Visualização da tabela de dados

A base de dados é constituída através de demonstrativos financeiros de empresas de capital aberto extraídas do site da B3, com o pacote GetDFPData: Criado por Perlim. Os indicadores que compões a base são: Receita, EBITDA, Fluxo de caixa investimentos, Lucro líquido, Patrimônio líquido, Dívida líquida, Fluxo de caixa operacional, Curto de mercadoria vendida, Capital de giro líquido, Saldo de tesouraria, Dividendos e Necessidade de capital de giro.

O banco de dados contém 44 empresas e 9 períodos de tempo.

Correlação entre variáveis

Abaixo encontra-se um gráfico uma matriz de correlação dos indicadores utilizados no estudo, visto que para evitar o viés foi utilizado um critério de exclusão para não utilizar aquelas variáveis que tem alta correlação e causalidade (por exemplo a Receita e o EBITDA ou EBITDA e FCO). O patrimônio líquido mesmo tendo uma correlação de 0.84 do EBITDA, não foi excluído do estudo, pois não é comprovada causalidade, visto que no PL tem composições das contas variadas.
Para mais informações do pacote corrplot criado por Wei: Acessar.

Gráfico com o valor de mercado ao longo do tempo

É possível verificar no gráfico abaixo o valor de mercado de 44 empresas da pesquisa no período de 2000 até 2019.
Para mais informações do pacote ggplot2 criado por Pedersen: Acessar. # Estatística de painel para dados transversais (Between e Within)
Ao utilizar a função qsu do pacote collapse, calcula um conjunto de 7 estatísticas (nobs, média, sd, min, max, skewness e curtose) usando um método de uma passagem numericamente estável generalizado a partir do Algoritmo de Welford. As estatísticas podem ser calculadas com ponderação, por grupos e também dentro e entre entidades.
Para mais informações do pacote collapse criado por Krantz: Acessar.

## , , Receita
## 
##          N/T         Mean           SD           Min          Max     Skew
## Overall  396  20,309031.6  50,950707.2          4395   349,836000   4.4591
## Between   44  20,309031.6  50,587767.4    465116.333   300,856506   4.3935
## Within     9  20,309031.6  9,417147.94  -54,953634.1  87,773179.9  -0.6505
##             Kurt
## Overall  24.0053
## Between  23.3969
## Within   32.2357
## 
## , , EBITDA
## 
##          N/T         Mean           SD           Min          Max    Skew
## Overall  396  3,836050.58  12,927867.5    -14,848128   144,919000  6.6436
## Between   44  3,836050.58  11,136937.5   -232631.889  67,877559.2  4.8694
## Within     9  3,836050.58  6,753547.95  -55,280508.6  80,877491.4  1.3402
##             Kurt
## Overall  56.2109
## Between  27.1068
## Within    72.685
## 
## , , FCI
## 
##          N/T          Mean           SD           Min          Max     Skew
## Overall  396  -2,333037.11  8,760715.49    -85,208000     2,383473  -6.6677
## Between   44  -2,333037.11  7,780462.01    -48,762686   66851.1111  -5.2418
## Within     9  -2,333037.11  4,176192.54  -38,778351.1  38,477648.9   0.3607
##             Kurt
## Overall  52.8379
## Between  30.7556
## Within   55.8567
## 
## , , LL
## 
##          N/T        Mean           SD           Min          Max     Skew
## Overall  396  664351.267  5,386118.72    -45,996622    40,970000   0.7635
## Between   44  664351.267  1,513422.64   -835264.111  8,331206.56   3.7475
## Within     9  664351.267   5,173607.6  -50,736979.2  33,303144.7  -2.8259
##             Kurt
## Overall  41.1863
## Between  18.0349
## Within   51.7269
## 
## , , PL
## 
##          N/T         Mean           SD           Min          Max    Skew
## Overall  396  14,867897.9  49,415029.9     -7,105417   349,333684  5.0512
## Between   44  14,867897.9  49,592365.8  -2,059404.44   300,074994  4.9443
## Within     9  14,867897.9  5,679183.56  -32,464096.3  64,126587.7  0.5572
##             Kurt
## Overall  28.9851
## Between  27.3739
## Within   50.5176
## 
## , , Div_Liq
## 
##          N/T         Mean           SD          Min         Max     Skew
## Overall  396  11,745527.8  42,637466.8    -2,321000  395,004000   6.4029
## Between   44  11,745527.8  41,126657.8      -181533  268,786208   5.7703
## Within     9  11,745527.8  12,681003.1  -137,233226  137,963320  -2.4885
##             Kurt
## Overall  46.5058
## Between  36.3559
## Within   85.2615
## 
## , , FCO
## 
##          N/T         Mean           SD           Min          Max     Skew
## Overall  396  3,555183.34  12,745828.2     -3,329555   101,766000   5.4858
## Between   44  3,555183.34  12,416336.5   -186203.556  76,568131.1   5.1251
## Within     9  3,555183.34  3,378322.19  -18,867213.8  28,753052.2  -0.2697
##             Kurt
## Overall  34.8615
## Between   29.343
## Within   28.9133
## 
## , , CMV
## 
##          N/T          Mean           SD           Min          Max     Skew
## Overall  396  -14,681604.2  36,815827.8   -256,823000        -2267  -4.3182
## Between   44  -14,681604.2    36,351545   -209,018482  -109295.889  -4.1681
## Within     9  -14,681604.2  7,793175.82  -69,295998.5  48,181018.5    0.717
##             Kurt
## Overall  22.5812
## Between  21.0798
## Within   32.3553
## 
## , , CGL
## 
##          N/T         Mean           SD           Min          Max     Skew
## Overall  396  3,378408.02  8,816458.78     -6,782055    73,374000   4.8414
## Between   44  3,378408.02  8,116245.54  -2,346340.33  48,137491.8   4.2969
## Within     9  3,378408.02  3,631893.36  -48,805083.8  28,614916.2  -6.2925
##              Kurt
## Overall   30.0633
## Between   22.9703
## Within   116.6822
## 
## , , ST
## 
##          N/T        Mean           SD           Min          Max     Skew
## Overall  396  966811.651  5,186385.06    -12,539896    51,250000   5.8388
## Between   44  966811.651  4,080826.03  -4,870189.67  24,139003.8   4.4667
## Within     9  966811.651  3,253110.47  -34,597192.1  28,077807.9  -1.1418
##             Kurt
## Overall  47.2635
## Between  25.3626
## Within   54.7788
## 
## , , Dividendos
## 
##          N/T        Mean           SD           Min          Max     Skew
## Overall  396  274280.157  1,112188.64       -126873    12,000938   8.1928
## Between   44  274280.157   819832.317             0  5,323875.22   5.5572
## Within     9  274280.157   760559.794  -5,049595.07  6,951342.93  -0.2056
##             Kurt
## Overall  74.4975
## Between  34.3678
## Within   48.9157
## 
## , , NCG
## 
##          N/T         Mean           SD           Min          Max    Skew
## Overall  396  1,884085.81  3,969137.47     -3,684336    26,144000   3.651
## Between   44  1,884085.81  3,891763.86  -1,074852.33  22,212528.7  3.6887
## Within     9  1,884085.81   956544.439   -3,122329.3   6,642433.7  0.0989
##             Kurt
## Overall   18.777
## Between  18.4752
## Within   11.8408
## 
## , , MktCap
## 
##          N/T         Mean           SD           Min         Max    Skew
## Overall  396  18,757842.4  45,175023.8    209817.078  421,543896  5.3003
## Between   44  18,757842.4    42,094760    404500.535  243,414323  4.3394
## Within     9  18,757842.4  17,455713.5  -89,015713.6  196,887416  2.8456
##             Kurt
## Overall  35.7655
## Between  21.8857
## Within   45.2122

Modelo pooled (dados agrupados)

A saída abaixo, apresenta os resultados dos modelos de regressão de dados em painel. No primeiro modelo são considerados todos os dados agrupados (pooled), estimando por MQO (mínimos quadrados ordinários). Este modelo define por “agregar” todas as observações da base, e ignora o formato painel. Todas as observações são tratadas como não correlacionadas para os indivíduos.
  Mkt Cap
Predictors Estimates std. Error CI Statistic p df
(Intercept) 5646755.07 *** 833670.25 4012791.40 – 7280718.74 6.77 <0.001 385.00
EBITDA 1.03 *** 0.30 0.44 – 1.61 3.45 0.001 385.00
LL -0.63 0.39 -1.39 – 0.14 -1.60 0.109 385.00
Div_Liq -0.51 *** 0.07 -0.63 – -0.38 -7.77 <0.001 385.00
CGL -0.69 * 0.29 -1.25 – -0.13 -2.42 0.016 385.00
ST 0.65 * 0.29 0.08 – 1.21 2.25 0.025 385.00
PL 1.02 *** 0.09 0.85 – 1.19 11.63 <0.001 385.00
Dividendos 4.17 *** 1.12 1.97 – 6.37 3.72 <0.001 385.00
NCG 0.09 0.51 -0.91 – 1.09 0.18 0.855 385.00
FCI 0.77 * 0.31 0.17 – 1.37 2.51 0.013 385.00
CMV -0.17 *** 0.05 -0.27 – -0.08 -3.57 <0.001 385.00
Observations 396
R2 / R2 adjusted 0.908 / 0.906
  • p<0.05   ** p<0.01   *** p<0.001

Modelo fixed effects (efeitos fixos)

O modelo de efeitos fixos é aquele que considera efeitos fixos, onde são utilizados para ana-lisar o impacto de variáveis ao longo do tempo. Esse modelo considera os valores de inter-ceptos de cada regressão que variam conforme os efeitos de cada companhia e os coeficien-tes angulares das variáveis independentes em cada equação que são os mesmos para cada empresa do estudo. Desta forma, o intercepto da equação difere de empresa para empresa, mas os efeitos das variáveis independentes são os mesmo sobre a variável dependente.
  Mkt Cap
Predictors Estimates std. Error CI Statistic p df
EBITDA 0.26 0.29 -0.30 – 0.83 0.91 0.364 342.00
LL -0.17 0.36 -0.88 – 0.55 -0.46 0.647 342.00
Div_Liq -0.77 *** 0.11 -0.98 – -0.56 -7.19 <0.001 342.00
CGL -1.24 *** 0.28 -1.79 – -0.69 -4.39 <0.001 342.00
ST 0.27 0.32 -0.36 – 0.90 0.83 0.406 342.00
PL 0.45 0.23 -0.00 – 0.91 1.95 0.052 342.00
Dividendos 2.45 1.54 -0.56 – 5.46 1.59 0.112 342.00
NCG 2.15 ** 0.68 0.83 – 3.48 3.18 0.002 342.00
FCI 1.58 *** 0.30 0.99 – 2.17 5.25 <0.001 342.00
CMV -0.50 *** 0.10 -0.70 – -0.30 -4.88 <0.001 342.00
Observations 396
R2 / R2 adjusted 0.661 / 0.608
  • p<0.05   ** p<0.01   *** p<0.001
Intercepto das empresas
Estimate Std. Error t-value Pr(>|t|)
ALPARGATAS SA 2936894.8 3719412 0.79 0.43
AREZZO INDÚSTRIA E COMERCIO S/A 2153460.8 3651967 0.59 0.56
B2W - COMPANHIA DIGITAL 14032836.3 3731043 3.76 0.00
BOMBRIL SA 120649.6 3644384 0.03 0.97
BR MALLS PARTICIPAÇOES S.A. 8462582.7 4372352 1.94 0.05
BRASKEM S.A. 11859086.1 4918199 2.41 0.02
BRF S.A. 27745996.2 5019558 5.53 0.00
CCR S.A. 28389518.1 4099006 6.93 0.00
CIA HERING 470685.8 3670267 0.13 0.90
CIA SIDERURGICA NACIONAL 20525549.4 5847720 3.51 0.00
CYRELA BRAZIL REALTY SA EMPRS E PARTS -4267540.8 5631736 -0.76 0.45
DIMED SA DISTRIBUIDORA DE MEDICAMENTOS 43669657.8 3649851 11.96 0.00
ECORODOVIAS INFRAESTRUTURA E LOGÍSTICA S.A. 7098342.0 3704456 1.92 0.06
EDP ENERGIAS DO BRASIL S/A 1742923.1 4025419 0.43 0.67
ENGIE BRASIL ENERGIA S.A. 12680021.1 4458231 2.84 0.00
EUCATEX SA IND E COMERCIO -419408.1 3654658 -0.11 0.91
EVEN CONSTRUTORA E INCORPORADORA S/A -2261555.5 4152201 -0.54 0.59
FLEURY SA 3465846.2 3667295 0.95 0.35
GERDAU S.A. -1560864.1 9543473 -0.16 0.87
GOL LINHAS AEREAS INTELIGENTES SA 3458283.9 3812179 0.91 0.36
GUARARAPES CONFECÇÕES SA -1009815.9 4104625 -0.25 0.81
JBS SA -8906512.8 12250018 -0.73 0.47
JHSF PARTICIPAÇÕES SA 1606110.9 3702475 0.43 0.66
KLABIN S.A. 19817246.8 4615507 4.29 0.00
LOG-IN LOGISTICA INTERMODAL SA 2648825.0 3644635 0.73 0.47
LOJAS AMERICANAS SA 30077809.4 4159669 7.23 0.00
LOJAS RENNER SA 9288000.8 3944839 2.35 0.02
M DIAS BRANCO SA IND E COM DE ALIMENTOS 6413171.2 3776624 1.70 0.09
MAGAZINE LUIZA SA 6983212.3 3729734 1.87 0.06
MAHLE METAL LEVE S.A. 316019.2 3671112 0.09 0.93
MARFRIG GLOBAL FOODS SA 6579845.3 4257974 1.55 0.12
MARISA LOJAS SA 2487786.5 3704095 0.67 0.50
ODONTOPREV S/A 4340714.3 3650724 1.19 0.24
PETRO RIO S.A. 4114907.4 3671413 1.12 0.26
PETRÓLEO BRASILEIRO S.A. - PETROBRAS 264151336.6 78393246 3.37 0.00
PROFARMA DISTRIB. PRODUTOS FARMACEUTICOS -778450.9 3672671 -0.21 0.83
SANTOS BRASIL PARTICIPAÇÕES S.A. 714127.7 3653108 0.20 0.85
SCHULZ SA 114211.1 3650831 0.03 0.98
TEGMA GESTÃO LOGÍSTICA SA 276262.3 3646762 0.08 0.94
TIM PARTICIPAÇÕES SA 18951077.0 5508201 3.44 0.00
USINAS SIDERURGICAS DE MINAS GERAIS SA 3062208.9 5859450 0.52 0.60
VALE S.A. 127291831.0 37409090 3.40 0.00
VIA VAREJO S.A. -1663659.3 3950599 -0.42 0.67
WEG SA 17533795.2 4463937 3.93 0.00

Modelo random effects (efeitos aleatórios)

O modelo de efeitos aleatórios, é aquele com efeitos aleatórios onde incluem variações dentro e entre as entidades. No modelo de regressão com efeitos aleatórios, os efeitos individuais das em-presas são considerados variáveis aleatórias, ao contrário do modelo de efeitos fixos. Esse modelo estatístico apresenta alguma forma de variação aleatória.
  Mkt Cap
Predictors Estimates std. Error CI Statistic p
(Intercept) 5286621.15 *** 1465914.17 2413482.18 – 8159760.12 3.61 <0.001
EBITDA 0.62 * 0.27 0.09 – 1.15 2.30 0.021
LL -0.37 0.34 -1.04 – 0.30 -1.08 0.280
Div_Liq -0.50 *** 0.07 -0.64 – -0.36 -6.93 <0.001
CGL -1.09 *** 0.26 -1.60 – -0.57 -4.15 <0.001
ST 0.80 ** 0.27 0.26 – 1.33 2.90 0.004
PL 1.11 *** 0.09 0.93 – 1.30 11.76 <0.001
Dividendos 3.26 ** 1.22 0.87 – 5.65 2.67 0.008
NCG 1.12 * 0.56 0.02 – 2.23 1.99 0.047
FCI 1.18 *** 0.28 0.63 – 1.73 4.18 <0.001
CMV -0.22 *** 0.06 -0.35 – -0.10 -3.56 <0.001
Observations 396
R2 / R2 adjusted 0.804 / 0.799
  • p<0.05   ** p<0.01   *** p<0.001

Para mais informações do pacote plm criado por Croissant: Acessar.

Modelo pooled x Modelo de efeitos fixos

O teste F de Chow da tabela 13 é em homenagem a Gregory Chow. Este teste estatís-tico é realizado para comprovação da “quebra” de uma tendência estável de uma série histó-rica e é amplamente utilizada em modelos econométricos. Os argumentos desta função são dois modelos: o primeiro sendo um modelo interno de efeitos fixos e o segundo um modelo de pool. Os efeitos testados são individuais, temporais ou de dois modos, dependendo dos efeitos introduzidos no modelo interno (EF). A hipótese nula é que há igualdade nos inter-ceptos e nas inclinações para topos os indivíduos, caracterizando um modelo (pooled). E a hipótese alternativa é que o modelo de efeito fixo é o mais indicado.
A função utilizada é a pFtest do pacote plm.
Teste F
df1 df2 statistic p.value method alternative
43 342 6.491 0 F test for individual effects significant effects

Modelo pooled x Modelo de efeitos aleatórios

Para comparar os modelos foi realizado o teste LM de Breusch-Pagan. Esse teste foi desenvolvi-do em 1979 por Trevor Breusch e Adrian Pagan, e é utilizado para testar a homoscedastici-dade em um modelo de regressão linear, ele avalia a variância dos erros de uma regressão e se os valores dependem das variáveis independente. Esse teste foi utilizado para decidir en-tre uma regressão simples OLS agrupada (pooled) ou uma regressão de efeitos aleatórios. Sobre a hipótese nula, esta estatística tem distribuição qui-quadrado com um grau de liber-dade. A hipótese alternativa sugere que o modelo de efeitos aleatórios é mais indicado para o painel utilizado.
A função utilizada é a plmtest do pacote plm.
Teste de Lagrange - Breusch-Pagan
statistic p.value parameter method alternative
162.355 0 1 Lagrange Multiplier Test - (Breusch-Pagan) for balanced panels significant effects

Modelo Efeitos Fixos x Modelo de Efeitos Aleatórios

Aqui para comparar os modelos ef x ea foi utilizada as estatísticas do teste de Hausman, o nome do teste é uma homenagem a Jerry Hausman. Esse teste estatístico é utilizado em econometria para avaliar a consistência de um estimador comparado a um outro estimador alternativo. Ele detecta regressores endógenos, ou seja, variáveis que possuem valores determinados por outras variáveis do sistema. Possuir regressores endógenos em um modelo fará com que os estimadores (MQO) falhem, pois, uma das suposições da OLS é que não há correlação entre uma variável preditora e o termo de erro. Esse teste avalia se os erros são correlacionados com os regressores do modelo, a hipótese nula indica que o modelo de efeitos aleatórios é o preferido e a hipótese alternativa aponta que um dos modelos é inconsistente, então devemos optar pelo modelo de efeitos fixos.
A função utilizada é a phtest do pacote plm.
Teste de Hausman
statistic p.value parameter method alternative
6.68 0.755 10 Hausman Test one model is inconsistent

Testando dependência transversal (cross-sectional)

O teste de Breusch–Pagan’s é usado para testar se os resíduos são correlacionados entre indivíduos. H0 : Séries são independentes nas séries de corte transversal.
A função utilizada é a pcdtest do pacote plm.
Teste Pesaran’s CD or Breusch–Pagan’s LM
statistic p.value method alternative
22.525 0 Pesaran CD test for cross-sectional dependence in panels cross-sectional dependence

Normalidade dos resíduos

Testa a H0 de que a amostra veio de uma população normalmente destribuída.
A função utilizada é a shapiro.test do pacote stats.
Teste de normalidade de Shapiro-Wilk
statistic p.value method
0.633 0 Shapiro-Wilk normality test

Homocedasticidade dos resíduos

testa a H0 se a variância dos erros de uma regressão depende dos valores das variáveis independentes.
A função utilizada é a bptest do pacote lmtest.
Teste de Homocedasticidade de Breusch-Pagan
statistic p.value parameter method
223.389 0 10 studentized Breusch-Pagan test

Testando correlação serial

Teste de correlação serial para (o componente idiossincrático de) os erros nos modelos de painel. hipótese alternativa: correlação serial em erros idiossincráticos.
A função utilizada é a pbgtest do pacote plm.
Teste de Breusch–Godfrey para modelos em painel
statistic p.value parameter method alternative
54.421 0 9 Breusch-Godfrey/Wooldridge test for serial correlation in panel models serial correlation in idiosyncratic errors

Teste de Wooldridge

Teste semi-paramétrico para a presença de efeitos (individuais ou tempo) não observados em modelos de painel.
A função utilizada é a pwtest do pacote plm.
Teste de Wooldridge’s para observar efeitos de painel (indivíduos)
statistic p.value method alternative
1.689 0.091 Wooldridge’s test for unobserved individual effects unobserved effect
Teste de Wooldridge’s para observar efeitos de painel (tempo)
statistic p.value method alternative
1.032 0.302 Wooldridge’s test for unobserved time effects unobserved effect

Quaisquer dúvidas, podem me contatar via linkedin clicando ao lado Will