edmilson alves de moraes - bibliotecadigital.fgv.br · a determinação e a mensuração da...

EDMILSON ALVES DE MORAES

ANÁLISE DA DECOMPOSIÇÃO DO DESEMPENHO DE EMPRESAS BRASILEIRAS UTILIZANDO MODELOS LINEARES MISTOS E DE

COMPONENTES DE VARIÂNCIA

Tese apresentada à Escola de Administração de Empresas da Fundação Getulio Vargas, como requisito para obtenção do título de Doutor em Administração de Empresas. Campo de conhecimento: Administração Estratégica. Orientador: Prof. Dr. Flávio Carvalho de Vasconcelos

São Paulo 2005

Moraes, Edmilson Alves Análise da decomposição do desempenho de empresas brasileiras

utilizando modelos lineares mistos e de componentes de variância / Edmilson Alves de Moraes. 2005.

200 f. Orientador: Flávio Carvalho de Vasconcelos Tese (doutorado) - Escola de Administração de Empresas de São

Paulo. 1. Desempenho - Medição. 2. Vantagem competitiva. 3. Análise de

variância. 4. Modelos lineares – Estatística 5. Empresas – Brasil - Indicadores. 6. Eficiência industrial – Brasil. I. Vasconcelos, Flávio Carvalho de. II. Tese (doutorado) - Escola de Administração de Empresas de São Paulo. III. Título.

CDU 334.72(81)

EDMILSON ALVES DE MORAES

ANÁLISE DA DECOMPOSIÇÃO DO DESEMPENHO DE EMPRESAS BRASILEIRAS UTILIZANDO MODELOS LINEARES MISTOS E DE

COMPONENTES DE VARIÂNCIA Tese apresentada à Escola de Administração de Empresas da Fundação Getulio Vargas, como requisito para a obtenção do título de Doutor em Administração. Campo de conhecimento: Administração Estratégica. Orientador: Prof. Dr. Flávio Carvalho de Vasconcelos Data de aprovação: ____/____/_______ Banca Examinadora __________________________________ Prof. Dr. Flávio C. Vasconcelos (Orientador) EAESP/FGV __________________________________ Prof. Dr. Wilton de Oliveira Bussab EAESP/FGV __________________________________ Prof. Dr. Clovis Luis Machado da Silva EAESP/FGV __________________________________ Prof. Dr. João Luiz Becker EA/UFRGS __________________________________ Prof. Dr. Antonio Carlos Aidar Sauaia FEA/USP

À minha amada Celi, e aos meus filhos André e Daniel, dedico este trabalho.

AGRADECIMENTOS

Elevo os olhos para os montes: de onde me virá o socorro? O meu socorro vem do SENHOR, que fez o céu e a terra. Ele não permitirá que os teus pés vacilem, não dormitará aquele que te guarda. É certo que não dormita, nem dorme o guarda de Israel. O SENHOR é quem te guarda; o SENHOR é a tua sombra à tua direita. De dia não te molestará o sol, nem de noite, a lua. O SENHOR te guardará de todo o mal; guardará a tua alma. O SENHOR guardará a tua saída e a tua entrada, desde agora e para sempre. Salmos 121:1-8

Somente aqueles que nos vales da vida ousaram olhar e confiar seu caminhar nas

mãos do SENHOR DEUS, podem compreender a profundidade das palavras do

salmista. Ao SENHOR DEUS, que no mais profundo vale da minha vida me

estendeu sua mão, me fortaleceu e me proporcionou as oportunidades para chegar

até aqui, eu sou grato acima de tudo.

À minha amada esposa Celi e aos meus filhos André e Daniel, maiores presentes

que DEUS me deu, eu agradeço pela compreensão e amor que sempre

demonstraram, apoiando-me durante as longas horas de estudo e preparação de

deste trabalho.

Ao meu orientador Flávio Carvalho de Vasconcelos, que durante o tempo que temos

trabalhado juntos têm se mostrado um amigo precioso, eu só tenho palavras de

agradecimento. Sua vida, dedicação e trabalho têm sido inspiração e exemplo para

mim.

Finalmente, não poderia deixar de agradecer à SERASA S.A. por gentilmente

disponibilizar os dados utilizados nesta pesquisa. Em especial agradeço à Maria

José, que atenciosamente me atendeu e “garimpou” os dados que eu solicitei.

RESUMO

A determinação e a mensuração da importância das principais fontes de vantagem

competitiva, ainda é um tema em discussão na área de Estratégia. Uma linha de

pesquisa, iniciada em meados dos anos 80, tem seu foco principal na determinação

e quantificação da importância dos fatores que poderiam explicar as diferenças no

desempenho de um grupo de empresas, utilizando a decomposição da variância dos

valores do desempenho através das técnicas de Regressão Linear ou de

Componentes de Variância. Nesta linha de pesquisa, desenvolveram-se uma série

de trabalhos empíricos cujo propósito principal é quantificar, entre outros fatores,

qual a importância do setor industrial em que a empresa atua, qual a importância do

ano, qual a importância de se fazer parte de um grupo econômico e qual a

importância dos fatores idiossincráticos da empresa na explicação do desempenho

apresentado em determinados períodos. Dos resultados destes trabalhos surgiram

discussões importantes sobre o papel da estratégia corporativa e sobre a

importância relativa de tais fatores na determinação da vantagem competitiva. Este

trabalho se insere nesta linha de pesquisa, cujo objetivo é, utilizando uma base de

dados brasileira muito mais abrangente e completa que os estudos anteriores, quer

nacionais e internacionais, primeiramente verificar se a realidade apontada nos

estudos internacionais se assemelha à do Brasil. Em segundo lugar, contribuir com

um refinamento teórico, refazendo estas análises utilizando modelos lineares mistos,

mais apropriados para estes conjuntos de dados, que os modelos de componentes

de variância. Em terceiro lugar, utilizando dois tipos de matriz de covariância, verifica

se o desempenho de um determinado ano influi no desempenho dos anos

imediatamente subseqüentes, verificando, assim, a possível existência de medidas

repetidas para a variável ano. Finalmente, analisa se parte da variabilidade do

desempenho das empresas brasileiras pode ser atribuído ao fato da empresa se

localizar em determinada Unidade da Federação.

Palavras-chave: Análise de desempenho, vantagem competitiva, modelos lineares

mistos, componentes de variância.

ABSTRACT

The delimitation of the main sources of competitive advantage and the quantification

of their importance, are still relevant issues in the strategy field of studies. At the

middle of the 80´s, a new stream of research emerged, focusing in determining and

quantifying the importance of the factors which could explain the differences among

the performance of a set of firms, through the decomposition of factors variance

using linear regression or variance components. In this set of works, there was

developed several empirical researches whose main purpose was to quantify the

importance of factors as industrial sector, year, corporate affiliation and idiosyncratic

issues in explaining the firm performance. From the results presented in these papers

several discussions raised about the hole of corporate strategy and about the relative

importance of those factors in the determination of the competitive advantage. The

investigation developed in this work, which is aligned with this set of researches,

uses a broad and complete data base of Brazilians´ firms, first, to verify if the findings

about international firms are similar to Brazilian firms. Second, develop new analysis

using linear mixed models, which are theoretically more appropriate for this type of

analysis. Third, by the use of two types of covariance matrices, test the existence of

repeated measures for the variable year, to verify if the results of performance of a

year influence the performance of the subsequent years. Finally, it is analyzed if

being established in a specific Brazilian State impacts the firm performance.

Keywords: Performance measure, competitive advantage, linear mixed models,

variance components.

Índice de Quadros

Quadro 1 – Sumário dos dados.................................................................................80

Quadro 2 – Estrutura do banco de dados ...............................................................102

Índice de Figuras

Figura 1 – Fatores determinantes da competitividade da indústria ...........................21

Figura 2 – Hélice Dupla.............................................................................................24

Figura 3 – Cinco níveis de transformação de negócios baseado em TI....................26

Figura 4 – As correntes explicativas da vantagem competitiva .................................31

Figura 5 – Forças que determinam a concorrência na indústria................................34

Figura 6 – Três estratégias genéricas .......................................................................36

Figura 7 – Destruição criativa....................................................................................43

Figura 8 – Busca da Competitividade........................................................................46

Figura 9 – Concepção da empresa diversificada ......................................................47

Figura 10 – Definição da agenda de competências essenciais.................................48

Figura 11 – Estrutura do Modelo de Análise de Variância e de Regressão ..............82

Figura 12 – Modelo de Análise de Variância .............................................................83

Figura 13 – Modelo de Análise de Regressão ..........................................................83

Figura 14 – Modelo de Análise de Variância .............................................................84

Índice de Gráficos Gráfico 1 – Distribuição dos valores do índice EBITDA/Ativos Totais .....................104

Gráfico 2 – Distribuição dos valores de EBITDA/Ativos Totais para empresas

pertencentes e não pertencentes a grupos econômicos .........................................105

Gráfico 3 – Distribuição dos valores de EBITDA/Ativos Totais por indústria ...........106

Gráfico 4 – Total de empresas apresentando de 2 a 14 observações ....................107

Gráfico 5 – Total de observações para os anos de 1990 a 2003 ............................107

Gráfico 6 – Empresas por Estados da Federação...................................................108

Gráfico 7 – EBITDA/Ativos de empresas pertencentes a grupos econômicos por UF

................................................................................................................................158

Gráfico 8 – EBITDA/Ativos de empresas não pertencentes a grupos econômicos por

UF ...........................................................................................................................161

Índice de Tabelas

Tabela 2.1 – Resultados apresentados por Rumelt ..................................................59

Tabela 2.2 – Resultados da análise de componentes de variância...........................64

Tabela 5.1 – Distribuição dos valores de EBITDA/Ativos Totais .............................103

Tabela 5.2 – Distribuição das empresas e observações pelos setores...................104

Tabela 5.3 – Número de observações por empresa ...............................................106

Tabela 5.4 – Empresas por Unidade da Federação................................................108

Tabela 6.1 – Grupos econômicos por total de empresas controladas.....................112

Tabela 6.2 – Total de empresas e observações segmentadas por número de

observações por empresa.......................................................................................113

Tabela 6.3 – Número de empresas por indústria ....................................................113

Tabela 6.4 – Distribuição dos valores de EBITDA por Ativos totais ........................114

Tabela 6.5 – Análise dos dados globais das empresas pertencentes a grupos

econômicos utilizando Modelos I e II.......................................................................114

Tabela 6.6 – Análise dos dados globais das empresas pertencentes a grupos

econômicos utilizando Modelos III e IV ...................................................................115

Tabela 6.7 – Análise dos dados globais utilizando Modelos III e IV com estrutura de

covariância AR(1) para fator ano.............................................................................115

Tabela 6.8 – Análise dos dados globais utilizando Modelos III e IV com estrutura de

covariância CS para fator ano.................................................................................116

Tabela 6.9 – Grupos econômicos por total de empresas controladas no setor

primário ...................................................................................................................117



Tabela 6.11 – Quantidade de empresas por indústria.............................................118

Tabela 6.12 – Distribuição dos valores de EBITDA por Ativos totais ......................119

Tabela 6.13 – Análise das empresas do setor primário utilizando Modelos I e II ....119

Tabela 6.14 – Análise das empresas do setor primário utilizando Modelos III e IV.119

Tabela 6.15 – Análise das empresas do setor primário utilizando Modelos III e IV

com estrutura de covariância AR(1) para fator ano.................................................120


com estrutura de covariância CS para fator ano .....................................................120

Tabela 6.17 – Grupos econômicos por total de empresas controladas no setor

manufatura ..............................................................................................................121





Tabela 6.21 – Análise das empresas do setor manufatura utilizando Modelos I e II

................................................................................................................................123

Tabela 6.22 – Análise das empresas do setor manufatura utilizando Modelos III e IV

................................................................................................................................123





Tabela 6.25 – Grupos econômicos por total de empresas controladas no comércio

................................................................................................................................125





Tabela 6.29 – Análise das empresas do setor comércio utilizando Modelos I e II ..127

Tabela 6.30 – Análise das empresas do setor comércio utilizando Modelos III e IV

................................................................................................................................127





Tabela 6.33 – Grupos econômicos por total de empresas controladas no setor de

serviços ...................................................................................................................129





Tabela 6.37 – Análise das empresas do setor serviços utilizando Modelos I e II....130

Tabela 6.38 – Análise das empresas do setor serviços utilizando Modelos III e IV 131

Tabela 6.39 – Análise das empresas do setor de serviços utilizando Modelos III e IV


Tabela 6.40 – Análise das empresas do setor serviços utilizando Modelos III e IV


Tabela 6.41 – Sumário das análises utilizando o Modelo III ...................................133


Tabela 6.43 – Distribuição dos valores de EBITDA por Ativos totais em percentual

................................................................................................................................136

Tabela 6.44 – Total de empresas segmentadas por número de observações por

empresa ..................................................................................................................136

Tabela 6.45 – Total de empresas segmentadas por número de observações por

empresa em percentual...........................................................................................137

Tabela 6.46 – Total de observações segmentadas por número de observações por

empresa ..................................................................................................................137

Tabela 6.47 – Total de observações segmentadas por número de observações por

empresa em percentual...........................................................................................138

Tabela 6.48 – Total de empresas pelos quatro setores estudados .........................138

Tabela 6.49 – Total de empresas pelos quatro setores estudados em percentual .138

Tabela 6.50 – Análise das empresas do Arquivo I utilizando Modelos V e VI .........139

Tabela 6.51 – Análise das empresas do Arquivo I utilizando Modelos VII e VIII .....139

Tabela 6.52 – Análise das empresas do Arquivo II utilizando Modelos V e VI ........139

Tabela 6.53 – Análise das empresas do Arquivo II utilizando Modelos VII e VIII ....140

Tabela 6.54 – Análise das empresas do Arquivo III utilizando Modelos V e VI .......140

Tabela 6.55 – Análise das empresas do Arquivo III utilizando Modelos VII e VIII ...140

Tabela 6.56 – Análise das empresas do Arquivo IV utilizando Modelos V e VI ......141

Tabela 6.57 – Análise das empresas do Arquivo IV utilizando Modelos VII e VIII...141

Tabela 6.58 – Sumário das análises do Modelo VIII para os Arquivos I, II, III e IV .141





Tabela 6.62 – Análise das empresas do setor primário utilizando Modelos V e VI .144

Tabela 6.63 – Análise das empresas do setor primário utilizando Modelos VII e VIII

................................................................................................................................144





Tabela 6.67 – Análise das empresas do setor manufatura utilizando Modelos V e VI

................................................................................................................................146

Tabela 6.68 – Análise das empresas do setor manufatura utilizando Modelos VII e

VIII...........................................................................................................................147





Tabela 6.72 – Análise das empresas do comércio utilizando Modelos V e VI ........149

Tabela 6.73 – Análise das empresas do comércio utilizando Modelos VII e VIII.....149





Tabela 6.77 – Análise das empresas de serviços utilizando Modelos V e VI..........152

Tabela 6.78 – Análise das empresas de serviços utilizando Modelos VII e VIII ......152

Tabela 6.79 – Sumário das análises utilizando o Modelo VII ..................................153

Tabela 6.80 – Sumário das análises das empresas pertencentes a grupos

econômicos utilizando o Modelo III e não pertencentes utilizando o modelo VII em

percentagem ...........................................................................................................155

Tabela 6.81 – Resultados de estudos anteriores ....................................................156

Tabela 6.82 – Resultados de estudos anteriores (continuação) .............................156

Tabela 6.79 – Número de empresas por setor e por Unidade da Federação .........158

Tabela 6.80 – Percentagem de empresas por setor e por Unidade da Federação.159

Tabela 6.81 – Escores brutos das análises das empresas pertencentes a grupos

econômicos utilizando o Modelo IX .........................................................................159

Tabela 6.82 – Escores percentuais das análises das empresas pertencentes a

grupos econômicos utilizando o Modelo IX .............................................................160

Tabela 6.83 – Resultado do teste de hipótese para igualdade das médias dos fatores

fixos das análises utilizando o Modelo IX................................................................160

Tabela 6.84 – Número de empresas por setor e por Unidade da Federação .........162

Tabela 6.85 – Percentagem de empresas por setor e por Unidade da Federação.162

Tabela 6.86 – Escores brutos das análises dos Arquivos I, II, III e IV utilizando o

Modelo X .................................................................................................................163

Tabela 6.87 – Escores percentuais das análises dos Arquivos I, II, III e IV utilizando o

Modelo X .................................................................................................................163

Tabela 6.88 – Resultado do teste de hipótese para igualdade das médias dos fatores

fixos das análises utilizando o Modelo X.................................................................163

Lista de abreviaturas e siglas

AIC .............. Critério de informação de Akaike (Akaike´s information criterion)

ANOVA........ Análise de variância (Analysis of variance)

AR(1)........... Auto-regressiva de ordem 1 (Autoregressive of order 1)

BLUP........... Melhor predição linear não viesada (Best linear unbiased predictors)

COV ............ Componentes de Variância

CP ............... Componentes principais

CS ............... Simetria Composta (Compound symmetry)

DDF............. Número de graus de liberdade do denominador (Denominator degrees

of freedom)

EBITDA ....... Lucro antes dos juros, taxas, depreciação e amortização (Earnings

before interest, taxes, depreciation, and amortization)

F-Value........ Valor da estatística F

Iid ................ Independente e distribuído identicamente (Independent and identically

distributed)

IO ................ Organização industrial (Industrial organization)

ML ............... Máxima verossimilhança (Maximum likelihood)

MINQE ........ Estimação quadrática de norma mínima (Minimum norm quadratic

estimator)

MINQUE...... Estimador quadrático não viesado de norma mínima (Minimum norm

quadratic unbiased estimator)

MIVQUE ...... Estimador quadrático não viesado de variância mínima (Minimum

variance quadratic unbiased estimator)

Mixed........... Modelos lineares mistos

MML ............ Máxima verossimilhança marginal (Marginal maximum likelihood)

NDF............. Número de graus de liberdade do numerador (Numerator degrees of

freedom)

OLS ............. Mínimos quadrados ordinários (Ordinary least squares)

p-value ........ Valor p

PCA............. Análise por Componentes Principais (Principal Components Analysis)

REML .......... Máxima verossimilhança restrita ou residual (Restricted or residual

maximum likelihood)

RBV............. Visão baseada em recursos (Resource–based view)

ROA ............ Retorno sobre ativos (Return on Assets)

SCP............. Estrutura–conduta–desempenho (Structure–conduct–performance)

VCA............. Análise de componentes de variância (Variance components analysis)

SUMÁRIO

1. INTRODUÇÃO................................................................................................16

2. REVISÃO DA TEORIA ...................................................................................20

2.1. Fatores Sistêmicos que Afetam a Competitividade.........................................22

2.2. Vantagem Competitiva e Estratégia Competitiva ............................................27

2.2.1. Vantagem Competitiva ....................................................................................28

2.2.2. Estratégia Competitiva ....................................................................................30

2.3. Disputas teóricas utilizando pesquisas baseadas em decomposição da

variância do desempenho ...............................................................................49

2.3.1. Efeito indústria e efeito empresa.....................................................................52

2.3.2. Efeito Corporação ...........................................................................................53

2.4. Revisão teórica dos trabalhos empíricos de decomposição de variância do

desempenho ...................................................................................................56

3. JUSTIFICATIVA .............................................................................................72

3.1. Contribuições deste trabalho...........................................................................72

4. FUNDAMENTOS METODOLÓGICOS ...........................................................75

4.1. Antecedentes históricos ..................................................................................75

4.2. Conceitos ........................................................................................................80

4.3. Modelos Estatísticos Lineares.........................................................................81

4.3.1. Análise Variância e Análise de Regressão......................................................82

4.4. Tipos de Modelos Lineares .............................................................................85

4.4.1. Modelos de Efeitos Fixos ................................................................................85

4.4.2. Modelos Aleatórios..........................................................................................86

4.4.3. Modelos Mistos ...............................................................................................88

4.5. Fixo versus Aleatório: o fator Ano ...................................................................88

4.6. Medidas Repetidas e o Fator Ano...................................................................90

4.7. Dados Balanceados e Não Balanceados ........................................................91

4.8. ANOVA e VCA ................................................................................................92

4.9. Métodos de solução de Modelos Lineares ......................................................95

4.10. A mensuração do construto desempenho.......................................................98

5. BASE DE DADOS ........................................................................................100

5.1. A SERASA ....................................................................................................100

5.2. Banco de dados ............................................................................................101

5.3. Tratamento dos dados ..................................................................................102

5.4. Apresentação dos dados...............................................................................104

6. ANÁLISES DAS EMPRESAS BRASILEIRAS .............................................109

6.1. Nomenclatura e modelos ..............................................................................109

6.2. Análise das empresas pertencentes a grupos econômicos ..........................111

6.2.1. Análise dos dados globais.............................................................................112

6.2.2. Análise do setor primário...............................................................................116

6.2.3. Análise do setor manufatura .........................................................................121

6.2.4. Análise do setor comércio .............................................................................125

6.2.5. Análise do setor serviços ..............................................................................128

6.2.6. Análise dos resultados obtidos para empresas pertencentes a grupos

econômicos ...................................................................................................132

6.3. Análise das empresas não pertencentes a grupos econômicos ...................134

6.3.1. Análise dos dados globais.............................................................................135

6.3.2. Análise do setor primário...............................................................................142

6.3.3. Análise do setor manufatura .........................................................................144

6.3.4. Análise do setor comércio .............................................................................147

6.3.5. Análise do setor de serviços .........................................................................150

6.3.6. Análise e comparação dos resultados das empresas não pertencentes com as

pertencentes a grupos econômicos ..............................................................152

6.4. Comparação entre os das análises das empresas brasileiras e os resultados

de pesquisas anteriores ................................................................................154

6.5. Verificação do efeito localização ...................................................................157

6.5.1. Análise das empresas pertencentes a grupos econômicos ..........................157

6.5.2. Empresas não pertencentes a grupos econômicos ......................................161

6.5.3. Análise dos resultados dos testes de hipótese .............................................164

7. CONCLUSÃO ...............................................................................................165

8. REFERÊNCIAS BIBLIOGRÁFICAS.............................................................171

APÊNDICE A – QUADRO COMPLETO DOS CÓDIGOS DE INDÚSTRIAS DA SERASA .......................................................................................................183

APÊNDICE B – EMPRESAS PERTENCENTES A GRUPOS ECONÔMICOS: NÚMERO DE EMPRESAS POR INDÚSTRIA. .............................................199

16

1. INTRODUÇÃO

Uma disputa entre duas grandes correntes de pensamento, sobre as fontes de

vantagem competitiva, se desenvolveu utilizando os resultados de trabalhos

empíricos apresentados em uma linha de pesquisa que estuda a decomposição da

variabilidade do desempenho existente em determinados grupos de empresas.

De acordo com uma das linhas de pensamento, o desempenho superior de uma

empresa se deve à estrutura da indústria da qual a empresa faz parte e ao seu

posicionamento dentro desta indústria de modo a se defender das forças

competitivas ou influenciá-las em favor próprio.

Segundo esta corrente de pensamento, a competição leva as empresas a

direcionarem seus recursos para atividades que produzam maiores retornos e

quando existe persistentemente, em determinado setor industrial, retornos

superiores à média, verifica-se a presença de impedimentos ao fluxo dos recursos. A

investigação sobre tais impedimentos é o foco de estudo da linha de pensamento

teórico denominado economia industrial ou organização industrial (IO), onde a

principal unidade de análise é o setor industrial ou simplesmente indústria. O

pressuposto implícito a esta corrente de pensamento é que as maiores imperfeições

de mercado são resultados do comportamento coletivo das empresas.

Durante os anos 60 e 70, grande quantidade de trabalhos, na linha de pesquisa da

organização industrial (IO), foram publicados, apresentando ensaios empíricos

utilizando análise de regressão para explicar o desempenho da empresa com base

em características da indústria, como concentração de fornecedores, intensidade de

propaganda e gastos com pesquisa e desenvolvimento (McGAHAN; PORTER,

2002). O objetivo era explorar as relações entre barreiras estruturais para novos

entrantes, acordos tácitos e desempenho da indústria.

Tais estudos começaram a ser contestados no início dos anos 80, uma vez que

tendiam a assumir que a estrutura das indústrias não era influenciada pelo

17

desempenho das empresas que a compunham. Sob o pressuposto de que era a

estrutura da indústria que influenciava o desempenho, tal modelo teórico excluía a

possibilidade de outras direções de causalidade. Não havia a possibilidade da

conduta ser influenciada pelo desempenho ou que a conduta fosse influenciada pela

estrutura da indústria.

Em resposta a tais limitações, foram desenvolvidos trabalhos utilizando a

decomposição da variância do desempenho das empresas, que não buscavam

analisar relações causais entre os fatores, mas documentar estes relacionamentos

(RUMELT, 1991, SCHMALENSEE, 1985, WERNERFELT; MONTGOMERY, 1988).

Fazendo uma revisão da literatura da época, Schmalensee (1985) reinterpretou os

resultados, até então obtidos sobre a estrutura e o desempenho das indústrias,

como descrições sobre regularidades observáveis em vez de evidências conclusivas

sobre relacionamentos causais.

Buscando ampliar o escopo das pesquisas até então apresentadas, Schmalensee

(1985) utilizou, de forma inédita, técnicas de decomposição de variância do lucro

contábil para avaliar a importância associada aos fatores que a teoria indicava como

determinantes do desempenho das empresas. Duas conclusões interessantes

apontadas no trabalho de Schmalensee (1985), foram, primeiramente, que o efeito

corporação não existia e em segundo lugar, que o efeito indústria além de estar

presente, era importante explicando cerca de 20% da variância do retorno das

empresas e mais de 75% da variância dos retornos das indústrias.

Tais resultados provocaram polêmica no campo da estratégia, que advoga que os

maiores impedimentos aos fluxos provêem das ações individuais das corporações

ou unidades de negócios.

Nos anos 80 a linha de pesquisa do gerenciamento estratégico focou-se cada vez

mais na própria empresa como fonte de explicação das diferenças de rentabilidade.

A principal razão para esta mudança de foco foi a dificuldade encontrada pela

economia industrial em fornecer explicações sobre as diferenças de desempenho de

empresas dentro de uma indústria.

18

Nelson (1991) afirma que a teoria microeconômica tradicional, com seu foco na

indústria, ignorou o fato de que a empresas fazem escolhas distintas e tais escolhas

não são idênticas entre empresas de uma mesma indústria, causando diferenças no

desempenho das empresa dentro de uma indústria.

Enquanto Mason (1939) e Bain (1956) fizeram seus estudos procurando analisar a

lucratividade dos monopólios e oligopólios, preocupados com o desenvolvimento de

políticas regulatórias que promovessem a concorrência, Michael Porter utilizou este

mesmo modelo básico, para a formular estratégias que utilizassem o poder dos

monopólios como vantagem para a empresa (VASCONCELOS; CYRINO, 2000).

A RBV forneceu uma explicação alternativa para as diferenças de desempenho

dentro das indústrias, propondo que competências específicas de cada empresa em

acumular e alavancar recursos, que seriam únicos ou de difícil imitação, forneceriam

vantagem competitiva implicando em diferenças de desempenho das empresas.

Para que o desempenho superior fosse sustentável, os recursos deveriam ser raros,

difíceis de serem copiados e não comercializáveis (BARNEY, 1991, DIERICKX;

COOL, 1989, WERNERFELT, 1984). As empresas passam, então, a não serem

mais vistas como “caixas pretas”, mas como coleções de capacidades distintas que

formam os recursos que determinam as diferenças nos desempenhos.

Como resultado destas diferenças teóricas, surgiram pesquisas empíricas tentando

identificar a importância da indústria e das características da própria empresa como

fatores explicativos de seu desempenho. Utilizando a fatia de mercado como medida

de heterogeneidade entre as empresas, Schmalensee (1985), foi o primeiro a

apresentar um estudo tentando identificar empiricamente a importância da indústria

e de fatores ligados à empresa, como elementos explicativos de sua rentabilidade. A

este trabalho pioneiro, seguiram-se diversas pesquisas empíricas aperfeiçoando a

metodologia e utilizando bases de dados mais detalhadas. Como resultado, todos os

estudos mostraram que as especificidades das empresas representam o fator mais

importante na determinação da variação dos desempenhos.

Na decomposição da variância, o efeito corporação geralmente deriva de diferenças

na média dos retornos de cada uma das empresas controladas por corporações que

19

possuem diversas empresas. Como a decomposição de variância identifica

diferenças entre as firmas, tal técnica fornece um meio de investigar fontes de

heterogeneidade no desempenho das empresas (ADNER; HELFAT, 2003).

Este trabalho se insere dentro desta linha de pesquisas empírica, procurando

investigar a decomposição da variabilidade do desempenho das grandes empresas

que atuam no território nacional.

Com tal objetivo, no capítulo 2 será feita uma revisão teórica das correntes de

pensamento estratégico, que têm utilizado estas pesquisas na disputa pela

supremacia no campo.

No capítulo 3 serão apresentadas as justificativas e as questões que se pretende

investigar neste trabalho.

No capítulo 4, serão discutidos os fundamentos metodológicos sobre os quais as

técnicas utilizadas nesta pesquisa se baseiam.

No capítulo 5, será apresentada a base de dados utilizada, enquanto que as

análises propriamente ditas, serão desenvolvidas no capítulo 6.

No capítulo 7 serão analisados os resultados encontrados no capítulo 6 e em

seguida, no capítulo 8, serão tecidas as conclusões finais do trabalho.

20

2. REVISÃO DA TEORIA

O tema competitividade torna-se cada dia mais importante, tendo sido muito

impulsionado pela aprovação do GATT (General Agreement on Tariffs and Trade)

em 1994 e da WTO (World Trade Organization). Este tratado abriu caminho para a

formação de blocos regionais e acordos comerciais multilaterais como MERCOSUL,

ALCA e NAFTA, permitindo às empresas atuar globalmente e conseqüentemente

competir com empresas de todo o mundo pela conquista de consumidores em áreas

geográficas específicas.

Este processo permitiu um crescente aumento do relacionamento entre empresas e

clientes, rompendo as barreiras geográficas. Os consumidores ficam cada vez mais

expostos ao assédio de produtos de empresas localizadas em várias partes do

planeta, fazendo com que haja cada vez mais concorrentes disputando um mesmo

cliente, aumentando significativamente a competição.

A competitividade está intimamente relacionada com a disputa pelos clientes e para

ser considerada competitiva, a empresa deverá ter vantagens sobre as outras na

conquista e manutenção destes clientes. Dentro desta perspectiva, a seguinte

definição de competitividade pode ser utilizada:

“...a competitividade deve ser entendida como a capacidade da empresa de formular e implementar estratégias concorrenciais, que lhe permitam conservar, de forma duradoura, uma posição sustentável no mercado.” (COUTINHO; FERRAZ, 1995, p. 18).

A competitividade é alcançada através da utilização de ferramentas administrativas,

que permitam formular e implementar estratégias que, se desenvolvidas com foco na

entrega de um valor superior, levarão a empresa a um relacionamento duradouro e

lucrativo com seu cliente.

Existem diversos fatores que influenciam na competitividade de uma empresa, se os

classificarmos conforme sua origem, eles podem se apresentar como internos à

empresa, relativos à indústria onde a empresa está inserida ou podem ser fatores

21

macroeconômicos. Na Figura 1 são sumarizados os fatores determinantes da

competitividade da indústria e as características relacionadas a sua origem

(COUTINHO; FERRAZ, 1995).

Figura 1 – Fatores determinantes da competitividade da indústria Fonte: Coutinho e Ferraz, 1995

Os fatores internos, normalmente, estão sob o controle da empresa, podendo esta

modificá-los conforme suas necessidades. Neste contexto estão as decisões sobre

as estratégias que serão adotadas, sistemas de gestão, políticas de capacitação e

treinamento, investimentos em novas plantas e tecnologia, que são fatores total

controle da empresa.

Os fatores estruturais são representados pelas condições reinantes na indústria ou

setor em que a empresa atua. As condições da concorrência, do mercado

consumidor, grau de verticalização, escalas de operação, propriedade dos meios de

produção e sistema fiscal e tributário, são fatores estruturais inerentes à indústria e

afetam-na sem que ela tenha controle direto sobre eles, podendo apenas se

posicionar estrategicamente diante deles.

Os fatores sistêmicos são aqueles cuja influência vai além do setor ou indústria,

como condições macroeconômicas, taxa de câmbio, taxas de juros, políticas

FATORES INTERNOS À

EMPRESA

Estratégia e Gestão

Capacidade

para inovação

Capacitação

Produtiva

Recursos Humanos

Macro-econômicos

Internacionais Sociais

Tecnológicos

Infra-estruturais

Fiscais e

Financeiros

Político-institucionais

FATORES SISTÊMICOS

FATORES ESTRUTURAIS (SETORIAIS)

Set

ores

Mercado Configuração da industria

Concorrência

22

tributárias, regulatórias, ambientais, de incentivo ao desenvolvimento de novas

tecnologias, etc. Este modelo apresenta a noção de competitividade sistêmica, onde

o resultado da empresa é dependente não apenas de fatores internos, mas também

de fatores estruturais externos à empresa.

Os fatores internos e estruturais serão tratados no próximo capítulo, quando serão

analisadas as principais correntes teóricas que procuram explicar as fontes de

vantagem competitiva. Enquanto fatores estruturais da indústria são considerados

determinantes do desempenho das empresas por algumas das correntes

predominantes, os fatores internos e idiossincráticos da empresa são tidos, por

outras correntes teóricas, como sendo os aqueles que realmente causam a

diferenciação existente no desempenho das empresas.

A seguir serão apresentados dois fatores sistêmicos, cujos efeitos ultrapassam as

barreiras setoriais e regionais e cujo impacto tem sido tão importante que tem

mudado a base de competição e de concorrência nos mercados globais.

2.1. Fatores Sistêmicos que Afetam a Competitividade

Alguns destes fatores externos à organização afetam atualmente vários ramos

industriais e têm paulatinamente expandido seus efeitos para outros que pareciam

imunes aos seus efeitos, modificando significativamente as bases da competição

global. Normalmente são tendências que se manifestam sem que as empresas

tenham controle sobre elas.

Dois importantes fatores que têm modificado significativamente as bases da

concorrência, são: o aumento da velocidade evolutiva de diferentes setores

industriais e o rápido desenvolvimento da tecnologia de informação. O primeiro tem

feito com que sólidas empresas se vejam ultrapassadas por outras mais ágeis e

rápidas e o segundo permitiu a globalização das fontes de recursos e as transações

23

em tempo real, aumentando a agilidade da empresa através da diminuição do tempo

de resposta às demandas do ambiente.

Para Fine (1999) a vantagem competitiva é temporária e está associada à

velocidade evolutiva da indústria, uma vez que quanto maior a velocidade evolutiva

menor será o tempo de duração da vantagem competitiva. Ela é transitória e

temporária porque existe uma dinâmica na evolução das indústrias.

Nenhuma capacidade é inexpugnável, nenhuma liderança é inalcançável, nenhum reino é imbatível. De fato, quanto mais alta a velocidade evolutiva, mais breve o reinado. A vantagem sustentável é um conceito típico de uma situação de baixa velocidade evolutiva; a vantagem temporária é o conceito predominante nos ambientes de alta velocidade evolutiva. (FINE, 1999, p. 23).

A velocidade evolutiva representa a velocidade com que as mudanças relacionadas

ao produto, processo e à organização, ocorrem em determinado setor industrial.

Esta dinâmica é comparada por Fine (1999) ao conceito Schumpeteriano de

destruição criativa:

A imagem e a teoria da destruição criativa, notoriamente um parente próximo da velocidade evolutiva, é de Joseph Schumpeter, Capitalism, Socialism, and Democracy (Nova York: Harper and Row, 1975). (FINE, 1999, p. 240).

Os vetores que impulsionam a destruição criativa nos setores de alta velocidade

evolutiva são: tecnologia e competição. Nesta época de vantagem competitiva

temporária, o essencial é a habilidade de escolher bem as capacidades que

agregarão valor. O segredo está em antecipar quais as capacidades que merecem

investimento e as que devem ser terceirizadas, afetando a forma como a

organização se estrutura, conforme mostrado na Figura 2.

24

Figura 2 – Hélice Dupla Fine (1999, p. 58)

Dentro deste contexto, a sobrevivência da empresa depende de algumas funções

críticas a serem desempenhadas, que são:

Habilidade superior para antecipar as mudanças tecnológicas e de mercado.

Habilidade superior de antecipar, adaptar-se e elaborar novas estratégias

ganhadoras frente às ações da concorrência.

Habilidade superior de monitorar e gerenciar as novas tecnologias, a rápida

evolução do mercado e as novas táticas dos concorrentes.

Segundo este modelo, quando a estrutura setorial é vertical e a arquitetura do

produto é integrada, surgirão forças de desintegração, como entrada de

concorrentes, esforços de manutenção de liderança e inflexibilidade organizacional.

Estas forças tendem, a enfraquecer as grandes e verticalizadas empresas e acabam

por criar pressões em direção à desintegração no sentido de uma maior

horizontalização e modularização do produto.

Por outro lado, quando a estrutura é horizontal e o produto modular, forças como

avanço tecnológico, poder dos fornecedores, poder das patentes e dos sistemas

Pressões para

desintegrar

Pressões para

integrar

Produto modular, setor

horizontal

Produto integrado, setor

vertical Competidores de nicho

Alta complexidade dimensional

Inflexibilidades organizacionais

Avanços técnicos

Poder de mercado dos fornecedores

Rentabilidade dos sistemas patenteados

25

integrados, agem no sentido de conduzir a um movimento de verticalização e

transformação do produto para uma arquitetura mais integrada.

Sob a ótica da velocidade evolutiva e das forças da hélice dupla, existe um

constante movimento de geração de inovações tanto na transformação da

arquitetura do produto e processo como nas técnicas gerenciais necessárias para

lidar com as mudanças, que afetam todas as empresas de um determinado

segmento.

Apesar de influenciar de maneira distinta os diversos setores industriais, o aumento

da velocidade evolutiva é um fator sistêmico uma vez que a velocidade de mudanças

de todos estes setores tem aumentado de forma generalizada, em maior ou menor

grau.

A tecnologia é outro fator que tem assumido importante papel na transformação do

ambiente competitivo, pois tem influenciando diretamente na velocidade de

surgimento de inovações, através da aceleração do fluxo de informações que

contribuem diretamente para a diminuição dos ciclos de concepção, produção e

lançamento de novos produtos.

Tal é a importância da tecnologia da informação que atualmente ela pode chegar a

ser utilizada como base para a redefinição do negócio das organizações,

representando grande potencial para a criação de inovações estratégicas e

gerenciais. O grande potencial da tecnologia da informação está em utilizá-la

alinhada às estratégias e processos da empresa, caso contrário, seu impacto será

somente na otimização de tarefas com pequeno ganho de produtividade

(VENKATRAMAN, 1994).

O modelo de Venkatraman (1994), apresentado na Figura 3, contempla vários

patamares, que representam as possíveis transformações que podem ocorrer em

uma empresa, porém estes diversos níveis não devem ser considerados como

estágios de evolução da empresa. A empresa deve identificar, dentro de sua

estratégia, qual estágio trará o nível de transformação desejado e então, estruturar-

se para atingi-lo.

26

Figura 3 – Cinco níveis de transformação de negócios baseado em TI Fonte: Venkatraman, 1994

Neste modelo de cinco níveis, os dois primeiros são considerados como

evolucionários causando pequeno impacto nos processos da empresa. Os três

níveis superiores são considerados no âmbito das mudanças radicais ou

revolucionárias, demandando alterações estruturais nas rotinas organizacionais.

No primeiro nível temos a utilização de aplicações básicas de tecnologia de

informação (TI), não trazendo vantagens significativas em relação aos concorrentes.

O segundo nível é uma extensão do primeiro, uma vez que busca sistematizar as

capacidades de TI através da construção de infra-estrutura interna para integração

de processos.

No terceiro nível, porém, a empresa deve repensar a forma como conduz seu

negócio, fazendo o redesenho de processos com foco em sua visão de negócio e

objetivos estratégicos. Neste estágio, não se consegue extrair todos os benefícios

da TI, se sua implantação for feita sobre os processos vigentes. Assim, as empresas

devem estudar e compreender a razão dos processos vigentes, seus pontos fortes e

fracos e proceder ao redesenho racional e sistemático dos processos de negócio.

Baixo

Alto

Alto

Exploração localizada

Integração interna (processos)

Reengenharia de processos

Reengenharia da rede de negócios

Redefinição do escopo dos negócios

Níveis evolucionários

Níveis revolucionários

Amplitude de benefícios potenciais

Gra

u de

tran

sfor

maç

ão n

os

negó

cios

B

aixo

27

No quarto nível, tem-se uma mudança externa à empresa, com redesenho da forma

de troca de informações com clientes e fornecedores. Este redesenho é encarado

como estratégico, uma vez que possibilita o conhecimento dos negócios dos

parceiros, o aumento da eficiência administrativa e operacional e a utilização de

competências compartilhadas. A reestruturação do relacionamento da rede pode

gerar produtos superiores permitindo a extensão do negócio, que é o quinto nível.

No quinto nível, a empresa explora as funcionalidades da TI no mercado ou nos

seus produtos. Surgem, assim, empreendimentos conjuntos, alianças, sociedades e

redes de negócios virtuais mais flexíveis e fluídas. Algumas tarefas podem ser

terceirizadas fortalecendo a rede, tendo a TI como suporte para controle do processo

da rede como um todo.

Estas possibilidades de transformações estruturais no âmbito dos negócios têm

acelerado o processo de surgimento de inovações, tanto de produto e processo

como em novas formas organizacionais e gerenciais, modificando a forma de

competição das empresas.

2.2. Vantagem Competitiva e Estratégia Competitiva

A partir dos anos 70, novas correntes do pensamento econômico começaram a

discutir a questão da vantagem competitiva utilizando diferentes abordagens, o que

levou ao surgimento das diferentes teorias de estratégia empresarial. Neste estudo,

estratégia empresarial é definida como: um conjunto de objetivos, políticas e planos,

a fim de definir o escopo do empreendimento e sua abordagem, visando

sobrevivência e sucesso (RUMELT, 2001).

Como a estratégia pode ser definida como uma teoria de como competir com

sucesso (BARNEY, 2001a), um dos elementos-chave de toda estratégia é a

28

vantagem competitiva, uma vez que procura criar ou explorar vantagens mais

convincentes, duráveis e difíceis de serem duplicadas (RUMELT, 2001).

A seção seguinte é dedicada à análise detalhada dos conceitos de vantagem

competitiva e das principais correntes de estratégia competitiva.

2.2.1. Vantagem Competitiva

A vantagem competitiva pode ser encarada sob o aspecto do posicionamento dentro

da indústria (PORTER, 1991), ou simplesmente, a capacidade de fazer as coisas

melhor do que a concorrência (SLACK, 1993), ou ainda como o resultado da

utilização de recursos únicos ou raros pertencentes à empresa (BARNEY, 1991,

BARNEY, 2001b, WERNERFELT, 1984).

Sua principal característica é permitir que algumas empresas apresentem

desempenho superior ao dos seus concorrentes, independente da atratividade do

ramo industrial em que atuam (BHARADWAJ; VARADARAJAN; FAHY, 1993).

A abordagem teórica da economia industrial assume que as empresas tendem a se

igualarem, focando-se, então, no estudo do mercado ou da indústria como resultado

conjunto das ações de diversas empresas. Por outro lado, as correntes do

pensamento estratégico se interessam pelo resultado individual da empresa,

tentando identificar os fatores que fazem com que uma difira de outra (RUMELT;

SCHENDEL; TEECE, 1994a).

Uma das primeiras definições de vantagem competitiva pode ser encontrada no

trabalho de Ansoff (1965), como sendo a vantagem de perceber proativamente

tendências de mercado antes dos concorrentes e de ajustar a oferta em função

desta antecipação. Desta definição vem o conceito conhecido atualmente como

vantagens do pioneiro (FOSTER, 1986), onde encontram-se exemplos clássicos

29

como o da General Motors que na década de 20 se antecipou à mudança nas

demandas do mercado consumidor ultrapassando a Ford, até então líder de

mercado (SLOAN, 1964) ou da Sears que percebeu antecipadamente o movimento

de mudança dos centros de compra para os subúrbios levando-a a se antecipar e se

distanciar de seus concorrentes (CHANDLER, 1962).

O tema vantagem competitiva, porém, só se difundiu amplamente no final da década

de 70 e início da década de 80 (ALLEN, 1978, GLUCK; KAUFMAN; WALLECK,

1980, MORRISON; LEE, 1979, OHMAE, 1978, SOUTH, 1981), tendo uma

abordagem eminentemente prática, uma vez estes textos provinham de consultores

e de diretores de grandes corporações (ROTHSCHILD, 1984a, ROTHSCHILD,

1984b). A partir de meados da década de 80, a academia passou a pesquisar de

forma crescente o tema vantagem competitiva (AAKER, 1984, CAVES, 1984,

PORTER, 1989, SPENCE, 1984), tendo se tornado, desde então, um tema

constante e obrigatório na literatura de estratégia.

Uma definição abrangente de vantagem competitiva utilizando os pressupostos da

visão baseada em recursos (RBV) é a seguinte:

... diz-se que uma empresa tem uma vantagem competitiva sustentável quando ela está implementando uma estratégia de criação de valor que não esteja sendo implementada simultaneamente por qualquer concorrente ou potencial competidor e quando não for possível a estas outras empresas duplicar os benefícios desta estratégia. (BARNEY, 1991, p. 102, tradução nossa).

Segundo esta visão, a vantagem competitiva se configuraria como uma estratégia

que criasse valor para a empresa e que não pudesse ser implementada pelas

empresas competidoras.

Quando se considera o tema vantagem competitiva, o essencial é saber o que

sustenta esta vantagem, fazendo com que a concorrência desista de tentar imitá-la

(RUMELT, 2001). A resposta está no fundamento da vantagem, que pode ser

baseada em:

Habilidades superiores: são vantagens organizacionais, construídas através da

interação de investimentos, trabalho e aprendizado, sendo aprimoradas pelo seu

30

uso. As atividades com base no conhecimento geram a maior parte do valor nos

serviços e na fabricação.

Recursos superiores: patentes, marcas registradas, ativos físicos especializados

e fontes de matéria prima e canais de distribuição privilegiados.

Posição superior: consiste dos produtos e serviços que oferece, o segmento em

que atua e o grau de isolamento da concorrência.

Cada um destes fundamentos como fonte de vantagem competitiva foi desenvolvido

e sistematizado por distintas escolas de estratégia competitiva, que são as correntes

teóricas que estudam as estratégias como meios de se conquistar vantagem frente

aos concorrentes.

2.2.2. Estratégia Competitiva

As teorias de Estratégia Empresarial que tratam da vantagem competitiva podem ser

classificadas através de duas diretrizes principais: segundo sua concepção da

origem da vantagem competitiva e segundo suas premissas sobre a concorrência

(VASCONCELOS; CYRINO, 2000).

Quanto à origem da vantagem competitiva, existem as estratégias que a consideram

como conseqüência do posicionamento da empresa em relação à estrutura da

indústria, sendo, portanto, um fator externo à empresa. Uma segunda corrente de

pensamento atribui a origem da vantagem competitiva às competências

desenvolvidas dentro da organização que a levam a ter um desempenho superior.

Quanto às premissas sobre a concorrência, as estratégias competitivas dividem-se

entre aquelas que possuem uma visão estrutural e essencialmente estática da

concorrência e aquelas que se focam nos aspectos dinâmicos e mutáveis da

concorrência, ressaltando fenômenos como as inovações radicais como elementos

de desequilíbrio do ambiente.

31

As teorias de estratégia que procuram explicar as fontes de vantagem competitiva

dentro destas dimensões podem ser agrupadas em quatro correntes distintas,

conforme demonstrado na Figura 4.

Figura 4 – As correntes explicativas da vantagem competitiva Fonte: Vasconcelos e Cyrino, 2001

Estas várias correntes explicativas representam as diversas escolas do pensamento

estratégico, sendo sustentadas por premissas e concepções próprias.

Nos capítulos seguintes serão apresentadas as discussões de duas destas correntes

que disputam a supremacia de seus pressupostos, utilizando argumentos baseados

nos resultados apresentados em uma linha de pesquisas empíricas, na qual este

trabalho procura contribuir.

Seguindo a classificação proposta por Vasconcelos e Cyrino (2000), serão

estudadas mais detalhadamente a seguir, as diferentes correntes de formação de

vantagem competitiva, apresentando algumas estratégias típicas de cada um destes

grupos.

3 – Processos de mercado

Escola Austríaca (Hayek, Schumpeter)

4 – Capacidades dinâmicas

Teoria das Capacidades Dinâmicas

A vantagem competitiva explica-se por fatores externos (mercados e estrutura das indústrias).

A vantagem competitiva explica-se por fatores internos específicos à firma

Estrutura da indústria

Estática: equilíbrio e estrutura

Processos de mercado (market process)

Dinâmica: mudança e incerteza

2 – Recursos e competências

Teoria dos Recursos

1 – Análise estrutural da indústria

Análise de Posicionamento (Porter)

32

2.2.2.1. Análise Estrutural da Indústria

Um dos mais influentes pensadores desta corrente teórica é Michael Porter. Seu

trabalho foi construído sobre sólidas bases da economia industrial desenvolvido

inicialmente por Edward Mason (1939) e Joe Bain (1956) sobre a estrutura da

indústria, que ficou conhecido como análise SCP (Structure-Conduct-Performance)

(VASCONCELOS; CYRINO, 2000).

Mason (1939) argumentava, no final dos anos 30, que havia uma relação

determinística entre a estrutura de mercado e a lucratividade das empresas. O

pressuposto básico sob esta alegação era que as características estruturais da

indústria ou mercado determinavam o desempenho das empresas. Tais

características, que freqüentemente eram operacionalizadas através da utilização de

medidas de concentração de mercado, representavam as restrições quanto às

possíveis estratégias que as empresas poderiam adotar.

As estratégias, que eram as responsáveis pelos diferentes níveis de desempenho

observado entre as empresas, dependiam, então, da estrutura da indústria que

estavam atuando. As empresas em determinada indústria eram tidas como

semelhantes diferenciando-se somente no tamanho ou escala de atuação, fazendo

com que o foco da análise recaísse fortemente sobre o setor industrial (RUMELT;

SCHENDEL; TEECE, 1994b).

Baseada em tais pressupostos, a economia industrial clássica assumiu, então, a

indústria ou mercado como seu objeto de estudo tratando-os como principal unidade

de pesquisa. Partiu-se do pressuposto de que as diferenças entre as empresas são

transitórias, uma vez que no longo prazo todas tendem a se igualar. O ponto de

equilíbrio de uma determinada indústria é alcançado pela habilidade das empresas

estabelecidas em restringir a rivalidade no setor e pela forma como se protegem de

novos entrantes através da construção de barreiras de entrada no setor.

33

Desde o final dos anos 70, a linha teórica conhecida como economia industrial ou

organização industrial (IO) tem fornecido os pressupostos teóricos básicos para a

explicação do desempenho da empresa. O argumento central é que as

características estruturais das indústrias são os principais determinantes das

diferenças de desempenhos entre empresas (PORTER, 1980).

A base conceitual da economia industrial se apóia na estrutura-conduta-

desempenho (SCP) que pressupõe a existência de uma relação determinística entre

a estrutura do mercado e a rentabilidade ou desempenho das empresas individuais

(HAWAWINI; SUBRAMANIAN; VERDIN, 2003). As características estruturais de

uma indústria restringem o comportamento (conduta ou estratégia) das empresas

que a compõe, que leva a uma diferença de desempenho entre empresas de

diferentes indústrias (MASON, 1939).

Para esta corrente teórica, a estrutura da indústria em que a empresa opera é o

principal elemento para explicação da variação de desempenho entre empresas.

Uma importante linha de pesquisa dentro desta linha teórica são é aquela que

investiga o impacto do tamanho da empresa como um fator explicativo de diferenças

de desempenhos (BAUMOL, 1967, HALL; WEISS, 1967). O tamanho seria uma

fonte de vantagem competitiva porque grandes empresas seriam mais eficientes que

pequenas empresas.

Segundo esta visão, o desempenho de uma empresa está diretamente relacionado

com a estrutura da indústria na qual ela está inserida, sendo esta sua principal

unidade de análise e não a firma individualmente. A estrutura da indústria é que

determina o comportamento dos agentes econômicos responsáveis diretos pelo

comportamento da empresa. O posicionamento da mesma dentro da estrutura de

determinada indústria é o fator principal para se alcançar vantagem competitiva.

“Uma vez diagnosticadas as forças que afetam a concorrência em uma indústria e suas causas básicas, a empresa está em posição para identificar seus pontos fracos e fortes em relação à indústria. Do ponto de vista estratégico, as condições cruciais são o posicionamento da empresa quanto às causas básicas de cada força competitiva. Onde a empresa deve se posicionar em relação aos substitutos? Contra as fontes de barreiras de entrada? Competindo com a rivalidade de concorrentes estabelecidos?” (PORTER, 1991, p. 45).

34

O grau de concorrência em uma indústria, conforme demonstrado na Figura 5,

depende de cinco forças competitivas básicas, que são: ameaça de entrada,

ameaça de substituição, poder de negociação dos compradores, poder de

negociação dos fornecedores e rivalidade entre os atuais concorrentes.

Figura 5 – Forças que determinam a concorrência na indústria Fonte: Porter, 1989

Novas empresas entrando para uma indústria aumentam sua capacidade instala de

produção, trazendo maior concorrência, fazendo com que os preços caiam. A

ameaça de entrada de novos concorrentes depende das barreiras de entrada

existentes, que se forem altas dificultarão os movimentos de entrada.

Uma das formas de criar barreiras à entrada é através do fornecimento de um

pacote de valor diferenciado para o cliente, composto por processos, práticas e

ConcorrentesFornecedores

Produtos substitutos

Novos entrantes

Poder de

negociação

Ameaça de novos entrantes

Ameaça de produtos substitutos

Rivalidade entre as empresas

existentes

Clientes Poder de

negociação

Barreiras de Entrada Economias de escala Diferenças de produtos patenteados Identidade da marca Custos de mudança Exigências de capital Acesso à distribuição Vantagens de custo absoluto Curva de aprendizagem Acesso a insumos necessários Projeto de produtos de baixo custo Política governamental Retaliação esperada

Determinantes do poder do fornecedor

Diferenciação de insumos Custos de mudança dos

fornecedores e das empresas da industria

Presença de insumos substitutos

Concentração de fornecedores Importância do volume para o fornecedor Custo relativo a compras totais

na industria Impacto dos insumos sobre

custo ou diferenciação Ameaça de integração para

frente em relação à ameaça de integração para trás pelas

Determinantes da ameaça de substituição

Desempenho do preço relativo dos substitutos

Custos de mudança Propensão do comprador a

substituir

Determinantes da Rivalidade Crescimento da industria Custos fixos (ou de armazenamento)/

valor adicionado Excesso de capacidade crônica Diferença de produtos Identidade de marca Custos de mudança Concentração e equilíbrio Complexidade informacional Diversidade de concorrentes Interesses empresariais Barreiras de saída

Determinantes do poder do comprador

Alavancagem de negociação Concentração de compradores

versus concentração de empresas

Volume do comprador Custos de mudança do comprador

em relação aos custos de mudança da empresa

Informação do comprador Possibilidade de integração para

trás Produtos substitutos Pull Sensibilidade ao preço Preço/compras totais Diferenças dos produtos Identidade de marca Impacto sobre

35

várias características tangíveis e intangíveis que um concorrente levará muito tempo

para copiar ou melhorar, permitindo à empresa ter uma vantagem competitiva

sustentável.

A rivalidade em uma indústria acontece porque um ou mais concorrentes sentem-se

pressionados ou percebem oportunidades de melhorar seu posicionamento,

podendo esta rivalidade variar de cavalheiresca a impiedosa.

A existência de produtos substitutos faz com que os retornos potenciais da indústria

sejam reduzidos, colocando um teto nos preços praticados pela indústria. Quanto

mais atrativa for a relação preço-desempenho oferecida pelo produto substituto,

maior será a pressão sobre os lucros da indústria.

Quando o grupo comprador de uma determinada indústria é muito poderoso, ele

pode influenciar no preço de venda dos produtos desta indústria, jogando os

concorrentes uns contra os outros, acirrando a rivalidade nesta indústria.

Fornecedores poderosos com poder para elevar preços, podem diminuir a

rentabilidade de uma indústria que for incapaz de repassar os aumentos de custos

para o preço de seus produtos.

Para enfrentar as cinco forças competitivas, Porter (1991) apresenta três

abordagens estratégicas genéricas para superar outras empresas em uma indústria

(Figura 6): a liderança no custo, a diferenciação do produto e enfoque.

Optando pela liderança no custo, a empresa procurará tornar-se o produtor de baixo

custo de sua indústria. Custo baixo em relação aos concorrentes passa a ser o foco

de toda a estratégia da empresa.

A segunda estratégia faz com que a empresa procure ser única no oferecimento de

determinadas características oferecendo um pacote de valor superior ao da

concorrência. Através desta estratégia, a empresa procura ser única em sua

indústria, selecionando alguns atributos que os compradores valorizam e

posicionando-se de forma diferenciada para satisfazer estas necessidades.

36

Figura 6 – Três estratégias genéricas Fonte: Porter, 1991

A terceira estratégia, o enfoque, diferencia-se das outras duas, porque uma vez

adotando esta estratégia, a empresa irá procurar atender a um segmento restrito

dentro da indústria. A empresa seleciona um segmento da indústria e prepara sua

estratégia para atendê-lo, sendo que o enfoque pode ser em custo ou diferenciação.

O enfoque no custo explora a diferença no comportamento em relação ao custo de

algum segmento, enquanto que o enfoque em diferenciação procura atender

necessidades especiais de algum segmento da indústria.

A estratégia competitiva definirá o posicionamento da empresa dentro da sua

indústria, o que determinará se sua rentabilidade será superior ou não à média da

indústria (PORTER, 1989).

Nesta visão as tecnologias-chave da indústria já estão difundidas, as relações da

cadeia de valor já estão estabelecidas e a estrutura da indústria já está a longo

tempo estabilizada. Assim, as únicas fontes de vantagem competitiva são o

posicionamento e a diferenciação.

Este, porém, não é o caso de indústrias de alta velocidade evolutiva onde o

surgimento de tecnologias de ruptura é uma constante, mudando continuamente a

base da competição.

DIFERENCIAÇÃO LIDERANÇA NO CUSTO TOTAL

ENFOQUE

VANTAGEM ESTRATÉGICA

Apenas um segmento particular

Unicidade observada pelo cliente

Posição de baixo custo

No âmbito de toda a indústria

ALV

O E

STR

ATÉ

GIC

O

37

Este modelo é bastante frágil quando se trata de novos valores oferecidos através

de inovações descontínuas, uma vez que seu foco está no posicionamento em uma

indústria, presumindo que não haverá rupturas significantes na tecnologia, cadeia de

valor ou estrutura de mercado (MOORE, 2000). É, portanto, uma visão estática de

um ambiente que pode ser radicalmente modificado pela introdução de inovações

radicais. Schumpeter, descrevendo a análise neoclássica da economia como sendo

“estática”, analisa as limitações desta:

“Mas a análise ‘estática’ não é apenas incapaz de predizer as conseqüências de mudanças descontínuas no modo tradicional de fazer as coisas, ela também não pode explicar a ocorrência de tais revoluções produtivas, nem o fenômeno que as acompanham. (SCHUMPETER, 1955, p. 62, tradução nossa).

Algumas das correntes estratégicas que serão estudadas na seqüência, contemplam

uma visão mais dinâmica da concorrência e do mercado, onde se procura competir

com base na geração de inovações.

2.2.2.2. Recursos e Competências

Ao contrário da escola do posicionamento, a unidade de análise principal da teoria

dos recursos é a empresa, que é o local onde se desenvolvem os recursos e

competências que são os fatores-chave da vantagem competitiva. A competitividade

decorrente da estrutura da indústria e de seu posicionamento nela é visto de modo

secundário.

O sucesso da empresa depende essencialmente da coordenação de atividades e

recursos a fim de levar a meios eficazes de agregar valor para o cliente,

desenvolvendo visão sistêmica e de longo prazo das necessidades potenciais que o

mercado possa vir a ter.

38

Nesta visão estratégica as firmas são vistas como um feixe de recursos

(WERNERFELT, 1984) ou como conjuntos de competências (PRAHALAD; HAMEL,

1990) que as diferenciam entre si, sendo que estes recursos são considerados

elementos raros e de difícil imitação, compostos por recursos tangíveis e intangíveis

(HALL, 1992). As diferenças de desempenho entre empresas são causadas pelas

diferentes dotações de recursos que cada empresa possui e na forma como elas

combinam estes recursos.

O fato dos recursos terem capacidade de gerar vantagem competitiva implica que

estes sejam raros, quer seja pela dificuldade de desenvolvê-los internamente na

empresa, quer seja por razões estruturais do mercado, como a posse de patentes,

licenças para exploração de recursos naturais, reservas legais de mercado, etc.

Características como imitabilidade imperfeita, que impedem que outras empresas

reproduzam os recursos e substitutibilidade imperfeita impedem que outras

empresas ofereçam produtos substitutos que tenham o mesmo desempenho,

funcionam como mecanismos de sustentabilidade da vantagem competitiva.

A função principal da administração é gerenciar os processos de criação,

acumulação e difusão interna de recursos diferentes ou raros, que permitam à

empresa desenvolver estratégias diferenciadas, através de combinações únicas

destes recursos, para gerar valor para seu cliente (VASCONCELOS; CYRINO,

2000).

Apesar do desenvolvimento teórico da RBV ser relativamente recente, datado do

final da década de 80, suas origens podem ser atribuídas a abordagens bem mais

antigas (BARNEY; ARIKAN, 2001), como: a abordagem das competências

distintivas, a abordagem econômica de Ricardo, o trabalho de Penrose sobre o

crescimento da firma e o questionamento das iniciativas antitruste na economia

americana.

A primeira abordagem está relacionada com o conceito de competência distintiva,

cuja origem é encontrada na obra de Selznick (1957), que foi um dos primeiros a

identificar a habilidade gerencial como uma das muitas competências distintivas que

uma empresa pode possuir. Naquele trabalho foi introduzido o conceito de liderança

39

institucional como sendo aquela que define a razão de ser da organização, criando

uma visão e um propósito para ela. Tal processo leva ao surgimento de

competências distintivas que se materializam como atividades que elas conseguem

desempenhar melhor que a maioria dos seus concorrentes. O desenvolvimento

moderno do tema competências distintivas em estratégia foi apresentado por Hitt e

Ireland (1985), elaborando sobre conceitos que surgiram primeiramente nos

trabalhos de Learned et al. (1965) e de Ansoff (1965).

A segunda abordagem relaciona-se com a obra de Ricardo (1937), que foi o primeiro

a associar os recursos possuídos individualmente pelas firmas com a variabilidade

existente no desempenho das empresas. Seu exemplo clássico versa sobre a

produtividade da terra, onde as terras mais férteis seriam as primeiras a serem

utilizadas no plantio por apresentarem maior produtividade. Se a demanda assim o

exigisse, a terras menos e menos férteis também seriam utilizadas, até que seu

preço atingisse o custo marginal de produção. Aqueles que possuíssem as terras

mais férteis teriam rendas superiores aos demais por possuírem um recurso que

incorreria em menores custos. Estas rendas superiores são denominadas rendas

ricardianas. A RBV, por sua vez, tem como pressuposto que a criação, manutenção

e descarte de recursos únicos ou raros, por parte da empresa, são os diferenciais

que possibilitam um desempenho superior (BARNEY, 1986b, DIERICKX; COOL,

1989).

A terceira abordagem fundamenta-se no trabalho de Penrose (1959) que foi a

primeira a definir a firma como um conjunto de recursos sob coordenação

administrativa, e sua visão sobre a concepção do que é a firma e de seu modo de

operação estão nos fundamentos da RBV, tornando-a referência no

desenvolvimento histórico da RBV (COCKBURN; HENDERSON; STERN, 2000,

CONNER, 1991, GRANT, 1991, MAHONEY; PANDIAN, 1992, PETERAF, 1993,

WILLIAMS, 1994). Muitas das questões atuais de pesquisa referentes à RBV foram

inspiradas no trabalho de Penrose (KOR; MAHONEY, 2000).

A quarta abordagem sobre a origem da RBV tem suas raízes no estudo da

regulação antitruste, iniciado na década de 70 nos Estados Unidos. Estes estudos

assumiram um posicionamento mais crítico em relação à importância da estrutura do

40

ramo de negócios como determinante do desempenho da empresa, afirmando que a

existência de uma empresa que apresentasse lucros muito acima da média não

representaria, necessariamente, que esta estivesse utilizando práticas

anticompetitivas. Um desempenho superior poderia ser atribuído, entre outros

fatores, a capacidade gerencial da empresa ou o fato de possuir técnicas difíceis de

se duplicar (DEMSETZ, 1973).

Estas diferentes abordagens forneceram os fundamentos para o desenvolvimento na

década de 80 da visão baseada em recursos ou RBV. Dentre os primeiros trabalhos

sobre a RBV destaca-se o de Wernerfelt (1984) que coloca o conceito de recurso

como fundamental para a estratégia empresarial.

O trabalho de Rumelt (1984) propõe elementos de uma teoria da firma sob a

perspectiva estratégica onde a firma é vista como um conjunto de recursos, onde as

incertezas prévias da utilidade de certos recursos podem se transformar em

posteriores fontes de renda através de mecanismos de isolamento que impeçam que

as firmas se tornem iguais. Assim, por exemplo, mudanças tecnológicas, nas

preferências do consumidor, nas estruturas legais e institucionais ou novas

descobertas e inovações podem criar oportunidades para que determinados

recursos se tornem mais valiosos e fontes de rendas superiores para os que os

detém, sendo a atividade empreendedora a principal responsável por tais mudanças.

Outro trabalho clássico fundamentando a RBV foi apresentado por Barney (1986b),

onde ele discute o mercado de fatores estratégicos, evidenciando a importância da

análise das habilidades pertencentes à empresa, a fim de que esta possa aproveitas

oportunidades de compra e de desenvolvimento de recursos. Um determinado

recurso, portanto, deve ser adquirido quando uma análise dos custos de aquisição

em relação aos potenciais benefícios demonstrar sua viabilidade econômica. No

entanto imperfeições no mercado de fatores competitivos levam à possibilidade

teórica da vantagem competitiva sustentável.

Dierickx e Cool (1989) ampliaram os conceitos apresentados por Barney (1986b),

afirmando que os mercados de fatores estratégicos, além de imperfeitos, seriam

também incompletos. Desenvolveram uma estrutura para análise de fatores para os

41

quais não existiam mercados, uma vez que apesar serem acumuláveis pelas

empresas, não seriam passíveis de negociação. Por exemplo, a experiência e o

conhecimento adquiridos em um longo processo de criação e desenvolvimento de

novos produtos, se configura como um recurso não passível de comercialização ou

imitação, que pode permitir. Assim, os recursos mais importantes para a empresa

seriam aqueles já possuídos por elas, sendo em geral não negociáveis, não

imitáveis e não substituíveis. Algumas vezes, porém, estes recursos poderiam se

apresentar como não identificáveis ou não controláveis (NELSON; WINTER, 1982).

Diversos trabalhos influenciaram a RBV em sua fase inicial, dentre eles destacam-se

os seguintes trabalhos:

Barney (1986a) apresentou o tema cultura organizacional recurso passível de

fornecer vantagem competitiva;

Castanias e Helfat (1991) aplicaram a lógica da RBV na avaliação da

capacidade gerencial da alta administração como recurso relevante;

Barney (1991) explorou características como raridade, valor, inimitabilidade,

insubstitutibilidade como configuradoras de recursos que fornecem vantagem

competitiva;

Peteraf (1993) formalizou o conceito de vantagem competitiva utilizando

conceitos microeconômicos;

Amit e Shoemaker (1993) desenvolveram noções de ativos estratégicos e

fatores estratégicos como falhas de Mercado que permitem o surgimento de

rendas.

Um grupo que pode se considerado como precursor da teoria dos recursos é a

escola do design estratégico (ANDREWS, 1987), que desenvolveu o modelo de

análise SWOT (Strengths, Weaknesses, Opportunities and Threats) que apresenta

uma visão muito semelhante àquela apresentada pela teoria dos recursos, onde o

diferencial competitivo de uma empresa está na sua capacidade de selecionar e

combinar recursos adequados e mutuamente complementares (VASCONCELOS;

CYRINO, 2000).

No início da década de 90 a RBV já apresentava um sólido corpo conceitual e

teórico construído a partir de trabalhos de diversos pesquisadores. Apesar de alguns

42

críticos sugerirem que falta muito para que ela se torne uma teoria (PRIEM;

BUTLER, 2001), a RBV assumiu no início do século XXI o status de paradigma

dominante em estratégia (BARNEY; ARIKAN, 2001, FOSS, 2002) e passa

atualmente por um processo autocrítica e de questionamento de suas premissas

fundamentais (FOSS; FOSS, 2005, LIPPMAN; RUMELT, 2003a, LIPPMAN;

RUMELT, 2003b).

Um fator limitante da teoria dos recursos é o fato desta se basear no pressuposto de

que os fatores estruturais da concorrência permanecem relativamente estáveis no

longo prazo. Porém, após uma revolução Schumpeteriana, o que era um ponto fraco

pode se tornar em ponto forte e vice-versa; assim, embora se consiga uma

vantagem competitiva sustentável, esta pode ser perdida por mudanças estruturais

no ambiente competitivo (VASCONCELOS; CYRINO, 2000).

2.2.2.3. Processos de Mercado

A Escola Austríaca de Economia, composta por nomes como Carl Menger, Von

Mises, Hayek, Kirzner e Schumpeter, desenvolveu a visão de competitividade como

resultado dos Processos de Mercado, onde a teoria sobre vantagem competitiva

está focada na dinâmica da empresa, dos mercados e da concorrência, enfatizando

mais os processos de mudança e inovação do que as estruturas das indústrias ou os

arranjos estáveis de recursos (VASCONCELOS; CYRINO, 2000).

Para esta escola de pensamento, o mercado não é caracterizado pelo equilíbrio,

como afirmava a teoria neoclássica, mas sim pelo estado de constante desequilíbrio,

como resultado de processos de ruptura causados pela introdução de inovações e

pela constante busca dos concorrentes em suplantar os inovadores, introduzindo

outras inovações. Encontramos nesta dinâmica a figura do empreendedor, que é

associada tanto àquele que introduz as inovações como aos que conseguem imitar

rapidamente os concorrentes.

43

Para Schumpeter (1955), o empreendedor é o responsável pela introdução de

inovações, que por sua vez acabam por provocar uma onda de transformações.

Estas transformações do antigo para o novo, na ótica de Schumpeter, implicavam

em uma “destruição criativa” (Figura 7), uma vez que o novo não nasce do velho,

mas sim paralelo a ele e depois o supera.

Figura 7 – Destruição criativa Fonte: Adaptado de Schumpeter, 1955

A inovação desencadeia primariamente uma série de efeitos cumulativos, como o

estímulo para o crescimento da renda, aumento da demanda de bens e elevação do

nível dos investimentos e secundariamente impulsiona o aparecimento de outras

inovações, que em conjunto alavancam as atividades econômicas, gerando efeitos

multiplicadores e aceleradores do crescimento, elevando o sistema econômico a um

novo patamar.

Este processo apresenta descontinuidade temporal, fazendo com que a economia

se desenvolva através de períodos de expansão e de depressão, sendo que no

primeiro há redução nos custos de produção, incorporação de novas combinações e

aparecimento de novos empreendimentos, enquanto no segundo as empresas

sofrem perdas num ambiente de incertezas, levando-as a adotar novos métodos que

lhes permitam sobreviver, caso contrário a conseqüência mais comum é mudar de

indústria ou a liquidação.

Temos, assim, longos ciclos de desenvolvimento, através de um conjunto de

inovações que levam um setor a se tornar líder na economia, impulsionando seu

crescimento como um todo. As crises acontecem quando ocorre a exaustão das

inovações, uma vez que elas tendo sido difundidas e incorporadas ao sistema como

um todo, param de gerar os altos lucros que impulsionaram o crescimento

Empreendedor Introdução da inovação

Difusão de inovação

Exaustão da inovação

44

econômico. A economia passa, então por um período de depressão, que só é

superado quando uma nova onda de empreendedores volta a introduzir inovações

gerando os lucros que alavancarão novamente as empresas e a economia

(SCHUMPETER, 1939).

2.2.2.4. Capacidades Dinâmicas

O aumento da velocidade evolutiva em várias indústrias, representada pela dinâmica

dos mercados, mostrou que a vantagem competitiva como feixe de recursos, não é

sempre sustentável em um ambiente de rápidas mudanças. Para lidar com estes

ambientes cada vez mais dinâmicos e complexos, surgiu a teoria de vantagem

competitiva baseada em capacidades dinâmicas.

A dependência de recursos estáticos pode levar a empresa à superespecialização e

rigidez em suas competências e recursos, o que certamente é extremamente

arriscado em um ambiente marcado por mudanças rápidas. Assim, enquanto na

teoria dos recursos estes são tratados essencialmente como dados mais ou menos

fixos, como se fossem variáveis de estoque, na teoria das capacidades dinâmicas a

ênfase não está na quantidade de recursos que se possui, mas sim na capacidade

de acumular e combinar novos recursos em novas configurações capazes de gerar

vantagem competitiva em ambientes em mutação (VASCONCELOS; CYRINO,

2000).

Este modelo parte da teoria da firma como feixe de recursos e procura entender o

processo de formação, conservação e destruição de recursos decorrentes das

decisões e ações tomadas pelas empresas. Assim, os recursos possuídos pela

empresa são vistos como resultados das ações e decisões, deliberadas ou

acidentais, tomadas pelos seus gerentes no exercício de suas funções. Temos então

como foco, entender as rotinas, os processos organizacionais, as atividades, as

45

culturas e as prioridades que influenciam a produção de ativos tangíveis e

intangíveis.

O enfoque nas capacidades dinâmicas da firma leva à formulação de estratégias

mais flexíveis, em que a concorrência baseada nas competências da empresa torna-

se mais importante que a concorrência entre produtos e serviços, uma vez que sua

base de recursos e competências tem que ser constantemente renovada para lidar

com as mudanças nas condições ambientais.

Segundo a teoria das capacidades dinâmicas, algumas competências são mais

importantes que outras para a conquista da vantagem competitiva, e como as

empresas só conseguem se destacar em poucas, elas devem identificar estas

capacidades mais importantes, que são denominadas de competências essenciais, e

devem focar seus esforços em aprimorá-las e desenvolvê-las. Prahalad & Hamel

(1990) enfatizaram a importância de se identificar, cultivar e explorar tais

competências essenciais:

“O mais poderoso meio de prevalecer na competição global ainda é invisível para muitas empresas... Nos anos 90, eles [os executivos] serão julgados por sua habilidade de identificar, cultivar e explorar as competências essenciais que tornam o crescimento possível ... (PRAHALAD; HAMEL, 1990, p. 79, tradução nossa).

A literatura gerencial difundiu largamente estes conceitos, como novas formas para

se conseguir vantagens competitivas, argumentando que até então, os esforços para

a criação de tais vantagens estavam mais relacionados a alcançar os concorrentes

do que superá-los. Como as empresas de consultoria, na década de 70, indicavam

os efeitos da escala e experiência mundial como vantagens fundamentais, enquanto

que os consultores, na década de 80, indicavam a qualidade como meta e nos anos

90 indicavam a velocidade, eles tinham a resposta correta, porém com 10 anos de

atraso. Assim, estavam indicando aos clientes o caminho para alcançar os

concorrentes e não para superá-los (HAMEL; PRAHALAD, 1995).

A busca pela competitividade passava, conforme mostra a Figura 8, a não ser

apenas a busca pela eficiência ou rapidez, mas principalmente a capacidade de se

reavaliar, regenerar as estratégias centrais e reinventar o setor, em suma, a

empresa teria que ser diferente.

46

Para ser diferente, através da reavaliação, regeneração e reinvenção, a empresa

teria que focar no desenvolvimento das competências essenciais, que representam

um conjunto de habilidades e tecnologias (STALK; EVANS; SHULMAN, 1992).

Figura 8 – Busca da Competitividade Fonte: Hamel e Prahalad, 1995

As competências essenciais podem ser descritas como sendo a combinação de

tecnologias individuais e habilidades produtivas que estão por trás das linhas de

produtos da empresa. A competência da Sony em miniaturização, permite que ela

fabrique desde o Walkman e vídeo cassetes a computadores portáteis. A

competência da Canon em ótica, imagem e microprocessamento permitiram-na

entrar em diversos mercados, como o de copiadoras, impressoras a laser, câmeras

e scanners (PRAHALAD; HAMEL, 1990).

Para uma competência ser considerada essencial, ela deve fornecer acesso

potencial a uma grande variedade de mercados, deve contribuir significativamente

para o valor percebido pelo cliente e deve ser de difícil imitação (PRAHALAD;

HAMEL, 1990).

A ligação entre as competências essenciais e os produtos finais são os assim

denominados produtos essenciais. Os motores da Honda são exemplos de produtos

essenciais, que levaram ao desenvolvimento de diversos produtos finais. A Figura 9

Reestruturação do Portfólio e Downsizing

Reengenharia de Processose Melhoria Contínua

Reinvenção dos Setores e Regeneração de Estratégias

A Busca da Competitividade

Menor Melhor Diferente

47

mostra o relacionamento entre as competências essenciais e os produtos finais em

uma empresa diversificada.

Figura 9 – Concepção da empresa diversificada Fonte: Hamel e Prahalad, 1995, p. 295

Dentro desta concepção, a empresa deve procurar identificar suas competências

essenciais e seus produtos essenciais, e se estruturar de modo a tirar o máximo

proveito deles, pois assim aumentará suas chances de vencer a concorrência.

Empresas podem alcançar um melhor futuro se pensar em termos de famílias de produtos, plataformas de produtos e políticas necessárias para aumentar as competências essenciais. (MEYER; UTTERBACK, 1993, p. 45).

As quatro estratégias básicas, fundamentadas na aquisição e utilização das

competências essenciais, para se atingir níveis superiores de competitividade, são

apresentadas na matriz competência-produto (Figura 10). Neste modelo, as

estratégias são divididas em quatro quadrantes segundo dois eixos principais que as

influenciam, que são: a novidade da competência e a novidade do produto-mercado.

No “preenchimento dos espaços”, temos a representação das competências e

produtos da empresa, que devem ser mapeados a fim de se identificar novas

possibilidades para sua exploração.

A “liderança em 10” enfatiza a preocupação com o longo prazo, onde é sugerido o

questionamento sobre quais as competências que serão necessárias para se

garantir vantagem competitiva em um prazo de 10 anos.

Banner brand

Unidades de negócio

Produtos essenciais (Plataformas)

Competências essenciais

48

Figura 10 – Definição da agenda de competências essenciais Fonte: Hamel e Prahalad, (1995)

“Espaços em branco” faz referência às oportunidades que não se incluem dentro do

produto-mercado existente. Deve-se procurar imaginar as oportunidades de ampliar

as competências essenciais existentes em novos mercados-produtos.

“Megaoportunidades” representa a estratégia de busca de novas competências e

novos produtos-mercados, que podem ser alcançados através de aquisições,

parcerias e alianças.

Segundo esta visão, a vantagem competitiva passa a se embasar na habilidade de

construir, a custos menores e mais rapidamente que os competidores, as

competências essenciais que gerarão produtos novos e surpreendentes para os

consumidores (PRAHALAD; HAMEL, 1990). Esta vantagem está associada ao

sucesso sustentável, quer seja no desenvolvimento de novos produtos, no

desempenho financeiro ou no aprendizado e satisfação dos funcionários (MEYER;

UTTERBACK, 1993).

Em um estudo mais recente, Eisenhardt e Martin (2000) identificaram quatro tipos de

capacidades dinâmicas necessárias à construção do sucesso em mercados com

altas velocidades de mudança. A primeira refere-se à capacidade de integração

Liderança em 10Que novas competências essenciais precisaremos para criar, proteger e ampliar nossa franquia nos mercados atuais?

Preenchimento dos espaçosQual é nossa oportunidade para melhorar nossa posição nos mercados existentes, alavancando melhor as atuais competências essenciais?

Espaços em brancoQue novos produtos ou serviços poderíamos criar, redistribuindo de forma criativa ou recombinando as atuais competências essenciais?

MegaoportunidadesQue novas competências essenciais precisaríamos criar para participar de mercados mais interessantes no futuro?

Nova

Existente

Competência

essencial

Existente Novo

Mercado

49

como, por exemplo, integrar o processo de desenvolvimento de novos produtos com

o processo decisório da empresa. A segunda, à aquisição de novas capacidades,

como por exemplo, identificação e aquisição de recursos. A terceira, à capacidade

de reconfiguração, como a transferência, a replicação e a recombinação de

recursos. E finalmente, capacidade de se livrar de recursos indesejáveis.

Todos estes fatores fazem com que a empresa tenha que constantemente tomar

decisões sobre aquisição e obsolescência de recursos, bem como de investimentos,

em um ambiente continuamente mutável representando um desafio de aprendizado

contínuo com resultados imprevisíveis.

2.3. Disputas teóricas utilizando pesquisas baseadas em decomposição da variância do desempenho

Dois trabalhos seminais, de Schmalensee (SCHMALENSEE, 1985) e de Rumelt

(1991), deram início a uma linha de pesquisa que utiliza a técnica de decomposição

da variabilidade do desempenho apresentado pelas empresas para analisar, entre

outros fatores, a importância da indústria, da corporação a qual a empresa pertence

e das características intrínsecas da própria empresa como diferenciais competitivos.

Apesar de, inicialmente, não terem a pretensão de comparar resultados econômicos

ou processos organizacionais nestes trabalhos, eles foram interpretados por alguns

como evidência da superioridade da RBV frente à teoria da economia

organizacional, dando início a uma série de trabalhos explorando o tema

(McGAHAN; PORTER, 1997).

O trabalho de Schmalensee (1985) examinou o lucro de empresas manufatureiras

americanas, listadas no Federal Trade Commission’s Line of Business Report no ano

de 1975, encontrando que 20% da variação nos lucros entre as diferentes empresas

estudadas podiam ser explicados pelo setor industrial do qual faziam parte. O fato de

50

ter uma empresa controladora, não explicou nada da variabilidade. A medida

utilizada para diferenciar empresas participantes da pesquisa foi o market share.

Rumelt (1991) ampliou o trabalho de Schmalensee (1985), incluindo dados do

relatório sobre empresas de manufatura disponíveis para os anos de 1974 a 1977 no

FTC Reports. Utilizando medidas repetidas para as empresas, este trabalho ampliou

a abrangência do anterior, uma vez que pôde separar o efeito firma do efeito

indústria. Neste estudo chegou-se a conclusão de que o efeito empresa explica 44%

a 46%, a indústria de 9% a 16% e o efeito corporação explica de 1% a 2% da

variação total do índice de rentabilidade utilizado. O baixo índice de explicação do

fator indústria frente ao fator firma foi interpretado como apoio à RBV em detrimento

da visão da economia industrial (McGAHAN; PORTER, 1997).

Estes dois trabalhos deram início à linha de pesquisa empírica, que foi utilizada para

justificar determinadas posições que geraram importantes embates teóricos. A

primeira grande controvérsia girava em torno da importância do efeito indústria frente

a importância do efeito empresa, pois enquanto Schmalensee (1985), encontrara

que a indústria era o fator mais importante para explicar o desempenho da empresa,

Rumelt (1991) atribuira maior importância às características próprias da empresa.

A segunda grande controvérsia versava sobre a importância do papel da estratégia

corporativa sobre o desempenho das empresas, pois Rumelt (1984) encontrara um

efeito corporação com um poder explicativo muito pequeno, na ordem de 1% a 2%

da variabilidade total do desempenho.

Antes de prosseguir, faz-se necessário apresentar algumas definições e convenções

adotadas nos textos subseqüentes, a fim de evitar uniformizar a linguagem utilizada.

Na discussão sobre a heterogeneidade dentro de determinadas indústrias, o termo

“firma” pode levar a interpretações ambíguas. Em economia o conceito firma é

normalmente utilizado para se referir a uma unidade competitiva autônoma dentro de

uma indústria, referindo-se a uma entidade legal, como por exemplo, uma

companhia multidivisional ou uma corporação. Confusões podem surgir quando um

autor utiliza o termo “efeito firma” para indicar a dispersão dos resultados de um

51

conjunto de empresas dentro de determinada indústria e outro autor utiliza o mesmo

termo para indicar diferenças entre corporações (RUMELT, 1991).

Para evitar esta ambigüidade, neste trabalho optou-se pela não utilização

sistemática do termo “firma” quando houver referência ao desempenho das

empresas individuais ou corporações. Quando a referência for feita a uma unidade

autônoma de negócios, utiliza-se o termo “empresa”, enquanto que para empresas

controladoras de uma ou mais unidades autônomas de negócios utiliza-se o termo

“corporação”.

Da mesma forma, sempre que se utiliza o termo indústria neste trabalho, a

referência está sendo feita a um setor ou ramo industrial em que uma determinada

empresa atua.

Finalmente, as definições dos efeitos que foram considerados nas análises

empíricas (BOWMAN; HELFAT, 2001) são as seguintes:

Efeito país: deriva de diferença no retorno médio de empresas individuais dentro

de cada país em que se instalaram

Efeito indústria: deriva de diferenças nos retornos médios dentro de cada

indústria. Representa o efeito, sobre as taxas de retorno, de se pertencer aos

diferentes setores industriais. Este efeito reflete diferenças nos comportamentos

competitivos, condições de entrada, taxa de crescimento, condições de

demanda-capacidade, níveis de risco, taxas de utilização de ativos, práticas

contábeis e outros impactos específicos a distintas indústrias.

Efeito corporação: deriva de diferenças no retorno médio das empresas dentro

de cada corporação. Representa o efeito de diferenças de desempenho relativas

à qualidade das ferramentas de gestão, compartilhamento de recursos e

controle exercido sobre a empresa controlada.

Efeito empresa: deriva de diferenças no retorno anual médio de cada empresa.

Representa diferenças existentes entre os desempenhos das empresas, que

não sejam associados à indústria ou à corporação. Ele aponta para como os

recursos específicos da empresa, como heterogeneidade dos ativos tangíveis e

intangíveis, efetividade operacional, processos organizacionais, habilidades

gerenciais, etc, influenciam na diferenciação do desempenho.

52

Efeito ano: deriva de diferenças nos retornos médios individuais das empresas

em cada ano observado. Reflete flutuações provenientes de impactos

macroeconômicos sofridos por todas as empresas em determinado ano.

A seguir serão apresentadas as principais disputas envolvendo dos resultados dos

trabalhos empíricos de decomposição da variabilidade do desempenho.

2.3.1. Efeito indústria e efeito empresa

Um ponto importante no debate existente na literatura de estratégia, refere-se à

identificação dos fatores que permitem a determinadas empresas apresentarem

desempenho superior a outras (McGAHAN; PORTER, 1997). Como visto

anteriormente, a linha de pesquisa da tradição da organização industrial, sustenta

que a estrutura da indústria em que a empresa compete é o fator determinante para

analisar a diferença de desempenho das empresas (PORTER, 1989, PORTER,

1991).

Por outro lado, a linha de pesquisa denominada RBV (resource-based view), cuja

argumentação sobre vantagem competitiva está centrada não em fatores externos à

empresa, apóia-se no pressuposto de que um desempenho superior é conquistado

através do desenvolvimento pela empresa de competências próprias, distintivas e

únicas (BARNEY, 1986b, BARNEY, 1989, CONNER, 1991, DIERICKX; COOL,

1989).

Um reflexo das disputas entre estas correntes teóricas antagônicas pode ser

evidenciado pelas interpretações feitas dos estudos que foram desenvolvidos

decompondo a variabilidade do desempenho das empresas.

53

Montgomery e Porter utilizando como base o artigo de Schmalensee (1985) fazem a

seguinte afirmação sobre a importância do setor industrial no desempenho das

empresas:

A pesquisa corrente continua a confirmar o importante papel que as condições da indústria exercem sobre o desempenho individual das empresas. Procurando explicar as diferenças de desempenho entre empresas, estudos recentes têm repetidamente demonstrado que a rentabilidade média da indústria é, de longe, o mais significativo preditor do desempenho da empresa. É extremamente mais importante que a fatia de mercado e muito mais importante que a extensão da diversificação da empresa.[...] Resumindo, é atualmente incontestável que a análise da indústria deve ter um papel vital na formação da estratégia. (MONTGOMERY; PORTER, 1991, p. xiv-xv, tradução nossa).

Por outro lado, utilizando como base o trabalho de Rumelt (1991) e de outros que o

sucederam nesta linha de pesquisa, Hawawini, Subramanian e Verdin afirmam que a

indústria na qual a empresa atua não é importante para definir seu desempenho:

Com tal apoio sólido, é seguro concluir que fazer parte de uma indústria não influencia muito no desempenho da empresa. (HAWAWINI; SUBRAMANIAN; VERDIN, 2003, p. 4, tradução nossa).

Estas pendências não são recentes, pois o debate entre pesquisadores da linha de

pesquisa da economia industrial e do gerenciamento estratégico quanto a questão

de quais seriam as principais fontes condicionantes da lucratividade das empresas

tem mais de 50 anos (ROQUEBERT; PHILLIPS; WESTFALL, 1996).

2.3.2. Efeito Corporação

Além da discussão sobre a importância relativa da indústria e da empresa, outra

discussão importante que se utiliza destes trabalhos para sustentar seus

argumentos, refere-se à identificação da importância do efeito da corporação sobre o

desempenho das suas unidades de negócio.

54

O fato de Rumelt (1984) ter encontrado que o efeito corporação explica somente de

1 a 2% da variabilidade existente no desempenho das empresas, sugere para

alguns que a estratégia corporativa não tem um impacto muito grande sobre a

rentabilidade das empresas controladas. Portanto, como as corporações não teriam

habilidade para influenciar tais resultados, a estratégia corporativa seria uma

disciplina pouco importante (CARROL, 1993, GHEMAWAT; COSTA, 1993,

HOSKISSON; HILL; KIM, 1993).

A literatura em estratégia costuma distinguir a estratégia empresarial da estratégia

corporativa. A estratégia empresarial aborda as formas como um negócio individual

ou uma unidade de negócios de uma corporação, compete dentro de uma indústria

ou mercado e a estratégia corporativa aborda as formas como uma corporação

gerencia um conjunto de empresas (GRANT, 2004).

O efeito da corporação sobre suas unidades de negócios, é um tema relevante na

teoria de estratégia corporativa. Uma definição forma de estratégia corporativa é a

seguinte:

... [a estratégia corporativa] define os negócios em que a empresa irá competir, preferencialmente focando recursos a fim de converter competência distintiva em vantagem corporativa. (ANDREWS, 1980, p. 18-19, tradução nossa).

A influência da corporação na rentabilidade das empresas controladas provém de

fatores associados com o compartilhamento de competências essenciais

(PRAHALAD; HAMEL, 1990), com a estrutura organizacional (CHANDLER, 1962,

WILLIAMSON, 1975), com o clima organizacional (HANSEN; WERNERFELT, 1989)

e com o sistema corporativo de planejamento e controle (GOOLD; CAMPBELL,

1988), entre outros.

Rumelt identificou que pode haver diferenças na lucratividade das empresas no

longo prazo. Isso é possível pela existência de “mecanismos de isolamento” que

impedem a imitação por parte dos competidores (LIPPMAN; RUMELT, 1982,

RUMELT, 1984, RUMELT, 1987). Estes mecanismos incluem certa imitabilidade ou

inabilidade dos agentes econômicos de entender completamente as causas das

55

diferenças de rentabilidade como vantagens do pioneiro, custos de troca de

fornecedores, rede de relacionamentos, reputação, economias de escala, curva de

aprendizado, propaganda e canais de distribuição. Os resultados apresentados por

Rumelt de que existe um grande efeito empresa, sugere que estes mecanismos

estão presentes dentro da empresa e não no nível corporativo.

Há duas correntes teóricas que sugerem que o efeito corporação é importante. A

primeira é a teoria da moderna organização industrial, que indica diversas formas de

como as corporações podem criar os efeitos que são encontrados no fator empresa.

Argumentam que a própria estrutura da indústria é resultado do comportamento das

empresas e da interação competitiva. Por exemplo, a empresa pode criar barreiras

de entrada através de investimentos em capacidade, indicando aos possíveis

entrantes que eles enfrentarão situação de excesso de capacidade com

conseqüente guerra de preços (DIXIT, 1980, DIXIT; PINDYCK, 1994, SUTTON,

1991).

As empresas têm diversas formas de atuar estrategicamente, como na construção

de canais de distribuição, decisões sobre gastos com propaganda e construção de

reputação através da prática de preços predatórios (MILGROM; ROBERTS, 1982,

SALONER, 1987). As empresas diversificadas podem baixar seus preços a fim de

construir reputação de ser concorrente que “joga pesado” a fim de desencorajar

novos entrantes (KREPS; WILSON, 1982).

A segunda corrente teórica, desenvolvida por pesquisadores em estratégia

(PORTER, 1987), argumenta que a estratégia corporativa pode criar valor através da

transferência de competências e através do compartilhamento de seus recursos.

Utilizando estudos de caso, Prahalad e Hamel (1990) sugerem que a estratégia e a

estrutura impactam positivamente no desempenho das empresas.

A seguir, será feita uma revisão, em ordem cronológica, dos principais trabalhos

empíricos que exploraram o tema da decomposição da variância do desempenho.

Serão apresentados os principais estudos utilizados para justificar determinadas

posições teóricas quanto à importância da empresa, indústria e corporação na

explicação do desempenho das empresas.

56

2.4. Revisão teórica dos trabalhos empíricos de decomposição de variância do desempenho

Como mencionado anteriormente, o trabalho que inaugurou esta linha de pesquisa

foi desenvolvido por Schmalensee (1985), que tentando resolver a questão quanto à

importância relativa do setor industrial e das característica individuais no

desempenho das empresas, estimou um modelo de análise de variância (ANOVA)

utilizando a corporação (denominada em seu trabalho como firma), a indústria e os

efeitos de fatia de mercado, utilizado como proxi para o efeito empresa.

Como dispunha de dados de apenas um ano, o que impossibilita a avaliação direta

do efeito empresa, Schmalensee (1985) utilizou a fatia de mercado como proxi para

o efeito empresa, baseando-se em dados levantados em uma pesquisa feita

anteriormente por Ravenscraft (1983). Ele justificou a utilização de fatia de mercado,

invocando o postulado da teoria clássica, que afirma que uma alta concentração

existente na indústria, facilita estratégias de conluio aumentando o lucro das

empresas que participam de tal indústria. Seguiu, então, a tradição de vários

trabalhos que utilizaram a concentração na indústria como variável independente

para se inferir o lucro. Tais pressupostos implicam que Schmalensee (1985) assume

que há uma correlação positiva entre concentração e rentabilidade entre diferentes

ramos industriais.

Utilizando, no estudo, dados de 1975 do Line of Business Program of the U.S.

federal Trade Commission, Schmalensee procurou estimar a importância relativa das

empresas, dos mercados e das diferenças existentes entre fatias de mercado na

determinação da rentabilidade empresas manufatureiras americanas. O modelo

utilizado foi:

ij i i ij ijr Sµ α β γ ε= + + + + ,

57

onde ijr é a taxa de retorno (contábil) da empresa i na indústria j, ijS é a fatia de

mercado da empresa, iα é o efeito firma, iβ é o efeito indústria, µ e γ são

constantes e ijε o resíduo.

O resultado encontrado foi a inexistência do efeito corporação, a identificação de um

importante efeito indústria que explicava 19% da variância do desempenho e um

efeito fatia de mercado existente, porém com pouco poder explicativo. Schmalensee

(1985) interpretou estes resultados indicando a ausência de um efeito corporação no

desempenho das empresa, implicando que o conhecimento prévio da rentabilidade

de uma corporação atuando em um determinado mercado não forneceria informação

de qual seria o desempenho desta empresa em outro mercado selecionado

aleatoriamente.

Ele também identificou um fator, que denominou de tradição gerencial

(SCHMALENSEE, 1985, p. 342-343), equivalente a um efeito corporativo, que

deveria ser considerado junto com a indústria e a empresa. O resultado do seu

trabalho, que apresenta significativas diferenças entre indústrias, favorece a linha de

pesquisa da economia industrial que utiliza a indústria como unidade de análise.

Wernerfelt e Montgomery (1988) utilizando a metodologia apresentada Schmalensee

(1985), desenvolveram pesquisa semelhante, porém, utilizando como variável

dependente o q de Tobin e o Foco Corporativo como medida de similaridade das

empresas dentro de corporações. Eles encontraram um significativo efeito

corporação que variava de 13% a 21% do efeito indústria, resultado este

completamente diferente dos apresentados por Schmalensee (SCHMALENSEE,

1985)

Particionaram a variância do q de Tobin de 247 empresas diversificadas e

encontraram que as pouco diversificadas têm melhor desempenho que as muito

diversificadas. Trabalhos posteriores que focaram nas implicações da diversificação

sobre o desempenho (BERGER; OFEK, 1995, COMMENT; JARRELL, 1995, LANG;

STULZ, 1994) chegaram a resultados semelhantes ao de Wernerfelt e Montgomery

(1988).

58

Contemporâneo a estes trabalhos foi a pesquisa desenvolvida por Hansen e

Wernerfelt (1989) que concluiu que fatores organizacionais pareciam ser mais

influentes que fatores econômicos na determinação do desempenho da empresa.

Após esta sucessão de artigos analisando a variabilidade existente no desempenho

apresentado por grupos de empresa, foi apresentado o trabalho que causaria o

maior impacto nesta linha de pesquisa e que impulsionaria as discussões sobre o

tema. Este trabalho foi desenvolvido por Rumelt (1991), que utilizando medidas de

vários anos para cada empresa, decompôs a variância do desempenho através dos

efeitos corporação, empresa, indústria e ano.

Rumelt (1991) desenvolveu suas pesquisas em duas amostras de empresas

extraídas do relatório FTC Line of Business. A amostra A foi continha 6932

observações de dados de 1775 grandes empresas do período de 1974 a 1977

pertencentes a 457 corporações operando em um total de 242 indústrias. Na

amostra B, ele inclui 1070 empresas que não foram incluídas na amostra A porque

eram empresas de pequeno porte, obtendo, então, 10.866 observações de 462

corporações e 2810 empresas operando em 242 indústrias.

Neste estudo, ele particionou a variância total da taxa de retorno em vários fatores,

sendo eles: indústria, tempo, fatores associados com a empresa controladora e com

aspectos da empresa em estudo. O modelo utilizado foi o seguinte:

ikt i k t it ik iktr µ α β γ δ φ ε= + + + + + +

Onde o iα representa o efeito indústria, kβ o efeito corporação, tγ o efeito ano, itδ o

efeito da interação indústria-ano, ikφ o efeito empresa e iktε representa o resíduo

aleatório. Rumelt ressalta que seu modelo não oferece subsídios para inferência

sobre as causas das possíveis diferenças encontradas nas indústrias, anos,

corporações ou empresa, o que procura é verificar a existência de diferenças no

retorno associadas a tais categorias.

59

Existem duas diferenças básicas entre este modelo e o proposto por Schmalensee

(1985). Primeiramente foi feita a inclusão dos termos tγ e itδ referentes às variações

ano a ano no conjunto global de dados de rentabilidade e variações ano a ano

relacionadas com indústrias específicas. Em segundo lugar, o efeito market-share foi

substituído pelo efeito empresa.

A utilização de uma das conclusões apresentadas por Schmalensee (1985), de que

corporações com maior experiência e habilidades tenderiam a escolher entrar em

indústrias com maior atratividade, implicando em dependência entre as variáveis α

e β , levou Rumelt, utilizando um modelo totalmente aleatório, a calcular a variância

do desempenho como a soma das variâncias de todas as variáveis aleatórias mais

os efeitos da covariância existente entre o fator α e β , utilizando a seguinte

expressão: 2 2 2 2 2 2 2 2r Cα β γ δ φ ε αβσ σ σ σ σ σ σ= + + + + + + , onde Cαβ representa a

covariância entre iα e kβ , dado que a corporação k é ativa na indústria i.

Após os primeiros resultados, Rumelt chegou à conclusão que o efeito ano e a

covariância entre iα e kβ seriam iguais a zero. Re-estimando o modelo com estas

restrições, chegou ao seguinte resultado apresentado na Tabela 3.1.

Tabela 2.1 – Resultados apresentados por Rumelt

Amostra A Amostra B Componente Estimativa Percentual Estimativa Percentual Indústria 23,26 8,32 16,55 4,03 Corporação 2,25 0,80 6,74 1,64 Empresa 129,63 46,37 181,50 44,17 Indústria-ano 21,92 7,84 22,09 5,38 Resíduo 102,51 36,87 184,06 44,79 Total 279,56 100,00 410,95 100,00

Rumelt estimou seu modelo utilizando os métodos ANOVA e VCA, porém enfatizou

os resultados apresentados pala VCA, uma vez que o resultado da análise por

ANOVA apresentou um substancial efeito corporação, enquanto que os resultados

por VCA foram compatíveis aos apresentados por Schmalensee (1985), onde o

efeito corporação foi insignificante. Rumelt encontrou um efeito empresa muito

60

superior ao efeito indústria, efeito este que no modelo de Schmalensee (1985)

estava representado no resíduo.

Rumelt alegou ser surpreendente ter encontrado um efeito corporação tão pequeno,

uma vez que a literatura em estratégia enfatizava a importância da estratégia

corporativa, da cultura corporativa e do papel dos líderes corporativos na busca da

vantagem competitiva e de resultados superiores à concorrência.

Diante de tão pequeno efeito corporação encontrado, Rumelt sugere que a

estratégia corporativa é relativamente de pouca importância para explicar o

desempenho das empresas individuais.

Roquebert, Phillips e Westfall (1996) replicaram o trabalho de Rumelt (1991)

utilizando um base de dados mais atualizada e completa. A variável dependente

neste estudo foi o ROA (retorno sobre ativos) e utilizando a base de dados

COMPUSTAT, foram selecionadas 10 amostras contendo entre 100 e 150

corporações, resultando em 16.596 diferentes observações de ROA. Em cada uma

das amostras havia em média 4,01 empresas por corporação. O modelo utilizado

neste estudo foi idêntico ao de Rumelt (1991), sendo pesquisada a importância

relativa da indústria, da corporação e da empresa na variação do ROA.

Os resultados a que chegaram são consistentes com os apresentado por Rumelt

com exceção do efeito corporação cujo resultado foi bastante significativo. O efeito

corporação encontrado foi da ordem de 18% enquanto que o efeito indústria foi de

apenas 10% e o efeito empresa de 37%.

Selecionaram para sua pesquisa, apenas as empresas pertencentes a corporações

que controlassem no mínimo duas empresas, ou seja, sua análise foi feita utilizando

apenas empresas pertencentes a controladoras diversificadas. Concluíram que a

ordem de grandeza do efeito corporação diminui quando o número de empresas

controladas por corporação aumenta, ou seja, o efeito corporação diminui com a

diversificação da corporação.

61

McGahan e Porter (1997) utilizando um modelo com uma metodologia diferente para

tratamento do efeito ano, encontraram um efeito corporação de aproximadamente

um quarto do efeito indústria. Baseado na metodologia ANOVA com termo auto-

regressivo para tratar medidas repetidas no fator ano, eles encontraram um

substancial efeito corporação, porém menor que o efeito indústria.

McGahan e Porter utilizaram a base de dados Compustat Business Reports de 1971

a 1994, cobrindo atividade de todos os setores da economia americana (com

exceção do setor financeiro) enquanto que os estudos anteriores se focaram apenas

no setor manufatureiro. Examinam a importância do ano, indústria, corporação e

efeitos específicos da empresa na rentabilidade de empresas americanas agrupadas

segundo o código SIC de 4 dígitos. Neste estudo, utilizando dados mais detalhados

que os estudos anteriores, os autores indicaram que o efeito indústria seria maior

que o identificado em estudos anteriores.

A semelhança dos trabalhos anteriores, o modelo que utilizaram procura captar

várias fontes potenciais como explicação da variabilidade do retorno: flutuações

macroeconômicas anuais, fatores relativos à indústria, efeitos advindos de se

pertencer a uma corporação e efeitos relativos à própria empresa. Seu objetivo foi

procurar entender a importância relativa do ramo industrial, da corporação e da

empresa na explicação das variações de desempenho quando as indústrias são

classificadas segundo o código SIC. O modelo utilizado foi:

µ γ α β φ ε= + + + + +i k t t i k i k i k tr , , , , ,

A variável dependente ri,k,t representa a relação, medida em porcentagem, entre o

lucro operacional e o total de ativos fixos da empresa. O termo µ representa a

média geral por todo o período contemplado, bem como para todas as empresas. O

termo γ t representa a diferença entre µ e o lucro médio de todas as empresas no

ano t. O termo α i representa o efeito indústria, ou seja, qual foi o incremento no

lucro associado à participação em uma determinada indústria. O termo βk

representa o efeito corporação, ou seja, qual o incremento no lucro advindo do fato

62

de se fazer parte de uma corporação. O termo φi k, representa o efeito empresa, ou

seja, o incremento no lucro associado com a situação específica da empresa i

pertencente ao grupo k. Assume-se que este efeito surja apenas se a empresa fizer

parte de um grupo diversificado. O último termo ε i k t, , é o resíduo, ou a parte do lucro

não explicada pelo modelo.

Este modelo difere do apresentado por Schmalensee (1985), em alguns pontos

básicos. Primeiramente, como Schmalensee tinha apenas um ano para sua análise,

ela não incluía o efeito ano (γ t ) e o efeito empresa (φi k, ), uma vez que este efeito

somente pode ser identificado quando se tem dados de vários anos, pois somente

assim pode-se identificar quando o desempenho de um setor industrial específico

difere sistematicamente da média.

Quanto ao modelo apresentado por Rumelt (1991), a diferença repousa no termo δ i t,

referente à interação indústria-ano presente naquele modelo. Rumelt procurava, com

a inclusão deste termo, diferenciar os efeitos estáveis dos efeitos transientes da

indústria. Os efeitos transientes ocorrem quando todos os membros de uma

determinada indústria têm lucros altos ou baixos em um ano específico.

Concluíram que o efeito ano, indústria, corporação e empresa têm impacto da ordem

de 2%, 19%, 4% e 32%, respectivamente, na explicação da variabilidade da

rentabilidade. Examinando tais efeitos em diversos setores industriais, descobriram

que sua importância difere substancialmente dependendo do setor em que a

empresa atua. Por exemplo, o efeito indústria explica uma pequena parte da

rentabilidade de empresas de manufatura, enquanto que explicam muito quando se

consideram indústrias como a de entretenimento, serviços, atacado, varejo e

transportes.

Utilizando uma posição crítica quanto à aplicabilidade da metodologia de

componentes de variância, Brush e Bromiley (1997) apresentaram um trabalho onde

procuraram testar a efetividade desta técnica na inferência sobre o impacto dos

fatores que determinam o desempenho da empresa. Para tal, geraram um conjunto

63

de dados utilizando simulação e aplicaram a técnica sobre este conjunto de dados

cujos parâmetros geradores eram conhecidos.

Eles se focaram particularmente no efeito corporação, que se mostrou muito

pequeno no trabalho de Rumelt (1991). Afirmam que a técnica subestima pequenos

efeitos e que o efeito corporação não foi bem interpretado gerando afirmações

equivocadas de que a estratégia corporativa seria ineficaz na determinação do

desempenho das empresas (CARROL, 1993, GHEMAWAT; COSTA, 1993,

HOSKISSON; HILL; KIM, 1993). Mostram, também, que a decomposição de

variância é sensível à presença de outliers.

Brush, Bromiley e Hendrickx (1999), utilizaram como método alternativo para a

estimação da importância dos fatores no resultado da empresa, a técnica de

equações simultâneas. No modelo utilizaram o ROA de uma unidade de negócios

como combinação linear do ROA da corporação e do ROA da indústria. Como o

ROA corporativo simultaneamente influencia e é influenciado pelo ROA da empresa,

o modelo contempla duas equações, onde na primeira o ROA da empresa é função

do ROA da corporação e um segundo em que o ROA da corporação é função do

ROA da unidade de negócios. Utilizando este modelo, tentam avaliar a importância

relativa da corporação e da indústria no desempenho da empresa.

Foi utilizada a base de dados COMPUSTAT, dos anos de 1986 a 1995 com 4114

observações de empresas-ano pertencente a corporações atuando em mais de duas

indústrias, 2.359 para três, 988 para 4, 355 para 5 e 114 para seis ou mais. Na

pesquisa foram utilizadas somente as observações referentes às empresas que

fazem parte de corporações que atuam em 3 ou 4 segmentos industriais.

De forma geral encontraram que o desempenho corporativo explica mais da

variância da empresa que o desempenho da indústria. A estimativa do R2 para o

efeito indústria foi de 1,8 em três segmentos e 1,3 em quatro segmentos. A pesquisa

dá suporte à tese de que o efeito corporação é superior ao efeito indústria e, de

forma geral, os resultados chega a resultados semelhantes ao de Roquebert, Phllips

e Westfall (1996).

64

Fizeram, também, uma análise em seus dados utilizando o modelo de McGahan e

Porter, chegando a um resultado diferente ao encontrado por eles, conforme 3.2.

Tabela 2.2 – Resultados da análise de componentes de variância

3 segmentos 4 segmentos Var-Comp % Var-Comp %

Ano 0,93 1,14% 0,61 0,77% Indústria 7,86 9,67% 12,16 15,32% Corporação 4,12 5,07% 11,52 14,52% Empresa 39,02 48,04% 19,94 25,13% Resíduo 29,30 36,08% 35,12 44,26% Total 81,22 100,00% 79,35 100,00%

Chegaram à conclusão que mesmo sendo o efeito empresa o mais significativo, os

efeitos corporação e indústria não são desprezíveis e merecem ser considerados por

sua importância relativa.

Chang e Sing (2000) fizeram a decomposição de variância da fatia de mercado de

empresas de manufatura americanas disponíveis na base de dados Trinet.

Utilizaram dados dos anos de 1981, 1983, 1985, 1987 e 1989 retiraram uma amostra

de 709 empresas de manufatura pertencentes a corporações com pelo menos duas

linhas de negócios, inclusive empresas de pequeno porte.

Procuraram entender se os resultados dos estudos anteriores, que encontraram um

pequeno efeito da corporação sobre a rentabilidade das controladas, pode ser

estendido também à fatia de mercado. Verificam se a decomposição da variância da

fatia de mercado é sensível ao tamanho da firma, às definições de indústria e

empresa e à inclusão ou exclusão de pequenas empresas.

Encontraram que o efeito corporação em relação à fatia de mercado é bem maior

que zero quando se define mais estritamente o que são linhas de negócios, quando

se incluem empresas de pequeno porte e quando as empresas são de médio porte.

Seus resultados diferem dos apresentados por Rumelt (1991) quanto ao efeito

corporação. Concluem que o efeito corporação aumenta quando se incluem

pequenas empresas. O tamanho do efeito corporação aumenta, também, quando se

65

utiliza uma definição de indústria mais restritiva (código SIC com 4 dígitos em vez de

3). Assim, indicam que os resultados encontrados são sensíveis às diferentes

definições de indústria e à inclusão ou não de pequenas empresas.

Bowman e Helfat (2001), criticam várias questões levantadas em estudos anteriores.

Afirmam que os estudos de decomposição da variância são afetados por:

percentagem de empresas não controladas por corporações, sendo que quanto

maior o número destas empresas menor será o efeito corporação; pela definição de

indústria que se adota (SIC de 2, 3 ou 4 dígitos); pela ordem com que as variáveis

entram na análise de regressão hierárquica; pela inclusão ou não das interações

entre os efeitos; e pela forma como os efeitos corporativos transitórios e estáveis,

detectado por eles (BOWMAN; HELFAT, 2001, p. 19), são examinados. Finalizando,

concluem que a estratégia corporativa é importante apesar de alguns estudos

empíricos não confirmarem tal tese.

McGahan e Porter (2002) procuram conciliar os resultados de estudos anteriores

examinando as diferenças nos métodos e base de dados utilizados nestes estudos.

Utilizando uma grande base de dados, eles evitam os pressupostos de

independência dos efeitos e a omissão da covariância entre efeitos. Empregam o

método ANOVA simultânea utilizando análise de regressão. A análise por ANOVA

simultânea contempla os efeitos da covariância sem assumir aleatoriedade dos

erros. Nos outros estudos os métodos assumiram que os efeitos e suas covariâncias

eram aleatoriamente gerados ou imputaram toda a covariância para a indústria ou

para o efeito corporação.

Afirmam que o modelo utilizado apresenta a contribuição incremental do poder

explicativo dos efeitos corporação e indústria enquanto que permite relações nos

processos que geram os efeitos. Argumentam que os efeitos indústria, corporação e

empresa estão inter-relacionados temporalmente, ou seja, empresas que têm um

desempenho diferenciado da média em um ano, provavelmente também o teriam no

ano subseqüente (McGAHAN; PORTER, 2002, p. 848)

Chegam à conclusão que o efeito empresa é mais importante que os efeitos ano,

indústria e corporação. Ao efeito ano está associada uma pequena, porém

66

importante parcela da variação. Afirmam, também, que importância relativa do ano,

indústria, corporação e empresa difere entre os diversos setores da economia.

Adner e Helfat (2003) se focam na discussão quanto à existência de um efeito da

corporação ou da empresa controladora sobre empresas controladas. Revendo

resultados apresentados anteriormente, afirmam que tais pesquisas chegaram a

resultados contraditórios, pois enquanto Bowlman e Helfat (2001) dizem que este

efeito é significante, Schmalensee e Rumelt (1991) respondem que ele é

insignificante. Neste estudo, procuraram avaliar a variação no tempo do efeito

corporação, estimando o efeito da variação temporal do efeito corporação associado

com as decisões gerenciais no nível corporativo.

Afirmam que a maioria dos estudos anteriores estimou o efeito corporação com base

somente na média dos retornos no período em estudo. Tais estudos geralmente não

fornecem estimativas do efeito corporação que provém de flutuações temporais.

Aspectos importantes da estratégia corporativa envolvem decisões estratégicas, que

por sua vez refletem a necessidade atual ou percebida de mudanças. Assim, a

omissão do efeito da dimensão variação no tempo do efeito corporação dificulta um

melhor entendimento sobre o e efeito da estratégia corporativa.

Para incluir a variação no tempo do efeito corporação, utilizaram o seguinte modelo:

ijttjitijtjiijtr εβδϕγβαµ +++++++= ∆

onde tj∆β é a variação temporal do efeito corporação para um tipo particular de

decisão gerencial. Por exemplo, os gestores da corporação podem alterar a

estrutura organizacional diversas vezes conforme as condições ambientais mudem.

t∆ representa um período de tempo de múltiplos anos que começa com o ano em

que a decisão ocorre na corporação j e termina no ano anterior à próxima decisão do

mesmo tipo pela mesma corporação. Assim, tj∆β deriva de diferenças entres as

combinações de períodos que compreendem a corporação e o tempo, no retorno

médio individual de cada período relativo à corporação-tempo. O tj∆β é um tipo de

67

efeito de interação corporação-ano que está ligado diretamente a decisões

gerenciais.

O modelo foi testado com 30 corporações americanas da indústria do petróleo de

1977 a 1997. A variável dependente foi o ROA de cada empresa individual de cada

corporação.

Para identificar as decisões gerenciais no nível corporativo, foram pesquisados

artigos no Wall Street Journal de 1977 a 1997. Cada tema publicado foi codificado

segundo a natureza das decisões que foram tomadas pelo nível corporativo. Devido

às características daquele período, a decisão de fazer dowsizing foi escolhida como

a mais recorrente e impactante, sendo assim escolhida para fazer parte do modelo.

Adner e Helfat (2003) utilizaram a análise de variância (ANOVA), para decompor a

variância do retorno sobre os ativos, analisando 6 classes de efeitos, que são: ano,

segmento industrial, corporação, empresa, segmento-ano, e decisões corporativas

de fazer downsizing.

Como esta pesquisa utiliza apenas cinco setores industriais, a explicação do fator

indústria foi relativamente pequena e apesar de ser significativo o efeito do

downsizing, ele representou 4% da variabilidade total em um modelo com poder

explicativo equivalente a um R2 de apenas 36%. A significância do fator downsizing

mostra que decisões heterogêneas dos dirigentes de corporações afetam na

variabilidade dos índices de desempenho valorizando a perspectiva da RBV.

Hawawini, Subramanian e Verdin (2003) utilizaram o banco de dados da empresa de

consultoria Stern Stewart, contendo informações de 1000 grandes empresas por

períodos de até 21 anos. O efeito firma neste estudo engloba o efeito corporação

mais o efeito empresa, não sendo possível distingui-los. Sua principal preocupação

foi comparar o efeito indústria e o efeito firma. A amostra utilizada foi de 5620

observações de 562 empresas em 55 indústrias.

Utilizando medidas de desempenho baseadas em valor, chegam à conclusão que

uma proporção significativa das estimativas absolutas da variância do fator empresa

68

é explicada pela presença de poucas excepcionais empresas em dada indústria.

Assim, somente para algumas empresas criadoras de valor e destruidoras de valor o

fator empresa é significativamente superior ao fator indústria. Para a maioria das

empresas aquelas que não são líderes notáveis ou grandes “perdedoras” o efeito

indústria é mais importante do que o efeito empresa.

Utilizando todos os dados, encontraram que, em média, o fator indústria tem pouco

impacto no desempenho e após remover as empresas de maior e de menor

desempenho de cada indústria, chegam à conclusão que a estrutura da indústria é

importante apenas para empresas que não são líderes ou “perdedoras”, isto é, para

empresas cuja capacidade gerencial e desempenho são medianas (HAWAWINI;

SUBRAMANIAN; VERDIN, 2003, p. 14).

Mcnamara e Vaaler (2003) testam a teoria de que os mercados têm, nos anos

imediatamente anteriores, se tornado cada vez mais hiper-competitivos, através da

diminuição dos ciclos de introdução de inovações. Utilizaram, na pesquisa, 114.191

observações de ROA de empresas no período de 1978 a 1997 da base de dados

COMPUSTAT. Fizeram uma análise temporal dos dados utilizando componentes de

variância.

Afirmam que empresas em mercados hiper-competitivos, devem freqüentemente

tomar decisões para restabelecer sua posição nos mercados em constante mutação.

O aumento na freqüência do processo decisório é salientado na discussão sobre os

tipos de capacidades dinâmicas necessárias para se conseguir sucesso em

mercados altamente competitivos (BROWN; EISENHARDT, 1998, EISENHARDT;

MARTIN, 2000).

Em mercados que têm mudado continuamente, necessitando cada vez mais

velocidade no processo decisório estratégico, uma das conseqüências esperadas é

que tal hiper-competitividade tenha aumentado os padrões de instabilidade no

desempenho das empresas que atuam em tais mercados. A existência da hiper-

competição implica que as empresas são menos aptas a sustentar vantagens

competitivas conforme o mercado se torna menos estável.

69

Se existe uma mudança indicando que a hiper-competição está se alastrando para

diversos mercados, então, afirmam que é de se esperar a verificação de que a

importância dos fatores instáveis que configuram o desempenho das empresas

aumentem com o tempo. Em termos do modelo de componentes de variância com

uma janela móvel de 4 anos, isto implica que a percentagem da variância atribuível

aos efeitos estáveis decresçam conforme se movimenta para janelas de tempo mais

recentes. Utilizando tais pressupostos chegam à conclusão que existe pouco suporte

para afirmar que os mercados têm realmente ficado mais hiper-competitivos.

Ruefli e Wiggins (2003) utilizam um modelo não paramétrico para o cálculo dos

componentes de variância, através da utilização de variáveis quantitativas contínuas

como variáveis independentes. Chegaram à conclusão que o fator corporação tem

maior poder explicativo que o fator indústria na decomposição da variabilidade do

desempenho das empresas.

Para chegar a um nível de desempenho significativo para cada nível de análise

(indústria, corporação e empresa) os dados longitudinais de desempenho para todas

as entradas em um nível particular foram primeiramente identificadas com janelas de

análises sucessivas de cinco anos. Cinco anos foram escolhidos pois amenizam o

problema de diferenças ano a ano apontadas por Rumelt (1991, p. 168) e é um

período comumente associado com uma fase de um ciclo de negócios (McGAHAN;

PORTER, 1999, p. 22, RUMELT, 1991, p. 167). Seus resultados são contrários ao

que aponta a corrente teórica SCP, dado que o fator indústria se mostrou muito fraco

na explicação da variância do desempenho enquanto que o fator corporação se

mostrou importante.

Makino, Isobe e Chan (2004) afirmam que os estudos anteriores focaram-se

exclusivamente em examinar as diferenças de desempenho dentro de um único

país, tratando o efeito país como externo ao desempenho da empresa, assim,

apresentam um estudo cujo foco são as corporações multinacionais e examinam o

quanto o efeito país explica da variação do desempenho de subsidiárias em paises

estrangeiros.

70

Chegaram à conclusão que os efeitos corporação e subsidiária têm mais poder

explicativo para variações em subsidiárias estrangeiras em paises desenvolvidos

enquanto que os efeitos país e indústria são mais relevantes de paises em

desenvolvimento.

Utilizando um painel de 5.183 empresas pertencentes a 616 corporações japonesas

em 159 indústrias, em 79 países por um período de 6 anos (de 1996-2001), chegam

à conclusão que o efeito país é tão forte quanto o efeito indústria.

Os trabalhos até aqui apresentados, representam o centro da discussão e do

desenvolvimento teórico desta linha de pesquisa empírica. Porém, outros trabalhos

merecem ser citados por sua relevância, quer por apresentarem abordagem

diferenciada quer por introduzirem outros tipos de variáveis.

Entre os estudos que utilizaram fundamentos metodológicos diferentes para analisar

a variabilidade presente no desempenho das empresas, é bastante citado o trabalho

apresentado por Powell (1992) que investiga tal variabilidade utilizando conceitos de

alinhamento organizacional e estrutura interna da empresa.

Alguns estudos que se preocuparam com a explicação das diferenças entre

empresas, o fizeram não focando diretamente o desempenho, mas analisando a

variabilidade em outros indicadores, como, por exemplo, investimentos em P&D

(MAURI; MICHAELS, 1998).

Há, também, estudos como o de Lang e Stulz, (1994) que investigaram se o valor de

mercado das empresas está correlacionado com o seu grau de diversificação. Eles

comparam o q de Tobin de corporações diversificadas do final dos anos 70 e dos

anos 80 com empresas que atuam em uma única indústria e encontraram que o

valor de mercado das empresas que atuam em uma única indústria mostrou-se

superior ao das que são diversificadas.

Outro estudo interessante nesta área foi publicado por Walker, Madsen e Carini

(2002) que examinaram o efeito de mudanças institucionais na heterogeneidade das

empresas e, portanto, na variabilidade do desempenho que apresentam. Eles

71

utilizaram as mudanças criadas pela desregulamentação de preços na indústria

aérea americana para capturar o efeito das mudanças institucionais.

Alguns estudos inovaram ampliando a abrangência dos modelos através da

introdução de novas variáveis. Diversos fizeram significativa contribuição em

demonstrar como e quanto o desempenho varia de acordo com o país em que a

empresa se instala. Por exemplo, Brouthers (1998) estudou o desempenho de 167

corporações multinacionais, que fazem parte das 500 maiores empresas segundo a

revista Fortune, e mostrou que variáveis especificas de paises e variáveis

especificas de indústrias bem como a interação de pais e indústria eram

significativamente relacionada a diferenças transnacionais na rentabilidade de

corporações multinacionais. Por outro lado, Christmann, Day e Yip (1999) utilizaram

um amostra de 99 observações de subsidiárias estrangeiras pertencentes a quatro

corporações, em 37 países, concluindo que o efeito país era o mais importante

determinante do desempenho das empresas. Outros trabalhos, ainda, têm explorado

a relação entre o escopo geográfico e o desempenho (GOERZEN; BEAMISH, 2003).

72

3. JUSTIFICATIVA

As amostras de empresas utilizadas nas pesquisas apresentadas na seção anterior,

utilizaram em sua grande maioria, empresas exclusivamente americanas, refletindo

realidade econômica dos EUA. A questão que permanece em aberto é se as

conclusões apresentadas para estas empresas estrangeiras valem, também, para as

empresas estabelecidas em solo brasileiro.

Raros foram os estudos feitos com dados brasileiros, sendo que os que se

preocuparam com o tema utilizaram amostras pequenas, não representativas da

realidade brasileira, por não apresentar qualquer critério explicito para a definição

das amostras. As bases utilizadas foram Compustat e Economática, que contam

com um número muito restrito de empresas, da ordem de 150 e 300,

respectivamente.

Outra questão que permanece sem uma solução satisfatória, foi levantada por

McGahan e Porter (1997) ao introduzirem um termo autoregressivo para explicar a

eventual existência de uma maior correção entre o resultado de um determinado ano

com os anos mais próximos.

3.1. Contribuições deste trabalho

Este trabalho tem quatro objetivos básicos, cujo propósito é contribuir com o

desenvolvimento da linha de pesquisa na qual se insere. Os objetivos são os

seguintes: desenvolver uma análise abrangente das empresas brasileiras, através

da utilização de uma base de dados brasileira inédita; introduzir e testar uma

metodologia teoricamente mais adequada a este tipo de estudo; verificar os efeitos

que os resultado de um ano têm sobre os resultados dos demais anos; introduzir e

73

testar uma nova variável, relevante ao contexto brasileiro. A seguir é feito um

detalhamento destes quatro objetivos.

Primeiramente, através da utilização de uma base de dados, cuja abrangência e

representatividade não têm precedentes, quer na literatura nacional quer na

internacional, com informações das grandes empresas brasileiras, procura-se

analisar e comparar os parâmetros do modelo de COV da realidade brasileira com

aqueles encontrados em pesquisas anteriores conduzidas no exterior.

Em segundo lugar, é testado o impacto da utilização de modelos mistos,

teoricamente mais adequados para o tratamento dos dados, em vez de modelos de

componentes de variância. Será utilizado modelo misto com o fator ano tratado

como efeito fixo, enquanto que os demais serão tratados como aleatórios. Da forma

como os dados têm sido apresentados nos diversos trabalhos desta linha de

pesquisa, a variável ano não é um efeito aleatório e sim fixo, pois as verificações são

coletadas em anos sucessivos, representando um período fixo de coleta de dados,

sobre os quais se faz a análise.

Para utilização da técnica COV, trabalhos anteriores partiram do pressuposto que os

efeitos de todos os fatores são provenientes de processos aleatórios, sem o que não

se poderia medir a importância relativa de cada fator utilizando COV. Se eles fossem

assumidos como efeitos fixos, poder-se-ia testar a significância estatística do fator,

porém não haveria forma confiável de mensurar sua importância. Assim, tais

trabalhos justificam as suposições sobre as características das variáveis, não por

suas qualidades intrínsecas, mas para se adequarem ao método que será utilizado

(RUMELT, 1991, p.173), o que não é apropriado.

Em terceiro lugar procura-se testar o pressuposto apresentado por McGahan e

Porter (1997, pg. 18), de que um choque ocorrido em um determinado ano

impactaria o resultado do ano seguinte, utilizando o modelo com medidas repetidas.

Procura-se verificar se o resultado em determinado ano é influenciado pelos

resultados anteriores e se ele afeta os resultados posteriores.

74

Finalmente, testa-se e mensura-se o impacto da utilização de uma nova variável,

que é a localização da empresa em determinada Unidade da Federação. O objetivo

é investigar se o fato da empresa se localizar em determinado Estado brasileiro

explica parte da variabilidade dos desempenhos contidos nos dados.

75

4. FUNDAMENTOS METODOLÓGICOS

O foco de estudo da estatística é a variabilidade presente em um determinado

conjunto de dados. Um método muito utilizado para sumarizar esta variabilidade é a

Análise de Variância desenvolvida por Sir Ronald Fisher na década de 1930. A

Análise de Variância foi desenvolvida originalmente para analisar a significância da

diferença entre médias amostrais, utilizando a razão dos quadrados das diferenças

entre as médias e a soma dos quadrados dentro dos grupos. Posteriormente a

metodologia evoluiu para o cálculo dos Componentes de Variância, que é uma

metodologia pertencente à família de técnicas denominada Análise de Variância

(ANOVA). (SEARLE; CASELLA; McCULLOCH, 1992).

Atualmente os conceitos subjacentes à Análise de Variância são sistematizados

através de modelos lineares conhecidos como Modelos de Efeitos Fixos, Modelos de

Efeitos Aleatórios e Modelos de Efeitos Mistos. Os modelos lineares conhecidos

como Modelos de Efeitos Aleatórios, lidam com fatores estritamente aleatórios

enquanto que os Modelos de Efeitos Mistos, contemplam tanto efeitos fixos como

aleatórios. As diversas técnicas envolvendo o cálculo dos Componentes de

Variância, através destes modelos, desenvolveram-se bastante nas últimas décadas.

Apresentam-se a seguir os antecedentes históricos e a nomenclatura utilizada na

Análise de Variância, bem como alguns conceitos fundamentais para a

caracterização da Análise de Modelos Aleatórios e Mistos.

4.1. Antecedentes históricos

Alguns casos especiais de modelos de efeitos fixos, denominados modelos lineares,

utilizam a teoria dos mínimos quadrados desenvolvida simultaneamente por

76

Legendre e Gauss e publicadas em 1806 e 1809, respectivamente, em textos

relacionados à solução de problemas em astronomia. À solução destes problemas

estão associadas as origens dos modelos de efeitos fixos (SCHEFFE, 1956).

Não se sabe com certeza se os astrônomos, antes dos estatísticos, também

formularam os modelos de componentes de variância. Porém, “o uso explícito de um

modelo de componentes de variância para um único fator foi feito por Airy (1861,

Part IV), [...]” (SCHEFFE, 1956, p. 255, tradução nossa). Airy fazia observações

telescópicas de um mesmo fenômeno durante várias noites. Durante cada uma das

noites que estudava o fenômeno, ele fazia diversas observações que eram

registradas. Digno de nota é que mesmo neste uso inicial da Análise de

Componentes de Variância, o modelo já contemplava o estudo de diferentes

números de observações em noites distintas. Embora Airy mesmo não acreditasse

que seu trabalho contivesse novidades, atualmente é aceito que ele apresenta a

primeira ocorrência de modelos de efeitos aleatórios na literatura (SEARLE;

CASELLA; McCULLOCH, 1992)

O segundo uso de modelos com efeitos aleatórios apareceu no trabalho de

Chauvenet em 1863 (SCHEFFE, 1956), que apesar de também não haver

formalizado explicitamente as equações do modelo, utilizou seus conceitos e derivou

seus resultados para argumentar sobre suas conclusões.

Após estes trabalhos iniciais que introduziram os conceitos de análise por

componentes de variância, o pesquisador que definitivamente fundamentou o

método foi Sir Ronald Aylmer Fisher. Um artigo de Fisher publicado em 1918, sobre

a genética das populações, introduz os temos “variância” e “análise de variância” e

utiliza o modelo de componentes de variância, calculando a influência das variáveis

na variabilidade da variável de interesse. Por exemplo, conclui que “desvios

dominantes” explicam 21% da variância total da estatura humana (SEARLE;

CASELLA; McCULLOCH, 1992).

Em seguida a este artigo, Fisher publicou em 1925 o livro “Statistical Methods for

Research Workers” onde faz significativa contribuição ao desenvolvimento do

método de componentes de variância, igualando a soma dos quadrados de uma

77

análise de variância aos seus valores esperados, para obter um conjunto de

equações que são lineares nos componentes de variância a serem estimados. Esta

idéia surgiu do uso de analise de variância para estimar a correlação de dados de

um desenho completamente aleatório (FISHER, 1928). Apesar de Fisher não usar

modelos lineares para explicar a análise de variância de experimentos, seus escritos

sobre regressão e correlação estão permeados com os conceitos de modelos

lineares.

Foi Tippett (1931), baseado no trabalho de seus antecessores, o primeiro a

formalizar o método de análise de variância para a estimativa de componentes de

variância de dados balanceados e também quem primeiramente estendeu estes

conceitos para o caso de experimentos com dois fatores de classificação cruzada.

Com um método de estimação de componentes de variância formalizado, apesar de

limitado a dados balanceados, foi possível se focar no estudo dos melhores métodos

de amostragem para experimentos específicos. Nesta linha de desenvolvimentos

Neyman, Iwaszkiewicz e Kolodziejczyk (1935) examinaram a eficiência dos

desenhos utilizando blocos aleatórios e o método Latin square e ao contrário dos

estudos anteriores utilizaram exaustivamente modelos lineares e seus conceitos,

inclusive para modelos mistos.

O primeiro a utilizar o termo “componentes de variância” foi Daniels (1939) em seu

artigo “The estimation of components of variance”, onde faz distinção clara da

utilização do método:

“Utilizando apenas a análise de variância para detectar fontes de variação, nenhuma distinção é necessária ser feita entre os dois tipos de fatores [...] Mas quando desejamos estimar os componentes de variância de determinado fator [...] a distinção entre variação aleatória e sistemática é necessária...” (DANIELS, 1939, pg.187)

Daniels (1939) utilizou o conceito de valor esperado, que embora apareça implícito

em Fisher (1928), não havia, até então, sido formalizado utilizando o operador “E”.

Outros aspectos importantes deste trabalho foram o desenvolvimento de estimativas

de componentes de variância para dados balanceados para modelos aleatórios de

classificação cruzada com até três fatores com todas as interações e abriu-se a

78

possibilidade que a população de efeitos para um fator aleatório pudesse ser de

tamanho finito (SEARLE; CASELLA; McCULLOCH, 1992).

Desenvolvimentos posteriores, formalizaram a distinção entre modelos de efeitos

fixos e modelos de efeitos aleatórios, sendo eles denominados de modelo I e modelo

II respectivamente (EISENHART, 1947), apesar de sua existência ser anterior uma

vez que aparece implícita em trabalhos como o de Welch (1936).

Na década de 40 o método de estimativa de componentes de variância, utilizando a

soma dos quadrados em modelos mistos e aleatórios, passou a ser conhecido como

método ANOVA de estimação. Este método apresentava deficiências quando,

dependendo dos dados utilizados, fornecia estimativas negativas dos componentes

de variância, que por definição deveriam ser positivos. A sugestão para análise dos

resultados, quanto este fenômeno acontecia, era considerar tais valores como zero,

o que invalidava a propriedade de não viés que estava implícita no método ANOVA

(CRUMP, 1946).

Nas décadas de 50 e 60, houve um vigoroso desenvolvimento dos métodos de

estimativa de componentes de variância, surgindo novos métodos baseados nos

critérios de máxima verossimilhança (maximun likelihood) e norma mínima (minimum

norm).

Um texto publicado o início deste período e considerado como um marco no

desenvolvimento da análise de componentes de variância é o livro de Anderson e

Bancroft (1952). Neste livro são sedimentados os conceitos utilizados nos

procedimentos de associação da soma dos quadrados, da análise de variância, aos

seus valores esperados como forma de estimar os componentes de variância,

lidando com dados balanceados e não balanceados, para modelos mistos, modelos

aleatórios e para classificações aninhadas (SEARLE; CASELLA; McCULLOCH,

1992).

Henderson (1953) apresentou importante contribuição desenvolvendo três métodos

diferentes de utilização de dados não balanceados, em modelos aleatórios e mistos,

com qualquer quantidade de elementos aninhados ou com classificação cruzada.

79

Estas três versões passaram a ser conhecidas como Método I, Método II e Método

III de Henderson.

Após os trabalhos de Fisher (1928), que desenvolveu o método de máxima

verossimilhança (ML) e sua forma geral para a estimação de componentes de

variância, Herbach (1959) foi quem primeiramente derivou, de forma explicita, os

estimadores de máxima verossimilhança (ML) para alguns modelos de componentes

de variância com dados balanceados, que já haviam sido apresentados

implicitamente em trabalhos com dados não balanceados (CRUMP, 1946).

Porém, o trabalho que representa um referencial teórico para o cálculo dos

estimadores de ML foi apresentado por Hartley e Rao (1967), onde a metodologia é

desenvolvida para uma grande gama de modelos, abrangendo modelos mistos e

aleatórios, balanceados ou não.

Thompson (1962) trabalhando sobre os modelos de ML, foi quem introduziu a idéia

de maximizar a parte da verossimilhança que não varia com os parâmetros do

modelo, ou seja os efeitos fixos. Este método é atualmente conhecido como máxima

verossimilhança restrita (REML). Um dos aspectos interessantes do REML é que

para dados balanceados sua solução é idêntica à apresentada pelos estimadores de

ANOVA.

A tentativa de encontrar o equivalente ao melhor estimador linear não viesado da

média de modelos lineares, para componentes de variância, levou ao

desenvolvimento das metodologias que culminaram com a sistematização dos

estimadores quadráticos não viesados de variância mínima. Os trabalhos de Rao

(1970, 1972) sistematizaram o desenvolvimento teórico dos estimadores quadráticos

não viesados de norma mínima (MINQUE), que tendo a forma quadrática seja não

viesado e minimize a norma euclidiana da matriz núcleo. O método MINQUE não

exige suposições sobre a distribuição de probabilidade da variável dependente,

porém se a suposição de normalidade é satisfeita, o estimador MINQUE tem a

propriedade de ser a forma quadrática não viesada da variância mínima denominado

MIVQUE (CAMARINHA, 2003).

80

As mais recentes contribuições metodológicas ao campo de estudo da análise de

componentes de variância vieram do trabalho de Smith e Murray (1984), que

formularam os componentes de variância como covariâncias e então usaram o

método ANOVA para resolvê-lo.

A maior parte dos desenvolvimentos recentes tem sido na utilização da metodologia

em novos tipos de aplicação em diversas áreas do conhecimento (SEARLE;

CASELLA; McCULLOCH, 1992).

4.2. Conceitos

No estudo da variabilidade presente em um conjunto de dados, busca-se atribuir

esta variabilidade a categorias diferentes sob as quais os dados estão classificados.

Por exemplo, estudando-se a diferença entre rentabilidade de empresas, de médio e

grande porte, do setor siderúrgico e de autopeças do Brasil, México e Argentina,

pode-se sumarizar os dados no seguinte quadro:

Porte da Empresa Médio Grande

País de Origem País de Origem Setor Industrial Brasil México Argentina Brasil México Argentina

Siderúrgico Autopeças Quadro 1 – Sumário dos dados

As variáveis Porte da Empresa, País de Origem e Setor Industrial que identificam e

classificam os dados são denominadas “fatores”. Fator, portanto, nada mais é do

que uma variável, ou seja, uma qualidade ou propriedade utilizada para a

classificação dos dados.

81

Os fatores estão subdivididos em classes que interessam ao estudo, como

Siderúrgico e Autopeças dentro do fator Setor Industrial ou Grande e Médio dentro

do fator Porte da Empresa. Cada uma destas classes é denominada “nível” de um

determinado fator. O nível de um fator é, portanto, um valor particular que pode ser

assumido pelo fator.

Cada subconjunto de dados que ocorre na intersecção de um nível de cada fator é

denominado célula de dados ou tratamento. No exemplo, são apresentado três

países, dois setores industriais e dois tipos de porte, que resultam em (3 x 2 x 2 =

12) doze diferentes células ou tratamentos.

4.3. Modelos Estatísticos Lineares

Considerando-se a indústria a que a empresa pertence como um fator, cada uma

das indústrias do estudo é considerada como um nível deste fator. Sendo Aµ a

média de desempenho das empresas do grupo A, o efeito, sobre o desempenho, de

se pertencer à indústria A seria: A Aα µ µ= − , onde µ é a média de desempenho de

todas as empresas sob estudo.

Se y representar o desempenho de uma empresa extraída aleatoriamente do

conjunto de todas as empresas do grupo A, ela será uma variável aleatória com

média Aµ e variância 2σ , cujo desvio de µ é o erro e. Como y é uma variável

aleatória com média Aµ e variância 2σ , o erro e também será uma variável aleatória,

porém com média zero e variância 2σ . Tem-se, assim, a equação Ay eµ= + , em

que o desempenho de uma empresa do grupo A é definido como a soma do valor

médio do grupo com um erro aleatório. Esta equação pode ser escrita como

Ay eµ α= + + , com y sendo o resultado da soma da média de todos os dados, com

o efeito de se fazer parte da indústria A e com o erro aleatório. Este é um exemplo

82

de um modelo estatístico linear. Generalizando para todas as indústrias temos que

i i iy eµ α= + + .

4.3.1. Análise Variância e Análise de Regressão

A Análise de Variância e a Análise de Regressão lidam com a relação estatística

entre a variável resposta e uma ou mais variáveis preditoras. Na Figura 11

apresentamos o modelo básico onde temos y como variável resposta, x1 e x2 como

variáveis preditoras e ye como o erro.

Figura 11 – Estrutura do Modelo de Análise de Variância e de Regressão

As estruturas das análises de regressão e de variância são basicamente a mesma,

porém apresentam duas diferenças básicas (NETER et al., 1996):

a) Na análise de variância a variável preditora pode ser qualitativa enquanto

que no modelo formal de análise de regressão ela deve ser quantitativa

(para se fazer análise de regressão quando estão presentes variáveis

qualitativas é necessário transformá-las em variáveis quantitativas tipo

dummy).

b) Enquanto na análise de regressão é necessário especificar a natureza da

relação estatística entre as variáveis preditoras e a variável resposta, na

análise de variância este procedimento não é necessário.

y

x1

ey

x2

83

A análise de regressão descreve a natureza da relação estatística entre a médias de

um conjunto de respostas e os níveis das variáveis preditoras.

Figura 12 – Modelo de Análise de Variância Fonte: Adaptado de Neter et al., 1996.

Figura 13 – Modelo de Análise de Regressão Fonte: Adaptado de Neter et al., 1996.

As Figuras 12 e 13 ilustram a diferença existente entre a Análise de Variância e a

Análise de Regressão. No Modelo de Regressão temos a curva que representa a

variação do faturamento de determinada empresa em função de cinco níveis de

preço praticados para determinado produto. Para cada nível de preço há uma

distribuição de probabilidade para o faturamento. As médias destas distribuições

caem sobre a curva de regressão, que representa a relação estatística entre o preço

de venda e o faturamento. Para o modelo de Análise de Variância, os cinco níveis de

preços são tratados como cinco amostras provindas de cinco populações diferentes,

cada uma levando a níveis diferentes de faturamento médio. As diferenças

quantitativas entre os cinco níveis de preço e sua relação com o valor esperado do

faturamento não são objetos de estudo do modelo de Análise de Variância.

Preço de Venda (X)

11 12

13

16

20

µ1 µ2

µ3

µ4

µ5

Faturamento (Y)

µ1 µ2 µ3 µ4 µ5 Faturamento (Y)

11 12 13 16 20 Níveis de preço de venda (X)

84

Figura 14 – Modelo de Análise de Variância

A Figura 14 ilustra o modelo de Análise de Variância para as diferenças salariais

existentes entre homens e mulheres em determinada região. Os homens e de

mulheres são tratados como populações diferentes, com uma distribuição de

probabilidade de salários associada a cada grupo. Neste caso como a variável

explicativa (sexo do respondente) é qualitativa, não existe uma representação

correspondente do modelo de Análise de Regressão.

Quando a variável preditora é qualitativa, pode-se associar a cada um dos seus

níveis um conjunto de variáveis dummy e utilizar o modelo de Regressão Linear,

para estimar a importância relativa de cada fator na explicação da variabilidade da

variável dependente. Este método denominado de análise de variância seqüencial,

utiliza um procedimento de cálculo hierárquico iniciado com a estimativa do modelo

de regressão sem qualquer variável representativa dos fatores, fazendo com que a

variável dependente seja analisada como função de uma constante (normalmente a

média de todas as observações).

Adicionando-se as variáveis independentes que representam os fatores que ser

deseja mensurar, um após o outro, expande-se o modelo inicial. Depois da adição

de cada fator, seu efeito é medido pelo incremento no R2, que representa a

estimativa da fração da variabilidade da variável dependente que pode ser explicada

pela variável independente acrescentada. A ordem de entrada das variáveis

influencia no quanto a variável explica, pois as variáveis que entram primeiro tendem

a explicar uma grande proporção da variância, enquanto que as que entram por

último explicam progressivamente menos.

µM µH Salário (Y)

HomensMulheres

85

Vários trabalhos utilizam esta técnica para avaliar o impacto que fatores diversos

têm na explicação do desempenho das empresas (ADNER; HELFAT, 2003,

RUMELT, 1991, SCHMALENSEE, 1985, WERNERFELT; MONTGOMERY, 1988).

4.4. Tipos de Modelos Lineares

Quando se utilizam fatores com seus níveis para classificar determinado conjunto de

dados, o que se busca é determinar o quanto os diferentes níveis de um fator afetam

a variável de interesse, ou seja, o interesse está em identificar qual o “efeito” do nível

de um fator na variável de interesse. Os efeitos de um fator são basicamente de dois

tipos: fixos e aleatórios.

4.4.1. Modelos de Efeitos Fixos

Nos modelos de efeitos fixos, os níveis de cada um dos fatores se apresentam como

um conjunto finito e suficiente para o estudo. A atenção está fixada apenas nos

níveis apresentados no estudo. Por exemplo, se o estudo sumarizado no Quadro 2,

estivesse sendo desenvolvido por um investidor que restringiu suas opções,

considerando investir apenas na compra de ações de médias ou grandes empresas,

dos setores automobilístico e siderúrgico sediadas no Brasil, Argentina ou México,

teríamos os níveis de cada um destes fatores representando todas as características

de interesse no estudo. Neste exemplo, como só existe interesse em investir nos

setores automobilístico ou siderúrgico e nenhum outro será considerado, o efeito do

fator Setor Industrial seria fixo, pois contempla os dois níveis de interesse.

86

Quando todos os fatores são fixos o modelo é denominado de Modelo de Efeitos

Fixos, Modelo Fixo ou Modelo Tipo I (BARBIN, 1993).

Um modelo que contemplasse as diferenças no desempenho de empresas que se

estabeleceram no Brasil, México e Argentina, poderia ser: i i iy eµ α= + + . O iy

representa o desempenho de uma empresa do país i, µ representa a média geral

de desempenho das empresas estudadas e ie representa o erro aleatório. Os

efeitos ,A Bα α e Cα representam a diferença de desempenho entre a média geral e o

fato da empresa estar estabelecida no país Brasil, México ou Argentina. Como os

países listados representam todos os paises nos quais se está interessado em

estudar, os parâmetros ,A Bα α e Cα são fixos uma vez que representam apenas os

efeitos dos paises em estudo.

Neste caso a variância da variável dependente seria igual à variância do erro, ou

seja, 2( ) ( )i i iVar y Var eµ α σ= + + = .

4.4.2. Modelos Aleatórios

Se o interesse fosse investir em empresas de micro, pequeno, médio, médio-grande

e grande portes localizadas na América Latina, os dados apresentados no Quadro 2,

representariam apenas uma amostra da população de interesse. Por exemplo, se os

níveis Brasil, Argentina e México do fator país, representassem uma amostra

escolhida aleatoriamente entre todos os paises da América Latina, para que os

resultados da pesquisa fossem utilizados para inferir o comportamento dos demais

paises de interesse, o fator País seria aleatório. Portanto, quando se tem um número

grande ou até mesmo infinito de níveis em um fator, este fator é caracterizado por

apresentar um efeito aleatório.

87

Se todas as variáveis do modelo forem de efeito aleatório ele é denominado Modelo

de Efeitos Aleatórios, Modelo Aleatório ou Modelo Tipo II (BARBIN, 1993).

No exemplo anterior, se porte médio e grande representassem apenas uma amostra

aleatória dos possíveis portes, se autopeças e siderúrgico representassem apenas

uma amostra aleatória de todos os diversos setores e finalmente se Brasil, Argentina

e México representassem, também, apenas uma amostra aleatória dos possíveis

paises, sendo o interesse do estudo um conjunto muito maior do que o representado

pelos dados apresentados, ter-se-ia um típico Modelo de Efeitos Aleatórios. A

principal característica destes modelos é permitir que se façam inferências sobre a

população que eles representam.

Neste caso, os dados carregariam quatro fontes de variação, devido ao: porte, país,

setor e ao erro. Estas variâncias são conhecidas como Componentes de Variância e

a soma destas variações equivale à variância total da variável de interesse.

Um modelo simplificado que utilizasse uma amostra dos países de interesse, poderia

ser: i i iy a eµ= + + . A interpretação dos termos iy , µ e ie é a mesma que a

utilizada no modelo fixo. A diferença é que o termo ia representa o efeito da amostra

de países (Brasil, México e Argentina, por exemplo), que seria utilizado para fazer

inferência sobre todos os paises de interesse. Utilizando, no exemplo, uma amostra

aleatória dos paises, ia seria uma variável aleatória com média zero e variância 2Pσ ,

onde P indica que a variância refere-se ao efeito do país.

Neste caso a variância da variável dependente seria igual à variância do efeito país

mais a variância do erro, ou seja, 2 2( ) ( )i i i PVar y Var eµ α σ σ= + + = + .

Em muitos casos, a distinção entre efeitos aleatórios e fixos, se baseia em

pressupostos sobre as características dos níveis de um fator: se forem amostras

aleatórias de uma de uma população de interesse ou se representam

especificamente os níveis de interesse.

88

4.4.3. Modelos Mistos

Os modelos que possuem tanto fatores fixos como aleatórios são denominados

Modelos Mistos ou Modelos Tipo III (BARBIN, 1993). No exemplo apresentado, se o

interesse recaísse somente sobre as empresas siderúrgicas e de autopeças da

América Latina, e se fosse utilizada uma amostra aleatória de paises para o estudo,

o fator Setor Industrial seria fixo enquanto e o fator país seria aleatório, configurando

um modelo misto.

O modelo deste exemplo seria: ij i j ijy a eµ β= + + + . A variável dependente ijy

representa o desempenho de uma empresa no país i e no setor j. O termo µ

representa a média geral do desempenho, o termo ia representa o fator aleatório

referente ao país (no exemplo, Brasil, México e Argentina), o temo jβ o efeito fixo

relativo ao setor industrial (Siderúrgico e Autopeças, no exemplo) e ije o erro

aleatório. A variância da variável dependente seria igual a soma da variância do fator

aleatório com a variância do erro, ou seja, 2 2( ) ( )ij i j ij PVar y Var a eµ β σ σ= + + + = + .

4.5. Fixo versus Aleatório: o fator Ano

Em alguns casos a pressuposição de que um efeito é fixo ou aleatório não é tão

imediata, principalmente quando associadas ao tempo (EISENHART, 1947).

Portanto, um fator que pode gerar discussões sobre sua classificação quanto a ser

fixo ou aleatório é o fator Ano. Por exemplo, estudando a rentabilidade das

empresas durante um período de 10 anos, seriam estes 10 anos considerados

efeitos fixos ou aleatórios?

89

Os anos por si só não são necessariamente aleatórios, representando muitas vezes

um período consecutivo de tempo sobre os quais se coletaram os dados. Porém se

os efeitos destes anos sobre a variável de interesse puderem ser considerados

aleatórios, o fator Ano pode ser considerado aleatório (SEARLE; CASELLA;

McCULLOCH, 1992).

Caso o foco do estudo recaia sobre alguns anos especificamente, deve-se tratá-lo

como sendo um fator fixo. Por exemplo, desejando analisar os efeitos da

maxidesvalorização do real, ocorrida em 1999, sobre a rentabilidade das empresas,

poder-se-ia analisar um conjunto de anos imediatamente anteriores e posteriores a

1999 para verificar se houve diferenças significativas na rentabilidade das empresas

antes e depois deste evento poderia configurar o efeito Ano como fixo. Porém, se os

anos estudados representarem uma amostra de todos os possíveis anos de

interesse, o fator Ano pode ser tratado como fator aleatório.

A decisão de tratar um efeito como fixo ou aleatório deve levar em conta o contexto

dos dados, o modo como foram coletados e o ambiente de onde eles provêm. Com

base nestes três pontos, deve-se verificar se os níveis de determinado fator serão

tratados como uma amostra aleatória de uma população de interesse. Em caso

afirmativo trata-se o efeito do fator como aleatório e caso contrário como fixo.

Quando inferências serão feitas sobre uma população de efeitos, dos quais os

dados são considerados uma amostra aleatória, os efeitos utilizados no modelo

serão considerados aleatórios e quando as inferências forem restritas apenas aos

efeitos presentes no modelo, tais efeitos são considerados fixos.

Quando se deseja estimar a Componente de Variância do fator Ano, costuma-se

tratá-lo como fator aleatório, por ser a única forma de se estimar sua importância

relativa frente a outros fatores (RUMELT, 1991), sem que haja um profunda

discussão sobre a validade da utilização de tal conceito.

90

4.6. Medidas Repetidas e o Fator Ano

Outro aspecto importante quando se considera o fator Ano, reside na questão dos

efeitos de resultados excepcionais ou muito ruins de um ano sobre os anos

subseqüentes mais próximos (McGAHAN; PORTER, 1997). Este tipo de efeito é

denominado medidas repetidas, pois são apresentadas várias medidas para mesma

unidade experimental.

As diversas técnicas para o tratamento de medidas repetidas, diferenciam entre si

em função das estruturas de covariância dos dados analisados. Em experimentos

típicos com medidas repetidas, duas medidas tomadas em tempos subseqüentes

serão mais correlacionadas entre si que medidas tomadas em espaços de tempos

maiores, ou seja, observações tomadas em pontos temporalmente próximos são

normalmente mais correlacionadas que observações temporalmente mais distantes.

Duas das estruturas de covariância mais comuns Compound Symetric (CS) e

Autoregressive Order One (AR(1)), serão utilizadas nas análises para verificação do

efeito das medidas repetidas. A estrutura AR(1) é mais adequada para análises em

que se espera que a correlação seja maior para eventos mais próximos no tempo. A

estrutura CS utiliza uma matriz de covariância em que o efeito distância no tempo

não afeta a correlação, que é a mesma independente do espaço de tempo entre as

observações (LITTELL et al., 1996).

As análises que serão desenvolvidas neste trabalho, terão caráter eminentemente

exploratório no que se refere ao contexto de medidas repetidas, uma vez que não se

sabe qual é a estrutura de covariância para dados repetidos, ou mesmo se esta

covariância existe. Sendo assim, as análises com medidas repetidas serão feitas

utilizando os dois tipos de estrutura de correlação, AR(1) e CS, buscando verificar

seu poder explicativo no conjunto de dados.

91

4.7. Dados Balanceados e Não Balanceados

A classificação dos dados como balanceados ou não balanceados está relacionada

com a quantidade de observações existente em cada célula ou tratamento. Quando

todas as células contêm o mesmo número de observações os dados são

denominados balanceados, caso contrário são denominados não balanceados

(SEARLE; HENDERSON, 1979).

Dados balanceados são resultados típicos de experimentos planejados e

executados como planejados. Um caso especial acontece quando o número de

observações em todas as células são as mesmas exceto por poucas que têm uma

ou duas a menos que a maioria. Isso acontece quando alguma observação do

experimento foi inadvertidamente perdida. Nestes casos é possível estimar as

observações faltantes (LITTLE; RUBIN, 2002) e tratar o conjunto como balanceado.

Por outro lado, pesquisas tipo survey são fontes comuns de dados não balanceados,

uma vez que a coleta de dados, muitas vezes, é feita simplesmente porque eles

estão disponíveis, fazendo com que o número de observações em cada célula varie

de uma para outra, podendo haver células sem qualquer dado. Outra fonte de dados

não balanceados são bases de dados que registram atividades de pessoas e de

empresas, onde é comum encontrar observações sem registros em determinados

níveis de fatores diversos.

A categoria de dados não balanceados pode ser dividida em dois grupos, aquele em

que todas as células têm valores, ou seja, existe pelo menos uma observação em

cada célula e aquele em que algumas células não contêm qualquer valor. Esta

divisão é importante para a análise de modelos com efeitos fixos, onde a seleção do

método de cálculo é influenciada por esta característica, porém é pouco importante

nos modelos aleatórios e mistos (SEARLE; CASELLA; McCULLOCH, 1992).

92

4.8. ANOVA e VCA

ANOVA estima um modelo de regressão linear utilizando variáveis dummy para cara

um dos diferentes tratamentos. A importância de cada um dos efeitos através do

total de variância explicado por determinado conjunto de variáveis dummy.

VCA é também conhecida como ANOVA de efeitos aleatórios porque os níveis dos

efeitos são assumidos como aleatoriamente selecionados. VCA estima um modelo

similar ao ANOVA, mas em vez de estimar os parâmetros das variáveis dummy ela

apresenta a variância de um conjunto de variáveis dummy implícitas. Esta variância

correspondente à quantidade de variância da variável dependente explicada pelo

conjunto de variáveis dummy implícitas.

(BRUSH; BROMILEY, 1997) questionam a forma de mensuração inerente ao VCA,

demonstrando que outra métricas têm sido utilizadas nas pesquisas em ciências

sociais. Por exemplo, pesquisadores têm discutido a importância de uma variável

como a mudança esperada na variável dependente quando esta muda de um desvio

padrão (beta padronizado) em vez da variância explicada pela VCA. (BRUSH;

BROMILEY, 1997) afirmam que a VCA não é apropriada para evidenciar todos os

efeitos presentes. ANOVA apresenta dificuldades porque o efeito corporação deve

entrar no modelo antes do efeito empresa, fornecendo uma estimativa não

apropriada de sua importância relativa (BOWMAN; HELFAT, 2001, RUMELT, 1991),

uma vez que Rumelt (RUMELT, 1991) encontra um efeito corporação significativo

quando ele entra com a corporação antes da empresa.

A maioria dos estudos que procuram estimar os efeitos da corporação ou da

indústria no desempenho das empresas individuais, têm utilizado as técnicas de

análise de variância seqüencial (ANOVA utilizando métodos de regressão) ou

análise de componentes de variância (VCA). Existem críticas à utilização destas

técnicas.

93

No modelo ANOVA, onde é utilizada a regressão hierárquico por mínimos quadrados

ordinais, os efeitos das variáveis independentes como corporação, indústria,

empresa, etc, são representados por variáveis dummy. A metodologia

progressivamente vai entrando com as variáveis dummy para cada uma das classes

de efeito na análise. Depois da adição de cada conjunto de variáveis, o efeito

daquela classe de variáveis é medido através do incremento do R2, que é uma

estimativa da variância explicada. Como a soma das variáveis dummy das unidades

de negócio de uma corporação é igual à variável dummy para desta corporação, um

modelo que entrasse com ambas as variáveis ao mesmo tempo seria não

identificado.

Para identificar ambas as variáveis, corporação e empresa, o efeito corporação deve

entrar no modelo antes do efeito empresa. Schmalensee e Rumelt (RUMELT, 1991)

entraram primeiramente com o efeito corporação. Utilizando tal procedimento Rumelt

encontrou um incremento no R2 para a corporação de 0,148, 0,109, 0,176 e 0,116

dependendo da amostra e de quais variáveis entraram antes da corporação. O

problema é que entrando primeiramente com a corporação associa-se ao efeito

corporação toda a variação compartilhada entre a empresa e a corporação,

superestimando tal efeito (BOWMAN; HELFAT, 2001). Rumelt (RUMELT, 1991)

utiliza este argumento para justificar o uso da técnica VCA.

(BRUSH; BROMILEY, 1997) identificaram três problemas com a técnica VCA:

interpretação, poder e especificação do modelo. Utilizando simulação de Monte

Carlo, eles encontraram que os componentes de variância estimados parecem variar

com o quadrado do que eles denominaram “importância”, ou o tamanho relativo das

distribuições simuladas dos efeitos corporação e empresa, tendo assim uma

estimativa muito pequena para menores efeitos. Se um efeito fosse 0,2 e outro 0,8,

elevando-se ao quadrado têm-se 0,04 e 0,64 fazendo com que o primeiro pareça

não importante. Este problema em interpretação pode ser corrigido por

transformações matemáticas dos resultados, examinando-se as raízes quadradas

dos componentes de variância em vez de examinar os componentes de variância

diretamente.

94

O segundo problema, poder da análise, não é de fácil solução. Eles encontraram

que múltiplas rodadas do mesmo modelo resultaram em uma variedade de

estimativas implicando que o método não é confiável em uma aplicação única. Em

particular ao método falta poder para estimar os menores efeitos mesmo quando

eles existem por construção. A tabela 4 de (ROQUEBERT; PHILLIPS; WESTFALL,

1996) dão suporte a este argumento. Utilizando uma amostra aleatória sem

reposição, (ROQUEBERT; PHILLIPS; WESTFALL, 1996) dividiram sua amostra de

16.000 observações em 10 amostras com tamanho médio de 1.600 observações.

Suas estimativas do efeito corporação de variaram de 9% a 28%.

Finalmente (BRUSH; BROMILEY, 1997) questionam os pressupostos estruturais do

modelo de VCA apresentado por Rumelt (RUMELT, 1991). Para a o método da

regressão por mínimos quadrados ordinários seja aplicado é preciso assumir que o

erro tem correlação zero com as variáveis explicativas para se poder estimar a

variância do resíduo. Os pressupostos da VCA são análogos, porém diferentes. Eles

levantam suposições sobre os pressupostos estruturais presentes na VCA e suas

implicações para a interpretação dos resultados destes modelos,

Quando o modelo VCA inclui mais que um componente, são necessários alguns

pressupostos para a identificação (de outra forma teria os mesmos problemas de

identificação da análise ANOVA). A maioria dos desenvolvimentos em VCA com

múltiplos componentes impõem a pressuposição que os parâmetros das variáveis

dummy implícitas serão não correlacionadas entre os diversos efeitos (isto é, no

modelo , , , ,n m t n m n m tr µ γ ε= + + , onde nµ e mγ são efeitos aleatórios, estes seriam não

correlacionados). Em estudos como o de Rumelt (RUMELT, 1991) o vetor do efeito

empresa deve ser não correlacionado com o vetor do efeito corporação e a soma de

tais efeitos deve ser zero. Estes são dois importantes pressupostos estruturais e

devem influenciar grandemente os resultados (BRUSH; BROMILEY; HENDRICKX,

1999).

95

4.9. Métodos de solução de Modelos Lineares

Vários métodos para a estimação dos componentes de variância estão disponíveis

atualmente, entre eles estão os métodos ANOVA (FISHER, 1928) e os métodos 1, 2

e 3 de Henderson (1953). O primeiro é apropriado para a utilização com modelos

balanceados, enquanto que os outros três se aplicam, respectivamente, a modelos

aleatórios, a modelos mistos sem interações e/ou hierarquizações entre efeitos fixos

e aleatórios, e a mistos ou aleatórios (VALÉRIO FILHO, 1991).

Rao (1970), propôs o método geral chamado estimação quadrática de norma mínima

(MINQE), que se desdobrou em vários métodos, dentre os quais se destacam o

estimador quadrático não viesado de norma mínima (MINQUE) e o estimador

quadrático não viesado de variância mínima (MIVQUE). Nestes métodos,

propriedades como não tendencionsidade, unicidade, invariância à translação e

norma ou variância mínima, podem ser incorporadas em um estimador de

componente de variância (DUARTE, 2000).

Westfall (1987) trata de análise de componentes de variância de amostras grandes

para dados não balanceados quando os pressupostos sobre as distribuições não

são necessariamente normais. Alguns casos especiais do MINQUE, são

MINQUE(0), MINQUE(1), MINQUE(∞) e MIVQUE, que são definidos através da

atribuição a priori da razão entre a variância da variável aleatória e a variância do

erro a 0, 1, infinito e à razão atual da variância, respectivamente. Como a razão da

variância normalmente é desconhecida a priori, a estimativa pelo MIVQUE não pode

ser computada para dados não balanceados (com dados balanceados, MIVQUE e

ANOVA são correspondentes) (WESTFALL, 1987). Neste verifica-se que a

estimativa através do MIVQUE apresenta a mínima variância interna da classe

quando se compara com outros estimadores quadráticos não viesados sob

normalidade, mas demonstra que outros estimadores podem ser mais eficientes em

situações de não normalidade. O ganho potencial em eficiência é freqüentemente é

menor quando comparado com a potencial perda de eficiência relacionada com o

MIVQUE. Dos resultados demonstra-se que os estimadores REML e ML, cujas

96

derivações dependem dos pressupostos de que os dados seguem distribuições

multivariadas normais, são boas escolhas em algumas situações de não

normalidade. A análise da variância de amostras grandes demonstra que certas

comparações são invariantes quanto às distribuições apresentadas. Por exemplo, a

eficiência da ANOVA em relação ao MIVQUE quanto as variâncias entre classes

torna-se independente dos parâmetros de curtose quando se estuda valores

extremos (WESTFALL, 1987). O MINQUE e o MIVQUE podem produzir estimadores

diferentes para o mesmo conjunto de dados, estimadores estes que podem ser

negativos e viesados.

Outra abordagem é o de máxima verossimilhança (ML) (HARTLEY; RAO, 1967). Um

método derivado deste é o da máxima verossimilhança marginal (MML) que se

tornou mais conhecido como máxima verossimilhança restrita ou residual (REML).

Estes estimadores, apesar de utilizar abordagens diferentes dos métodos anteriores,

demonstra-se que os estimadores ML e REML podem ser exibidos como versões

interativas dos MINQE´s (RAO; KLEFFE, 1988).

A escolha do melhor método de estimação de componentes de variância, é um dos

desafios do pesquisador, uma vez que eles se baseiam em diferentes pressupostos

e seus resultados nem sempre coincidem, podendo variar bastante entre si (KELLY;

MATHEW, 1994), principalmente para conjuntos de dados desbalanceados e para

modelos mistos, uma vez que suas propriedades estatísticas não se mantêm válidas

para todos os parâmetros que se pretende estimar (DUARTE, 2000). Os

estimadores ANOVA são não viesados, de variância mínima e invariantes à

translação quando os dados são balanceados, porém sob a condição de não

balanceamento, a propriedade de variância mínima não se mantém (SEARLE,

1971). Os métodos ML e REML têm seus algoritmos de solução construídos sobre a

pressuposição de normalidade dos dados. O MIVQUE exige a atribuição a priori de

pesos correspondentes às razões entre os componentes individuais e o componente

do erro e como não dispõe desta informação a priori, os estimadores MIVQUE

geralmente não são de variância mínima (SWALLOW; MONAHAN, 1984). Um caso

particular denominado MIVQUE(0), os pesos dos componentes individuais são

assumidos com valor zero e o componente do erro é assumido com valor igual a um,

97

fazendo com que a variância mínima seja garantida apenas quando os verdadeiros

componentes associados aos efeitos aleatórios, com exceção do erro, forem nulos.

Vários trabalhos têm procurado avaliar a eficiência dos diversos métodos de

estimativa de componentes de variância, entre eles pode-se citar o trabalho

realizado por Swallow e Searle (1978) que verificou a variância do estimador

MIVQUE foi de mínimo local para dados não balanceados, ou seja, somente quando

os valores da estimativa da razão entre os componentes de variância e do erro

foram assumidos a priori próximos aos valores reais é que este estimador produziu

estimativas corretas. Swallow e Monahan (1984) compararam os métodos ANOVA,

ML, REML, MIVQUE(A) e MIVQUE(0) utilizando um modelo aleatório em

classificação simples e chegaram a conclusão que o modelo ANOVA é adequado

quando a razão entre a variância da variável aleatória e a variância do erro é menor

ou igual a um, que o modelo ML foi melhor quando esta razão foi menor que meio e

que o modelo MIVQUE(0) apresentou o pior desempenho de todos sob as condições

testadas. Santana et al. (2002) testaram os métodos ANOVA, ML, REML e

MIVQUE(0) em um modelo aleatório de classificação simples, por simulação,

utilizando dados gerados sob a condição de diversos valores da razão entre a

variância da variável aleatória e a variância do erro, em modelos não balanceados,

recomendando a utilização do estimador ML quando a razão for de 0,05 e do

estimador REML quando a ração for superior a 0,25, sendo que o MIVQUE(0) se

mostrou como o método menos eficaz.

Apesar dos problemas apresentados pelos estimadores, tais problemas não se

mantêm sob todas as condições, havendo situações especiais em que um método é

superior a outros, cabendo ao pesquisador a tarefa de identificar estas situações e

com base nela escolher o método mais adequado (DUARTE, 2000).

98

4.10. A mensuração do construto desempenho

O construto vantagem competitiva tem sido bastante influenciado pela visão

econômica, fazendo com que o conceito de rendas acima da norma seja

freqüentemente usado como proxi para sua mensuração (BARNEY, 1991, BARNEY,

2001b, PETERAF, 1993).

A utilização da taxa de retorno contábil como medida de rendas acima da norma, ou

simplesmente desempenho superior, apesar de ser alvo de críticas (BENSTON,

1985, FISHER; McGOWAN, 1983), por apresentar vieses associados às diferentes

políticas e convenções de avaliação de ativos, conta com vários defensores

(JACOBSON, 1987, LONG; RAVENSCRAFT, 1984), principalmente quando tais

vieses não afetam diretamente a questão de pesquisa (RUMELT, 1991). Algumas

alternativas para a utilização da taxa de retorno contábil como proxi para a

mensuração do desempenho da empresa são o Q de Tobin (WERNERFELT;

MONTGOMERY, 1988), a taxa de crescimento da empresa (BRITO, 2005), o

movimento da rentabilidade no tempo (CUBBIN; GEROSKI, 1987), medidas

baseadas em valor (HAWAWINI; SUBRAMANIAN; VERDIN, 2003) e sobrevivência

(HANSEN; WERNERFELT, 1989), entre outras.

Porém, seguindo a linha de diversos trabalhos que utilizaram a taxa de lucro como

medida de desempenho (BOWMAN; HELFAT, 2001, BRITO; VASCONCELOS,

2003a, BRITO; VASCONCELOS, 2003b, BRITO; VASCONCELOS, 2003c, BRITO;

VASCONCELOS, 2004, CHRISTENSEN; MONTGOMERY, 1981, GRINYER;

McKIERNAN; YASAI-ARDEKANI, 1988, HANSEN; WERNERFELT, 1989, KHANNA;

RIVKIN, 2001, MAKINO; ISOBE; CHAN, 2004, MAURI; MICHAELS, 1998,

McGAHAN; PORTER, 1997, POWELL, 1996, RUEFLI; WIGGINS, 2003, RUMELT,

1982, RUMELT, 1991, SCHMALENSEE, 1985) e para manter a comparabilidade dos

resultados com os trabalhos desenvolvidos anteriormente nesta linha de pesquisa,

utiliza-se neste trabalho, como variável dependente, o índice EBITDA dividido por

ativos totais em percentagem.

99

O EBITDA representa a geração operacional de caixa da companhia, ou seja,

quanto a empresa gera de recursos apenas em sua atividade, sem levar em

consideração os efeitos financeiros e de impostos. É um importante indicador para

avaliar a qualidade operacional empresa.

A sigla EBITDA que significa Earning Before Interests, Taxes, Depreciation and

Amortization, é traduzida para o português como Lucro Antes dos Juros, Impostos,

Depreciação e Amortização. Embora, o EBITDA também seja chamado ou

apresentado como Fluxo de Caixa Operacional, ele leva em conta apenas o

desempenho operacional da empresa e não reflete o impacto no resultado, dos itens

extraordinários, das despesas com investimentos e das mudanças havidas no capital

de giro. O cálculo do EBITDA é o seguinte: ao Lucro Operacional Líquido antes dos

impostos são adicionados os juros, a depreciação e a amortização (ZAFFANI, 2005).

100

5. BASE DE DADOS

Os dados para a pesquisa foram fornecidos pela empresa SERASA S.A., uma das

maiores empresas do mundo em análises e informações para decisões de crédito e

apoio a negócios, atua com completa cobertura nacional e internacional por meio de

acordos operacionais com as principais empresas de informações de todos os

continentes.

Os dados constituem um estrato do banco de dados da SERASA, compreendendo

todas as empresa com ativos ou faturamento líquido superior a R$ 25.000.000,00

anuais. Têm-se razões para inferir que os dados utilizados sejam quase censitários,

pois é possível supor que mesmo que a empresa não tenha empréstimos

contratados em bancos, ela tenha movimentações bancária e conseqüente ficha de

crédito na SERASA.

5.1. A SERASA

A SERASA S.A. é uma empresa privada, constituída com base na Lei das

Sociedades Anônimas, que se dedica à atividade de prestar serviços de interesse

geral a partir do seu banco de dados de informações para crédito, sendo

reconhecida pelo Código de Proteção e Defesa do Consumidor como entidade de

caráter público (Lei 8.078, Artigo 43, § 4°).

Sua atuação abrange todos os Estados Brasileiros, reunindo dados sobre empresas

e pessoas obtidos diretamente dos próprios interessados, cartórios extrajudiciais e

outras serventias públicas, Instituições Financeiras, publicações oficiais e outras

fontes próprias e pertinentes, estando sua atividade amparada pela Constituição

Federal – Art. 5°, inciso XXXII e Art. 170, § único.

101

As informações arquivadas nos Bancos de Dados da SERASA são acessadas por

bancos, mercados, lojas e empresas em geral, para apoio a decisões de negócios.

Possuindo o maior banco de dados nacional sobre consumidores, empresas e

grupos econômicos, a SERASA participa ativamente no respaldo à maioria das

decisões de crédito e de negócios tomadas em todo o Brasil, respondendo on-

line/real-time, a mais de 3 milhões de consultas por dia, demandadas por 300 mil

empresas clientes diretas ou indiretas.

O banco de dados da SERASA contém informações sobre pessoas, empresas e

grupos econômicos contendo análises e informações sobre débitos em atraso,

independentemente de terem sido ou não protestados, ou sofrido quaisquer tipos de

anotações, abrangendo protestos, cheques sem fundos, falências, concordatas,

ações judiciais (executivas, busca e apreensão e executivas da Justiça Federal,

Secretaria da Receita Federal, pendências financeiras, dívidas vencidas e

participantes em empresas falidas). O banco de dados da SERASA é o maior da

América Latina, dispondo do registro de todas empresas legalmente constituídas no

Brasil, cerca de 8,9 milhões, entre as quais 5,3 milhões em atividade, e sobre todos

os consumidores do Brasil com alguma atividade econômica. O banco de

informações da SERASA fornece subsídios à maioria das decisões de crédito

tomadas no Brasil.

5.2. Banco de dados

Nesta pesquisa foi utilizado um estrato do banco de dados da SERASA, composto

de todas as empresas por ela classificadas como Middle Plus (Ativo e ou

Faturamento Líquido entre R$25.000.000,00 e R$50.000.000,00) e Corporate (Ativo

e ou Faturamento Líquido superior a R$50.000.000,00).

102

Foram coletadas as seguintes variáveis para cada um dos anos compreendidos

entre 1990 e 2003, correspondendo a um período de 14 anos:

VARIÁVEL DESCRITIVO

EMPRESA Código da empresa

INDUSTRIA Código de Atividade SERASA (Anexo A)

CONTROLADORA Código da empresa controladora

EBITDA_ATIVT EBITDA / Ativos totais (em percentagem)

DATA_BAL Data do Balanço

UF Código da Unidade da Federação

Quadro 2 – Estrutura do banco de dados

O banco de dados recebido contava com um total de 134.063 observações. Algumas

empresas, possivelmente, por terem encerrado suas atividades ou por terem sido

fundadas neste período não possuíam todas as 14 observações.

5.3. Tratamento dos dados

O banco de dados passou por um processo de análise e limpeza a fim de retirar

observações consideradas como incorretas ou não relevantes ao estudo.

Dos 134.063 registros recebidos, 8 foram apagados por não apresentarem valores

para a variável dependente (EBITDA/AtivosTotais), impossibilitando sua utilização.

Foram, também, apagados 123 registros referentes a empresas do terceiro setor,

que por se configurarem como empresas sem fins lucrativos, estão fora do escopo

deste estudo. Finalmente, foram apagados 21 registros em que o setor industrial

estava configurado como “outros” e 44 registros com dados duplicados.

103

Fazendo uma análise preliminar dos 133.867 registros restantes, verificou-se a

existência de valores discrepantes. A tabela abaixo apresenta a distribuição de

freqüência dos valores de EBITDA/AtivosTotais.

Tabela 5.1 – Distribuição dos valores de EBITDA/Ativos Totais

Categorias Nro de obs Percentual EB/At ≥ 10.000% 8 0,01%

500% ≤ EB/At < 10.000% 19 0,01% 100% ≤ EB/At < 500% 312 0,23% -100% < EB/At < 100% 133.087 99,42% -500% < EB/At ≤ -100% 356 0,27%

-10.000% < EB/At ≤ -500% 67 0,05% EB/At ≤ -10.000% 18 0,01%

Total 133.867 100,00%

Como o EBITDA representa o lucro antes dos juros, taxas, depreciação e

amortização, valores muito altos ou muito baixos do EBITDA/AtivosTotais podem

indicar erros de digitação, ou configurar a presença de empresas com estruturas de

capital completamente atípicas, como empresas que são criadas para fazer as

vendas de um grupo industrial, que podem apresentar altos valores de EBITDA

possuindo poucos ativos. Como as empresas atípicas não representam o foco deste

estudo, decidiu-se desconsiderar tais valores. O ponto de corte foi subjetivo,

decidindo-se por manter as observações com valores entre mais e menos 100%.

Procedendo desta forma, descartaram-se 780 registros, representando uma perda

de menos que 0,6% das observações.

Finalmente, dos 133.087 registros restantes, foram descartadas 486 observações

que não apresentavam informação para a variável estado.

Após estes tratamentos, o banco de dados apresentou 132.601 registros.

Considerando que o tamanho original era de 134.063 registros, reduziu-se pouco

mais de 1% o total de observações.

104

5.4. Apresentação dos dados

Serão apresentadas a seguir algumas estatísticas descritivas da base de dados

completa utilizada nas análises. Os 132.601 registros apresentam informações de

14.279 empresas, durante 14 anos, atuando em 505 setores industriais diferentes.

A Tabela 5.2 apresenta a distribuição das 14.279 empresas e das 132.601

observações pelos quatro setores pesquisados

Tabela 5.2 – Distribuição das empresas e observações pelos setores

Setores Empresas Percentual Observações Percentual Serviços 5.931 41,5% 52.077 39,3% Primário 532 3,7% 5.052 3,8% Manufatura 4.625 32,4% 47.177 35,6% Comércio 3.191 22,3% 28.295 21,3% Total 14.279 100,0% 132.601 100,0%

O Gráfico 1 apresenta a distribuição de freqüência dos valores de EBITDA/Ativos

Totais.

-100 -80 -60 -40 -20 0 20 40 60 80 100

EB/AT

0

10000

20000

30000

40000

50000

60000

70000

80000

Núm

ero

de o

bser

vaçõ

es

Gráfico 1 – Distribuição dos valores do índice EBITDA/Ativos Totais

105

O Gráfico 2 apresenta as distribuições dos valores de EBITDA/Ativos Totais para

empresas pertencentes e não pertencentes a grupos econômicos. Por grupos

econômicos entenda-se corporações que apresentem, na base de dados, pelo

menos duas empresas controladas.

Mediana 25%-75% Faixa de não Outliers Outliers Extremos

0 1

0 - Pertence a Grupo Econômico1 - Não pertence a Grupo Econômico

-120

-100

-80

-60

-40

-20

0

20

40

60

80

100

120

EBIT

DA/

Ativ

os T

otai

s

Gráfico 2 – Distribuição dos valores de EBITDA/Ativos Totais para empresas pertencentes e

não pertencentes a grupos econômicos

O Gráfico 3 apresenta do valores de EBITDA/Ativos Totais das empresas

pertencentes e não pertencentes a grupos econômicos, para os setores Primário,

Manufatura, Comércio e Serviços.

A Tabela 5.3 e o Gráfico 4 apresentam as empresas segmentadas pelo número de

observações que apresentam no banco de dados. Pode-se verificar que a grande

maioria, ou seja 3.974 empresas, possuem 14 observações no banco de dados,

referentes ao período compreendido entre 1990 e 2003.

106

Mediana 25%-75% Faixa de não Outliers Outliers Extremos

S - ServiçosM - ManufaturaP - PrimárioC - Comércio0 - Não pertence agrupo econômico1 - Pertence agrupo econômico

S 1 S 0 M 1 M 0 P 1 P 0 C 1 C 0-120

-100

-80

-60

-40

-20

0

20

40

60

80

100

120EB

ITD

A/At

ivos

Tot

ais

Gráfico 3 – Distribuição dos valores de EBITDA/Ativos Totais por indústria

Tabela 5.3 – Número de observações por empresa

Nro de obs. Empresas Percentagem2 814 5,7% 3 844 5,9% 4 879 6,2% 5 946 6,6% 6 977 6,8% 7 910 6,4% 8 879 6,2% 9 771 5,4%

10 721 5,0% 11 710 5,0% 12 766 5,4% 13 1.088 7,6% 14 3.974 27,8%

Total 14.279 100,0%

107

2 3 4 5 6 7 8 9 10 11 12 13 14

Número de Observações por Empresa

0

500

1000

1500

2000

2500

3000

3500

4000

4500To

tal d

e Em

pres

as

Gráfico 4 – Total de empresas apresentando de 2 a 14 observações

O Gráfico 5 apresenta a distribuição dos 132.601 registros para cada um dos 14

anos pesquisados.

1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003

Ano

0

2000

4000

6000

8000

10000

12000

Núm

ero

de re

gist

ros

Gráfico 5 – Total de observações para os anos de 1990 a 2003

108

A Tabela 3 e o Gráfico 6 apresentam a distribuição das 14.279 empresas pelos

diversos Estados da Federação.

Tabela 5.4 – Empresas por Unidade da Federação

Estado Empresas Percentual Estado Empresas Percentual AC 9 0,06% PB 89 0,62% AL 77 0,54% PE 361 2,53% AM 246 1,72% PI 52 0,36% AP 12 0,08% PR 941 6,59% BA 420 2,94% RJ 1.586 11,11% CE 265 1,86% RN 95 0,67% DF 240 1,68% RO 26 0,18% ES 286 2,00% RR 6 0,04% GO 285 2,00% RS 1.039 7,28% MA 94 0,66% SC 549 3,84% MG 999 7,00% SE 63 0,44% MS 123 0,86% SP 5.988 41,94% MT 227 1,59% TO 31 0,22% PA 170 1,19% Total 14.279 100,00%

ES MS RJ

PA BA MG SC DF

RS

AC AM RO PI AL PE SP MT

PR PB GO RN AP MA

CE

RR SE TO

UF

0

1000

2000

3000

4000

5000

6000

7000

Tota

l de

Empr

esas

Gráfico 6 – Empresas por Estados da Federação

109

6. ANÁLISES DAS EMPRESAS BRASILEIRAS

Neste capítulo serão apresentadas as análises das empresas brasileiras.

Primeiramente serão avaliadas as empresas pertencentes a grupos econômicos e

em seguida as empresas não pertencentes. Por grupos econômicos entendam-se

corporações que possuam pelo menos duas empresas controladas na base de

dados.

6.1. Nomenclatura e modelos

Os modelos que serão testados contemplam o efeito empresa, corporação, indústria,

ano e localização. Para cada um destes efeitos utiliza-se a nomenclatura que se

segue.

O efeito indústria iα , representa o efeito, sobre as taxas de retorno, de se pertencer

aos diferentes setores industriais. Diferenças entre os iα refletem diferentes

comportamentos competitivos, condições de entrada, taxa de crescimento,

condições de demanda-capacidade, diferentes níveis de risco, diferentes taxas de

utilização de ativos, práticas contábeis distintas e outros impactos específicos à

distintas indústrias.

O efeito corporação kβ , representa o efeito de diferenças de desempenho relativas à

qualidade das ferramentas de gestão, compartilhamento de recursos e controle

exercido sobre a empresa controlada pela controladora.

O efeito empresa ikφ , representa diferenças existentes entre os desempenhos das

empresas, que não sejam associados à indústria ou à corporação. Ele aponta para

110

como os recursos específicos da empresa influenciam na diferenciação do

desempenho.

O efeito ano, tγ para modelos de componentes de variância ou tg para modelos

mistos com efeito ano fixo, representa impactos macroeconômicos sofridos por todas

as empresas em determinados anos.

O efeito localização jf , representa diferenças de desempenho associadas ao fato da

empresa estar estabelecida em determinada Unidade da Federação.

O efeito itδ , representando a interação indústria-ano, procura capturar impactos

sofridos por determinados setores em anos específicos. Enquanto o fator ano

captura impactos comuns a todas as empresas em determinado ano, a interação

indústria-ano captura impactos sofridos por determinadas industrias em anos

específicos, impactos estes que podem ser diferentes de uma indústria para outra.

O ikε é o resíduo ou parte não explicada pelo modelo.

As análises das empresas diversificadas serão feitas utilizando-se os seguintes

modelos:

a) Modelo I – Componentes de variância sem interações:

ikt i k t ik iktr µ α β γ φ ε= + + + + +

b) Modelo II – Misto com fator ano fixo sem interações:

µ α β φ ε= + + + + +ikt i k t ik iktr g c) Modelo III – Componentes de variância com interação indústria-ano:

ikt i k t it ik iktr µ α β γ δ φ ε= + + + + + + d) Modelo IV – Misto com fator ano fixo e com interação indústria-ano:

ikt i k t it ik iktr µ α β δ φ ε= + + + + + +g

As análises das empresas não diversificadas serão feitas utilizando-se os seguintes

modelos:

a) Modelo V – Componentes de variância sem interações:

111

ikt i t ik iktr µ α γ φ ε= + + + +

b) Modelo VI – Misto com fator ano fixo sem interações:

µ α φ ε= + + + +ikt i t ik iktr g

c) Modelo VII – Componentes de variância com interação indústria-ano:

ikt i t it ik iktr µ α γ δ φ ε= + + + + +

d) Modelo VIII – Misto com fator ano fixo e com interação indústria-ano:

ikt i t it ik iktr µ α δ φ ε= + + + + +g

Nas análises em que for incluído o fator estado, os modelos testados serão os

seguintes:

a) Modelo IX – Misto com fatores ano e estado fixos e com interação indústria-

ano para empresas pertencentes a grupos econômicos:

ikt i k t it ik j iktr µ α β δ φ ε= + + + + + + +g f b) Modelo X – Misto com fatores ano e estado fixos e com interação indústria-

ano para empresas não pertencentes a grupos econômicos:

ikt i t it ik j iktr µ α δ φ ε= + + + + + +g f

6.2. Análise das empresas pertencentes a grupos econômicos

Definiu-se como empresas pertencentes a grupos econômicos como aquelas

pertencentes a um grupo econômico ou corporação que possua pelo menos duas

empresas controladas.

A análise dos dados das empresas pertencentes a grupos econômicos foi

inicialmente feita com os dados globais e em seguida foi feita análise setorial para

cada um dos quatro setores da economia representados nos dados, a saber:

primário, indústria, comércio e serviços.

112

A análise compreende dados de 14 anos de 965 empresas, controladas por 361

corporações ou grupos econômicos, atuando em 222 indústrias.

6.2.1. Análise dos dados globais

O conjunto de observações de empresas que fazem parte de grupos econômicos

apresenta um total de 9324 observações de 964 empresas, em um período de 14

anos, em 222 indústrias ou setores industriais distintos, pertencentes a 361 grupos

econômicos, que controlam de 2 a 18 empresas diferentes.

A Tabela 6.1 apresenta a distribuição dos 361 grupos econômicos por quantidade de

empresas que controlam. Pode-se verificar que 242 grupos econômicos controlam

duas empresas, enquanto que apenas um grupo controla 7, 9, 11 ou 12 empresas.

Esta tabela apresenta, também, a distribuição das 9324 observações pelos diversos

grupos.

Tabela 6.1 – Grupos econômicos por total de empresas controladas

Número de controladas

Total de Grupos Econômicos Percentual Quant. de

observações Percentual

2 242 67,04% 4699 50,40% 3 67 18,56% 1994 21,39% 4 25 6,93% 929 9,96% 5 14 3,88% 652 6,99% 6 6 1,66% 272 2,92% 7 1 0,28% 69 0,74% 8 2 0,55% 153 1,64% 9 1 0,28% 65 0,70% 11 1 0,28% 137 1,47% 12 1 0,28% 145 1,56% 18 1 0,28% 209 2,24%

Total geral 361 100,00% 9324 100,00%

A Tabela 6.2 apresenta a quantidade de empresas e observações segmentadas por

número de observações por empresa. Por exemplo, verifica-se que 46 empresas

113

apresentam dados para apenas dois anos, enquanto que 307 apresentam

observações para os 14 anos analisados, perfazendo um total de 4298 registros.

Tabela 6.2 – Total de empresas e observações segmentadas por número de observações por empresa

Nro. de observações por empresa

Número de empresas Percentual Total de


2 46 4,77% 92 0,99% 3 52 5,39% 156 1,67% 4 47 4,88% 188 2,02% 5 51 5,29% 255 2,73% 6 82 8,51% 492 5,28% 7 53 5,50% 371 3,98% 8 57 5,91% 456 4,89% 9 51 5,29% 459 4,92%

10 49 5,08% 491 5,27% 11 40 4,15% 440 4,72% 12 51 5,29% 612 6,56% 13 78 8,09% 1014 10,88% 14 307 31,85% 4298 46,10%

Total 964 100,00% 9324 100,00%

A tabela 6.3 apresenta o total de empresas por setor industrial. Por exemplo, existem

91 indústrias ou setores industriais com apenas uma empresa, 38 com duas

empresas e assim sucessivamente. No Apêndice B é apresentada uma tabela

detalhada com a quantidade de empresas para cada setor industrial.

Tabela 6.3 – Número de empresas por indústria

Nro de empresas

Total de Industrias

Nro de empresas

Total de Industrias

1 91 12 1 2 38 13 1 3 22 15 3 4 19 16 1 5 12 17 3 6 9 20 3 7 7 24 1 8 4 25 2 9 1 38 1

10 1 121 1 11 1

114

A tabela 6.4 apresenta a distribuição da variável dependente da análise, EBITDA

dividido por Ativos Totais, onde se verifica que cerca de 85% dos valores estão

compreendidos entre ±20%.

Tabela 6.4 – Distribuição dos valores de EBITDA por Ativos totais

Faixas Quant. Percentual80 < EB/At ≤ 100 20 0,21% 60 < EB/At ≤ 80 35 0,38% 40 < EB/At ≤ 60 148 1,59% 20 < EB/At ≤ 40 944 10,12% 0 < EB/At ≤ 20 5149 55,22% -20 < EB/At ≤ 0 2775 29,76%

-40 < EB/At ≤ -20 185 1,98% -60 < EB/At ≤ -40 42 0,45% -80 < EB/At ≤ -40 18 0,19% -100 < EB/At ≤ -80 8 0,09%

Total 9324 100,00%

A Tabela 6.5 apresenta os resultados das análises de componentes de variância e

de modelo misto com ano como efeito fixo, para o conjunto completo de dados das

empresas pertencentes a grupos econômicos, enquanto que a Tabela 6.6 apresenta

a mesma análise com a inclusão da interação indústria-ano.

Tabela 6.5 – Análise dos dados globais das empresas pertencentes a grupos econômicos utilizando Modelos I e II

Modelo I (COV) Modelo II (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 44,57 20,2% 44,60 20,6% Controladora 11,72 5,3% 11,73 5,4% Indústria 19,40 8,8% 19,39 9,0% Ano 4,81 2,2% -------- -------- Modelo 80,50 36,5% 75,72 35,0% Resíduo 140,34 63,5% 140,33 65,0% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF =8346; F-Value = 21,97; p-value< 0,0001

115

Tabela 6.6 – Análise dos dados globais das empresas pertencentes a grupos econômicos utilizando Modelos III e IV

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 45,75 20,5% 45,78 21,1% Controladora 11,71 5,3% 11,72 5,4% Indústria 17,87 8,0% 17,86 8,2% Ano 5,51 2,5% -------- -------- Ind*ano 15,29 6,9% 15,40 7,1% Modelo 96,13 43,1% 90,75 41,7% Resíduo 126,77 56,9% 126,70 58,3% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF =2405; F-Value = 15,94; p-value< 0,0001

Verifica-se que o fator empresa se mostrou o mais importante de todos, enquanto

que o fator indústria, o segundo mais importante, apresentou valor equivalente a

menos da metade do valor do fator empresa.

Os modelos com interação indústria-ano apresentam maior poder explicativo que os

modelos sem interação. O acréscimo foi devido à importância apresentada pela

interação que ficou em torno de 7%.

Tabela 6.7 – Análise dos dados globais utilizando Modelos III e IV com estrutura de covariância AR(1) para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 44,81 20,2% 45,83 21,1% Controladora 11,68 5,3% 11,69 5,4% Indústria 17,85 8,0% 17,83 8,2% Ano 5,50 2,5% -------- -------- Ind*ano 15,21 6,9% 15,33 7,0% AR(1) Ano 0,03 0,0% 0,03 0,0% Modelo 95,08 42,8% 90,71 41,7% Resíduo 126,83 57,2% 126,76 58,3% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF =2405; F-Value = 15,51; p-value< 0,0001 Modelo COV: AIC = 74176,1 Modelo Mixed: AIC = 73957,7

O fator controladora apesar de não apresentar um valor tão alto quanto os fatores

empresa e indústria, teve um resultado significativo próximo a 5%, indicando que

possivelmente o impacto das estratégias corporativas não sejam nulos.

116

As Tabelas 6.7 e 6.8 apresentam estudos equivalentes ao da Tabela 6.6, porém

utilizando as estruturas de covariância AR(1) e CS para verificação do efeito de

medidas repetidas no fator ano.

Tabela 6.8 – Análise dos dados globais utilizando Modelos III e IV com estrutura de covariância CS para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 45,75 20,5% 45,78 21,1% Controladora 11,71 5,3% 11,72 5,4% Indústria 17,87 8,0% 17,86 8,2% Ano 4,55 2,0% 15,40 7,1% Ind*ano 15,29 6,9% -------- -------- CS Ano 0,96 0,4% 0,00 0,0% Modelo 96,13 43,1% 90,76 41,7% Resíduo 126,77 56,9% 126,70 58,3% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 2405; F-Value = 15,94; p-value< 0,0001 Modelo COV: AIC = 7407,1 Modelo Mixed: AIC = 73962,6

A utilização das matrizes de covariância AR(1) e CS não apresentaram melhora no

poder explicativo dos modelos.

6.2.2. Análise do setor primário

Os dados analisados para o setor primário da economia, compreendem 922

observações de 88 empresas, pertencentes a 64 controladoras em 22 diferentes

indústrias por um período de 14 anos.


empresas que controlam, bem como a distribuição das 922 observações. Pode-se

verificar que apesar do conjunto de dados originais constarem empresas que

pertençam a grupos econômicos com pelo menos duas empresas controladas,

quando os dados são divididos por setores, tem-se a ocorrência de grupos

117

econômicos com apenas uma controlada. Este fato se repete em todas as análises

setoriais.

Tabela 6.9 – Grupos econômicos por total de empresas controladas no setor primário




1 49 76,56% 485 52,60% 2 11 17,19% 252 27,33% 3 3 4,69% 96 10,41% 8 1 1,56% 89 9,65%

Total geral 64 100,00% 922 100,00%

A Tabela 6.10 apresenta o número de empresas e de observações segmentadas

pelo total de observações por empresa. Cada empresa pode apresentar no máximo

14 observações de EBITDA por Ativos totais, referentes aos anos de 1990 a 2003.





2 5 5,68% 10 1,08% 3 2 2,27% 6 0,65% 4 3 3,41% 12 1,30% 5 5 5,68% 25 2,71% 6 3 3,41% 18 1,95% 7 3 3,41% 21 2,28% 8 5 5,68% 40 4,34% 9 4 4,55% 36 3,90%

10 6 6,82% 60 6,51% 11 5 5,68% 55 5,97% 12 3 3,41% 36 3,90% 13 13 14,77% 169 18,33% 14 31 35,23% 434 47,07%

Total 88 100,00% 922 100,00%

Verifica-se que mais de 65% dos dados pertencem a empresas com 13 ou 14

observações cada.

118

A tabela 6.11 apresenta o total de empresas por setor industrial. Como são apenas

22indústrias, optou-se apresentar a tabela na íntegra para o setor primário, enquanto

que para os demais setores ela foi categorizada.

Tabela 6.11 – Quantidade de empresas por indústria

Indústria Qt. Empresas Produção de arroz 1 Produção de soja 4 Produção de algodão 2 Produção de cana-de-açúcar 7 Produção de café 3 Produção de frutas 2 Produção de laranjas 1 Produção agrícola 5 Bovinocultura de corte 15 Avicultura 3 Pesca 2 Extração vegetal 4 Florestamento e reflorestamento 13 Extração de minérios de metais preciosos 1 Extração de minérios de ferro 8 Extração de minérios de metais não ferrosos 6 Extração de minerais não metálicos 5 Extração e pelotizacao de minerais metálicos 1 Extração de combustíveis minerais 1 Extração de sal 1 Extração de água mineral 1 Aqüicultura 2

A tabela 6.12 apresenta a distribuição dos valores do EBITDA dividido por Ativos

Totais, onde se verifica que mais de 90% dos valores estão compreendidos entre

±20%.


de modelo misto com ano como efeito fixo, para as empresas do setor primário,

enquanto que a Tabela 6.14 apresenta a mesma análise com a inclusão da

interação indústria-ano.

119




Total 922 100,00%

Tabela 6.13 – Análise das empresas do setor primário utilizando Modelos I e II

Modelo I (COV) Modelo II (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 18,00 16,2% 17,92 17,7% Controladora 13,53 12,2% 13,84 13,7% Indústria 4,40 4,0% 4,35 4,3% Ano 9,98 9,0% -------- ------- Modelo 45,91 41,3% 36,11 35,6% Resíduo 65,22 58,7% 65,19 64,4% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF =821; F-Value = 10,35; p-value< 0,0001


Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 19,50 17,9% 19,49 19,5% Controladora 11,48 10,5% 11,66 11,7% Indústria 2,90 2,7% 2,89 2,9% Ano 8,86 8,1% -------- -------- Ind*ano 10,15 9,3% 9,89 9,9% Modelo 52,89 48,6% 43,94 43,9% Resíduo 55,94 51,4% 56,06 56,1% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF =254; F-Value = 6,4; p-value< 0,0001

Verifica-se que para o setor primário, apesar do fator empresa se mostrar também

como o mais importante, ocorre uma grande mudança no fator controladora em

relação aos dados gerais, uma vez que este assume um poder explicativo superior

ao apresentado na análise global das empresas (de 5,3% e 5,4%, para modelo III e

120

IV, para 10,5% e 11,7%, respectivamente). Por outro lado, o fator indústria perde

muito do seu poder explicativo em relação à análise global (de 8% e 8,2%, para

modelo III e IV, para 2,7% e 2,9%, respectivamente).

As Tabelas 6.15 e 6.16 apresentam as mesmas análises da Tabela 6.14, porém

utilizando matrizes de covariância para medidas repetidas.

Tabela 6.15 – Análise das empresas do setor primário utilizando Modelos III e IV com estrutura de covariância AR(1) para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 19,17 17,6% 19,15 19,2% Controladora 11,92 11,0% 12,10 12,1% Indústria 2,90 2,7% 2,89 2,9% Ano 8,90 8,2% -------- -------- Ind*ano 10,03 9,2% 9,76 9,8% AR(1) Ano -0,05 0,0% -0,05 0,0% Modelo 52,86 48,6% 43,86 43,9% Resíduo 55,90 51,4% 56,02 56,1% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF =254; F-Value = 6,74; p-value< 0,0001 Modelo COV: AIC = 6635,3 Modelo Mixed: AIC = 6563,2

Tabela 6.16 – Análise das empresas do setor primário utilizando Modelos III e IV com estrutura de covariância CS para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 19,51 17,9% 19,49 19,5% Controladora 11,48 10,5% 11,66 11,7% Indústria 2,90 2,7% 2,90 2,9% Ano 8,70 8,0% -------- -------- Ind*ano 10,15 9,3% 9,89 9,9% CS Ano 0,15 0,1% 0,00 0,0% Modelo 52,89 48,6% 43,94 43,9% Resíduo 55,94 51,4% 56,06 56,1% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 254; F-Value = 6,4; p-value< 0,0001 Modelo COV: AIC = 6636,9 Modelo Mixed: AIC = 6564,7

121

Os modelos utilizando as matrizes de covariância AR(1) e CS apresentaram

praticamente o mesmo desempenho, não representando qualquer melhoria no poder

explicativo dos modelos.

6.2.3. Análise do setor manufatura

Os dados analisados para o setor manufatura somaram 3484 observações de 322

empresas, pertencentes a 178 grupos econômicos em 102 diferentes indústrias por

um período de 14 anos.

A Tabela 6.17 apresenta a distribuição dos 178 grupos econômicos por quantidade

de empresas que controlam, bem como a distribuição das 3484 observações.

Tabela 6.17 – Grupos econômicos por total de empresas controladas no setor manufatura




1 80 44,94% 884 25,37% 2 70 39,33% 1505 43,20% 3 19 10,67% 619 17,77% 4 5 2,81% 211 6,06% 5 1 0,56% 70 2,01% 6 2 1,12% 127 3,65% 8 1 0,56% 68 1,95%

Total geral 178 100,00% 3484 100,00%


pelo total de observações por empresa. Cada empresa pode apresentar até 14

observações de EBITDA por Ativos totais, referentes aos anos de 1990 a 2003.

A tabela 6.19 apresenta o total de empresas por setor industrial. Por exemplo,

existem 44 indústrias com apenas uma empresa, 17 indústrias com duas empresas

e assim sucessivamente.

122





2 9 2,80% 18 0,52% 3 8 2,48% 24 0,69% 4 10 3,11% 40 1,15% 5 10 3,11% 50 1,44% 6 24 7,45% 144 4,13% 7 12 3,73% 84 2,41% 8 23 7,14% 184 5,28% 9 11 3,42% 99 2,84%

10 17 5,28% 170 4,88% 11 12 3,73% 132 3,79% 12 17 5,28% 204 5,86% 13 31 9,63% 403 11,57% 14 138 42,86% 1932 55,45%

Total 322 100,00% 3484 100,00%


Nro de empresas

Total de Industrias

Nro de empresas

Total de Industrias

1 44 7 4 2 17 8 1 3 10 9 1 4 9 12 1 5 8 17 1 6 4 20 2


Totais, onde se verifica que cerca de 85% dos valores estão compreendidos entre

±20%.


de modelo misto com ano como efeito fixo, para as empresas manufatureiras,

enquanto que a Tabela 6.22 apresenta a mesma análise com a inclusão da

interação indústria-ano.

123




Total 3484 100,00%

Tabela 6.21 – Análise das empresas do setor manufatura utilizando Modelos I e II

Modelo I (COV) Modelo II (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 51,30 27,4% 51,33 28,6% Controladora 12,24 6,5% 12,33 6,9% Indústria 9,42 5,0% 9,33 5,2% Ano 7,81 4,2% -------- -------- Modelo 80,77 43,1% 72,99 40,7% Resíduo 106,54 56,9% 106,54 59,3% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 3149; F-Value = 18,58; p-value< 0,0001


Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 52,23 27,8% 52,27 29,1% Controladora 11,98 6,4% 12,06 6,7% Indústria 8,80 4,7% 8,70 4,8% Ano 8,12 4,3% -------- -------- Ind*ano 5,09 2,7% 5,22 2,9% Modelo 86,22 45,9% 78,26 43,6% Resíduo 101,54 54,1% 101,42 56,4% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 1145; F-Value = 16,22; p-value< 0,0001

Para este setor, o fator empresa apresentou nível muito acima de todos os outros

valores. O seja, os fatores característicos intrínsecos às empresas manufatureiras

são responsáveis pela maior parte da variância explicada pelo modelo, totalizando

quase 30%. Para as empresas de manufatura o fator controladora apresentou valor

124

superior ao apresentado na análise global, mostrando importância superior à

apresentada naquela análise.




Tabela 6.23 – Análise das empresas do setor manufatura utilizando Modelos III e IV com estrutura de covariância AR(1) para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 52,09 27,7% 52,13 29,0% Controladora 12,00 6,4% 12,08 6,7% Indústria 9,06 4,8% 8,98 5,0% Ano 8,08 4,3% -------- -------- Ind*ano 4,97 2,6% 5,12 2,8% AR(1) Ano 0,05 0,0% 0,05 0,0% Modelo 86,24 45,9% 78,35 43,6% Resíduo 101,68 54,1% 101,56 56,4% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 1145; F-Value = 15,07; p-value< 0,0001 Modelo COV: AIC = 26835,4 Modelo Mixed: AIC = 26765,8

Tabela 6.24 – Análise das empresas do setor manufatura utilizando Modelos III e IV com estrutura de covariância CS para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 52,22 27,8% 52,27 28,8% Controladora 11,98 6,4% 12,06 6,6% Indústria 8,83 4,7% 8,73 4,8% Ano 7,23 3,8% -------- -------- Ind*ano 5,09 2,7% 5,22 2,9% CS Ano 0,90 0,5% 1,78 1,0% Modelo 86,25 45,9% 80,06 44,1% Resíduo 101,54 54,1% 101,42 55,9% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 1145; F-Value = 3,75; p-value> 0,0001 Modelo COV: AIC = 26841,8 Modelo Mixed: AIC = 26772,2

Para o setor manufatureiro, verifica-se, também, que as modelagens com as

matrizes de covariância não melhoraram o poder explicativo dos modelos.

125

6.2.4. Análise do setor comércio

Os dados analisados para o comércio somaram 1103 observações de 112

empresas, pertencentes a 76 grupos econômicos em 31 diferentes indústrias por um

período de 14 anos.


empresas que controlam, bem como a distribuição das 1103 observações.

Tabela 6.25 – Grupos econômicos por total de empresas controladas no comércio




1 48 63,16% 462 41,89% 2 20 26,32% 409 37,08% 3 8 10,53% 232 21,03%

Total geral 76 100,00% 1103 100,00%





2 5 4,46% 10 0,91% 3 10 8,93% 30 2,72% 4 1 0,89% 4 0,36% 5 12 10,71% 60 5,44% 6 7 6,25% 42 3,81% 7 3 2,68% 21 1,90% 8 1 0,89% 8 0,73% 9 5 4,46% 45 4,08%

10 4 3,57% 40 3,63% 11 9 8,04% 99 8,98% 12 9 8,04% 108 9,79% 13 8 7,14% 104 9,43% 14 38 33,93% 532 48,23%

Total 112 100,00% 1103 100,00%

126


pelo número de observações por empresa. Cada empresa pode apresentar até 14


A tabela 6.27 apresenta o total de empresas por setor industrial, onde se verifica que

existem 13 indústrias com apenas uma empresa.


Nro de empresas

Total de Indústrias

1 13 2 8 3 3 4 3 6 1 7 1

11 1 38 1


Totais, onde se verifica que cerca de 80% dos valores estão compreendidos entre

±20%.




Total 1103 100,00%


de modelo misto com ano como efeito fixo, para as empresas pertencentes a grupos

127

econômicos do setor comércio, enquanto que a Tabela 6.30 apresenta a mesma

análise com a inclusão da interação indústria-ano.

Tabela 6.29 – Análise das empresas do setor comércio utilizando Modelos I e II




Tabela 6.31 – Análise das empresas do setor comércio utilizando Modelos III e IV com estrutura de covariância AR(1) para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 65,53 20,8% 65,39 22,2% Controladora 2,50 0,8% 3,12 1,1% Indústria 28,77 9,2% 28,73 9,8% Ano 20,19 6,4% -------- -------- Ind*ano 42,21 13,4% 42,19 14,3% AR(1) Ano 0,02 0,0% 0,02 0,0% Modelo 159,22 50,7% 139,46 47,4% Resíduo 155,13 49,3% 155,03 52,6% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 331; F-Value = 5,02; p-value< 0,0001 Modelo COV: AIC = 9082,7 Modelo Mixed: AIC = 8999,2

128

Verifica-se que, também para o comércio, o fator empresa se mostrou o mais

significativo. Por outro lado, o fator corporação apresentou valor menor que em

todos os outros setores estudados.




Tabela 6.32 – Análise das empresas do setor comércio utilizando Modelos III e IV com estrutura de covariância CS para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 65,51 20,8% 65,38 22,2% Controladora 2,66 0,8% 3,29 1,1% Indústria 28,83 9,2% 28,78 9,8% Ano 20,17 6,4% -------- -------- Ind*ano 41,81 13,3% 41,79 14,2% CS Ano 0,10 0,0% 0,00 0,0% Modelo 159,09 50,6% 139,25 47,3% Resíduo 155,19 49,4% 155,08 52,7% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 331; F-Value = 5,11; p-value< 0,0001 Modelo COV: AIC = 9083,0 Modelo Mixed: AIC = 8999,5

Também, para este setor a utilização das matrizes de covariância não melhoraram o

desempenho dos modelos.

6.2.5. Análise do setor serviços

Os dados analisados para o setor de serviços somaram 3815 observações de 442

empresas, pertencentes a 212 grupos econômicos ou controladoras em 67

diferentes indústrias por um período de 14 anos.

129

A Tabela 6.33 apresenta a distribuição dos 212 grupos econômicos por quantidade

de empresas que controlam, bem como a distribuição das 3815 observações.

Tabela 6.33 – Grupos econômicos por total de empresas controladas no setor de serviços




1 74 34,91% 704 18,45% 2 93 43,87% 1557 40,81% 3 22 10,38% 583 15,28% 4 10 4,72% 313 8,20% 5 8 3,77% 339 8,89% 6 4 1,89% 174 4,56% 12 1 0,47% 145 3,80%

Total geral 212 100,00% 3815 100,00%


pelo total de observações por empresa. Cada empresa pode apresentar até 14






2 27 6,11% 54 1,42% 3 32 7,24% 96 2,52% 4 33 7,47% 132 3,46% 5 24 5,43% 120 3,15% 6 48 10,86% 288 7,55% 7 35 7,92% 245 6,42% 8 28 6,33% 224 5,87% 9 31 7,01% 279 7,31%

10 22 4,98% 221 5,79% 11 14 3,17% 154 4,04% 12 22 4,98% 264 6,92% 13 26 5,88% 338 8,86% 14 100 22,62% 1400 36,70%

Total 442 100,00% 3815 100,00%

A Tabela 6.35 apresenta o total de empresas por setor industrial. Por exemplo,

existem 27 indústrias com apenas uma empresa.

130


Totais, onde se verifica que mais de 85% dos valores estão compreendidos entre

±20%.


Nro de empresas

Total de Industrias

Nro de empresas

Total de Industrias

1 27 10 1 2 9 15 2 3 7 16 1 4 5 17 2 5 2 20 1 6 3 24 1 7 1 25 2 8 2 121 1




Total 3815 100,00%

Tabela 6.37 – Análise das empresas do setor serviços utilizando Modelos I e II


131


de modelo misto com ano como efeito fixo, para as empresas de serviços, enquanto

que a Tabela 6.38 apresenta a mesma análise com a inclusão da interação indústria-

ano.

Tabela 6.38 – Análise das empresas do setor serviços utilizando Modelos III e IV


Verifica-se que para o setor de serviços, apesar do fator empresa continuar sendo o

mais importante, o fator indústria assume o valor mais alto de todos os setores

estudados, explicando o correspondente a dois terços do fator empresa.




Tabela 6.39 – Análise das empresas do setor de serviços utilizando Modelos III e IV com estrutura de covariância AR(1) para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 38,74 14,9% 39,18 15,2% Controladora 14,91 5,7% 14,98 5,8% Indústria 27,07 10,4% 26,05 10,1% Ano 3,05 1,2% -------- -------- Ind*ano 21,77 8,4% 22,85 8,9% AR(1) Ano 0,00 0,0% 0,00 0,0% Modelo 105,54 40,5% 103,06 40,0% Resíduo 154,83 59,5% 154,31 60,0% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 636; F-Value = 2,94; p-value< 0,0003 Modelo COV: AIC = 30986,5

132

Modelo Mixed: AIC = 30924,9

Tabela 6.40 – Análise das empresas do setor serviços utilizando Modelos III e IV com estrutura de covariância CS para fator ano

Modelo III (COV) Modelo IV (Mixed) Fator Estimativa Percentual Estimativa Percentual Empresa 38,72 14,9% 39,16 15,2% Controladora 14,92 5,7% 14,99 5,8% Indústria 27,09 10,4% 26,07 10,1% Ano 3,09 1,2% Ind*ano 21,82 8,4% 22,87 8,9% CS Ano -0,04 0,0% 0,00 0,0% Modelo 105,60 40,6% 103,10 40,1% Resíduo 154,81 59,4% 154,30 59,9% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 636; F-Value = 2,95; p-value< 0,0003 Modelo COV: AIC = 30986,6 Modelo Mixed: AIC = 30924,9

Como em todos os outros setores, a análise com medidas repetidas não melhorou o

poder explicativo dos modelos.

6.2.6. Análise dos resultados obtidos para empresas pertencentes a grupos econômicos

A seguir é feita uma análise comparativa dos modelos COV com interação, para os

dados gerais das empresas pertencentes a grupos econômicos e para os dados

setoriais. A tabela 6.41 apresenta a tabulação dos resultados percentuais.

O setor primário apresentou o maior valor para o fator controladora indicando que

estratégias corporativas tem relevante impacto no resultado deste tipo de empresa.

Por outro lado, apresentou o menor valor para o fator indústria, quando comparado

com os outros setores, indicando que a variabilidade de desempenho apresentada

pelas empresas que atuam nos diversos segmentos deste setor, são muito

parecidas. A interação indústria-ano também apresentou um valor bastante alto,

133

quase se igualando ao fator controladora. Somando-se os valores da interação

indústria-ano com os valores dos anos tem-se um efeito equivalente ao efeito

empresa, indicando que o ano tem impacto decisivo no desempenho das empresas,

o que se poderia explicar uma vez que as empresas na área de agricultura estão

neste grupo e são bastante afetadas por fatores climáticos que afetam a oferta e

demanda de forma muitas vezes imprevisível. Os resultados mostram também que

determinado ano pode ser muito melhor para um segmento deste setor que para

outros segmentos.

Tabela 6.41 – Sumário das análises utilizando o Modelo III

Fator Geral Primário Manufatura Comércio Serviços Empresa 20,5% 17,9% 27,8% 20,9% 14,9% Controladora 5,3% 10,5% 6,4% 0,7% 5,7% Indústria 8,0% 2,7% 4,7% 9,2% 10,4% Ano 2,5% 8,1% 4,3% 6,5% 1,2% Ind*ano 6,9% 9,3% 2,7% 13,3% 8,4% Modelo 43,1% 48,6% 45,9% 50,6% 40,5% Resíduo 56,9% 51,4% 54,1% 49,4% 59,5%

O setor de manufatura apresentou o maior valor do fator empresa, tendo este sido

responsável por mais de 60% da variação explicada pelo modelo, indicando que as

características particulares das empresas de manufatura são essenciais para a

explicação das diferenças entre os desempenhos verificados. Apresentou, também,

o valor mais baixo para a interação idústria-ano, mostrando maior homogeneidade

intra-setor que os demais, ou seja, para um determinado ano, a distribuição da

variabilidade do desempenho dos diversos segmentos do setor de manufatura é

bastante homogêneo. O fator controladora não foi tão alto como no setor primário,

porém se mostrou importante.

O setor comércio apresentou o menor valor para o fator controladora em relação aos

demais setores, indicando que tal efeito é praticamente inexistente. Uma

característica apresentada foi o alto valor da interação indústria-ano, que se somada

ao valor do fator ano, adquire uma ordem de valor equivalente ao apresentado pelo

fator empresa, a semelhança do que aconteceu com o setor primário. Estes

resultados demonstram que os diversos segmentos que formam este setor, não

134

aprestam entre si, desempenho semelhante ano a ano. Para o setor de comércio o

modelo tem seu maior poder explicativo, na ordem de 50,6%.

O setor de serviços, apesar de como os demais apresentar o maior valora para o

efeito empresa, teve em relação aos outros setores o menor valor para este fator.

Por outro lado, apresentou o maior valor para o efeito indústria indicando a

existência de significativas diferenças nas rentabilidades das empresas que atuam

nos diversos segmentos que compõem este setor. Este setor, apesar de apresentar

diferentes distribuições de desempenho entre os diversos segmentos, foi o que

também apresentou a menor variabilidade ano a ano para cada um destes

segmentos, mostrando ser o mais estável.

6.3. Análise das empresas não pertencentes a grupos econômicos

Devido à grande quantidade de dados para as empresas não pertencentes a grupos

econômicos, 123.277 observações para 13.315 empresas, não foi possível, por

restrições computacionais, fazer uma análise única com todos os dados. Assim,

optou-se por dividir aleatoriamente a base de dados em quatro novos conjuntos com

aproximadamente 31.000 observações cada e fazer a análise individual destes

conjuntos de dados.

A análise das empresas não pertencentes a grupos econômicos foi dividida em

análise dos dados completos e análise setorial. As empresas foram divididas em

quatro setores: primário, indústria, comércio e serviços.

Para este estudo com empresas não pertencentes a grupos econômicos, não foram

feitas as análises com medidas repetidas para os conjuntos de dados estudados, por

limitações computacionais. Foram feitas algumas análises com medidas repetidas

utilizando amostras, porém como estes resultados não serão apresentados, uma vez

135

que a semelhança do que aconteceu com as análises das empresas pertencentes a

grupos econômicos, não implicaram em melhora no poder explicativo dos modelos.

6.3.1. Análise dos dados globais

A análise única do conjunto completo de dados não foi possível por limitações

computacionais. Assim, optou-se por dividir os 123.277 registros aleatoriamente em

quatro partes aproximadamente iguais, tendo cada um destes novos arquivos sido

analisado individualmente. Os arquivos foram denominados Arquivo I, II, III e IV, com

30.992, 30.992, 31.010 e 30.283 registros respectivamente e com 3.393, 3.301,

3.358 e 3.263 empresas respectivamente.

As distribuições dos valores de EBITDA/Ativos Totais para os quatro arquivos são

apresentadas na Tabela 6.42 e 6.43


Arquivos Faixas I II III IV

80 < EB/At ≤ 100 88 87 103 107 60 < EB/At ≤ 80 287 313 317 297 40 < EB/At ≤ 60 1.051 1.122 1.098 1.055 20 < EB/At ≤ 40 4.225 4.408 4.422 4.210 0 < EB/At ≤ 20 16.211 16.168 15.876 15.361 -20 < EB/At ≤ 0 8.059 7.921 8.152 8.296

-40 < EB/At ≤ -20 784 684 693 670 -60 < EB/At ≤ -40 180 186 209 173 -80 < EB/At ≤ -40 77 67 91 79 -100 < EB/At ≤ -80 30 36 49 35

Total 30.992 30.992 31.010 30.283

A Tabela 6.44 apresenta a distribuição pelos quatro arquivos, do número de

empresas que apresentam de 2 a 14 registros por empresa. Estes registros

136

representam as informações coletadas de 1990 a 2003. A Tabela 6.45 sumariza os

mesmos resultados, porém, como percentual do total.

Tabela 6.43 – Distribuição dos valores de EBITDA por Ativos totais em percentual

Arquivos Faixas I II III IV

80 < EB/At ≤ 100 0,28% 0,28% 0,33% 0,35% 60 < EB/At ≤ 80 0,93% 1,01% 1,02% 0,98% 40 < EB/At ≤ 60 3,39% 3,62% 3,54% 3,48% 20 < EB/At ≤ 40 13,63% 14,22% 14,26% 13,90% 0 < EB/At ≤ 20 52,31% 52,17% 51,20% 50,72% -20 < EB/At ≤ 0 26,00% 25,56% 26,29% 27,39%

-40 < EB/At ≤ -20 2,53% 2,21% 2,23% 2,21% -60 < EB/At ≤ -40 0,58% 0,60% 0,67% 0,57% -80 < EB/At ≤ -40 0,25% 0,22% 0,29% 0,26% -100 < EB/At ≤ -80 0,10% 0,12% 0,16% 0,12%

Total 100,00% 100,00% 100,00% 100,00%

Tabela 6.44 – Total de empresas segmentadas por número de observações por empresa

Arquivos Observações I II III IV

2 179 186 209 194 3 220 200 183 189 4 202 212 227 191 5 235 207 228 225 6 255 208 227 205 7 252 180 205 220 8 211 201 215 195 9 181 186 167 186 10 167 159 159 187 11 177 171 177 145 12 188 164 194 169 13 256 270 228 256 14 870 957 939 901

Total 3.393 3.301 3.358 3.263

As Tabelas 6.46 e 6.47 são equivalentes às tabelas 6.44 e 6.45, porém em vez da

contagem do número de empresas, apresentam a contagem do total de registros

equivalentes a cada estrato.

137

Tabela 6.45 – Total de empresas segmentadas por número de observações por empresa em percentual


2 5,28% 5,63% 6,22% 5,95% 3 6,48% 6,06% 5,45% 5,79% 4 5,95% 6,42% 6,76% 5,85% 5 6,93% 6,27% 6,79% 6,90% 6 7,52% 6,30% 6,76% 6,28% 7 7,43% 5,45% 6,10% 6,74% 8 6,22% 6,09% 6,40% 5,98% 9 5,33% 5,63% 4,97% 5,70% 10 4,92% 4,82% 4,73% 5,73% 11 5,22% 5,18% 5,27% 4,44% 12 5,54% 4,97% 5,78% 5,18% 13 7,54% 8,18% 6,79% 7,85% 14 25,64% 28,99% 27,96% 27,61%

Total 100,00% 100,00% 100,00% 100,00%

Tabela 6.46 – Total de observações segmentadas por número de observações por empresa


2 358 372 418 388 3 660 600 549 567 4 808 848 908 764 5 1.175 1.035 1.140 1.125 6 1.530 1.248 1.362 1.230 7 1.764 1.260 1.435 1.540 8 1.688 1.608 1.720 1.560 9 1.629 1.674 1.503 1.674 10 1.669 1.590 1.590 1.870 11 1.947 1.881 1.947 1.595 12 2.256 1.968 2.328 2.028 13 3.328 3.510 2.964 3.328 14 12.180 13.398 13.146 12.614

Total 30.992 30.992 31.010 30.283

A Tabela 6.48 apresenta a distribuição das empresas pelos quatro setores

estudados. A Tabela 6.49 apresenta o mesmo resultado, porém na forma percentual.

138

Tabela 6.47 – Total de observações segmentadas por número de observações por empresa em percentual


2 1,16% 1,20% 1,35% 1,28% 3 2,13% 1,94% 1,77% 1,87% 4 2,61% 2,74% 2,93% 2,52% 5 3,79% 3,34% 3,68% 3,71% 6 4,94% 4,03% 4,39% 4,06% 7 5,69% 4,07% 4,63% 5,09% 8 5,45% 5,19% 5,55% 5,15% 9 5,26% 5,40% 4,85% 5,53% 10 5,39% 5,13% 5,13% 6,18% 11 6,28% 6,07% 6,28% 5,27% 12 7,28% 6,35% 7,51% 6,70% 13 10,74% 11,33% 9,56% 10,99% 14 39,30% 43,23% 42,39% 41,65%

Total 100,00% 100,00% 100,00% 100,00%

Tabela 6.48 – Total de empresas pelos quatro setores estudados

Arquivos Setores Industriais I II III IV

Primário 104 104 120 116 Manufatura 1.095 1.083 1.100 1.025 Comércio 841 756 754 728 Serviços 1.353 1.358 1.384 1.394

Total 3.393 3.301 3.358 3.263

Tabela 6.49 – Total de empresas pelos quatro setores estudados em percentual

Arquivos Setores Industriais I II III IV

Primário 3,07% 3,15% 3,57% 3,56% Manufatura 32,27% 32,81% 32,76% 31,41% Comércio 24,79% 22,90% 22,45% 22,31% Serviços 39,88% 41,14% 41,22% 42,72%

Total 100,00% 100,00% 100,00% 100,00%

A Tabela 6.50 apresenta as análises de componentes de variância e do modelo

misto para as empresas do Arquivo I.

139

Tabela 6.50 – Análise das empresas do Arquivo I utilizando Modelos V e VI

COV Mixed Fator Estimativa Percentual Estimativa Percentual Empresa 91,81 28,0% 91,84 28,6% Indústria 33,27 10,1% 33,27 10,3% Ano 6,61 2,0% -------- -------- Modelo 131,69 40,1% 125,11 38,9% Resíduo 196,45 59,9% 196,45 61,1% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 28000; F-Value = 64,84; p-value< 0,0001

A Tabela 6.51 apresenta os resultados da análise de componentes de variância e de

modelo misto com interação indústria-ano para os dados do Arquivo I.

Tabela 6.51 – Análise das empresas do Arquivo I utilizando Modelos VII e VIII

COV Mixed Fator Estimativa Percentual Estimativa Percentual Empresa 93,44 28,2% 93,47 28,8% Indústria 32,42 9,8% 32,42 10,0% Ano 6,58 2,0% -------- -------- Ind*ano 19,10 5,8% 19,12 5,9% Modelo 151,55 45,7% 145,01 44,6% Resíduo 179,84 54,3% 179,83 55,4% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 4490; F-Value = 32,68; p-value< 0,0001


misto para as empresas do Arquivo II.

Tabela 6.52 – Análise das empresas do Arquivo II utilizando Modelos V e VI



modelo misto com interação indústria-ano para os dados do Arquivo II.

140

Tabela 6.53 – Análise das empresas do Arquivo II utilizando Modelos VII e VIII



misto para as empresas do Arquivo III.

Tabela 6.54 – Análise das empresas do Arquivo III utilizando Modelos V e VI



misto com interação indústria-ano para as empresas do Arquivo III.

Tabela 6.55 – Análise das empresas do Arquivo III utilizando Modelos VII e VIII


141


modelo misto para os dados do Arquivo IV.

Tabela 6.56 – Análise das empresas do Arquivo IV utilizando Modelos V e VI



misto com interação indústria-ano para as empresas do Arquivo IV.

Tabela 6.57 – Análise das empresas do Arquivo IV utilizando Modelos VII e VIII


A Tabela 6.58 apresenta os resultados percentuais das análises de componentes de

variância com interação indústria-ano para os quatro arquivos analisados.

Tabela 6.58 – Sumário das análises do Modelo VIII para os Arquivos I, II, III e IV

Arquivos Fator I II III IV Média Empresa 28,2% 28,2% 28,3% 29,8% 28,6% Indústria 9,8% 8,3% 10,4% 9,4% 9,5% Ano 2,0% 2,2% 1,9% 2,6% 2,2% Ind*ano 5,8% 5,5% 5,1% 6,0% 5,6% Modelo 45,7% 44,2% 45,9% 47,8% 45,9% Resíduo 54,3% 55,8% 54,1% 52,2% 54,1%

142

Verifica-se que os resultados dos quatro arquivos foram bastante semelhantes. Para

as análises comparativas que serão feitas posteriormente, utilizar-se-á o valor médio

como valores de referência para o conjunto geral dos dados.

6.3.2. Análise do setor primário

Os dados do setor primário compreendem 4.130 registros de 444 empresas atuando

em 37 indústrias no período de 1990 a 2003.








2 23 5,18% 46 1,11% 3 18 4,05% 54 1,31% 4 19 4,28% 76 1,84% 5 36 8,11% 180 4,36% 6 41 9,23% 246 5,96% 7 32 7,21% 224 5,42% 8 31 6,98% 248 6,00% 9 22 4,95% 198 4,79% 10 24 5,41% 240 5,81% 11 22 4,95% 242 5,86% 12 24 5,41% 288 6,97% 13 40 9,01% 520 12,59% 14 112 25,23% 1568 37,97%

Total 444 100,00% 4130 100,00%


existem 6 indústrias com apenas uma empresa, enquanto que uma das indústrias

conta com 77 empresas.

143


Nro de empresas


Nro de empresas


1 6 15 1 2 6 16 1 3 4 18 1 5 1 23 1 6 3 32 1 7 4 36 1 9 1 44 1 13 1 52 1 14 2 77 1

A tabela 6.61 apresenta a distribuição dos valores de EBITDA por Ativos Totais,

onde se verifica que cerca de 90% dos valores estão compreendidos entre ±20%.


Faixas Observações Percentual 80 < EB/At ≤ 100 4 0,10% 60 < EB/At ≤ 80 13 0,31% 40 < EB/At ≤ 60 46 1,11% 20 < EB/At ≤ 40 286 6,92% 0 < EB/At ≤ 20 2.156 52,20% -20 < EB/At ≤ 0 1.576 38,16%


Total 4.130 100,00%


misto para as empresas do setor primário.


misto com interação indústria-ano para as empresas do setor primário.

144

Tabela 6.62 – Análise das empresas do setor primário utilizando Modelos V e VI

COV Mixed Fator Estimativa Percentual Estimativa Percentual Empresa 36,18 25,8% 36,19 26,8% Indústria 9,31 6,7% 9,30 6,9% Ano 4,73 3,4% -------- -------- Modelo 50,21 35,9% 45,49 33,6% Resíduo 89,73 64,1% 89,73 66,4% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 3673; F-Value = 16; p-value< 0,0001 Tabela 6.63 – Análise das empresas do setor primário utilizando Modelos VII e VIII


6.3.3. Análise do setor manufatura

Os dados do setor manufatura contam com 43.693 registros de 4.303 empresas

atuando em 218 diferentes indústrias por um período de 14 anos.





existem 21 indústrias com apenas uma empresa, 13 com duas empresas e assim

sucessivamente.

145



Número de empresas Percentual

Total de observações Percentual

2 153 3,56% 306 0,70% 3 165 3,83% 495 1,13% 4 197 4,58% 788 1,80% 5 261 6,07% 1.305 2,99% 6 240 5,58% 1.440 3,30% 7 270 6,27% 1.890 4,33% 8 252 5,86% 2.016 4,61% 9 199 4,62% 1.791 4,10% 10 209 4,86% 2.090 4,78% 11 218 5,07% 2.398 5,49% 12 220 5,11% 2.640 6,04% 13 332 7,72% 4.316 9,88% 14 1.587 36,88% 22.218 50,85%

Total 4.303 100,00% 43.693 100,00%


Nro de empresas


Nro de empresas


Nro de empresas


1 21 20 4 52 3 2 13 21 2 53 1 3 19 22 5 54 1 4 13 23 1 55 1 5 11 25 6 56 1 6 10 26 3 57 1 7 6 27 1 58 1 8 10 28 1 60 1 9 8 31 3 64 1

10 6 32 2 66 2 11 3 33 3 67 1 12 4 35 1 72 1 13 4 36 1 85 1 14 2 37 3 94 1 15 6 38 2 104 1 16 6 39 2 105 1 17 1 40 2 152 1 18 1 45 1 207 1 19 4 47 1 222 1

146



Importante ressaltar que 17% das observações ficaram entre 20% e 40%.


Faixa Observações Percentual 80 < EB/At ≤ 100 68 0,16% 60 < EB/At ≤ 80 316 0,72% 40 < EB/At ≤ 60 1.532 3,51% 20 < EB/At ≤ 40 7.479 17,12% 0 < EB/At ≤ 20 24.644 56,40% -20 < EB/At ≤ 0 8.793 20,12%

-40 < EB/At ≤ -20 625 1,43% -60 < EB/At ≤ -40 154 0,35% -80 < EB/At ≤ -40 65 0,15%

-100 < EB/At ≤ -80 17 0,04% Total 43.693 100,00%


misto para as empresas do setor manufatureiro.

Tabela 6.67 – Análise das empresas do setor manufatura utilizando Modelos V e VI



misto com interação indústria-ano para as empresas do setor manufatura.

147

Tabela 6.68 – Análise das empresas do setor manufatura utilizando Modelos VII e VIII


6.3.4. Análise do setor comércio

O conjunto de dados do setor comércio conta com 27.192 registros de 3.079

empresas atuando em 97 diferentes indústrias por um período de 14 anos.





2 202 6,56% 404 1,49% 3 226 7,34% 678 2,49% 4 220 7,15% 880 3,24% 5 219 7,11% 1.095 4,03% 6 202 6,56% 1.212 4,46% 7 206 6,69% 1.442 5,30% 8 222 7,21% 1.776 6,53% 9 172 5,59% 1.548 5,69% 10 139 4,51% 1.390 5,11% 11 158 5,13% 1.738 6,39% 12 165 5,36% 1.980 7,28% 13 223 7,24% 2.899 10,66% 14 725 23,55% 10.150 37,33%

Total 3.079 100,00% 27.192 100,00%

148






sucessivamente.


Nro de empresas


Nro de empresas


Nro de empresas


1 12 20 3 66 1 2 17 21 1 67 2 3 1 23 1 75 1 4 5 24 1 81 1 5 6 26 1 98 1 6 7 33 1 109 1 7 1 34 1 121 1 8 3 36 1 145 1 9 3 38 1 153 1

11 1 44 1 165 1 12 3 45 2 184 1 13 2 46 1 297 1 15 1 50 1 522 1 16 4 53 1




Total 27.192 100,00%

149



Como verificado no setor manufatura, o comércio também apresentou cerca de 17%

dos valores entre 20% e 40%.


misto para as empresas do comércio.

Tabela 6.72 – Análise das empresas do comércio utilizando Modelos V e VI



misto com interação indústria-ano para as empresas do comércio.

Tabela 6.73 – Análise das empresas do comércio utilizando Modelos VII e VIII


150

6.3.5. Análise do setor de serviços

O conjunto de dados do setor de serviços conta com 48.262 registros de 5.489

empresas atuando em 154 diferentes indústrias por um período de 14 anos.








2 390 7,11% 780 1,62% 3 383 6,98% 1.149 2,38% 4 396 7,21% 1.584 3,28% 5 379 6,90% 1.895 3,93% 6 412 7,51% 2.472 5,12% 7 349 6,36% 2.443 5,06% 8 317 5,78% 2.536 5,25% 9 327 5,96% 2.943 6,10% 10 300 5,47% 2.999 6,21% 11 272 4,96% 2.992 6,20% 12 306 5,57% 3.672 7,61% 13 415 7,56% 5.395 11,18% 14 1.243 22,65% 17.402 36,06%

Total 5.489 100,00% 48.262 100,00%



sucessivamente.


onde se verifica que mais de 80% dos valores estão compreendidos entre ±20%. A

faixa entre 20% e 40% contém quase 10% das empresas.

151


Nro de empresas


Nro de empresas


Nro de empresas


1 24 22 3 53 1 2 14 23 3 55 1 3 9 24 1 57 1 4 2 25 2 58 1 5 4 26 2 72 1 6 3 27 4 79 1 7 3 28 1 80 1 8 4 29 1 81 1 9 6 30 1 88 1

10 7 31 2 91 1 11 3 33 1 95 1 12 3 34 1 115 1 13 7 37 2 118 1 14 2 38 1 184 1 15 2 42 1 187 1 16 3 46 1 212 2 17 3 48 1 330 1 18 2 50 3 334 1 21 1 51 1 1278 1



-40 < EB/At ≤ -20 1.419 2,94% -60 < EB/At ≤ -40 395 0,82% -80 < EB/At ≤ -40 166 0,34% -100 < EB/At ≤ -80 102 0,21%

Total 48.262 100,00%


misto para as empresas de serviços.


misto com interação indústria-ano para as empresas de serviços.

152

Tabela 6.77 – Análise das empresas de serviços utilizando Modelos V e VI

COV Mixed Fator Estimativa Percentual Estimativa Percentual Empresa 89,67 26,3% 89,66 26,5% Indústria 42,75 12,5% 42,76 12,6% Ano 2,60 0,8% -------- -------- Modelo 135,01 39,6% 132,42 39,2% Resíduo 205,61 60,4% 205,62 60,8% Nota: Para o modelo misto, o teste de hipótese sobre a igualdade das médias dos anos fornece: NDF = 13; DDF = 43000; F-Value = 36,66; p-value< 0,0001 Tabela 6.78 – Análise das empresas de serviços utilizando Modelos VII e VIII


6.3.6. Análise e comparação dos resultados das empresas não pertencentes com as pertencentes a grupos econômicos

A seguir é feita uma análise comparativa dos modelos COV com interação indústria-

ano, para os dados gerais e setoriais das empresas não pertencentes a grupos

econômicos. A tabela 6.41 apresenta a tabulação dos resultados percentuais.

Destacam-se nestas análises a ordem de grandeza dos valores assumidos pelo fator

empresa, que foi responsável por 60% a 70%, aproximadamente, de toda a

variância explicada pelos modelos. Em relação à análise feita com as empresas

pertencentes a grupos econômicos, verifica-se o aumento no poder explicativo deste

fator, que se mostrou superior, aproximadamente, 12% para o comércio, 11% para

153

serviços, 8% para primário e apenas 3% para manufatura, que no estudo anterior já

havia apresentado entre todos os demais setores, o maior valor para o fator

empresa. Verifica-se que para as empresas não pertencentes a grupos econômicos,

os fatores idiossincráticos da empresa assumem papel ainda mais decisivo na

explicação do desempenho em todos os setores estudados.

Tabela 6.79 – Sumário das análises utilizando o Modelo VII

Fator Geral Primário Manufatura Comércio Serviços Empresa 28,6% 25,9% 31,1% 32,0% 25,9% Indústria 9,5% 6,0% 3,3% 4,4% 12,0% Ano 2,2% 3,1% 5,4% 6,6% 1,4% Ind*ano 5,6% 6,1% 5,3% 4,0% 4,4% Modelo 45,9% 41,1% 45,2% 47,1% 43,8% Resíduo 54,1% 58,9% 54,8% 52,9% 56,2%

A ausência do fator controladora, na segunda análise, mostra que parte da

explicação apresentada por este fator passa para o fator empresa indicando que os

fatores idiossincráticos assumem papel decisivo na determinação do desempenho.

Assim, parte das influências que vinham da estratégia corporativa, são internalizadas

pelas empresas que não pertencem a grupos econômicos fazendo com que o fator

empresa assuma papel ainda mais importante.

O fator indústria apresentou as maiores diferenças entre as duas análises, tendo na

análise para as empresas não pertencentes a grupos econômicos, diminuído para o

comércio e para manufatura e aumentado para o setor primário e serviços. Para o

setor primário o valor subiu de 2,7% para 6%, enquanto que a interação indústria-

ano diminuiu de 9,3% para 6,1%, interessante notar que a soma destes dois

resultados permaneceu igual, na ordem de 12%. Tais resultados indicam que as

empresas não pertencentes a grupos econômicos estão mais posicionadas em

setores industriais menos sensíveis a mudanças no curto prazo.

O fator indústria que apresentara um alto valor para serviços na primeira análise,

teve seu poder explicativo aumentado quando se trata de empresas de serviço não

pertencentes a grupos econômicos. Somados, o fator empresa e o fator indústria

representam cerca de 77% da variação total explicada para os setores primário,

154

manufatura e comércio e 86% para o setor de serviços, sendo para este setor o fator

indústria representou 27% da variância total explicada.

Enquanto que as empresas pertencentes a grupos econômicos no setor de serviços

apresentaram valores 10,4% para indústria e 8,4% para a interação indústria-ano, as

empresas não pertencentes a grupos econômicos apresentaram valores de 4,4% e

4% para estes mesmos fatores respectivamente.

Para o setor primário, o modelo teve o menor poder explicativo, quando comparado

com os demais setores, ao contrário do que ocorreu na análise para empresas

pertencentes a grupos econômicos, onde a menor explicação se deu para o setor de

serviços.

Outro resultado interessante foi o encontrado na interação indústria-ano para o setor

de serviços, pois, enquanto que para as empresas não pertencentes a grupos

econômicos seu valor foi de 13,3%, para empresas não pertencentes a grupos

econômicos o resultado foi de apenas 4%. Isso indica que as empresa não

pertencentes a grupos econômicos tem se posicionado em indústrias que

apresentam pouca variação ano a ano. Empresas controladas, provavelmente são

posicionadas em indústrias onde o risco é maior, quer seja por almejarem maiores

lucros, quer por decisões estratégicas da corporação em se manter em determinado

mercado.

6.4. Comparação entre os das análises das empresas brasileiras e os resultados de pesquisas anteriores

A seguir serão feitas considerações comparando os resultados das análises

desenvolvidas neste trabalho e os resultados de trabalhos anteriores. A Tabela 6.80

sumariza os resultados utilizando as análises COV com interação para as empresas

155

pertencentes a grupos econômicos (Modelo III) e para empresas não pertencentes a

grupos econômicos (Modelo VII).

As Tabelas 6.81 e 6.82 sumarizam os resultados das pesquisas realizadas com

empresas de grande porte, utilizando indicadores financeiros como variável

dependente, que por tais características mantém maior comparabilidade com os

estudos desenvolvidos neste trabalho.

Os valores do efeito empresa variaram de 17,9% para empresas pertencentes a

grupos econômicos no setor primário até 32% para empresas não pertencentes a

grupos econômicos do comércio. Estes valores não apresentam discrepâncias com

a maioria das análises feitas com empresas internacionais, cujos resultados

apresentados nas Tabelas 6.80 e 6.81, variam de 12% a 48%.

Tabela 6.80 – Sumário das análises das empresas pertencentes a grupos econômicos utilizando o Modelo III e não pertencentes utilizando o modelo VII em percentagem

Geral Primário Manufatura Comércio Serviços Fator M III M VII M III M VII M III M VII M III M VII M III M VIIEmpresa 20,5 28,6 17,9 25,9 27,8 31,1 20,9 32,0 14,9 25,9Controladora 5,3 10,5 6,4 0,7 5,7 Indústria 8,0 9,5 2,7 6,0 4,7 3,3 9,2 4,4 10,4 12,0Ano 2,5 2,2 8,1 3,1 4,3 5,4 6,5 6,6 1,2 1,4Ind*ano 6,9 5,6 9,3 6,1 2,7 5,3 13,3 4,0 8,4 4,4Modelo 43,1 45,9 48,6 41,1 45,9 45,2 50,6 47,1 40,5 43,8Resíduo 56,9 54,1 51,4 58,9 54,1 54,8 49,4 52,9 59,5 56,2

O fator controladora, também apresenta resultados compatíveis com os estudos

internacionais, porém os valores encontrados na análise conjunta de todos os dados

e nas análises do setor manufatura, mostraram-se com ordem de grandeza um

pouco inferior àquela apresentada nos estudos internacionais. O que pode indicar

diferenças na efetividade ou no grau de “intervenção” que a estratégia corporativa

tem sobre as empresas controladas.

Os fatores indústria e ano apresentaram valores com ordem de grandeza

semelhante ao dos estudos internacionais.

156

Tabela 6.81 – Resultados de estudos anteriores

Schmalensee 1985

Rumelt Amostra A

1991

Roquebert 1996

McGahan e Porter 1997

Método Nested ANOVA COV COV COV

Fonte FTC FTC Compustat Compustat Anos 1975 1974-1977 1985-1991 1981-1994 Indústrias Manufatura Manufatura Manufatura Todos Nro. Obs 1.775 6.931 16.596 58.132 Empresa 46,37% 37,1% 31,71% Controladora 0,80% 17,9% 4,33% Indústria 19,59% 8,32% 10,2% 18,68% Ano 0,5% 2,39% País Contr-Ind -0,62% -5,51% Industr-ano 7,84% 2,3% Fatia mercado 0,62% Downsizing Modelo 19,59% 63,33% 68,0% 51,60% Resíduo 80,41% 36,87% 32,0% 48,40%

Tabela 6.82 – Resultados de estudos anteriores (continuação)

Chang e Singh 2000

Amostra A-4d

McGahan e Porter 2002

Ruefli 2003

Amostra 4 dig

Adner 2003

Makino Mod 1 2004

Método COV Simultaneous ANOVA COV COV COV

Fonte Trinet Compustat Compustat FRS METI Trend Survey

Anos 1981-1989 1981-1994 1980-1996 1977-1997 1996-2001

Indústrias Manufat. Todas Todas Petróleo Todas Nro. Obs 8.132 72.742 46.934 485 28.809 Empresa 48,78

% 36,0% 12,2% 19,42% 31,4%

Controladora 11,0% 11,6% 7,43% 2,74% 10,8% Indústria 17,5% 10,3% 18% 2,05% 6,9% Ano 0,3% 0,4% 1% 1,26% 0,1% País 5,5% Contr-Ind Industr-ano 4,57% Fatia mercado Downsizing 4,57% Modelo 77,58% 58,3% 38,63% 36,14% 54,7% Resíduo 22,42% 41,7% 61,37% 63,86% 45,3%

157

A interação indústria-ano não foi muito pesquisada nos trabalhos internacionais,

porém esta se mostrou relevante para diversos setores, tendo na maiorias das

análises desenvolvidas, apresentado valores iguais ou superiores aos valores

equivalentes do fator indústria.

6.5. Verificação do efeito localização

A verificação do efeito localização será desenvolvida incluindo a variável Unidade da

Federação, que por suas características será tratada como efeito fixo. No banco de

dados constam observações de empresas de 26 Estados brasileiros.

Sendo a localização um efeito fixo, as análises serão desenvolvidas utilizando

modelos mistos, que fornecerão resultados para o teste de hipótese de igualdade de

médias. É necessário ressaltar que a utilização de grandes conjuntos de dados

provoca o efeito em que qualquer diferença acaba sendo apontada como

significativa pelo teste de hipótese, inviabilizando a análise.

6.5.1. Análise das empresas pertencentes a grupos econômicos

Inicialmente serão apresentadas algumas análises descritivas dos dados das

empresas pertencentes a grupos econômicos em relação às diferentes Unidades da

Federação.

O Gráfico 7 apresenta a distribuição dos valores de EBITDA/Ativos Totais para

empresas pertencentes a grupos econômicos em função da Unidade da Federação

em que está estabelecida.

158

DF

SP

CE RJ

SC

GO

MG

AM MT

PE

PR

BA

ES

PA

RS

PB

MS

AC

RO RR

SE

RN AL PI

AP

MA

UF

-120

-100

-80

-60

-40

-20

0

20

40

60

80

100

120E

BIT

DA

/Ativ

os T

otai

s

Gráfico 7 – EBITDA/Ativos de empresas pertencentes a grupos econômicos por UF

Tabela 6.79 – Número de empresas por setor e por Unidade da Federação UF Geral Primário Manufatura Comércio Serviços AC 2 0 0 2 2 AL 10 0 7 1 AM 33 2 22 5 4 AP 2 1 1 BA 36 5 17 5 9 CE 22 6 13 2 1 DF 22 2 2 6 12 ES 24 2 7 5 10 GO 12 2 4 2 4 MA 8 4 4 MG 82 16 23 7 36 MS 7 2 3 2 MT 19 12 4 1 2 PA 12 4 6 1 1 PB 6 0 6 PE 28 5 13 10 PI 4 0 2 2 PR 52 1 23 10 18 RJ 140 5 23 18 94 RN 6 1 4 1 RO 2 0 0 2 RR 1 0 0 1 RS 51 3 17 9 22 SC 22 3 9 3 7 SE 3 0 1 1 1 SP 358 12 111 35 200 Total 964 88 322 112 442

159

A Tabela 6.79 apresenta o número de empresas pertencentes a grupos econômicos

por setor e por Unidade da Federação, enquanto que a Tabela 6.80 fornece a

mesma informação, porém na forma percentual.

Tabela 6.80 – Percentagem de empresas por setor e por Unidade da Federação

UF Geral Primário Manufatura Comércio Serviços AC 0,21% 0,00% 0,00% 1,79% 0,45% AL 1,04% 0,00% 2,17% 0,00% 0,23% AM 3,42% 2,27% 6,83% 4,46% 0,90% AP 0,21% 1,14% 0,31% 0,00% 0,00% BA 3,73% 5,68% 5,28% 4,46% 2,04% CE 2,28% 6,82% 4,04% 1,79% 0,23% DF 2,28% 2,27% 0,62% 5,36% 2,71% ES 2,49% 2,27% 2,17% 4,46% 2,26% GO 1,24% 2,27% 1,24% 1,79% 0,90% MA 0,83% 4,55% 1,24% 0,00% 0,00% MG 8,51% 18,18% 7,14% 6,25% 8,14% MS 0,73% 2,27% 0,93% 0,00% 0,45% MT 1,97% 13,64% 1,24% 0,89% 0,45% PA 1,24% 4,55% 1,86% 0,89% 0,23% PB 0,62% 0,00% 1,86% 0,00% 0,00% PE 2,90% 5,68% 4,04% 0,00% 2,26% PI 0,41% 0,00% 0,62% 0,00% 0,45% PR 5,39% 1,14% 7,14% 8,93% 4,07% RJ 14,52% 5,68% 7,14% 16,07% 21,27% RN 0,62% 1,14% 1,24% 0,00% 0,23% RO 0,21% 0,00% 0,00% 0,00% 0,45% RR 0,10% 0,00% 0,00% 0,00% 0,23% RS 5,29% 3,41% 5,28% 8,04% 4,98% SC 2,28% 3,41% 2,80% 2,68% 1,58% SE 0,31% 0,00% 0,31% 0,89% 0,23% SP 37,14% 13,64% 34,47% 31,25% 45,25% Total 100,00% 100,00% 100,00% 100,00% 100,00%

Tabela 6.81 – Escores brutos das análises das empresas pertencentes a grupos econômicos utilizando o Modelo IX

Fator Geral Primário Manufatura Comércio Serviços Empresa 46,34 16,89 53,14 69,92 41,11 Controladora 11,28 14,21 12,37 6,13 12,38 Indústria 18,51 3,92 10,22 31,77 27,86 Ind*ano 15,46 9,86 5,22 41,75 22,89 Modelo 91,59 44,87 80,96 149,56 104,23 Resíduo 126,60 56,17 101,28 155,14 154,15

Na Tabela 6.81 são apresentados os resultados dos testes para verificação do

impacto que o fato de pertencer a determinada Unidade da Federação acarreta.

160

A Tabela 6.82 apresenta os mesmos resultados da Tabela 6.81, porém com os

valores em percentagem.

Tabela 6.82 – Escores percentuais das análises das empresas pertencentes a grupos econômicos utilizando o Modelo IX

Fator Geral Primário Manufatura Comércio Serviços Empresa 21,2% 16,7% 29,2% 22,9% 15,9% Controladora 5,2% 14,1% 6,8% 2,0% 4,8% Indústria 8,5% 3,9% 5,6% 10,4% 10,8% Ind*ano 7,1% 9,8% 2,9% 13,7% 8,9% Modelo 42,0% 44,4% 44,4% 49,1% 40,3% Resíduo 58,0% 55,6% 55,6% 50,9% 59,7%

Os valores apresentados pelos componentes de variância com utilização do fator

localização são muito semelhante aos resultados obtidos nas análises em que não

se incluiu o efeito localização.

Tabela 6.83 – Resultado do teste de hipótese para igualdade das médias dos fatores fixos das análises utilizando o Modelo IX

Setor Efeito NDF DDF F Value p-value Geral Ano 13 821 10,35 <0,0001 UF 25 5.941 0,94 0,5543 Primário Ano 13 254 6,44 <0,0001 UF 18 567 0,96 0,504 Manufatura Ano 13 1.145 16,24 <0,0001 UF 22 2.004 0,82 0,7057 Comércio Ano 13 331 5,17 <0,0001 UF 15 647 0,43 0,9699 Serviços Ano 13 636 2,94 <0,0001 UF 22 2.723 1,06 0,3888

A Tabela 6.83 apresenta o resultado dos testes de hipótese para as análises com

todos os dados e para as análises com os dados setoriais.

161

6.5.2. Empresas não pertencentes a grupos econômicos

Devido à grande quantidade de dados e às restrições computacionais, para as

empresas não pertencentes a grupos econômicos, serão analisados apenas os

dados gerais compreendidos nos Arquivos I, II, II e IV, não sendo, portanto, feitas

análises setoriais. Seguindo o mesmo procedimento adotado para as empresas

pertencentes a grupos econômicos, inicialmente será apresenta uma análise

exploratória dos dados e em seguida os resultados das análises.

O Gráfico 8 apresenta a distribuição dos valores de EBITDA/Ativos Totais para

empresas não pertencentes a grupos econômicos em função da Unidade da

Federação em que está estabelecida.

DF

SP

GO RJ

RS

MG

CE

PR

SC TO BA

MS

MT

PE

ES AL

AM AP

SE

PB

PA

MA

RR

RN

RO PI

AC

UF

-120

-100

-80

-60

-40

-20

0

20

40

60

80

100

120

EB

ITD

A/A

tivos

Tot

ais

Gráfico 8 – EBITDA/Ativos de empresas não pertencentes a grupos econômicos por UF

162

A Tabela 6.84 apresenta o total de empresas por setor e por Unidade da Federação

para os Arquivos, I, II, III e IV das empresas não pertencentes a grupos econômicos.

A Tabela 6.85 apresenta a mesma informação, porém na forma percentual.

Tabela 6.84 – Número de empresas por setor e por Unidade da Federação

Arquivo Arquivo UF I II III IV UF I II III IV AC 4 1 0 2 PB 19 13 30 21AL 15 15 21 16 PE 86 84 77 86AM 54 54 62 43 PI 8 13 13 14AP 4 2 2 2 PR 228 214 205 242BA 93 82 102 107 RJ 381 366 350 349CE 66 56 55 66 RN 24 18 24 23DF 55 40 56 67 RO 10 3 5 6ES 69 64 59 70 RR 0 1 3 1GO 67 61 76 69 RS 244 266 247 231MA 25 23 20 18 SC 138 137 132 120MG 246 222 218 231 SE 16 13 16 15MS 26 22 38 30 SP 1.400 1.445 1.454 1.331MT 67 40 46 55 TO 9 8 9 5PA 39 38 38 43 Total 3.393 3.301 3.358 3.263

Tabela 6.85 – Percentagem de empresas por setor e por Unidade da Federação

Arquivo Arquivo UF I II III IV UF I II III IV AC 0,12% 0,03% 0,00% 0,06% PB 0,56% 0,39% 0,89% 0,64%AL 0,44% 0,45% 0,63% 0,49% PE 2,53% 2,54% 2,29% 2,64%AM 1,59% 1,64% 1,85% 1,32% PI 0,24% 0,39% 0,39% 0,43%AP 0,12% 0,06% 0,06% 0,06% PR 6,72% 6,48% 6,10% 7,42%BA 2,74% 2,48% 3,04% 3,28% RJ 11,23% 11,09% 10,42% 10,70%CE 1,95% 1,70% 1,64% 2,02% RN 0,71% 0,55% 0,71% 0,70%DF 1,62% 1,21% 1,67% 2,05% RO 0,29% 0,09% 0,15% 0,18%ES 2,03% 1,94% 1,76% 2,15% RR 0,00% 0,03% 0,09% 0,03%GO 1,97% 1,85% 2,26% 2,11% RS 7,19% 8,06% 7,36% 7,08%MA 0,74% 0,70% 0,60% 0,55% SC 4,07% 4,15% 3,93% 3,68%MG 7,25% 6,73% 6,49% 7,08% SE 0,47% 0,39% 0,48% 0,46%MS 0,77% 0,67% 1,13% 0,92% SP 41,26% 43,77% 43,30% 40,79%MT 1,97% 1,21% 1,37% 1,69% TO 0,27% 0,24% 0,27% 0,15%PA 1,15% 1,15% 1,13% 1,32% Total 100,00% 100,00% 100,00% 100,00%

As tabelas 6.86 e 6.87 apresentam os resultados dos componentes de variância.

163

Tabela 6.86 – Escores brutos das análises dos Arquivos I, II, III e IV utilizando o Modelo X

Arquivo Fator I II III IV Empresa 93,20 92,16 97,88 100,66 Indústria 32,00 27,63 37,19 31,46 Ind*ano 19,14 18,24 17,84 20,21 Modelo 144,34 138,03 152,90 152,33 Resíduo 179,82 184,13 187,79 176,45

Tabela 6.87 – Escores percentuais das análises dos Arquivos I, II, III e IV utilizando o Modelo X

Arquivo Fator I II III IV Empresa 28,8% 28,6% 28,7% 30,6% Indústria 9,9% 8,6% 10,9% 9,6% Ind*ano 5,9% 5,7% 5,2% 6,1% Modelo 44,5% 42,8% 44,9% 46,3% Resíduo 55,5% 57,2% 55,1% 53,7%

A Tabela 6.88 apresenta o resultado dos testes de hipótese para as análises com

todos os dados para os Arquivos I, II, III e IV.

Tabela 6.88 – Resultado do teste de hipótese para igualdade das médias dos fatores fixos das análises utilizando o Modelo X

Arquivo Efeito NDF DDF F Value p-value I Ano 13 4.490 32,66 <0,0001 UF 25 23.000 1,4 0,0904

II Ano 13 4.451 36,47 <0,0001 UF 26 23.000 1,75 0,0102

III Ano 13 4.439 33,18 <0,0001 UF 25 23.000 1,47 0,0608

IV Ano 13 4.302 40,09 <0,0001 UF 26 23.000 1,17 0,2461

164

6.5.3. Análise dos resultados dos testes de hipótese

Os dados fornecidos na Tabela 6.83 e 6.88 apresentam uma forma de tabela de

ANOVA abreviada. O teste F faz a verificação da hipótese nula de que as médias de

desempenho relacionadas a cada uma das Unidades da Federação é igual a zero,

ou seja, 0 1 2 26:H µ µ µ= = =… . Com NDF graus de liberdade no numerador e DDF

graus de liberdade no denominador, o valor da estatística F é significante ao nível

apresentado por p-value.

Na Tabela 6.83, o resultado dos testes de hipótese para as análises com todos os

dados e das análises setoriais, indica que em nenhuma das análises houve a

rejeição da hipótese de igualdade das médias.

Na Tabela 6.88, verifica-se que a um nível de significância de 1%, para nenhuma

das análises haveria a rejeição da hipótese de igualdade das médias, enquanto que

a um nível de significância de 5% rejeitar-se-ia a hipótese nula apenas para o

Arquivo II.

Tais resultados não deixam de ser relevantes, dado o grande número de

observações constantes nos arquivos analisados, uma vez que pequenas diferenças

em análises de grandes arquivos criam um viés pró-rejeição da hipótese nula.

Com base nestes resultados, pode-se afirmar que nas análises considerando os

fatores empresa, indústria, corporação e ano, não se pode rejeitar a hipótese nula de

que não há diferença no desempenho das empresas localizadas nas diversas

Unidades da Federação.

165

7. CONCLUSÃO

Os resultados apresentados nesta pesquisa sugerem que a estrutura dos fatores

pesquisados é semelhante à encontrada nos diversos países onde foram realizadas

pesquisas semelhantes. Não há indícios fortes de que haja, para os fatores

estudados, diferenças entre as empresas estabelecidas no Brasil e as estabelecidas

em outros paises.

Importante ressaltar que estes modelos não explicam as causas das diferenças de

desempenho, eles procuram apenas verificar as diferenças associadas com tais

categorias.

Fatores organizacionais se mostraram mais importantes que fatores econômicos na

determinação do desempenho das empresas

Fato relevante foi que o fator empresa, que representa os fatores intrínsecos à

empresa, representados por competências internas, capacidade gerencial, cultura

organizacional, apresentou-se como o mais importante na explicação da

variabilidade existente no desempenho verificado entre as diversas empresas, para

todos os setores pesquisados. Este fato evidencia o que a visão baseada em

recursos (RBV) advoga, quanto à necessidade de desenvolvimento de competências

distintivas como fator determinante da vantagem competitiva.

Os valores assumidos pelo fator empresa para as empresas não pertencentes a

grupos econômicos, ficou acima do apresentado pelas empresas pertencentes a

grupos econômicos, indicando que parte do desempenho devido a funções

estratégicas exercidas pela corporação é assumida pelas empresa não pertencentes

a grupos econômicos. Este resultado pode indicar que a falta de um canal de

compartilhamento de recursos leva as empresas a desenvolverem internamente

competências que compensem a falta desta fonte externa de recursos.

166

Na disputa sobre qual dos fatores, indústria ou características internas das

empresas, é mais importante na determinação da vantagem competitiva, este estudo

aponta para uma predominância clara do segundo fator como o mais importante

Outro resultado importante foi a mensuração do efeito corporação, que se mostrou

relevante para todos os setores estudados. O fator corporação se mostrou muito

importante para a explicação da variabilidade do desempenho do setor primário da

economia, enquanto que para o comércio mostrou pequeno poder explicativo. Em

alguns casos o efeito corporação foi superior ao efeito indústria.

As discussões sobre a importância da estratégia corporativa, identificada pelos

resultados apresentados pelo fator corporação, devem passar por um crivo setorial,

uma vez que o impacto da influência do grupo econômico sobre a controladora

apresenta resultados bastante diferentes entre os setores estudados.

Quanto à importância do fator indústria, foi identificado na comparação entre as

análises das empresas pertencentes e não pertencentes a grupos econômicos, que

as pertencentes a grupos econômicos apresentam valores superiores ao das não

pertencentes para os setores manufatura e comércio, enquanto que o contrário

acontecia com os setores primário e serviços. O fato de empresas pertencentes a

grupos econômicos se posicionarem em indústrias que apresentam maior

variabilidade no desempenho, pode indicar que as estratégias corporativas das

empresas de manufatura e comércio sejam mais focadas para a busca de maiores

lucros através da atuação em setores de maior risco, enquanto que evento oposto

apresentado pelos setores primário e serviços pode indicar a existência de

estratégias corporativas mais conservadoras.

O setor de serviços apresentou os maiores valores para o efeito indústria, tanto para

empresas pertencentes a grupos econômicos como para as não pertencentes,

enquanto que o setor manufatura apresentou, na média, os menores valores para o

efeito indústria. Estes resultados mostram que posicionamento dentro de um setor,

através de estratégias de diferenciação ou massificação são mais importantes em

serviços que em manufatura.

167

Foram utilizados nas análises os modelos de componentes de variância, onde todos

os fatores são considerados aleatórios e modelos mistos onde inicialmente o fator

ano foi tratado como fixo e posteriormente também o fator estado.

Pela característica da variável ano, que não é aleatória nas bases de dados

utilizadas, os modelos mistos se mostram tecnicamente mais apropriados para

representar este fenômeno. O que se verificou foi que a utilização de modelos de

covariância para os dados utilizados, não implicou em vieses na estimativa dos

fatores aleatórios. Conclui-se que apesar de não serem totalmente apropriados para

análises utilizando dados extraídos de um conjunto definido de anos, sua utilização

não implicoa em distorções na avaliação dos componentes de variância.

Uma questão que um dos trabalhos havia deixado em aberto, foi quanto ao impacto

que o desempenho de uma empresa em determinado ano afetava os anos próximos

subseqüentes. A questão era, se um excelente resultado em determinado ano não

teria um impacto positivo nos anos imediatamente seguintes, ou que um resultado

extremamente ruim em determinado ano, influenciaria negativamente no resultado

dos anos seguintes. Também, se este efeito existisse, como este impacto se

propagaria para os anos seguintes.

Para testar tais pressupostos, diversos modelos foram analisados utilizando duas

metodologias para a mensuração da relação existente entre tais dados, através da

utilização de duas diferentes estruturas de covariância. Uma das estruturas assume

que os efeitos do resultado de um determinado ano têm impacto decrescente quanto

mais afastado o anos estão uns dos outros.

O que se verificou, foi que sistematicamente estes modelos não melhoraram o poder

explicativo em relação aos modelos que não utilizaram tais estruturas de

covariância. Este fato mostra que não foi identificado qualquer relacionamento entre

o desempenho de um determinado ano e dos demais anos anteriores ou

subseqüentes.

Tais resultados podem indicar que o desempenho muito acima da média em

determinado ano, podem levar a uma maior distribuição de lucros e dividendos, em

168

vez de maiores investimentos. Da mesma forma, resultados ruins em determinados

anos, podem servir para desencadear uma política de contenção de despesas e de

recuperação econômico-financeira que não impactando de forma negativa sobre os

anos seguintes.

A última análise feita referiu-se à verificação do efeito da localização no território

brasileiro sobre o desempenho das empresas. Foram utilizados modelos mistos,

apropriados para análise de localização, uma vez que tal fator é fixo assumindo

número igual ao total de Estados da Federação.

Quando foi proposto este tipo de estudo, esperava-se identificar dois tipos de

efeitos. Primeiramente acreditava-se que a localização em estados como São Paulo

e Rio de Janeiro, por sua maior qualidade de infra-estrutura e disponibilidade de

recursos, tanto materiais como humanos, representassem uma vantagem

competitiva na forma de melhor desempenho das empresas ali localizadas.

Outra questão importante, referia-se à questão da Guerra Fiscal iniciada há alguns

anos entre alguns Estados da União, em que determinados Estados ofereciam

benefícios fiscais para atrair grandes empresas. A pergunta que se poderia fazer é:

será que uma empresa que se beneficia de tais recursos legais obtém melhor

desempenho financeiro que teria se não se deslocasse para tais Estados?

Os resultados, surpreendentemente indicaram que isolados fatores como indústria,

ano, corporação e empresa, a localização não tem qualquer poder explicativo sobre

a variabilidade do desempenho das empresas estudadas.

Levando-se em conta que o conjunto de dados analisado contempla justamente as

grandes empresas, foco dos que iniciaram a Guerra Fiscal, o fato dos dados não

apresentarem qualquer diferença significativa ou significante entre os Estados da

Federação, pode levar a pelo menos duas conjecturas.

Primeiramente, pode ser que tais incentivos fiscais tenham sido parte de uma

estratégia isolada para atrair grandes empresas, sem uma real contrapartida nos

investimentos em infra-estrutura. Tal fato levaria tais empresas a encontrarem

169

dificuldades na contratação e manutenção de recursos, tanto materiais como

humanos. Tais dificuldades podem corroer eventuais vantagens advindas dos

incentivos fiscais. O mais agravante é que a falta de uma política de

desenvolvimento de infra-estrutura, no longo prazo, levaria as empresas que se

utilizaram dos incentivos fiscais, a se retirarem destes Estados quando tais

benefícios acabassem, implicando em grandes perdas de divisas, tanto para os

Estados que concederam incentivos fiscais, quanto para os Estados que “perderam”

tais empresas para os primeiros.

Outra possibilidade é que por se tratar de grandes empresas, estas fizeram

investimentos de longo prazo e o período de estudo pode ser muito curto para captar

corretamente os efeitos de tais ações.

Independente de qual seja a razão para não haver diferenças em relação à

localização no território brasileiro, é relevante o resultado apresentado pela análise,

que aponta não haver diferenças no desempenho das empresas localizadas no Sul

e Sudeste para as empresas localizadas no Note e Nordeste, isoladas os demais

fatores analisados. Aparentemente, as grandes empresas, foco desta análise, têm

estratégias igualmente eficientes para competir em todas as regiões do País.

Resumindo, este trabalho esclareceu algumas perguntas que permaneciam em

aberto em relação às pesquisas empíricas de análise de desempenho.

Primeiramente, esclareceu a questão sobre se a estrutura de importância dos fatores

competitivos para as empresas brasileiras, mostrando que ela é semelhante àquela

apresentada pelas empresas estrangeiras analisadas em trabalhos publicados

internacionalmente.

Em segundo lugar, mostrou que os modelos de componentes de variância fornecem

valores muito próximos daqueles fornecidos pelos modelos mistos com a variável

ano como fator fixo, permitindo a comparabilidade das pesquisas feitas com os dois

tipos de modelos.

170

Verificou, também, a não existência do efeito do resultado de um determinado ano

sobre os anos subseqüentes, não identificando relações de covariância entre anos

adjacentes.

Finalmente mostrou que o efeito localização em determinado Estado da União, não

explica eventuais diferenças nos desempenhos das empresas.

O conjunto de resultados das análises desenvolvidas neste trabalho, permitem uma

melhor compreensão da dinâmica do ambiente competitivo brasileiro, contribuindo

para o desenvolvimento da disciplina e sua adequação à realidade nacional.

171

8. REFERÊNCIAS BIBLIOGRÁFICAS

AAKER, David A. How to select a business strategy. California Management Review, v. 26, n. 3, p. 167-175, 1984.

ADNER, Ron; HELFAT, Constance E. Corporate effects and dynamic managerial capabilities. Strategic Management Journal, v. 24, n. 10, p. 1011-1025, 2003.

ALLEN, M. G. Strategic planning with a competitive focus. The McKinsey Quarterly, n. 3, p. 2-13, Autumn 1978.

AMIT, Raphael; SHOEMAKER, Paul J. H. Strategic assets and organizational rent. Strategic Management Journal, v. 14, n. 1, p. 33-46, 1993.

ANDERSON, R. L.; BANCROFT, T. A. Statistical theory in research. NY: McGraw-Hill, 1952.

ANDREWS, Kenneth R. The concept of corporate strategy. Homewood: Irwin, 1980.

_______. The concept of corporate strategy. 3. ed. Homewood: Irwin, 1987.

ANSOFF, H. Igor. Corporate strategy: an analytic approach to business policy for growth and expansion. NY: McGraw-Hill, 1965.

BAIN, Joe Staten. Barriers to new competition: their character and consequences in manufacturing industries. Cambridge: Harvard, 1956.

BARBIN, Décio. Componentes de variância. 2. ed. Piracicaba: Fealq, 1993.

BARNEY, Jay B. Organizational culture: can it be a source of sustained competitive advantage? The Academy of Management Review, v. 11, n. 3, p. 656-665, 1986a.

_______. Strategic factor markets: expectations, luck, and business strategy. Management Science, v. 32, n. 10, p. 1231-1241, 1986b.

_______. Asset stocks and sustained competitive advantage: a comment. Management Science, v. 35, n. 12, p. 1511-1513, 1989.

_______. Firm resources and sustained competitive advantage. Journal of Management, v. 17, n. 1, p. 99-120, 1991.

172

_______. Gaining and sustaining competitive advantage. 2. ed. Upper Saddle River: Prentice Hall, 2001a.

_______. Resource-based theories of competitive advantage: a ten-year retrospective on the resource-based view. Journal of Management, v. 27, n. 6, p. 643-650, 2001b.

BARNEY, Jay B.; ARIKAN, Asli M. The resource-based view: origins and implications. In: HITT, Michael et al. The Blackwell handbook of strategic management. Oxford: Blackwell, 2001. p. 124-188.

BAUMOL, W. J. Business behavior, value and growth. NY: Harcourt, 1967.

BENSTON, George J. The validity of profits-structure studies with particular reference to the FTC´s Line o Business data. The American Economic Review, v. 75, n. 1, p. 37-67, Mar 1985.

BERGER, Philip G.; OFEK, Eli. Diversification´s effect on firm value. Journal of Financial Economics, v. 37, n. 1, p. 39-65, 1995.

BHARADWAJ, Sundar G.; VARADARAJAN, P. Rajan; FAHY, John. Sustainable competitive advantage in service industries. Journal of Marketing, v. 57, p. 83-99, October 1993.

BOWMAN, Edward H.; HELFAT, Constance E. Does corporate strategy matter? Strategic Management Journal, v. 22, n. 1, p. 1-23, 2001.

BRITO, Luiz A. L. Os componentes da variância da taxa de crescimento da firma. 2005. 250 p. Tese (Doutorado) - Escola de Administração de Empresas de São Paulo, São Paulo, 2005.

BRITO, Luiz A. L.; VASCONCELOS, Flávio C. Firm performance in an extremely turbulent environment: year, industry and firm effects. In: ENCONTRO ANUAL DA ASSOCIAÇÃO NACIONAL DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO, 2003a, Atibaia, SP. Anais. Atibaia: ENANPAD, 2003a, 15.

_______. A heterogeneidade da performance, suas causas e o conceito de vantagem competitiva: uma proposta de uma métrica. In: ENCONTRO DE ESTUDOS ESTRATÉGICOS, 2003b, Curitiba, PR. Anais. Curitiba, 2003b.

_______. How much does country matter? In: ENCONTRO ANUAL DA ASSOCIAÇÃO NACIONAL DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO, 2003c, Atibaia, SP. Anais. Atibaia: ENANPAD, 2003c, 15.

_______. Performance of Brazilian companies: year effects, line of business and individual firms. BAR - Brazilian Administration Review, v. 1, n. 1, p. 1-15, 2004.

173

BROUTHERS, Lance Eliot. Explaining MNC profitability: country-specific, industry-specific and country-industry interactive influences. Management International Review, v. 38, n. 4, p. 345-361, 1998.

BROWN, Shona L.; EISENHARDT, Kathleen M. Competing on the edge: strategy as structured chaos. Boston: Harvard, 1998.

BRUSH, Thomas H.; BROMILEY, Philip. What does a small corporate effect mean? A variance components simulation of corporate and business effects. Strategic Management Journal, v. 18, n. 10, p. 825-835, 1997.

BRUSH, Thomas H.; BROMILEY, Philip; HENDRICKX, Margaretha. The relative influence of industry and corporation on business segment performance: an alternative estimate. Strategic Management Journal, v. 20, n. 6, p. 519-547, 1999.

CAMARINHA, Jomar Antonio, Jr. Nota metodológica sobre modelos lineares mistos. 2003. Disponível em <www.est.ufpr.br/rt/jom03a.pdf >. Acesso em: 15 de maio de 2005.

CARROL, Glenn R. A sociological view on why firms differ. Strategic Management Journal, v. 14, n. 4, p. 237-249, 1993.

CASTANIAS, R. P.; HELFAT, Constance E. Managerial resources and rents. Journal of Management, v. 17, n. 1, p. 155-171, 1991.

CAVES, R. Economic analysis and the quest for competitive advantage. Economic Theory and Management Education, v. 74, n. 2, p. 127-132, 1984.

CHANDLER, Alfred D. Strategy and structure. Cambridge: MIT, 1962.

CHANG, Sea-Jin; SINGH, Harbir. Corporate and industry effects on business unit competitive position. Strategic Management Journal, v. 21, n. 7, p. 739-752, 2000.

CHRISTENSEN, H. Kurt; MONTGOMERY, Cynthia A. Corporate economic performance: diversification strategy versus market structure. Strategic Management Journal, v. 2, n. 4, p. 327-343, Oct.-Dec. 1981.

CHRISTMANN, P.; DAY, D. L.; YIP, G. S. The relative influence of country conditions, industry structure and business strategy on MNC subsidiary performance. Journal of International Management, v. 5, p. 241-265, 1999.

COCKBURN, Iain M.; HENDERSON, Rebecca M.; STERN, Scott. Untangling the origins of competitive advantage. Strategic Management Journal, v. 21, n. 10-11, p. 1123-1145, 2000.

174

COMMENT, Robert; JARRELL, Gregg A. Corporate focus and stock returns. Journal of Financial Economics, v. 37, n. 1, p. 67-87, 1995.

CONNER, Kathleen R. A historical comparison of resource-based theory and five schools of thought within industrial organization economics: do we have a new theory of the firm? Journal of Management, v. 17, n. 1, p. 121-154, 1991.

COUTINHO, Luciano G.; FERRAZ, João Carlos (Eds.). Estudo da competitividade da indústria brasileira. 3.ed. Campinas: Papirus, 1995.

CRUMP, S. Lee. The estimation of variance components in analysis of variance. Biometrics Bulletin, v. 2, n. 1, p. 7-11, 1946.

CUBBIN, J.; GEROSKI, P. The convergence of profits in the long run: inter-firm and inter-industry comparisons. The Journal of Industrial Economics, v. 25, n. 4, p. 427-442, June 1987.

DANIELS, H. E. The estimation of components of variance. Journal of the Royal Statistical society, v. 6, n. 6, p. 186-197, 1939.

DEMSETZ, H. Industry structure, market rivalry, and public policy. Journal of Law and Economics, v. 16, n. 1, p. 1-9, 1973.

DIERICKX, Ingemar; COOL, Karel. Asset stock accumulation and sustainability of competitive advantage. Management Science, v. 35, n. 12, p. 1504-1511, 1989.

DIXIT, Avinash. The role of investment in entry-deterrence. The Economic Journal, v. 90, n. 357, p. 95-106, 1980.

DIXIT, Avinash; PINDYCK, Robert S. Investment under uncertainty. Princeton: Princeton University Press, 1994.

DUARTE, João Batista. Sobre o emprego e a análise estatística do delineamento em blocos aumentados no melhoramento genético vegetal. 2000. 293 p. Tese (Doutorado) - ESLQ/USP, Piracicaba, 2000.

EISENHARDT, Kathleen M.; MARTIN, Jeffrey A. Dynamic capabilities: what are they? Strategic Management Journal, v. 21, n. 10-11, p. 1105-1121, 2000.

EISENHART, Churchill. The assumptions underlying the analysis of variance. Biometrics, v. 3, n. 1, p. 1-21, Mar. 1947.

FINE, Charles H. Mercados em evolução contínua. Rio de Janeiro: Campus, 1999.

175

FISHER, Franklin M.; McGOWAN, John J. On the misuse of accounting rates of return to infer monopoly profits. The American Economic Review, v. 73, n. 1, p. 82-97, Mar. 1983.

FISHER, R. A. Statistical methods for research workers. 2. ed. London: Oliver and Boyd, 1928.

FOSS, Kisten; FOSS, Nicolai J. Resources and transaction costs: how property rights economics furhers the resource-based view. Strategic Management Journal, v. 26, n. 6, p. 541-553, 2005.

FOSS, Nicolai J. Edith Penrose, economics and strategic management. In: PENROSE, Edith T.; PITELIS, Christos. The growth of the firm: the legacy of Edith Penrose. Oxford: Oxford University Press, 2002. p. 147-164.

FOSTER, Richard N. Innovation: the attacker´s advantage. NY: Summit, 1986.

GHEMAWAT, Penkaj; COSTA, Joan E. R. The organizational tension between static and dynamic efficiency. Strategic Management Journal, v. 14, p. 59-73, Winter 1993.

GLUCK, F. W.; KAUFMAN, S. P.; WALLECK, A. S. Strategic management for competitive advantage. Harvard Business Review, v. 58, n. 4, p. 154-161, July-August 1980.

GOERZEN, Anthony; BEAMISH, Paul W. Geographic scope and multinational enterprise performance. Strategic Management Journal, v. 24, n. 13, p. 1289-1306, 2003.

GOOLD, Michael; CAMPBELL, Andrew. Strategies and styles: the role of the centre in managing diversified corporations. Oxford: Blackwell, 1988.

GRANT, Robert M. The resource-based theory of competitive advantage: implications for strategy formulation. California Management Review, v. 33, n. 3, p. 114-135, 1991.

_______. Contemporary strategy analysis. 5. ed. Oxford: Blackwell, 2004.

GRINYER, Peter H.; McKIERNAN, Peter; YASAI-ARDEKANI, Masoud. Market, organizational and managerial correlates of economic performance in the U.K. electrical engineering industry. Strategic Management Journal, v. 9, n. 4, p. 297-318, Jul.-Aug. 1988.

HALL, M.; WEISS, L. W. Firm size and profitability. Review of Economics and Statistics, v. 49, n. 8, p. 319-331, 1967.

176

HALL, Richard. The strategic analysis of intangible resources. Strategic Management Journal, v. 13, n. 2, p. 135-144, 1992.

HAMEL, Gary; PRAHALAD, C. K. Competindo pelo futuro. 8. ed. Rio de Janeiro: Campus, 1995.

HANSEN, Gary S.; WERNERFELT, Birger. Determinants of firm performance: the relative importance of economic and organizational factors. Strategic Management Journal, v. 10, n. 5, p. 399-411, Sep.-Oct. 1989.

HARTLEY, H. O.; RAO, J. N. K. Maximum-likelihood estimation for the mixed analysis of variance model. Biometrika, v. 54, n. 1/2, p. 93-108, Jun 1967.

HAWAWINI, Gabriel; SUBRAMANIAN, Venkat; VERDIN, Paul. Is performance driven by industry-or firm-specific factors? A new look at evidence. Strategic Management Journal, v. 24, n. 1, p. 1-16, 2003.

HENDERSON, C. R. Estimation of variance and covariance components. Biometrics, v. 9, n. 2, p. 226-252, Jun 1953.

HERBACH, Leon H. Properties of Model II - type analysis of variance tests, a: optimum nature of the F-test for Model II in the balanced case. The annals of mathematical statistics, v. 30, n. 4, p. 939-959, Dec 1959.

HITT, M. A.; IRELAND, R. D. Corporate distinctive competence, strategy, industry, and performance. Strategic Management Journal, v. 6, n. 3, p. 273-293, 1985.

HOSKISSON, Robert E.; HILL, Charles L.; KIM, Hicheon. The multidivisional structure: organizational fossil or source of value? Journal of Management, v. 19, n. 2, p. 269-298, 1993.

JACOBSON, Robert. The validity of ROI as a measure of business performance. The American Economic Review, v. 77, n. 3, p. 470-478, Jun 1987.

KELLY, Robert J.; MATHEW, Thomas. Improved nonnegative estimation of variance components in some mixed models with unbalanced data. Technometrics, v. 36, n. 2, p. 171-182, May 1994.

KHANNA, Tarun; RIVKIN, Jan W. Estimating the performance effects of business groups in emerging markets. Strategic Management Journal, v. 22, n. 1, p. 45-74, 2001.

KOR, Y. Y.; MAHONEY, J. T. Penrose´s resource-based approach: the process and the product of research creativity. Journal of Management Studies, v. 37, n. 1, p. 109-139, 2000.

177

KREPS, David M.; WILSON, Robert. Reputation and imperfect information. Journal of Economic Theory, v. 27, n. 2, p. 253-279, Aug 1982.

LANG, Larry H. P.; STULZ, René M. Tobin´s q, corporate diversification, and firm performance. Journal of Political Economy, v. 192, n. 6, p. 1248-1280, 1994.

LEARNED, Edmund P. et al. Business policy: text and cases. Homewood: Irwin, 1965.

LIPPMAN, Steven A.; RUMELT, Richard P. Uncertain imitability: an analysis of interfirm differences in efficiency under competition. Bell Journal of Economics, v. 13, n. 2, p. 418-438, 1982.

_______. A bargaining perspective on resource advantage. Strategic Management Journal, v. 24, n. 11, p. 1069-1086, 2003a.

_______. The payments perspective: micro-foundations of resource analysis. Strategic Management Journal, v. 24, n. 10, p. 903-927, 2003b.

LITTELL, Ramon C. et al. Sas system for mixed models. Cary, NC: SAS Institute Inc, 1996.

LITTLE, Roderick J. A.; RUBIN, Donald B. Statistical analysis with missing data. 2. ed. NY: John Wiley, 2002.

LONG, William F.; RAVENSCRAFT, David J. The misuse of accounting rates of return: comment. The American Economic Review, v. 74, n. 3, p. 494-500, Jun 1984.

MAHONEY, J. T.; PANDIAN, J. R. The resource-based view within the conversation of strategic management. Strategic Management Journal, v. 13, n. 5, p. 363-380, 1992.

MAKINO, Shige; ISOBE, Takehiko; CHAN, Christine M. Does country matter? Strategic Management Journal, v. 25, n. 10, p. 1027-1043, 2004.

MASON, Edward S. Price and production policies of large-scale enterprise. The American Economic Review, v. 29, n. 1, p. 61-74, Mar. 1939.

MAURI, Alfredo J.; MICHAELS, Max P. Firm and industry effects within strategic management: an empirical examination. Strategic Management Journal, v. 19, n. 3, p. 311-219, 1998.

McGAHAN, Anita M.; PORTER, Michael E. How much does industry matter, really? Strategic Management Journal, v. 18, n. Summer Special Issue, p. 15-30, 1997.

178

_______. The persistence of shocks to profitability. Review of Economics and Statistics, v. 81, n. 1, p. 143-152, 1999.

_______. What do we know about variance in accounting profitability? Management Science, v. 48, n. 7, p. 834-851, July 2002.

MCNAMARA, Gerry; VAALER, Paul M.; DEVERS, Cynthia. Same as it ever was: the search for evidence of increasing hypercompetition. Strategic Management Journal, v. 24, n. 3, p. 261-278, 2003.

MEYER, Marc H.; UTTERBACK, James M. The product family and the dynamics of core capability. Sloan Management Review, p. 29-47, Spring 1993.

MILGROM, Paul; ROBERTS, John. Predation, reputation and entry deterrence. Journal of Economic Theory, v. 27, n. 2, p. 280-312, Aug 1982.

MONTGOMERY, Cynthia A.; PORTER, Michael E. Strategy: seeking and securing competitive advantage. Boston: Harvard, 1991.

MOORE, Geoffrey A. Living on the fault line. New York: HarperCollins, 2000.

MORRISON, J. R.; LEE, J. G. The anatomy of strategic thinking. The McKinsey Quarterly, n. 3, p. 2-9, Autumn 1979.

NELSON, R. R. Why do firms differ, and how does it matter? Strategic Management Journal, v. 12, p. 61-74, 1991.

NELSON, R. R.; WINTER, S. G. An evolutionary theory of economic change. Cambridge: Harvard, 1982.

NETER, John et al. Applied linear statistical models. 4. ed. Chicago: Irwin, 1996.

NEYMAN, J.; IWASZKIEWICZ, K.; KOLODZIEJCZYK, St. Statistical problems in agricultural experimentation. Journal of the Royal Statistical society, v. 2, n. 2, p. 107-180, 1935.

OHMAE, K. Effective strategies for competitive success. The McKinsey Quarterly, n. 4, p. 50-59, Winter 1978.

PENROSE, Edith T. The theory of the growth of the firm. Oxford: Basil Blackwell, 1959.

PETERAF, M. A. The cornerstones of competitive advantage: a resource-based view. Strategic Management Journal, v. 14, n. 3, p. 179-191, 1993.

PORTER, Michael E. Competitive strategy. NY: Free Press, 1980.

179

_______. From competitive strategy to corporate strategy. Harvard Business Review, v. 65, n. 3, p. 43-59, 1987.

PORTER, Michael E. Vantagem competitiva. 12. ed. Rio de Janeiro: Campus, 1989.

_______. Estratégia competitiva. 6. ed. Rio de Janeiro: Campus, 1991.

POWELL, Thomas C. Organizational alignment as competitive advantage. Strategic Management Journal, v. 13, n. 2, p. 119-134, 1992.

_______. How much does industry matter? An alternative empirical test. Strategic Management Journal, v. 17, n. 4, p. 323-334, Apr. 1996.

PRAHALAD, C. K.; HAMEL, Gary. The core competence of the corporation. Harvard Business Review, v. 68, n. 3, p. 79-91, May-June 1990.

PRIEM, Richard L.; BUTLER, John E. Is the resource-based "view" a useful perspective for strategic management research? Academy of Management Review, v. 26, n. 1, p. 22-40, 2001.

RAO, C. Radhakrishna. Estimation of heteroscedastic variances in linear models. Journal of the American Statistical Association, v. 65, n. 329, p. 161-172, Mar 1970.

_______. Estimation of variance and covariance components in linear models. Journal of the American Statistical Association, v. 67, n. 337, p. 112-115, Mar 1972.

RAO, C. Radhakrishna; KLEFFE, J. Estimation of variance components and applications. NY: Elsevier, 1988.

RAVENSCRAFT, David J. Structure-profit relationship at the line of business and industry level. The Review of Economics and Statistics, v. 65, n. 1, p. 22-31, 1983.

RICARDO, David. The principles of political economy and taxation. NY: Dutton, 1937. First published in 1817.

ROQUEBERT, Jaime A.; PHILLIPS, Robert L.; WESTFALL, Peter A. Markets vs. management: what 'drives' profitability? Strategic Management Journal, v. 17, n. 8, p. 653-664, 1996.

ROTHSCHILD, W. E. How to gain (and maintain) the competitive advantage in business. NY: McGraw Hill, 1984a.

180

_______. Surprise and the competitive advantage. The Journal of Business Strategy, v. 4, n. 3, p. 10-18, 1984b.

RUEFLI, Timothy W.; WIGGINS, Robert R. Industry, corporate, and segment effects and business performance: a non-parametric approach. Strategic Management Journal, v. 24, n. 9, p. 861-879, 2003.

RUMELT, Richard P. Diversification strategy and profitability. Strategic Management Journal, v. 3, n. 4, p. 359-369, Oct.-Dec. 1982.

_______. Theory, strategy and entrepreneurship. In: TEECE, David J. The competitive challenge: strategies for industrial innovation and renewal. Cambridge: Ballinger, 1987. p. 137-158.

RUMELT, Richard P. How much does industry matter? In: LAMB, Robert B. Competitive strategic management. Englewood Cliffs: Prentice-Hall, 1984. p. 556-570.

_______. How much does industry matter? Strategic Management Journal, v. 12, n. 3, p. 167-185, Mar 1991.

RUMELT, Richard P.; SCHENDEL, Dan E.; TEECE, David J (Eds.). Fundamental issues in strategy. Boston: Harvard, 1994a.

RUMELT, Richard P.; SCHENDEL, Dan; TEECE, David J. (Eds.). Fundamental issues in strategy. Boston: Harvard, 1994b.

RUMELT, Richard R. Avaliando a estratégia dos negócios. In: MINTZBERG, Henry; QUINN, James Brian. O processo da estratégia. Porto Alegre: Bookman, 2001. p. 406.

SALONER, Garth. Predation, merges, and incomplete information. RAND Journal of Economics, v. 18, n. 2, p. 165-186, Summer 1987.

SANTANA, Everton S. et al. Avaliação de métodos de estimação de componentes de variância em modelos em classificação simples com aplicação em bovinos Nelore. Ciência e Agrotecnologia, v. 26, n. 5, 2002.

SCHEFFE, Henry. Alternative models for the analysis of variance. The Annals of Mathematical Statistics, v. 27, n. 2, p. 251-271, Jun. 1956.

SCHMALENSEE, Richard. Do market differ much? The American Economic Review, v. 75, n. 3, p. 341-351, 1985.

SCHUMPETER, Joseph A. Business cycles. New York: McGraw Hill, 1939.

181

_______. The theory of economic development. Opie, Translated from German by Redvers. Cambridge, MA: Harvard, 1955. First published in 1934.

SEARLE, S. R. Linear models. NY: John Wiley, 1971.

SEARLE, Shayle R.; CASELLA, George; McCULLOCH, Charles E. Variance components. NY: John Wiley, 1992.

SEARLE, Shayle R.; HENDERSON, Harold V. Dispersion matrices for variance components models. Journal of the American Statistical Association, v. 74, n. 366, p. 465-470, Jun. 1979.

SELZNICK, Phillip. Leadership in administration. NY: Harper, 1957.

SLACK, Nigel. Vantagem competitiva em manufatura. São Paulo: Atlas, 1993.

SLOAN, A. P. My years with General Motors. Garden City: Doubleday, 1964.

SMITH, David W.; MURRAY, Leigh W. An alternative to Eisenhart´s Model II and Mixed Model in the case of negative variance estimates. Journal of the American Statistical Association, v. 79, n. 385, p. 145-151, 1984.

SOUTH, S. E. Competitive advantage: the cornerstone of strategic thinking. The Journal of Business Strategy, v. 1, n. 4, p. 15-25, 1981.

SPENCE, A. Michael. Industrial organization and competitive advantage in multinational industries. The American Economic Review, v. 74, n. 2, p. 356-360, May 1984.

STALK, George; EVANS, Philip; SHULMAN, Lawrence E. Competing on capabilities. Harvard Business Review, p. 57-69, Mar/Apr 1992.

SUTTON, John. Sunk costs and market structure: price competition, advertising, and the evolution of concentration. Cambridge: MIT, 1991.

SWALLOW, W. H.; MONAHAN, J. F. Monte Carlo comparison of ANOVA, MIVQUE, REML, and ML estimators of variance components. Technometrics, v. 20, n. 3, p. 265-272, 1984.

SWALLOW, W. H.; SEARLE, S. R. Minimum variance quadratic unbiased estimation (MIVQUE) of variance components. Technometrics, v. 20, n. 3, p. 265-272, 1978.

THOMPSON, W. A, Jr. The problem of negative estimates of variance components. The annals of mathematical statistics, v. 33, n. 1, p. 273-289, Mar 1962.

182

TIPPETT, Leonard Henry Caleb. The methods of statistics. London: Williams and Norgate, 1931.

VALÉRIO FILHO, W. V. Comparação de métodos para estimação de componentes de variância através de simulação de dados. 1991. 160 p. Tese (Doutorado) - ESALQ/USP, Piracicaba, 1991.

VASCONCELOS, Flávio C.; CYRINO, Álvaro B. Vantagem competitiva. RAE - Revista de Administração de Empresas, v. 40, n. 4, p. 20-37, Out/Dez 2000.

VENKATRAMAN, N. IT - Enabled business transformation. Sloan Management Review, p. 73-87, Winter 1994.

WALKER, Gordon; MADSEN, Tammy L.; CARINI, Gary. How does institutional change affect heterogeneity among firms? Strategic Management Journal, v. 23, n. 2, p. 89-104, 2002.

WELCH, B. L. The specification of rules for rejecting too variable a product, with particular reference to an electric lamp problem. Journal of the Royal Statistical Society, v. 3, n. 1, p. 24-48, 1936.

WERNERFELT, Birger. A resource-based view of the firm. Strategic Management Journal, v. 5, n. 2, p. 171-180, 1984.

WERNERFELT, Birger; MONTGOMERY, Cynthia A. Tobin´s q and the importance of focus in firm performance. The American Economic Review, v. 78, n. 1, p. 246-250, March 1988.

WESTFALL, Peter H. A comparison of variance component estimates for arbitrary underlying distributions. Journal of the American Statistical Association, v. 82, n. 399, p. 866-874, Sep. 1987.

WILLIAMS, Jeffrey R. Strategy and the search for rents: the evolution of diversity among firms. In: RUMELT, Richard P. et al. Fundamental issues in strategy. Boston: Harvard, 1994. p. 246-250.

WILLIAMSON, Oliver E. Markets and hierarchies, analysis and implications: a study in the economics of internal organization. NY: Free Press, 1975.

ZAFFANI, Carlos A. EBITDA - Virtudes e defeitos. 2005. Disponível em <http://www.calcgraf.com.br/article.php?recid=81>. Acesso em: 12 de julho de 2005.

183

APÊNDICE A – QUADRO COMPLETO DOS CÓDIGOS DE INDÚSTRIAS DA SERASA

CÓDIGO SERASA DESCRIÇÃO C - COMÉRCIO

C0000 COMERCIO C0100 LOJA DE DEPARTAMENTOS C0200 COM DE PRODUTOS PARA O VESTUÁRIO C0201 COM DE ROUPAS - USO PROFISSIONAL E SEGURANÇA C0202 COM DE TECIDOS E FIOS C0203 COM DE CONFECÇÕES EM GERAL C0204 COM DE CALÇADOS C0205 COM DE ARTEFATOS DE COURO E PELES C0206 COM DE RESÍDUOS PARA FINS TÊXTEIS C0300 COM DE JÓIAS, RELÓGIOS E BIJUTERIAS C0301 COM DE MINERAIS PRECIOSOS E SEMI-PRECIOSOS C0302 COM DE JÓIAS E METAIS PRECIOSOS C0303 COM DE RELÓGIOS E BIJUTERIAS C0400 COM DE PRODUTOS ALIMENTÍCIOS E BEBIDAS C0401 COM DE CAFÉ C0402 COM DE BEBIDAS C0403 COM ATACADISTA DE FRUTAS C0404 COM ATACAD DE GÊNEROS ALIMENTÍCIOS E CEREAIS C0405 SUPERMERCADO E HIPERMERCADO C0406 COM VAREJISTA DE GÊNEROS ALIMENTÍCIOS C0407 COM DE CARNES, PEIXES, AVES E OVOS C0408 COM DE PAES, DOCES, LANCHES E BEBIDAS C0409 COM DE PRODUTOS HORTIFRUTIGRANJEIROS C0410 COM ATACAD DE CARNES, PEIXES, AVES E OVOS C0500 EXP, IMP DE PROD AGRIC, ALIMENTÍCIO, BEBIDA C0501 EXPORTAÇÃO E IMPORTAÇÃO DE CAFÉ C0502 EXPORTAÇÃO E IMPORTAÇÃO DE SOJA EM GRÃO C0503 EXPORTAÇÃO E IMPORTAÇÃO DE ÓLEO DE SOJA C0504 EXPORTAÇÃO E IMPORTAÇÃO DE FARELO DE SOJA C0505 EXPORTAÇÃO E IMPORTAÇÃO DE FUMO C0506 EXPORTAÇÃO E IMPORTAÇÃO DE AÇÚCAR C0507 EXPORTAÇÃO E IMPORTAÇÃO DE PROD AGRÍCOLAS C0508 EXPORTAÇÃO E IMPORTAÇÃO DE FRUTAS C0509 EXPORTAÇÃO E IMPORTAÇÃO DE BEBIDAS C0510 EXPORT E IMPORT DE PRODUTOS ALIMENTÍCIOS C0600 COM DE MOVEIS E DECORAÇÕES C0601 COM DE ARTIGOS PARA PRESENTE E SUVENIRES

184

C0602 COM DE MOVEIS E ESTOFADOS C0603 COM DE TAPETES, CORTINAS E PERSIANAS C0604 COM DE ARTIGOS DE DECORAÇÃO C0700 COM DE MATERIAL PARA CONSTRUÇÃO C0701 COM DE CIMENTO, AREIA, PEDRA E GRANITO C0702 COM DE MATERIAL PARA CONSTRUÇÃO C0703 COM DE VIDROS C0704 COM DE MADEIRAS C0705 COM DE CARPETES DE MADEIRA C0706 COM DE ENTULHOS C0800 COM DE PAPEL, JORNAIS E LIVROS C0801 COM DE LIVROS USADOS C0802 COM DE LIVROS, REVISTAS E JORNAIS C0803 PAPELARIA C0804 COM ATACAD-PAPÉIS E EMBALAGENS DESCARTÁVEIS C0900 COM DE PRODUTOS ESPORTIVOS E RECREATIVOS C1000 COM DE PRODUTOS ELÉTRICOS E ELETRÔNICOS C1001 COM DE EQUIPAMENTOS DE INFORMÁTICA C1002 COM DE PRODUTOS E MATERIAL ELÉTRICO C1003 COM DE PRODUTOS E COMPONENTES ELETRÔNICOS C1004 COM DE ELETRODOMÉSTICOS C1005 COM DE PROD- CINE, FOTO, SOM, ESTR MUSICAIS C1006 COM DE ANTENAS C1007 COM DE PECAS PARA ELETRODOMÉSTICOS C1008 COM DE TELEFONES E EQUIP P/ COMUNICAÇÕES C1100 COM DE VEÍCULOS E PECAS C1101 COM DE VEÍCULOS IMPORTADOS C1101 CONCESSIONÁRIA TOYOTA C1101 CONCESSIONÁRIA ALFA ROMEO C1101 CONCESSIONÁRIA PEUGEOT C1101 CONCESSIONÁRIA SUZUKI C1101 CONCESSIONÁRIA HONDA C1101 CONCESSIONÁRIA HYUNDAI C1101 CONCESSIONÁRIA DAIHATSU C1101 CONCESSIONÁRIA LADA C1101 CONCESSIONÁRIA AUDI C1101 CONCESSIONÁRIA SUBARU C1101 CONCESSIONÁRIA MITSUBISHI C1101 CONCESSIONÁRIA MAZDA C1101 CONCESSIONÁRIA BMW C1101 CONCESSIONÁRIA NISSAN C1101 CONCESSIONÁRIA ASIA MOTORS DO BRASIL C1102 COM DE VEÍCULOS NOVOS C1102 CONCESSIONÁRIA FIAT C1102 CONCESSIONÁRIA VOLKSWAGEN C1102 CONCESSIONÁRIA FORD C1102 CONCESSIONÁRIA GURGEL C1102 CONCESSIONÁRIA SCANIA

185

C1102 CONCESSIONÁRIA VOLVO C1102 CONCESSIONÁRIA GENERAL MOTORS C1102 CONCESSIONÁRIA MERCEDES BENZ C1103 COM DE VEÍCULOS USADOS C1104 COM DE TRATORES E IMPLEMENTOS AGRÍCOLAS C1105 COM DE AUTO PECAS E ACESSÓRIOS C1106 COM DE PNEUS C1107 COM DE MOTOCICLETAS, PECAS E ACESSÓRIOS C1107 REVENDEDORA HONDA C1107 REVENDEDORA YAMAHA C1107 REVENDEDORA AGRALE C1107 REVENDEDORA KAWASAKI C1108 COM DE VEÍCULOS NÁUTICOS, PEÇAS E ACESSÓRIOS C1109 COM DE AERONAVES, PEÇAS E ACESSÓRIOS C1110 COM DE VIDROS PARA VEÍCULOS C1111 COM DE BICICLETAS, CICLOMOT, PECAS E ACESS C1112 COM DE IMPLEMENTOS RODOVIÁRIOS C1200 COM DE MAQUINAS C1201 COM DE MAQUINAS DE COSTURA INDL E OVERLOQUES C1202 COM DE MAQUINAS E EQUIPAMENTOS C1203 COM DE APARELHOS DE PRECISÃO C1204 COM DE ESTR CIENTÍFICOS E EQUIP MÉDICO-HOSP C1205 COM DE PRODUTOS E COMP P/ REFRIGERAÇÃO INDL C1206 COM DE MAQUINAS E EQUIP PARA ESCRITÓRIO C1207 COM DE ROLAMENTOS E MANCAIS C1208 COM DE PECAS E ACESSÓRIOS PARA MÁQUINAS C1300 COM DE PRODUTOS QUÍMICOS E PETROQUÍMICOS C1301 COM DE PRODUTOS ODONTOLÓGICOS C1302 COM DE PRODUTOS QUÍMICOS C1303 COM ATAC-PROD FARMAC, PERFUMARIA, COSMÉTICOS C1304 FARMÁCIA E DROGARIA C1305 COM DE PRODUTOS DE LIMPEZA C1306 COM DE TINTAS, VERNIZES E COLAS C1307 COM DE ARTIGOS DE PLÁSTICO E DE BORRACHA C1308 COM DE DERIVADOS DE PETRÓLEO, COMBUSTÍVEIS C1308 POSTO SHELL C1308 POSTO ESSO C1308 COM DERIV DE PETR - ATLANTIC (COD INATIVO) C1308 POSTO TEXACO C1308 POSTO HUDSON C1308 POSTO PETROBRÁS C1308 POSTO IPIRANGA C1309 COM ATACADISTA DE PETRÓLEO E COMBUSTÍVEIS C1310 COM VAREJISTA DE GÁS LIQUEFEITO DE PETRÓLEO C1311 COM DE PROD- HIGIENE, PERFUMARIA, COSMÉTICOS C1311 FRANQUEADA BOTICÁRIO C1311 FRANQUEADA ÁGUA DE CHEIRO C1311 FRANQUEADA L'AQUA DI FIORI

186

C1312 COM DE PRODUTOS DE FIBRAS DE VIDRO C1400 COM DE PRODUTOS METALÚRGICOS C1401 COM DE FERRAMENTAS E FERRAGENS C1402 COM DE FERRO, AÇO E ALUMÍNIO C1403 COM DE SUCATA C1404 COM DE UTENSÍLIOS DOMÉSTICOS C1500 COM DE SACARIA EM GERAL C1600 COM DE PRODUTOS PARA AGROPECUÁRIA C1700 COM DE ADUBOS ORGÂNICOS E RAÇÕES C1800 COM DE FLORES E ARTIGOS PARA FLORISTAS C1900 BAZAR, ARMARINHO E MIUDEZAS EM GERAL C2100 COM IMPORTAÇÃO E EXPORTAÇÃO DE PRODUTOS C2200 TABACARIA E CHARUTARIA C2300 COM DE BRINQUEDOS C2400 COM DE ARTIGOS DE ÓTICA C2500 COM DE EQUIP E ACESSÓRIOS DE SEGURANÇA C2600 COM DE ARTIGOS RELIGIOSOS E FUNERÁRIOS C2700 COM DE ARTIGOS PIROTÉCNICOS E EXPLOSIVOS C2800 TRADING C2900 COM DE ANIMAIS DOMÉSTICOS E ACESS P/ CRIAÇÃO C3000 COM VAREJISTA COMBUSTÍVEIS DE ORIGEM VEGETALC3100 COM DE ARTIGOS USADOS C3200 COM DE MINERAIS EM BRUTO C3300 COM DE ARTIGOS PARA FESTAS C3400 COM DE FIBRAS VEGETAIS C3500 COM DE INSUMOS INDLS C3600 COM DE MATERIAIS ABRASIVOS C3700 COM DE ARTIGOS FILATÉLICOS E NUMISMÁTICOS C3800 COM DE DESCARTÁVEIS MÉDICOS C3900 COM DE SEBO ANIMAL C4000 COM DE COURO E ARTEFATOS PARA CALCADOS C4100 COM DE PRODUTOS E MATERIAIS GRÁFICOS C4200 COM DE VEDAÇÕES HIDRÁULICAS E PNEUMÁTICAS C4300 COM DE ISOLANTES TÉRMICOS E ACÚSTICOS C4400 COM DE PRODUTOS E ACESSÓRIOS PARA BEBES C4500 COM DE ARTIGOS ORTOPÉDICOS C4600 COM VAREJISTA ATRAVÉS DA MÍDIA

I - INDUSTRIA I0000 INDUSTRIA I0100 IND TÊXTIL I0101 ACABAMENTO TÊXTIL I0102 FIAÇÃO I0103 TECELAGEM EM FIBRAS SINTÉTICAS I0104 TECELAGEM EM FIBRAS NATURAIS I0105 IND DE ARTIGOS DE PASSAMANARIA I0106 RECUPERAÇÃO DE RESÍDUOS E ESTOPAS I0107 IND DE ARTIGOS DE CORDOARIA, REDES E SACOS I0108 IND DE MALHAS E TECIDOS ELÁSTICOS

187

I0109 IND DE TAPETES E CARPETES I0110 IND DE LONAS, CAPACHOS E ENCERADOS I0111 IND DE BENEFICIAMENTO TÊXTIL I0200 IND DE COURO E CALCADOS I0201 IND DE ARTIGOS PARA VIAGEM I0202 CURTUME I0203 IND DE ARTEFATOS DE COURO E PELE I0204 IND DE CALCADOS DE COURO I0205 IND DE CALCADOS I0206 IND DE COMPONENTES PARA CALCADOS I0300 IND DE PRODUTOS ALIMENTÍCIOS I0301 IND DE DOCES I0302 IND DE CONSERVAS E ALIMENTOS CONGELADOS I0303 IND DE MASSAS I0304 IND DE BOLOS, BISCOITOS E SALGADINHOS I0305 IND DE LATICÍNIOS I0306 IND DE VINAGRES I0307 IND DE SAL DE COZINHA I0308 IND DE SORVETES, BOLOS E TORTAS GELADOS I0309 IND DE FERMENTOS, LEVEDURAS E COALHOS I0310 IND DE ALIMENTOS DIETÉTICOS I0311 IND DE GELO I0312 IND DE CHOCOLATES I0313 IND DE GELATINAS I0314 IND DE ESPECIARIAS E CONDIMENTOS I0400 INDUSTRIALIZAÇÃO DE CARNES E PESCADOS I0401 ABATE DE BOVINOS I0402 INDUSTRIALIZAÇÃO DE CARNES I0403 INDUSTRIALIZAÇÃO DE PESCADOS I0404 ABATE DE AVES I0405 ABATE DE SUÍNOS I0406 ABATE DE ANIMAIS I0407 INDUSTRIALIZAÇÃO SUB-PRODUTOS ORIGEM ANIMAL I0500 INDUSTRIALIZAÇÃO E BENEF PRODUTOS AGRÍCOLAS I0501 IND DE CAFÉ SOLÚVEL I0502 USINA DE AÇÚCAR E ÁLCOOL I0503 IND DE ÓLEOS E GORDURAS DE ORIGEM VEGETAL I0504 BENEFICIAMENTO, MOAGEM E TORREFAÇÃO DE CAFÉ I0505 INDUSTRIALIZAÇÃO DO CACAU I0506 INDUSTRIALIZAÇÃO DE PRODUTOS DO MILHO I0507 MOAGEM DE TRIGO I0508 INDUSTRIALIZAÇÃO DE PRODUTOS DE MANDIOCA I0509 BENEFICIAMENTO DE ALGODÃO I0510 BENEFICIAMENTO DE ARROZ I0511 INDUSTRIALIZAÇÃO DA SOJA E DERIVADOS I0512 IND ERVATEIRA I0513 IND DE FARINHAS DE ORIGEM VEGETAL I0514 IND DE PROD ALIMENTARES DE ORIGEM VEGETAL

188

I0600 IND DE PRODUTOS ELÉTRICOS E ELETRÔNICOS I0601 IND DE APARELHOS P/ DISTRIB ENERGIA ELÉTRICA I0602 IND DE EQUIP E ACESS P/ FINS INDLS E COMLS I0603 IND DE MATERIAL ELÉTRICO I0604 IND DE BATERIAS E PILHAS I0605 IND DE ELETRODOMÉSTICOS PORTÁTEIS I0606 IND DE COMPONENTES ELETRÔNICOS I0607 IND DE PRODUTOS ELETRÔNICOS EM GERAL I0608 IND DE EQUIP DE COMUNICAÇÃO, PECAS E ACESS I0609 IND DE EQUIP PARA PROCESSAMENTO DE DADOS I0610 IND DE CABOS, FIOS E CONDUTORES ELÉTRICOS I0611 IND DE PAINÉIS, LUMINOSOS E ACESSÓRIOS I0612 IND DE PROD CERÂMICOS P/ INSTAL ELÉTRICAS I0613 IND DE LÂMPADAS I0614 IND DE EQUIP TERAPÊUTICOS E ELETROQUÍMICOS I0615 IND DE ELETRODOMÉSTICOS NÃO PORTÁTEIS I0700 IND DE VEÍCULOS E PECAS I0701 IND DE VEÍCULOS AUTOMOTORES PESADOS I0702 IND DE VEÍCULOS AUTOMOTORES LEVES I0703 IND DE AUTOPEÇAS E ACESSÓRIOS I0704 IND DE CARROCERIAS DE METAL E FIBRA DE VIDRO I0705 IND DE VEÍCULOS FERROVIÁRIOS I0706 IND DE AERONAVES, PECAS E ACESSÓRIOS I0707 IND DE MOTOCICLETAS, PECAS E ACESSÓRIOS I0708 IND DE TRATORES E IMPLEMENTOS AGRÍCOLAS I0709 IND DE MAT ELÉTRICO E ELETRÔNICO P/ VEÍCULOS I0710 IND DE ESTOFADOS PARA VEÍCULOS I0711 IND DE BICICLETAS E CICLOMOTORES I0800 IND QUÍMICA E PETROQUÍMICA I0801 IND DE EMBALAGENS PLÁSTICAS I0802 IND DE PRODUTOS INTERMEDIÁRIOS QUÍMICOS I0803 IND DE PRODUTOS FARMACÊUTICOS I0804 IND DE INSETICIDAS E DEFENSIVOS I0805 IND DE ADUBOS E FERTILIZANTES QUÍMICOS I0806 IND DE TINTAS, SOLVENTES E SECANTES I0807 IND DE CHAPAS, LAMINADOS DE PLÁST E ACRÍLICO I0808 IND DE MATERIAIS PLÁSTICOS PARA CONSTRUÇÃO I0809 IND DE PRODUTOS DE LIMPEZA I0810 IND DE PERFUMES E COSMÉTICOS I0811 IND DE COMBUSTÍVEIS E LUBRIFICANTES I0812 INDUSTRIALIZAÇÃO DA BORRACHA NATURAL I0813 IND DE EXPLOSIVOS, MUNIÇÕES E PÓLVORAS I0814 IND DE CORANTES, PROD TANANTES E MORDENTES I0815 IND DE ARTIGOS DE PLÁSTICO PARA USO INDL I0816 IND DE ART PLÁSTICOS-USO DOMESTICO, PESSOAL I0817 IND DE PRODUTOS DE PLÁSTICO I0818 IND DE VELAS I0819 IND DE DERIVADOS DE PETRÓLEO

189

I0820 IND DE PNEUS I0821 IND DE CÂMARAS DE AR I0822 IND DE MATERIAIS-RECONDICION DE PNEUMÁTICOS I0823 IND DE LAMINADOS E FIOS DE BORRACHA I0824 IND DE ESPUMA E ARTEF DE ESPUMA DE BORRACHA I0825 IND DE ARTEFATOS DE BORRACHA I0826 IND DE FÓSFOROS E ARTEFATOS PIROTÉCNICOS I0827 IND DE RESINAS DE FIBRAS E FIOS SINTÉTICOS I0828 IND DE CONCENTRADOS AROMÁTICOS I0829 IND DE ADESIVOS E VEDADORES I0830 IND DE GELATINAS NÃO ALIMENTÍCIAS I0831 IND DE DERIVADOS DO CARVÃO I0832 IND DE PRODUTOS DE HIGIENE PESSOAL I0833 IND DE MATERIAIS PETROQUÍMICOS E PRIMÁRIOS I0834 IND DE PRODUTOS VEGETAIS E ANIMAIS EM BRUTO I0835 IND DE PRODUTOS VETERINÁRIOS I0900 METALURGIA I0901 IND DE CANOS E TUBOS DE FERRO E AÇO I0902 IND DE FUNDIDOS DE FERRO E AÇO I0903 SERRALHERIA I0904 IND DE ARAMES DE FERRO E AÇO I0905 IND DE UTENSÍLIOS E ARTIGOS DOMÉSTICOS I0906 IND DE FERRAMENTAS E ARTIGOS DE CUTELARIA I0907 IND DE ARMAS E EQUIPAMENTOS MILITARES I0908 IND DE FORJADOS DE AÇO I0909 IND DE LAMINADOS DE AÇO I0910 IND DE RELAMINADOS, TREFILADOS, RETREF AÇO I0911 METALURGIA-METAIS N FERROSOS FORMA PRIMARIA I0912 IND DE FORJADOS DE METAIS NÃO FERROSOS I0913 IND DE PECAS DE METAIS E LIG MET N FERROSOS I0914 IND DE LAMINADOS DE METAIS E LIGAS DE METAIS I0915 IND DE RELAMINADOS DE METAIS NÃO FERROSOS I0916 IND DE SOLDAS E ANODOS I0917 METALURGIA DOS METAIS PRECIOSOS I0918 METALURGIA DO PÓ E GRANALHA I0919 ESTAMPARIA, FUNILARIA E BRINDES DE METAL I0920 TEMPERA, CEMENTAÇÃO AÇO E RECOZIMENTO ARAMES I0921 IND DE ESTRUTURAS METÁLICAS I0922 IND DE FIOS E ARAMES DE METAIS I0923 IND DE ARTEF DE TREFILADOS DE FERRO E AÇO I0924 IND DE ARTIGOS DE METAL PARA ESCRITÓRIO I0925 IND DE LÃ E PALHA DE AÇO I0926 IND DE EMBALAGENS DE METAL I0927 BENEFICIAMENTO DE SUCATA METÁLICA I0928 IND DE RECIPIENTES METAL, ART DE CALDERARIA I0929 IND DE ANTENAS I1000 SIDERURGIA I1001 IND DE FERRO-GUSA

190

I1002 IND DE FERRO-ESPONJA I1003 IND DE FERRO E AÇO-FORMA PRIMÁRIA, SEMI-ACAB I1004 IND DE FERRO-LIGAS FORMA PRIMÁRIA, SEMI-ACAB I1005 IND DE LIGAS DE MET N FERROSOS-FORM PRIMARIA I1100 IND MECÂNICA I1101 IND DE PECAS, ACES, FERRAMENTAS P/ MÁQ INDLS I1102 IND MECÂNICA PESADA I1103 IND MECÂNICA LEVE I1104 REFRIGERAÇÃO, VENTILAÇÃO, AR CONDICION INDLS I1105 IND MECÂNICA DE PRECISÃO I1106 IND DE MAQUINAS E EQUIPAMENTOS AGRÍCOLAS I1107 IND DE MAQUINAS E APARELHOS PARA ESCRITÓRIO I1200 IND DE PAPEL E PAPELÃO I1201 IND DE EMBALAGENS DE PAPEL I1202 INDUSTRIALIZAÇÃO DA CELULOSE I1203 IND DE PAPEL EM GERAL I1204 IND DE ARTEFATOS DE PAPEL EM GERAL I1205 IND DE PAPEL DE PAREDE I1206 IND DE PAPELÃO I1207 IND DE ARTIGOS DE FIBRA PRENSADA OU ISOLANTE I1300 IND GRÁFICA E EDITORIAL I1301 IND DE MATRIZES PARA IMPRESSÃO I1302 JORNAL I1303 EDITORA I1304 TIPOGRAFIA E LITOGRAFIA I1305 IMPRESSÃO DE ETIQUETAS, ADESIVOS E CARTÕES I1400 IND DE MATERIAL PARA CONSTRUÇÃO I1401 IND DE ARTIGOS DE BARRO COZIDO I1402 IND DE PISOS E AZULEJOS I1403 IND DE ARTEFATOS DE CIMENTO I1404 IND DE CONCRETO, ARGAMASSA E REBOCO I1405 IND DE CIMENTO E CLINQUER I1406 IND DE ARTEFATOS DE GESSO I1407 IND DE GRANITOS E MÁRMORES I1408 IND DE CAL I1409 IND DE LOUCAS SANITÁRIAS I1410 IND DE MATERIAL REFRATÁRIO I1500 IND DE MADEIRA I1501 IND DE EMBALAGENS DE MADEIRA I1502 SERRARIA I1503 IND DE ARTEFATOS DE MADEIRA I1504 IND DE CARROCERIAS DE MADEIRA I1505 IND DE ART DE TANOARIA E MADEIRA ARQUEADA I1506 IND DE ARTEFATOS DE BAMBU, VIME E SIMILARES I1507 PRODUÇÃO DE LENHA E CARVÃO VEGETAL I1508 IND DE CASAS PRÉ-FABRICADOS I1600 IND DE MOVEIS I1601 IND DE MOVEIS DE VIME E JUNCO

191

I1602 IND DE MOVEIS DE METAL I1603 IND DE MOVEIS DE MADEIRA E FÓRMICA I1604 IND DE MOVEIS ESTOFADOS E COLCHÕES I1605 IND DE MOVEIS ARTÍSTICOS I1606 IND DE PERSIANAS I1607 IND DE MOVEIS MOLDADOS DE MATERIAL PLÁSTICO I1700 IND DE RELÓGIOS E JÓIAS I1701 CUNHAGEM DE MOEDAS E MEDALHAS I1702 IND DE RELÓGIOS I1703 LAPIDAÇÃO I1704 IND DE BIJUTERIAS I1705 IND DE JÓIAS E OURIVESARIA I1800 CINE, FOTO E SOM I1801 IND DE APAR, MAQS FOTOGR E CINEMATOGRÁFICAS I1802 IND DE MATERIAL FOTOGRÁFICO I1803 IND DE INSTRUMENTOS E MATERIAL ÓTICO I1900 IND DE VIDROS E CRISTAIS I1901 IND DE VIDROS E CRISTAIS I1902 IND DE EMBALAGENS DE VIDRO I2000 IND DE UTENSÍLIOS CERÂMICOS I2100 IND DE INSTRUMENTOS MUSICAIS I2200 IND DE APARELHOS E MATER MÉDICO-HOSPITALARESI2201 IND DE APAR MÉDICO-HOSPITALARES E PRÓTESES I2202 IND DE MATER MÉDICO-HOSPITALAR DESCARTÁVEL I2300 IND DE MATERIAIS PARA ESCRITÓRIO I2400 IND DE BRINQUEDOS I2500 INDUSTRIALIZAÇÃO DO FUMO I2501 INDUSTRIALIZAÇÃO DO FUMO I2502 IND DE CIGARROS I2503 IND DE CHARUTOS E CIGARRILHAS I2600 IND DE ARTIGOS ESPORTIVOS E DE CACA E PESCA I2700 IND DE PINCEIS, VASSOURAS E SIMILARES I2800 CONSTRUÇÃO NAVAL I2900 IND DE ABRASIVOS EM GERAL I3000 IND DE EQUIP- SEGURANÇA, PROTEÇÃO INDIVIDUAL I3100 IND DE ARTIGOS DE CORTIÇA I3200 IND DE ADUBOS ORGÂNICOS E RAÇÕES I3300 IND DE CONFECÇÕES I3301 IND DE MEIAS I3302 IND DE CONFECÇÕES EM GERAL I3303 IND DE ACESSÓRIOS DO VESTUÁRIO I3304 IND DE LINGERIE I3305 IND DE ARTIGOS DE CAMA, MESA E BANHO I3306 IND DE CORTINAS I3307 IND DE BANDEIRAS, ESTANDARTES E FLÂMULAS I3308 IND DE CHAPÉUS I3309 IND DE GUARDA-CHUVAS I3400 IND DE BEBIDAS

192

I3401 IND DE CERVEJAS, CHOPES E MALTE I3402 IND DE VINHOS I3403 IND DE REFRIGERANTES I3404 IND DE CERVEJAS E REFRIGERANTES I3405 IND DE REFRESCOS E XAROPES I3406 IND DE SUCO DE LARANJA I3407 IND DE SUCOS NATURAIS I3408 IND DE BEBIDAS ALCOÓLICAS I3409 ENVASAMENTO DE ÁGUAS MINERAIS I3500 BENEF E PREPARAÇÃO DE MINERAIS NÃO METÁLICOSI3600 IND DE ARTIGOS DE GRAFITA I3700 IND DE EQUIPAMENTOS INFANTIS I3800 IND DE MIUDEZAS PARA CONFECÇÕES I3900 IND DE PERUCAS I4000 IND DE CACHIMBOS, ISQUEIROS E SIMILARES I4100 IND DE ADORNOS PARA ARVORES DE NATAL I4200 IND DE ARTEF DE PLUMAS, CHIFRES E SIMILARES I4300 IND DE PAINÉIS E PLACAS DE SINALIZAÇÃO I4400 IND DE FITAS E DISCOS MAGNÉTICOS P/ GRAVAÇÃO I4500 APROVEITAMENTO E BENEFICIAMENTO DO LIXO I4600 TERCEIRIZAÇÃO DE PROCESSOS INDLS I4700 ENVASAMENTO EM GERAL I4800 IND DE EMBALAGENS

P - PRIMARIO P0000 PRIMÁRIO P0100 AGRICULTURA P0101 PRODUÇÃO DE TRIGO P0102 PRODUÇÃO DE ARROZ P0103 PRODUÇÃO DE MILHO P0104 PRODUÇÃO DE SOJA P0105 PRODUÇÃO DE ALGODÃO P0106 PRODUÇÃO DE FUMO P0107 PRODUÇÃO DE CANA-DE-AÇÚCAR P0108 PRODUÇÃO DE BATATA P0109 PRODUÇÃO DE MANDIOCA P0110 PRODUÇÃO DE CACAU P0111 PRODUÇÃO DE CAFÉ P0112 PRODUÇÃO DE AMENDOIM P0113 PRODUÇÃO DE CEBOLA P0114 PRODUÇÃO DE FEIJÃO P0115 PRODUÇÃO DE FRUTAS P0116 PRODUÇÃO DE LARANJAS P0117 PRODUÇÃO DE HORTIFRUTIGRANJEIROS P0118 PRODUÇÃO DE SEMENTES E MUDAS P0119 PRODUÇÃO AGRÍCOLA P0120 PRODUÇÃO DE FLORES P0200 CRIAÇÃO DE ANIMAL P0201 BOVINOCULTURA DE LEITE

193

P0202 BOVINOCULTURA DE CORTE P0203 AVICULTURA P0204 APICULTURA P0205 SERICICULTURA P0206 SUINOCULTURA P0207 EQÜINOCULTURA P0208 OVINOCULTURA P0209 CAPRINOCULTURA P0210 CRIAÇÃO DE ANIMAIS P0300 PESCA P0400 EXTRAÇÃO VEGETAL P0500 FLORESTAMENTO E REFLORESTAMENTO P0600 EXTRAÇÃO MINERAL P0601 EXTRAÇÃO DE MINÉRIOS DE METAIS PRECIOSOS P0602 PEDREIRA P0603 EXTRAÇÃO DE AREIA P0604 EXTRAÇÃO DE MINÉRIOS DE FERRO P0605 EXTRAÇÃO DE MINÉRIOS DE METAIS NÃO FERROSOS P0606 EXTRAÇÃO DE MINERAIS NÃO METÁLICOS P0607 EXTRAÇÃO E PELOTIZACAO DE MINERAIS METÁLICOS P0608 EXTRAÇÃO DE COMBUSTÍVEIS MINERAIS P0609 EXTRAÇÃO DE MINERAIS P/ FAB DE PROD QUÍMICOS P0610 EXTRAÇÃO DE PEDRAS PRECIOSAS E SEMIPRECIOSAS P0611 EXTRAÇÃO DE PETRÓLEO E GÁS NATURAL P0612 EXTRAÇÃO DE MINERAIS RADIOATIVOS P0613 EXTRAÇÃO DE SAL P0700 EXTRAÇÃO DE ÁGUA MINERAL P0800 AQÜICULTURA

S - SERVICOS S0000 SERVIÇOS S0100 TRANSPORTES S0101 TRANSPORTE URBANO DE PASSAGEIROS S0102 TRANSPORTE RODOVIÁRIO DE PASSAGEIROS S0103 TRANSPORTE RODOVIÁRIO DE CARGAS S0104 TRANSPORTE FERROVIÁRIO E METROVIÁRIO S0105 TRANSPORTE MARÍTIMO, FLUVIAL DE PASSAGEIROS S0106 TRANSPORTE AÉREO DE PASSAGEIROS S0107 TRANSPORTE URBANO DE CARGAS S0108 TRANSPORTE MARÍTIMO, FLUVIAL DE CARGAS S0109 TRANSPORTE AÉREO DE CARGAS S0110 TRANSPORTE TURÍSTICO S0111 TRANSPORTE DUTOVIÁRIO S0200 SERVIÇOS AUX DE COMERCIALIZAÇÃO E TRANSPORTES0201 PROMOÇÃO DE PLANOS ASSISTÊNCIA MEDICA, ODONT S0202 DESPACHANTE ADUANEIRO E AGENCIADOR DE NAVIOS S0203 CORRETAGEM, REPR, PROM DE VENDAS E EXPORT S0204 AGÊNCIA DE VIAGEM E TURISMO S0205 ARMAZÉM GERAL E TRAPICHE

194

S0206 EXPLORAÇÃO DE GARAGEM E ESTACIONAMENTO S0207 SERVIÇOS AUXILIARES DE TRANSPORTES S0300 SERVIÇOS TÉCNICO-PROFISSIONAIS S0301 SERV DE TRADUÇÃO/ DOCUMENTAÇÃO BIBLIOGRÁFICA S0302 SERVIÇOS DE PROPAGANDA E PUBLICIDADE S0303 ASSESSORIA, CONSULTORIA E PLANEJ EMPRESARIAL S0304 SERVIÇOS DE PROCESSAMENTO DE DADOS S0305 SERVIÇOS TÉCNICOS S0306 SERVIÇOS DE ENGENHARIA E ARQUITETURA S0307 SERV AUX AGRÍCOLAS E DE CRIAÇÃO DE ANIMAIS S0308 INSTITUIÇÃO CIENTIFICA E TECNOLÓGICA S0309 AVALIAÇÃO DE BENS MOVEIS E IMÓVEIS S0310 SERVIÇOS DE SOFTWARES S0311 SERVIÇOS AUXILIARES DO MERCADO DE CAPITAIS S0312 MONTAGEM- MAQ, EQUIP, SIST DE AUTOMAÇÃO INDL S0313 LABORATÓRIO DE ANALISE QUÍMICA S0314 SERV DE PROJETOS DE EQUIP E DISPOSIT INDLS S0315 SERVIÇOS DE DIGITALIZAÇÃO E MICROFILMAGEM S0316 SERVIÇOS DE DIGITAÇÃO DE DADOS S0400 CONSTRUÇÃO CIVIL S0401 ATIVIDADES GEOTÉCNICAS S0402 NIVELAMENTO, TERRAPLENAGEM E PAVIMENTAÇÃO S0403 EMPREITEIRA S0404 CONSTRUÇÃO E INCORPORAÇÃO DE IMÓVEIS S0405 SERVIÇOS DE MAO DE OBRA E ADM DE OBRAS S0500 IMOBILIÁRIAS S0501 LOCAÇÃO DE IMÓVEIS DE TERCEIROS S0502 ADM DE CONDOMÍNIOS, CENTROS COMLS E TEATROS S0503 COMPRA E VENDA DE IMÓVEIS S0504 ADMINISTRADORA DE BENS PRÓPRIOS S0600 SERVIÇOS DOMICILIÁRIOS S0601 SERVIÇOS DE DEDETIZAÇÃO S0602 SERVIÇOS DE LIMPEZA E CONSERVAÇÃO DE IMÓVEIS S0603 SERVIÇOS DE VIGILÂNCIA E GUARDA S0604 SERVIÇOS DE JARDINAGEM S0605 SERVIÇOS DE DECORAÇÃO DE INTERIORES S0606 SERVIÇOS DE MAO DE OBRA ESPECIALIZADA S0700 SERVIÇOS DE REPARAC, MANUTENÇÃO, INSTALAÇÃO S0701 REPAR DE EQUIP AGRÍCOLAS E DE TERRAPLENAGEM S0702 REPAR E MANUT DE PRÉDIOS E INSTAL ELÉTRICAS S0703 REPAR DE EQUIP DE ESCRITÓRIO E VENTILADORES S0704 REPAR/ MANUT DE EQUIP INDLS E DE COMUNICAÇÃO S0705 REPAR DE ELETRODOMÉSTICOS E APAR ELETRÔNICOS S0706 OFICINA MECÂNICA S0707 RECAUCHUTAGEM DE PNEUS S0708 REPAR DE EMBARCAÇÕES E DE MOTORES MARÍTIMOS S0709 REPARAÇÃO DE VEÍCULOS FERROVIÁRIOS S0710 REPAR AERONAVES, TURBINAS E MOTORES AVIAÇÃO

195

S0711 REPAR EQUIP- USO TERAPÊUTICO, ELETROQUÍMICO S0712 REPARAÇÃO DE MAQUINAS DE COSTURA S0713 REPARAÇÃO DE ELEVADORES S0714 MONTAGEM E REPARAÇÃO DE ARTEFATOS DE MADEIRA S0715 REPARAÇÃO DE JÓIAS E RELÓGIOS S0716 REPAR DE ART DE BORRACHA, COURO E SIMILARES S0717 REPARAÇÃO DE ARTIGOS DE METAL S0718 REPARAÇÃO DE ARTIGOS DE ÓTICA S0719 REPARAÇÃO DE INSTRUMENTOS MUSICAIS S0720 REPARAÇÃO DE BRINQUEDOS S0721 REPARAÇÃO DE EQUIPAMENTOS DE INFORMÁTICA S0722 SERVIÇOS DE PINTURAS ELETROSTÁTICAS S0723 REPARAÇÃO DE EQUIPAMENTOS DE SEGURANÇA S0724 REPAR, RESTAURAÇÃO DE OBJETOS, OBRAS DE ARTE S0725 OFICINA DE CONSERTO DE BICICLETAS S0800 SERVIÇOS DE HOSPEDAGEM E ALIMENTAÇÃO S0801 SERVIÇOS DE ALIMENTAÇÃO AMBULANTE S0802 SERVIÇOS DE HOSPEDAGEM S0803 SERVIÇOS DE ALIMENTAÇÃO S0804 REFEIÇÕES INDLS S0900 SERVIÇOS DE COMUNICAÇÃO E DIVERSÕES S0901 TV POR ASSINATURA S0902 EMISSORA DE RADIO S0903 EMISSORA DE TV S0904 PRODUTORA CINEMATOGRÁFICA S0905 LOC FILMES E FITAS (COD INATIVO) S0906 SALA DE ESPETÁCULO S0907 CASA NOTURNA S0908 BRINQUEDOS MECÂNICOS S0909 ENTIDADE DESPORTIVA E RECREATIVA S0910 GRAVADORA DE DISCOS E FITAS K7 S0911 DUPLICAÇÃO DE FITAS DE SOM E IMAGEM S0912 SERVIÇOS DE DIVERSÕES S0913 EXPLORAÇÃO DE JOGOS ELETRÔNICOS S0914 PROMOÇÃO DE EVENTOS S0915 ACADEMIA DE GINÁSTICA E ESCOLA DE DANÇA S0916 PRODUÇÃO DE FILMES EM VÍDEO S0917 ESTÚDIO FOTOGRAF E LABORATÓRIO DE REVELAÇÃO S0918 SERVIÇOS DE RADIOCOMUNICAÇÃO E TELEMENSAGEM S0919 SERVIÇOS DE DUBLAGENS DE FILMES S1000 LOTÉRICAS, CONSÓRCIOS E LEILOES S1001 CONSORCIO S1001 CONSORCIO AUTOMOTIVO S1001 CONSORCIO DE ELETRODOMÉSTICOS S1002 AGÊNCIA LOTÉRICA S1003 ORGANIZAÇÃO DE SORTEIOS S1004 ORGANIZAÇÃO DE LEILOES EM GERAL S1100 SERVIÇOS MÉDICOS E VETERINÁRIOS

196

S1101 SERVIÇOS ODONTOLÓGICOS S1102 SERVIÇOS MÉDICOS S1103 LABORATÓRIO- ANALISES CLINICAS, RADIOLÓGICAS S1104 SERVIÇOS DE VETERINÁRIA S1105 SERVIÇOS DE MEDICINA COMPUTADORIZADA S1106 CONVENIO MEDICO S1107 CLINICA PSICOLÓGICA S1108 OPERADORA DE PLANOS E SEGUROS DE SAÚDE S1200 SERVIÇOS PESSOAIS S1201 REPARAÇÃO DE CALCADOS S1202 SERVIÇOS DE HIGIENE E EMBELEZAMENTO PESSOAL S1203 CONFECÇÃO, REPARAÇÃO DE ARTIGOS DO VESTUÁRIO S1204 LAVANDERIA S1205 SERVIÇOS FUNERÁRIOS E CREMATÓRIOS S1300 SERVIÇOS DE UTILIDADE PUBLICA S1301 DISTRIBUIÇÃO DE GÁS ENCANADO S1302 TRATAMENTO DE ÁGUA, ESGOTO E DISTRIB DE ÁGUA S1303 DISTRIBUIÇÃO DE ENERGIA ELÉTRICA S1304 SERVIÇOS DE LIMPEZA PUBLICA S1305 CORREIO S1306 SERVIÇOS DE TELECOMUNICAÇÕES S1306 SERVIÇOS DE TELEFONIA FIXA S1306 SERVIÇOS DE TELEFONIA CELULAR S1306 PROVEDOR DE ACESSO REDES DE TELECOMUNICAÇÕES S1306 PROVEDOR DE ACESSO A REDE DE COMPUTADORES S1307 SERVIÇOS DE URBANIZAÇÃO S1308 ADMINISTRAÇÃO DE VIAS PÚBLICAS S1309 GERAÇÃO DE ENERGIA ELÉTRICA S1310 TRANSMISSÃO DE ENERGIA ELÉTRICA S1400 SERVIÇOS DE ENSINO E ADMINISTR DE PESSOAL S1401 AUTO-ESCOLA S1402 ESTABELECIMENTO DE ENSINO DE 1 E 2 GRAUS S1403 SERV DE SELEÇÃO E ADMINISTRAÇÃO DE PESSOAL S1404 CURSO PREPARATÓRIO E DE ESPECIALIZAÇÃO S1405 ESTABELECIMENTO DE ENSINO SUPERIOR S1406 ESCOLA DE EDUCAÇÃO INFANTIL E BERÇÁRIO S1407 ESTABELECIMENTO DE ENSINO S1500 LOCADORAS S1501 LOCAÇÃO DE BENS MOVEIS S1502 LOCAÇÃO DE VEÍCULOS S1503 LOCAÇÃO DE ROUPAS E OUTROS ART DO VESTUÁRIO S1504 LOCAÇÃO, INTERMEDIAÇÃO COML DE LINHAS TELEF S1505 LOCAÇÃO DE ESPAÇOS PUBLICITÁRIOS S1506 LOCAÇÃO DE ESPAÇOS PARA EVENTOS S1507 LOCAÇÃO DE FILMES, FITAS DE VIDEOGAME E CD'S S1600 HOLDING S1700 COOPERATIVAS S1701 COOPERATIVA DE PRODUÇÃO

197

S1702 COOPERATIVA MISTA S1703 COOPERATIVA DE COMERCIALIZAÇÃO S1704 COOPERATIVA DE CONSUMO DE BENS E SERVIÇOS S1705 COOPERATIVA DE SEGUROS S1706 COOPERATIVA ESCOLAR S1707 COOPERATIVA HABITACIONAL S1708 COOPERATIVA DE ELETRIFICAÇÃO S1709 COOPERATIVA DE TELEFONIA S1710 COOPERATIVA DE TRABALHO S1711 COOPERATIVA DE SERV MÉDICOS E ODONTOLÓGICOS S1800 SERVIÇOS METALÚRGICOS S1801 USINAGEM EM GERAL S1802 TRATAMENTO DE METAIS S1803 ESTAMPARIA, FORJARIA E FUNDIÇÃO S1900 SERV DE TINGIMENTO DE TECIDOS E SERIGRAFIA S2000 ARTES GRÁFICAS E XEROX S2100 SEGURADORA, PREV PRIVADA, CAPITALIZAÇÃO S2101 SEGURADORA S2102 PREVIDÊNCIA PRIVADA S2103 CAPITALIZAÇÃO S2200 SERVIÇOS DE DEMOLIÇÕES S2300 ADMINISTRAÇÃO PORTUÁRIA S2400 TERMINAL PARA TRANSPORTE RODOVIÁRIO S2500 SERVIÇOS AUXILIARES DE TRANSPORTE AÉREO S2600 TERMINAL PARA TRANSPORTE FERROVIÁRIO S2700 FACTORING S2800 CORRETORA DE SEGUROS S2900 PREVIDÊNCIA PRIVADA (COD INATIVO) S3000 ADMINISTRADORA DE DOCUMENTO REFEIÇÃO S3100 SERVIÇOS DE LAVAGEM DE AUTOMÓVEIS S3200 ESTÚDIO DE DESENHO, PINTURA E ESCULTURA S3300 SERVIÇOS DE INVESTIGAÇÃO PARTICULAR S3400 CONDOMÍNIO S3500 SERVIÇOS DE INFORMAÇÃO S3600 FACÇÃO DE TECIDOS S3700 SERVIÇOS DE CHAVEIRO S3800 ADMINISTRADORA DE CARTÕES DE CREDITO S3900 SERVIÇOS DE ADMINISTRAÇÃO PUBLICA S3901 SERVIÇOS DE ADMINISTRAÇÃO PUBLICA S3902 SERVIÇOS DE ADMINISTRAÇÃO PUBLICA MUNICIPAL S3903 SERVIÇOS DE ADMINISTRAÇÃO PUBLICA ESTADUAL S3904 SERVIÇOS DE ADMINISTRAÇÃO PUBLICA FEDERAL S3905 SERV DE ADM DE EMPRESAS DE ECONOMIA MISTA S4000 CARTÓRIO E TABELIONATO S4100 CASA DE CAMBIO S4200 ENTIDADES SEM FINS LUCRATIVOS S4201 FUNDAÇÃO E ASSOC BENEFICENTE E ASSISTENCIAL S4202 FUNDAÇÃO E ASSOCIAÇÃO RELIGIOSA

198

S4203 FUNDAÇÃO E ASSOC CULT FILANTRÓPICA TURÍSTICA S4204 ASSOC DE PECÚLIO E PREVIDÊNCIA COMPLEMENTAR S4205 FUNDAÇÃO EDUCACIONAL S4206 FUNDAÇÃO E ASSOC CIENTIFICA E TECNOLÓGICA S4207 FUNDAÇÃO E ASSOC HOSPITALAR E AMBULATORIAL S4208 FUNDAÇÃO E ASSOC DE EMPREGADORES AUTÔNOMOS S4209 FUNDAÇÃO E ASSOCIAÇÃO DE EMPREGADOS S4210 FUND, ASSOC E FED DE PESSOAS FÍSICAS E JURID S4211 SINDICATO DE EMPREGADORES S4212 SINDICATO DE EMPREGADOS S4213 PREVIDÊNCIA SOCIAL S4214 ORGANIZAÇÃO CIVIL E POLÍTICA S4215 FUND E ASSOC DE CRIADORES E PRODUT RURAIS S4216 FEDERAÇÃO E CONFEDERAÇÃO DESPORTIVA S4217 REGULAÇÃO DE EXERCÍCIO PROFISSIONAL S4300 BORRACHARIA S4400 SERVIÇO DE PROTEÇÃO AO MEIO AMBIENTE S4500 TERMINAL DE TRANSPORTE MARÍTIMO S4600 SERVIÇOS DE BLINDAGEM EM GERAL S4700 SERVIÇOS DE DRAGAGEM PADRÃO S4800 SERV DE EMBALAGEM E DISTRIB DE IMPRESSOS S4900 SERVIÇOS DE GUARDA DE DOCUMENTOS E OBJETOS S5000 SOCIEDADE DE PROPÓSITO ESPECIFICO S5100 PROVEDOR DE ACESSO A REDES DE COMPUTADORESS5200 CIA HABITACIONAL

199

APÊNDICE B – EMPRESAS PERTENCENTES A GRUPOS ECONÔMICOS: NÚMERO DE EMPRESAS POR INDÚSTRIA.

Seq. Indústria Qt. de

empresas 1 C0100 2 2 C0202 1 3 C0203 2 4 C0402 2 5 C0403 1 6 C0404 2 7 C0405 4 8 C0601 1 9 C0702 2 10 C0802 1 11 C1004 1 12 C1101 6 13 C1102 38 14 C1103 3 15 C1104 1 16 C1105 1 17 C1106 4 18 C1202 2 19 C1204 1 20 C1207 1 21 C1302 3 22 C1303 7 23 C1304 1 24 C1308 2 25 C1309 4 26 C1310 3 27 C1401 1 28 C1600 2 29 C2100 1 30 C2300 1 31 C2800 11 32 I0102 4 33 I0104 7 34 I0202 1 35 I0204 6 36 I0206 1 37 I0302 3 38 I0304 1 39 I0305 5 40 I0308 1

41 I0310 1 42 I0312 1 43 I0401 1 44 I0502 20 45 I0503 1 46 I0504 1 47 I0506 1 48 I0507 6 49 I0510 1 50 I0511 5 51 I0514 2 52 I0601 5 53 I0605 1 54 I0606 2 55 I0607 4 56 I0608 2 57 I0609 6 58 I0610 1 59 I0615 3 60 I0701 1 61 I0703 12 62 I0704 2 63 I0706 3 64 I0707 1 65 I0801 9 66 I0802 20 67 I0803 3 68 I0804 1 69 I0805 17 70 I0806 1 71 I0807 3 72 I0809 5 73 I0810 1 74 I0811 1 75 I0812 1 76 I0813 1 77 I0815 2 78 I0816 2 79 I0817 2 80 I0819 1 81 I0827 3 82 I0828 2

83 I0833 1 84 I0835 2 85 I0901 4 86 I0902 7 87 I0903 1 88 I0904 1 89 I0909 4 90 I0910 1 91 I0911 8 92 I0914 3 93 I0917 1 94 I0921 1 95 I0923 1 96 I0926 4 97 I1001 4 98 I1003 5 99 I1004 4

100 I1101 1 101 I1102 6 102 I1103 2 103 I1106 1 104 I1201 5 105 I1202 1 106 I1203 5 107 I1204 1 108 I1302 1 109 I1303 5 110 I1304 1 111 I1402 4 112 I1403 3 113 I1404 4 114 I1405 7 115 I1408 2 116 I1409 2 117 I1410 2 118 I1502 2 119 I1503 1 120 I1602 1 121 I1702 1 122 I1705 1 123 I1902 1 124 I2700 1

200

125 I3302 3 126 I3304 2 127 I3305 1 128 I3401 1 129 I3403 7 130 I3404 2 131 I3405 1 132 I3406 3 133 I3500 2 134 P0102 1 135 P0104 4 136 P0105 2 137 P0107 7 138 P0111 3 139 P0115 2 140 P0116 1 141 P0119 5 142 P0202 15 143 P0203 3 144 P0300 2 145 P0400 4 146 P0500 13 147 P0601 1 148 P0604 8 149 P0605 6 150 P0606 5 151 P0607 1 152 P0608 1 153 P0613 1 154 P0700 1 155 P0800 2 156 S0101 2 157 S0102 8

158 S0103 17 159 S0104 1 160 S0106 3 161 S0108 2 162 S0109 1 163 S0111 1 164 S0201 1 165 S0202 1 166 S0205 6 167 S0207 1 168 S0302 6 169 S0303 3 170 S0304 4 171 S0306 3 172 S0310 5 173 S0311 1 174 S0312 1 175 S0402 4 176 S0403 24 177 S0404 15 178 S0501 2 179 S0502 2 180 S0503 7 181 S0504 17 182 S0704 2 183 S0709 1 184 S0710 1 185 S0802 10 186 S0803 1 187 S0901 5 188 S0903 1 189 S0910 2 190 S0912 1

191 S0916 1 192 S0918 3 193 S1001 6 194 S1103 1 195 S1301 1 196 S1302 1 197 S1303 25 198 S1304 1 199 S1306 25 200 S1308 16 201 S1309 15 202 S1310 1 203 S1501 4 204 S1502 4 205 S1504 1 206 S1505 1 207 S1600 121 208 S1801 1 209 S1802 2 210 S2101 20 211 S2102 3 212 S2103 8 213 S2300 2 214 S2500 2 215 S2700 3 216 S2800 1 217 S3000 4 218 S3500 1 219 S3800 1 220 S4400 1 221 S4500 3

222 S5000 1

edmilson alves de moraes - bibliotecadigital.fgv.br · a determinação e a mensuração da...

Documents