem parte como determinantes da estrutura de capital das empresas do setor elétrico. Como limitação da pesquisa tem-se a falta de dados específicos para alcançar o objetivo proposto por esse estudo, o que reduziu a amostra de empresas brasileiras do setor de energia elétrica, bem como os anos estudados. Sugere-se para futuras pesquisas, que seja ampliada a amostra utilizada para empresas do mesmo segmento em outros países, visto que uma amostra diferente possibilitará comparações dos resultados. Além disso, podem ser acrescentadas outras variáveis relacionadas ao desempenho financeiro e econômico, e também estudar outras características de financiamento de outros países com vista as teorias da estrutura de capital e também outros setores específicos. 12/16

13/16

REFERÊNCIAS ASSAF NETO, A. A dinâmica das decisões financeiras. Caderno de estudos, n. 16, p. 01-17, 1997. ASSAF NETO, A. Finanças corporativas e valor. 6. ed. São Paulo: Atlas. 2012. BEUREN, I. M.; UTZIG, M. J. S.; KLOEPPEL, Nilton Roberto. Impacto da integração do sistema de controle gerencial na eficácia da controladoria: um estudo nas empresas do setor elétrico da BM&FBovespa [doi: 10.5329/RECADM. 2013019]. Revista Eletrônica de Ciência Administrativa-RECADM, v. 12, n. 3, p. 273-287, 2013. BASTOS, D. D.; NAKAMURA, W. T. Determinantes da estrutura de capital das companhias abertas no Brasil, México e Chile no período 2001-2006. Revista Contabilidade & Finanças-USP, v. 20, n. 50, p. 75-94, 2009. BONACIM, C. A. G.; AMBROZINI, M. A.; NAGANO, M. S. Estudo do endividamento de longo prazo das empresas brasileiras de capital aberto de 1996 a 2004. Congressos Fipecafi/USP, 2006 CASSAR, G.; HOLMES, S. Capital structure and financing of SMEs: Australian evidence. Accounting e Finance, v. 43, n. 2, p. 123-147, 2003. CHEN, Q.; GOLDSTEIN, I.; JIANG, W. Payoff complementarities and financial fragility: Evidence from mutual fund outflows. Journal of Financial Economics, v. 97, n. 2, p. 239-262, 2010. CORRAR, L. J.; PAULO, E.; DIAS FILHO, J. M. Análise multivariada: para os cursos de administração, ciências contábeis e economia. São Paulo: Atlas, 2014. CORRÊA, C. A.; BASSO, L. F. C.; NAKAMURA, W. T. A estrutura de capital das maiores empresas brasileiras: análise empírica das teorias de pecking order e trade-off, usando panel data. Revista de Administração Mackenzie, v. 14, n. 4, p. 106-133, 2013. COSTA, G. G. O. Curso de estatística inferencial e probabilidades: teoria e prática. São Paulo: Atlas, 2012. DA SILVA COSTA, P. H. ; GARTNER, I. R.; GRANEMANN, S. R. Análise dos determinantes da estrutura de capital das empresas do setor de transporte brasileiro à luz das teorias pecking order e static trade-off. Business and Management Review, v. 4, n.8, p. 142-151, 2015. DAMODARAN, A. Finanças corporativas aplicadas: manual do usuário. Bookman, 2002. 14/16

DURAND, D. Costs of debt and equity funds for business: trends and problems of measurement. In: Conference on research in business finance. NBER, 1952. p. 215-262. FAMÁ, R.; GRAVA, J. W. Teoria da estrutura de capital as discussões persistem. Caderno de Pesquisas em Administração, v. 1, n. 11, p. 27-36, 2000. FÁVERO, L. P. et al. Análise de dados. Modelagem multivariada para tomada de decisões. Rio de Janeiro: Campus, 2009. FREUND, R. J.; WILSON, W. J. Regression analysis: statistical modeling of a response variableacademic Press. New York, 1998. HAIR, J. F. et al. Análise multivariada de dados. Bookman, 2009. JENSEN, M. C.; MECKLING, W. H. Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of financial economics, v. 3, n. 4, p. 305-360, 1976. KLOTZLE, M. C.; BIAGINI, F. L. Fatores determinantes da estrutura de capital de empresas brasileiras. Revista de Economia e Administração, v. 3, n. 3, 2004. LEITE, A. L. S.; CASTRO, N. J. Crescimento e Estruturação das Firmas: A Formação dos Conglomerados do Setor Elétrico Brasileiro. REGE Revista de Gestão, v. 21, n. 3, p. 343-359, 2014. KALE, J. R.; SHAHRUR, H. Corporate capital structure and the characteristics of suppliers and customers. Journal of Financial Economics, v. 83, n. 2, p. 321-365, 2007. MARÔCO, J. Análise estatística: com utilização do SPSS. 2007. MARÔCO, J. Análise estatística com o SPSS Statistics. ReportNumber, Lda, 2011. MERIKA, A. et al. The relationship between business cycles and capital structure choice: The case of the international shipping industry. The Journal of Economic Asymmetries, v. 12, n. 2, p. 92-99, 2015. MODIGLIANI, F.; MILLER, M. H. The cost of capital, corporation finance and the theory of investment. The American economic review, p. 261-297, 1958. MODIGLIANI, F.; MILLER, M. H. Corporate income taxes and the cost of capital: a correction. The American economic review, p. 433-443, 1963. MYERS, S. C. The capital structure puzzle. The journal of finance, v. 39, n. 3, p. 574-592, 1984. 15/16

NASCIMENTO, C.; FRANCO, L. M. G.; CHEROBIM, A. P. M. S. Associação entre remuneração variável e indicadores financeiros: evidências do setor elétrico. Revista Universo Contábil, v. 8, n. 1, p. 22-36, 2012. NAKAMURA, W. T. et al. Determinantes de estrutura de capital no mercado brasileiro: análise de regressão com painel de dados no período 1999-2003. Revista Contabilidade & Finanças, v. 18, n. 44, p. 72-85, 2007. TITMAN, S.; WESSELS, R. The determinants of capital structure choice. The Journal of finance, v. 43, n. 1, p. 1-19, 1988. RAJAN, R. G.; ZINGALES, L. What do we know about capital structure? Some evidence from international data. The journal of Finance, v. 50, n. 5, p. 1421-1460, 1995. SHYAM-SUNDER, L.; MYERS, S. C. Testing static tradeoff against pecking order models of capital structure. Journal of financial economics, v. 51, n. 2, p. 219-244, 1999. SANDBERG, C. M.; LEWELLEN, W. G.; STANLEY, K. L. Financial strategy: planning and managing the corporate leverage position.strategic Management Journal, v. 8, n. 1, p. 15-24, 1987. PALEPU, K.; HEALY, P. Business analysis and valuation: Using financial statements. Cengage Learning, 2007. FRANK, M. Z.; GOYAL, V. K. Testing the pecking order theory of capital structure. Journal of financial economics, v. 67, n. 2, p. 217-248, 2003. JORGE, S.; ARMADA, M. J. R. Factores determinantes do endividamento: uma análise em painel. Revista de Administração Contemporânea, v. 5, n. 2, p. 9-31, 2001. SANTOS, C. M. dos; PIMENTA JÚNIOR, T.; CICCONI, E. G. Determinantes da escolha da estrutura de capital das empresas brasileiras de capital aberto: um survey. Revista de Administra&ccdeil; ão da Universidade de São Paulo, v. 44, n. 1, 2009. TITMAN, S.; WESSELS, R. The determinants of capital structure choice. The Journal of finance, v. 43, n. 1, p. 1-19, 1988. TRISTÃO, P. A.; DUTRA, V. R. Fatores que influenciam na estrutura de capital das empresas listadas na Bovespa.Revista de Administração da UFSM, v. 5, n. 2, p. 309-320, 2012. UTAMI, S. R. Determinants of Capital Structure of Firms in the Manufacturing Sector of Firms in Indonesia. 2012. 16/16