ads:
Universidade Presbiteriana Mackenzie
Centro de Ciências Sociais e Aplicadas
Programa de Pós-Graduação em Administração de Empresas
Estudo sobre a estratégia de inovação e
estrutura de capital em empresas brasileiras
no período de 2002 a 2006
Mário Kuniy
São Paulo
2008
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
Mário Kuniy
Estudo sobre a estratégia de inovação e
estrutura de capital em empresas brasileiras
no período de 2002 a 2006
Projeto de Dissertação apresentado ao
Programa de Pós-Graduação em
Administração de Empresa da Universidade
Presbiteriana Mackenzie para a obtenção do
título de Mestre em Administração de
Empresa
Orientador: Prof. Dr. Leonardo Fernando Cruz Basso
São Paulo
2008
ads:
Reitor da Universidade Presbiteriana Mackenzie
Professor Dr. Manassés Claudino Fonteles
Decano de Pesquisa e Pós-Graduação
Professora Doutora Sandra Maria Dotto Stump
Diretor do Centro de Ciências Sociais e Aplicadas
Professor Doutor Reynaldo Cavalheiro Marcondes
Coordenadora do Programa de Pós-Graduação em Administração de
Empresas
Professora Doutora Darcy Mitiko Hanashiro
AGRADECIMENTOS
Agradeço a Deus pela inspiração, motivação e por me acompanhar em momentos difíceis
nesta minha jornada.
Ao meu orientador, Prof. Dr. Leonardo Fernando Cruz Basso, pelas orientações e
enriquecimento de meu trabalho e pela oportunidade de aprender.
Ao Prof. Dr. Rubens Famá e Prof. Dr. Eduardo Kazuo Kayo, que ofereceram valiosas
contribuições quando participaram da banca examinadora do exame de qualificação.
À Meiry Kamia, pela paciência, amor, carinho, incentivo, respeito e dedicação ao nosso
relacionamento nos momentos de alegrias e dificuldades.
Aos meus pais, principalmente à minha mãe, Teru Kutomi Kuniy, a quem devo o exemplo de
perseverança e amor, além dos valores pessoais que tanto prezo.
Aos meus filhos Ken Alec, Karen Emmy e Krysten Yukary, que mesmo ausentes, estão no
meu coração.
Aos meus irmãos Satiko, Kiyoshi e Jorge, parentes e amigos, pelo apoio incondicional e pelos
momentos de desabafo, além da aceitação da minha ausência em vários momentos.
Aos meus amigos de mestrado, que compartilharam esta caminhada rumo ao saber, em
especial: Carla, pelas longas conversas e apoio, Francisco, pelos trabalhos em conjunto e
amizade, Edson, Marcelino, Marcelo Pires, Fabíola, Jane, Cláudia, Sidnei, Marcelo Sá,
Roberto, Miguel, Fábia e Luiz Ayres e outros colegas.
À SERASA, especialmente ao Ricardo Loureiro, pelo atendimento às nossas solicitações de
amostras para este estudo.
Ao IBGE, especialmente ao Carlos Lessa, Mariana e suas equipes, que gentilmente nos
atenderam, apoiaram e me receberam no Rio de Janeiro.
À Neilane e Arnaldo, pela dedicação, amizade e apoio nos trabalhos realizados no IBGE.
Ao Mackpesquisa, pelo financiamento recebido para realização deste estudo.
Por fim, aos meus funcionários: Ricardo, Reinaldo, Leonardo e Wanderson, que se dedicaram
durante a minha ausência no trabalho.
RESUMO
O objetivo deste estudo foi identificar a relação entre estrutura de capital e inovação no
contexto brasileiro, no período de 2002 a 2006 e teve como base o estudo de O’Brien (2003),
que avaliou a importância do financiamento de empresas para estratégia competitiva, baseada
em inovação, por meio de recursos próprios ou de terceiros e pela manutenção de folga
financeira (financial slack).. A pesquisa englobou setores que apresentaram inovação na
indústria em 2003 e 2005. Foram usadas informações financeiras cedidas pela Serasa e
cruzadas com dados de inovação e investimentos em propaganda, disponibilizadas pelo
Instituto Brasileiro de Geografia e Estatística (IBGE). Os procedimentos deste trabalho foram
semelhantes aos utilizados por Marques (2007), que serão detalhados a seguir. Para
verificação de consistência de resultados, foram rodadas regressões lineares múltiplas com
duas amostras, que apresentaram diferentes níveis de investimentos em inovação, de acordo
com o questionário aplicado a cada dois anos pelo IBGE, em empresas de diversos setores
industriais. Os resultados corroboraram o estudo de O’Brien (2003), que indicaram que
quanto mais as empresas enfatizam a inovação, menor será o seu índice de alavancagem; que
quanto mais importante for a inovação para a estratégia de uma empresa, menor será a relação
entre alavancagem e rentabilidade e, que existe uma interação negativa entre alavancagem e a
importância da inovação na estratégia da empresa, com respeito aos seus impactos sobre o
desempenho da empresa. Além dos testes sugeridos por O’Brien (2003), foi aplicado um teste
que indicou que quanto maior o investimento em estratégia de inovação, maior a folga
financeira.
Palavras-chave: estrutura de capital, inovação, folga financeira.
ABSTRACT
The purpose of this work was identify the relationship between capital structure and
innovation in the brazilian context during the period from 2002 to 2006 and was based on
O’Brien (2003), whom estimated the importance of financing resources for companies in the
competitive strategy based on innovation using equity or debt financing and for maintaining
financial slack.. This work considered industrial sectors which had innovation in 2003 and
2005. The financial informations were collected by Serasa, next was merged with innovation
information and advertising intensity offered by Instituto Brasileiro de Geografia e Estatística-
IBGE. The procedures of this work were similar of applied by Marques (2007) that will be
explained in the sequence. In order to check the consistency of the results, many multiple
regression were calculated with two databases which had different innovation investment
levels, according to the questionary applied by IBGE each two years, in many sectors of
brazilian industrial companies. The results confirmed the research of O’Brien (2003) and
indicated that the more companies invest in innovation less will be their leverage; the more
innovation is important as strategy for companies less will be the relationship between
leverage and performance and, exist a negative interaction between leverage and the
importance of innovation in the strategy regarding the impacts on the performance of the
company. Besides O”Brien (2003) tests was applied another one which indicated the more is
strategy investment more financial slack.
Keywords: capital structure, innovation, financial slack.
LISTA DE QUADROS
Quadro 1 – Mensuração de Folga ......................................................................................... 33
Quadro 2 – Setores mais inovadores ..................................................................................... 52
Quadro 3 – Variáveis da pesquisa ......................................................................................... 57
Quadro 4 - Quantidade de empresas após cruzamentos Serasa e IBGE (1. amostra) ........ 65
Quadro 5 - Quantidade de empresas após cruzamentos Serasa e IBGE (2. amostra) ......... 66
LISTA DE FIGURAS
Figura 1 – Valor de mercado da empresa em relação ao capital de terceiros ........................ 25
Figura 2 - Nível de alavancagem em relação à inovação ....................................................... 48
TABELAS
Tabela 1 – Estatística Descritiva 2003.................................................................................... 63
Tabela 2 – Estatística Descritiva 2005.................................................................................... 64
Tabela 3 – Estatística Descritiva , H1, 1ª. amostra 2003 ........................................................ 68
Tabela 4 – Coeficientes de Correlação , H1, 1ª. amostra 2003 .............................................. 69
Tabela 5 – Modelo de Regressão Múltipla , H1, 1ª. amostra 2003 ........................................ 70
Tabela 6 – Resumo do Modelo, H1, 1ª. amostra 2003 ........................................................... 70
Tabela 7 – ANOVA, H1, 1ª. amostra 2003 ............................................................................ 70
Tabela 8 – Estatísticas Descritivas, H1, 1ª. amostra 2005 ...................................................... 71
Tabela 9 – Coeficientes de Correlação , H1, 1ª. amostra 2005 .............................................. 71
Tabela 10 – Modelo de Regressão Múltipla , H1, 1ª. amostra 2005 ...................................... 72
Tabela 11 – Resumo do Modelo, H1, 1ª. amostra 2005 ......................................................... 72
Tabela 12 – ANOVA, H1, 1ª. amostra 2005 .......................................................................... 72
Tabela 13 – Estatísticas Descritivas, H1, 2ª. amostra 2003 .................................................... 73
Tabela 14 – Coeficientes de Correlação , H1, 2ª. amostra 2003 ............................................ 73
Tabela 15 – Modelo de Regressão Múltipla , H1, 2ª. amostra 2003 ...................................... 74
Tabela 16 – Resumo do Modelo, H1, 2ª. amostra 2003 ......................................................... 74
Tabela 17 – ANOVA, H1, 2ª. amostra 2003 .......................................................................... 74
Tabela 18 – Estatísticas Descritivas, H1, 2ª. amostra 2005 .................................................... 75
Tabela 19 – Coeficientes de Correlação , H1, 2ª. amostra 2005 ............................................ 75
Tabela 20 – Modelo de Regressão Múltipla , H1, 2ª. amostra 2005 ...................................... 76
Tabela 21 – Resumo do Modelo, H1, 2ª. amostra 2005 ......................................................... 76
Tabela 22 – ANOVA, H1, 2ª. amostra 2005 .......................................................................... 76
Tabela 23 – Resultados das Regressões – 1ª. hipótese ........................................................... 77
Tabela 24 – Estatística Descritiva , H2, 1ª. amostra 2003 ...................................................... 78
Tabela 25 – Coeficientes de Correlação , H2, 1ª. amostra 2003 ............................................ 79
Tabela 26 – Modelo de Regressão Múltipla , H2, 1ª. amostra 2003 ...................................... 80
Tabela 27 - Resumo do Modelo, H2, 1ª. amostra 2003 .......................................................... 80
Tabela 28 – ANOVA, H2, 1ª. amostra 2003 .......................................................................... 80
Tabela 29 – Estatísticas Descritivas, H2, 1ª. amostra 2005 .................................................... 80
Tabela 30 – Coeficientes de Correlação , H2, 1ª. amostra 2005 ............................................ 81
Tabela 31 – Modelo de Regressão Múltipla , H2, 1ª. amostra 2005 ...................................... 82
Tabela 32 – Resumo do Modelo, H2, 1ª. amostra 2005 ......................................................... 82
Tabela 33 – ANOVA, H2, 1ª. amostra 2005 .......................................................................... 82
Tabela 34 – Estatísticas Descritivas, H2, 2ª. amostra 2003 .................................................... 83
Tabela 35 – Coeficientes de Correlação , H2, 2ª. amostra 2003 ............................................ 83
Tabela 36 – Modelo de Regressão Múltipla , H2, 2ª. amostra 2003 ...................................... 84
Tabela 37 – Resumo do Modelo, H2, 2ª. amostra 2003 ......................................................... 84
Tabela 38 – ANOVA, H2, 2ª. amostra 2003 .......................................................................... 84
Tabela 39 – Estatísticas Descritivas, H2, 2ª. amostra 2005 .................................................... 85
Tabela 40 – Coeficientes de Correlação , H2, 2ª. amostra 2005 ............................................ 85
Tabela 41 – Modelo de Regressão Múltipla , H2, 2ª. amostra 2005 ...................................... 86
Tabela 42 – Resumo do Modelo, H2, 2ª. amostra 2005 ......................................................... 86
Tabela 43 – ANOVA, H2, 2ª. amostra 2005 .......................................................................... 86
Tabela 44 – Resultados das Regressões – 2ª. hipótese ........................................................... 87
Tabela 45 – Estatística Descritiva , H3, 1ª. amostra 2003 ...................................................... 88
Tabela 46 – Coeficientes de Correlação , H3, 1ª. amostra 2003 ............................................ 89
Tabela 47 – Modelo de Regressão Múltipla , H3, 1ª. amostra 2003 ...................................... 89
Tabela 48 – Resumo do Modelo, H3, 1ª. amostra 2003 ......................................................... 90
Tabela 49 – ANOVA, H3, 1ª. amostra 2003 .......................................................................... 90
Tabela 50 – Estatísticas Descritivas, H3, 1ª. amostra 2005 .................................................... 90
Tabela 51 – Coeficientes de Correlação , H3, 1ª. amostra 2005 ............................................ 91
Tabela 52 – Modelo de Regressão Múltipla , H3, 1ª. amostra 2005 ...................................... 91
Tabela 53 – Resumo do Modelo, H3, 1ª. amostra 2005 ......................................................... 91
Tabela 54 – ANOVA, H3, 1ª. amostra 2005 .......................................................................... 92
Tabela 55 – Estatísticas Descritivas, H3, 2ª. amostra 2003 .................................................... 92
Tabela 56 – Coeficientes de Correlação , H3, 2ª. amostra 2003 ............................................ 92
Tabela 57 – Modelo de Regressão Múltipla , H3, 2ª. amostra 2003 ...................................... 93
Tabela 58 – Resumo do Modelo, H3, 2ª. amostra 2003 ......................................................... 93
Tabela 59 – ANOVA, H3, 2ª. amostra 2003 .......................................................................... 93
Tabela 60 – Estatísticas Descritivas, H3, 2ª. amostra 2005 .................................................... 94
Tabela 61 – Coeficientes de Correlação , H3, 2ª. amostra 2005 ............................................ 94
Tabela 62 – Modelo de Regressão Múltipla , H13, 2ª. amostra 2005 .................................... 95
Tabela 63 – Resumo do Modelo, H3, 2ª. amostra 2005 ......................................................... 95
Tabela 64 – ANOVA, H3, 2ª. amostra 2005 .......................................................................... 95
Tabela 65 – Resultados das Regressões – 3ª. hipótese ........................................................... 96
Tabela 66 – Estatística Descritiva , H4, 1ª. amostra 2003 ...................................................... 97
Tabela 67 – Coeficientes de Correlação , H4, 1ª. amostra 2003 ............................................ 98
Tabela 68 – Modelo de Regressão Múltipla , H4, 1ª. amostra 2003 ...................................... 98
Tabela 69 - Resumo do Modelo, H4, 1ª. amostra 2003 .......................................................... 99
Tabela 70 – ANOVA, H4, 1ª. amostra 2003 .......................................................................... 99
Tabela 71 – Estatísticas Descritivas, H4, 1ª. amostra 2005 .................................................... 99
Tabela 72 – Coeficientes de Correlação , H4, 1ª. amostra 2005 .......................................... 100
Tabela 73 – Modelo de Regressão Múltipla , H4, 1ª. amostra 2005 .................................... 100
Tabela 74 – Resumo do Modelo, H4, 1ª. amostra 2005 ....................................................... 100
Tabela 75 – ANOVA, H4, 1ª. amostra 2005 ........................................................................ 101
Tabela 76 – Estatísticas Descritivas, H4, 2ª. amostra 2003 .................................................. 101
Tabela 77 – Coeficientes de Correlação , H4, 2ª. amostra 2003 .......................................... 101
Tabela 78 – Modelo de Regressão Múltipla , H4, 2ª. amostra 2003 .................................... 102
Tabela 79 – Resumo do Modelo, H4, 2ª. amostra 2003 ....................................................... 102
Tabela 80 – ANOVA, H4, 2ª. amostra 2005 ........................................................................ 102
Tabela 81 – Estatísticas Descritivas, H4, 2ª. amostra 2005 .................................................. 103
Tabela 82 – Coeficientes de Correlação , H4, 2ª. amostra 2005 .......................................... 101
Tabela 83 – Modelo de Regressão Múltipla , H4, 2ª. amostra 2005 .................................... 103
Tabela 84 – Resumo do Modelo, H4, 2ª. amostra 2005 ....................................................... 104
Tabela 85 – ANOVA, H4, 2ª. amostra 2005 ....................................................................... 104
Tabela 86 – Resultados das Regressões – 4ª. hipótese ......................................................... 105
LISTA DE ANEXO
Anexo 01 – Modelo de questionário da PINTEC 2003 ................................................ 117
SUMÁRIO
1. INTRODUÇÃO ....................................................................................................... 17
1.1. APRESENTAÇÃO ........................................................................................... 17
1.2. ESTRUTURA DO TRABALHO ...................................................................... 18
2. PROBLEMA DE PESQUISA, OBJETIVOS GERAIS E ESPECÍFICOS ....... 19
2.1. JUSTIFICATIVA .............................................................................................. 20
2.2. HIPÓTESES DA PESQUISA ........................................................................... 20
2.3. OBJETIVO GERAL .......................................................................................... 21
2.4. OBJETIVOS ESPECÍFICOS ............................................................................ 22
3. REFERENCIAL TEÓRICO .................................................................................. 23
3.1. ESTRUTURA DE CAPITAL ........................................................................... 23
3.1.1. Estudos sobre estrutura de capital ........................................................... 23
3.1.2. Teoria do Trade-Off ................................................................................ 24
3.2. TEORIA DE AGÊNCIA .................................................................................. 25
3.2.1. Custos de agência do capital próprio ..................................................... 26
3.2.2. Custos de agência das dívidas ............................................................... 27
3.3. TEORIA DAS INFORMAÇÕES ASSIMÉTRICAS ....................................... 27
3.3.1. Teoria do Pecking Order ........................................................................ 28
3.4. FOLGA FINANCEIRA (SLACK) ..................................................................... 29
3.4.1. Estudo sobre folga .................................................................................. 29
3.4.2. Mensuração do slack ............................................................................... 31
3.5. INOVAÇÃO ...................................................................................................... 34
3.5.1. Aspectos da Inovação ............................................................................. 34
3.5.2. Ativos Intangíveis .................................................................................. 37
3.5.2.1. Goodwill .......................................................................................... 38
3.5.3. Pesquisa e Desenvolvimento (P&D) ..................................................... 40
3.6. INOVAÇÃO E FOLGA ................................................................................... 41
3.7. ESTRATÉGIA EMPRESARIAL....................................................................... 42
3.7.1. Vantagem Competitiva ........................................................................... 43
3.7.2. Estratégia Competitiva e Estrutura de Capital ...................................... 45
3.7.3. Estratégia e Folga .................................................................................. 46
3.7.4. Estratégia e Inovação .............................................................................. 46
3.7.5. Estrutura de Capital e Inovação ............................................................... 47
4. METODOLOGIA DE PESQUISA ....................................................................... 49
4.1. MODELO DE PESQUISA E HIPÓTESES ....................................................... 49
4.2. MÉTODOS DE PESQUISA E ABORDAGEM METODOLÓGICA ............... 50
4.2.1. Fontes de Informações e Amostra ........................................................... 50
4.2.2. Definição das Variáveis ........................................................................... 52
4.2.2.1. Variáveis Dependentes ..................................................................... 53
4.2.2.2. Variáveis Independentes .................................................................. 54
4.3. HIPÓTESES E EQUAÇÕES ............................................................................. 58
4.4. TRATAMENTO ESTATÍSTICO DOS DADOS .............................................. 61
5. RESULTADOS DA PESQUISA ........................................................................... 62
6. CONCLUSÃO ....................................................................................................... 107
REFERÊNCIAS ......................................................................................................... 110
ANEXO ........................................................................................................................ 117
17
1. INTRODUÇÃO
1.1. APRESENTAÇÃO
O tema teoria de estrutura de capital é um assunto bastante debatido nas áreas de
Contabilidade e Finanças. As proposições de Modigliani e Miller (MM) (1958; 1963)
contribuíram para o conhecimento da independência entre a geração de valor da empresa e a
forma de como ela se financia. Segundo os autores, as decisões de investimento afetam o
valor das empresas, enquanto as decisões de financiamento não exercem influência.
MM estimularam vários estudiosos e pesquisadores sobre os estudos de estrutura de
capital e alguns questionamentos tais como, se existe estrutura de capital ótima e quais as
influências dos financiamentos de ativos nas empresas. (ROSS; WESTERFIELD; JAFFE,
1995, MYERS; MAJLUF, 1984, BREALEY; MYERS; ALLEN, 2006)
Alguns estudos anteriores (LI; SIMERLY, 2002, VICENTE-LORENTE, 2001)
indicaram que investimentos intensivos em pesquisa e desenvolvimento (P&D) são
associados com baixa alavancagem. A razão para a baixa alavancagem foi porque os ativos
intangíveis não são aceitos como garantias em operações de financiamento.
Este estudo foi baseado na pesquisa realizada por O’Brien (2003), o qual avaliou
aproximadamente 91.000 empresas dos Estados Unidos da América, no setor industrial,
durante o período de 1980 e 1999, por meio de acesso ao banco de dados norte-americano
chamado Compusat. A Compusat contém dados financeiros de todas as empresas cadastradas
na SEC (Securities and Exchange Comission) Foram testadas as empresas que utilizam
recursos próprios ou de terceiros, no sentido de investigar se tinham a inovação como
estratégia competitiva.
No estudo de O’Brien (2003), foram realizados três testes. Os modelos propostos
foram suportados pelas hipóteses da pesquisa. O primeiro identificou a importância da
estratégia competitiva, onde a manutenção da folga financeira (financial slack) foi
considerada como um dos principais fatores para a inovação das empresas. O segundo teste
identificou que quanto mais importante a inovação para a estratégia da empresa, mais fraca
será a relação entre rentabilidade e alavancagem. O último teste identificou que existe uma
relação negativa entre alavancagem e desempenho.
18
O estudo replicado de O’Brien (2003), dentro do contexto brasileiro, realizado por
Marques (2007), somente corroborou parte dos resultados obtidos no estudo do mercado
norte-americano. O resultado no Brasil confirmou a hipótese de que quanto maior a estratégia
das empresas na utilização de inovação, mais fraca foi a relação entre rentabilidade e
alavancagem.
Apesar de a pesquisa já ter sido realizada no Brasil, o intuito do presente trabalho foi
buscar uma quantidade maior de empresas para as amostras, aumentar a quantidade de setores
do estudo e complementar uma variável (ativos tangíveis) não incluída no estudo anterior, na
tentativa de obter novos resultados comparados aos estudos anteriores.
Para replicar o estudo no contexto brasileiro, alguns critérios foram modificados.
Foram solicitadas duas amostras de dados de empresas que continham diferentes níveis de
inovação e diferentes portes: pequeno, médio e grande porte (critério de vendas), com capital
aberto ou fechado. Os dados foram obtidos na Serasa, empresa multinacional privada que
possui histórico de informações financeiras de empresas e presta serviços de crédito no
mercado brasileiro e, no IBGE-Instituto Brasileiro de Geografia e Estatística, órgão público
que realiza pesquisas e estatísticas sobre diversos assuntos e setores.
No estudo de Marques (2007), foram escolhidas empresas de médio ou grande porte
(250 funcionários ou mais), utilizando-se dois setores detalhados a seguir. Após o cruzamento
de dados da Serasa e do IBGE, a amostra final contou com 76 empresas. Outras diferenças
dos estudos foram descritas na estrutura do trabalho e na Metodologia do trabalho.
1.2. ESTRUTURA DO TRABALHO
O estudo proposto replica o artigo de O’Brien (2003) e revisa o trabalho de Marques
(2007). Algumas diferenças nos estudos necessitam ser esclarecidas para melhor
entendimento da proposta desse autor. Na pesquisa do contexto brasileiro, realizada por
Marques (2007), foram utilizados dois setores: material eletrônico e de aparelhos e
equipamentos de comunicações (CNAE 32) e fabricação e montagem de veículos automotores
e outros (CNAE 34). O Código Nacional de Atividades Econômicas (CNAE) é a
classificação utilizada pelo IBGE. A PINTEC – Pesquisa Industrial Inovação Tecnológica é o
19
nome do estudo que identifica quais os setores industriais que investem em inovação de seus
produtos, entre outras informações. É importante destacar que a pesquisa é realizada a cada
dois anos, por meio do preenchimento de um questionário (modelo anexado no final do
trabalho).
O estudo de Marques (2007) deparou com duas importantes limitações de acesso. A
primeira delas com relação às informações nos órgãos consultados (SERASA e - IBGE) e a
segunda diz respeito ao acesso ao conteúdo das bases de dados, o que impossibilitou o
tratamento adequado dos dados da pesquisa. Tais limitações também constituíram um desafio
para este estudo.
Com este trabalho, pretende-se ampliar a pesquisa realizada por Marques (2007),
incluindo, além dos dois setores utilizados pelo autor, outros setores mais inovadores,
baseados em dados do IBGE-PINTEC. O período de análise também foi estendido para cinco
anos (2002 a 2006). São agregados ao estudo os conceitos e mensurações da folga financeira
(financial slack) aplicados por alguns autores (BOURGEOIS, 1981; SINGH, 1986;
BROMILEY, 1991, REUER; LEIBLEIN, 2000), sugeridos por O’Brien (2003), como fonte
de capital próprio ou de terceiros, que contribuem para a estratégia da inovação.
A estrutura do trabalho compõe-se de seis capítulos. No capítulo dois, estão descritos:
problema de pesquisa, objetivo geral, objetivos específicos e justificativa do tema. No
capítulo três, é apresentado o referencial teórico, expondo uma revisão bibliográfica
envolvendo aspectos ligados ao estudo. No capítulo quatro, vem indicada a metodologia
utilizada para a elaboração da pesquisa e as ferramentas empregadas para a análise dos dados.
No capítulo cinco, é apresentada a avaliação dos resultados do trabalho e no capítulo seis, está
contida a conclusão e os comentários finais do trabalho. Ao final do trabalho, seguem as
referências e anexos.
2. Problema de pesquisa
Com a presente dissertação, pretende-se testar no Brasil o estudo realizado por
O’Brien (2003). A pesquisa englobará empresas de setores industriais mais inovadores,
20
baseados em dados coletados pelo IBGE, por meio da Pesquisa Industrial Inovação
Tecnológica-PINTEC, dos anos de 2003 e 2005.
Com os dados obtidos na SERASA e com o cruzamento de dados de inovação e
despesas de propaganda, objetiva-se identificar se a estratégia competitiva de inovação
influencia a estrutura de capital nas empresas. O problema de pesquisa tem como base o
seguinte questionamento:
Existe folga financeira em setores mais inovadores que se financiam com capital
próprio?
2.1. Justificativa
Os estudos dedicados nos últimos anos em relacionamentos entre estrutura de capital e
estratégia corporativa demonstram que vários fatores influenciam nas decisões de
investimentos e financiamentos. (JENSEN; MECKLING, 1976)
As pesquisas na área de finanças corporativas revelam a importância do conhecimento
das estratégias entre as decisões financeiras e as decisões de mercado. (BRANDER; LEWIS,
1986)
O tema desta pesquisa busca contribuir para o conhecimento dos estudos da estrutura
de capital e dos fatores que interferem na composição dessas estruturas, juntamente com a sua
relação com a estratégia da inovação, dentro do contexto das empresas brasileiras. Tal
contribuição poderá auxiliar gestores de empresas sobre a utilização de capital próprio ou de
terceiros.
2.2. Hipóteses de Pesquisa
21
As três hipóteses propostas no estudo de O’Brien (2003) e Marques (2007) são as
mesmas que se seguem. Com intuito de testar que tipo de folga financeira as empresas
utilizam como estratégia em inovação, foi acrescida a quarta hipótese. Nos estudos de
O’Brien (2003) e Marques (2007), a folga financeira foi considerada na primeira hipótese, por
meio do cálculo da alavancagem. O critério de cálculo da folga proposto está apresentado no
item 3.4.2. (Mensuração de folga). Os detalhes das hipóteses, equações e técnica estatística
estão contidos na seção 4.1.
H1: Quanto mais a estratégia de uma empresa enfatizar a inovação, menor será o seu
índice de alavancagem.
H2: Quanto mais importante for a inovação para a estratégia de uma empresa, mais fraca
será a relação entre a rentabilidade e a alavancagem.
H3: Haverá uma interação negativa entre alavancagem e a importância da inovação para a
estratégia da empresa, com respeito aos seus impactos sobre o desempenho da empresa.
H4: Quanto maior o investimento em estratégia de inovação, maior será a folga
financeira.
2.3. Objetivo geral
22
O objetivo geral deste estudo é verificar se as empresas que se utilizam de estratégia
de competição baseada em inovação possuem um menor índice de alavancagem e utilizam de
folga financeira.
2.4. Objetivos específicos
Os objetivos específicos, segundo Lakatos et al (1995), permitem que uma pesquisa
atinja o seu objetivo geral. Dessa forma, os objetivos específicos estão delineados da seguinte
forma:
• Verificar a existência da relação negativa entre alavancagem e a inovação;
• Verificar a existência da relação entre rentabilidade e a inovação;
• Verificar a existência da relação entre a intensidade e a inovação;
• Verificar a existência da relação entre a intensidade de capital e a inovação;
• Verificar a existência da relação entre o tamanho da empresa e a inovação;
• Verificar a existência da relação entre a rentabilidade da indústria e a inovação;
• Verificar a existência da relação entre a inovação e a alavancagem.
23
3. REFERENCIAL TEÓRICO
3.1. Estrutura de capital
3.1.1. Estudos sobre estrutura de capital
As decisões de alocação de recursos nas empresas têm sido há muito tempo um
desafio aos gestores. Os primeiros estudos de importância sobre estrutura de capital foram
realizados há quase 60 anos. O artigo Durand (1952) fez questionamentos importantes e gerou
muitas pesquisas posteriores. O principal questionamento do autor foi de que o maior
interesse dos gestores eram os ganhos financeiros, em detrimento dos motivos não
financeiros. Seria a maximização do fluxo descontado dos ganhos futuros em confronto com a
maximização dos ganhos, como princípio de tomada de decisão. No mesmo artigo, Durand
identifica que para a realização de novos investimentos era necessário avaliar o custo de
oportunidade de uma empresa. Esses custos representavam um aumento de juros, que
significavam um risco adicional nos projetos. O retorno total capitalizado da empresa surge
do conceito de fluxo de caixa descontado e juros crescentes. Os efeitos dos juros nos
investimentos e financiamentos foram abordados posteriormente por Franco Modigliani e
Merton Miller.
O estudo de Modigliani e Miller (MM) (1958) estabelece que, se a decisão de estrutura
de capital não tiver efeito sobre os fluxos de caixa totais, a empresa poderia distribuir esses
fluxos aos portadores de dívida e ações. Nesse raciocínio, a estrutura de capital também não
afetaria os custos de transação. O teorema da irrelevância da estrutura de capital sem impostos
surgiu desses estudos sugeridos por MM.
A premissa do teorema da irrelevância da estrutura de capital foi muito criticada na
época, pois não se aplicava no mundo real. A segunda proposição de Modigliani e Miller
(1963) busca complementar a primeira e estabelece a relação entre o custo do capital próprio e
fatores dependentes. A consideração dos efeitos dos impostos sobre o lucro das empresas no
estudo anterior trouxe novas conclusões. Uma das conclusões foi de que quando há aumento
de alavancagem, também há o aumento do valor da empresa.
24
A consideração dos efeitos dos impostos trouxe outras conclusões em estudos
posteriores: a estrutura de capital ótima seria composta de toda a dívida da empresa.
(BREALEY; MYERS; ALLEN, 2006)
3.1.2.
Teoria do
Trade-Off
As dificuldades financeiras enfrentadas pelas empresas atraem interesse nos estudos de
Finanças, por serem relevantes na decisão da tomada de recursos com capital de terceiros ou
capital próprio. Consideram-se como dificuldades financeiras os custos de agência e o custo
de falência. (BREALEY; MYERS; ALLEN, 2006)
Segundo Myers (2001), a teoria de trade-off busca níveis de endividamento que
equilibrem os benefícios fiscais com possíveis custos financeiros indesejáveis. O trade-off
pressupõe que existe uma proporção ótima entre o capital de terceiros e capital próprio
(MYERS, 1984), onde o custo médio ponderado de capital atingiria seu ponto mínimo, e seu
valor seria maximizado. Brealey, Myers e Allen (2006) consideram que o nível de capital de
terceiros varia de acordo com cada empresa (p. 488).
A relação entre os benefícios fiscais e o custo das dificuldades financeiras é descrita na
figura 1, que ilustra como o trade-off, entre os benefícios fiscais e o custo das dificuldades
financeiras, determina a estrutura de capital ótima. O valor presente do benefício fiscal cresce
com o aumento de captação de recursos para investimentos da empresa. Atinge-se o ponto
ótimo de capital de terceiros quando os custos das dificuldades financeiras começam a ser
maiores que os benefícios fiscais. (BREALEY; MYERS; ALLEN, 2006)
25
A teoria do trade-off está relacionada à primeira e à segunda hipótese deste trabalho,
que analisa o índice de alavancagem das empresas, quando elas enfatizam a estratégia da
inovação.
3.2. Teoria de Agência
O crescimento das empresas nas últimas décadas fez com que ocorressem conflitos entre
donos e seus empregados. Os donos passaram a se denominar de acionistas e seus empregados,
de administradores. Esses conflitos são chamados de teoria de agência (DAMODARAN, 2004).
Jensen e Meckling (1976) definem um relacionamento de agência como um contrato
entre uma ou mais pessoas (acionista) com outra pessoa (administrador), que execute serviços
em nome do acionista e que receba dele delegação de poderes para algumas tomadas de decisões.
Mesmo que as intenções do acionista/administrador sejam de maximizar riqueza
(DAMODARAN, 2004), na prática, nem sempre o administrador irá defender os interesses do
acionista. Por conta desse conflito, o acionista poderá estabelecer alguns incentivos ao
administrador para execução de suas tarefas, e, por conseqüência, assumir um custo de
Capital de terceiros
Nível ótimo de
capital de terceiros
Valor do patrimônio
da empresa, se for financiado
Valor presente do benefício
fiscal
Valor presente dos
custos das
dificuldades
financeiras
Figura 1 - Valor de mercado da empresa em relação ao capital de terceiros
Fonte: Adaptada de Brealey, Myers e Allen (2006, p. 477)
Valor de mercado
26
monitoramento para limitar os atos indesejáveis do administrador. (JENSEN; MECKLING,
1976)
Existem vários motivos para o conflito de interesses entre acionistas e administradores. O
acionista pode aumentar a sua remuneração variável e as suas mordomias quando a empresa está
em fase de crescimento. Essa remuneração reduz os recursos da empresa geridos pelos
administradores e conseqüentemente seus poderes, e também, pode resultar em insucesso na
maximização do valor da empresa. (JENSEN, 1986)
Damodaran (2004) sugere quatro categorias de custo de agência: (1) análise da relação
entre administradores e acionistas que o contratam. Quando os administradores atuam como
agentes para os acionistas, podem ocorrer conflitos entre os interesses dos acionistas e os
administradores, que conseqüentemente podem levar algumas decisões a se tornarem regras
que maximizam a utilidade da administração e não a maximização dos acionistas ou da
empresa; (2) análise dos custos referentes aos incentivos divergentes entre acionistas e
financiadores; (3) análise do processo de divulgação de informações da empresa para o
mercado financeiro e a resposta do mercado financeiro à empresa e (4) avaliação dos custos
incorridos pelos conflitos gerados no processo de maximização dos preços das ações.
(DAMODARAN, 2004, p. 41)
3.2.1. Custos de Agência do Capital Próprio
Para Kayo e Famá (1997), os custos de agência do capital próprio estão diretamente
ligados ao fluxo de caixa livre (p. 3). A definição de fluxo de caixa livre é dada por Jensen
(1986), como o fluxo em excesso do qual é requerido para o fundo de todos os projetos que
tenham o valor presente líquido positivo, quando descontado o custo de capital (p. 323).
Segundo Kayo e Famá (1997), quanto maior o fluxo de caixa livre, maior será o gasto dos
administradores. Assim, uma alternativa seria a utilização de dívidas como forma de redução do
fluxo de caixa livre e também do custo de agência do capital próprio (p. 3).
Jensen e Meckling (1976) desenvolveram a sua teoria em dois estágios: análise de
custo de agência do capital próprio e da dívida, que se seguem.
27
3.2.2. Custos de Agência da Dívida
Jensen e Meckling (1976) apresentam algumas razões que podem inviabilizar
financiamentos de projetos somente com capital de terceiros: (1) Efeitos de incentivo
associados com empresas alavancadas. Segundo o estudo de Jensen e Meckling, não foram
encontradas grandes empresas com grandes endividamentos, porque o efeito da estrutura
financeira está ligado ao comportamento do sócio-gerente; (2) custo de monitoramento
originado pelo efeito de incentivo, que busca garantir que o administrador irá dedicar-se no
seu trabalho (BREALEY; MYERS; ALLEN, 2006) e (3) custo de falência. O risco de haver
falência inibe o excesso de captação de capital de terceiros.
Outro fator que influencia o problema de agência é a folga financeira. Dentre os
problemas que afetam a agência, destacam-se a inibição de tomada de risco, ineficiência e
problemas de resultados. (JENSEN; MECKLING, 1976) O estudo de folga financeira é
apresentado na seção 3.4.1.
3.3. Teoria das Informações Assimétricas
As informações assimétricas são informações privilegiadas que os gestores possuem
para a tomada de decisões de novos investimentos ou oportunidades para as suas empresas em
relação ao mercado. (BESANKO et al, 2007)
Os estudos de informações assimétricas mostram algumas contradições. O estudo de
Jensen e Meckling (1976) enfatiza a gestão do custo sem considerar as informações
assimétricas, enquanto outros estudos (ROSS, 1976; HARRIS; RAVIV, 1991) indicam a
presença de informações privilegiadas de retorno de investimento ou oportunidades de
crescimento da empresa.
O estudo empírico de Chow, Cooper e Waller (1988) avalia a relação entre estrutura
de pagamentos, informações assimétricas, folga e performance. O resultado da pesquisa
28
indica que, quando a informação assimétrica esteve presente, a folga para pagamentos para
empresas foi significantemente baixa em relação à estrutura de pagamentos. O estudo de folga
é apresentado na seção 3.2. deste estudo.
3.3.1. Teoria do Pecking Order
A Teoria do Pecking Order está relacionada às informações assimétricas,
considerando que os gestores das empresas possuem informações em relação às perspectivas,
riscos e necessidades das empresas, das quais os investidores externos não compartilham. As
informações assimétricas afetam a tomada de decisão de recurso interno ou externo pelos
gestores. A decisão de investir passa por uma hierarquia de preferências de utilização de
recursos, que é sugerida por Myers (1984, p. 581) na seguinte ordem:
(1) recursos internos (caixa, contas a receber, etc.);
(2) reinvestimento dos ganhos da empresa (retenção de dividendos, lucros acumulados, etc.);
(3) captação de recursos no mercado financeiro (empréstimos e financiamentos);
(4) a emissão de títulos no mercado – As informações assimétricas em poder dos gestores
financeiros dão preferência para a opção anterior, ao invés da emissão de títulos no mercado
devido a sua dificuldade de operação e custos envolvidos. (BREALEY; MYERS; ALLEN,
2006, p. 490; 492-493)
A teoria de pecking order explica que as empresas mais lucrativas, geralmente, captam
menos empréstimos, porque não precisam de recursos externos, e não porque definem no
orçamento baixos índices de endividamento. As empresas menos lucrativas optam pela
captação de recursos externos, que está no final da lista. (BREALEY; MYERS; ALLEN,
2006, p. 493)
Um dos estudos que valida a teoria de pecking order e o trade-off estático é o estudo
de Sunder e Myers (1994). O resultado obtido pelos pesquisadores valida como teoria
descritiva do comportamento financeiro.
A folga financeira é um dos recursos mais importantes na hierarquia de preferência.
Quanto mais próxima do topo da hierarquia, melhor para as empresas. Porém, o presente
29
estudo traz indícios de que, para as empresas que utilizam a estratégia da inovação, o terceiro
item da ordem sugerida por Myers (1984), a captação de recursos de terceiros, apresenta uma
significância maior para as empresas. (O’BRIEN, 2003)
3.4.
Folga Financeira (Slack)
A folga financeira traz no primeiro momento uma idéia de disponibilidade de caixa ou
de outros ativos. Ela traz perspectivas de oportunidades às empresas, que buscam negócios, a
princípio, que tenham o valor presente líquido positivo (BREALEY; MYERS; ALLEN, 2006)
ou que facilitem a gestão financeira da empresa.
O termo financial slack é traduzido no presente trabalho como folga financeira.
Também é encontrado em outros estudos no Brasil como “disponibilidade de recursos”
(KAYO; TEH; BASSO, 2006, p. 166) e representa um recurso disponível dentro dos ativos da
empresa. A disponibilidade de recursos ou folga (como será chamada daqui para frente) pode
ser utilizada para diversas finalidades, a serem descritas a seguir, por alguns pesquisadores.
3.4.1. Estudos sobre Folga
Alguns estudos (JENSEN; MECKLING, 1976, NOHRIA; GULATI, 1996) observam
que a utilização de folga pode ser considerada como ineficiente e desperdício de recursos. Em
empresas que possuem folga, existe uma tendência de baixos resultados. Porém, sem a folga,
há evidências de que é possível existir uma redução de reservas do fluxo de caixa e de riscos
de redução de investimentos, despesas e de pessoal (BROMILEY, 1991). Outros estudos
sinalizam que a folga permite que haja mais opções estratégicas no mercado e oportunidades.
(O’BRIEN, 2003)
Algumas definições de folga são necessárias para o entendimento do recurso como
fonte de investimento em inovação:
30
Dentro do estudo da teoria do comportamento da empresa, os pesquisadores Cyert e
March (1992) consideram que a coalizão organizacional só é possível se os pagamentos forem
adequados para manter a organização. Existem dificuldades nas empresas em manter as
diferenças entre os recursos disponíveis e os necessários para conservar a coalização. A
diferença entre o total de recursos e o total de pagamentos necessários é a definição de folga
de Cyert e March. (1992, p. 42)
Outra pesquisadora que traz contribuições ao assunto é Bourgeois (1981). Ela define
folga como sendo “uma reserva de recurso atual ou futuro que permite a organização adaptar-
se com sucesso às pressões internas ou externas, para mudanças na política [interna] como
também na iniciativa de mudanças na estratégia por fatores externos.” (p.30)
Nohria e Gulati (1995) definem folga como um conjunto de recursos mínimos que a
empresa necessita para produzir certo nível de produtos. Segundo os autores, a folga
possibilita que as empresas possam experimentar novas estratégias e projetos inovadores com
maior segurança.
A definição de Geiger e Cashen (2002) é muito próxima de Nohria e Gulati (1996),
mas acrescentam que os recursos não se limitam aos internos, mas também àqueles que são
potencialmente disponíveis na empresa como, por exemplo, as dívidas. Tal raciocínio amplia
os aspectos que envolvem a folga, em relação ao sugerido por Nohria e Gulati (1996).
A literatura de folga enfatiza a questão da diferença da folga financeira (financial
slack) e a folga de recursos (organizational slack). Sharfman et al (1988) conceituam que a
folga de recursos seja de forma ampla, como caixa, funcionários, ativos tangíveis, capacidade
produtiva e outros, isto é, envolvem ativos mensuráveis e ativos intangíveis. A folga, como
foi vista anteriormente, refere-se a ativos como o caixa.
Tan e Peng (2005) resumem folga em quatro funções: (1) incentivador para
manutenção da coalizão organizacional (CYERT; MARCH, 1992); (2) solucionador de
conflitos; (3) estabelecer um colchão para manter o foco no negócio em momentos de crise e,
(4) facilitador do comportamento estratégico, que permite à empresa experimentar novas
estratégias com novos produtos e em novos mercados (p. 1.250).
Bourgeois e Singh (1983) sugerem a classificação de folga em três categorias: Folga
Disponível, Folga Recuperável e Folga Potencial.
• A Folga Disponível é representada pela liquidez corrente.
• A Folga Recuperável significa o somatório das contas a receber, o inventário e as
despesas administrativas, divididas por vendas totais.
31
• A Folga Potencial é calculada pela divisão do passivo total pelo patrimônio líquido.
O estudo de Sharfman et al (1988) aponta algumas limitações na definição de
Bourgeois. Sharfman et al (1988) consideram que, para a existência de folga, os recursos
devem estar visíveis aos gestores. De acordo com o autor, o excesso de recursos pode
redundar em desperdícios ou erros na avaliação dos ativos.
Outra observação de Sharfman et al (1988) é a adaptação da empresa em relação às
pressões internas e externas. O autor nomeia a folga de acordo com essas pressões. No caso
da folga recuperável (definida por Bourgeois), é chamada pelo autor de high discretion, e a
folga potencial de low discretion. A aquisição de ativos com o high discrition pode ser usada
para várias situações ou avaliadas pelos gestores em termos de prioridade, como por exemplo,
em investimentos para o aumento de capacidade produtiva. A aquisição de ativos com low
discrition pode ser empregado como proteção em situações específicas, como por exemplo:
aumento de demanda. Na visão de Bourgeois e Singh (1983), o low discrition, descrito
por Sharfman et al (1988), tem efeitos negativos na sua aplicação. Os recursos deveriam ser
previamente alocados e não estarem à disposição dos gestores. Na situação do low discrition,
como os ativos ainda não pertencem à empresa, podem ser melhor controlados e cedidos às
pressões internas.
Considerando o conteúdo dos estudos, o autor deste trabalho elege a definição de
Bourgeois (1981) como a mais abrangente neste tema.
3.4.2. Mensuração de Folga
A literatura analisada apresentou três formas de mensuração da folga. A primeira
forma de medir a folga foi sugerida por Singh (1986), o qual classificou folga como absorvida
e não-absorvida. A folga absorvida é o custo da organização, como por exemplo: vendas
totais, despesas administrativas, e capital de giro relativo às vendas. O não-absorvido é o
recurso líquido não comprometido, referindo-se ao caixa e aos títulos negociáveis até um ano,
que garantam o passivo circulante.
32
A segunda forma de medição da folga foi sugerida por Bourgeois (1981), sendo a
variação da folga uma função de variação de indicadores, onde esses indicadores se
combinam em uma equação linear:
∆ Folga = ƒ∆ (LA, DIV, DA, CG/VEND, DIV/PATR, TXCRED, J/TAXA PRIME,
PREÇO/GANHO.
Sendo ƒ∆ uma função de mudanças de indicadores selecionados.
E,
LA = Lucro Acumulado (+)
DIV = Dividendos pagos (-)
DA = Despesas administrativas gerais (+)
CG/VEND = Giro Líquido sobre as vendas (+)
DIV/PATR = Capital de terceiros sobre o capital próprio (-)
TX CRED = Taxa de risco de mercado (+)
J/TAXAPRIME = Juros sobre empréstimo de curto prazo
pela taxa prime americana (-)
PREÇO/GANHO = Preço da ação/ percentual de taxa de ganho (+)
Uma terceira forma de medir a folga é apresentada em outro estudo de Bourgeois e
Singh (1983), os quais sugerem uma mensuração por meio de dados contábeis e financeiros
separados por categorias: disponível, recuperável e potencial, conforme quadro 01:
33
Quadro 01 - Mensuração de Folga
Categoria Folga Medida e sinal usado
Folga Disponível
+ (Lucro Líquido –
dividendos)/Vendas Totais
- Dividendos/Patrimônio Líquido
+ (Ativo Circulante – Passivo Circulante)/Vendas
Totais
Folga Recuperável
+ Contas a Receber/Vendas Totais
+ Inventário/Vendas Totais
+ Despesas Administrativas/Vendas Totais
Folga Potencial
-
Exigível de Longo Prazo/Patrimônio Líquido
+ Preço da ação/índice de ganhos
Fonte: Bourgeois (1983, p. 43), adaptado pelo autor
Para o teste da quarta hipótese deste estudo, foi utilizado o cálculo da folga disponível,
apresentado no quadro 01. Pretendeu-se testar se as empresas utilizavam a folga com ativos
mais disponíveis da empresa, como estratégia para inovação. Os resultados dos testes são
apresentados mais adiante.
Alguns pesquisadores abordaram a folga relacionada à estratégia: Bourgeois (1981),
Myers (1984), O’Brien (2003), Chiu e Liaw (2006) entre outros. No estudo de Bourgeois,
(1981) foi pontuada a folga como um facilitador da estratégia. O estudo de Chiu e Liaw
(2006) aborda a mensuração da estratégia por meio de tecnologia, investimentos em pesquisa
e desenvolvimento (P&D), fontes de tecnologia e desempenho. Segundo os autores, a
mensuração da folga não é consistente, devido às diferenças de premissas e perspectivas
aplicadas em estudo anteriores.
As mensurações sugeridas por Chiu e Liau (2006) são definidas da seguinte maneira:
(1) Subjetiva – mensuração por meio de aplicação de questionários aos funcionários;
(2) Objetiva – avaliação de resultados financeiros, absorvidos e não absorvidos sugeridos
por Singh (1986);
(3) Baixa ou Alta Folga – mensuração sugerida por Sharfman et al (1988) e descritas
acima. Utiliza recurso com folga de caixa (ex. caixa) ou folga de capacidade (ex.
capacidade produtiva).
Os resultados obtidos no estudo de Chiu e Liaw (2006) corroboram as teorias
desenvolvidas por Nohria e Gulati (1996) e Bourgeois (1981) sobre a teoria do U ou U
34
invertido. Essa teoria sugere que a correlação entre o sucesso e a folga é positiva até um nível
e depois passa a ser negativa. Porém, em alguns casos como, por exemplo, lucros
relacionados à folga, segundo resultados obtidos por Chiu e Liau (2006), a teoria do U
invertido possui uma relação baixa entre folga e desempenho. Nesse caso, o resultado pode
ser uma relação linear.
3.5. Inovação
Os avanços nas ciências e tecnologia trouxeram novas necessidades para as empresas.
A inovação tornou-se uma necessidade constante para a melhoria de produtos e serviços
(KNIGHT, 1967; GIFFORD, 1992; ETTLIE; REZA, 1992). As empresas buscam ser
competitivas e apresentar constantemente novidades ao mercado.
A inovação traz idéias de situações novas e positivas. Um novo produto só é chamado
de inovador quando ele é elaborado, produzido e usado. Porém, a inovação pode apresentar
aspectos negativos quando não é economicamente vantajosa ou quando as modificações
propostas não são aceitas pela sociedade. (KNIGHT, 1967)
Na literatura, a inovação faz parte de um conjunto de ativos que não são mensuráveis.
São ativos definidos como ativos intangíveis. Apresentam-se, a seguir, alguns aspectos da
inovação e definições de ativos intangíveis.
3.5.1. Aspectos da Inovação
De acordo com Knight (1967), os aspectos da inovação estão ligados aos aspectos
psicológicos de duas maneiras: (1) na criatividade e (2) na mudança de crença e
comportamento individual. O estudo da criatividade, para os psicólogos, está ligado ao
entendimento do processo de criação de novos produtos e novas idéias.
35
Os economistas são os que mais estudam os aspectos da inovação. Eles focam os
estudos nas implicações de novos desenvolvimentos e seus impactos no crescimento
econômico. Os economistas, juntamente com os psicólogos, investigam as fontes de inovação,
medindo as características da personalidade dos inventores e o tempo necessário para a
criação das inovações. (KNIGHT, 1967, p. 479)
Os sociólogos investigam os impactos das inovações nas estruturas sociais e o
comportamento da sociedade diante das mudanças. São facilitadores da inovação por meio de
criação de etapas que viabilizam as mudanças. Estudam o comportamento organizacional
diante de novos desafios. (KNIGHT, 1967, p. 480)
As atividades dos psicólogos, economistas e sociólogos, apontadas nos parágrafos
anteriores, ajudam a entender como os indivíduos desenvolvem as idéias, como a sociedade
reage diante das mudanças e qual a importância do desenvolvimento econômico em face das
inovações. (KNIGHT, 1967, p. 480)
Várias pesquisas (KAMIEN; SCHWARTZ, 1975; ACS; AUDRETSCH, 1987;
GIFFORD, 1992; DAMANPOUR, 1996) consideram o tamanho da empresa como um dos
fatores mais importantes que afetam a inovação. No primeiro momento, é possível dizer que
as grandes empresas são beneficiadas com a inovação, por causa do tamanho. Porém, existem
algumas vantagens e desvantagens que são associadas ao tamanho.
As pesquisas de Aldrich e Auster (1986, apud DAMANPOUR, 1996) e Hage (1980,
apud DAMANPOUR, 1996) indicam que as grandes empresas podem inibir as inovações por
serem formais, menos flexíveis, possuírem gerências mais padronizadas e seus
comprometimentos com a inovação serem baixos (HITT et al, 1990). Apesar da dificuldade
de mensuração do grau de vendas em relação à inovação, estima-se que a proporção do
faturamento de grandes empresas é baixa em comparação às pequenas empresas, que
investem em P&D. (COHEN; KLEPPER, 1996)
Há também a linha de pensamento complementar a esse raciocínio, que defende a
idéia que as pequenas empresas podem ser mais inovadoras devido a sua flexibilidade, a
grande habilidade de adaptação e improviso e demonstrar menor resistência às mudanças e
suas implementações (KOELLER, 1995; COHEN; KLEPPER, 1996). Tal raciocínio é
confirmado na pesquisa de Baldwin e Scott (1987, apud GIFFORD, 1992), em que os autores
observam que o tamanho da empresa e o lucro sobre o monopólio possui um grande impacto
na inovação em mercados onde há baixa oportunidade de tecnologia.
Koeller (1995) usou dois modelos de equações e confirma que a alta concentração na
indústria tem um efeito negativo nas inovações e constata que as grandes e pequenas
36
empresas respondem diferentemente para as condições econômicas e tecnológicas. A
inovação também é considerada negativa quando não se transforma em sucesso ou quando ela
não é aceita pela sociedade. (KNIGHT, 1967) Existem proposições diferentes, como a de
Schumpeter (1950, apud KOELLER, 1995), de que as inovações teriam um efeito positivo
significativo na concentração de indústrias.
Outro fator ligado à inovação e tamanho da empresa é a folga. As grandes empresas
que possuem folga são favorecidas para investir em novos projetos, grandes desafios e
crescimento entre os funcionários (BOURGEOIS, 1981; DAMANPOUR, 1996). Essa
vantagem é contestada por Ettlie (1983). O autor avalia que tamanho e folga não são
condições suficientes para a inovação. É necessário que a inovação faça parte da estratégia da
empresa, para que seja considerada uma vantagem.
O tamanho da empresa é medido pelo volume de vendas totais por alguns autores
(KAMIEN; SCHWARTZ, 1975). A escolha das vendas está relacionada por ser um indicador
neutro e também porque parte das empresas respalda-se no orçamento de P&D relacionado à
venda (KAMIEN; SCHWARTZ, 1975). Para efeito deste estudo, a variável tamanho utilizou
o mesmo critério acima.
A inovação depende de capital humano e das condições para o seu desenvolvimento .
O capital humano deve ter características individuais e a empresa deve fornecer condições
adequadas para o desenvolvimento das idéias. (KNIGHT, 1967). Knight (1967) sugere quatro
tipos de categorias de inovação que devem estar inter-relacionadas com uma ou mais
categorias, para que a criatividade gere resultados. As categorias são:
(1) Inovação de produtos ou serviços: são lançamentos de novos produtos ou serviços que as
empresas produzem, vendem ou cedem;
(2) Inovação de produção-processo: são introduções de novos elementos nas tarefas, decisões
e sistemas de informações que representam os avanços tecnológicos da empresa;
(3) Inovação estrutura-organizacional: são alterações de acordos de trabalho, sistemas de
comunicação interna, sistemas formais de premiação, entre outros. Essa categoria
complementa a anterior e estabelece processos formais de interação entre os funcionários;
(4) Inovação de pessoas: produz mudanças diretas dentro da organização, alterando o pessoal
por contratação e/ou demissão, modificando comportamentos ou crenças de pessoas nas
organizações. Segundo o autor, as inovações em cada uma das categorias poderão impactar
de forma positiva ou negativa nos objetivos da organização.
37
3.5.2. Ativos Intangíveis
As pesquisas de inovação estão relacionadas aos estudos de ativos intangíveis, cujo
interesse tem aumentado nos últimos anos. Os intangíveis tiveram um destaque em meados
dos anos 80, com marcas e patentes (LEV, 2001), quando houve um forte impulso em duas
forças econômicas: (1) a competição nos negócios, como resultado da globalização do
mercado e desregulamentação de vários setores (telecomunicações, elétricas, transporte e
serviços financeiros); e (2) o advento da tecnologia da informação, principalmente da Internet.
As duas forças modificaram a estrutura das empresas e ressaltaram a importância dos
intangíveis nos negócios e a criação de valor nas economias desenvolvidas.
Lev (2001) refere-se à palavra intangível como sendo algo incapaz de ser definido ou
determinado com precisão. Além disso, um ‘intangível’ seria um direito ao benefício futuro
que não tem um produto físico ou financeiro (ação ou bônus da dívida). Existem outros
termos utilizados por diversos autores como: capital intelectual (TEECE, 2000; LOW &
KALAFUT, 2003), ativo invisível, ativo do conhecimento, entre outros. Para efeito deste
estudo será utilizado o termo ativo intangível.
Existe uma tendência crescente para que os relatórios contábeis registrem os ativos
intangíveis. Nos Estados Unidos, o SEC tem estimulado as firmas a fornecerem mais
informações sobre os seus ativos intangíveis. O FED (Federal Reserve Bank) reclamava que a
contabilidade não estava acompanhando os investimentos em ativos de conhecimento antes do
escândalo da Enron, informações como os valores de P&D, a maioria dos softwares e a força
da marca. (LOW E KALAFUT, 2003, p. 36)
Segundo Reilly e Schweihs (1998), define-se um ativo intangível quando for possível
haver sua valoração ou a valoração na perspectiva econômica, que atenda algumas
características ou atributos. Algumas dessas características necessárias são sujeitas a: (1)
descrição do ativo e identificação específica; (2) a existência legal e proteção; (3) ao direito de
posse privada e legalmente transferível; (4) a alguma evidência tangível ou manifestação de
existência do ativo intangível (licença, contrato, registro, documento, entre outros); (5)
certificação de criação ou evidência de existência; e (6) a ser destruído ou ser possível
38
registrar a data da destruição ou identificar o resultado da destruição por meio de algum
evento.
Para Sveiby (1998), os ativos intangíveis da empresa são os ativos invisíveis, isto é,
aqueles que não são palpáveis e assim não são contabilizados. Para o autor, o valor só aparece
de forma indireta no mercado de ações ou quando a empresa é negociada. A forma indireta,
definida pelo autor, provavelmente refere-se à diferença entre o valor contábil e é chamada
na teoria contábil de fundo de comércio.
Há algumas classificações sugeridas pelos estudiosos. Para o presente trabalho, será
considerada a sugestão de Kayo, Teh e Basso (2006, p. 161):
• Ativos de inovação – P&D, patentes, fórmulas secretas, know-how tecnológico, entre
outros;
• Ativos humanos – conhecimento, talento, capacidade, habilidade e experiências dos
empregados, administração superior ou empregados-chave, treinamento e
desenvolvimento entre outros;
• Ativos estruturais – processos, software proprietários, bancos de dados, sistemas de
informação, sistemas administrativos, entre outros;
• Ativos de relacionamento com públicos estratégicos – marcas, logos, trademarks,
direitos autorais, contratos com fornecedores, contratos de licenciamento, franquias,
direitos de exploração mineral, entre outros.
3.5.2.1. Goodwill
Os ativos intangíveis também são chamados de goodwill na literatura americana e em
outros países. O conhecimento do goodwill é secular, e uma das primeiras aparições é datada
de 1571. Gradativamente, o conceito foi relacionado às transações comerciais, à atividade
industrial, à localização privilegiada, aos clientes, entre outros ativos reconhecidos na época.
(MONOBE, 1986)
Por ser um assunto amplo e complexo, o goodwill gerou muitos estudos, livros e
divergências durante muitos anos, como ressalta Martins (1972). O autor é enfático quanto à
dificuldade de conceituá-lo, quando ressalta que “economicamente não existe sentido na
39
definição de goodwill a não ser que entendido como resíduo de algo difícil ou impossível de
ser melhor identificado na prática.” (p. 72). Para o autor, o princípio do custo, como base de
valor, restringiu a aceitação de itens do ativo de forma avaliativa, como também da natureza
desses itens, ocasionando efeitos distorcidos na conceituação de ativos intangíveis.
Algumas definições de goodwill são merecedoras de destaque: Monobe (1986)
resssalta que “goodwill corresponde à diferença entre o valor atual de toda a empresa, ou seja,
sua capacidade de geração de lucros, e o valor econômico de seus ativos, apresentando,
portanto, uma característica residual” (p. 84). Iudícibus (1999) define “como o excesso de
preço pago pela compra de um empreendimento ou patrimônio sobre o valor de mercado de
ativos líquidos.” (p. 205)
A existência do goodwill não é mais questionada. A sua avaliação tornou-se
importante quando parte do valor da empresa é intangível. A mensuração tornou-se um
desafio pela sua subjetividade, pois carece de características associadas a ativos, como
identificabilidade e separabilidade. (HENDRIKSEN; VAN BREDA, 1999)
Das classificações de goodwill na literatura, este estudo elege a de Paton e Paton Jr
(apud MARTINS, 1972, p. 72-74), com quatro grupos distintos:
1. Goodwill Comercial: originado de serviços colaterais (bons serviços de
atendimento a cliente; facilidade de crédito; infra-estrutura adequada de
atendimento; boa qualidade de produto em relação a preço, entre outros).
2. Goodwill Industrial: originado de altos salários; reduzida rotatividade de
empregados; possibilidade de crescimento profissional (hierárquico); sistema
de segurança industrial; entre outros.
3. Goodwill Financeiro: originado de atitude de investidores; obtenção de
recursos financeiros que melhorem a competitividade de mercado; acesso a
fontes de crédito e financiamentos decorrentes da boa imagem da empresa no
mercado, entre outros;
4. Goodwill Político: originado de boas relações com o Governo.
De acordo com Reilly e Schweihs (1998), o goodwill possui dois tipos de
interpretações: a contábil e a econômica. A interpretação contábil seria o somatório de todos
os ativos intangíveis que foram adquiridos e registrados nos livros contábeis. A interpretação
econômica seria a diferença do valor total de um negócio (aquisição) e o valor de mercado
dos ativos tangíveis. Na segunda interpretação, o goodwill seria a capitalização de todas as
40
receitas econômicas de um negócio que não podem ser atribuídas a quaisquer outros ativos
tangíveis ou intangíveis. (REILLY; SCHWEIHS, 1998)
3.5.3. Pesquisa e desenvolvimento (P&D)
Dentro dos estudos de inovação, a P&D tem contribuído para o crescimento das
empresas nos últimos anos (VICENTE-LORENTE, 2001; LEV, 2001; O’BRIEN, 2003).
Alguns setores como informática, telecomunicações, químico, farmacêutico, petroquímico,
fertilizantes investem de forma consistente em busca de criação de valor (LEV, 2001). Os
resultados sinalizam que, além de melhoria de vendas e redução de custos, as empresas que
investem em P&D apresentam relação positiva com a quantidade de patentes solicitadas
(LEV, 2001)
Os estudos de Myers (2001), Bah e Dumontier (2001) e O’Brien (2003) pontuam que
quanto maior o investimento em P&D, menor a utilização de dívidas das empresas. Segundo
os autores, as empresas que utilizam P&D de maneira intensiva preferem financiar com
capital próprio ao invés de capital de terceiros. Há três motivos que justificam essa estratégia:
(1) exposição ao risco pelos credores devido às características das empresas que inovam; (2)
os ativos intangíveis não são aceitos como garantias em operações das empresas; e (3) a P&D
favorece o patrimônio da empresa que inova por conta das oportunidades de mercado.
3.6.
Inovação e Folga
Um dos aspectos importantes da inovação refere-se à natureza dos recursos
necessários para suportá-la. Os recursos podem ser as pessoas, equipamentos, tecnologia,
informação e relacionamentos. Porém, para Herold, Jayaraman e Narayanaswamy (2006), os
recursos financeiros são os mais importantes, mas não suficientes para assegurar que as idéias
criativas tornem-se novos processos, produtos e serviços. Isto é, a folga é uma das fontes da
41
inovação, apesar de não ser suficiente para assegurar que possa haver processos criativos que
resultem em inovação para as empresas (HEROLD; JAYARAMAN; NARAYANASWAMY,
2006). Sharfman et al (1988) completam esse entendimento com o argumento de que a
proposta da folga é permitir que a firma renuncie a ganhos de curto prazo em favor de
resultados de longo prazo. No estudo de Cheng e Kesner (1997), a folga indicou ser uma
importante função necessária para a inovação e mudanças.
A folga é considerada por alguns autores (NOHRIA, GULATI, 1996, JENSEN;
MECKLING, 1976, HEROLD JAYARAMAN; NARAYANASWAMY, 2006) como uma
forma de ineficiência na empresa. Porém, é, ao mesmo tempo, considerada fator importante
para a inovação. Inovação e folga são conceitos que se complementam na teoria
organizacional. A folga tem explicado fenômenos organizacionais de conflitos de metas,
comportamento político, comparativo de resultados (orçado em relação ao efetivo) e inovação
da empresa.
Outros pesquisadores alegam que a folga é positivamente relacionada com a inovação
tecnológica. (BROMILEY, 1991, DAMANPOUR, 1987, SINGH, 1986) Singh (1986)
argumenta que a folga facilita a inovação, porque as atividades de inovação consomem
recursos e o risco associado com a inovação pode ser suportado entre as empresas que
possuem grandes recursos.
Nohria e Gulati (1996) argumentam que a extensão da folga na firma impacta no nível
de inovação. Os autores defendem que, quando existe aumento de folga, a inovação aumenta
também, isto é, a relação entre folga e inovação é do tipo U invertido. Mas, em alguns pontos,
o excesso de folga reduz a inovação, porque permite um investimento indisciplinado de P&D.
Os autores complementam que as empresas com zero de folga são forçadas a focar os
resultados de curto prazo e assim alcançam poucas inovações.
Os resultados de Nohria e Gulati corroboram os estudos de Bourgeois (1981),
Bromiley (1991) e Chiu e Liaw (2006), que indicam haver correlação entre o sucesso e a
situação financeira, onde a folga é positiva até a folga negativa. Porém, Herold; Jayaraman;
Narayanaswamy, (2006) sugerem que a teoria que justifica a teoria do U invertido seja melhor
estudada e testada.
Geiger e Cashen (2002) definem a folga como os recursos que já estão disponíveis na
empresa ou o excedente de recursos necessários para o seu funcionamento. De acordo com os
autores, os empréstimos são considerados recursos a serem utilizados.
A pesquisa de Geiger e Cashen (2002) também coincide com a pesquisa de Nohria e
Gulati (1996). A P&D foi definida como variável dependente e as folgas (disponível,
42
recuperável e potencial), como variáveis independentes. Foram consideradas no estudo as
variáveis de controle: tamanho, risco sistemático, diversificação de produtos, tempo e
estrutura administrativa. A pesquisa contou com uma amostra de 228 empresas. Os resultados
indicaram uma relação linear entre a folga externa e inovação. Isto é, quanto maior o nível de
potencial de folga, maior a inovação dentro da empresa. Assim, firmas com baixo nível de
dívidas tendem a manifestar grande inovação.
Nohria e Gulati (1996) e Geiger e Cashen (2002) sugerem que pouca folga pode inibir
a inovação, enquanto muita folga pode diminuir os retornos, como conseqüência da
indisciplina em projetos que não resultam em inovação. (HEROLD JAYARAMAN;
NARAYANASWAMY, 2006)
3.7. Estratégia Empresarial
Para que exista sucesso dentro da empresa, é essencial a estratégia. Uma das
definições é a contribuição de Chandler (1962, apud BESANKO et al, 2007, p. 1): “... a
determinação das metas e dos objetivos básicos de longo prazo de uma empresa e a adoção de
cursos de ação e a alocação dos recursos necessários para realizar as metas”. Essa definição
resume adequadamente a importância da estratégia, independente do tamanho e do ramo de
atividade da empresa.
Existem questões essenciais para o sucesso da estratégia nas empresas. Besanko et al
(2007) sugerem quatro classes de questões que abrangem a formulação e implementação da
estratégia:
1. Fronteiras da empresa: definições do que a empresa faz. As fronteiras podem ser
direcionadas para: horizontal, vertical e corporativa. A horizontal indica a extensão do
mercado. A vertical é o conjunto de atividades internas executadas internamente, e as
atividades terceirizadas. A Corporativa define em quais negócios a empresa compete;
(BESANKO et al, 2007, p. 7)
2. Análise de mercados e concorrência: É a compreensão da natureza dos mercados com
quem as empresas competem; (BESANKO et al, 2007, p. 7)
43
3. Posicionamento e dinâmica: refere-se aos recursos e competências necessárias para as
empresas serem competitivas no mercado; (BESANKO et al, 2007, p. 7-8)
4. Organização interna: concilia as questões anteriores e organiza-se internamente para o
alinhamento com as metas gerais da empresa.. (BESANKO et al, 2007, p. 8)
3.7.1. Vantagem Competitiva
Dentre os assuntos relacionados à estratégia e à inovação, os estudos de vantagem
competitiva indicam a importância da adaptação do mercado às necessidades internas e
externas. Alguns conceitos são apresentados a seguir:
O conceito de vantagem competitiva de Porter (1989) é baseado na análise da
dinâmica das forças competitivas na estrutura de mercado. Porter ressalta que uma firma
possui uma vantagem competitiva, quando cria um produto que esteja acima de seu custo de
fabricação, que seja mais barato que a concorrência, e que seus clientes estejam dispostos a
pagar.
Porter (1989) avalia com reserva a inovação tecnológica, argumentando que nem toda
transformação tecnológica é benéfica. A transformação tecnológica não é, por si só,
importante. Mas será importante, se afetar a vantagem competitiva e a estrutura industrial.
Porter (1989) considera que muitas inovações importantes para a obtenção de vantagem
competitiva são comuns e não envolvem nenhuma ruptura científica.
O instrumento básico para que se compreenda o papel da tecnologia na vantagem
competitiva é a cadeia e valores. A transformação tecnológica pode afetar a concorrência por
seu impacto sobre quase todas as atividades. Mas o modelo de Porter foi contestado por vários
autores relacionados à vantagem competitiva, focando recursos intangíveis, competências e
capacidades.
De acordo com Barney (1991), uma vantagem competitiva sustentável se obtém com
recursos de valor, raros, inimitáveis e não substituíveis e capacidades sobre o controle das
empresas.
44
Besanko et al (2007) reportam-se à Teoria Baseada em Recursos que “enfatiza as
assimetrias dos recursos e competências das empresas no mesmo negócio, como sendo a base
para a vantagem competitiva sustentável.”
Os trabalhos de Recursos Baseados em Valores (RBV) referentes à heterogeneidade
dos recursos (PENROSE, 1959); fluxo de estoques de recursos (DIERICKX E COOL, 1989);
as potencialidades e recursos da firma (BARNEY, 2002); as competências essenciais
(PRAHALAD, HAMEL, 1990) e a criação do conhecimento de Nonaka e Takeuchi (1997),
entre outros, foram contribuições da literatura acadêmica para o estudo dos Ativos
Intangíveis.
Dierckx e Cool (1989) ressaltam a importância de ativos não comerciáveis, isto é, os
ativos intangíveis (capital humano, reputação, qualidade, etc.) como parte da construção da
estratégia das firmas.
Por outro lado, Barney (2002), dentro da visão de RBV, considera quatro recursos:
capital físico, capital humano, capital financeiro e capital organizacional. O capital humano
(treinamento, experiência, capacidade de julgamento e outros menos importantes), que
compõe o Capital Intelectual, representa partes dos recursos que são difíceis de copiar e
imitar, que podem dar à firma uma vantagem competitiva.
Muitos autores consideram os ativos intangíveis como vantagem competitiva. Teece
(2002) justifica que a rápida expansão de produtos e fatores de mercados colocou os ativos
intangíveis como sendo a base principal de diferenciação competitiva em diversos setores.
Para Teece (2002), há duas classes de razões para a cacofonia do gerenciamento do
conhecimento. A primeira razão é que as aplicações e o conhecimento são muito enraizados
no crescimento econômico e na prosperidade; por conseqüência, não tem sido transparente
para todos. A segunda razão é referente à mudança estrutural que tem ocorrido na economia
dos países desenvolvidos. Isso tem modificado a natureza do que é estratégia e tem servido
para sinalizar a importância do conhecimento e sua gestão.
Low e Kalafut (2003) abordam a questão com uma visão mais ampla e afirmam que o
diferencial competitivo é a combinação de fontes externas e internas de conhecimento para
explorar oportunidades no mercado. (LOW; KALAFUT, 2003)
Entre as contribuições sobre o assunto no Brasil, o estudo de Kayo (2002) revela que
uma das vantagens competitivas dentro das empresas é o capital humano. Porém, o autor cita
Stewart (2001, apud KAYO, 2002), para esclarecer que o capital humano refere-se ao que faz
a diferença, isto é, ao conhecimento que é de difícil duplicação.
45
3.7.2. Estratégia Competitiva e Estrutura de Capital
A escolha das estratégias é um desafio para a manutenção da competitividade das
empresas no mercado e há evidências de relações entre as decisões estratégicas e a estrutura
de capital. (BARTON; GORDON, 1987; BROMILEY, 1990)
Barton e Gordon (1987) foram dois dos primeiros pesquisadores de gestão estratégica
a explorarem se havia alguma lacuna na literatura financeira referente à estrutura de capital e
se essa estrutura resultava em algum efeito no valor da firma. Posteriormente, em estudo
empírico, Balakrishman e Fox (1993) destacaram que a estratégia competitiva de uma
empresa seria uma determinante importante para a sua estrutura de capital.
Os estudos de Jensen e Meckling (1976) contribuíram para o relacionamento entre a
estratégia e estrutura de capital. Tais estudos indicam que os gestores, devido à limitação de
tomada de recursos de terceiros, antecipam a captação de recursos para posteriormente
definirem a utilização dos recursos.
A estratégia de uma empresa possivelmente resume-se naquilo que ela é no presente
ou naquilo que ela deveria ser. Isto é, o sucesso ou fracasso das organizações dependerá de as
questões relevantes estarem alinhadas à estratégia ou não. (BESANKO et al, 2007)
A relação entre a estratégia e a estrutura de capital também foi tema de pesquisa
Kochhar e Hitt (1998). O resultado do estudo empírico dos autores evidenciou que os recursos
próprios são preferidos quando apresentam uma diversificação relacionada, enquanto os
recursos de terceiros estão associados com a diversificação não-relacionada. A diversificação
relacionada refere-se aos ativos específicos e à diversificação não-relacionada são os ativos
menos específicos. Os ativos específicos estão relacionados com os recursos e com a
vantagem competitiva (VICENTE-LORENTE, 2001), que foi destacada anteriormente.
A vantagem competitiva de uma empresa também pode estar relacionada na escolha
do grau de alavancagem. O aumento ou redução do endividamento poderá beneficiar a
empresa em relação aos concorrentes do mercado. (GRINBLATT, TITMAN, 2005)
O estudo de Williamson (1988) comprova que os ativos pouco específicos são
financiados com capital de terceiros e os com alto grau de especificidade são financiados com
recursos próprios. O estudo de O’Brien (2003) também avalia, em sua pesquisa, que quanto
46
maior a estratégia de inovação, menor será o índice de alavancagem. O presente estudo deverá
testar se a hipótese utilizada por O’Brien (2003) poderá ser aplicada no mercado brasileiro.
3.7.3. Estratégia e Folga
Dentro do ambiente competitivo entre as empresas no mercado, o desafio é identificar
qual a melhor estratégia para superar os desafios. Uma das questões é saber se a folga
contribui ou prejudica as empresas.
Chiu e Liaw (2006), em seu estudo, enfatizam a importância da relação entre a
estratégia e a folga. A pesquisa dos autores pondera o contexto de estratégia (produção,
oportunidades, P&D, entre outros) com folga (passivo, operações e lucro). O resultado do
estudo empírico dos autores comprova que a relação de estratégia e folga indica que o excesso
ou a falta de folga prejudica a estratégia e os resultados da empresa. A folga permite que as
empresas possam experimentar novas estratégias e projetos inovadores com maior segurança.
(NOHRIA; GULATI, 1995)
3.7.4. Estratégia e Inovação
O estudo da estratégia empresarial considera que a inovação é um diferencial na
competitividade de mercado, para desenvolvimento de novos produtos. A disponibilidade da
folga é fundamental para essa estratégia. Existe a dificuldade de mensurar a estratégia
relacionada à inovação. A pesquisa de Chiu e Liaw (2006) sugere três tipos de mensurações:
(1) Âmbito de tecnologia de empresas – Capacidade de focar um tipo de tecnologia
específica. Para a sua mensuração, calcula-se o somatório dos rendimentos anuais por
produto, dividido pelo total de receitas da empresa, elevado ao quadrado;
47
(2) Investimento em P&D – Considerado pelos autores como uma das mais importantes
variáveis estratégias. Foi empiricamente provada
(3) a relação positiva entre a perfomance e despesas de P&D. O cálculo é o produto do
P&D dividido por vendas líquidas da empresas;
(4) Fonte de tecnologia – Representa a intenção estratégica e o padrão disponível de
recursos de cada empresa. O cálculo sugerido é:
Valor Agregado = Lucro Líquido + Consumo de materiais + Compras do ano +
Produtos em Processo + Despesas de manufatura.
3.7.5. Estrutura de Capital e Inovação
O estudo de inovação está relacionado aos conceitos desenvolvidos por Schumpeter
(1950, apud ACS; AUDRETSCH, 1987), que sugerem que as grandes empresas são os
maiores centros de inovação. Segundo a hipótese de Schumpeter, além de a inovação ser
promovida pelas grandes empresas, elas são favorecidas pelas imperfeições de mercado. No
estudo de Acs e Audretsch (1987), essa hipótese é contestada e o autor avalia que as pequenas
empresas tendem a ser mais inovadoras do que as grandes empresas.
Posteriormente, Teece; Pisano; Shuen (1997) definem capacidades dinâmicas para
explicar como as empresas criam novos produtos e processos por meio das capacidades e
competências organizacionais. A inovação traz novas perspectivas para o crescimento das
empresas. A idéia de envolver a implementação de novas técnicas ou novas idéias
administrativas também foi sugerida por Damanpour (1984) e em estudos recentes, como o de
Li e Simerly (2002).
Na literatura, as relações entre estrutura de capital e inovação são recentes. Alguns
autores pontuam que o aumento da inovação é contrário à alavancagem das empresas. O alto
nível de especificidade dos ativos está relacionado à baixa utilização de capital de terceiros.
(LONG; MALITZ, 1985; BALAKRISHNAN, FOX, 1993; VICENTE-LORENTE, 2001)
Li e Simerly (2002) ressaltam que um dos motivos de o alto nível de endividamento
ser negativamente relacionado com inovação é a alta dinâmica. Os autores estudaram a
relação entre a estrutura de capital e a habilidade de inovar e consideram que a inovação é um
48
dos elementos principais do sucesso do ambiente competitivo. Para os ambientes estáveis, o
alto nível de endividamento é positivamente atribuído à inovação. (LI; SIMERLY, 2002, p.
156)
O’Brien (2003) evidencia, em seu estudo empírico, que os investimentos em P&D são
feitos basicamente com a utilização de recursos próprios e inversamente atrelados ao
endividamento das empresas. Os resultados obtidos no estudo de Kayo, Teh e Basso (2006)
corroboram a pesquisa de O’Brien (2003), no sentido de que as empresas intensivas em
inovação possuem baixos níveis de endividamento.
A dinâmica do ambiente está relacionada com a estrutura de capital e a inovação, de
acordo com estudos de Li e Simerly (2002). Seus resultados indicam que em ambientes
dinâmicos, o alto nível de capital de terceiros é negativamente associado com a inovação. Ao
contrário de ambientes estáveis, os altos níveis de capital de terceiros são positivamente
relacionados com a inovação, conforme ilustra a figura 01. A pesquisa empírica de Li e
Simerly (2002) também confirma a relação entre a inovação e vantagem competitiva, onde a
limitação de recursos pode impactar negativamente nas atividades inovadoras.
Inovação
Alavancagem
Fonte: Li; Simerly (2002, p. 167)
Alta
Baixa
Baixa
Dinâmica
Alta
Dinâmica
Alta
Baixa
Figura 01
-
Nível de alavancagem em relação à inovação
49
4. METODOLOGIA
4.1. Modelo de pesquisa e hipóteses
O modelo elaborado para o presente estudo foi constituído por duas variáveis
dependentes distintas e nove variáveis independentes, propostas por O’Brien (2003),
considerando-se algumas mudanças propostas por Marques (2007), em razão das diferenças
entre os mercados norte-americano e brasileiro, a serem explicadas nos itens seguintes.
As hipóteses testadas no presente estudo foram as mesmas apresentadas no estudo de
O’Brien (2003), nos Estados Unidos da América, e replicadas por Marques (2007), com
exceção da quarta hipótese. As hipóteses são:
H1: Quanto mais a estratégia de uma empresa enfatizar a inovação, menor será o seu
índice de alavancagem.
H2: Quanto mais importante for a inovação para a estratégia de uma empresa, mais fraca
será a relação entre a rentabilidade e a alavancagem.
H3: Haverá uma interação negativa entre alavancagem e a importância da inovação para a
estratégia da empresa com respeito aos seus impactos sobre o desempenho da empresa.
H4: Quanto maior o investimento em estratégia de inovação, maior será a folga
financeira.
50
As informações para o teste de hipóteses foram obtidas pela base de dados contábeis
da SERASA e posteriormente ao IBGE, conforme modelo de solicitação no anexo 02. Os
dados foram conciliados à base do IBGE com acesso aos dados da Pesquisa Industrial Anual
(PIA) e da Pesquisa Industrial de Inovação Tecnológica (PINTEC), mantendo-se o sigilo das
informações das empresas, sem as respectivas identificações. O modelo do questionário do
IBGE, aplicado em 2003, consta no anexo 01, para identificação do conteúdo disponível na
PINTEC.
4.2. Métodos de pesquisa e abordagem metodológica
4.2.1. Fontes de informações e amostra
As informações para os testes de hipóteses desta pesquisa foram obtidas na SERASA e
no IBGE. O procedimento básico foi o cruzamento de dados da SERASA com alguns dados
do IBGE.
Inicialmente, foram solicitados à SERASA os dados financeiros das empresas,
referentes aos maiores setores industriais e com maiores índices de inovação, segundo o
IBGE, nos anos de 2003 a 2005. O critério de agrupamento das empresas por atividade foi o
mesmo utilizado por Marques (2007), que é o CNAE.
Porém, em 2005, o IBGE modificou alguns critérios dos códigos do CNAE utilizados
em 2003. Essa mudança, chamada de versão 2.0, foi alterada na base de dados da SERASA.
Assim, a primeira base de dados fornecida pela SERASA foi construída com setores
equivocados por conta dessa mudança nos códigos. O resultado apresentado foi a obtenção de
dados financeiros a respeito de aproximadamente 1.150 empresas.
Após avaliado o conteúdo dos dados, verificou-se que havia poucas empresas, com
pouco setores inovadores na amostra. Pela incerteza de receber outra amostra, foi solicitado
ao IBGE o acesso aos dados da sala de microdados. Somente como informação, a sala de
microdados é local onde são realizados os cruzamentos das bases de dados e os testes
51
estatísticos. Os equipamentos contidos nessa sala não possuem contato externo de nenhuma
forma.
Na incerteza dos resultados, foi solicitada à SERASA uma nova amostra, esclarecendo
o ocorrido com a primeira solicitação, com a lista dos setores mais inovadores, de acordo com
os códigos CNAE atualizados.
O IBGE, com a lista de empresas e os dados fornecidos pela SERASA, disponibilizou
a sua base de dados sobre inovação, onde foi realizado o cruzamento das bases. Os campos
necessários para a pesquisa foram os dados de investimento em inovação, contidos na
PINTEC, e as despesas de propaganda, contidos na Pesquisa Industrial Anual (PIA).
Antes do cruzamento de dados entre as bases, o IBGE retirou as razões sociais e
recodificou os CNPJ das empresas das amostras, a fim de preservar o sigilo das informações
fornecidas.
Não foram definidos setores específicos neste estudo, a exemplo do que foi realizado
no estudo de Marques (2007), que utilizou os setores de fabricação de material eletrônico e de
aparelhos de comunicações (código CNAE 32), e, a fabricação e montagem de veículos
automotores, reboques e carrocerias (código CNAE 34), na tentativa de obter melhores
resultados na pesquisa, apesar do equívoco na montagem da amostra.
Antes do encerramento dos testes da primeira amostra, a SERASA disponibilizou os
dados da segunda amostra, com os códigos corretos dos setores mais inovadores. A nova
amostra continha aproximadamente 4.400 empresas, com empresas classificadas entre as mais
inovadoras, no ano de 2005. O quadro 02 indica os setores mais inovadores e as taxas de
inovação, segundo a PINTEC, base 2003 e 2005.
52
Quadro 02 - Setores mais inovadores
Ordem Setores
Código Taxa de
CNAE Inovação
1°
Fabricação de máquinas para escritório e equipamentos de
informática
30 71,2%
2°
Fabricação de material eletrônico básico
32.1 61,7%
3°
Fabricação de automóveis, caminhonetas e utilitários, caminhões
e ônibus
34.1 e
34.2
57,5%
4°
Fabricação de aparelhos e equipamentos de
comunicações
32 (exclusive
32.1)
51,8%
5°
Fabricação de produtos farmacêuticos
24.5 50,4%
6°
Fabricação de equipamentos de instrumentação médico-
hospitalares, instrumentos de precisão e óticos, equipamentos
para automação industrial, cronômetros e relógios.
33
45,4%
7°
Fabricação de peças e acessórios para veículos
34.4 45,2%
8°
Fabricação de máquinas e equipamentos
29 43,5%
9°
Fabricação de produtos químicos, exclusive produtos
farmacêuticos
24 (exclusive
24.5)
42,1%
10°
Fabricação de máquinas, aparelhos e materiais
Elétricos
31 41,0%
Fonte:
IBGE - PINTEC
2003
As duas amostras foram cruzadas com dados obtidos na PINTEC 2003 e 2005. Após
o cruzamento de dados, foram obtidos oito modelos, sendo quatro deles para os testes com
dados de 2003 e quatro amostras com dados de 2005.
No anexo 1, é apresentado o questionário aplicado pela PINTEC às empresas. Esse
modelo refere-se ao documento enviado às empresas para o levantamento de dados de 2003 e
2005.
4.2.2. Definição das Variáveis
Para avaliação das hipóteses propostas, foram utilizadas onze diferentes variáveis. As
notações são apresentadas entre parênteses para as suas identificações no estudo. O modelo
elaborado para o presente estudo é constituído de duas variáveis dependentes distintas e nove
53
variáveis independentes, propostas por O’Brien (2003), considerando-se algumas mudanças
propostas por Marques (2007), devido às diferenças entre os mercados e pelas dificuldades, a
serem explicadas nos itens seguintes. Uma terceira variável dependente: folga, foi sugerida
neste trabalho na tentativa de testar a relação entre a folga e a inovação.
4.2.2.1. Variáveis Dependentes
Para efeito deste estudo, foram utilizadas três variáveis dependentes: alavancagem,
rentabilidade e folga. As duas primeiras variáveis foram utilizadas nos estudos de O’Brien
(2003) e Marques (2007). Os detalhes das variáveis são apresentados a seguir:
(1) Alavancagem (ALAV)
A alavancagem foi a variável dependente das hipóteses 1 e 2, obtida pela divisão do
valor contábil das dívidas pelo valor contábil dos ativos totais. Os dados foram obtidos na
SERASA.
(2) Rentabilidade (RENTA)
A rentabilidade foi a variável dependente da hipótese 3 e foi calculada pela divisão do
lucro operacional antes da depreciação pelo valor contábil dos ativos totais. Os dados foram
obtidos na SERASA. No estudo de O’Brien (2003), foram utilizados os dados de market-to-
book, isto é, o valor de mercado das empresas. Neste estudo, foram utilizadas empresas de
capital aberto e fechado.
(3) Folga Financeira (FOLGA)
A folga foi a variável dependente da hipótese 4. Para obtenção desse dado, foi
utilizada a diferença entre lucro líquido e dividendo, dividida pelas vendas totais, subtraindo-
54
se do resultado a divisão entre dividendos e patrimônio líquido. Do resultado, é somada a
diferença entre ativo circulante e passivo circulante dividido pelas vendas totais. O cálculo é
baseado na mensuração de folga disponível, sugerida por Bourgeois (1983). A justificativa
para utilização do cálculo da folga foi a tentativa de verificar a relação de inovação com a
folga financeira disponível das empresas.
4.2.2.2. Variáveis Independentes
Este estudo utilizou onze variáveis independentes, obtidas no IBGE e na SERASA. Os dez
primeiros foram sugeridos por O’Brien (2003). Marques (2007) não teve acesso aos dados
para a variável ativos tangíveis. A décima primeira variável foi sugerida neste estudo. A
seguir são apresentadas as variáveis e as fontes de dados:
(1)
Inovação
(INOV)
Para o cálculo da variável inovação, O’Brien (2003) utilizou o seguinte procedimento:
(1) Calculou a intensidade dos gastos de P&D para cada empresa (ver item 2), e (2) atribuiu
um percentil para cada empresa, baseado na sua intensidade de gastos com P&D, comparado
às demais empresas do setor. No presente estudo, foi utilizado o mesmo procedimento,
utilizando-se dados obtidos na PINTEC.
(2)
Intensidade de Pesquisa e Desenvolvimento (INTEPD)
A intensidade de P&D foi calculada pela divisão dos gastos de P&D pelo valor das
vendas totais da empresa. Os dados de P&D foram obtidos na PINTEC e os dados de vendas
totais das empresas na SERASA.
(3) Intensidade de Propaganda
(INTEPROPA)
55
A intensidade de propaganda é calculada pela divisão dos gastos em propaganda pelo
valor das vendas totais. Os gastos de propaganda foram obtidos na PIA e as vendas totais na
SERASA.
(4) Intensidade de Capital (INTECAP)
A intensidade de capital foi calculada pela divisão do valor contábil dos ativos totais,
pelas vendas totais das empresas. Os dados foram obtidos na SERASA.
(5) Tamanho (TAMA)
O tamanho foi obtido pelos valores das vendas totais das empresas. A opção de utilizar
as vendas totais neste estudo está baseada, em parte, por sua relação com o cálculo da folga;
(6) Rentabilidade da Indústria (RENTAIND)
A rentabilidade da indústria foi calculada pelo somatório do lucro antes da depreciação
das empresas do mesmo setor, a ser obtida na SERASA, pelo valor contábil dos ativos das
empresas do mesmo setor. A variável dependente rentabilidade utilizada para testar a hipótese
3 também foi utilizada como variável independente .
(7) Rentabilidade (RENTA)
Essa variável foi utilizada para medir o desempenho das empresas nos diversos
setores. A rentabilidade também foi utilizada para testar as hipóteses 1 e 2 para verificar a sua
relação com a alavancagem. A variável foi utilizada como variável dependente e
independente. O cálculo foi descrito anteriormente na variável dependente e os dados obtidos
na SERASA.
(8) Inovação em relação à Rentabilidade (INOVRENTA)
A inovação em relação à rentabilidade foi calculada pela multiplicação das variáveis
INOV pela RENTA de cada período.
56
(9) Inovação em relação à Alavancagem (INOVALAV)
A inovação em relação à alavancagem foi calculada pela multiplicação das variáveis
INOV pela ALAV.
(10) Ativos Tangíveis (ATANGI)
Os ativos tangíveis foram calculados pela divisão de ativo imobilizado pelos ativos
totais das empresas. Essa variável foi utilizada no estudo de O’Brien (2003) e mantida neste
estudo.
(11) Folga Financeira (FOLGA)
A folga financeira foi utilizada como variável dependente e independente. A forma de
cálculo foi descrita anteriormente na variável dependente. Os dados foram obtidos na
SERASA.
No quadro 3 – Variáveis da pesquisa, são apresentadas as variáveis dependentes e
independentes, os códigos de todas as variáveis utilizadas, as fontes de dados e o cálculo
utilizado em cada variável.
57
Quadro 3 - Variáveis da Pesquisa
VARIÁVEL
DEPENDENTE
CÓDIGO FONTE CÁLCULO
1) Alavancagem ALAV
SERASA
Total das dívidas
SERASA
Ativos Totais
2) Rentabilidade RENTA
SERASA
Lucro Operac.antes da deprec.
SERASA
Ativos Totais
3) Folga financeira FOLGA SERASA
+ (Lucro Líquido -
Dividendos)/ Vendas Totais
-
Dividendos/Patrim.Líquido
+ (Ativo Circ. -
Passivo
Circ.)/Vendas Totais
VARIÁVEL
INDEPENDENTE
CÓDIGO FONTE FONTE
1) Inovação INOV PINTEC
Intensidade de P&D da
empresa comparada aos
concorrentes
2) Intensidade de P&D INTEPD
PINTEC Gastos em P&D
SERASA
Vendas Totais
3) Intensidade de
Propaganda
INTEPROPA
PIA Gastos com propaganda
PINTEC Vendas Totais
4) Intensidade de Capital INTECAP
SERASA
Ativos Totais
SERASA
Vendas Totais
5) Tamanho TAMA SERASA
Vendas Totais
6) Rentabilidade da Indústria
RENTAIND
SERASA
Somatório do lucro antes da
depreciação (setor)
SERASA
Somatório do ativos totais
(setor)
7) Rentabilidade RENTA
SERASA
Lucro Operac. antes da deprec.
SERASA
Ativos Totais
8) Inovação x Rentabilidade INOVRENTA INOV x RENTA
9) Inovação x Alavancagem INOVALAV INOV x ALAV
10) Ativos Tangíveis ATANGI
SERASA
Ativo Imobilizado
SERASA
Ativos Totais
11) Folga Financeira FOLGA SERASA
+ (Lucro Líquido -
Dividendos) / Vendas
- Dividendos/Patrim.Líquido
+ (Ativo Circ. -
Passivo
Circ.)/Vendas Totais
Fonte: Elaborado pelo autor (*) Bourgeois (1983, p. 43), adaptado pelo autor
58
4.3. Hipóteses e equações
Considerando as hipóteses acima formuladas neste trabalho, a seguinte equação foi
utilizada para o teste de H1 para as variáveis dependentes de 2004, da 1ª. amostra:
ALAV
t
=
ß
o
+
ß
1
ALAV
t
-
1
+
ß
2
INOV
t
-
l +
ß
3
INTEPD
t
-
1
+
ß
4
INTEPROPA
t
-
l
+
ß
5
TAMA
t
-
1 +
ß
6
RENTA
t
-
l +
ß
7
INTECAPt-
l
+
ß
8
RENTAINDt-
l
+
ε
No tes
te de H1, foi inclusa a variável ativos tangíveis, na 2ª. amostra. Na 1ª. Amostra,
foi retirada a variável ativos tangíveis por ter correlação perfeita com a variável alavancagem.
A equação abaixo foi utilizada na 2ª. amostra.
ALAV
t
=
ß
o
+
ß
1
ALAV
t
-
1
+
ß
2
INOV
t
-
l +
ß
3
INTEPD
t
-
1
+
ß
4
INTEPROPA
t
-
l
+
ß
5
TAMA
t
-
1 +
ß
6
RENTA
t
-
l +
ß
7 ATANGI t
-
l +
ß
8
INTECAPt-
l
+
ß
9
RENTAINDt-
l
+
ε
No teste de H1, foi utilizada a seguinte equação, para as variáveis dependentes de
2006:
ALAV
t
=
ß
o
+
ß
1
ALAV
t
-
1
+
ß
2
ALAV
t
-
2
+
ß
3
ALAV
t
-
3
+
ß
4
INOV
t
-
l +
ß
5
INTEPD
t
-
1
+
ß
6
INTEPROPA
t
-
l
+
ß
7
TAMA
t
-
1 +
ß
8
RENTA
t
-
l +
ß
9 ATANGI t
-
l +
ß
10
INTECAPt-
l
+
ß
11
RENTAINDt-
l
+
ε
Sendo:
ALAV = Alavancagem
INOVA = Pesquisa e desenvolvimento (P&D)
INTEPD = Intensidade de P&D
INTEPROPA = Intensidade de propaganda
TAMA = Tamanho da empresa
RENTA = Rentabilidade
INTECAP = Intensidade de capital
RENTAIND = Rentabilidade da indústria
59
ATANGI = Ativos Tangíveis
A seguinte equação foi utilizada para o teste de H2, para as variáveis dependentes de
2004, da 1ª. amostra:
ALAV
t
=
ß
o
+
ß
1
ALAV
t
-
1
+
ß
2
INOV
t
-
l +
ß
3
INTEPD
t
-
1
+
ß
4
INTEPROPA
t
-
l
+
ß
5
TAMA
t
-
1 +
ß
6
RENTA
t
-
l +
ß
7
INTECAPt-
l
+
ß
8
RENTAINDt-
l
+
ß
9
INOVRENTAt-
l +
ε
No teste de H2, foi inclusa a variável ativos tangíveis na 2ª. amostra, como ocorrido
em H1. Na 1ª. Amostra, foi retirada a variável ativos tangíveis por ter correlação perfeita com
a variável alavancagem. A equação abaixo foi utilizada na 2ª. amostra.
ALAV
t
=
ß
o
+
ß
1
ALAV
t
-
1
+
ß
2
INOV
t
-
l +
ß
3
INTEPD
t
-
1
+
ß
4
INTEPROPA
t
-
l
+
ß
5
TAMA
t
-
1 +
ß
6
RENTA
t
-
l +
ß
7 ATANGI t
-
l +
ß
8
INTECAPt-
l
+
ß
9
RENTAINDt-
l
+
ε
No teste de H2, foi utilizada a equação abaixo, para as variáveis dependentes de 2006,
1ª. amostra:
ALAV
t
=
ß
o
+
ß
1
ALAV
t
-
1
+
ß
2
ALAV
t
-
2
+
ß
3
ALAV
t
-
3
+
ß
4
INOV
t
-
l +
ß
5
INTEPD
t
-
1
+
ß
6
INTEPROPA
t
-
l
+
ß
7
TAMA
t
-
1 +
ß
8
RENTA
t
-
l +
ß
9 ATANGI t
-
l +
ß
10
INTECAPt-
l
+
ß
11
RENTAINDt-
l
+
ε
No teste de H2, foi utilizada a equação abaixo, para as variáveis dependentes de 2006,
2ª. amostra:
ALAV
t
=
ß
o
+
ß
1
ALAV
t
-
1
+
ß
2
ALAV
t
-
2
+
ß
3
ALAV
t
-
3
+
ß
4
INOV
t
-
l +
ß
5
INTEPD
t
-
1
+
ß
6
INTEPROPA
t
-
l
+
ß
7
TAMA
t
-
1 +
ß
8
RENTA
t
-
l +
ß
9 ATANGI t
-
l +
ß
10
INTECAPt-
l
+
ß
11
RENTAINDt-
l
+
ß
10
INOVRENTAt-
l +
ε
Sendo:
ALAV = Alavancagem
INOV = Pesquisa e desenvolvimento (P&D)
INOVRENTA = Inovação em relação à Rentabilidade
INTEPD = Intensidade de P&D
60
INTEPROPA = Intensidade de propaganda
TAMA = Tamanho da empresa
RENTA = Rentabilidade
INTECAP = Intensidade de capital
RENTAIND = Rentabilidade da indústria
ATANGI = Ativos Tangíveis
No teste de H3, foi utilizada a equação abaixo, para as variáveis dependentes de 2004
e 2006, 1ª. e 2ª. amostras:
RENTA
t
=
ß
o
+
ß
1
INOVA
t
-
1
+
ß
2
INOVALAVA
t
-
l +
ß
3
INTEPD
t
-
1
+
ß
4
INTEPROPA
t
-
l
+
ß
5
TAMA
t
-
l +
ß
6
INTECAP
t
-
1 +
ß
7
RENTAIND
t
-
l +
ß
8
RENTA
t
-
l +
ε
Sendo:
INOV = Pesquisa e desenvolvimento (P&D)
INOVALAV = Inovação em relação à Alavancagem
INTEPD = Intensidade de P&D
INTEPROPA = Intensidade de propaganda
TAMA = Tamanho da empresa
INTECAP = Intensidade de capital
RENTAIND = Rentabilidade da indústria
RENTA = Rentabilidade
No teste de H4, foi utilizada a equação abaixo, para as variáveis dependentes de 2004
e 2006, 1ª. e 2ª. amostras:
FOLGA
t
=
ß
o
+
ß
1
INOVA
t
-
1
+
ß
2
INOVALAVA
t
-
l +
ß
3
INTEPD
t
-
1
+
ß
4
INTEPROPA
t
-
l
+
ß
5
TAMA
t
-
l +
ß
6
INTECAP
t
-
1 +
ß
7
RENTAIND
t
-
l +
ß
8
FOLGA
t
-
l +
ε
Sendo:
INOV = Pesquisa e desenvolvimento (P&D)
INOVALAV = Inovação em relação à Alavancagem
INTEPD = Intensidade de P&D
61
INTEPROPA = Intensidade de propaganda
TAMA = Tamanho da empresa
INTECAP = Intensidade de capital
RENTAIND = Rentabilidade da indústria
FOLGA = Folga Financeira
4.4. Tratamento Estatístico dos Dados
Os programas de computador utilizados para os cálculos econométricos neste trabalho
foram o STATA e SPSS (versão 8.0). Foram realizadas análises de regressões múltiplas para
estudar a influência das onze variáveis independentes nas três variáveis dependentes.
Esclarece-se que não foi possível a utilização de dados em painel devido à limitação
dos dados do IBGE, os quais atualizam dados de inovação a cada dois anos. Os dados
utilizados no trabalho foram da PINTEC de 2003 e 2005.
Para estimar os parâmetros dos modelos de regressão das variáveis do estudo, foi
utilizado o método dos mínimos quadrados ordinários (MQO). Os estimadores de MQO, entre
os estimadores da regressão, foram os melhores estimadores lineares não tendenciosos. O
motivo dessa escolha foi para evitar que, em caso de multicolinealidade muito alta, os
estimadores de MQO guardassem a propriedade de melhores estimadores lineares não
tendenciosos, aplicadas em estudos anteriores. (GUJARATI, 2006)
62
5. RESULTADOS DA PESQUISA
Os resultados dos testes para identificar associações lineares entre as variáveis por
meio de regressões lineares múltiplas, após o cruzamento das bases de dados do IBGE e
SERASA, são descritos a seguir.
Para cada hipótese, foram realizados os testes com variáveis definidas anteriormente,
nos períodos de 2003 e 2005. Isto é, as variáveis independentes de 2003 e 2005 testaram as
variáveis dependentes de 2004 e 2006, respectivamente em cada período.
A primeira amostra obtida na SERASA continha 1.150 empresas. Após a avaliação
das empresas dessa base de dados, identificou-se o equívoco das trocas das CNAE, conforme
explicado anteriormente. Percebeu-se que somente 31% das empresas pertenciam a empresas
em setores com alguma inovação (ver quadro 1). Com a possibilidade de não haver acesso a
uma nova base de dados, a pesquisa foi solicitada ao IBGE com risco de não haver bons
resultados.
Durante a evolução dos cruzamentos das bases de dados no IBGE, a SERASA
disponibilizou uma segunda amostra com 3.313 empresas. A melhoria na quantidade e na
qualidade da amostra foi significativa. Aproximadamente 42% das empresas pertenciam aos
treze maiores setores mais inovadores, de acordo com a classificação da PINTEC 2005 (ver
quadro 2). Aparentemente, essa amostra poderia apresentar resultados mais efetivos ao
estudo. Obtida a concessão de realizar a pesquisa com as duas amostras pelo IBGE, decidiu-se
que a pesquisa poderia ser enriquecida com a comparação dos resultados das duas amostras.
Há que se esclarecer, na seqüência, algumas diferenças de critérios utilizados nos
estudos realizados por O’Brien (2003) e Marques (2007):
Na pesquisa dos dois autores, foi adotado o critério da inclusão de empresas que não
apresentavam os dados de investimento em P&D e propaganda. Na falta ou indisponibilidade
desses dados nas duas pesquisas, os estudos consideraram esses valores como zero. A
justificativa dos autores para tal procedimento foi de que a não inclusão desses dados poderia
enviesar os estudos, caso a amostra só contivesse empresas com altos índices nos dois itens.
Essa pesquisa não utilizou o mesmo critério, porque os percentuais de empresas inovadoras
nas duas amostras, apresentados no parágrafo anterior, indicavam uma possível ponderação
entre empresas inovadoras e pouco inovadoras.
63
Nas tabelas e quadros a seguir, são apresentados os resultados estatísticos das duas
amostras, com as variáveis independentes de 2004 e 2006, que foram testados nas quatro
hipóteses. Salienta-se que apesar das disponibilidades do IBGE, o uso da sala de microdados é
limitado para eventuais testes não realizados ou relatórios adicionais.
As variáveis tamanho (TAMA) apresentam valores demasiadamente altos. Esclarece-
se que no estudo de O’Brien (2003), a variável foi calculada com o logaritmo do valor. O
procedimento é comum para as variáveis que possuem um valor alto. No estudo de Marques
(2007), tal procedimento não foi realizado, possivelmente porque o tamanho não foi relevante.
Para o presente estudo, houve um erro quando não foi aplicado o logaritmo. A variável
intensidade de propaganda (INTEPROPA) possui um problema semelhante.
As tabelas 1 e 2 são as estatísticas descritivas das variáveis utilizadas nas equações,
obtidas na 2ª. amostra. A mesma tabela não foi obtida para a primeira amostra.
Tabela 1 - Estatística Descritiva - base 2003
Variável Mínimo Máximo Média Desvio Padrão
ALAV 2003
0,0322
10.994.974
0,6779
0,6128
INOV
0,0000
1.000.010
0,0716
0,1513
INTEPD
0,0000
0,2955
0,0206
0,0347
INTEPROPA
0,0000
380.111.082
2.406.877
18.591.007.630
TAMA
137.427
107.361.242.000
296.358.630
3.757.492.506.777
RENTA 2003
-2,2300
2,2000
0,1156
0,2515
ATANGI
0,0100
0,9900
0,3009
0,1904
INTECAP
0,1200
97,0100
10.849
365.270
RENTAIND
-2,4200
2,1800
0,0420
0,2522
INOVRENTA
-0,0144
0,0673
0,0026
0,0081
Fonte: Elaborada pelo autor
64
Tabela 2 - Estatística Descritiva - base 2005
Variável Mínimo Máximo Média Desvio Padrão
ALAV2006
0,0300
79,4900
0,7441
283.169
ALAV2005
0,0482
20.875.574
0,6842
0,8810
INOV
0,0000
1.000.443
0,0591
0,1285
INOVALAV
0,0000
0,2902
0,0110
0,0239
INTEPD
0,0000
0,8017
0,0206
0,0505
INTEPROPA
0,0000
472.012.508
2.513.507
18.835.016.090
TAMA
203.462
143.665.730.000
350.888.836
4.692.748.141.759
RENTA2005
-4,1000
1,0400
0,1243
0,2901
RENTA2006
-4,1000
1,0400
0,1222
0,2922
ATANGI
0,0100
0,9600
0,3018
0,1979
INTECAP
0,1000
15,8300
0,8974
111.704
RENTAIND
-5,1300
0,7700
0,0463
0,3062
INOVRENTA
-0,1660
0,0730
0,0024
0,0118
FOLGA
-3,1200
1,6700
0,0459
0,4571
FOLGA2006
-2.481.123
1.729.229
0,1013
0,4432
Fonte: Elaborada pelo autor
O estudo de Marques (2007) elegeu dois setores: Fabricação de material eletrônico e
de aparelhos e equipamentos de comunicação, código CNAE 32, e, fabricação e montagem de
veículos automotores, reboques e carrocerias, código CNAE 34 (códigos da versão 1) com o
intuito de obter uma amostra de empresas que viabilizasse seu estudo nos dois setores.
No presente estudo, não houve restrição na escolha de setores inovadores. A
quantidade de empresas da primeira amostra foi de 389 empresas, em 2003, e, 499 empresas
em 2005. A quantidade de empresas da segunda amostra foi de 833 empresas em 2003, e, 954
empresas em 2005.
Nos quadros 1 e 2, são apresentadas as descrições dos setores e as quantidades de
empresas de cada período.
65
Quadro 04 - Quantidade de empresas após cruzamentos SERASA e IBGE (1a.
amostra)
Cod.
CNAE
v. 1.0
Setor (versão 1.0)
Classificação de
Inovação PINTEC
2003
Qde.
Empresas
2003
%
Qde.
Empresas
2005
%
17 Fabricação de produtos têxteis
4
0,8%
18
Confecção de artigos do vestuário e
acessórios
4
1,0%
6
1,2%
20 Fabricação de produtos de madeira
3
0,6%
24 Fabricação de produtos químicos
5o. = 24.5 (Produtos
farmacêuticos)
24 = 3
24.5 = 10
3,3%
24 = 5
24.5 = 6
2,2%
25
Fabricação de artigos de borracha e
de material plástico
4
1,0%
3
0,6%
26
Fabricação de produtos de minerais
não-metálicos
2
0,5%
3
0,6%
27 Metalurgia básica 65
16,7%
90
18,0%
28
Fabricação de produtos de metal
(exclusive maq. e equipamentos)
14
3,6%
20
4,0%
29
Fabricação de máquinas e
equipamentos
8o. 21
5,4%
24
4,8%
30
Fabricação de máquinas para
escritório e equipamentos e
informática
1o.
31
Fabricação de máquinas, aparelhos e
materiais elétricos
10o. 9
2,3%
17
3,4%
32
Fabricação de materiais elétricos e
de aparelhos e equipamentos de
comunicações
2o. = 32.1
4o. = 32 (exclusive
32.1)
2
0,5%
4
0,8%
33
Fabricação de equip. de
instrumentação médico-hospitalares,
instrumentos de precisão e ópticos,
equipamentos para automação
industrial, cronômetros e relógios
6o. 23
5,9%
27
5,4%
34
Fabricação e montagem de veículos
automotores, reboques e carrocerias
7o. = 34.4 (Fabricação
de peças e acessórios
para veículos)
34 =
15
34.4 =
63
34.99 =
5
21,3%
34 =
17
34.4 =
80
34.99 =
4
20%
35
Fabricação de outros equipamentos
de transporte
46
11,8%
52
10,4%
36
Fabricação de móveis e indústrias
diversas
36.1 = 74
36.9 = 29
26,5%
36.1 =
104
36.9 = 30
26,9%
Total das amostras
389
100%
499
100%
Obs. Excluídos setores onde a inovação foi zero [11, 17 (de 2003), 19, 20 (de
2003)].
Fonte: IBGE, adaptado pelo autor
66
Quadro 5 - Quantidade de empresas após cruzamentos SERASA e IBGE (2a.
amostra)
Cod.
CNAE
v. 2.0
Setor (versão 2.0)
Classificação de
Inovação PINTEC 2005
Qde.
Empresas
2003
%
Qde.
Empresas
2005
%
15
Preparação de couros e fabr. de
artefatos de couro, artigos para
viagem e calçados
19
2,3%
22
2,3%
17
Fabricação de celulose, papel e
produtos de papel
8o. 24
2,9%
21
2,2%
19
Fabricação de coque, de
produtos derivados do petróleo
e de biocombustíveis
4o. 49
5,9%
62
6,5%
20
Fabricação de produtos
químicos
10o. 6
0,7%
21
Fabricação de produtos
farmoquímicos e
farmacêuticos
7o. 56
6,7%
51
5,3%
22
Fabricação de produtos de
borracha e de material plástico
1
0,1%
23
Fabricação de produtos de
minerais não-metálicos
45
5,4%
65
6,8%
24 Metalurgia 9o.
24 = 52
24.5 = 75
15%
24
= 42
24.5= 103
15,2%
25
Fabricação de prod. de metal,
exceto máquinas e equipam.
11
1,3%
8
0,8%
26
Fabricação de equipamentos
de informática, produtos
eletrônicos e ópticos
2o. = 26.2 (Fabr. máquinas escrit.
e equipamentos de escritório)
3o. = 26.5, 26.6 e 26.7 (Fabr.
equip. instr. médico-
hospitalar)
5o. = 26.1 (Fabricação de
material eletrônico básico)
6o. = 26.3 (Fabr. aparelhos e
equipamentos de comunicação)
43
5,2%
56
5,9%
27
Fabricação de máquinas,
aparelhos e materiais elétricos
11o. 64
7,7%
85
8,9%
28
Fabricação de máquinas e
equipamentos
13o. 26
3,1%
22
2,3%
29
Fabricação de veículos
automotores, reboques e
carrocerias
1o. 51
6,1%
57
6,0%
30
Fabr. de outros equip. de
transp.,
exceto veículos automotores
12o. 38
4,6%
50
5,2%
31 Fabricação de móveis 78
9,4%
78
8,2%
32
Fabricação de produtos
diversos
32 = 25
32.1 = 28
6,4%
32 = 34
32.1 = 35
7,2%
33
Manutenção, reparação e
instal. de máquinas e equipam.
52
6,2%
60
6,3%
Outros
Outros setores 91
10,9%
102
10,7%
Total das amostras
833
100%
954
100%
Obs. Excluídos setores onde a inovação foi zero [11, 12, 13, 14, 16, 18, 20 (de 2005), 36 e 37].
Fonte: IBGE, adaptado pelo autor
67
Os resultados obtidos nos modelos deste estudo apresentaram uma alta
multicolinealidade. Segundo Gujarati (2006), quando há alta multicolinealidade nos cálculos
da regressão dos mínimos quadrados ordinários (MQO), seus estimadores guardarão a
propriedade de melhores estimadores lineares não tendenciosos. Esclarece-se também que os
estimadores de MQO deste estudo são melhores estimadores lineares não tendenciosos. Uma
possibilidade ocorrida nos modelos seria a de que as variáveis X não estivessem linearmente
relacionadas na amostra.
De acordo com Gujarati (2006), a detecção de multicolinealidade é apenas 50% da
análise. Segundo o autor. não há métodos seguros, apenas algumas regras práticas: (1) usar
informações externas ou a priori; (2) combinar dados de corte transversal com séries
temporais; (3) omitir uma variável com elevada colinealidade; (4) transformar os dados; e (5)
obter novos dados ou dados adicionais (p. 301). Para este estudo, foram aplicadas algumas
dessas regras, principalmente a terceira e a quarta. Devido à questão da multicolinealidade,
não foram considerados os parâmetros dos modelos em separado, e sim, as significâncias dos
modelos como um todo.
Os resultados obtidos nos modelos serão apresentados a seguir, comparando-se os
quatro resultados de cada hipótese (dos períodos de 2003 e 2005, nas duas amostras):
As estatísticas descritivas da hipótese 1 são apresentadas nas tabelas 3, 8, 13 e 18. A
variável ATANGI (ativos tangíveis) foi retirada do modelo da hipótese 1, 1ª. amostra, base
2003, por ter correlação perfeita com a variável ALAV (alavancagem). Nos demais períodos,
não houve necessidade desse procedimento.
Em caso de colinealidade entre as variáveis, como ocorreu com ATANGI e ALAV, o
critério de exclusão da variável foi a de utilização do modelo que obteve menor R2, nos testes
com as duas variáveis.
68
Tabela 3 : Estatísticas Descritivas, H1, 1ª· amostra
2003
Variável Média Desvio-padrão
ALAV2004 0,8076
1,49960
ALAV2003 0,8030
1,32754
INOV 0,0477
0,1256
INTEPD 0,0055
0,0174
INTEPROPA 3623026,420
27941858,369
TAMA 244195502,908
974878713,112
RENTA2003 0,1097
0,3559
ATANGI 0,1971
1,32756
INTECAP
1,530
8,1106
RENTAIND 0,0952
0,0618
Fonte: Elaborada pelo autor
Os coeficientes de correlação da hipótese 1 são apresentados nas tabelas 4, 9, 14 e 19.
Nessas matrizes de correlações, são observados altos índices de correlações entre as variáveis
dependentes e independentes em função da defasagem de um ano entre ALAV 2004 e ALAV
2003, como ocorreu no estudo de Marques (2007).
Nas tabelas citadas nesta hipótese e nas demais hipóteses, observa-se que houve um
alto índice de correlação (acima de 20%) entre as variáveis. Essas variáveis foram mantidas
no estudo por duas razões: (1) constam no estudo de O’Brien (2003) e Marques (2007); (2)
Essas variáveis podem ser consideradas variáveis de ajuste.
69
Tabela 4 – Coeficientes de correlação – 1ª. hipótese, 1ª. amostra, base 2003
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
ALAV2004 (1) 1,000
ALAV2003 (2) 0,946
1,000
INOV (3) 0,039
0,038
1,000
INTEPD (4) -0,009
-0,020
0,637
1,000
INTEPROPA (5) 0,005
0,001
0,328
0,062
1,000
TAMA (6) -0,022
-0,025
0,184
0,027
0,507
1,000
RENTA 2003 (7) -0,540
-0,710
-0,045
0,016
-0,070
-0,031
1,000
ATANGI (8) -0,946
-1,000
-0,038
0,020
-0,001
0,025
0,710
1,000
INTECAP (9) -0,027
-0,034
-0,035
-0,023
-0,013
-0,001
-0,035
0,034
1,000
RENTAIND (10) -0,112
-0,067
-0,183
-0,032
-0,260
-0,114
0,116
0,067
-0,103
1,000
Fonte: Elaborada pelo autor
Os resultados das regressões múltiplas de H1 são apresentados nas tabelas 5, 10, 15 e
20. Destacam-se as seguintes variáveis com significância:
a) Tabela 5 (1ª. amostra 2003) : ALAV2003, RENTA2003 e RENTAIND;
b) Tabela 10 (1ª. amostra, 2005) : ALAV2003, RENTA2005 e ATANGI;
c) Tabela 15 (2ª. amostra 2003) : ALAV2003 e INTECAP;
d) Tabela 20 (2ª. amostra 2005) : ALAV2003 e ALAV2005.
A variável ATANGI (ativos tangíveis), da 1ª. amostra, base 2003, foi retirada do
modelo por ter correlação perfeita com a variável ALAV. A variável ALAV2005 da 1ª.
amostra, do período de 2005, foi retirada do modelo por ter correlação perfeita com a variável
ATANGI.
70
Tabela 5 : Modelo de regressão múltipla (VD: ALAV2004), H1, 1ª. amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante -0,208
0,079
-2615,000
0,010
ALAV2003 1287,000
0,036
1139,000
35656,000
0,000
INOV -0,206
0,377
-0,017
-0,545
0,587
INTEPD 1513,000
2567,000
0,018
0,590
0,556
INTEPROPA 0,000
0,000
0,007
0,263
0,793
TAMA 0,000
0,000
0,006
0,232
0,817
RENTA2003 1167,000
0,135
0,277
8640,000
0,000
INTECAP 0,003
0,004
0,014
0,620
0,536
RENTAIND -1602,000
0,572
-0,066
-2801,000
0,006
* A variável ATANGI foi retirada do modelo por ter correlação perfeita com a variável ALAV
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 1, 1ª. amostra, base 2003, embora a significância tenha sido apenas nas
variáveis alavancagem (ALAV2003), com p-valor < 0,001, rentabilidade (RENTA2003) com
p-valor < 0,001 e rentabilidade (RENTAIND), com p-valor < 0,05, houve significância do
modelo (teste F), com p-valor < 0,001 e R² ajustado de 0,930, indicando que a alavancagem
(ALAV2004) pode ser explicada com o uso das variáveis que estão em seu modelo.
Tabela 6 : Resumo do Modelo, H1, 1ª·amostra 2003
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,966
0,934
0,930
0,397
2,443
Fonte: Elaborada pelo autor
Tabela 7 : ANOVA, H1, 1ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão 296,083
8
37,010
234,427
0,000
Resíduos 20,997
133
0,158
Total 317,081
141
Fonte: Elaborada pelo autor
71
Tabela 8 : Estatísticas Descritivas, H1, 1ª· amostra
2005
Variável Média Desvio-padrão
ALAV2006 1,530
7,831
ALAV2005 0,9771
2,274
ALAV2004 0,9044
1,744
ALAV2003 0,8936
1,538
INOV 0,0589
0,1689
INTEPD 0,0064
0,0216
INTEPROPA 4010261,230
25582850,693
TAMA 513953595,374
1742926427,549
RENTA2005 0,1411
0,1495
ATANGI 0,0231
2,2740
INTECAP 0,8951
0,9617
RENTAIND 0,1240
0,0523
Fonte: Elaborada pelo autor
Tabela 9 – Coeficientes de correção – 1ª. hipótese, 1ª. amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
ALAV2006 (1)
1,000
ALAV2005 (2)
0,927
1,000
ALAV2004 (3)
0,908
0,996
1,000
ALAV2003 (4)
0,747
0,936
0,946
1,000
INOV (5)
-0,032
-0,036
-0,033
-0,056
1,000
INTEPD (6)
-0,027
-0,027
-0,021
-0,046
0,745
1,000
INTEPROPA
(7)
-0,016
-0,018
-0,014
-0,021
0,284
0,031
1,000
TAMA (8)
-0,032
-0,042
-0,040
-0,043
0,171
-0,014
0,734
1,000
RENTA2005
(9)
-0,079
-0,149
-0,161
-0,152
0,181
-0,042
0,016
0,041
1,000
ATANGI (10)
-0,927
-1,000
-0,996
-0,935
0,036
0,026
0,018
0,042
0,149
1,000
INTECAP (11)
-0,019
-0,051
-0,062
-0,089
0,014
0,103
-0,063
0,064
-0,342
0,051
1,000
RENTAIND
(12)
-0,122
-0,085
-0,091
-0,025
-0,163
-0,211
0,044
0,168
0,288
0,086
-0,107
1,000
Fonte: Elaborada pelo autor
72
Tabela 10 : Modelo de regressão múltipla (VD: ALAV2006), H1, 1ª. amostra, base 2005
Modelo
Coeficientes padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
1
Constante 6,427
0,931
6,907
0,000
ALAV2004 -0,738
0,952
-0,164
-0,775
0,440
ALAV2003 -4,759
0,259
-0,935
-18,408
0,000
INOV -1,836
1,248
-0,040
-1,471
0,145
INTEPD 2,415
9,133
0,007
0,264
0,792
INTEPROPA 0,000
0,000
0,004
0,175
0,861
TAMA 0,000
0,000
0,006
0,276
0,783
RENTA2005 3,228
0,984
0,062
3,281
0,001
ATANGI -6,793
0,665
-1,973
-10,222
0,000
INTECAP 0,067
0,140
0,008
0,479
0,633
RENTAIND -2,128
2,576
-0,014
-0,826
0,411
* A variável ALAV2005 foi retirada do modelo por ter correlação perfeita com a variável ATANGI
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 1, 1ª. amostra, base 2005, embora a significância tenha sido apenas nas
variáveis alavancagem (ALAV2003), com p-valor < 0,001, rentabilidade (RENTA2005) com
p-valor < 0,001 e ativos tangíveis (ATANGI), com p-valor < 0,001, houve significância do
modelo (teste F), com p-valor < 0,001 e R² ajustado de 0,976, indicando que a alavancagem
(ALAV2006) pode ser explicada com o uso das variáveis que estão em seu modelo.
Tabela 11 : Resumo do Modelo, H1, 1ª· amostra 2005
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,989
0,978
0,976
1,212
1,852
Fonte: Elaborada pelo autor
Tabela 12 : ANOVA, H1, 1ª· amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão 6.120,205
10
612,020
416,455
0,000
Resíduos 135,203
92
1,470
Total 6.255,407
102
Fonte: Elaborada pelo autor
73
Tabela 13 : Estatísticas Descritivas, H1, 2ª· amostra
2003
Variável Média Desvio-padrão
ALAV2004 0,6403
0,3871
ALAV2003 0,6381
0,3762
INOV 0,0724
0,1532
INTEPD 0,0188
0,0340
INTEPROP 6.612.669,660
32.082.592,956
TAMA 804.387.480,690
6.774.994.821,904
RENTA2003 0,1044
0,1592
ATANGI 0,2929
0,1751
INTECAP 0,9145
0,7971
RENTAIND 0,0301
0,1559
Fonte: Elaborada pelo autor
Tabela 14 – Coeficientes de correlação – 1ª. hipótese, 2ª. amostra, base 2003
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
ALAV2004 (1) 1,000
ALAV2003 (2) 0,929
1,000
INOV (3) 0,114
0,080
1,000
INTEPD (4) 0,015
0,003
0,352
1,000
INTEPROP (5) -0,008
0,008
0,280
-0,062
1,000
TAMA (6) -0,021
-0,008
0,166
-0,047
0,744
1,000
RENTA2003 (7) -0,446
-0,392
-0,179
0,024
-0,048
0,046
1,000
ATANGI (8) 0,101
0,078
0,142
-0,146
0,031
0,023
-0,008
1,000
INTECAP (9) 0,029
0,055
0,196
0,122
-0,020
0,037
-0,200
0,328
1,000
RENTAIND (10) -0,560
-0,506
-0,181
-0,025
-0,062
0,053
0,833
-0,098
-0,120
1,000
Fonte: Elaborada pelo autor
74
Tabela 15 : Modelo de regressão múltipla (VD: ALAV2004), H1, 2ª, amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
1
Constante 0,084
0,027
3,148
0,002
ALAV2003 0,890
0,027
0,865
33,366
0,000
INOV 0,086
0,067
0,034
1,284
0,200
INTEPD 0,130
0,289
0,011
0,449
0,654
INTEPROPA 0,000
0,000
-0,057
-1,607
0,109
TAMA 0,000
0,000
0,031
0,918
0,360
RENTA2003 -0,110
0,104
-0,045
-1,057
0,292
ATANGI 0,096
0,056
0,043
1,722
0,086
INTECAP -0,030
0,012
-0,062
-2,485
0,014
RENTAIND -0,215
0,111
-0,087
-1,942
0,053
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 1, 2ª. amostra, base 2003, embora a significância tenha sido apenas nas
variáveis alavancagem (ALAV2003), com p-valor < 0,001 e intensidade de propaganda
(INTECAP), com p-valor < 0,05, houve significância do modelo (teste F), com p-valor <
0,001 e R² ajustado de 0,874, indicando que a alavancagem (ALAV2004) pode ser explicada
com o uso das variáveis que estão em seu modelo.
Tabela 16 : Resumo do Modelo, H1, 2ª· amostra 2003
Modelo
R R² R² ajustado
Erro padrão
da
estimativa
Durbin-
Watson
0,937
0,879
0,874
0,137
1,952
Fonte: Elaborada pelo autor
Tabela 17 : ANOVA, H1, 2ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão
33,433
9
3,715
197,097
0,000
Resíduos 4,618
245
0,019
Total 38,051
254
Fonte: Elaborada pelo autor
75
Tabela 18 : Estatísticas Descritivas, H1, 2ª· amostra
2005
Variável Média Desvio-padrão
ALAV2006 0,6039
0,3409
ALAV2005 0,6115
0,3534
ALAV2004 0,6279
0,3562
ALAV2003 0,6364
0,3466
INOV 0,0591
0,1225
INTEPD 0,0158
0,0264
INTEPROPA 8.738.655,450
37.019.577,397
TAMA 122.027.627,660
9.752.778.150,785
RENTA2005 0,1169
0,1566
ATANGI 0,2854
0,1745
INTECAP 0,8880
0,8256
RENTAIND 0,0380
0,1748
Fonte: Elaborada pelo autor
Tabela 19 – Coeficientes de correlação – 1ª. hipótese, 2ª. amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
ALAV2006 (1)
1,000
ALAV2005 (2)
0,936
1,000
ALAV2004 (3)
0,858
0,911
1,000
ALAV2003 (4)
0,840
0,872
0,870
1,000
INOV (5)
-0,053
-0,056
-0,057
-0,095
1,000
INTEPD (6)
0,021
0,015
-0,020
-0,040
0,239
1,000
INTEPROPA (7)
-0,065
-0,057
-0,040
-0,023
0,093
-0,072
1,000
TAMA (8)
-0,034
-0,029
-0,019
-0,009
0,138
-0,047
0,851
1,000
RENTA2005 (9)
-0,299
-0,303
-0,169
-0,150
-0,038
0,098
0,064
0,059
1,000
ATANGI (10)
0,029
0,006
0,016
0,021
0,032
-0,167
-0,012
0,053
-0,044
1,000
INTECAP (11)
0,040
0,037
0,022
0,054
0,142
0,124
-0,040
0,027
-0,207
0,098
1,000
RENTAIND
(12)
-0,353
-0,376
-0,255
-0,235
-0,036
0,059
0,085
0,057
0,802
-0,091
-0,052
1,000
Fonte: Elaborada pelo autor
76
Tabela 20 : Modelo de regressão múltipla (VD: ALAV2006), H1, 2ª, amostra, base 2005
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
1
Constante 0,044
0,027
1,626
0,106
ALAV2005 0,791
0,068
0,820
11,656
0,000
ALAV2004 0,003
0,061
0,003
0,050
0,960
ALAV2003 0,120
0,053
0,122
2,252
0,025
INOV -0,002
0,071
-0,001
-0,024
0,980
INTEPD 0,300
0,334
0,023
0,897
0,371
INTEPROPA 0,000
0,000
-0,024
-0,509
0,611
TAMA 0,000
0,000
0,013
0,272
0,786
RENTA2005 -0,145
0,094
-0,067
-1,541
0,125
ATANGI 0,052
0,048
0,027
1,070
0,286
INTECAP -0,007
0,011
-0,016
-0,622
0,535
RENTAIND 0,076
0,083
0,039
0,921
0,358
VD : variável dependente
Fonte: Elaborada pelo autor
Tabela 21 : Resumo do Modelo, H1, 2ª· amostra
2005
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,938
0,881
0,874
0,121
1,977
Fonte: Elaborada pelo autor
Tabela 22 : ANOVA, H1, 2ª· amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão
22,5070
11
2,0460
140,1060
0,000(a)
Resíduos 3,0520
209
0,0150
Total 25,5590
220
Fonte: Elaborada pelo autor
Na hipótese 1, 2ª. amostra, base 2005, embora a significância tenha sido apenas nas
variáveis alavancagem (ALAV2005) e alavancagem 2003 (ALAV2003), com p-valor < 0,05,
houve significância do modelo (teste F), com p-valor < 0,001 e R² ajustado de 0,874,
indicando que a alavancagem (ALAV2006) pode ser explicada com o uso das variáveis que
estão em seu modelo.
77
Os resultados das regressões da 1ª. hipótese, na 1ª. e 2ª. amostras estão apresentados
na tabela 23.
Tabela 23 - Resultados das regressões - 1ª· Hipótese
1ª· amostra 2ª· amostra
Var. Dep:
ALAV2004
Var. Dep:
ALAV2006
Var. Dep:
ALAV2004
Var. Dep:
ALAV2006
Constante
-0,2080
* 6,4270
***
0,0840
** 0,0440
0,0790
0,9310
0,0270
0,0270
ALAV2003
1287,0000
***
-4,7590
***
0,8900
***
0,1200
*
0,0360
0,2590
0,0270
0,0530
INOV
-0,2060
-1,8360
0,0860
-0,0020
0,3770
1,2480
0,0670
0,0710
INTEPD
1513,0000
2,4150
0,1300
0,3000
2567,0000
9,1330
0,2890
0,3340
INTEPROPA
0,00E+00
- -6,82E-10
-
0,0000
- 0,0000
-
TAMA
0,00E+00
0,0000
1,78E-12
4,41E-13
0,0000
0,0000
0,0000
0,0000
RENTA2003
1167,0000
***
- -0,1100
-
0,1350
- 0,1040
-
ATANGI
a
-6,793
***
0,0960
0,052
0,6650
0,0560
0,0480
INTECAP
0,0030
0,0670
-0,0300
* -0,0070
0,0040
0,1400
0,0120
0,0110
RENTAIND
-1602,0000
** -2,1280
-0,2150
0,0760
0,5720
2,5760
0,1110
0,0830
ALAV2005
- a - 0,7910
***
- - 0,0680
ALAV2004
- -0,7380
- 0,0030
- 0,9520
- 0,0610
INTEPROPA
- 0
- -2,17E-10
- 0,0000
- 0,0000
RENTA2005
- 3,2280
** - -0,1450
- 0,9840
- 0,0940
Modelo
R
2
0,934
0,978
0,879
0,881
R
2
ajustado
0,930
0,976
0,874
0,874
F 234,427
***
416,455
***
197,097
***
140,106
***
A: a variável foi retirada por ter correlação perfeita com a variável-desfecho
* p<0,05 ** p<0,01 ***p<0,001
Fonte: Elaborada pelo autor
78
Os resultados obtidos na 1ª. hipótese, comparados com o estudo de Marques (2007),
foram semelhantes somente na 1ª amostra, base 2003, onde as variáveis de alavancagem
(ALAV2003) e rentabilidade da indústria (RENTAIND) apresentaram a mesma significância.
O estudo de Marques (2007) apresentou na variável tamanho a significância de 0,01, enquanto
este estudo apresentou a significância de 0,001 na variável rentabilidade (RENTA2003).
Somente os resultados de rentabilidades (RENTA2003 e RENTA2005) da 1ª. amostra
apresentaram consistência com os resultados de O’Brien (2003). Nos demais resultados da 1ª.
hipótese não apresentaram semelhanças. O’Brien (2003) prediz que as empresas que
competem com base em inovação possuem folga como estratégia prioritária, e, portanto,
mantêm baixa alavancagem quando não perseguem a estratégia de inovação. Para o mesmo
autor, o coeficiente negativo significativo (p < 0,001) na inovação suporta a hipótese.
No presente estudo, apesar de não haver significância na variável inovação, os
resultados das regressões das duas amostras apresentaram um alto grau de explicação da
variável dependente (de 87% a 98%) e todos com significância de 0,1%, o que poderia
corroborar as expectativas da relação entre estratégia baseada em inovação e a utilização de
um baixo índice de endividamento.
Tabela 24 : Estatísticas Descritivas, H2, 1ª· amostra 2003
Variável Média Desvio-padrão
ALAV2004 0,7091
0,5500
ALAV 0,6996
0,5038
INOV 0,1232
0,1781
INTEPD 0,0141
0,0257
INTEPROPA 9.130.571,980
44.586.766,660
TAMA 55.066.411,175
1.521.707.016,460
RENTA2003 0,1000
0,2022
ATANGI 0,3004
0,5038
INTECAP 0,8965
0,5756
RENTAIND 0,0982
0,0626
INOVRENTA 0,0000
0,0000
Fonte: Elaborada pelo autor
79
Os coeficientes de correlação dos períodos de 2003 e 2005, da hipótese 2, são
apresentados nas tabelas 25, 30, 35 e 41.
Tabela 25 – Coeficiente de correção – 2ª, hipótese, 1ª, amostra, base 2003
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
ALAV2004 (1) 1,000
ALAV (2) 0,944
1,000
INOV (3) 0,324
0,327
1,000
INTEPD (4) 0,055
0,022
0,555
1,000
INTEPROPA (5) 0,061
0,050
0,292
0,000
1,000
TAMA (6) -0,033
-0,036
0,076
-0,082
0,489
1,000
RENTA2003 (7) -0,734
-0,683
-0,113
0,076
-0,192
-0,072
1,000
ATANGI (8) -0,944
-1,000
-0,327
-0,022
-0,050
0,036
0,683
1,000
INTECAP (9) 0,001
-0,059
-0,130
0,037
-0,068
0,434
-0,126
0,059
1,000
RENTAIND (10) -0,348
-0,319
-0,366
-0,082
-0,429
-0,206
0,498
0,319
0,077
1,000
INOVRENTA
(11)
-0,532
-0,518
0,172
0,641
-0,098
-0,078
0,701
0,518
-
0,005
0,260
1,000
Fonte: Elaborada pelo autor
Os resultados das regressões múltiplas de H2 são apresentados nas tabelas 26, 31, 36 e
42. Destacam-se as seguintes variáveis com significância:
a) Tabela 26 (1ª. amostra 2003) : ATANGI
b) Tabela 31 (1ª. amostra 2005) : INOV e ATANGI
c) Tabela 36 (2ª. amostra 2003) : ALAV2003 e INTECAP
d) Tabela 42 (2ª. amostra 2005) : ALAV2003, ALAV2005 e RENTA2005
80
Tabela 26: Modelo de regressão múltipla (VD: ALAV2004), H2, 1ª, amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
T p-valor
B Erro-padrão Beta
Constante 0,951
0,078
12210,000
0,000
INOV 0,060
0,208
0,019
0,286
0,776
INTEPD 2045,000
2060,000
0,096
0,993
0,326
INTEPROPA2 0,000
0,000
0,003
0,049
0,961
TAMA 0,000
0,000
-0,037
-0,595
0,555
RENTA2003 -0,296
0,285
-0,109
-1037,000
0,305
ATANGI -0,881
0,076
-0,807
-11544,000
0,000
INTECAP 0,047
0,055
0,050
0,871
0,388
RENTAIND -0,044
0,524
-0,005
-0,083
0,934
INOVRENTA -8491,616
9788,224
-0,103
-0,868
0,390
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 2, 1ª. amostra, base 2003, embora a significância tenha sido apenas na
variável ATANGI (ativos tangíveis), com p-valor < 0,001, houve significância do modelo
(teste F), com p-valor < 0,001 e R² ajustado de 0,894, indicando que a alavancagem
(ALAV2004) pode ser explicada com o uso das variáveis que estão em seu modelo.
Tabela 27 : Resumo do Modelo, H2, 1ª· amostra 2003
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,955
0,911
0,894
0,179
1,860
Fonte: Elaborada pelo autor
Tabela 28 : ANOVA, H2, 1ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média Quadrática
F p-valor
Regressão 14,887
9
1,654
51,473
0,000
Resíduos 1,446
45
0,032
Total 16,333
54
Fonte: Elaborada pelo autor
81
Tabela 29 : Estatísticas Descritivas, H2, 1a. amostra
2005
Variável Média Desvio-padrão
ALAV2006 0,8398
141.048
ALAV2005 0,8138
140.604
ALAV2004 0,7651
108.555
ALAV2003 0,8239
147.776
INOV 0,1239
0,2289
INTEPD 0,0134
0,0298
INTEPROPA 8.206.644,800
36.828.413,037
TAMA 890.604.189,531
2.458.040.599,369
RENTA2005 0,1577
0,1665
ATANGI 0,1862
140.604
INTECAP 0,8649
0,8553
RENTAIND 0,1228
0,0525
INOVRENTA 0,0000
0,0000
Fonte: Elaborada pelo autor
Tabela 30 – Coeficientes de correção – 2ª. hipótese, 1ª. amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
(13)
ALAV2006 (1) 1,000
ALAV2005 (2) 0,998
1,000
ALAV2004 (3) 0,993
0,996
1,000
ALAV2003 (4) 0,987
0,990
0,988
1,000
INOV (5) -0,011
-0,028
-0,012
-0,066
1,000
INTEPD (6) -0,008
-0,012
0,008
-0,052
0,714
1,000
INTEPROPA (7) -0,013
-0,017
-0,004
-0,022
0,246
-0,019
1,000
TAMA (8) -0,047
-0,046
-0,039
-0,045
0,106
-0,085
0,734
1,000
RENTA2005 (9) -0,161
-0,163
-0,165
-0,123
0,200
-0,103
0,000
0,032
1,000
ATANGI (10) -0,998
-1,000
-0,996
-0,990
0,028
0,012
0,017
0,046
0,163
1,000
INTECAP (11) -0,067
-0,057
-0,061
-0,090
0,044
0,194
-0,097
0,126
-0,375
0,057
1,000
RENTAIND (12) 0,114
0,106
0,083
0,129
-0,242
-0,312
0,071
0,230
0,162
-0,106
-0,042
1,000
INOVRENTA
(13)
-0,128
-0,124
-0,137
-0,107
0,124
0,058
0,012
-0,028
0,657
0,124
-0,170
0,203
1,000
Fonte: Elaborada pelo autor
82
Tabela 31 : Modelo de regressão múltipla (VD: ALAV2006), H2, 1ª. amostra, base 2005
Modelo
Coeficientes padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
1
Constante 1,206
0,133
9,059
0,000
ALAV2004 -0,154
0,133
-0,118
-1,157
0,255
ALAV2003 -0,065
0,067
-0,068
-0,969
0,339
INOV 0,209
0,095
0,034
2,202
0,034
INTEPD -0,615
0,694
-0,013
-0,887
0,381
INTEPROPA 0,000
0,000
-0,006
-0,431
0,669
TAMA 0,000
0,000
-0,001
-0,070
0,945
RENTA2005 -0,058
0,125
-0,007
-0,468
0,643
ATANGI -1,183
0,110
-1,180
-10,763
0,000
INTECAP -0,028
0,017
-0,017
-1,651
0,107
RENTAIND 0,384
0,264
0,014
1,454
0,154
INOVRENTA -2360,759
2961,421
-0,010
-0,797
0,430
* A variável ALAV2005 foi retirada do modelo por ter correlação perfeita com a variável ATANGI
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 2, 1ª. amostra, base 2005, embora a significância tenha sido apenas na
variável inovação (INOV), com p-valor < 0,05 e ATANGI (ativos tangíveis), com p-valor <
0,001, houve significância do modelo (teste F), com p-valor < 0,001 e R² ajustado de 0,997,
sinalizando que a alavancagem (ALAV2006) pode ser explicada com o uso das variáveis que
estão em seu modelo.
Tabela 32 : Resumo do Modelo, H2, 1ª·amostra 2005
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,999
0,997
0,997
0,082
1,628
Fonte: Elaborada pelo autor
Tabela 33 : ANOVA, H2, 1a. amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão 95,245
11
8,659
1.284,370
0,000
Resíduos 0,249
37
0,007
Total 95,494
48
Fonte: Elaborada pelo autor
83
Tabela 34: Estatísticas Descritivas, H2, 2ª· amostra
2003
Variável Média Desvio-padrão
ALAV2004 0,6403
0,3871
ALAV2003 0,6381
0,3762
INOV 0,0724
0,1532
INTEPD 0,0188
0,0340
INTEPROP 6.612.669,660
32.082.592,956
TAMA 804.387.480,690
6.774.994.821,904
RENTA2003 0,1044
0,1592
ATANGI 0,2929
0,1751
INTECAP 0,9145
0,7971
RENTAIND 0,0301
0,1559
INOVRENTA 0,0021
0,0075
Fonte: Elaborada pelo autor
Tabela 35 – Coeficientes de correlação – 2ª. hipótese, 2ª. amostra, base 2003
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
ALAV2004 (1) 1,000
ALAV2003 (2) 0,929
1,000
INOV (3) 0,114
0,080
1,000
INTEPD (4) 0,015
0,003
0,352
1,000
INTEPROPA (5) -0,008
0,008
0,280
-0,062
1,000
TAMA (6) -0,021
-0,008
0,166
-0,047
0,744
1,000
RENTA2003 (7) -0,446
-0,392
-0,179
0,024
-0,048
0,046
1,000
ATANGI (8) 0,101
0,078
0,142
-0,146
0,031
0,023
-0,008
1,000
INTECAP (9) 0,029
0,055
0,196
0,122
-0,020
0,037
-0,200
0,328
1,000
RENTAIND (10) -0,560
-0,506
-0,181
-0,025
-0,062
0,053
0,833
-0,098
-0,120
1,000
INOVRENTA (11) -0,136
-0,141
0,112
0,565
-0,049
-0,020
0,448
-0,148
-0,059
0,336
1,000
Fonte: Elaborada pelo autor
84
Tabela 36 : Modelo de regressão múltipla (VD: ALAV2004), H2, 2ª. amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante 0,089
0,027
3,331
0,001
ALAV2003 0,889
0,027
0,864
33,393
0,000
INOV 0,085
0,066
0,033
1,275
0,204
INTEPD -0,193
0,349
-0,017
-0,553
0,581
INTEPROPA -7.04E-010
0,000
-0,058
-1,662
0,098
TAMA 1.90E-012
0,000
0,033
0,980
0,328
RENTA2003 -0,171
0,110
-0,070
-1,554
0,121
ATANGI 0,104
0,056
0,047
1,863
0,064
INTECAP -0,030
0,012
-0,062
-2,468
0,014
RENTAIND -0,210
0,110
-0,085
-1,904
0,058
INOVRENTA 2,709
1,651
0,052
1,641
0,102
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 2, 2ª. amostra, base 2003, embora a significância tenha sido apenas nas
variáveis alavancagem (ALAV2003), com p-valor < 0,001 e intensidade de capital
(INTECAP), com p-valor < 0,05, houve significância do modelo (teste F), com p-valor <
0,001 e R² ajustado de 0,875, indicando que a alavancagem (ALAV2004) pode ser explicada
com o uso das variáveis que estão em seu modelo.
Tabela 37 : Resumo do Modelo, H2, 2ª· amostra 2003
Modelo R R² R² ajustado
Erro padrão
da
estimativa
Durbin-
Watson
0,938
0,880
0,875
0,137
1,966
Fonte: Elaborada pelo autor
Tabela 38 : ANOVA, H2, 2ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão
33,484
10
3,348
178,882
0,000
Resíduos 4,567
244
0,019
Total 38,051
254
Fonte: Elaborada pelo autor
85
Tabela 39 : Estatísticas Descritivas, H2, 2ª· amostra 2005
Variável Média Desvio-padrão
ALAV2006 0,604
0,341
ALAV2005 0,611
0,353
ALAV2004 0,628
0,356
ALAV2003 0,636
0,347
INOV 0,059
0,122
INTEPD 0,016
0,026
INTEPROPA 8.738.655,450
37.019.577,397
TAMA 1.220.272.627,660
9.752.778.150,785
RENTA2005 0,117
0,157
ATANGI 0,285
0,175
INTECAP 0,888
0,826
RENTAIND 0,038
0,175
INOVRENTA 0,002
0,008
Fonte: Elaborada pelo autor
Tabela 40 – Coeficiente de correlação – 2ª, hipótese, 2ª, amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
(13)
ALAV2006 (1) 1,000
ALAV2005 (2) 0,936
1,000
ALAV2004 (3) 0,858
0,911
1,000
ALAV2003 (4) 0,840
0,872
0,870
1,000
INOV (5) -0,053
-0,056
-0,057
-0,095
1,000
INTEPD (6) 0,021
0,015
-0,020
-0,040
0,239
1,000
INTEPROPA (7) -0,065
-0,057
-0,040
-0,023
0,093
-0,072
1,000
TAMA (8) -0,034
-0,029
-0,019
-0,009
0,138
-0,047
0,851
1,000
RENTA2005 (9) -0,299
-0,303
-0,169
-0,150
-0,038
0,098
0,064
0,059
1,000
ATANGI (10) 0,029
0,006
0,016
0,021
0,032
-0,167
-0,012
0,053
-0,044
1,000
INTECAP (11) 0,040
0,037
0,022
0,054
0,142
0,124
-0,040
0,027
-0,207
0,098
1,000
RENTAIND(12) -0,353
-0,376
-0,255
-0,235
-0,036
0,059
0,085
0,057
0,802
-0,091
-0,052
1,000
INOVRENTA(13)
-0,130
-0,163
-0,089
-0,083
0,092
0,578
-0,024
-0,019
0,541
-0,115
-0,119
0,390
1,000
Fonte: Elaborada pelo autor
86
Tabela 41 : Modelo de regressão múltipla (VD: ALAV2006), H2, 2ª, amostra, base 2005
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
T p-valor
B Erro-padrão Beta
Constante 0,049
0,027
1,796
0,074
ALAV2005 0,806
0,068
0,836
11,774
0,000
ALAV2004 -0,004
0,061
-0,004
-0,064
0,949
ALAV2003 0,113
0,053
0,115
2,109
0,036
INOV -0,001
0,070
0,000
-0,008
0,994
INTEPD -0,095
0,428
-0,007
-0,221
0,825
INTEPROPA 0,000
0,000
-0,023
-0,493
0,622
TAMA 0,000
0,000
0,013
0,279
0,781
RENTA2005 -0,204
0,102
-0,094
-1,995
0,047
ATANGI 0,052
0,048
0,027
1,076
0,283
INTECAP -0,005
0,011
-0,011
-0,431
0,667
RENTAIND 0,085
0,083
0,044
1029
0,305
INOVRENTA 2,447
1,667
0,055
1,468
0,144
VD : variável dependente
Fonte: Elaborada pelo autor
Tabela 42 : Resumo do Modelo, H2, 2ª· amostra 2005
Modelo R R² R² ajustado
Erro padrão da
estimativa
Durbin-
Watson
1 0,939
0,8820
0,8750
0,1205
1,9530
Fonte: Elaborada pelo autor
Tabela 43 : ANOVA, H2, 2ª· amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
1
Regressão
22,538
12
1,878
129,320
0,000
Resíduos 3,021
208
0,015
Total 25,559
220
Fonte: Elaborada pelo autor
Na hipótese 2, 2ª. amostra, base 2005, embora a significância tenha sido apenas nas
variáveis alavancagens (ALAV2003 e ALAV2005), com p-valor < 0,05 e p < 0,001 e
rentabilidade (RENTA2005), com p-valor < 0,05, houve significância do modelo (teste F),
com p-valor < 0,001 e R² ajustado de 0,875, indicando que a alavancagem (ALAV2004) pode
ser explicada com o uso das variáveis que estão em seu modelo.
Os resultados das regressões das duas amostras da 2ª. hipótese, na 1ª. e 2ª. amostras
estão apresentados na tabela 44.
87
Tabela 44 - Resultados das regressões - 2ª· Hipótese
1ª· amostra
2ª· amostra
Var. Dep:
ALAV2004
Var. Dep:
ALAV2006
Var. Dep:
ALAV2004
Var. Dep:
ALAV2006
Constante
0,9510
***
1,2060
***
0,0890
***
0,0490
0,0780
0,1330
0,0270
0,0270
ALAV2003
a
-0,0650
0,8890
***
0,1130
*
0,0670
0,0270
0,0530
INOV
0,0600
0,2090
* 0,0850
-0,0010
0,2080
0,0950
0,0660
0,0700
INTEPD
2,0450
-0,6150
-0,1930
-0,0950
2,0600
0,6940
0,3490
0,4280
INTEPROPA
0,00E+00
- -7,04E-10
-
0,0000
- 0,0000
-
TAMA
0,00E+00
0,0000
1,90E-12
4,51E-13
0,0000
0,0000
0,0000
0,0000
RENTA2003
-0,2960
- -0,1710
-
0,2850
- 0,1100
-
ATANGI
-0,8810
***
-1,183
***
0,1040
0,052
0,0760
0,1100
0,0560
0,0480
INTECAP
0,0470
-0,0280
-0,0300
* -0,0050
0,0550
0,0170
0,0120
0,0110
RENTAIND
-0,0440
0,3840
-0,2100
0,0850
0,5240
0,2640
0,1100
0,0830
ALAV2005
- a - 0,8060
***
- - 0,0680
ALAV2004
- -0,1540
- -0,0040
- 0,1330
- 0,0610
INTEPROPA
- 0
- -2,1E-10
- 0,0000
- 0,0000
RENTA2005
- -0,0580
- -0,2040
*
- 0,1250
- 0,1020
INOVARENTA
-8491,6160 -2360,7590 2,7090 2,4470
9788,2240 2961,4210 1,6510 1,6670
Modelo
R
2
0,911
0,997
0,880
0,882
R
2
ajustado
0,894
0,997
0,875
0,875
F 51,473
***
1284,37
***
178,882
***
129,32
***
a: a variável foi retirada por ter correlação perfeita com a variável-desfecho
* p<0,05 ** p<0,01 ***p<0,001
Fonte: Elaborada pelo autor
88
Os resultados obtidos na 2ª. hipótese, comparados com o estudo de O’Brien (2003) e
Marques (2007) revelam que não houve semelhanças nas significâncias das variáveis. Houve
somente uma significância (0,05) na rentabilidade (RENTA2005), com associação negativa
entre as variáveis que apresentam certa consistência entre os estudos.
O’Brien (2007) prediz que quando a inovação transforma-se na maior estratégia,
menor será a tendência de a empresa seguir o mecanismo de pecking order e a alavancagem
será enfraquecida. A interação entre as variáveis inovação e rentabilidade foi testada por
O’Brien para suportar o modelo. Este trabalho apresentou uma correlação negativa entre as
variáveis, mas não de modo significante.
Apesar de não haver significância nas variáveis inovação e rentabilidade, os resultados
das regressões das duas amostras apresentaram um alto grau de explicação da variável
dependente (de 88% a 99%) e todos com significância de 0,1%, o que poderia validar as
expectativas de que as empresas que utilizam a estratégia da inovação fazem da folga uma
estratégia prioritária.
Tabela 45 : Estatísticas Descritivas, H3 , 1a. amostra
2003
Variável Média Desvio-padrão
RENTA2004 0,1187
0,1706
INOV 0,1232
0,1781
INOVALAV 0,0000
0,0000
INTEPD 0,0141
0,0257
INTEPROPA 9.130.571,980
44.586.766,660
TAMA 550.664.111,746
1.521.707.016,460
INTECAP 0,8965
0,5756
RENTAIND 0,0982
0,0626
RENTA2003
0,100
0,202
Fonte: Elaborada pelo autor
Os coeficientes de correlação da hipótese 3 são apresentados nas tabelas 46, 51, 56 e
61.
89
Tabela 46 – Coeficientes de correção – 3ª. hipótese, 1ª. amostra, base 2003
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9)
RENTA2004 (1) 1,000
INOV (2) -0,157
1,000
INOVALAV (3) -0,372
0,692
1,000
INTEPD (4) -0,009
0,555
0,669
1,000
INTEPROPA (5)
-0,116
0,292
0,018
0,000
1,000
TAMA (6) 0,028
0,076
-0,089
-0,082
0,489
1,000
INTECAP (7) -0,145
-0,130
-0,015
0,037
-0,068
0,434
1,000
RENTAIND (8) 0,380
-0,366
-0,352
-0,082
-0,429
-0,206
0,077
1,000
RENTA2003 (9) 0,813
-0,113
-0,387
0,076
-0,192
-0,072
-0,126
0,498
1,000
Fonte: Elaborada pelo autor
Os resultados das regressões múltiplas das duas amostras de H3 são expostos nas
tabelas 47, 52, 57 e 62. Destacam-se as seguintes variáveis com significância:
a) Tabela 47 (1ª. amostra 2003) : RENTA2003;
b) Tabela 52 (1ª. amostra, 2005) : RENTA2005;
c) Tabela 57 (2ª. amostra 2003) : RENTA2003 e INOV;
d) Tabela 62 (2ª. amostra 2005) : RENTA2005.
Tabela 47 : Modelo de regressão múltipla (VD: RENTA2004), H3, 1ª. amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante 0,091
0,043
2108,000
0,040
INOV -0,107
0,129
-0,112
-0,826
0,413
INOVALAV 361,431
1535,631
0,041
0,235
0,815
INTEPD -0,146
0,871
-0,022
-0,167
0,868
INTEPROPA2 0,000
0,000
-0,021
-0,182
0,857
TAMA 0,000
0,000
0,154
1330,000
0,190
INTECAP -0,036
0,031
-0,120
-1155,000
0,254
RENTAIND -0,072
0,299
-0,026
-0,240
0,811
RENTA2003 0,694
0,102
0,822
6810,000
0,000
VD : variável dependente
Fonte: Elaborada pelo autor
90
Na hipótese 3, 1ª. amostra, base 2003, embora a significância tenha sido apenas na
variável rentabilidade (RENTA2003), com p-valor < 0,001, houve significância do modelo
(teste F), com p-valor < 0,001 e R² ajustado de 0,630, indicando que a rentabilidade
(RENTA2004) pode ser explicada com o uso das variáveis que estão em seu modelo.
Tabela 48 : Resumo do Modelo, H3, 1ª· amostra 2003
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,828
0,685
0,630
0,104
2,010
Fonte: Elaborada pelo autor
Tabela 49 : ANOVA, H3, 1ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão 1,070
8
0,135
12,515
0,000
Resíduos 0,495
46
0,011
Total 1,572
54
Fonte: Elaborada pelo autor
Tabela 50 : Estatísticas Descritivas, H3 , 1a. amostra
2005
Variável Média Desvio-padrão
RENTA2006 0,1420
0,1446
INOV 0,1070
0,2192
INOVALAV 0,0000
0,0000
INTEPD 0,0090
0,0192
INTEPROPA 3.288.922,170
21.289.641,195
TAMA 540.065.759,920
1.643.001.138,711
INTECAP 0,7360
0,5959
RENTAIND 0,1340
0,0522
RENTA2005 0,1540
0,1628
Fonte: Elaborada pelo autor
91
Tabela 51 – Coeficientes de correção – 3ª, hipótese, 1ª, amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9)
RENTA2006 (1)
1,000
INOV (2)
0,068
1,000
INOVALAV (3)
-0,228
0,524
1,000
INTEPD (4)
-0,071
0,531
0,809
1,000
INTEPROPA (5)
0,066
0,155
0,002
0,008
1,000
TAMA (6)
0,095
0,034
-0,058
-0,073
0,652
1,000
INTECAP (7)
-0,235
0,020
0,175
0,197
-0,047
0,176
1,000
RENTAIND (8)
0,303
-0,148
-0,207
-0,132
0,012
0,154
-0,075
1,000
RENTA2005 (9)
0,838
0,091
-0,230
-0,057
0,005
0,057
-0,257
0,262
1,000
Fonte: Elaborada pelo autor
Tabela 52 : Modelo de regressão múltipla (VD: RENTA2006), H3, 1ª, amostra, base
2005
Modelo
Coeficientes padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante 0,001
0,022
0,062
0,951
INOV 0,008
0,038
0,012
0,213
0,831
INOVALAV -273,833
516,900
-0,044
-0,530
0,597
INTEPD 0,135
0,615
0,018
0,219
0,827
INTEPROPA 0,000
0,000
0,060
0,952
0,343
TAMA 0,000
0,000
-0,002
-0,031
0,975
INTECAP -0,004
0,012
-0,015
-0,302
0,763
RENTAIND 0,238
0,134
0,086
1,780
0,077
RENTA2005 0,712
0,046
0,801
15,427
0,000
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 3, 1ª. amostra, base 2005, embora a significância tenha sido apenas na
variável rentabilidade (RENTA2005), com p-valor < 0,001, houve significância do modelo
(teste F), com p-valor < 0,001 e R² ajustado de 0,699, indicando que a rentabilidade
(RENTA2006) pode ser explicada com o uso das variáveis que estão em seu modelo.
Tabela 53 : Resumo do Modelo, H3, 1ª· amostra 2005
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,845
0,715
0,699
0,079
2,186
Fonte: Elaborada pelo autor
92
Tabela 54 : ANOVA, H3, 1ª·amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão 2,228
8
0,278
44,162
0,000
Resíduos 0,889
141
0,006
Total 3,117
149
Fonte: Elaborada pelo autor
Tabela 55 : Estatísticas Descritivas, H3, 2ª· amostra
2003
Variável Média Desvio-padrão
RENTA2004 0,1266
0,1594
INOV 0,0718
0,1517
INOVALAV 0,0118
0,0247
INTEPD 0,0184
0,0337
INTEPROP 6.533.912,570
31.684.360,193
TAMA 810.888.614,900
6.692.272.577,555
INTECAP 0,9016
0,7906
RENTAIND 0,0325
0,1548
RENTA2003 0,1053
0,1577
Fonte: Elaborada pelo autor
Tabela 56 – Coeficientes de correlação – 3ª. hipótese, 2ª. amostra, base 2003
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9)
RENTA2004 1,000
INOV -0,197
1,000
INOVALAV -0,056
0,315
1,000
INTEPD 0,023
0,353
0,858
1,000
INTEPROPA -0,010
0,279
-0,047
-0,061
1,000
TAMA 0,037
0,164
-0,042
-0,047
0,744
1,000
INTECAP -0,203
0,196
0,110
0,129
-0,017
0,038
1,000
RENTAIND 0,556
-0,183
-0,165
-0,032
-0,061
0,056
-0,126
1,000
RENTA2003 0,695
-0,178
-0,081
0,022
-0,045
0,049
-0,200
0,832
1,000
Fonte: Elaborada pelo autor
93
Tabela 57 : Modelo de regressão múltipla (VD: RENTA2004), H3, 2ª, amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante 0,063
0,014
4,494
0,000
INOV -0,107
0,055
-0,102
-1,969
0,050
INOVALAV -0,282
0,581
-0,044
-0,485
0,628
INTEPD 0,416
0,433
0,088
0,962
0,337
INTEPROPA 0,000
0,000
0,065
0,920
0,359
TAMA 0,000
0,000
-0,021
-0,311
0,756
INTECAP -0,010
0,009
-0,052
-1,104
0,271
RENTAIND -0,075
0,085
-0,073
-0,876
0,382
RENTA2003 0,733
0,083
0,726
8,817
0,000
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 3, 2ª. amostra, base 2003, embora a significância tenha sido apenas nas
variáveis inovação (INOV), com p < 0,05 e rentabilidade (RENTA2003), com p-valor <
0,001, houve significância do modelo (teste F), com p-valor < 0,001 e R² ajustado de 0,482,
indicando que a rentabilidade (RENTA2004) pode ser explicada com o uso das variáveis que
estão em seu modelo.
Tabela 58 : Resumo do Modelo, H3, 2ª· amostra 2003
Modelo R R² R² ajustado
Erro padrão
da
estimativa
Durbin-
Watson
0,706
0,498
0,482
0,115
2,035
Fonte: Elaborada pelo autor
Tabela 59 : ANOVA, H3, 2ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão
3,299
8
0,412
31,355
0,000
Resíduos 3,328
253
0,013
Total 6,627
261
Fonte: Elaborada pelo autor
94
Tabela 60 : Estatísticas Descritivas, H3, 2ª· amostra
2005
Variável Média Desvio-padrão
RENTA2006 0,1293
0,1707
INOV 0,0591
0,1273
INOVALAV 0,0103
0,0186
INTEPD 0,0187
0,0512
INTEPROPA 6.380.441,830
31.206.723,379
TAMA 874.974.792,720
8.071.839.102,167
INTECAP 0,8713
0,8025
RENTAIND 0,0519
0,1666
RENTA2005 0,1239
0,1659
Fonte: Elaborada pelo autor
Tabela 61 – Coeficientes de correlação – 3ª. hipótese, 2ª. amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8) (9)
RENTA2006 (1) 1,000
INOV (2) -0,065
1,000
INOVALAV (3) -0,119
0,230
1,000
INTEPD (4) -0,022
0,251
0,620
1,000
INTEPROPA (5) 0,029
0,074
-0,063
-0,043
1,000
TAMA (6) 0,031
0,109
-0,042
-0,027
0,839
1,000
INTECAP (7) -0,216
0,143
0,245
0,350
-0,030
0,025
1,000
RENTAIND (8) 0,581
-0,048
-0,112
0,017
0,059
0,043
-0,088
1,000
RENTA2005 (9) 0,773
-0,065
-0,104
-0,005
0,042
0,043
-0,224
0,763
1,000
Fonte: Elaborada pelo autor
95
Tabela 62 : Modelo de regressão múltipla (VD: RENTA2006), H3, 2ª, amostra, base
2005
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante 0,043
0,012
3,567
0,000
INOV -0,008
0,050
-0,006
-0,154
0,878
INOVALAV -0,416
0,425
-0,045
-0,981
0,328
INTEPD 0,089
0,160
0,027
0,555
0,579
INTEPROPA 0,000
0,000
-0,014
-0,215
0,830
TAMA 0,000
0,000
0,011
0,167
0,867
INTECAP -0,009
0,008
-0,043
-1,096
0,274
RENTAIND -0,016
0,057
-0,016
-0,283
0,777
RENTA2005 0,793
0,059
0,770
13,504
0,000
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 3, 2ª. amostra, base 2005, embora a significância tenha sido apenas na
variável rentabilidade (RENTA2005), com p-valor < 0,001, houve significância do modelo
(teste F), com p-valor < 0,001 e R² ajustado de 0,591, indicando que a rentabilidade
(RENTA2006) pode ser explicada com o uso das variáveis que estão em seu modelo.
Tabela 63 : Resumo do Modelo, H3, 2ª· amostra 2005
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,775
0,601
0,591
0,109
2,018
Fonte: Elaborada pelo autor
Tabela 64 : ANOVA, H3, 2ª·amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão
5,656
8
0,707
59,234
0,000
Resíduos 3,760
315
0,012
Total 9,416
323
Fonte: Elaborada pelo autor
Os resultados das regressões da 3ª. hipótese, na 1ª. e 2ª. amostras estão apresentadas na
tabela 66.
96
Tabela 65 - Resultados das regressões - 3ª· Hipótese
1ª· amostra
2ª· amostra
Var. Dep:
RENTA2004
Var. Dep:
RENTA2006
Var. Dep:
RENTA2004
Var. Dep:
RENTA2006
Constante
0,0910
* 0,0910
* 0,0630
***
0,0430
***
0,0430
0,0430
0,0140
0,0120
INOV
-0,1070
-0,1070
-0,1070
* -0,0080
0,1290
0,1290
0,0550
0,0500
INTEPD
-0,1460
-0,1460
0,4160
0,0890
0,8710
0,8710
0,4330
0,1600
INTEPROPA
0
0,00E+00
3,25E-10
-7,76E-11
0,0000
0,0000
0,0000
0,0000
TAMA
0
0,00E+00
-5,03E-13
2,34E-13
0,0000
0,0000
0,0000
0,0000
RENTA2003
0,6940
***
-
0,7330
***
-
0,1020
-
0,0830
-
INTECAP
-0,0360
-0,0360
-0,0100
-0,0090
0,0310
0,0310
0,0090
0,0080
RENTAIND
-0,0720
-0,0720
-0,0750
-0,0160
0,2990
0,2990
0,0850
0,0570
INTEPROPA
- -
- -
- -
- -
RENTA2005
- 0,6940
***
- 0,7930
***
- 0,1020
- 0,0590
INOVALAV
361,4310
361,4310
-0,2820
-0,4160
1535,6310
1535,631
0,5810
0,4250
Modelo
R
2
0,685
0,715
0,498
0,601
R
2
ajustado
0,630
0,699
0,482
0,591
F 12,515
***
44,162
***
31,355
***
59,234
***
* p<0,05 ** p<0,01 ***p<0,001
Fonte: Elaborada pelo autor
Os resultados obtidos na 3ª. hipótese, comparados com o estudo de Marques (2007),
foram bastante distintos. Marques (2007) utilizou dados das variáveis independentes e
dependente do mesmo período (2003). Este estudo ampliou os períodos utilizados por
Marques (2007) para 2003 e 2005 (variáveis independentes de 2003 e 2005, e, dependentes de
2004 e 2006). É possível que essa diferença tenha trazido significância de 0,001 nas duas
amostras, conforme exposto na tabela acima.
97
As variáveis de rentabilidade (RENTA2003 e RENTA2005) das duas amostras foram
as únicas que tiveram consistência com os estudos de O’Brien (2003). As significâncias
estatísticas são explicadas pela autocorrelação entre as variáveis dependentes e independentes
(RENTA2004; RENTA2006 com RENTA2003; RENTA2005). No estudo de O’Brien (2003),
o desempenho das empresas utilizou os índices de market-to-book. Esses índices
possibilitaram a identificação de parte ou total dos efeitos das variáveis independentes nas
variáveis dependentes. Nesse estudo, não foi possível utilizar o mesmo critério por conta da
limitação de dados secundários de empresas de capital aberto disponíveis e que tenham dados
de inovação e propaganda nas bases do IBGE.
Segundo o estudo de O’Brien (2003), as variáveis tamanho (TAMA) e propaganda
(INTEPROPA) foram relacionadas positivamente com rentabilidade (RENTA2003 e
RENTA2005) e intensidade de capital (INTECAP). Nesse estudo, a variável tamanho foi
relacionada positivamente com rentabilidade e intensidade de capital, porém, a variável
propaganda foi relacionada negativamente com intensidade de capital.
Os resultados de Marques (2007) não comportam semelhança com o presente estudo,
devido às diferenças de critério, explicadas anteriormente. Neste estudo, apesar de não haver
significância nas variáveis dos modelos, os resultados das regressões das duas amostras
apresentaram um bom grau de explicação da variável dependente (de 48% a 70%) e todos
com significância de 0,1%.
Tabela 66 : Estatísticas Descritivas, H4 , 1a. amostra
2003
Variável Média Desvio-padrão
FOLGA2004 0,2306
0,4915
INOV 0,0612
0,1526
INTEPD 0,0072
0,0236
INTEPROPA 516.681,680
1.188.443,210
TAMA 321.580.335,554
1.102.257.056,066
INTECAP 0,8080
0,7334
RENTAIND 0,1128
0,0556
FOLGA2003 0,0846
0,6570
Fonte: Elaborada pelo autor
98
Os coeficientes de correlação das duas amostras da hipótese 4 são apresentados nas
tabelas 67, 72, 77 e 82.
Tabela 67 – Coeficientes de correção – 4ª. hipótese, 1ª. amostra, base 2003
Variável (1) (2) (3) (4) (5) (6) (7) (8)
FOLGA2004 (1) 1,000
INOV (2) -0,101
1,000
INTEPD (3) 0,053
0,614
1,000
INTEPROPA (4)
-0,062
-0,090
-0,015
1,000
TAMA (5) -0,121
-0,061
-0,031
0,169
1,000
INTECAP (6) 0,576
-0,051
0,100
0,189
0,575
1,000
RENTA2003 (7) -0,114
-0,132
-0,094
-0,210
-0,165
-0,370
1,000
FOLGA2003 (8) 0,680
-0,036
0,095
0,001
0,003
0,440
-0,156
1,000
Fonte: Elaborada pelo autor
Os resultados das regressões múltiplas de H4 são apresentados nas tabelas 68, 73, 78 e
83. Destacam-se as seguintes variáveis com significância:
a) Tabela 68 (1ª. amostra 2003) : FOLGA2003, TAMA e INTECAP;
b) Tabela 73 (1ª. amostra, 2005) : FOLGA2005, TAMA, INOV e INTECAP;
c) Tabela 78 (2ª. amostra 2003) : FOLGA2003;
d) Tabela 83 (2ª. amostra 2005) : FOLGA2005 e RENTAIND.
Tabela 68 : Modelo de regressão múltipla (VD: FOLGA2004), H4, 1ª. amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante -0,177 0,090 -1966,000 0,055
INOV -0,169 0,296 -0,053 -0,572 0,570
INTEPD -0,760 1900,000 -0,036 -0,400 0,691
INTEPROPA2 0,000 0,000 -0,102 -1394,000 0,170
TAMA 0,000 0,000 -0,552 -5993,000 0,000
INTECAP 0,538 0,073 0,803 7401,000 0,000
RENTA2003 0,277 0,189 0,114 1463,000 0,150
FOLGA2003 0,260 0,063 0,348 4162,000 0,000
VD : variável dependente
Fonte: Elaborada pelo autor
99
Na hipótese 4, 1ª. amostra, base 2003, embora a significância tenha sido apenas nas
variáveis tamanho (TAMA), com p-valor < 0,001, intensidade de capital (INTECAP) com p-
valor < 0,001 e folga (FOLGA), com p-valor < 0,001, houve significância do modelo (teste
F), com p-valor < 0,001 e R² ajustado de 0,729, indicando que a folga (FOLGA2004) pode ser
explicada com o uso das variáveis que estão em seu modelo.
Tabela 69 : Resumo do Modelo, H4, 1ª·amostra 2003
Modelo R R² R² ajustado
Erro padrão da
estimativa
Durbin-
Watson
0,874
0,763
0,729
0,256
1,890
Fonte: Elaborada pelo autor
Tabela 70 : ANOVA, H4, 1ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
1
Regressão 10,139
7
4,448
22,092
0,000
Resíduos 3,147
48
0,066
Total 13,286
55
Fonte: Elaborada pelo autor
Tabela 71 : Estatísticas Descritivas, H4 , 1a. amostra
2005
Variável Média Desvio-padrão
FOLGA2006 0,1733
0,4723
INOV 0,0614
0,1768
INTEPD 0,0044
0,0136
INTEPROPA 2402041,340
20209377,972
TAMA 482772063
1584859916,002
INTECAP 0,7106
0,5596
RENTAIND 0,2218
0,1601
FOLGA2005 0,0928
0,4090
Fonte: Elaborada pelo autor
100
Tabela 72 – Coeficientes de correção – 4ª. hipótese, 1ª. amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8)
FOLGA2006 (1) 1,000
INOV (2) -0,194
1,000
INTEPD (3) 0,000
0,553
1,000
INTEPROPA (4)
-0,090
0,192
0,047
1,000
TAMA (5) -0,096
0,108
0,000
0,667
1,000
INTECAP (6) 0,488
-0,001
0,047
-0,046
0,202
1,000
RENTA2005 (7) -0,213
0,064
-0,013
0,002
-0,036
-0,299
1,000
FOLGA2005 (8) 0,559
-0,086
0,060
-0,035
-0,033
0,499
-0,265
1,000
Fonte: Elaborada pelo autor
Tabela 73 : Modelo de regressão múltipla (VD: FOLGA2006), H4, 1ª. amostra, base
2005
Modelo
Coeficientes padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante -0,025
0,075
-0,333
0,740
INOV -0,529
0,212
-0,198
-2,497
0,014
INTEPD 2,272
2,685
0,066
0,846
0,399
INTEPROPA 0,000
0,000
0,114
1,258
0,211
TAMA 0,000
0,000
-0,210
-2,277
0,024
INTECAP 0,297
0,068
0,352
4,343
0,000
RENTA2005 -0,021
0,200
-0,007
-0,106
0,916
FOLGA2005 0,412
0,089
0,357
4,650
0,000
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 4, 1ª. amostra, base 2005, as significâncias foram apresentadas nas
variáveis inovação (INOV), com p-valor < 0,05, variável tamanho (TAMA), com p-valor <
0,05, intensidade de capital (INTECAP), com p-valor < 0,001 e folga (FOLGA2005), com p-
valor < 0,001. A significância do modelo (teste F), com p-valor < 0,001 e R² ajustado de
0,393, indicou que a folga (FOLGA2006) pode ser explicada com o uso das variáveis que
estão em seu modelo.
Tabela 74 : Resumo do Modelo, H4, 1ª· amostra 2005
Modelo R R² R² ajustado
Erro padrão
da estimativa
Durbin-
Watson
0,649
0,421
0,393
0,368
2,098
101
Fonte: Elaborada pelo autor
Tabela 75 : ANOVA, H4, 1ª· amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão 13,998
7
2,000
14,754
0,0000
Resíduos 19,245
142
0,136
Total 33,243
149
Fonte: Elaborada pelo autor
Tabela 76 : Estatísticas Descritivas, H4, 2ª· amostra
2003
Variável Média Desvio-padrão
FOLGA2004 0,1740
0,3206
INOV 0,0533
0,1351
INTEPD 0,0181
0,0396
INTEPROP 8.941.066,22
40.336.442,709
TAMA 1.599.251.155,620
10.910.873.847,632
INTECAP 0,8199
0,5608
RENTA2003 0,1925
0,1421
FOLGA2003 0,1557
0,3080
Fonte: Elaborada pelo autor
Tabela 77 – Coeficientes de correlação – 4ª. hipótese, 2ª. amostra, base
2003
Variável (1) (2) (3) (4) (5) (6) (7) (8)
FOLGA2004 (1) 1,000
INOV (2) 0,085
1,000
INTEPD (3) 0,049
0,506
1,000
INTEPROPA (4) -0,076
0,291
-0,057
1,000
TAMA (5) -0,073
0,330
-0,048
0,948
1,000
INTECAP (6) 0,276
0,306
0,116
0,041
0,104
1,000
RENTA2003 (7) -0,082
-0,115
-0,134
-0,029
0,006
-0,303
1,000
FOLGA2003 (8) 0,703
0,051
0,039
-0,083
-0,050
0,282
-0,036
1,000
Fonte: Elaborada pelo autor
102
Tabela 78 : Modelo de regressão múltipla (VD: FOLGA2004), H4, 2ª, amostra, base 2003
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante 0,027
0,066
0,404
0,687
INOV 0,144
0,232
0,061
0,621
0,536
INTEPD -0,167
0,726
-0,021
-0,230
0,818
INTEPROPA2 0,000
0,000
0,221
0,913
0,364
TAMA 0,000
0,000
-0,278
-1,132
0,261
INTECAP 0,046
0,050
0,081
0,939
0,350
RENTA2003 -0,046
0,180
-0,020
-0,254
0,800
FOLGA2003 0,710
0,081
0,682
8,763
0,000
VD : variável dependente
Fonte: Elaborada pelo autor
Na hipótese 4, 2ª. amostra, base 2003, embora a significância tenha sido apenas na
variável folga (FOLGA2003), com p-valor < 0,001, houve significância do modelo (teste F),
com p-valor < 0,001 e R² ajustado de 0,472, indicando que a folga (FOLGA2004) pode ser
explicada com o uso das variáveis que estão em seu modelo.
Tabela 79 : Resumo do Modelo, H4, 2ª· amostra 2003
Modelo R R² R² ajustado
Erro padrão
da
estimativa
Durbin-
Watson
0,715
0,511
0,472
0,233
2,054
Fonte: Elaborada pelo autor
Tabela 80 : ANOVA, H4, 2ª· amostra 2003
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão
5,043
7
0,720
13,281
0,000
Resíduos 4,827
89
0,054
Total 9,870
96
Fonte: Elaborada pelo autor
103
Tabela 81 : Estatísticas Descritivas, H4, 2ª· amostra
2005
Variável Média Desvio-padrão
FOLGA2006 0,1619
0,3683
INOV 0,0524
0,1188
INTEPD 0,0188
0,0294
INTEPROPA 8.879.022,750
45.348.717,762
TAMA 1.923.668.773,14
13.297.762.842,683
INTECAP 0,7502
0,5036
RENTAIND 0,1549
0,1276
FOLGA2005 0,1184
0,3505
Fonte: Elaborada pelo autor
Tabela 82 – Coeficientes de correlação – 4ª. hipótese, 2ª. amostra, base 2005
Variável (1) (2) (3) (4) (5) (6) (7) (8)
FOLGA2006 (1) 1,000
INOV (2) -0,002
1,000
INTEPD (3) 0,112
0,311
1,000
INTEPROPA (4) -0,044
0,198
-0,070
1,000
TAMA (5) -0,020
0,209
-0,064
0,941
1,000
INTECAP (6) 0,167
0,229
0,014
0,057
0,113
1,000
RENTAIND (7) 0,204
-0,058
0,080
-0,006
-0,019
-0,165
1,000
FOLGA2005 (8) 0,732
0,049
0,111
-0,030
-0,014
0,230
0,101
1,000
Fonte: Elaborada pelo autor
Tabela 83 : Modelo de regressão múltipla (VD: FOLGA2006), H4, 2ª, amostra, base 2005
Modelo
Coeficientes não-
padronizados
Coeficientes
padronizados
t p-valor
B Erro-padrão Beta
Constante 0,000
0,057
-0,006
0,995
INOV -0,146
0,219
-0,047
-0,666
0,507
INTEPD 0,450
0,853
0,036
0,528
0,599
INTEPROPA 0,000
0,000
-0,119
-0,627
0,532
TAMA 0,000
0,000
0,113
0,595
0,553
INTECAP 0,022
0,051
0,030
0,434
0,665
RENTAIND 0,383
0,188
0,133
2,038
0,044
FOLGA2005 0,744
0,070
0,708
10,693
0,000
VD : variável dependente
Fonte: Elaborada pelo autor
104
Tabela 84 : Resumo do Modelo, H4, 2ª· amostra 2005
Modelo R R² R² ajustado
Erro padrão da
estimativa
Durbin-
Watson
1 0,747
0,5580
0,5300
0,2526
1,9360
Fonte: Elaborada pelo autor
Tabela 85 : ANOVA, H4, 2ª· amostra 2005
Modelo
Soma de
quadrados
Graus de
Liberdade
Média
Quadrática
F p-valor
Regressão
8,855
7
1,265
19,828
0,000
Resíduos 7,018
110
0,064
Total 15,872
117
Fonte: Elaborada pelo autor
Na hipótese 4, 2ª. amostra, base 2005, embora a significância tenha sido apenas nas
variáveis rentabilidade da indústria (RENTAIND), com p-valor < 0,05 e folga
(FOLGA2005), com p-valor < 0,001, houve significância do modelo (teste F), com p-valor <
0,001 e R² ajustado de 0,530, apresentado na tabela 84, indicando que a folga (FOLGA2006)
pode ser explicada com o uso das variáveis que estão em seu modelo.
Os resultados das regressões das duas amostras, da 4ª. hipótese, na 1ª. e 2ª. amostras
estão indicadas na tabela 86.
105
Tabela 86 - Resultados das regressões - 4ª· Hipótese
1ª· amostra
2ª· amostra
Var. Dep:
FOLGA2004
Var. Dep:
FOLGA2006
Var. Dep:
FOLGA2004
Var. Dep:
FOLGA2006
Constante
-0,1770
-0,0250
0,0270
* 0,0000
0,0900
0,0750
0,0660
0,0570
INOV
-0,1690
-0,5290
* 0,1440
-0,1460
0,2960
0,2120
0,2320
0,2190
INTEPD
-0,7600
2,2720
-0,1670
0,4500
1,9000
2,6850
0,7260
0,8530
INTEPROPA
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
TAMA
0,0000
***
0,0000
* 0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
RENTA2003
0,2770
- -0,4600
-
0,1890
- 0,1800
-
INTECAP
0,5380
***
0,2970
***
0,0460
0,0220
0,0730
0,0680
0,0500
0,0510
RENTAIND
- - - 0,3830
*
- - - 0,1880
RENTA2005
- -0,0210
- -
- 0,2000
- -
FOLGA2003
0,2600
***
- 0,7100
***
-
0,0630
- 0,0810
-
FOLGA2005
- 0,4120
***
- 0,7440
***
- 0,0890
- 0,0700
Modelo
R
2
0,763
0,421
0,511
0,558
R
2
ajustado
0,729
0,393
0,472
0,530
F 22,092
***
14,751
***
13,281
*** 19,828
***
* p<0,05 ** p<0,01 ***p<0,001
Fonte: Elaborada pelo autor
O objetivo da 4ª. hipótese neste estudo foi testar a relação entre folga e inovação. O
alto índice entre as variáveis independentes - FOLGA2003 e FOLGA2005 - variáveis
dependentes - FOLGA2004 e FOLGA 2006 - já eram esperadas em razão da defasagem de
um ano e da autocorrelação entre as variáveis. O resultado da 1ª. amostra, base 2005 -
(variável dependente FOLGA2006) - obteve o maior número de coeficientes das variáveis
independentes com significância estatística, sendo FOLGA2005 e INTECAP significante a
106
0,1%, e, INOV (coeficiente negativo) e TAMA (coeficiente positivo) a 5%. O coeficiente
negativo significativo na inovação poderia suportar a hipótese (O’BRIEN, 2003), apesar de os
outros modelos não apresentarem resultados semelhantes em outros períodos.
Os resultados do estudo apontaram heterocedasticidade. Isso significa que as
variâncias não foram constantes. A heterocedasticidade acarreta erros nas estimativas dos
parâmetros encontrados, porém afeta diretamente a variância dessa estimativa. Isto é, a
estimativa continua não-enviesada e consistente, porém deixa de ser eficiente. É possível que
a heterocedasticidade não represente um problema ao estudo, devido à estimação por MQO
não causar viés aos parâmetros estimados, mas pode ocasionar viés nas estimativas do erro
padrão.
107
6. CONCLUSÃO
O objetivo deste estudo foi colaborar com os estudos de finanças empresariais,
utilizando-se o estudo de O’Brien (2003), no qual se testou a relação entre estrutura de capital,
estratégia e inovação.
Este estudo também foi baseado, em parte, no trabalho de Marques (2007), que
replicou o estudo de O’Brien (2003), dentro do contexto brasileiro. Os resultados obtidos por
Marques (2007) indicaram que apenas uma parte (H2) corroborou os resultados obtidos em
estudos anteriores. Duas possibilidades de melhoria sugeridas por Marques (2007) foram
aplicadas neste trabalho, a saber: a inclusão de setores com muita ou pouca inovação e a
elaboração de testes para múltiplos períodos. Provavelmente, a sugestão de testes para
múltiplos períodos não incluía utilizar a base da PINTEC, mas não é conhecida uma outra
fonte de dados que inclua informações sobre investimentos em inovação e despesas com
propaganda. Diante dessa limitação, foram aplicados os testes nos períodos bases de 2003 e
2005.
A limitação de fontes de dados impossibilitou a utilização de instrumentos de
estatística como painel de dados, tal como foram utilizados por O’Brien (2003), o que
dificulta identificar os impactos da inovação por períodos maiores. Há que se deixar claro que
não foi usado painel de dados na pesquisa, em razão da limitação de dados da PINTEC/PIA,
que são divulgados a cada dois anos, conforme mencionado no parágrafo anterior.
Este estudo incluiu a variável ativos tangíveis no 1º. e 2º. modelo. No trabalho de
Marques (2007), esses dados não foram disponibilizados pela SERASA. Por causa de um erro
na montagem dos modelos, a mesma variável não foi incluída no 3º. e 4º. modelo.
Os resultados obtidos foram significativos nas duas amostras, onde para cada amostra
houve oito modelos. Cada hipótese testou quatro modelos, com variáveis independentes de
2004 e 2006. As regressões entre as variáveis de cada modelo mostraram-se significativas. A
seguir são comentados os resultados de cada modelo.
Na hipótese 1, que predizia que quanto mais as empresas enfatizam a inovação, menor
será o seu índice de alavancagem, a variável inovação não mostrou ser estatisticamente
significante. Apesar disso, os resultados das regressões das duas amostras e nos dois períodos
apresentaram significância estatística ao nível de 0,001. Os testes F foram superiores aos
108
estudos de O’Brien (2003) e Marques (2007). A utilização de diversos setores inovadores,
com diferentes taxas de inovação, provavelmente contribuiu para um resultado satisfatório.
Na hipótese 2, que predizia que quanto mais importante for a inovação para a
estratégia de uma empresa, mais fraca será a relação entre rentabilidade e a alavancagem, os
resultados dos modelos que testaram essa hipótese não obtiveram significâncias estatísticas
nas variáveis independentes, como os estudos de O’Brien (2003) e Marques (2007), porém as
regressões das duas amostras e nos dois períodos mostraram-se estatisticamente significantes
ao nível de 0,001. Os testes F mostraram ser maiores que os resultados dos dois estudos
mencionados acima, com exceção da 1ª. amostra, base 2003 (51,473), comparada com o
resultado de Marques (2007), que acarretou o teste F em 64,67.
Na hipótese 3, que predizia que haveria uma interação negativa entre alavancagem e a
importância da inovação para a estratégia da empresa, com respeito aos seus impactos sobre o
desempenho da empresa, as regressões das duas amostras e nos dois períodos foi ao nível de
0,001. Os testes F mostraram ser maiores que os resultados dos dois estudos mencionados
acima, com exceção da 1ª. amostra, base 2003 (12,515), comparada com o resultado de
O’Brien (2007), que resultou no teste F em 14,672. Os resultados foram suficientes para supor
que a falta de alinhamento entre a estratégia e a estrutura de capital adotada por uma empresa
possa trazer impactos negativos sobre o seu desempenho. No estudo de O’Brien (2003), as
correlações entre as variáveis foram mais significantes do que o presente estudo, porém no
estudo de Marques (2007), a utilização das variáveis independentes e dependentes do mesmo
período (2003) poderia ter sido uma limitação nos resultados da 3ª. hipótese.
Na hipótese 4, que predizia que quanto maior o investimento em estratégia de
inovação, maior será a folga, a significância estatística nas duas amostras e nos dois períodos
foi ao nível de 0,001. Ressalta-se que o resultado poderia indicar que as empresas inovam
com o uso de folga. Outra importante indicação desses resultados seria de que os recursos
utilizados na estratégia de inovação poderiam ser originados de instituições de fomento, como
Banco Nacional de Desenvolvimento Econômico e Social – BNDES, onde os custos de
captação de financiamentos são atrativos às empresas brasileiras.
É importante esclarecer que a 4ª. hipótese não constou nos estudos de O’Brien (2007)
e Marques (2007). Apesar da semelhança com a hipótese 1, o cálculo da folga nesse modelo
sugere os ativos de maior liquidez, segundo o método proposto por Bourgeois (1983).
O cálculo sugerido por O’Brien (2003) foi a utilização de ativos de menor liquidez.
Comparando-se o 1º. modelo com o 4º. modelo, verificou-se que o 1º. modelo utilizado por
O’Brien (2003) foi muito mais significativo (teste F). Os resultados comprovaram que a
109
inovação foi mais significativa em empresas que possuíam uma folga com menor liquidez,
indicada no 1º. modelo, comparada às empresas com folga com maior liquidez.
A 1ª. amostra, apesar de conter empresas com menores índices de inovação do que a
2ª. amostra, apresentou resultados mais significantes. Isso pode indicar que a inovação não
está sendo influenciada somente pelos indicadores de inovação mas pela combinação de
outras variáveis.
Cabe ressaltar que as limitações do estudo no uso de dados secundários em nosso país
não foram diferentes dos dados encontrados no estudo de Marques (2007), que foram a
obtenção dos dados financeiros e o cruzamento das bases de dados no IBGE. Houve também
a necessidade de suprimir algumas condições utilizadas no trabalho original de O’Brien
(2007), que avaliou as empresas no contexto norte-americano, enquanto o estudo de Marques
(2007) situou-se no contexto brasileiro.
Sugerem-se algumas possibilidades para estudos futuros:
• Elaboração de questionário específico com as variáveis da pesquisa e aplicação em
empresas de capital aberto e fechado;
• Repetição dos testes para os próximos resultados da PINTEC e PIA;
• Aplicação do cálculo de folga recuperável nos testes.
Os resultados obtidos neste trabalho buscaram contribuir com os estudos que avaliam
a relação entre estrutura de capital, estratégia e inovação, dentro do contexto brasileiro. Tal
conhecimento pode ser de grande valia para as organizações que pretendam investir em
inovação de produtos.
110
REFERÊNCIAS
ACS, Zoltan J.; AUDRETSCH, David B.. Innovation, Market Structure, and Firm Size. The
Review of Economics and Statistics, v. 69, n. 4, p. 567-574, 1987.
BAH, Rahim; DUMONTIER, Pascal. R&D and corporate financial policy: some international
evidence. Journal of Business Finance & Accounting, Oxford, v.28, 5.5-6, p. 671-692,
June/July 2001.
BALAKRISHNAN, Srinivasan; FOX, Isaac. Asset specificity, firm heterogeneity and capital
structure.
Strategic Management Journal
,
v. 14, n. 1, p. 3-16, 1993.
BARNEY, Jay. Firm resources and sustained competitive advantage. Journal of
Management, n. 17, p. 99-120, 1991.
BARNEY, Jay. Gaining and sustaining competitive advantage. 2
nd
ed. New Jersey: Prentice
Hall, 2002.
BARTON, Sidney L.; GORDON, Paul J.. Corporate strategy: useful perspective for the study
of capital structure?
Academy of Management Review
,
v. 12, n. 1, p. 67-75, 1987.
BESANKO, David; DRANOVE, David; SHANLEY, Mark; SCHAEFER, Scott. Economics
of Strategy
. 4th ed.
New Jersey: John Wiley & Sons, 2007.
BOURGEOIS, L.J. On the measurement of organizational slack. Academy of Management
Review. v. 6, p. 29-39, 1981.
______; SINGH J.V.. Organizational slack and political behavior among top management.
Academy of Management Proceedings. p. 43-49, 1983.
BREALEY, R.A.; MYERS S.C.; ALLEN F.. Corporate Finance. 8 ed. New York: McGraw-
Hill. 2006.
111
BROMILEY, Philip. Testing a causal model of corporate risk taking and performance.
Academy of Management Journal
,
v. 34, n. 1, p.37-59, 1991.
CHENG, Joseph L.C.; KESNER, Idalene F.. Organizational slack and response to
environmetal shifts: the impacto f resource allocation patterns. Journal of Management, v.
23, n. 1, p. 1-18, 1997.
CHIU, Yi-Chia; LIAW Yi-Ching. Organizational Slack: More or Less? Annual Meeting of
the Academy of Management. 2006.
CHOW, C.W.; COOPER, J.C.; WALLER, W.S.. Participative budgeting: effects of a truth-
inducing pay scheme and information asymmetry on slack and performance. The
Accounting Review, v.LXIII, n.1, p.111-122, 1988.
COHEN, Wesley M.; KLEPPER, Steven. A reprise of size and R&D. The Economic
Journal, v. 106, p. 925-951, 1996.
CYERT, R. M.; MARCH J.G.. A Behavioral Theory of the Firm. 2
nd
ed. MA: Blackwell
Publishing,1992.
DAMANPOUR, F.. .The adoption of technological, administrative, and ancillary innovation:
Impact of organizational factors. Journal of Management, v. 13, n. 4, p. 675-688, 1987.
______. Organizational complexity and innovation: developing and testing multiple
contigency models. Management Sciences. V. 42, n. 5, p. 693-716, 1996.
______; EVAN, William M.. Organizational innovation and performance: the problem of
“organizational lag”. Administrative Science Quartely, v. 29, p. 392-409, 1984.
DAMODARAN, Aswath. Finanças Corporativas: teoria e prática. 2
a
edição. Porto Alegre:
Bookman, 2004.
112
DIERICKX, I; COOL, K. Asset stock accumulation and sustainability of competitive
advantage. Management Science. v..35, n. 12, p. 1504-1511, 1989.
DURAND, D. Cost of debt and equity funds for business: Trends and problems in
measurement. In: Conference on Research on Business Finance. New York: National
Bureau of Economic Research, 1952.
ETTLIE, J. E.. Organizational Policy and Innovation Among Suppliers to the Food
Processing Sector. Academy of Management Journal. v. 26. n. 1, p. 27-44, 1983.
_______. REZA E. M.. Organizational Integration and Process Innovation. Academy of
Management Journal. v. 35, n. 4, p. 795-827, 1992.
GEIGER, Scott W.; CASHEN, Luke H.. A multidimensional examination of slack and its
impact on innovation. Journal of Managerial Issues. v. 14, n. 1, p. 68-84, 2002.
GIFFORD, S.. Innovation, firm size and growth in a centralized organization. Rand Journal
of Economics. v.23, n. 2, p. 284-299, 1992.
GRINBLATT, Mark; TITMAN, Sheridan. Mercados Financeiros e Estratégia
Corporativa. 2. ed. Porto Alegre: Bookman, 2005.
GUJARATI, D. Econometria Básica. 4 ed. São Paulo: Elsevier Editora, 2006.
HARRIS, Milton; RAVIV, Artur. The theory of capital structure. The Journal of Finance,
v. 46, n. 1, p. 297-355, 1991.
HENDRIKSEN, Eldon S., VAN BREDA, Michael F. Teoria da Contabilidade. 5. ed. São
Paulo: Atlas, 1999.
HEROLD, David M.; JAYARAMAN, Narayanan; NARAYANASWAMY, C.R.. What is the
relationship between organizational slack and innovation. Journal of Managerial Issues, v.
113
18, n. 3, p. 372-392, 2006.
HITT, M.A.; HOSKISSON, R.E.; JOHNSON, R.A.; MOESEL, D.D. The market for
corporate control and firm innovation. Academy of Management Journal. v. 39, n. 5, p.
1084-1119, 1996.
IUDÍCIBUS, S. Teoria da Contabilidade. 5 ed. São Paulo: Atlas, 1999.
JENSEN, Michael C
.;
MECKLING, William H.. Theory of the firm: managerial behavior,
agency costs and ownership structure. Journal of Financial Economics, v
.
3, n. 4, p. 305-
360, 1976.
KAMIEN, M.I.; SCHARTZ N. L.. Market Structure and Innovation: A Survey. Journal of
Economic Literature, v. 13, n. 1, p. 1-37, 1975.
KAYO, Eduardo K... A estrutura de capital e o risco das empresas tangível e intangível-
intensivas: uma contribuição ao estudo da valoração de empresas. Tese (Doutorado em
Administração). Faculdade de Economia, Administração e Contabilidade, Universidade de
São Paulo, 2002.
______; FAMÁ, Rubens. Teoria de Agência e Crescimento. Caderno de Pesquisas em
Administração, v. 2, n. 5, p. 1-8, 1997.
______; TEH, Chang C., BASSO, Leonardo Fernando C.. Ativos Intangíveis e estrutura de
capital: a influência das marcas e patentes sobre o endividamento. Revista de
Administração, v. 41, n. 2, p. 158-168. 2006.
KNIGHT, Kenneth E. A descriptive model of the intra-firm innovation process. The Journal
of Business, v. 40, n. 4, p. 478-496, 1967.
KOCHHAR, Rahul. HITT, Michael A.. Research notes and communications linking
corporate strategy to capital structure: diversification strategy, type and source of financing.
Strategic Management Journal
, v
.
19, n. 6, p. 601-610, 1998.
114
KOELLER, C. T.. Innovation, Market structure and firm size: a simultaneous equations
model. Managerial and Decision Economics, v. 16, p. 259-269, 1995.
LAKATOS, E.M.; MARCONI, M.A.. Fundamentos de metodologia científica. 3 ed. São
Paulo: Atlas, 1991.
LEV, B. Intangibles Management, Measurement and Reporting. Washington: Brookings,
2001.
LI, Mingfang; SIMERLY, Roy L.. Environmental dynamism, capital structure and
innovation: an empirical test.
The International Journal of Organizational Analysis
,
v. 10, n.2, p. 156-171, 2002.
LONG, Michael S.; MALITZ, Ileen B.. The investment-financing nexus: some empirical
evidence. Midland Corporate Finance Journal, v.3, n.1, p. 53-59, 1985.
LOW, J.; KALAFUT, P.C.. Vantagem Invisível: Como os intangíveis conduzem o
desempenho da empresa. São Paulo: Artmed, 2003.
MARQUES, Paulo S. M.. Estrutura de capital e estratégia de inovação: Um estudo no
contexto brasileiro. São Paulo: 2007. Dissertação de Mestrado – Universidade Presbiteriana
Mackenzie.
MARTINS, E. Contribuição à Avaliação do Ativo Intangível. São Paulo. 1972. Tese
(Doutorado) – Faculdade de Economia, Administração e Contabilidade da Universidade
MODIGLIANI, Franco; MILLER, Merton. The cost of capital, corporation finance and the
theory of investment. American Economic Review, v. 48, n. 3, p. 261-297,1958.
______; ______. Corporate income taxes and the cost of capital: a correction. American
Economic Review, p. 433-443, 1963.
115
MONOBE, Massanori. Contribuição à Mensuração e Contabilização do Goodwill
Adquirido. São Paulo: 1986. Tese (Doutorado). Faculdade de Economia, Administração e
Contabilidade da Universidade de São Paulo.
MYERS, Stewart C.. Capital Structure. Journal of Economic Perspectives, v. 15, n. 2, p. 81-
102, 2001.
_______; MAJLUF, Nicholas S.. Corporate financing and investment decisions when firms
have information that investors do not have. Journal of Financial Economics, v. 13, n.2, p.
187-221,1984.
NOHRIA, N.; GULATI, R.. Is slack good or bad for innovation? Academy of Management
Journal, v. 39, n. 5, p. 1245-1264, 1996.
NONAKA, S.; TAKEUCHI, N.. Criação de conhecimento na empresa. Rio de Janeiro:
Elsevier, 1997.
O'BRIEN, Jonathan P.. The capital structure implications of pursuing a strategy of innovation.
Strategic Management Journal,
V.
24, n. 5, p. 415-431, 2003.
PENROSE, M.E.. The theory of growth of the firm, Basil Blackwell, London, 1959.
PORTER, Michael E.. Vantagem Competitiva – Criando e Sustentando um Desempenho
Superior. Edit. Campos. Rio de Janeiro: 1989.
PRAHALAD, C.K., HAMEL, G.. The core competence of the corporation. Harvard
Business Review, v. 68, n. 3, 1990.
REILLY, R. F.; SCHWEIHS, R. P.. Valuing intangible assets. New York: McGraw-Hill,
1998.
ROSS, S. A. The determination of financial structure: the incentive-signalling approach. Bell
Journal of Economics, p. 23-40, 1976.
116
______, WESTERFIELD, R.W., JAFFE, J.F. Administração Financeira. São Paulo: Editora
Atlas, 1995.
SHARFMAN, Mark P.; WOLF, Gerrit. CHASE, Richard B.. TANSIK, David A..
Antecedents of organizational slack. Academy of Management Review, v. 13, n. 4, p. 601-
614, 1988.
SINGH, J.V.. Performance, slack and risk taking in organizational decision making.
Academy of Management Journal, v. 29, p. 562-585, 1986.
SUNDER, S.L.; MYERS, S.C.. Testing static trade-off against pecking order models of
capital structure. Working Paper n. 4722. National Bureau of Economic Reserch. 1994.
SVEIBY, K. E.. A nova riqueza das organizações – gerenciando e avaliando patrimônios
de conhecimento. 7ª. Edição. Rio de Janeiro: Editora Campus. 1998.
TAN, J., PEN M.W.. Organizational slack and firm performance during economic transitions:
two studies from na emerging economy. Strategic Management Journal, v.24, p. 1249-
1263, 2003.
TEECE, D. J.. Managing intellectual capital: organizational strategic, and policy
dimensions. Oxford: Oxford University Press, 2002.
_______; PISANO, Gary; SHUEN, Amy. Dynamic capabilities and strategic management.
Strategic Management Journal, v. 18, n. 7, p. 509-533, 1997.
VICENTE-LORENTE, Jose David. Specificity and capacity as resource-based determinants
of capital structure: evidence for Spanish manufacturing firms. Strategic Management
Journal, v.22, n.2, p.157-177, 2001.
WILLIAMSON, Oliver E.. Corporate Finance and Corporate Governance. The Journal of
Finance, v. 43, n. 3, p. 567-591, 1988.
117
118
119
120
121
122
123
124
125
126
127
128
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
