Mauro Arduino Damo
O impacto das estratégias financeiras no desempenho das empresas:
Uma análise do desempenho dos setores de energia elétrica, siderurgia e metalurgia, têxtil e telecomunicações.
DISSERTAÇÃO DE MESTRADO (OPÇÃO PROFISSIONAL)
DEPARTAMENTO DE ADMINISTRAÇÃO
Programa de Pós-Graduação em Administração de Empresas
Rio de Janeiro
Julho de 2006
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
Mauro Arduino Damo
O impacto das estratégias financeiras no desempenho das empresas:
Uma análise do desempenho dos setores de energia elétrica, siderurgia e metalurgia, têxtil e telecomunicações sob à luz da Tipologia de Porter.
Dissertação apresentada como requisito parcial para
obtenção do grau de mestre pelo Programa de Pós-
graduação em Administração de Empresas da PUC-RIO.
Aprovada pela Comissão Examinadora abaixo assinada.
Prof. Jorge Ferreira da Silva Orientador
Departamento de Administração – PUC-Rio
Prof. Luiz Felipe Jacques da Motta Departamento de Administração – PUC-Rio
Prof. Moisés Balassiano EBAPE, FGV
Prof. João Pontes Nogueira Vice-Decano de Pós-Graduação do CCS
Rio de Janeiro, 31 de julho de 2006
Todos os direitos reservados. É proibida a reprodução total ou parcial do trabalho sem autorização da universidade, do autor e do orientador.
Mauro Arduino Damo Graduou-se em Administração de Empresas pela Pontifícia Universidade Católica do Rio de Janeiro. Obteve pós-graduação em finanças do tipo lato sensu pelo Instituto Brasileiro de Mercado de Capitais.
Ficha Catalográfica
Damo, Mauro Arduino
O impacto das estratégias financeiras no
desempenho das empresas: uma análise do desempenho
dos setores de energia elétrica, siderurgia e metalurgia,
têxtil e telecomunicações sob à luz da Tipologia de Porter /
Mauro Arduino Damo ; orientador: Jorge Ferreira da Silva.
– Rio de Janeiro : PUC-Rio, Departamento de
Administração, 2006.
117 f. ; 30 cm
Dissertação (mestrado) – Pontifícia Universidade
Católica do Rio de Janeiro, Departamento de
Administração.
Inclui bibliografia
1. Administração – Teses. 2. Estratégias
financeiras. 3. Desempenho. 4. Tipologia de Porter. 5.
Energia elétrica. 6. Siderurgia. 7. Metalurgia. 8. Têxtil. 9.
Telecomunicações. 10. Posicionamento. I. Silva, Jorge
Ferreira da. II. Pontifícia Universidade Católica do Rio de
Janeiro. Departamento de Administração. III. Título.
CDD: 658
A minha esposa Luciana e a minha filha Ana Luiza por todo o carinho, dedicação e motivação dada a mim em todos esses anos de estudo.
Agradecimentos
À minha mãe e ao meu pai, Wanda e Arduino, por todo o incentivo dado na
minha vida acadêmica.
À minha família pelo suporte dado para a conclusão desta pesquisa.
Ao mestre Jorge Ferreira, que tanto motivou e criou desafios para atingirmos o
conhecimento.
Aos meus companheiros de curso que investiram inúmeros dias de suas vidas
para o desenvolvimento da pesquisa acadêmica.
Resumo
Damo, Mauro; Ferreira, Jorge. O impacto das estratégias financeiras no desempenho das empresas: Uma análise do desempenho dos setores de energia elétrica, siderurgia e metalurgia, têxtil e telecomunicações. Rio de Janeiro, 2006. 117p. Dissertação de Mestrado (Opção profissional) - Departamento de Administração, Pontifícia Universidade Católica do Rio de Janeiro.
A pesquisa avalia qual é o impacto das estratégias financeiras no
desempenho das empresas dos setores de energia elétrica, siderurgia e
metalurgia, têxtil e telecomunicações. Esses são os principais setores das
empresas listadas na Bolsa de Valores de São Paulo. Os dados obtidos foram os
demonstrativos de resultado de cada uma das empresas do ano de 2004. Após
analisar as tipologias de Mintzberg (1988) e Miles and Snow (1978) e Porter
(1980), utilizamos a tipologia de Porter (1980) para definir os grupos estratégicos
de cada setor pesquisado. Os resultados obtidos foram a caracterização do
grupo estratégico liderança em baixo custo como o de melhor desempenho em
três setores pesquisados e encontrou-se relação relevante entre o
posicionamento da empresa dentro do seu grupo estratégico e o seu
desempenho.
Palavras-chave Estratégias Financeiras; Desempenho; Tipologia de Porter; Energia
Elétrica; Siderurgia; Metalurgia; Têxtil; Telecomunicações; Posicionamento
ABSTRACT Damo, Mauro; Ferreira, Jorge. The impact of financial strategies in firm performance: A study about the performance in Electric Energy, Telecom, Metal and Textile Industries. Rio de Janeiro, 2006. 117p. Dissertação de Mestrado (Opção profissional) - Departamento de Administração, Pontifícia Universidade Católica do Rio de Janeiro.
This research measures the impact of the financial strategies in the firm’s
performance using a wide range of multivariate statistics techniques. The electric
energy, metals, textile and telecommunications are the main industries in the São
Paulo Stock Exchange (Bovespa). Those industries are the chief subject of the
research and represent 37,8% of all the revenue of the companies in Bovespa.
The data used in such research is obtained from the 2004 financial statement of
those companies in the studied industries. My literature research was made using
a wide range of typologies like Mintzberg (1988), Miles and Snow (1993) and
Porter (1980). Porter’s typology (1980) was used for the classification of the
strategic cluster of each of the industries, because it could offer a good
explanatory power with small number of the variables. The empirical result
discovered is that the strategic group low cost leadership has better performance
than all other strategic groups. I have also found out a relationship between the
position of the firm inside the strategic group and it’s performance. This linear
relationship is negative therefore I conclude the strategic financial positioning of
the firm results an improvement in it’s performance. In my research, I discuss
about how we could use financial data to measure companies’ financial strategies
and how we could apply such research in other countries.
Keywords Financial Strategy; Performance; Porter; Positional View; Electric Energy;
Telecom; Metal Industries; Textile.
Sumário
1 . INTRODUÇÃO 16 1.1. O problema 16 1.2. Objetivo da Pesquisa 17 1.3. Hipóteses 17 1.4. Relevância do Estudo 18
2 . REFERENCIAL TEÓRICO 19 2.1. Ambiente Competitivo 19 2.1.1. Modelo das cinco forças 19 2.1.1.1. Ameaça de Novos Entrantes 20 2.1.1.2. Rivalidade entre os Competidores 21 2.1.1.3. Ameaça dos Bens Substitutos 22 2.1.1.4. Poder de Negociação dos Compradores 22 2.1.1.5. Poder de Negociação dos Fornecedores 22 2.2. Estratégias Competitivas Genéricas 23 2.2.1. Modelo de Porter 23 2.2.1.1. Liderança em Custo Total 23 2.2.1.2. Diferenciação 24 2.2.1.3. Enfoque 24 2.2.1.4. Meio Termo 25 2.2.2. Tipologia de Miles e Snow 26 2.2.2.1. Defenders 27 2.2.2.2. Prospectors 27 2.2.2.3. Analyzers 28 2.2.2.4. Reactors 28 2.2.3. Modelo de Mintzberg 29 2.2.3.1. Diferenciação por Preço 29 2.2.3.2. Diferenciação por Imagem 30 2.2.3.3. Diferenciação por Suporte 30 2.2.3.4. Diferenciação por Qualidade 30
2.2.3.5. Diferenciação por Design 31 2.2.3.6. Sem Diferenciação 31 2.3. Desempenho 31 2.4. Tipologia Adotada 32
3 . PESQUISA 34 3.1. Tipo de Pesquisa 34 3.2. População e Amostra 35 3.3. Coleta de Dados 35 3.4. Fonte de Dados 36 3.5. Seleção das Variáveis 36 3.6. Tratamento dos Dados 37 3.7. Métodos Estatísticos 37 3.8. Limitações do Método 38
4 . APRESENTAÇÃO E ANÁLISE DOS RESULTADOS 40 4.1. Energia Elétrica 41 4.1.1. Testes de Normalidade 42 4.1.2. Redução do Espaço Estratégico 43 4.1.3. Análise de Cluster das Empresas 47 4.1.4. Análise da importância das estratégias para os grupos estratégicos 52 4.1.5. Análise do Desempenho nos grupos estratégicos 55 4.1.6. Relação entre o Desempenho e a Distância do centro do Grupo
Estratégico 56 4.2. Siderurgia e Metalurgia 58 4.2.1. Testes de Normalidade 59 4.2.2. Redução do Espaço Estratégico 60 4.2.3. Análise de Cluster das Empresas 64 4.2.4. Análise da importância das estratégias para os grupos estratégicos 69 4.2.5. Análise do Desempenho nos grupos estratégicos 71 4.2.6. Relação entre o Desempenho e a Distância do Centro do Grupo
Estratégico 73 4.3. Indústria Têxtil 75 4.3.1. Testes de Normalidade 75 4.3.2. Redução do Espaço Estratégico 77 4.3.3. Análise de Cluster das Empresas 81 4.3.4. Análise da importância das estratégias para os grupos estratégicos 86
4.3.5. Análise do Desempenho nos grupos estratégicos 88 4.3.6. Relação entre o Desempenho e a Distância do centro do Grupo
Estratégico 90 4.4. Telecomunicações 92 4.4.1. Testes de Normalidade 92 4.4.2. Redução do Espaço Estratégico 94 4.4.3. Análise de Cluster das Empresas 98 4.4.4. Análise da importância das estratégias para os grupos estratégicos 102 4.4.5. Análise do Desempenho nos grupos estratégicos 105 4.4.6. Relação entre o Desempenho e a Distância do centro do Grupo
Estratégico 108 4.5. Análise Transversal Do Desempenho Das Indústrias 109
5 . CONCLUSÃO 112 5.1. Conclusão Dos Resultados Obtidos 112 5.2. Sugestões Para Novas Pesquisas 114 5.3. Limitações da Pesquisa 114
6 . REFERÊNCIAS BIBLIOGRÁFICAS 116
Lista de figuras
Figura 1. Três estratégias genéricas. 25 Figura 2. Relação Retorno sobre o Investimento e Parcela de Mercado 26
Lista de tabelas
Tabela 4.1 - Setores Econômicos 41 Tabela 4.1.1.1– Análise Descritiva 42 Tabela 4.1.1.2 – Teste de Normalidade 43 Tabela 4.1.2.1 - Coeficiente de Pearson para as variáveis estratégicas 44 Tabela 4.1.2.2 - Medida de Adequação da Amostra e Teste de Bartlett 44 Tabela 4.1.2.3 – Auto-Valor dos Fatores 45 Tabela 4.1.2.4 - Matriz de Fatores com Rotação 45 Tabela 4.1.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço
Estratégico 46 Tabela 4.1.3.1 – Matriz de Especialistas 48 Tabela 4.1.3.2 - Análise Descritiva das Variáveis Estratégicas 49 Tabela 4.1.3.3 – Matriz de Centróides Inicial 49 Tabela 4.1.3.4 – Matriz de Iterações 49 Tabela 4.1.3.5 – Segmentação 50 Tabela 4.1.3.6 – Matriz de Centróides Final 50 Tabela 4.1.3.7 – Wilcoxon Rank Signed Test 51 Tabela 4.1.4.1 – Teste da Igualdade das Matrizes de Covariância 52 Tabela 4.1.4.2 –Teste de Bartlett 53 Tabela 4.1.4.3 - Testes de Significância - Multivariável 53 Tabela 4.1.4.4 – Resumo da Análise do Procedimento de Bonferroni 54 Tabela 4.1.5.1 –Teste da Igualdade das Matrizes de Covariância 55 Tabela 4.1.5.2 - Teste de Bartlett 55 Tabela 4.1.5.3 - Testes de Significância – Multivariável 56 Tabela 4.1.5.4 - Resumo da Análise do Procedimento de Bonferroni 56 Tabela 4.1.6.1 – Coeficiente de Determinação 57 Tabela 4.1.6.2 - Análise da Variância 57 Tabela 4.1.6.3 - Coeficientes da Regressão 58 Tabela 4.2.1.1 – Análise Descritiva 59 Tabela 4.2.1.2 – Teste de Normalidade 60 Tabela 4.2.2.1 - Coeficiente de Pearson para as variáveis estratégicas 61 Tabela 4.2.2.2 - Medida de Adequação da Amostra e Teste de Bartlett 61
Tabela 4.2.2.3 – Auto-Valor dos Fatores 62 Tabela 4.2.2.4 - Matriz de Fatores com Rotação 63 Tabela 4.2.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço
Estratégico. 64 Tabela 4.2.3.1 – Matriz de Especialistas 64 Tabela 4.2.3.2 - Análise Descritiva das Variáveis Estratégicas 65 Tabela 4.2.3.3 – Energia Matriz de Centróides Inicial 66 Tabela 4.2.3.4 – Matriz de Iterações 66 Tabela 4.2.3.5 – Segmentação 66 Tabela 4.2.3.6 – Matriz de Centróides Final 67 Tabela 4.2.3.7 – Wilcoxon Rank Signed Test 67 Tabela 4.2.4.1 – Teste da Igualdade das Matrizes de Covariância 69 Tabela 4.2.4.2 – Teste de Bartlett 70 Tabela 4.2.4.3 - Testes de Significância - Multivariável 70 Tabela 4.2.4.4 – Resumo da Análise do Procedimento de Bonferroni 71 Tabela 4.2.5.1 –Teste da Igualdade das Matrizes de Covariância 72 Tabela 4.2.5.2 - Teste de Bartlett 72 Tabela 4.2.5.3 - Testes de Significância – Multivariável 73 Tabela 4.2.5.4 - Resumo da Análise do Procedimento de Bonferroni 73 Tabela 4.2.6.1 – Coeficiente de Determinação 74 Tabela 4.2.6.2 - Análise da Variância 74 Tabela 4.2.6.3 - Coeficientes da Regressão 75 Tabela 4.3.1.1 – Análise Descritiva 76 Tabela 4.3.1.2 – Teste de Normalidade 77 Tabela 4.3.2.1 - Coeficiente de Pearson para as variáveis estratégicas 78 Tabela 4.3.2.2 - Medida de Adequação da Amostra e Teste de Bartlett 78 Tabela 4.3.2.3 – Autovalor dos Fatores 79 Tabela 4.3.2.4 - Matriz de Fatores com Rotação 80 Tabela 4.3.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço
Estratégico 81 Tabela 4.3.3.1 – Matriz de Especialistas 82 Tabela 4.3.3.2 - Análise Descritiva das Variáveis Estratégicas 83 Tabela 4.3.3.3 – Energia Matriz de Centróides Inicial 83 Tabela 4.3.3.4 – Matriz de Iterações 83 Tabela 4.3.3.5 – Segmentação 84 Tabela 4.3.3.6 – Matriz de Centróides Final 84
Tabela 4.3.3.7 – Wilcoxon Rank Signed Test 85 Tabela 4.3.4.1 – Teste da Igualdade das Matrizes de Covariância 86 Tabela 4.3.4.2 – Teste de Bartlett 87 Tabela 4.3.4.3 - Testes de Significância – Multivariável 87 Tabela 4.3.4.4 – Resumo da Análise do Procedimento de Bonferroni 87 Tabela 4.3.5.1 – Teste da Igualdade das Matrizes de Covariância 88 Tabela 4.3.5.2 - Teste de Bartlett 89 Tabela 4.3.5.3 - Testes de Significância – Multivariável 89 Tabela 4.3.5.4 - Resumo da Análise do Procedimento de Bonferroni 90 Tabela 4.3.6.1 – Coeficiente de Determinação 90 Tabela 4.3.6.2 - Análise da Variância 91 Tabela 4.3.6.3 - Coeficientes da Regressão 91 Tabela 4.4.1.1 – Análise Descritiva 93 Tabela 4.4.1.2 – Teste de Normalidade 94 Tabela 4.4.2.1 - Coeficiente de Pearson para as variáveis estratégicas 95 Tabela 4.4.2.2 - Medida de Adequação da Amostra e Teste de Bartlett 95 Tabela 4.4.2.3 – Autovalor dos Fatores 96 Tabela 4.4.2.4 - Matriz de Fatores com Rotação 97 Tabela 4.4.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço
Estratégico 98 Tabela 4.4.3.1 – Matriz de Especialistas 98 Tabela 4.4.3.2 - Análise Descritiva das Variáveis Estratégicas 99 Tabela 4.4.3.3 – Matriz de Centróides Inicial 99 Tabela 4.4.3.4 – Matriz de Iterações 100 Tabela 4.4.3.5 – Segmentação 100 Tabela 4.4.3.6 – Matriz de Centróides Final 100 Tabela 4.4.3.7 – Wilcoxon Rank Signed Test 101 Tabela 4.4.4.1 – Teste da Igualdade das Matrizes de Covariância 103 Tabela 4.4.4.2 – Teste de Bartlett 103 Tabela 4.4.4.3 - Testes de Significância – Multivariável 104 Tabela 4.4.4.4 – Resumo da Análise do Procedimento de Bonferroni 104 Tabela 4.4.5.1 –Teste da Igualdade das Matrizes de Covariância 106 Tabela 4.4.5.2 - Teste de Bartlett 106 Tabela 4.4.5.3 - Testes de Significância – Multivariável 107 Tabela 4.4.5.4 - Resumo da Análise do Procedimento de Bonferroni 107 Tabela 4.4.6.1 – Coeficiente de Determinação 108
Tabela 4.4.6.2 - Análise da Variância 108 Tabela 4.4.6.3 - Coeficientes da Regressão 109 Tabela 4.4.6.1 – Desempenho versus distância do centróide 110 Tabela 4.4.6.2 – Comparativo entre os desempenhos, setores e grupos
estratégicos 111
16
1. INTRODUÇÃO
Nos últimos anos, o surgimento de novas teorias econômicas gerou o
conhecimento necessário para desenvolver novas ferramentas de gestão
financeira que, hoje, são amplamente aplicadas.
Essa geração de novas ferramentas traz ao ambiente corporativo um novo
leque de estratégias financeiras que aplicadas de forma eficaz beneficiam o
desempenho das empresas. Além disso, diante do atual contexto econômico
apresentado no país, essas ferramentas podem ser cruciais para uma correta
tomada de decisão na aplicação de novos investimentos.
Diante deste contexto, o estudo procura analisar as estratégias financeiras
sob a luz de tipologias estratégicas a fim de concluirmos se determinado grupo
de empresas que apresentam melhor desempenho tem o mesmo
posicionamento estratégico.
Esse trabalho busca analisar as diversas variáveis financeiras e qual seria
o impacto das estratégias financeiras no desempenho das empresas.
1.1. O problema
O desenvolvimento do mercado financeiro vem proporcionando
modificações no trabalho das áreas financeiras das corporações. Esse
desenvolvimento faz surgir algumas dúvidas sobre o real impacto das decisões
das estratégias financeiras, feitas pela alta gerência, no desempenho das
empresas.
Este estudo busca responder as seguintes perguntas: Qual é o impacto
das estratégias financeiras no desempenho das empresas de capital aberto?
Existe relação entre o posicionamento da empresa dentro de seu grupo
estratégico e o seu desempenho?
Busca também saber como tais estratégias financeiras adotadas
influenciam no posicionamento das empresas e, conseqüentemente, nos seus
desempenhos.
17
1.2. Objetivo da Pesquisa
O objetivo deste estudo é estudar e analisar o impacto das decisões
estratégicas no desempenho das empresas de capital aberto, o estudo também
pretende analisar como tais decisões estratégicas influenciam o posicionamento
estratégico das empresas.
Objetivos Intermediários:
A fim de alcançar os objetivos finais será necessário:
• Coletar e analisar os dados secundários de todas as empresas
brasileiras de capital aberto;
• Analisar as empresas de capital aberto a fim de encontrar as
empresas mais adequadas para o estudo;
• Definir o espaço estratégico de cada indústria de acordo com as
variáveis disponíveis;
• Definir os grupos estratégicos de cada indústria;
• Mensurar qual o grupo estratégico tem melhor desempenho de
acordo com a estratégia adotada;
• Analisar a relação entre o desempenho das empresas e o seu
posicionamento dentro do grupo estratégico;
1.3. Hipóteses
A hipótese a ser investigada por esse estudo é: qual a relação entre
variáveis estratégicas financeiras adotadas pelas empresas e o seu respectivo
desempenho. Desta forma, o estudo propõe prever o desempenho da empresa
de acordo com o seu posicionamento estratégico no âmbito da economia
brasileira.
Queremos também constatar se há correlação negativa entre o
posicionamento da empresa dentro de seu grupo estratégico e o seu
desempenho, ou seja, quanto mais próxima a empresa estiver do centro de seu
grupo estratégico melhor será o seu desempenho.
18
1.4. Relevância do Estudo
Passados 10 anos do plano Real e 6 anos da flexibilização cambial, os
departamentos financeiros das empresas tornaram-se centros de excelência
necessários para o suporte à tomada de decisão da alta gerência. Este estudo
visa avaliar se as decisões estratégicas têm impacto direto ou indireto no
desempenho das empresas.
Como o objetivo de nosso estudo é descobrir qual grupo estratégico tem o
melhor desempenho de acordo com cada indústria, teremos a oportunidade de
analisar cinco setores econômicos em quatro grupos distintos e verificar se
existe alguma evidência de similaridade no comportamento de seus
desempenhos.
Este estudo tentará trazer evidências de que o posicionamento da
empresa afeta o seu desempenho. Desta forma, gestores das empresas,
poderão fazer alterações em suas estratégias financeiras a fim de alcançar um
posicionamento que melhore o seu desempenho.
19
2. REFERENCIAL TEÓRICO
Após uma ampla revisão da literatura sobre as estratégias genéricas, o
objetivo desta seção no estudo é embasar teoricamente qual será a melhor
tipologia para o estudo. As tipologias estudadas foram Porter (1980), Mintzberg
(1988) e Miles and Snow (Miles et al, 1978).
2.1. Ambiente Competitivo
No atual contexto econômico, onde existe uma liquidez muito grande de
recursos, as empresas passam a ter a capacidade de escolher qual poderia ser
o melhor tipo de captação de recursos. Esse contexto gera uma competição
entre financiadores e credores onde o modelo das cinco forças possui aderência
a essa realidade.
2.1.1. Modelo das cinco forças
Segundo Porter (1980), as características estruturais básicas são definidas
pela resultante de cinco forças:
• Ameaças de Novos Entrantes
• Rivalidade entre os Concorrentes
• Ameaça de Bens Substitutos
• Poder de Negociação dos Compradores
• Poder de Negociação dos Fornecedores
O grau de intensidade dessas cinco forças irá definir se essa indústria tem
empresas que apresentam desempenho acima ou abaixo da média de mercado.
Caso a intensidade dessas forças seja fraca, essa indústria terá um alto nível de
cooperação entre seus competidores e irá apresentar empresas com
desempenho acima da média de mercado. Caso a intensidade dessas forças
seja forte, essa indústria terá um alto nível de competição entre seus
competidores e irá apresentar empresas com desempenho abaixo da média de
mercado.
20
2.1.1.1. Ameaça de Novos Entrantes
Segundo Porter (1980), um novo entrante são as empresas que trazem
para a indústria uma nova capacidade de produção tendo o objetivo principal de
ganhar parcela de mercado utilizando recursos substanciais na competição com
outras empresas. Em geral, a entrada de novos competidores na indústria reduz
a rentabilidade das empresas existentes, isso ocorre porque há um aumento da
oferta de produtos mantendo-se a demanda inalterada, e conseqüentemente,
ocorre uma pressão para a redução dos preços dos produtos na indústria.
A possibilidade da entrada de novas empresas na indústria irá depender
das suas barreiras de entrada. Essas barreiras são características da própria
indústria que podem evitar a entrada de novos competidores.
São seis as fontes de barreiras de entradas:
• Economias de Escala: Quanto maior a capacidade produtiva de
uma empresa maior são as reduções de custos que ela poderá
obter em função do seu tamanho;
• Diferenciação de Produto: Quanto maior a diferenciação dos
produtos das empresas da indústria maior é a dificuldade de uma
nova empresa se diferenciar;
• Necessidade de Capital: Quanto maior a necessidade de capital
para constituir uma nova empresa na indústria, maior será a
barreira de entrada para os novos entrantes;
• Custos de Mudança: A necessidade da nova empresa em
adaptar-se à nova indústria pode ter um custo elevado;
• Acesso aos canais de distribuição: A restrição do acesso aos
canais de distribuição aumenta a dificuldade de uma nova
empresa entrar na indústria;
• Desvantagem de Custo independentemente de Escala: São todos
os custos necessários para um novo entrante independente do
tamanho de sua operação. Como por exemplo, patentes
tecnológicas, concessões governamentais, não ter acesso
favorável às matérias primas, não ter uma localização geográfica
favorável, não ter subsídios ou não ter o aprendizado necessário
para produzir a um custo abaixo da média da indústria;
21
2.1.1.2. Rivalidade entre os Competidores
A grande rivalidade entre os concorrentes da indústria pode afetar o seu
desempenho. A rivalidade entre concorrentes tende a ser inversamente
proporcional ao desempenho. Quanto maior a rivalidade entre as empresas,
maior é o impacto negativo no seu desempenho. Um exemplo clássico para
demonstrar o impacto que a rivalidade pode ter em uma indústria é a guerra de
preços. Na guerra de preços, uma determinada empresa reduz o preço de seu
produto a fim de ganhar participação de mercado, as outras empresas da
indústria, que passaram a ter uma participação de mercado menor, percebendo
a movimentação da empresa que iniciou a redução, também reduzem seus
preços a fim de recuperar a parcela de mercado previamente perdida. Assim, a
empresa que havia inicialmente reduzido o preço pode reduzi-lo novamente,
provocando um ciclo danoso o qual sua conseqüência será a perda sistemática
de rentabilidade para toda a indústria. Caso não haja rivalidade entre as
empresas, a rentabilidade da indústria possivelmente terá um melhor
desempenho do que as demais indústrias. O exemplo extremo de uma indústria,
com mais de uma empresa, sem rivalidade é o cartel onde as diversas empresas
combinam seus preços a fim de manter elevada a rentabilidade da indústria.
Os fatores que provocam a rivalidade na indústria:
• Número excessivo de concorrentes;
• Qualidade dos concorrentes;
• Crescimento lento da indústria;
• Custos fixos elevados;
• Ausência de diferenciação nos produtos;
• Aumento da capacidade ofertada pela indústria;
• Estratégia divergente dos concorrentes;
• Grandes interesses estratégicos;
• Barreiras de saída elevadas
Como existem as fontes de barreiras de entrada para uma indústria, temos
também as fontes de barreiras de saída que são cinco:
22
• Grande especialização dos ativos;
• Custos fixos de saída elevados;
• Inter-relação estratégica;
• Barreiras emocionais;
• Restrições de cunho governamental e social;
2.1.1.3. Ameaça dos Bens Substitutos
A entrada de bens substitutos provoca perda para a indústria porque esses
novos bens podem deixar obsoletos os bens atualmente produzidos pelas
empresas. Assim, quanto mais numerosos e de melhor qualidade forem os bens
substitutos maior será a pressão exercida sobre a indústria para retirar os bens
defasados do mercado e, conseqüentemente, gerar perda de rentabilidade.
2.1.1.4. Poder de Negociação dos Compradores
O poder de negociação dos compradores consiste em sua capacidade de
barganhar e manipular os interesses das empresas da indústria.
Os compradores têm grande poder na negociação e desta forma exercem
uma pressão maior na indústria, caso haja:
• Uma grande concentração das compras exercidas por poucos
compradores;
• O grau de diferenciação de produtos da indústria seja muito baixo;
• Os compradores tenham um baixo custo de mudança;
• Os compradores tenham escala de produção elevada e uma
margem de lucro pequena;
• A ameaça de uma integração para trás eliminando toda ou parte da
dependência do comprador com a indústria;
2.1.1.5. Poder de Negociação dos Fornecedores
Os fornecedores podem exercer pressão na indústria aumentando os
preços dos insumos e / ou reduzindo a qualidade dos bens e serviços
produzidos. Da mesma forma que acontece com o poder de negociação dos
compradores, os fornecedores podem exercer pressão nos compradores caso
haja:
23
• Concentração de insumos da indústria em poder de poucos
fornecedores;
• Não existência de uma ameaça de bens substitutos para a indústria
do fornecedor;
• O fornecedor não depende do comprador por causa do baixo
volume adquirido pelo comprador;
• A existência de alto grau de dependência do insumo para indústria
da empresa compradora;
• Os produtos dos fornecedores são diferenciados;
• Quando existe uma ameaça concreta dos fornecedores fazerem a
integração para frente passando a ser competidor da indústria
compradora de seus produtos;
2.2. Estratégias Competitivas Genéricas
Durante a pesquisa, fizemos o levantamento de três tipologias genéricas:
Porter (1980), Mintzberg (1988) e Miles and Snow (Miles et al, 1978).
2.2.1. Modelo de Porter
Para Porter (1980), existem três estratégias que se adaptam amplamente
para as indústrias existentes.
As estratégias são liderança em custo total, em diferenciação e enfoque.
As duas primeiras têm o foco amplo e procuram abranger todo o mercado da
indústria. A estratégia de enfoque procura restringir a empresa a uma fatia de
mercado da indústria. Essa fatia pode ser por região geográfica, por clientes ou
por qualquer outro tipo de segmentação.
2.2.1.1. Liderança em Custo Total
A estratégia de liderança em custo total consiste na obtenção, por parte da
empresa, de um conjunto de políticas funcionais com o objetivo único de redução
de custos.
24
Essa redução de custo pode ser obtida através de escala, melhoria na
otimização da produção através da curva de experiência, maior controle das
despesas e dos custos, redução de investimentos, etc...
A obtenção desta liderança tornará a empresa líder menos vulnerável às
cinco forças do ambiente. O poder de negociação dos fornecedores será mais
fraco por causa do volume de compras da empresa, conseqüência direta de sua
escala. O poder de negociação dos compradores também será mais fraco que a
média da indústria já que a empresa líder poderá ter o preço mais baixo da
indústria e ainda obter margens significativas.
Apesar da rivalidade da indústria, através da liderança de baixo custo, a
empresa líder poderá manter patamares de lucro significativos mesmo com seus
competidores já tendo consumido seus lucros na competição. As empresas de
liderança de baixo custo impõem barreiras significativas tanto a novos entrantes
quanto aos bens substitutos.
2.2.1.2. Diferenciação
A diferenciação é a estratégia praticada pela empresa que procura
diferenciar produtos e serviços de seus concorrentes.
Nesta estratégia, as cinco forças terão seus efeitos enfraquecidos. Esse
enfraquecimento irá decorrer por causa da lealdade do cliente que dará
preferência de compra à empresa líder em diferenciação. Esta lealdade cria uma
barreira de entrada para novos entrantes e seus bens substitutos.
Com a diferenciação, a empresa pode praticar preços mais elevados do
que a média da indústria e ela terá maior capacidade de negociação com os
fornecedores e também passará a ter maior poder de negociação com os
compradores.
2.2.1.3. Enfoque
A terceira estratégica genérica é a de enfoque. A empresa pode focar a
sua atuação em um segmento de mercado, uma região geográfica ou uma linha
de produto, por exemplo. Com o enfoque, a empresa pode especializar-se em
diferenciação ou em redução de custo, sempre focando em uma fatia de
mercado. O objetivo da empresa é ter um enfoque muito maior que as das
25
demais empresas da indústria obtendo assim um desempenho acima da média
de mercado.
Figura 1. Três estratégias genéricas.
2.2.1.4. Meio Termo
As empresas com capacidade de implementar com sucesso uma das três
estratégias genéricas, em geral, obtêm desempenho acima da média da
indústria. Caso a empresa fracassasse na implementação da estratégia, a
empresa estaria no meio termo entre estratégia planejada e a estratégia
implementada, desta forma ela passa a ter um desempenho inferior às demais
empresas da indústria. Por exemplo, na tentativa de implementar parcialmente a
estratégia de diferenciação, a empresa reestrutura todos os processos, adquiri
novos recursos, faz investimentos para ampliar a produção, ou seja, faz todas as
alterações em seus processos operacionais para atuar em um mercado amplo.
No entanto, essa empresa não consegue atingir esse mercado mais amplo e
passa a atuar em um mercado mais restrito. Desta forma, a empresa após todo o
investimento feito, ela terá um desempenho abaixo do esperado em virtude de
estar atuando em um mercado mais restrito. Provavelmente, essa empresa terá
um desempenho abaixo da média da indústria porque ela estará no meio termo
de duas estratégias: uma de escopo amplo e outro de escopo restrito.
Posição de
Baixo Custo
No âmbito de
toda a Indústria
Unicidade Observada
pelo Cliente
Apenas um
Segmento
Particular
DIFERENCIAÇÃO LIDERANÇA NO
CUSTO TOTAL
ENFOQUE
Fonte: PORTER (1980)
26
Segundo Porter (1980), em algumas indústrias, as empresas de pequeno
porte (concentradas em enfoque) e as de grande porte (concentrados em uma
liderança de custo ou diferenciação) podem obter desempenho melhor do que as
empresas de médio porte, já que essas empresas estão passando por um
momento de transição e como resultado podem desenvolver uma estratégia de
meio termo.
Figura 2. Relação Retorno sobre o Investimento e Parcela de Mercado
Dess e Davis (1984) fizeram um estudo para avaliar se havia suporte
empírico para a presença de grupos estratégicos baseados na tipologia de
Porter (1980). Neste estudo, eles confirmaram a evidência de que, caso a
empresa não tenha uma estratégia de meio termo, as empresas que escolheram
uma das estratégias de sua tipologia obtiveram desempenho superior à média
da indústria.
2.2.2.Tipologia de Miles e Snow
Segundo Miles and Snow (1978), uma organização tem um fim articulado e
os mecanismos necessários para atingir esse fim. Para muitas organizações, o
seu processo de ajuste interno em relação às mudanças ambientais e a
Parcela de
Mercado
Retorno sobre o
Investimento
Fonte: PORTER (1980)
27
incerteza é complexo, envolve decisões e mudanças comportamentais em
grande parte dos níveis da organização.
Dessa forma, Miles and Snow (1978) desenvolveram uma tipologia de
estratégia separando em quatro grupos estratégicos as organizações
pesquisadas. Esses grupos são: defenders, prospectors, analyzers e reactors.
Os três primeiros tipos de estratégia têm uma configuração especifica nos
segmentos de tecnologia, estrutura e processos. Os reactors são um grupo de
empresas que falha no alinhamento da estratégia definida e na implementação
de novas tecnologias, estruturas e processos.
2.2.2.1. Defenders
Segundo Miles and Snow (1978), os defenders buscam um ambiente na
qual uma forma de organização estável é apropriada. Essas organizações
tendem a buscar um ambiente onde a intensidade das cinco forças é fraca.
As empresas, que têm uma estratégia do tipo defenders, têm definido uma
determinada segmentação de mercado, sendo essa do tipo geográfica ou de
público, bem protegida de seus competidores. Com esse intuito, os defenders
fazem investimentos em tecnologia com o intuito de manter uma diferenciação
de custo junto ao seu nicho de mercado. Além dessa característica de
investimento em tecnologia, elas também são propensas a fazer a integração
vertical mantendo ou aumentando a sua eficiência. Dessa forma os defenders,
aumentam a barreira de entrada para novos competidores ou para os bens
substitutos em seu segmento de mercado.
2.2.2.2. Prospectors
As empresas do tipo prospectors respondem ao ambiente de forma oposta
aos defenders. Os prospectors buscam ambientes mais dinâmicos. Eles têm
como principal característica tornar o ambiente mais competitivo através do
lançamento de novos produtos ou explorando oportunidades de mercado. Dessa
forma, os prospectors têm um escopo de atuação mais amplo do que os
defenders e estão continuamente buscando desenvolver-se.
As empresas que tem esse comportamento em relação ao ambiente são
as empresas inovadoras e que geram mudanças nas indústrias.
28
Os prospectors têm grande capacidade de adaptação de sua tecnologia e
na administração capaz de impor a velocidade necessária para as mudanças.
Caso a empresa não seja capaz de mudar com a velocidade desejada,
provavelmente a empresa perderá oportunidades no mercado.
Shortell and Zajac (1990), desenvolveram um estudo empírico sobre os
hospitais americanos com o intuito de validar a tipologia de Miles and Snow.
Segundo os autores, os prospectors dão mais ênfase no desenvolvimento de
novos produtos e na busca de novos mercados, assim como em desenvolver
maior diversificação de seus serviços elevando a qualidade.
2.2.2.3. Analyzers
As empresas analizers são uma combinação dos pontos fortes da
estratégia dos defenders e dos prospectors. Por exemplo, no caso do surgimento
de uma nova oportunidade, a postura de um defender seria não fazê-lo, já o
prospector iria lançar rapidamente esse produto e no caso do analyzer só
haveria a possibilidade do lançamento de um novo produto em um novo
mercado caso houvesse viabilidade para isso.
Uma pergunta que define bem as empresas analyzers é: “Como localizar e
explorar uma oportunidade de lançamento de um novo produto ou um novo
mercado enquanto mantemos os principais produtos e os tradicionais clientes”.
Essas empresas buscam minimizar o risco do empreendimento enquanto que
tentam maximizar a oportunidade de lucro.
A estratégia dos analyzers é de difícil aplicação, principalmente em
indústrias com características de rápido crescimento de mercado e com grandes
mudanças tecnológicas.
A grande questão das empresas do tipo analyzer é como desenvolver
novos mercados e produtos sem afetar os produtos rentáveis da empresa.
2.2.2.4. Reactors
Segundo Miles and Snow (1978), os reactors são as organizações que
tentaram implementar uma das estratégicas genéricas citadas anteriormente e
não foram bem sucedidas. A organização não foi capaz de alinhar sua
tecnologia, se estruturar internamente e criar processos de acordo com o
ambiente e com a estratégia pretendida. Em função desse desalinhamento,
29
essas empresas tendem a apresentar um desempenho inferior as demais
empresas da indústria.
2.2.3. Modelo de Mintzberg
Assim como a tipologia de Porter segue a escola do posicionamento,
Mintzberg (1988) desenvolveu uma tipologia que aumenta o poder explanatório
em relação à tipologia de Porter. Mintzberg (1988) define as estratégias das
empresas em sua tipologia de acordo com o grau de diferenciação que elas tem
em relação à concorrência, desta forma, ele sugeriu uma tipologia contendo seis
estratégias distintas: Diferenciação por preço, diferenciação por imagem,
diferenciação por suporte, diferenciação por qualidade, diferenciação por design
e sem diferenciação. Em virtude do aumento do número de tipos, a tipologia de
Mintzberg (1988) aumenta a complexidade e diminui a parcimônia em relação à
tipologia de Porter (1980).
A fim de melhor explicar o que significa cada tipo de diferenciação, iremos
detalhar cada uma dos seis estratégias da tipologia de Mintzbeg.
2.2.3.1. Diferenciação por Preço
Para Mintzberg (1988), a escola posicionamento identifica uma estratégia
como a posição adotada pela indústria dentro de seu mercado. Por exemplo, a
diferenciação por preço será a estratégia da empresa caso ela pratique os
preços de seus produtos abaixo da média de mercado, essa tipologia é análoga
à liderança por baixo custo de Porter (1980). Mintzberg (1988) critica a liderança
por baixo custo porque Porter (1980) classifica o baixo custo como estratégia, no
entanto,. a redução de custos é uma estratégia funcional da empresa e não uma
estratégia de posicionamento. A redução do custo promove a possibilidade da
empresa de adotar a estratégia de diferenciação por preço.
A estratégia de diferenciação por preço é a utilização de preços de
produtos mais baratos do que os da concorrência a fim de conquistar fatia de
mercado. A empresa que adotar essa estratégia deve ter uma diferenciação de
custo, caso contrário a empresa terá problemas de rentabilidade no longo prazo.
30
2.2.3.2. Diferenciação por Imagem
A estratégia de diferenciação por imagem é a criação, no público em geral,
de uma percepção diferenciada do seu produto em relação ao da concorrência.
Dessa forma, a empresa pode posicionar o seu produto como o de melhor
qualidade, mesmo que tecnicamente o seu produto seja igual aos demais
produtos da indústria.
2.2.3.3. Diferenciação por Suporte
Neste caso, Mintzberg (1988) sugere que empresas com uma estratégia
de diferenciação por suporte são aqueles que se diferenciam de seus
concorrentes através da excelência de seus serviços na pré-venda e no pós-
venda. Assim, uma empresa, quando investe muitos recursos buscando
excelência em serviços de pré-venda e pós-venda, pode superar seus
concorrentes e obter uma vantagem competitiva.
2.2.3.4. Diferenciação por Qualidade
A diferenciação por qualidade é uma estratégia de uma empresa com o
objetivo de ter produtos com características superiores aos produtos da
concorrência. Mintzberg (1988) enumera três características:
• Maior Confiabilidade;
• Maior Durabilidade;
• Desempenho Superior;
Esse tipo de diferenciação pode-se confundir com a imagem do produto
quando a empresa já tem por parte do consumidor uma percepção de qualidade
muito forte. Esse tipo de influência aparece no curto prazo, porém se o produto
não tiver as três características citadas acima ele terá sua credibilidade abalada.
Por outro lado, a junção dos dois fatores: qualidade e imagem, tornam o produto
no longo prazo uma grande vantagem competitiva para a empresa.
31
2.2.3.5. Diferenciação por Design
A diferenciação por design é a estratégia da empresa em ter produtos com
características únicas de formato e funcionalidade em relação aos demais
produtos da concorrência.
Uma empresa que utilize a diferenciação por design como estratégia,
deveria desenvolver modificações e variações no seu design a fim de promover
novas atualizações funcionais permitindo no longo prazo a manutenção da
vantagem competitiva.
2.2.3.6. Sem Diferenciação
Quando Mintzberg (1988) propôs a sua tipologia, ele definiu cinco grandes
tipos de estratégias de diferenciação distintas. A tipologia de Mintzberg (1988)
apresenta um sexto tipo de estratégia que é sem diferenciação. A empresa que
adotar essa estratégia passa a não ter nenhuma diferenciação em relação aos
seus concorrentes. A empresa adotará esse tipo de estratégia copiando produtos
e processos a fim de obter o mesmo grau de eficiência que sua concorrente.
Essa estratégia não levará a empresa a obter uma vantagem competitiva em
relação aos seus concorrentes e, provavelmente, não terá o melhor desempenho
da indústria.
Estudos empíricos foram feitos com o objetivo de testar a tipologia de
Mintzberg (1988) e a tipologia de Porter (1980) para saber qual é a tipologia mais
apropriada para as empresas atuais.
Um desses estudos foi desenvolvido por Kotha e Vadlamani (1995),
estudando uma amostra de indústrias com o objetivo de saber se é mais valioso
a simplicidade da tipologia de Porter (1980) ou o grande poder explanatório da
tipologia de Mintzberg (1988). Kotha e Vadlamani (1995) concluíram que a
tipologia de Mintzberg (1980) consegue melhor explicar as estratégias atuais em
relação à tipologia de Porter (1980) devido ao maior número de tipos de
estratégias de sua tipologia. Ele sugere que esse fato ocorre por causa das
mudanças nos ambientes empresariais causadas pelo aumento da
competitividade global e pela introdução de mudanças tecnológicas na indústria.
2.3. Desempenho
A melhoria contínua do desempenho é sempre o objetivo final das
empresas. Esse tema, apesar de ter uma definição aparentemente simples,
32
possui grande complexidade. A pergunta: “O que é desempenho?” tem inúmeras
respostas. Para Barney (1996), a organização reúne uma série de ativos que
juntos tem a capacidade de gerar uma vantagem econômica para o acionista.
Essa vantagem gera um resultado que não seria capaz de ser gerado através de
outras alternativas de investimento. Assim, o desempenho organizacional é
definido como o resultado da reunião de ativos capazes de exceder o retorno
esperado pelos acionistas. Para Chakravarthy (1986), empresas que apresentam
excelência no desempenho são aquelas capazes de apresentarem maior
qualidade de adaptação ao ambiente em que atuam.
Como o estudo não tem o objetivo de medir a expectativa do acionista,
mas o desempenho da empresa em relação à indústria, usaremos variáveis
financeiras para medir o desempenho.
Segundo Chakravarthy (1986), apenas uma variável para uso no estudo do
desempenho não é indicada. A mensuração do desempenho da empresa precisa
ser feita em caráter multidimensional. Assim selecionamos o retorno sobre o
patrimônio líquido, receita e retorno sobre ativos como variáveis a serem
utilizadas para medirmos o desempenho das empresas de capital aberto. Esses
indicadores também foram utilizados nos trabalhos de Cohen (2004), Nogueira
(1998); Miles e Snow et al (1993).
2.4. Tipologia Adotada
Optamos por adotar a tipologia de Porter (1980), porque ela é uma
tipologia mais parcimoniosa do que as demais tipologias estudadas neste
trabalho e possui um bom poder explanatório. Essa é uma das principais
qualidades dessa tipologia em relação às demais porque permite uma explicação
bem adequada do fenômeno observado sem haver a necessidade de adotarmos
uma abordagem complexa.
Como utilizamos na pesquisa dados secundários oriundos da publicação
de balanços, esses dados têm melhor aderência quando utilizamos a tipologia de
Porter (1980). As demais tipologias necessitariam a formulação de um
questionário com perguntas específicas para descrevermos os tipos de
diferenciação do modelo de Mintzberg (1988) e os tipos de classificação das
empresas de acordo com a tipologia de Miles and Snow (1978).
Por último, os trabalhos pesquisados continham painéis de especialistas
baseados no modelo de Porter (1980), como precisaremos utilizar esses painéis
33
de especialistas em nossa pesquisa foi necessário manter a consistência dos
modelos entre esta pesquisa e as demais.
34
3. PESQUISA
Esse capítulo tem o objetivo de definir o tipo da pesquisa, descrever os
meios de investigação utilizados, definir o tipo de universo e a amostra que
melhor se molda à pesquisa. Esse capítulo também irá definir as possíveis
limitações em função do método escolhido.
3.1.Tipo de Pesquisa
De acordo com Remenyi et al (1998), esta pesquisa tem uma abordagem
positivista e uma metodologia empírica porque a pesquisa tem o objetivo de
provar, através de evidências, a existência de uma generalização da relação
entre posicionamento e desempenho. Sob o aspecto temporal, Remenyi et al
(1998) divide a pesquisa em dois tipos: longitudinal e transversal. A do tipo
longitudinal é uma pesquisa que estuda o fenômeno por um período de tempo
substancial e o pesquisador estuda as mudanças no fenômeno provocadas pelo
tempo. A do tipo transversal é uma pesquisa que estuda o fenômeno em um
determinado momento, é como se a pesquisa analisasse uma “foto” do
fenômeno naquele instante. No caso desta pesquisa, estaremos analisando as
empresas dos principais setores econômicos do mercado de capitais brasileiro
no ano de 2004 e os possíveis relacionamentos que podem existir, logo
estaremos analisando as empresas de forma transversal.
Como analisamos os dados secundários das empresas, observamos as
empresas de forma passiva, sem haver nenhuma influência do pesquisador no
processo de análise.
O meio de investigação documental foi feito através da utilização dos
balanços das empresas de capital aberto que é de domínio público. As empresas
têm obrigação em divulgar seus balanços junto a Comissão de Valores
Mobiliários, autarquia federal responsável pela regulamentação do mercado de
capitais.
O meio de investigação bibliográfico consiste no levantamento de inúmeros
trabalhos internacionais e pesquisas em livros acadêmicos. Esses trabalhos
foram base de todo o referencial teórico.
35
3.2.População e Amostra
A população da pesquisa foi o mercado bursátil brasileiro, que em 2004
teve 368 empresas que publicaram balanços em pelo menos em um de seus
quatro trimestres. A população é composta pelas indústrias de diversos setores
entre eles: petróleo, energia elétrica, minérios, petroquímica, motores,
construção civil, bancos, seguros, etc... . A representatividade dessas empresas
na economia brasileira é relevante, já que a soma da receita do ano de 2004 de
todas as empresas é de 825,5 bilhões de reais.
De acordo com Remenyi et al (1998), a amostra pesquisada foi agrupada
por segmento econômico das empresas. A seleção dos grupos econômicos foi
feita de acordo com o julgamento do pesquisador, desta forma o critério de
seleção dos grupos foi não probabilístico. O julgamento do pesquisador foi de
acordo com o grau de similaridade das estratégias financeiras entre os setores e
o volume de empresas em cada setor.
A base de dados utilizada para captarmos a informação é a Economática,
utilizada pela PUC-RJ. Essa base de dados contém informações de empresas
de vários países. Selecionamos apenas empresas brasileiras que apresentam
balanços atualizados em 2004.
3.3. Coleta de Dados
Foram coletados os dados de 368 empresas brasileiras que tinham
publicação de seus balanços atualizados em 2004, dessas empresas retiramos
as que não tinham presença no mercado de capitais, ou seja, durante o ano de
2004 não tiveram negociação. O total de empresas que não tiveram presença
em bolsa foi de 69 empresas que representa 18,8% do total.
Os dados financeiros podem ser do tipo relativo ou absoluto e são
compostos das demonstrações financeiras das empresas. Esses dados
descrevem informações do tipo: o perfil da dívida da empresa, qual é a eficiência
operacional e eficiência financeira e qual é o volume de financiamento junto aos
seus credores.
Os dados de balanço foram informados pela empresa em seu balanço
trimestral, por exemplo: ativo, passivo, receita operacional, e outros.
36
3.4.Fonte de Dados
A coleta de dados foi feita através de um programa licenciado para a
Pontifica Universidade Católica do Rio de Janeiro, chamado de Economática,
que possui todo o histórico dos balanços, cotações diárias, indicadores
financeiros de empresas de diversas partes do mundo, entre eles Brasil, Estados
Unidos e México.
Essa ferramenta facilitou o trabalho já que concentra as informações
financeiras e de mercado de todas as empresas de capital aberto no Brasil. Isso
reduziu o tempo gasto para conseguir as informações que de outra forma seria
muito mais trabalhoso.
Apesar da qualidade de concentrar as informações das empresas de
capital aberto, essa ferramenta tem limitações de tamanho e formato para a
extração das informações o que exigiu esforço para padronizar os dados.
3.5.Seleção das Variáveis
O banco de dados Economática possui uma centena de variáveis
financeiras distintas que poderiam ser utilizadas para analisarmos as estratégias
financeiras das empresas. Em Nogueira (1998), foi feita a separação de algumas
variáveis que foram consideradas como estratégicas por especialistas desta
forma selecionamos as mesmas variáveis definidas por Nogueira e ainda
selecionamos algumas outras que podem nos ajudar a entender melhor o
desempenho das empresas estudadas. Segue abaixo a relação das variáveis
selecionadas:
• Nome da Empresa
• Rentabilidade sobre o ativo
• Rentabilidade sobre o patrimônio líquido
• Alavancagem financeira
• Alavancagem operacional
• Ativo permanente
• Ativo imobilizado
• Receita líquida operacional
• Gastos com pessoal
• Passivo circulante
• Custo dos produtos vendidos
38
• Transformação em variáveis tipo z-score;
• Técnica de análise fatorial a fim de reduzir o espaço estratégico;
• A definição das empresas em grupos estratégicos foi feita através
da técnica chamada k-means cluster utilizando-se matrizes de
centróide iniciais definidas através de painel de especialistas;
• Foram testadas as matrizes finais e iniciais de cada grupo
estratégico através do teste de Wilcoxson signed rank a fim de
testar se as matrizes geradas pelo modelo são iguais as matrizes
geradas pelos especialistas;
• Foram gerados testes de análise multivariada a fim de avaliarmos
se havia diferença significativa entre os resultados de cada variável
estratégica financeira e os grupos estratégicos. Assim como foram
testados quais os grupos apresentavam o melhor desempenho;
• Por último, geramos modelos de regressão múltipla a fim de avaliar
se à distância da empresa ao centróide é inversamente
proporcional ao desempenho da empresa.
Das técnicas estatísticas selecionadas, a técnica menos robusta é a
Manova. Segundo Hair et al (1998), essa técnica tem três premissas
importantes: Independência entre as observações, Normalidade das variáveis e
a equivalência da matriz de covariância entre os grupos. Essa última premissa é
análoga ao problema de heterocedasticidade na técnica de regressão múltipla.
Estipulamos a significância estatística de 5% para quase todos os testes. A
exceção foi o teste de normalidade onde foi pré-estabelecido um nível de
significância de 1%. As empresas que não tinham informações disponíveis na
base foram excluídas através do critério listwise do próprio software utilizado.
3.8. Limitações do Método
A metodologia aplicada neste estudo, apesar de ter aderência aos
objetivos propostos, apresentou limitações na obtenção e no tratamento dos
dados.
As informações obtidas representam as informações oficiais das
empresas, apesar disto elas podem não refletir a total realidade do desempenho
da empresa já que os balanços das empresas de capital aberto são feitos com
base na legislação societária. As informações precisas para o estudo seria a
39
utilização dos dados da contabilidade gerencial que demonstram precisamente o
desempenho da empresa.
Segundo Chakravarthy (1986), as medidas do desempenho baseados em
dados contábeis são limitados por cinco motivos. São eles :
• Passível de manipulação contábil;
• Ativos subavaliados;
• Distorções em função de política de depreciação, avaliação de
estoques, alocação de receita e despesas;
• Diferentes métodos de consolidação das contas contábeis;
• Diferenças em função da falta de padronização de convenção
contábeis internacionais;
Apesar de estudarmos apenas as empresas brasileiras, a falta de um
padrão contábil internacional influencia na limitação do estudo em função de
empresas brasileiras que possuem subsidiárias em outros países.
Apesar da abrangência do estudo ser as principais empresas de capital
aberto no Brasil, o volume de empresas pesquisadas ainda é muito limitado
comparando-se com o tamanho do parque industrial nacional.
Após o tratamento e análise da base de dados, mostraremos os resultados
obtidos para responder as perguntas previamente formuladas e quais as
conclusões obtidas.
40
4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS
Nesta seção estaremos mostrando os resultados obtidos através das
diversas técnicas univariada e multivariada. As técnicas efetuadas foram as
análises descritivas, os testes de normalidade, as análises fatoriais para a
redução do espaço estratégico, a confecção das matrizes de centróide inicial
com base em painel de especialistas, análise de cluster para definir quais as
empresas seriam alocadas em quais grupos, teste de Wilcoxson a fim de
confirmar a semelhança entre as matrizes de clusters teóricas e matrizes
resultantes de cada indústria, análise multivariada com o objetivo de analisar a
relação de dependência entre os grupos estratégicos, estratégias financeiras e o
desempenho, por último, uma análise da relação entre o posicionamento da
empresa dentro do grupo estratégico com o seu desempenho.
Fizemos a redução do espaço estratégico e também poderíamos ter feito a
redução das variáveis de desempenho. Não optamos por essa alternativa porque
durante a redução das variáveis de desempenho, observamos que para os
setores analisados haveria um diferente número de variáveis de desempenho.
Como temos o objetivo de comparar o desempenho entre os setores econômicos
estudados, descartamos esse procedimento.
Iremos analisar quatro indústrias: setor energia elétrica, setor têxtil, setor
de siderurgia e mineração e o setor de telecomunicações. Na tabela 4.1,
mostramos a descrição dos setores econômicos eileirocos
41
Tabela 4.1 - Setores Econômicos
Setor Econômico Empresas % do Total Receita(em mil reais)
% do TotalOutros 66 17,9% 42.257.037 5,1%Energia Elétrica 41 11,1% 110.962.635 13,4%Siderur & Metalur 33 9,0% 91.966.550 11,1%Finanças e Seguros 31 8,4% 114.516.803 13,9%Textil 28 7,6% 12.426.925 1,5%Telecomunicações 26 7,1% 97.449.138 11,8%Química 20 5,4% 41.916.904 5,1%Alimentos e Beb 20 5,4% 30.722.258 3,7%Veiculos e peças 19 5,2% 20.090.948 2,4%Comércio 16 4,3% 23.446.462 2,8%Construção 16 4,3% 1.853.400 0,2%Transporte Serviç 12 3,3% 19.952.988 2,4%Petróleo e Gas 8 2,2% 152.057.819 18,4%Papel e Celulose 8 2,2% 14.608.277 1,8%Eletroeletrônicos 7 1,9% 13.137.888 1,6%Máquinas Indust 5 1,4% 5.052.193 0,6%Minerais não Met 4 1,1% 1.049.353 0,1%Mineração 3 0,8% 31.396.899 3,8%Agro e Pesca 3 0,8% 120.414 0,0%Software e Dados 2 0,5% 554.251 0,1%Total 368 100,0% 825.539.142 100,0%
As indústrias analisadas neste trabalho representam 37,8% da receita das
empresas de capital aberto e representam 34,8% do total do número de
empresas. Escolhemos quatro dos cincos maiores setores econômicos em
números de empresas a fim de evitar problemas de tamanho da amostra.
Excluímos o setor de finanças e seguros porque esse setor tem estratégias
financeiras completamente distintas dos demais setores. Isso impossibilitaria
fazer comparações entre o setor financeiro e segurador com os demais setores.
Tentaremos provar qual é o grupo estratégico que tem o melhor
desempenho e se o posicionamento das empresas em seu grupo estratégico é
fator relevante para atingir um desempenho acima da média da indústria.
4.1. Energia Elétrica
Esse setor tem 41 indústrias listadas no Bovespa e é responsável pela
geração, distribuição e transmissão de energia elétrica. Apenas esse setor
representa 11,1% das empresas e 13,4% da receita do mercado bursátil
brasileiro. Do total de empresas do setor, 11 empresas foram excluídas por
42
causa da falta de dados. A exclusão foi feita utilizando-se o método listwise do
próprio software SPSS e reduzimos a amostra para 30 empresas.
4.1.1.Testes de Normalidade
Todas as variáveis estudadas foram testadas a fim de sabermos se elas
possuem distribuição normal. Assim, fizemos o seguinte teste de hipótese:
H0 : Distribuição Normal
H1 : Distribuição é diferente de Normal
Para isso utilizamos os testes de Kolmogorov-Smirnov e Shapiro-WIlk em
todas as variáveis a um nível de significância de 0,05. Caso a significância do
teste seja inferior a 0,05, rejeitaremos a hipótese nula, ou seja, as variáveis não
têm distribuição normal. De acordo com Hair et al (1998), para atingirmos a
normalidade das variáveis com distribuição assimétrica positiva devemos
transformar as variáveis utilizando-se o logaritmo. Tabela 4.1.1.1– Análise Descritiva
N Minimum Maximum MeanDescriptive Statistics Statistic Statistic Statistic Statistic
RentAtivo 41 -5,70 12,50 2,66RentPatrimonio 39 -121,30 72,20 9,11AlavancagemFinanceira 41 -48,90 12,60 -0,02AlavancagemOperacional 4 1,40 3,40 2,00Luc_Op_EBIT 41 -1130,00 6905471,00 602671,71CapGir 41 -2104683,00 1778556,00 -109078,61CicFin 4 0,00 67,00 34,53LNPermamente 41 10,79 18,24 14,43LNImobilizado 41 4,06 18,19 14,14LNReceita 40 9,91 16,81 14,31LNPassivoCirculante 41 10,96 16,13 13,63LNCPV 37 9,32 15,67 13,77LNDesAdm 35 7,03 16,38 11,68LNLuc_Op_EBIT 41 -1130,00 6905471,00 602671,71LNAtvCir 41 11,35 16,29 13,58LNRealLP 41 0,00 16,99 13,21LNExigLP 41 0,00 17,47 13,97LNPatrim_Liq 39 11,50 18,06 13,69LNDivida 41 9,66 17,28 13,80LNPmFor 40 0,00 3,98 0,29LNPmCl 40 0,00 4,78 0,34Valid N (listwise) 3
43
As variáveis alavancagem operacional, ciclo financeiro, prazo médio de
pagamento aos fornecedores e prazo médio de recebimento dos clientes foram
excluídas da análise em função do baixo número de empresas com informações
válidas.
Aplicamos a função logaritmo e, logo após, os testes de normalidade
gerando os resultados ilustrados na tabela 4.1.1.2.
Tabela 4.1.1.2 – Teste de Normalidade
Statistic df Sig. Statistic df Sig.
RentAtivo 0,15 30 0,08 0,96 30 0,32RentPatrimonio 0,22 30 0,00 0,80 30 0,00AlavancagemFinanceira 0,30 30 0,00 0,70 30 0,00Luc_Op_EBIT 0,23 30 0,00 0,83 30 0,00CapGir 0,22 30 0,00 0,72 30 0,00LNPermamente 0,13 30 0,17 0,92 30 0,02LNImobilizado 0,18 30 0,02 0,86 30 0,00LNReceita 0,17 30 0,02 0,86 30 0,00LNPassivoCirculante 0,08 30 0,20 0,98 30 0,72LNCPV 0,17 30 0,03 0,87 30 0,00LNDesAdm 0,14 30 0,17 0,95 30 0,16LNLuc_Op_EBIT 0,23 30 0,00 0,83 30 0,00LNAtvCir 0,09 30 0,20 0,98 30 0,84LNRealLP 0,11 30 0,20 0,97 30 0,50LNExigLP 0,14 30 0,15 0,94 30 0,08LNPatrim_Liq 0,08 30 0,20 0,98 30 0,91LNDivida 0,09 30 0,20 0,94 30 0,12
Shapiro-WilkKolmogorov-Smirnov
As variáveis lucro operacional (LNLuc_OP_Ebit), rentabilidade sobre o
patrimônio líquido (RentPatrimonio), alavancagem financeira e capital de giro
(CapGir) foram excluídas da análise por elas terem um nível de significância
abaixo de 1% nos dois testes.
Com o intuito de facilitar a montagem da matriz de centróides convertemos
as variáveis a serem utilizadas no modelo score z.
4.1.2. Redução do Espaço Estratégico
Antes de efetuar a redução do espaço estratégico, fizemos uma análise de
correlação de Pearson entre as variáveis estudadas.
44
Tabela 4.1.2.1 - Coeficiente de Pearson para as variáveis estratégicas
LNPermamente LNImobilizado LNPassivoCirculante LNCPV LNDesAdm LNAtvCir LNRealLP LNExigLP LNPatrim_Liq LNDivida
LNPermamente 1,00 0,98 0,65 0,71 0,61 0,63 0,49 0,87 0,60 0,68 LNImobilizado 0,98 1,00 0,62 0,75 0,62 0,60 0,47 0,84 0,56 0,61 LNPassivoCirculante 0,65 0,62 1,00 0,78 0,78 0,93 0,81 0,83 0,26 0,74 LNCPV 0,71 0,75 0,78 1,00 0,79 0,83 0,73 0,77 0,40 0,50 LNDesAdm 0,61 0,62 0,78 0,79 1,00 0,73 0,72 0,78 0,13 0,59 LNAtvCir 0,63 0,60 0,93 0,83 0,73 1,00 0,80 0,82 0,35 0,72 LNRealLP 0,49 0,47 0,81 0,73 0,72 0,80 1,00 0,72 0,33 0,55 LNExigLP 0,87 0,84 0,83 0,77 0,78 0,82 0,72 1,00 0,40 0,80 LNPatrim_Liq 0,60 0,56 0,26 0,40 0,13 0,35 0,33 0,40 1,00 0,38 LNDivida 0,68 0,61 0,74 0,50 0,59 0,72 0,55 0,80 0,38 1,00 LNPermamente 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 LNImobilizado 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 LNPassivoCirculante 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,08 0,00 LNCPV 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 LNDesAdm 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,25 0,00 LNAtvCir 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,03 0,00 LNRealLP 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,04 0,00 LNExigLP 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02 0,00 LNPatrim_Liq 0,00 0,00 0,08 0,02 0,25 0,03 0,04 0,02 0,02 LNDivida 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,02
Cor
rela
tion
Sig
. (1-
taile
d)
Nota-se na tabela 4.1.2.1 que existe uma forte correlação entre as
variáveis ativo e passivo circulantes. Essas variáveis representam bens e direitos
e as obrigações de curto prazo das empresas. O interessante é termos uma forte
correlação entre passivo circulante e no realizável a longo prazo. Isto é um
indicativo da dificuldade que as empresas de energia elétrica estavam passando
em 2004 com o aumento do endividamento de curto prazo e a falta de recursos
de curto prazo para honrar esses compromissos.
Após análise de correlação de Pearson, efetuamos a redução do espaço
estratégico das 10 variáveis analisadas para o total de 4 fatores que explicam
93,9% da variância.
Tabela 4.1.2.2 - Medida de Adequação da Amostra e Teste de Bartlett
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,81 Bartlett's Test of Sphericity Approx. Ch 380,56
df 45,00 Sig. 0,00
De acordo com Hair et al (1998), a estatística de adequação da amostra
deve ter ser superior a 0,5 para o procedimento de redução do espaço
estratégico seja válido. De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
45
Logo, para indicar correlação entre as matrizes de covariância devemos
rejeitar a hipótese nula: H0 : Σ* = α2 I. Como o teste de significância foi inferior a
1%, a hipótese nula foi rejeitada.
Tabela 4.1.2.3 – Auto-Valor dos Fatores
Component
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %1 6,98 69,82 69,82 6,98 69,82 69,82 3,82 38,17 38,17 2 1,23 12,25 82,06 1,23 12,25 82,06 2,73 27,25 65,42 3 0,62 6,16 88,23 0,62 6,16 88,23 1,62 16,17 81,59 4 0,56 5,64 93,87 0,56 5,64 93,87 1,23 12,28 93,87 5 0,23 2,33 96,19 6 0,18 1,82 98,01 7 0,09 0,89 98,90 8 0,07 0,71 99,61 9 0,03 0,29 99,91 10 0,01 0,10 100,00
Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Em Hair et al (1998), pelo critério de autovalores poderíamos ter feito a
escolha de 2 fatores como sendo o número ideal de fatores a ser utilizado já que
o auto-valor é maior que 1, porém optamos por 4 fatores já que teríamos um
ganho que foi considerado relevante para o poder explanatório do modelo. Um
outro indicativo do ganho de 4 fatores é o autovalor demonstrado na seção de
cargas com rotação ortogonal da tabela 4.1.2.3 que chega a 1,23.
Utilizamos a matriz com rotação, utilizando o método Varimax, para
agruparmos as variáveis que estão mais perto umas das outras no plano
ortogonal. Esse método irá facilitar a análise de cada variável e seu respectivo
fator assim como nomear os 4 fatores utilizados na análise.
Tabela 4.1.2.4 - Matriz de Fatores com Rotação
1 2 3 4
LNPermamente 0,27 0,83 0,34 0,32 LNImobilizado 0,29 0,87 0,23 0,29 LNPassivoCirculante 0,79 0,30 0,47 0,04 LNCPV 0,78 0,55 0,01 0,17 LNDesAdm 0,74 0,50 0,20 (0,18) LNAtvCir 0,80 0,26 0,42 0,16 LNRealLP 0,89 0,10 0,21 0,21 LNExigLP 0,56 0,61 0,49 0,12 LNPatrim_Liq 0,11 0,29 0,12 0,93 LNDivida 0,35 0,32 0,85 0,15
Component
46
O primeiro fator tem como principais variáveis: passivo circulante
(LNPassivoCirculante), custo dos produtos vendidos (LNCPV), despesas
administrativas (LNDesAdm), ativo circulante (LNAtvCirc), realizável no longo
prazo (LNRealLP). Essas variáveis são forte indício de eficiência operacional da
empresa, ou seja, caso a empresa otimize a utilização de seus recursos de curto
e médio prazo ela tende a ter um melhor desempenho operacional do que as
demais empresas da indústria. Por isso, chamamos esse fator de Eficiência
Operacional.
O segundo fator tem como as principais variáveis: ativo permanente
(LNPermamente), ativo imobilizado (LNImobilizado), e exigível no longo prazo
(LNExigLP), essas três variáveis dão indicação do tamanho da empresa. O
tamanho do imobilizado da empresa é fundamental para analisar qual é o seu
porte dentro da indústria de energia elétrica, por isso chamamos esse fator de
Imobilizado.
O terceiro fator é composto pela dívida total bruta (LNDivida). Essa variável
indica o grau de endividamento da empresa.
O quarto e último fator analisado no modelo é o patrimônio líquido
(LNPatrim_Liq) que nos indica os recursos aportados pelos acionistas. Iremos
chamar esse fator de Patrimônio Líquido.
Além de gerarmos as matrizes de autovalores, a matriz de fatores com
rotação utilizando o método varimax, e dar nomes que pudessem explicar o
conteúdo de cada fator, geramos scores de cada um deles utilizando modelos de
regressão que explicam bem a variância de cada uma das variáveis utilizadas no
estudo.
Tabela 4.1.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço Estratégico
47
O mesmo procedimento feito para o espaço estratégico poderia ter sido
feito para as variáveis de desempenho. Não optamos pela redução das variáveis
de desempenho porque não foram satisfatórios os resultados obtidos para os
diversos setores estudados. Como temos o objetivo de comparar o desempenho
entre os setores econômicos, então optamos por não efetuar a redução das
variáveis de desempenho.
A seguir iremos utilizar os fatores definidos na redução do espaço
estratégico a fim de agrupar as empresas analisadas nos seus grupos
estratégicos correspondentes.
4.1.3. Análise de Cluster das Empresas
Com o intuito de identificar os grupos estratégicos existentes das
empresas de energia elétrica que tem capital aberto, utilizamos o método de
análise de cluster, especificamente o procedimento de cluster k-means, que
permitirá a classificação das diversas empresas, agrupando-as nos grupos onde
suas estratégias são similares. A caracterização da empresa em determinado
grupo estratégico será definida de acordo com os fatores encontrados na
redução do espaço estratégico que vimos na seção anterior.
De acordo com Hair et al (1998), o procedimento k-means, é um
procedimento de segmentação não hierárquico que agrupa empresas com
estratégias financeiras semelhantes e afasta as empresas com estratégias
financeiras distintas. Esse procedimento requer de uma pré-definição do número
de segmentos a serem utilizados ao invés do próprio algoritmo de segmentação
definir o número de grupos encontrados. Estaremos utilizando esse método
porque temos definidos previamente os cinco grupos estratégicos de Porter
(1980) que são liderança de baixo custo, diferenciação, foco em baixo custo,
foco em diferenciação e meio termo. O procedimento de segmentação calcula a
menor distância euclidiana entre as empresas e o centro de seu grupo
estratégico a fim de definir as empresas que compõem determinado grupo e ao
mesmo tempo calcula a distância máxima entre os centros dos grupos
estratégicos a fim de caracterizar bem os grupos estratégicos.
O principal problema do método de segmentação não hierarquizada é a
necessidade de definirmos inicialmente os centros de cada grupo estratégico.
Foi necessário efetuarmos pesquisas para descobrirmos painéis de especialistas
que pudesse nos auxiliar a definir qual estratégia financeira é a mais relevante
48
para determinado grupo estratégico. Obtemos duas fontes de informação: uma
do artigo de Dess & Davis (1984) e outra do artigo de Cavalcanti (1997).
Utilizamos ambos os artigos para montarmos a matriz com os centróides de
cada grupo estratégico.
Sabendo-se que a letra A da matriz de opinião dos especialistas
representa que a empresa tem a estratégia financeira no terceiro quartil em
relação às demais empresas da indústria. A letra B representa o primeiro quartil
enquanto que os itens em branco representam a mediana.
Tabela 4.1.3.1 – Matriz de Especialistas
Estratégicas Liderança por Baixo Custo
Liderança porDiferenciação
Enfoque em Baixo Custo
Enfoque em Diferenciação Meio Termo
Eficiência Operacional AImobilizado ADívida Bruta A BPatrimônio Líquido B A A
Segundo o painel de especialista em Cavalcanti (1997), para uma empresa
ser classificada como liderança por baixo custo é alta a necessidade de a
empresa ter uma estratégia de eficiência operacional, assim como ter alta
intensidade no volume de investimentos. Também para Cavalcanti (1997), o uso
de financiamento é importante para a empresa ser classificada como liderança
por diferenciação.
Segundo Dess & Davis (1984) assim como Cavalcanti (1997), uma
empresa para ser classificada como liderança em baixo custo precisa ter
eficiência operacional. Também segundo Dess & Davis (1984), empresas no
grupo estratégico de enfoque por baixo custo e diferenciação reduzem a
importância do uso de financiamento como estratégia financeira. De forma
inversa ao financiamento de terceiros, associei um grau de relevância maior do
capital próprio para os grupos estratégicos em enfoque e um menor grau de
relevância liderança por diferenciação.
Utilizando a matriz com a opinião dos especialistas e a análise descritiva
dos fatores estratégicos, tabela 4.1.3.2, podemos criar a matriz inicial de
centróides que pode ser visualizada na tabela 4.1.3.3.
49
Tabela 4.1.3.2 - Análise Descritiva das Variáveis Estratégicas
Eficiência Operacional Imobilizado Dívida
BrutaPatrimônio
LíquidoMedian 0,29 0,28 0,11 0,18Percentiles 25 -0,54 -0,21 -0,59 -0,60
75 0,72 0,45 0,76 0,74
Statistics
Tabela 4.1.3.3 – Matriz de Centróides Inicial
ESTRATÉGIA /GRUPO ESTRATÉGICO
Eficiência Operacional Imobilizado Dívida Bruta Patrimônio
LíquidoLIDERANÇA POR BAIXO CUSTO 0,72 0,45 0,11 0,18LIDERANÇA POR DIFERENCIAÇÃO 0,29 0,28 0,76 -0,60ENFOQUE EM BAIXO CUSTO 0,29 0,28 0,11 0,74ENFOQUE EM DIFERENCIAÇÃO 0,29 0,28 -0,59 0,74MEIO TERMO 0,29 0,28 0,11 0,18
A geração da segmentação das empresas em grupos estratégicos teve 6
iterações até o modelo convergir para os grupos resultando na classificação das
empresas e na matriz de centróide final.
Tabela 4.1.3.4 – Matriz de Iterações
Iteration1 2 3 4 5
1 0,54 0,77 0,85 0,84 1,172 0,23 0,52 0,26 0,61 0,673 0,19 0,00 0,43 0,22 0,274 0,24 0,38 1,47 0,14 0,245 0,00 0,27 0,39 0,00 0,006 0,00 0,00 0,00 0,00 0,00
Change in Cluster Centers
Os grupos 1, 2, 3, 4 e 5 são considerados respectivamente liderança por
baixo custo, liderança por diferenciação, enfoque em baixo custo, enfoque em
diferenciação e meio termo.
50
Tabela 4.1.3.5 – Segmentação
Cluster 1 72 73 44 75 5
Valid 30Missing 11
Number of Cases in each Cluster
Conforme descrito na tabela 4.1.3.5, das 41 empresas do setor elétrico 30
puderam ser classificadas entre os grupos estratégicos, as outras 11 empresas
não entraram na classificação por causa da falta de informação das variáveis
estratégicas.
Tabela 4.1.3.6 – Matriz de Centróides Final
1 2 3 4 5Eficiência Operacional 0,84 0,16 -1,62 -0,15 0,11Imobilizado 0,15 0,47 0,56 0,18 -1,58Dívida Bruta 0,63 0,26 0,95 -1,22 -0,30Patrimônio Líquido 0,91 -1,45 0,54 0,16 0,11
Cluster
Segundo Mcclave et al (2001), o teste de hipótese de wilcoxson é:
H0 : D1 e D2 são idênticas
Ha: D1 é deslocada para a direita ou esquerda de D2
Sendo que D1 e D2 são as distribuições de probabilidade de duas
populações. No caso da pesquisa, D1 corresponde a matriz de centróides inicial
e D2 corresponde a matriz de centróide final.
De acordo com o teste não paramétrico de Wilcoxon signed rank
visualizamos, na tabela 4.1.3.7, que há igualdade estatística para ambas as
matrizes.
51
Tabela 4.1.3.7 – Wilcoxon Rank Signed Test
Eficiência Operacional Imobilizado Dívida Bruta Patrimônio LíquidoZ -1,75 -0,67 -0,13 -0,94Asymp. Sig. (2-tailed) 0,08 0,50 0,89 0,35
Após a validação da igualdade entre as matrizes, os grupos estratégicos
ficaram da seguinte forma:
Liderança por Baixo Custo:
7 empresas
Liderança por Diferenciação:
7 empresas
Ampla Energia
Cemig
Coelba
CPFL Energia
Energias BR
Paulista Força e Luz
VBC Energia
Caiua
CEEE Energia Elétrica
Celg
Cemar
F Cataguazes
Iven
Light
Enfoque em Baixo Custo:
4 empresas
Enfoque em Baixo Custo:
4 empresas
AES Tiete
CPFL Geração
Gera Paranapanema
Tractebel
Celesc
Celpa
Cemat
Coelce
Elektro
EMAE
Rio Grande Energia
Meio Termo
5 empresas
Bandeirante Energia
Celpe
Cosern
CPFL Piratininga
Inepar Energia
52
Estaremos mostrando na próxima seção qual é a relevância de cada
estratégia para cada um dos grupos estratégicos do setor de energia elétrica.
4.1.4. Análise da importância das estratégias para os grupos estratégicos
Estudamos o impacto das estratégias em cada grupo estratégico do setor
de energia elétrica a fim de melhor entender qual é a relevância que cada grupo
dá as estratégias financeiras. Para isso, utilizamos o método de análise
multivariada chamada de MANOVA (multivariate analysis of variance) que
analisa a matriz das covariâncias entre as variáveis estratégicas e os grupos
estratégicos.
Segundo Hair et al (1998), a MANOVA é uma extensão da técnica de
análise da variância (ANOVA) utilizando-se múltiplas variáveis. A MANOVA
possibilita testarmos se existe diferença significativa entre as variáveis de cada
grupo avaliado. No nosso caso, estaremos testando se existe diferença
significativa entre as médias das estratégias financeiras de cada grupo
estratégico. O resultado será feito através do teste post hoc de Bonferroni que
nos dirá qual é a estratégia mais relevante para cada grupo.
Inicialmente, já testamos a premissa de normalidade e estamos assumindo
que a premissa de independência é válida para a amostra. Segundo Hair et al
(1998), para testar homogeneidade entre as matrizes de variância-covariância
dos grupos, é necessário utilizar o teste de Box´s M.
H0 : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
Tabela 4.1.4.1 – Teste da Igualdade das Matrizes de Covariância
Box's M 76,96F 1,63df1 30,00df2 1050,67Sig. 0,02
No caso do grupo do setor elétrico, não rejeitamos a hipótese nula da
igualdade entre as matrizes de covariância, logo não houve violação da premissa
de homocedasticidade da técnica MANOVA.
53
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
H1 : Σ* ≠ α2 I
Logo, para não indicar correlação entre as matrizes de covariância
devemos aceitar a hipótese nula: H0 : Σ* = α2 I.
Tabela 4.1.4.2 –Teste de Bartlett
Likelihood Ratio 0,00 Approx. Chi-Square 11,36 df 9,00 Sig. 0,25
No teste de Bartlett não podemos considerar rejeitada a hipótese nula para
níveis de significância de até 0,05.
Por último, efetuamos os testes gerais que são: Phillai´s Trace, Wilk´s
Lambda, Hotelling´s Trace e Roy´s Largest Root. O teste Lambda de Wilk
rejeitou a hipótese nula da igualdade dos resultados entre as estratégias
financeiras (variáveis dependentes) e entre os grupos estratégicos, permitindo
assim analisar o método de Bonferroni.
Tabela 4.1.4.3 - Testes de Significância - Multivariável
Effect Value F Hypothesis df Error df Sig. Observed PowerQCL_1 Pillai's Trace 2,46 9,96 16,00 100,00 0,00 1,00
Wilks' Lambda 0,01 13,07 16,00 67,85 0,00 1,00 Hotelling's Trace 9,19 11,78 16,00 82,00 0,00 1,00 Roy's Largest Root 4,37 27,29 4,00 25,00 0,00 1,00
Os níveis de significância são baixos (0,000) atendendo ao nosso nível
pré-estabelecido de 0,05. Assim, em termos gerais, é significativa a diferença
entre as estratégias financeiras e os seus grupos estratégicos.
54
Tabela 4.1.4.4 – Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
Eficiência Operacional Liderança por Baixo Custo Enfoque em Baixo Custo 2,47 0,00Eficiência Operacional Liderança por Diferenciação Enfoque em Baixo Custo 1,79 0,01Eficiência Operacional Enfoque em Baixo Custo Liderança por Baixo Custo -2,47 0,00Eficiência Operacional Enfoque em Baixo Custo Liderança por Diferenciação -1,79 0,01Eficiência Operacional Enfoque em Baixo Custo Enfoque em Diferenciação -1,47 0,03Eficiência Operacional Enfoque em Baixo Custo Meio Termo -1,73 0,01Eficiência Operacional Enfoque em Diferenciação Enfoque em Baixo Custo 1,47 0,03Eficiência Operacional Meio Termo Enfoque em Baixo Custo 1,73 0,01Imobilizado Liderança por Baixo Custo Meio Termo 1,74 0,00Imobilizado Liderança por Diferenciação Meio Termo 2,05 0,00Imobilizado Enfoque em Baixo Custo Meio Termo 2,14 0,00Imobilizado Enfoque em Diferenciação Meio Termo 1,77 0,00Imobilizado Meio Termo Liderança por Baixo Custo -1,74 0,00Imobilizado Meio Termo Liderança por Diferenciação -2,05 0,00Imobilizado Meio Termo Enfoque em Baixo Custo -2,14 0,00Imobilizado Meio Termo Enfoque em Diferenciação -1,77 0,00Dívida Bruta Liderança por Baixo Custo Enfoque em Diferenciação 1,86 0,00Dívida Bruta Liderança por Diferenciação Enfoque em Diferenciação 1,49 0,00Dívida Bruta Enfoque em Baixo Custo Enfoque em Diferenciação 2,17 0,00Dívida Bruta Enfoque em Diferenciação Liderança por Baixo Custo -1,86 0,00Dívida Bruta Enfoque em Diferenciação Liderança por Diferenciação -1,49 0,00Dívida Bruta Enfoque em Diferenciação Enfoque em Baixo Custo -2,17 0,00Patrimônio Líquido Liderança por Baixo Custo Liderança por Diferenciação 2,35 0,00Patrimônio Líquido Liderança por Diferenciação Liderança por Baixo Custo -2,35 0,00Patrimônio Líquido Liderança por Diferenciação Enfoque em Baixo Custo -1,99 0,00Patrimônio Líquido Liderança por Diferenciação Enfoque em Diferenciação -1,60 0,00Patrimônio Líquido Liderança por Diferenciação Meio Termo -1,55 0,00Patrimônio Líquido Enfoque em Baixo Custo Liderança por Diferenciação 1,99 0,00Patrimônio Líquido Enfoque em Diferenciação Liderança por Diferenciação 1,60 0,00Patrimônio Líquido Meio Termo Liderança por Diferenciação 1,55 0,00
O procedimento de Bonferroni descrito na tabela 4.1.4.4 nos mostra a
diferença entre as médias de cada grupo estratégico em relação à estratégia
financeira, se a diferença entre as médias for positiva, o grupo da segunda
coluna considera mais relevante a estratégia financeira do que o grupo
enumerado na terceira coluna da tabela. Caso o resultado seja negativo,
acontece o oposto, o grupo da terceira coluna considera aquela estratégia
financeira mais relevante do que o grupo da segunda coluna.
Observamos a estratégia financeira eficiência operacional se confirma
como a de menor relevância no grupo estratégico enfoque em baixo custo. O
grupo estratégico enfoque em diferenciação tem menor relevância para a dívida
bruta. O grupo estratégico liderança por diferenciação dá menor relevância para
a estratégia financeira patrimônio líquido.
Na tabela resumo, observamos todas as diferenças entre médias que tem
significância estatística acima de 0,05, a tabela completa encontra-se nos
anexos.
A seguir mostraremos qual é o impacto do desempenho nos grupos
estratégicos.
55
4.1.5. Análise do Desempenho nos grupos estratégicos
Estamos utilizando para medir o desempenho as variáveis de retorno
sobre ativos, retorno sobre patrimônio líquido e receita.
Estudamos o comportamento do desempenho para cada grupo estratégico
e a sua relação entre eles utilizando a MANOVA. Obtemos resultados positivos
nas estatísticas de comparação do desempenho entre os grupos estratégicos.
Segundo Hair et al (1998), para testar homogeneidade entre as matrizes
de variância-covariância dos grupos, é necessário utilizar o teste de Box´s M.
H0 : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
O teste de Box´s M foi favorável indicando homocedasticidade entre os
grupos estratégicos.
Tabela 4.1.5.1 –Teste da Igualdade das Matrizes de Covariância
Box's M 19,29F 1,29df1 12,00df2 1980,05Sig. 0,21
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
H1 : Σ* ≠ α2 I
Logo, para indicar correlação entre as matrizes de covariância devemos
rejeitar a hipótese nula,Σ* = α2 I.
O teste de Bartlett´s teve significância de 0,20, logo não podemos rejeitar a
hipótese nula o que justifica o uso da técnica da MANOVA.
Tabela 4.1.5.2 - Teste de Bartlett
Likelihood Ratio 0,13 Approx. Chi-Square 3,25 df 2,00 Sig. 0,20
56
Por último, obtivemos resultados favoráveis para o teste geral da MANOVA
a um nível de significância de 0,05 permitindo a utilização da técnica de
Bonferroni na análise das médias.
Tabela 4.1.5.3 - Testes de Significância – Multivariável
Effect Value F Hypothesis df Error df Sig. Observed PowerQCL_1 Pillai's Trace 0,78 4,03 8,00 50,00 0,00 0,98
Wilks' Lambda 0,35 4,16 8,00 48,00 0,00 0,98 Hotelling's Trace 1,49 4,28 8,00 46,00 0,00 0,99 Roy's Largest Root 1,16 7,27 4,00 25,00 0,00 0,99
Os testes de significância do procedimento de Bonferroni obtiveram
relevância significativa para a receita e a rentabilidade sobre o ativo. A receita é
maior entre as empresas do grupo de liderança por baixo custo do que das
empresas do grupo meio termo. Isso demonstra que no setor de energia o
tamanho da operação gera ganho financeiro o que possibilita empresas de maior
porte ter melhor desempenho. A rentabilidade sobre o ativo é maior entre as
empresas do grupo enfoque em baixo custo do que liderança por diferenciação.
Tabela 4.1.5.4 - Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
RENTABILIDADE SOBRE ATIVO Liderança por Diferenciação Enfoque em Baixo Custo -1,89 0,02RENTABILIDADE SOBRE ATIVO Enfoque em Baixo Custo Liderança por Diferenciação 1,89 0,02RECEITA Liderança por Baixo Custo Meio Termo 1,75 0,02RECEITA Meio Termo Liderança por Baixo Custo -1,75 0,02
4.1.6. Relação entre o Desempenho e a Distância do centro do Grupo Estratégico
Após análise entre os grupos, iremos analisar a relação entre o
posicionamento da empresa e o seu desempenho. Utilizaremos a distância
euclidiana que foi gerada durante o procedimento de formação dos grupos
estratégicos para esta análise.
Para termos a relação entre a distância da empresa e o centróide, foi
necessário utilizarmos a técnica de regressão múltipla onde a distância é
variável dependente e as variáveis de desempenho serão as variáveis
independentes.
57
Na tabela 4.1.6.1, demonstramos que o coeficiente de determinação
ajustado é de 40%, ou seja, segundo McClave et al (2001), as variações das
distâncias das empresas até o centróide são explicados em 40% pela relação
linear entre a distância e o desempenho. Também por McClave (2001),
confirmamos a não incidência de autocorrelação porque o teste de Durbin-
Watson está próximo de 2.
Tabela 4.1.6.1 – Coeficiente de Determinação
R R Square Adjusted Std. Error of Durbin- R Square the Estimate Watson
0,67 0,44 0,40 0,46 2,38
Segundo Mcclave et al (2001), o teste de hipótese que valida o modelo de
regressão é o teste de hipótese da análise da variância.
H0 : β1 = β2 = β3 = ... = βi = 0
Ha : pelo menos um βi ≠ 0
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos.
Na tabela 4.1.6.2, mostra o teste de F com significância abaixo da
significância pré-estabelecida de 0,05, validando a regressão linear múltipla
entre as variáveis desempenho e distância do centróide.
Tabela 4.1.6.2 - Análise da Variância
Sum of Squares df Mean
Square F Sig.
Regression 4,52 2,00 2,26 10,81 0,00 Residual 5,64 27,00 0,21 Total 10,16 29,00
Segundo Mcclave et al (2001), o teste de hipótese que valida o coeficiente
beta do modelo de regressão é:
H0 : βi = 0
Ha : βi ≠ 0
58
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos.
Na tabela 4.1.6.3, apenas a variável de desempenho receita mostrou-se
significante de acordo com a significância previamente estabelecida de 0,05. As
demais variáveis não poderão ser analisadas já que existe uma probabilidade
maior que 5% do coeficiente ser igual a zero. Podemos observar também que o
evento da colinearidade não aparece no modelo. Segundo Black et al (1998), a
variável ter uma tolerância próxima de 1 nos mostra que o modelo não apresenta
problemas de colinearidade.
Constatamos que, para o setor de energia elétrica, existe uma relação
linear negativa entre o posicionamento da empresa e a sua receita. Isso nos leva
a afirmar a hipótese levantada de que quanto mais a empresa posicionar-se
perto do centro, melhor será seu desempenho.
Tabela 4.1.6.3 - Coeficientes da Regressão
5,931 1,051 5,644 ,000,013 ,020 ,095 ,656 ,517 ,984 1,016
-,346 ,074 -,672 -4,649 ,000 ,984 1,016
(Constant)RentAtivoLNReceita
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIFCollinearity Statistics
4.2. Siderurgia e Metalurgia
O setor de siderurgia e metalurgia brasileira tem grande
representatividade no contexto mundial apresentando um produto de elevada
qualidade a um preço bem competitivo. O estudo considerou empresas de
expressão mundial como Confab, Forjas Taurus, Grupo Guerdau, Companhia
Siderúrgica Nacional, Companhia Siderúrgica de Tubarão, Usiminas entre
outros. Essas empresas representam 9% das empresas que operam no
mercado bursátil brasileiro e 11% da receita total deste mercado em 2004. Das
33 empresas analisadas, 8 não continham informação e foram excluídas da
amostra.
59
4.2.1. Testes de Normalidade
Da mesma forma que procedemos para o setor elétrico, utilizamos o teste
de normalidade de Kolmogorov-Smirnov e Shapiro-WIlk a um nível de
significância de 0,05. Para atingirmos a normalidade de variáveis com
distribuição assimétrica transformaremos as variáveis aplicando a função
logaritmo.
H0 : Distribuição Normal
Ha : Distribuição é diferente de Normal
Tabela 4.2.1.1 – Análise Descritiva
33 -164,40 24,90 -1,8826 -1,10 75,80 26,8233 -6,10 105,50 4,5233 -4,60 51,80 3,3533 -4456,00 5084991 829139,1833 -102640 4308597 557211,4532 -71,10 607,10 125,9833 6,85 16,48 12,0033 6,80 16,43 11,9032 9,40 16,79 13,0733 8,95 15,63 11,9732 8,91 16,41 12,6833 6,23 13,87 10,0733 4,91 16,08 12,0833 5,60 14,39 10,1733 6,04 16,28 11,6533 -246503 6759951 116547533 ,00 15,95 10,9133 ,00 4,93 3,5633 ,00 4,64 3,8325
RentAtivoRentPatrimonioAlavancagemFinanceiraAlavancagemOperacionalLuc_Op_EBITCapGirCicFinLNPermamenteLNImobilizadoLNReceitaLNPassivoCirculanteLNCPVLNDesAdmLNAtvCirLNRealLPLNExigLPPatrim_LiqLNDividaLNPmForLNPmClValid N (listwise)
N Minimum Maximum Mean
Aplicamos a função logaritmo e, logo após, os testes de normalidade
gerando os resultados ilustrados na tabela 4.2.1.2.
60
Tabela 4.2.1.2 – Teste de Normalidade
,16 25,00 ,11 ,94 25,00 ,17,19 25,00 ,02 ,91 25,00 ,03,19 25,00 ,02 ,79 25,00 ,00,33 25,00 ,00 ,61 25,00 ,00,34 25,00 ,00 ,66 25,00 ,00,32 25,00 ,00 ,62 25,00 ,00,24 25,00 ,00 ,70 25,00 ,00,12 25,00 ,20 ,93 25,00 ,11,12 25,00 ,20 ,93 25,00 ,09,16 25,00 ,09 ,94 25,00 ,12,15 25,00 ,14 ,93 25,00 ,10,14 25,00 ,19 ,95 25,00 ,22,11 25,00 ,20 ,94 25,00 ,13,12 25,00 ,20 ,94 25,00 ,17,10 25,00 ,20 ,95 25,00 ,23,10 25,00 ,20 ,96 25,00 ,37,36 25,00 ,00 ,67 25,00 ,00,12 25,00 ,20 ,91 25,00 ,03,12 25,00 ,20 ,94 25,00 ,19,19 25,00 ,02 ,92 25,00 ,05
RentAtivoRentPatrimonioAlavancagemFinanceiraAlavancagemOperacionalLuc_Op_EBITCapGirCicFinLNPermamenteLNImobilizadoLNReceitaLNPassivoCirculanteLNCPVLNDesAdmLNAtvCirLNRealLPLNExigLPPatrim_LiqLNDividaLNPmForLNPmCl
Statistic df Sig. Statistic df Sig.Kolmogorov-Smirnov Shapiro-Wilk
Excluímos as variáveis lucro operacional (Luc_OP_Ebit), alavancagem
operacional (AlavancagemOperacional), Capital de Giro (CapGir), Ciclo
Financeiro (CicFin) e Patrimônio Líquido da análise por ambas terem um nível de
significância abaixo de 1% em pelo menos um dos teste. As demais variáveis
serão aproveitadas para a análise.
Com o intuito de facilitar na montagem da matriz de centróides
transformamos as variáveis a serem utilizadas em score z.
4.2.2. Redução do Espaço Estratégico
Antes de efetuar a redução do espaço estratégico, fizemos uma análise de
correlação de Pearson entre as variáveis estudadas.
61
Tabela 4.2.2.1 - Coeficiente de Pearson para as variáveis estratégicas
Correlation Matrix
1,000 -,158 -,205 -,087 -,185 -,162 -,182 -,246 -,353 -,153 -,061 ,045
-,158 1,000 ,998 ,933 ,924 ,903 ,922 ,876 ,822 ,745 ,043 -,075-,205 ,998 1,000 ,934 ,933 ,912 ,931 ,883 ,830 ,743 ,037 -,083
-,087 ,933 ,934 1,000 ,947 ,869 ,936 ,855 ,811 ,764 ,146 -,030
-,185 ,924 ,933 ,947 1,000 ,910 ,968 ,868 ,730 ,696 ,022 -,135-,162 ,903 ,912 ,869 ,910 1,000 ,942 ,824 ,670 ,685 -,051 -,084-,182 ,922 ,931 ,936 ,968 ,942 1,000 ,841 ,681 ,675 ,005 -,029-,246 ,876 ,883 ,855 ,868 ,824 ,841 1,000 ,834 ,703 ,100 ,019-,353 ,822 ,830 ,811 ,730 ,670 ,681 ,834 1,000 ,810 ,195 -,094-,153 ,745 ,743 ,764 ,696 ,685 ,675 ,703 ,810 1,000 -,024 -,122-,061 ,043 ,037 ,146 ,022 -,051 ,005 ,100 ,195 -,024 1,000 ,210,045 -,075 -,083 -,030 -,135 -,084 -,029 ,019 -,094 -,122 ,210 1,000
,194 ,130 ,318 ,155 ,188 ,159 ,087 ,024 ,202 ,370 ,404
,194 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,409 ,342,130 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,420 ,326
,318 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,212 ,435
,155 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,452 ,231,188 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,392 ,323,159 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,489 ,438,087 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,292 ,460,024 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,142 ,305,202 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,447 ,252,370 ,409 ,420 ,212 ,452 ,392 ,489 ,292 ,142 ,447 ,124,404 ,342 ,326 ,435 ,231 ,323 ,438 ,460 ,305 ,252 ,124
Zscore(AlavancagemFinanceira)Zscore(LNPermamente)Zscore(LNImobilizado)Zscore(LNPassivoCirculante)Zscore(LNCPV)Zscore(LNDesAdm)Zscore(LNAtvCir)Zscore(LNRealLP)Zscore(LNExigLP)Zscore(LNDivida)Zscore(LNPmFor)Zscore(LNPmCl)Zscore(AlavancagemFinanceira)Zscore(LNPermamente)Zscore(LNImobilizado)Zscore(LNPassivoCirculante)Zscore(LNCPV)Zscore(LNDesAdm)Zscore(LNAtvCir)Zscore(LNRealLP)Zscore(LNExigLP)Zscore(LNDivida)Zscore(LNPmFor)Zscore(LNPmCl)
Correlation
Sig. (1-tailed)
Zscore(Alavancagem
Financeira)Zscore(LNPermamente)
Zscore(LNImobilizado)
Zscore(LNPassivo
Circulante)Zscore(LNCPV)
Zscore(LNDesAdm)
Zscore(LNAtvCir)
Zscore(LNRealLP)
Zscore(LNExigLP)
Zscore(LNDivida)
Zscore(LNPmFor)
Zscore(LNPmCl)
No setor de siderurgia e metalurgia, nota-se que as variáveis ativo
permanente e imobilizado possuem forte correlação com todas as variáveis
menos Alavancagem Financeira, Prazo Médio dos Fornecedores e Prazo Médio
de Recebimento. Essa tipo de indústria de base, como não poderia deixar de
ser, necessita ter grande volume de imobilizado para operar, assim como um
grande volume de financiamento.
Após análise de correlação de Pearson, efetuamos a redução do espaço
estratégico das 12 variáveis analisadas na tabela 4.2.2.1.
Tabela 4.2.2.2 - Medida de Adequação da Amostra e Teste de Bartlett
,79
601,6166,00
,00
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
A estatística KMO de adequação da amostra obteve valor superior a 0,5,
então podemos assumir que o procedimento de redução do espaço estratégico é
válido.
62
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para indicar correlação entre as matrizes de covariância devemos
rejeitar a hipótese nula: Ha : Σ* = α2 I. Pelo teste de esferacidade de Bartlett,
rejeitamos a hipótese nula a um nível de significância inferior a 1%.
Tabela 4.2.2.3 – Auto-Valor dos Fatores
Total Variance Explained
7,819 65,159 65,159 7,819 65,159 65,159 7,696 64,133 64,1331,260 10,502 75,661 1,260 10,502 75,661 1,117 9,309 73,4421,046 8,719 84,380 1,046 8,719 84,380 1,078 8,979 82,421,798 6,648 91,029 ,798 6,648 91,029 1,033 8,607 91,029,531 4,427 95,456,215 1,790 97,246,136 1,134 98,379,112 ,934 99,313,054 ,446 99,759,018 ,148 99,907,010 ,087 99,994,001 ,006 100,000
Component123456789101112
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
Optamos por 4 fatores no setor de siderurgia e metalurgia já que teríamos
um ganho que foi considerado relevante para o poder explanatório do modelo.
Com os quatro fatores, explicamos 91,0% da variância das variáveis estudadas.
Um outro indicativo da necessidade de 4 fatores é o autovalor demonstrado na
seção de cargas com rotação ortogonal da tabela 4.2.2.3 que chega a 1,03.
A matriz com rotação foi obtida utilizando-se o método Varimax. Utilizamos
essa matriz para agruparmos as variáveis que estão mais perto umas das outras
no plano ortogonal. Esse método irá facilitar na análise de cada variável e seu
respectivo fator assim como nomear os quatro fatores utilizados.
63
Tabela 4.2.2.4 - Matriz de Fatores com Rotação
1 2 3 4
AlavancagemFinanceira -0,12 0,98 -0,02 0,01LNPermamente 0,97 -0,04 0,02 -0,03LNImobilizado 0,98 -0,09 0,01 -0,03LNPassivoCirculante 0,97 0,04 0,13 0,00LNCPV 0,96 -0,05 -0,02 -0,06LNDesAdm 0,93 -0,03 -0,12 0,00LNAtvCir 0,96 -0,04 -0,07 0,05LNRealLP 0,91 -0,17 0,09 0,06LNExigLP 0,82 -0,31 0,26 -0,12LNDivida 0,80 -0,10 0,03 -0,16LNPmFor 0,03 -0,02 0,98 0,12LNPmCl -0,05 0,01 0,12 0,98
Component
O primeiro fator tem as seguintes variáveis: ativo permanente
(LNPermanente), imobilizado (LNImobilizado), passivo circulante
(LNPassivoCirculante), custo dos produtos vendidos (LNCPV), despesas
administrativas (LNDesAdm), ativo circulante (LNAtvCirc), realizável no longo
prazo (LNRealLP), e exigível no longo prazo (LNExigLP) e dívida total bruta
(LNDiv_Tt_Br). Essas variáveis além de conter forte indício de eficiência
operacional da empresa, como no caso do setor elétrico, também têm
componentes de tamanho de escala e investimentos, por isso vamos chamar
esse primeiro fator de Eficiência_Imobilizado.
O segundo fator é a alavancagem financeira (LNAlavancagemFinanceira).
Esse fator nos indica se os recursos que estão sendo tomados pela empresa
estão obtendo um retorno adequado quando investidos em seus ativos. Esse
fator será chamado de Alavancagem Financeira.
O terceiro fator é composto por uma variável que é o prazo médio de
fornecimento (LNPmForn). Essa variável indica qual é o prazo de pagamento
dos fornecedores, assim estaremos chamando esse fator de Financiamento de
Matéria Prima.
O quarto fator é o prazo médio de recebimento dos clientes, esta variável
indica o prazo médio de financiamento que a empresa pratica junto aos seus
clientes. Dessa forma, o chamaremos de Financiamento das Vendas.
Após explicarmos o conteúdo e darmos os nomes a cada fator, geramos
os scores para cada um deles utilizando modelos de regressão que explicam
bem a variância das 12 variáveis utilizadas.
64
Tabela 4.2.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço Estratégico.
NÚMERO DO FATOR NOME DO FATOR VARIÁVEIS AGRUPADAS
1 EFICIÊNCIA IMOBILIZADO
PERMANENTEIMOBILIZADOPASSIVO CIRCULANTECUSTO DOS PRODUTOS VENDIDOSDESPESAS ADMINISTRATIVASATIVO CIRCULANTEREALIZÁVELA LONGO PRAZOEXIGÍVEL A LONGO PRAZODÍVIDA TOTAL BRUTA
2 ALAVANCAGEM FINANCEIRA ALAVACAGEM FINANCEIRA
3 FINANCIAMENTO DE MATÉRIA PRIMA PRAZO MÉDIO DE PAGAMENTO DOS FORNECEDORES
4 FINANCIAMENTO DE VENDAS PRAZO MÉDIO DE RECEBIMENTO DOS CLIENTES
A seguir iremos utilizar os fatores definidos na redução do espaço
estratégico a fim de definir qual grupo estratégico pertence às empresas
analisadas.
4.2.3. Análise de Cluster das Empresas
Para o setor de siderurgia e metalurgia, também utilizamos o mesmo
método utilizado para o setor de energia que foi o procedimento de cluster k-
means. A caracterização da empresa em determinado grupo estratégico será
definida de acordo com os fatores encontrados na redução do espaço
estratégico que vimos na seção anterior.
Os grupos 1, 2, 3, 4 e 5 são considerados respectivamente liderança por
baixo custo, liderança por diferenciação, enfoque em baixo custo, enfoque em
diferenciação e meio termo.
Foi também utilizado a mesma fonte de painéis de especialistas para nos
auxiliar na definição da estratégia financeira mais relevante para determinado
grupo estratégico. Como no setor elétrico, montamos a matriz de centróides de
cada grupo estratégico utilizando os painéis de especialistas.
Tabela 4.2.3.1 – Matriz de Especialistas
Estratégicas Liderança por Baixo Custo
Liderança porDiferenciação
Enfoque em Baixo Custo
Enfoque em Diferenciação Meio Termo
Eficiência Imobilizado AAlavancagem Financeira A BFinanciamento de Matéria prima A B B BFinanciamento de Vendas A A
65
Segundo o painel de especialista em Cavalcanti (1997), para uma empresa
ser classificada como liderança por baixo custo é alta a necessidade da empresa
de ter uma estratégia de eficiência operacional, assim como ter alta intensidade
no volume de investimentos. Também para Cavalcanti (1997), o uso de
financiamento, e conseqüentemente alavancagem financeira, é importante para
a empresa ser classificada como liderança por diferenciação. A estratégia de
financiamento de vendas é mais relevante para os grupos estratégicos do tipo
enfoque.
Segundo Dess & Davis (1984), uma empresa para ser classificada como
liderança em baixo custo precisa ter eficiência operacional. Também segundo
Dess & Davis (1984), empresas no grupo estratégico de enfoque por baixo custo
e diferenciação reduzem a importância do uso de financiamento utilizando capital
de terceiros, como estratégia financeira. Adaptado também de Dess & Davis
(1984), a busca por matéria prima foi considerado como sendo de menor
importância para estratégias de enfoque e de liderança por diferenciação e de
maior importância para a estratégia de liderança por baixo custo.
Utilizando a matriz com a opinião dos especialistas e a análise descritiva
de fatores estratégicos, tabela 4.2.3.2, foi possível criar a matriz inicial de
centróides que pode ser visualizada na tabela 4.2.3.3.
Tabela 4.2.3.2 - Análise Descritiva das Variáveis Estratégicas
-,21 -,13 ,13 -,04-,89 -,34 -,75 -,37,92 -,01 ,51 ,89
Median2575
Percentiles
EficiênciaImobilizado
AlavancagemFinanceira
Financiamentode Matéria
primaFinanciamento
de Vendas
Sabendo-se que a letra A da matriz de opinião dos especialistas é a
estratégia de maior importância e para a empresa se localizar nesse grupo
estratégico ela precisa ter a correspondente estratégia financeira no terceiro
quartil. A letra B é a situação análoga da letra A só que neste caso a empresa se
localizará no primeiro quartil enquanto que os itens em branco representam a
mediana.
66
Tabela 4.2.3.3 – Energia Matriz de Centróides Inicial
ESTRATÉGIA /GRUPO ESTRATÉGICO
Eficiência Imobilizado
Alavancagem Financeira
Financiamento de Matéria prima
Financiamento de Vendas
LIDERANÇA POR BAIXO CUSTO 0,92 -0,13 0,51 -0,04LIDERANÇA POR DIFERENCIAÇÃO -0,21 -0,01 -0,75 -0,04ENFOQUE EM BAIXO CUSTO -0,21 -0,34 -0,75 0,89ENFOQUE EM DIFERENCIAÇÃO -0,21 -0,13 -0,75 0,89MEIO TERMO -0,21 -0,13 0,13 -0,04
A geração da segmentação das empresas em grupos estratégicos teve 5
iterações até o modelo convergir para os grupos resultando na classificação das
empresas e na matriz de centróide final.
Tabela 4.2.3.4 – Matriz de Iterações
ESTRATÉGIA /GRUPO ESTRATÉGICO
Eficiência Imobilizado
Alavancagem Financeira
Financiamento de Matéria prima
Financiamento de Vendas
LIDERANÇA POR BAIXO CUSTO 0,92 -0,13 0,51 -0,04LIDERANÇA POR DIFERENCIAÇÃO -0,21 -0,01 -0,75 -0,04ENFOQUE EM BAIXO CUSTO -0,21 -0,34 -0,75 0,89ENFOQUE EM DIFERENCIAÇÃO -0,21 -0,13 -0,75 0,89MEIO TERMO -0,21 -0,13 0,13 -0,04
Tabela 4.2.3.5 – Segmentação
12,0008,0004,0004,0004,000
32,0001,000
12345
Cluster
ValidMissing
Conforme descrito na tabela 4.2.3.5, das 33 empresas do setor de
siderurgia e metalurgia 32 foram classificadas entre os grupos estratégicos.
Apenas uma empresa não foi classificada por falta de informação das variáveis
estratégicas.
67
Tabela 4.2.3.6 – Matriz de Centróides Final
1,10 -,91 -,44 ,02 -1,06-,04 ,41 -,16 -,12 -,44
,06 -,77 -,91 ,67 1,58
-,29 -,52 1,21 1,19 -,50
Eficiência ImobilizadoAlavancagem FinanceiraFinanciamento deMatéria primaFinanciamento deVendas
1 2 3 4 5Cluster
Segundo Mcclave et al (2001), o teste de hipótese de Wilcoxson é:
H0 : D1 e D2 são idênticas
Ha: D1 é deslocada para a direita ou para a esquerda de D2
Sendo que D1 e D2 são as distribuições de probabilidade de duas
populações. No caso da pesquisa, D1 corresponde a matriz de centróides inicial
e D2 corresponde a matriz de centróide final.
O teste não paramétrico de Wilcoxon signed rank não rejeita a hipótese
nula da matriz do centróide inicial ser igual a matriz de centróide final em relação
a cada estratégia financeira. Na tabela 4.2.3.7, podemos visualizar que há
igualdade estatística para ambas as matrizes.
Tabela 4.2.3.7 – Wilcoxon Rank Signed Test
-,94 -,94 -,40 -,67,35 ,35 ,69 ,50
ZAsymp. Sig. (2-tailed)
EficiênciaImobilizado
AlavancagemFinanceira
Financiamentode Matéria prima
Financiamentode Vendas
Após a validação da igualdade entre as matrizes, os grupos estratégicos
ficaram da seguinte forma:
68
Liderança por Baixo Custo:
12 empresas
Liderança por Diferenciação:
8 empresas
Acesita
Aços Villares
Arcelor BR
Caraíba Metais
Cosipa
Gerdau
Gerdau Metalurgia
Mangels
Paranapanema
Siderúrgica Nacional
Siderúrgica Tubarão
Usiminas
Aliperti
Ferragens Haga
Fibam
Met Duque
Metal Iguacu
Metisa
Micheletto
Panatlantica
Enfoque em Baixo Custo:
4 empresas
Enfoque em Diferenciação:
4 empresas
CBC Cartucho
Ferbasa
Kepler Weber
Tekno
Confab
Eluma
Forjas Taurus
Mundial
Meio Termo
4 empresas
Aço Altona
Gazola
Hercules
Rimet
Estaremos mostrando na próxima seção qual é a relevância de cada
estratégia para cada grupo estratégico do setor de siderurgia e metalurgia.
69
4.2.4. Análise da importância das estratégias para os grupos estratégicos
Iremos estudar o impacto das estratégias em cada grupo estratégico do
setor de siderurgia e metalurgia a fim de melhor entender qual é a relevância das
variáveis estudadas para cada grupo. Iremos utilizar o procedimento Manova
para analisar esse impacto.
Inicialmente, já testamos a premissa de normalidade das variáveis como
sendo verdadeira. No caso da premissa de independência entre as variáveis
estamos assumindo que ela seja verdadeira.
Segundo Hair et al (1998), para testar homogeneidade entre as matrizes
de variância-covariância dos grupos, é necessário utilizar o teste de Box´s M.
H0 : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
Verificou-se que há diferença substancial entre as matrizes de variância-
covariância, logo não houve confirmação da premissa de homocedasticidade a
um nível de significância de 5%. Com o intuito de prosseguir o estudo, não
iremos considerar esse teste.
Tabela 4.2.4.1 – Teste da Igualdade das Matrizes de Covariância
57,644,24
10,001042,44
,00
Box's MFdf1df2Sig.
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para não indicar correlação entre as matrizes de covariância não
devemos rejeitar a hipótese nula: H0 : Σ* = α2 I. No teste de Bartlett, o nível de
significância foi zero e podemos considerar rejeitada a hipótese nula para níveis
de significância de até 0,05.
70
Tabela 4.2.4.2 – Teste de Bartlett
,0024,259,00,00
Likelihood RatioApprox. Chi-SquaredfSig.
Por último, a validação da técnica só acontece com os testes gerais que
são: Phillai´s Trace, Wilk´s Lambda, Hotelling´s Trace e Roy´s Largest Root.
Como o teste Lambda de Wilk é válido estamos certos de que há diferença
significativa entre as estratégias financeiras e os grupos estratégicos.
Tabela 4.2.4.3 - Testes de Significância - Multivariável
Effect Value F Hypothesis df Error df Sig. Noncent. Parameter Observed Power
QCL_1 Pillai's Trace 2,07 7,24 16,00 108,00 0,00 115,80 1,00 Wilks' Lambda 0,02 11,78 16,00 73,96 0,00 120,58 1,00 Hotelling's Trace 9,62 13,52 16,00 90,00 0,00 216,37 1,00 Roy's Largest Root 6,48 43,73 4,00 27,00 0,00 174,93 1,00
71
Tabela 4.2.4.4 – Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
Eficiência Imobilizado Liderança por Baixo Custo Liderança por Diferenciação 2,01 0,00Eficiência Imobilizado Liderança por Baixo Custo Enfoque em Baixo Custo 1,54 0,00Eficiência Imobilizado Liderança por Baixo Custo Enfoque em Diferenciação 1,08 0,00Eficiência Imobilizado Liderança por Baixo Custo Meio Termo 2,16 0,00Eficiência Imobilizado Liderança por Diferenciação Liderança por Baixo Custo -2,01 0,00Eficiência Imobilizado Liderança por Diferenciação Enfoque em Diferenciação -0,93 0,01Eficiência Imobilizado Enfoque em Baixo Custo Liderança por Baixo Custo -1,54 0,00Eficiência Imobilizado Enfoque em Diferenciação Liderança por Baixo Custo -1,08 0,00Eficiência Imobilizado Enfoque em Diferenciação Liderança por Diferenciação 0,93 0,01Eficiência Imobilizado Enfoque em Diferenciação Meio Termo 1,08 0,01Eficiência Imobilizado Meio Termo Liderança por Baixo Custo -2,16 0,00Eficiência Imobilizado Meio Termo Enfoque em Diferenciação -1,08 0,01Financiamento de Matéria prima Liderança por Baixo Custo Meio Termo -1,52 0,00Financiamento de Matéria prima Liderança por Diferenciação Enfoque em Diferenciação -1,44 0,01Financiamento de Matéria prima Liderança por Diferenciação Meio Termo -2,35 0,00Financiamento de Matéria prima Enfoque em Baixo Custo Enfoque em Diferenciação -1,58 0,02Financiamento de Matéria prima Enfoque em Baixo Custo Meio Termo -2,49 0,00Financiamento de Matéria prima Enfoque em Diferenciação Liderança por Diferenciação 1,44 0,01Financiamento de Matéria prima Enfoque em Diferenciação Enfoque em Baixo Custo 1,58 0,02Financiamento de Matéria prima Meio Termo Liderança por Baixo Custo 1,52 0,00Financiamento de Matéria prima Meio Termo Liderança por Diferenciação 2,35 0,00Financiamento de Matéria prima Meio Termo Enfoque em Baixo Custo 2,49 0,00Financiamento de Vendas Liderança por Baixo Custo Enfoque em Baixo Custo -1,50 0,02Financiamento de Vendas Liderança por Baixo Custo Enfoque em Diferenciação -1,47 0,02Financiamento de Vendas Liderança por Diferenciação Enfoque em Baixo Custo -1,73 0,01Financiamento de Vendas Liderança por Diferenciação Enfoque em Diferenciação -1,70 0,01Financiamento de Vendas Enfoque em Baixo Custo Liderança por Baixo Custo 1,50 0,02Financiamento de Vendas Enfoque em Baixo Custo Liderança por Diferenciação 1,73 0,01Financiamento de Vendas Enfoque em Baixo Custo Meio Termo 1,71 0,04Financiamento de Vendas Enfoque em Diferenciação Liderança por Baixo Custo 1,47 0,02Financiamento de Vendas Enfoque em Diferenciação Liderança por Diferenciação 1,70 0,01Financiamento de Vendas Enfoque em Diferenciação Meio Termo 1,68 0,04Financiamento de Vendas Meio Termo Enfoque em Baixo Custo -1,71 0,04Financiamento de Vendas Meio Termo Enfoque em Diferenciação -1,68 0,04
No procedimento de Bonferroni descrito na tabela 4.2.4.4, o grupo
estratégico liderança em baixo custo dá maior relevância à estratégia financeira
eficiência imobilizado. Os grupos estratégicos enfoque em diferenciação e meio
termo dão maior relevância à estratégia financeira de financiamento de matéria
prima. Os grupos estratégicos de enfoque por baixo custo e por diferenciação
dão maior relevância à estratégia financeira de financiamento de vendas. A
alavancagem financeira não obteve resultado relevante.
A seguir mostraremos a relação do desempenho com os grupos
estratégicos do setor de siderurgia e metalurgia.
4.2.5. Análise do Desempenho nos grupos estratégicos
Estamos utilizando para medir o desempenho as variáveis de retorno
sobre ativos, retorno sobre patrimônio líquido e receita. Todos as empresas do
grupo estratégico meio termo não apresentaram valores na variável de
desempenho retorno sobre o patrimônio líquido. Então iremos descartar, nesta
indústria, essa variável.
72
Estudamos o comportamento do desempenho para cada grupo estratégico
e a sua relação entre eles utilizando a Manova.
Segundo Hair et al (1998), para testar homogeneidade entre as matrizes
de variância-covariância dos grupos, é necessário utilizar o teste de Box´s M.
H0 : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
O teste de Box´s M não foi favorável indicando heterocedasticidade entre
os grupos estratégicos a um nível de significância de 0,05. Com o intuito de
prosseguir o estudo, não iremos considerar esse teste.
Tabela 4.2.5.1 –Teste da Igualdade das Matrizes de Covariância
67,744,36
12,001043,47
,00
Box's MFdf1df2Sig.
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para não indicar correlação entre as matrizes de covariância não
devemos rejeitar a hipótese nula: H0 : Σ* = α2 I.
Como o teste de Bartllet teve nível de significância inferior a 0,05 tivemos
que rejeitar a hipótese nula do teste de esferacidade.
Tabela 4.2.5.2 - Teste de Bartlett
,0017,032,00,00
Likelihood RatioApprox. Chi-SquaredfSig.
73
Por último, obtivemos resultado favorável para o teste lambda de Wilk a
um nível de significância de 0,05 permitindo assim o uso dos resultados do
procedimento de Bonferroni.
Tabela 4.2.5.3 - Testes de Significância – Multivariável
1,22 10,45 8,00 54,00 ,00 83,64 1,00,10 13,77 8,00 52,00 ,00 110,16 1,00
5,63 17,59 8,00 50,00 ,00 140,75 1,005,01 33,84 4,00 27,00 ,00 135,35 1,00
Pillai's TraceWilks' LambdaHotelling's TraceRoy's Largest Root
EffectQCL_1
Value F Hypothesis df Error df Sig.Noncent.
ParameterObserved
Power
Os teste de significância do procedimento de Bonferroni foi significante
para as variáveis de desempenho receita e rentabilidade sobre ativo.
Observamos o grupo estratégico liderança por baixo custo obteve melhor
resposta na receita em relação a todos os demais grupos estratégicos. A variável
de desempenho rentabilidade sobre o ativo teve no grupo estratégico meio termo
o pior desempenho de todos os grupos.
Tabela 4.2.5.4 - Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
RENTABILIDADE SOBRE ATIVO Liderança por Baixo Custo Meio Termo 2,10 0,00RENTABILIDADE SOBRE ATIVO Liderança por Diferenciação Meio Termo 1,71 0,02RENTABILIDADE SOBRE ATIVO Enfoque em Baixo Custo Meio Termo 2,14 0,01RENTABILIDADE SOBRE ATIVO Enfoque em Diferenciação Meio Termo 1,90 0,03RENTABILIDADE SOBRE ATIVO Meio Termo Liderança por Baixo Custo -2,10 0,00RENTABILIDADE SOBRE ATIVO Meio Termo Liderança por Diferenciação -1,71 0,02RENTABILIDADE SOBRE ATIVO Meio Termo Enfoque em Baixo Custo -2,14 0,01RENTABILIDADE SOBRE ATIVO Meio Termo Enfoque em Diferenciação -1,90 0,03RECEITA Liderança por Baixo Custo Liderança por Diferenciação 1,95 0,00RECEITA Liderança por Baixo Custo Enfoque em Baixo Custo 1,37 0,00RECEITA Liderança por Baixo Custo Enfoque em Diferenciação 1,12 0,00RECEITA Liderança por Baixo Custo Meio Termo 2,20 0,00RECEITA Liderança por Diferenciação Liderança por Baixo Custo -1,95 0,00RECEITA Enfoque em Baixo Custo Liderança por Baixo Custo -1,37 0,00RECEITA Enfoque em Diferenciação Liderança por Baixo Custo -1,12 0,00RECEITA Enfoque em Diferenciação Meio Termo 1,07 0,03RECEITA Meio Termo Liderança por Baixo Custo -2,20 0,00RECEITA Meio Termo Enfoque em Diferenciação -1,07 0,03
4.2.6. Relação entre o Desempenho e a Distância do Centro do Grupo Estratégico
Após análise entre os grupos, iremos analisar a distância euclidiana da
posição da empresa com o seu desempenho. O objetivo é saber se a hipótese
confirmada no setor de energia elétrica irá também se confirmar no setor de
siderurgia e metalurgia.
74
Na tabela 4.2.6.1, demonstramos que o coeficiente de determinação
ajustado é de 5,2%. No caso do setor de Siderurgia e Metalurgia, a distância da
empresa ao centróide do grupo estratégico pode ser explicada em 5,2% pelas
variáveis de desempenho. Esse indicador é muito baixo para podermos
considerá-lo relevante no estudo. Como o teste de Durbin-Watson está próximo
de 2, há a comprovação da não incidência de autocorrelação.
Tabela 4.2.6.1 – Coeficiente de Determinação
,34 ,11 ,05 ,85 2,35R R Square
AdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Segundo Mcclave et al (2001), o teste de hipótese que valida o modelo de
regressão é o teste de hipótese da análise da variância.
H0 : β1 = β2 = β3 = ... = βi = 0
Ha : pelo menos um βi ≠ 0
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos.
Na tabela 4.2.6.2, mostra o teste de F com significância muito acima da
significância pré-estabelecida de 0,05, logo não podemos rejeitar a hipótese nula
e, conseqüentemente não poderemos considerar os resultados da regressão.
Tabela 4.2.6.2 - Análise da Variância
2,71 2,00 1,35 1,86 ,1721,12 29,00 ,7323,83 31,00
RegressionResidualTotal
Sum ofSquares df Mean Square F Sig.
Segundo Mcclave et al (2001), o teste de hipótese que valida o coeficiente
beta do modelo de regressão é:
75
H0 : βi = 0
Ha : βi ≠ 0
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos.
Na tabela 4.2.6.3, temos os coeficientes de regressão que como no teste
da análise da variância não tiveram resultado satisfatório para a análise. Assim,
não podemos considerar a regressão entre a distância da empresa até o
centróide do grupo estratégico e as variáveis de desempenho no caso do setor
de siderurgia e metalurgia.
Tabela 4.2.6.3 - Coeficientes da Regressão
1,06 ,15 7,03 ,00,01 ,18 ,02 ,07 ,94 ,69 1,45
-,30 ,18 -,35 -1,64 ,11 ,69 1,45
(Constant)Zscore(RentAtivo)Zscore(LNReceita)
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIF
Collinearity Statistics
4.3.Indústria Têxtil
A indústria têxtil nacional tem padrão de qualidade internacional. Nos
últimos anos, os produtos da indústria têxtil vêm sofrendo uma forte
concorrência dos produtos de origem chinesa que tem um preço muito mais
competitivo que o produto nacional. Essa vantagem competitiva da China é um
somatório de basicamente dois fatores, aquisição de insumos a um preço mais
competitivo e o câmbio chinês excessivamente desvalorizado. Essas empresas
representam 8% do número de empresas listadas no mercado bursátil
brasileiro e 2% da receita total em 2004. Das 28 empresas analisadas, 7 não
continham informação e foram excluídas da amostra através do critério listwise
do SPSS.
4.3.1. Testes de Normalidade
Da mesma forma que procedemos nas demais indústrias, utilizamos o
teste de normalidade de Kolmogorov-Smirnov e Shapiro-WIlk a um nível de
significância de 0,05. Para atingirmos a normalidade de variáveis com
76
distribuição assimétrica transformaremos as variáveis aplicando a função
logaritmo.
H0 : Distribuição Normal
Ha : Distribuição é diferente de Normal
Tabela 4.3.1.1 – Análise Descritiva
28 -179,60 12,40 -7,0324 -1667,40 121,30 -66,0028 -521,70 26,80 -16,7028 -43,30 8,30 ,5128 -42207,00 320371,00 50440,2928 -242993 692411,00 116162,7928 -215,60 707,60 133,2628 8,89 14,01 11,5428 2,20 13,96 11,1428 6,41 14,27 11,8928 6,79 13,06 11,2328 6,31 13,98 11,5828 5,88 11,72 9,5128 5,37 13,82 11,3128 1,10 12,55 9,4628 6,07 13,22 10,8924 6,97 14,28 11,1927 4,09 13,34 10,9127 2,20 5,65 3,7026 1,48 4,75 4,3121
RentAtivoRentPatrimonioAlavancagemFinanceiraAlavancagemOperacionalLuc_Op_EBITCapGirCicFinLNPermamenteLNImobilizadoLNReceitaLNPassivoCirculanteLNCPVLNDesAdmLNAtvCirLNRealLPLNExigLPPatrim_LiqLNDividaLNPmForLNPmClValid N (listwise)
N Minimum Maximum Mean
A tabela 4.3.1.2 descreve os testes de normalidade após a transformação
das variáveis. Excluímos as variáveis rentabilidade sobre o patrimônio líquido,
alavancagem financeira, lucro operacional (Luc_Op_Ebit) e capital de giro
(CapGir) da análise por ter um nível de significância abaixo de 1% em ambos os
testes.
77
Tabela 4.3.1.2 – Teste de Normalidade
,19 21,00 ,05 ,87 21,00 ,01,44 21,00 ,00 ,28 21,00 ,00,52 21,00 ,00 ,25 21,00 ,00,16 21,00 ,19 ,92 21,00 ,11,27 21,00 ,00 ,71 21,00 ,00,25 21,00 ,00 ,78 21,00 ,00,12 21,00 ,20 ,98 21,00 ,86,18 21,00 ,09 ,95 21,00 ,40,17 21,00 ,12 ,95 21,00 ,40,17 21,00 ,09 ,93 21,00 ,11,13 21,00 ,20 ,94 21,00 ,18,16 21,00 ,18 ,93 21,00 ,14,15 21,00 ,20 ,92 21,00 ,10,13 21,00 ,20 ,93 21,00 ,16,17 21,00 ,11 ,93 21,00 ,11,11 21,00 ,20 ,96 21,00 ,54,12 21,00 ,20 ,94 21,00 ,26,22 21,00 ,01 ,76 21,00 ,00,14 21,00 ,20 ,96 21,00 ,59,18 21,00 ,06 ,81 21,00 ,00
RentAtivoRentPatrimonioAlavancagemFinanceiraAlavancagemOperacionalLuc_Op_EBITCapGirCicFinLNPermamenteLNImobilizadoLNReceitaLNPassivoCirculanteLNCPVLNDesAdmLNAtvCirLNRealLPLNExigLPPatrim_LiqLNDividaLNPmForLNPmCl
Statistic df Sig. Statistic df Sig.Kolmogorov-Smirnov Shapiro-Wilk
Com o intuito de facilitar na montagem da matriz de centróides
convertemos as variáveis a serem utilizadas no modelo score z
4.3.2. Redução do Espaço Estratégico
Antes de efetuar a redução do espaço estratégico, fizemos uma análise de
correlação de Pearson entre as variáveis estudadas.
78
Tabela 4.3.2.1 - Coeficiente de Pearson para as variáveis estratégicas
Correlation Matrix
1,00 ,13 ,09 ,08 ,22 ,34 ,42 ,39 ,35 ,08 ,23 -,42 -,15 -,09
,13 1,00 ,49 ,49 ,39 ,53 ,51 ,63 ,24 ,26 ,56 ,34 -,68 ,43,09 ,49 1,00 1,00 ,90 ,88 ,83 ,86 ,48 ,74 ,70 ,20 -,37 ,44,08 ,49 1,00 1,00 ,90 ,88 ,82 ,86 ,48 ,74 ,70 ,21 -,38 ,44
,22 ,39 ,90 ,90 1,00 ,92 ,86 ,89 ,47 ,78 ,62 ,22 -,28 ,36
,34 ,53 ,88 ,88 ,92 1,00 ,90 ,97 ,52 ,73 ,78 ,25 -,56 ,27,42 ,51 ,83 ,82 ,86 ,90 1,00 ,94 ,41 ,69 ,76 ,09 -,41 ,43,39 ,63 ,86 ,86 ,89 ,97 ,94 1,00 ,44 ,69 ,79 ,21 -,54 ,41,35 ,24 ,48 ,48 ,47 ,52 ,41 ,44 1,00 ,69 ,09 ,29 -,26 ,03,08 ,26 ,74 ,74 ,78 ,73 ,69 ,69 ,69 1,00 ,28 ,48 -,20 ,45,23 ,56 ,70 ,70 ,62 ,78 ,76 ,79 ,09 ,28 1,00 -,03 -,57 ,24
-,42 ,34 ,20 ,21 ,22 ,25 ,09 ,21 ,29 ,48 -,03 1,00 -,44 ,03-,15 -,68 -,37 -,38 -,28 -,56 -,41 -,54 -,26 -,20 -,57 -,44 1,00 ,09-,09 ,43 ,44 ,44 ,36 ,27 ,43 ,41 ,03 ,45 ,24 ,03 ,09 1,00
,28 ,34 ,36 ,17 ,06 ,03 ,04 ,06 ,36 ,15 ,03 ,26 ,36
,28 ,01 ,01 ,04 ,01 ,01 ,00 ,15 ,13 ,00 ,06 ,00 ,03,34 ,01 ,00 ,00 ,00 ,00 ,00 ,01 ,00 ,00 ,19 ,05 ,02,36 ,01 ,00 ,00 ,00 ,00 ,00 ,01 ,00 ,00 ,18 ,04 ,02
,17 ,04 ,00 ,00 ,00 ,00 ,00 ,02 ,00 ,00 ,17 ,11 ,05
,06 ,01 ,00 ,00 ,00 ,00 ,00 ,01 ,00 ,00 ,13 ,00 ,11,03 ,01 ,00 ,00 ,00 ,00 ,00 ,03 ,00 ,00 ,35 ,03 ,03,04 ,00 ,00 ,00 ,00 ,00 ,00 ,02 ,00 ,00 ,18 ,01 ,03,06 ,15 ,01 ,01 ,02 ,01 ,03 ,02 ,00 ,35 ,10 ,13 ,44,36 ,13 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,11 ,01 ,20 ,02,15 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,35 ,11 ,45 ,00 ,15,03 ,06 ,19 ,18 ,17 ,13 ,35 ,18 ,10 ,01 ,45 ,02 ,44,26 ,00 ,05 ,04 ,11 ,00 ,03 ,01 ,13 ,20 ,00 ,02 ,34,36 ,03 ,02 ,02 ,05 ,11 ,03 ,03 ,44 ,02 ,15 ,44 ,34
Zscore(AlavancagemOperacional)Zscore(CicFin)Zscore(LNPermamente)Zscore(LNImobilizado)Zscore(LNPassivoCirculante)Zscore(LNCPV)Zscore(LNDesAdm)Zscore(LNAtvCir)Zscore(LNRealLP)Zscore(LNExigLP)Zscore(Patrim_Liq)Zscore(LNDivida)Zscore(LNPmFor)Zscore(LNPmCl)Zscore(AlavancagemOperacional)Zscore(CicFin)Zscore(LNPermamente)Zscore(LNImobilizado)Zscore(LNPassivoCirculante)Zscore(LNCPV)Zscore(LNDesAdm)Zscore(LNAtvCir)Zscore(LNRealLP)Zscore(LNExigLP)Zscore(Patrim_Liq)Zscore(LNDivida)Zscore(LNPmFor)Zscore(LNPmCl)
Correlation
Sig. (1-tailed)
Zscore(Alavancagem
Operacional)Zscore(Cic
Fin)Zscore(LNPermamente)
Zscore(LNImobilizado)
Zscore(LNPassivo
Circulante)Zscore(LNCPV)
Zscore(LNDesAdm)
Zscore(LNAtvCir)
Zscore(LNRealLP)
Zscore(LNExigLP)
Zscore(Patrim_Liq)
Zscore(LNDivida)
Zscore(LNPmFor)
Zscore(LNPmCl)
Nota-se uma baixa correlação entre a variável alavancagem operacional e
as demais variáveis, uma alta correlação entre ativo imobilizado e permanente,
como foi visto em outros modelos, e uma alta correlação entre ativo e passivo
circulante com custo de produtos vendidos. O custo de produtos vendidos é o
principal custo para este setor e a grande parte dos financiamentos de curto
prazo das empresas têxtil é direcionada para esse item.
Após análise de correlação de Pearson, efetuamos a redução do espaço
estratégico das 14 variáveis analisadas na tabela 4.3.2.1.
Tabela 4.3.2.2 - Medida de Adequação da Amostra e Teste de Bartlett
,62
432,9091,00
,00
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
O teste de adequação da amostra obteve estatística superior a 0,5, então
podemos assumir que o procedimento de redução do espaço estratégico é
válido.
79
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para indicar correlação entre as matrizes de covariância devemos
rejeitar a hipótese nula: H0 :Σ* = α2 I. O teste de Bartlett também indicou que a
correlação entre as variáveis é diferente de zero a um nível de significância
inferior a 1%.
Tabela 4.3.2.3 – Autovalor dos Fatores
Total Variance Explained
7,83 55,92 55,92 7,83 55,92 55,92 5,89 42,04 42,041,67 11,90 67,83 1,67 11,90 67,83 2,69 19,25 61,281,51 10,79 78,62 1,51 10,79 78,62 2,07 14,77 76,061,32 9,43 88,05 1,32 9,43 88,05 1,68 11,99 88,05,80 5,73 93,77,38 2,69 96,46,19 1,37 97,83,12 ,87 98,69,07 ,53 99,23,06 ,43 99,66,03 ,20 99,86,02 ,11 99,97,00 ,03 100,00
6,9E-005 ,00 100,00
Component1234567891011121314
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
Optamos por quatro fatores no setor de indústria para manter uma
padronização entre os demais setores e um maior poder de explicação no
modelo. Esses quatro fatores explicam 88,0% da variância das variáveis
estudadas e o total das cargas é de 1,7.
Utilizamos a matriz com rotação ortogonal para agruparmos as variáveis
que estão mais perto uma das outras no plano ortogonal. Esse método irá
facilitar na análise de cada variável e seu respectivo fator assim como nomear os
quatro fatores utilizados.
81
alavancagem operacional menor é a dívida bruta total. Chamaremos esse fator
de Alavancagem Operacional.
Após explicarmos o conteúdo e darmos os nomes a cada fator, geramos
os scores para cada um deles utilizando modelos de regressão que explicam
bem a variância das 14 variáveis utilizadas.
Tabela 4.3.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço Estratégico
NÚMERO DO FATOR NOME DO FATOR VARIÁVEIS AGRUPADAS
1 EFICIÊNCIA IMOBILIZADO
PERMANENTEIMOBILIZADOPASSIVO CIRCULANTECUSTO DOS PRODUTOS VENDIDOSDESPESAS ADMINISTRATIVASATIVO CIRCULANTEPATRIMÓNIO LÍQUIDOPRAZO MÉDIO DE RECEBIMENTO DE CLIENTES
2 CICLO FINANCEIRO CICLO FINANCEIROPRAZO MÉDIO DE PAGAMENTO DOS FORNECEDORES
3 EQUILÍBRIO DE LONGO PRAZO REALIZÁVEL DE LONGO PRAZOEXIGÍVEL A LONGO PRAZO
4 ALAVANCAGEM OPERACIONAL ALAVANCAGEM OPERACIONALDÍVIDA TOTAL BRUTA
A seguir iremos utilizar os fatores definidos na redução do espaço
estratégico a fim de definir a qual grupo estratégico pertence as empresas
analisadas.
4.3.3. Análise de Cluster das Empresas
Utilizamos o mesmo método utilizado para os demais setores que foi o
procedimento de cluster k-means. A caracterização da empresa em determinado
grupo estratégico será definida de acordo com os fatores encontrados na
redução do espaço estratégico que vimos na seção anterior.
Foi também utilizado a mesma fonte de painéis de especialistas para nos
auxiliar na definição da estratégia financeira mais relevante para determinado
grupo estratégico. Como no setor elétrico, montamos a matriz com os centróides
de cada grupo estratégico utilizando os painéis de especialistas.
82
Tabela 4.3.3.1 – Matriz de Especialistas
Estratégias Liderança por Baixo Custo
Liderança porDiferenciação
Enfoque em Baixo Custo
Enfoque em Diferenciação Meio Termo
Eficiência Imobilizado ACiclo Financeiro A B BEquilíbrio de Longo Prazo A B BAlavancagem Operacional B B
Segundo o painel de especialista em Cavalcanti (1997), para uma empresa
ser classificada como liderança por baixo custo é alta a necessidade da empresa
ter uma estratégia de eficiência operacional, assim como ter alta intensidade no
volume de investimentos. Em Cavalcanti (1997), a eficiência operacional é
relevante nos grupos de liderança de baixo custo. Consideramos baixa a
importância do equilíbrio de longo prazo no enfoque em diferenciação. Para uma
empresa ter equilíbrio de longo prazo, é necessário ter os itens: realizável a
longo prazo e exigível a longo prazo em equilíbrio, assim consideramos alta a
relevância no grupo estratégico liderança por baixo custo.
Segundo Dess & Davis (1984), empresas no grupo estratégico de enfoque
por baixo custo e enfoque por diferenciação reduzem a importância do uso de
financiamento como estratégia financeira por isso classificamos baixa a
importância do ciclo financeiro nesses grupos. Adaptado também de Dess &
Davis (1984), a busca por matéria prima, que é um dos principais fatores no ciclo
financeiro, foi considerado como de menor importância para estratégias de
enfoque e de liderança por diferenciação, no entanto para a estratégia de
liderança por baixo custo foi considerado mais importante.
Segundo Dess & Davis (1984), os grupos de enfoque e liderança por
diferenciação consideram a estratégia de minimizar o uso de financiamento de
terceiros de baixa importância assim classificamos com baixa a importância da
alavancagem operacional que tem a componente dívida total bruta.
Utilizando a matriz com a opinião dos especialistas e a análise descritiva
dos fatores estratégicos, tabela 4.3.3.2, criamos a matriz inicial de centróides
que pode ser visualizada na tabela 4.3.3.3.
83
Tabela 4.3.3.2 - Análise Descritiva das Variáveis Estratégicas
-,08 ,03 -,12 -,18-,63 -,91 -,75 -,58,58 ,81 ,78 ,41
Median2575
Percentiles
EficiênciaImobilizado
CicloFinanceiro
Equilíbrio deLongo Prazo
AlavancagemOperacional
Sabendo-se que a letra A da matriz de opinião dos especialistas
representa alta relevância, a empresa se localiza nesse grupo estratégico se ela
tiver a estratégia financeira no terceiro quartil. De forma análoga, a letra B
significa baixa relevância e corresponde ao primeiro quartil. Os itens em branco
correspondem à mediana.
Tabela 4.3.3.3 – Energia Matriz de Centróides Inicial
ESTRATÉGIA /GRUPO ESTRATÉGICO
EFICIÊNCIA IMOBILIZADO
CICLO FINANCEIRO
EQUILÍBRIO DE LONGO PRAZO
ALAVANCAGEM OPERACIONAL
LIDERANÇA POR BAIXO CUSTO 0,58 0,81 0,78 -0,18LIDERANÇA POR DIFERENCIAÇÃO -0,08 0,03 -0,75 -0,58ENFOQUE EM BAIXO CUSTO -0,08 -0,91 -0,12 -0,18ENFOQUE EM DIFERENCIAÇÃO -0,08 -0,91 -0,75 -0,58MEIO TERMO -0,08 0,03 -0,12 -0,18
A geração da segmentação das empresas em grupos estratégicos teve 5
iterações até o modelo convergir para os grupos resultando na classificação das
empresas e na matriz de centróide final.
Tabela 4.3.3.4 – Matriz de Iterações
,43 ,81 1,07 1,15 ,78,00 ,39 ,00 ,00 ,17,00 ,30 ,00 ,00 ,58,00 ,13 ,00 ,00 ,34,00 ,00 ,00 ,00 ,00
Iteration12345
1 2 3 4 5Change in Cluster Centers
84
Tabela 4.3.3.5 – Segmentação
5,007,004,002,003,00
21,007,00
12345
Cluster
ValidMissing
Conforme descrito na tabela 4.3.3.5, das 28 empresas do setor de Têxtil 21
puderam ser classificada entre os grupos estratégicos, as outras 7 empresas não
entraram na classificação por causa da falta de informação das variáveis
estratégicas.
Tabela 4.3.3.6 – Matriz de Centróides Final
,93 -,04 ,03 -,06 -1,45,57 ,39 -1,21 -1,28 ,60
,84 -,39 ,52 -1,42 -,23
-,17 -,15 ,61 -1,43 ,78
Eficiência ImobilizadoCiclo FinanceiroEquilíbrio de LongoPrazoAlavancagemOperacional
1 2 3 4 5Cluster
Segundo Mcclave et al(2001), o teste de hipótese de Wilcoxson signed
rank é:
H0 : D1 e D2 são idênticas
Ha: D1 é deslocada para a direita ou esquerda de D2
Sendo que D1 e D2 são as distribuições de probabilidade de duas
populações. No caso da pesquisa, D1 corresponde a matriz de centróides inicial
e D2 corresponde a matriz de centróide final. Este teste não paramétrico não
rejeita a hipótese nula da matriz do centróide inicial ser igual a matriz de
centróide final. Na tabela 4.3.3.7, podemos visualizar que há igualdade
estatística para ambas as matrizes.
85
Tabela 4.3.3.7 – Wilcoxon Rank Signed Test
-,67 -,13 -,13 -,94,50 ,89 ,89 ,35
ZAsymp. Sig. (2-tailed)
EFICIÊNCIAIMOBILIZADO
CICLOFINANCEIRO
EQUILÍBRIO DELONGO PRAZO
ALAVANCAGEMOPERACIONAL
Após a validação da igualdade entre as matrizes, os grupos estratégicos
ficaram da seguinte forma:
Liderança por Baixo Custo:
5 empresas
Liderança por Diferenciação:
7 empresas
Alpargatas
Coteminas
Santista Textil
Vicunha Textil
Wembley
Cedro
Grendene
Inds Cataguases
Karsten
Marisol
Santanense
Vulcabras
Enfoque em Baixo Custo:
4 empresas
Enfoque em Diferenciação:
2 empresas
Buettner
Cia Hering
Guararapes
Tex Renaux
Fab C Renaux
Tecel.S.Jose
Meio Termo
3 empresas
Dohler
Pettenati
Staroup
Estaremos mostrando na próxima seção qual é a relevância de cada
estratégia para cada grupo estratégico da indústria têxtil.
86
4.3.4. Análise da importância das estratégias para os grupos estratégicos
Inicialmente, já testamos a normalidade das variáveis e estamos
assumindo que há independência entre as variáveis no modelo.
Segundo Hair et al (1998), para testar homogeneidade entre as matrizes
de variância-covariância dos grupos, é necessário utilizar o teste de Box´s M.
H0 : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
Através do método de Box´s M, verificou-se que não há diferença
substancial entre as matrizes de covariância, logo não houve rejeição da
premissa de homocedasticidade a um nível de significância de 5%.
Tabela 4.3.4.1 – Teste da Igualdade das Matrizes de Covariância
20,851,08
10,00344,65
,38
Box's MFdf1df2Sig.
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para não indicar correlação entre as matrizes de covariância não
devemos rejeitar a hipótese nula: H0 : Σ* = α2 I. No teste de Bartlett, o nível de
significância foi de 0,27 e não podemos considerar rejeitada a hipótese nula de
que a matriz de correlação das variáveis corresponde a uma matriz identidade a
níveis de significância de 0,05.
87
Tabela 4.3.4.2 – Teste de Bartlett
,0011,119,00,27
Likelihood RatioApprox. Chi-SquaredfSig.
A validação da técnica acontece testando as estatísticas Phillai´s Trace,
Wilk´s Lambda, Hotelling´s Trace e Roy´s Largest Root. No nosso caso,
estaremos utilizando a estatística lambda de wilk.
Tabela 4.3.4.3 - Testes de Significância – Multivariável
2,057 4,236 16,000 64,000 ,000 67,784 1,000,026 5,835 16,000 40,353 ,000 60,399 ,998
7,891 5,672 16,000 46,000 ,000 90,747 1,0004,436 17,745 4,000 16,000 ,000 70,979 1,000
Pillai's TraceWilks' LambdaHotelling's TraceRoy's Largest Root
EffectQCL_1
Value F Hypothesis df Error df Sig.Noncent.
ParameterObserved
Power
O teste estatístico utilizando lambda de Wilk foi de 0,000 atendendo ao
nível pré-estabelecido de 0,05, logo estamos certos de que há diferença
significativa entre as estratégias financeiras e os grupos estratégicos.
Tabela 4.3.4.4 – Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
Eficiência Imobilizado Liderança por Baixo Custo Meio Termo 2,38 0,01Eficiência Imobilizado Meio Termo Liderança por Baixo Custo -2,38 0,01Ciclo Financeiro Liderança por Baixo Custo Enfoque em Baixo Custo 1,78 0,01Ciclo Financeiro Liderança por Baixo Custo Enfoque em Diferenciação 1,85 0,04Ciclo Financeiro Liderança por Diferenciação Enfoque em Baixo Custo 1,60 0,01Ciclo Financeiro Enfoque em Baixo Custo Liderança por Baixo Custo -1,78 0,01Ciclo Financeiro Enfoque em Baixo Custo Liderança por Diferenciação -1,60 0,01Ciclo Financeiro Enfoque em Baixo Custo Meio Termo -1,81 0,03Ciclo Financeiro Enfoque em Diferenciação Liderança por Baixo Custo -1,85 0,04Ciclo Financeiro Meio Termo Enfoque em Baixo Custo 1,81 0,03Equilíbrio de Longo Prazo Liderança por Baixo Custo Enfoque em Diferenciação 2,26 0,04Equilíbrio de Longo Prazo Enfoque em Diferenciação Liderança por Baixo Custo -2,26 0,04
No procedimento de Bonferroni descrito na tabela 4.3.4.4, observamos que
a estratégia financeira eficiência imobilizado tem maior impacto no grupo
estratégico liderança de baixo custo do que no meio termo. O ciclo financeiro
mostrou-se mais relevante para o grupo liderança por baixo custo em relação
aos grupos de enfoque. Nessa mesma estratégia financeira, a liderança por
88
diferenciação é mais relevante do que o grupo enfoque de baixo custo. A
estratégia equilíbrio de longo prazo mostrou-se mais relevante para o grupo
estratégico liderança por baixo custo.
A seguir mostraremos a relação do desempenho com os grupos
estratégicos do setor têxtil.
4.3.5. Análise do Desempenho nos grupos estratégicos
Estamos utilizando para medir o desempenho as variáveis de retorno
sobre ativos e receita. Excluímos da análise a variável retorno sobre o patrimônio
líquido porque não podemos afirmar que a variável tem uma distribuição normal.
Estudamos o comportamento do desempenho para cada grupo estratégico
e a sua relação entre eles utilizando a Manova.
Segundo Hair et al (1998), para testar homogeneidade entre as matrizes
de variância-covariância dos grupos, é necessário utilizar o teste de Box’s M.
H0 : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
O teste de Box’s M foi favorável, logo não rejeitamos a hipótese de
homocedasticidade entre os grupos estratégicos a um nível de significância de
0,05. Tabela 4.3.5.1 – Teste da Igualdade das Matrizes de Covariância
14,161,109,00
605,52,36
Box's MFdf1df2Sig.
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para não indicar correlação entre as matrizes de covariância não
devemos rejeitar a hipótese nula: H0 : Σ* = α2 I. Não obtivemos resultados
89
favoráveis no teste de Bartlett ao nível de significância de 0,05, já que a hipótese
nula será rejeitada.
Tabela 4.3.5.2 - Teste de Bartlett
,0013,732,00,00
Likelihood RatioApprox. Chi-SquaredfSig.
Por último, obtivemos resultados favoráveis para o teste geral da Manova a
um nível de significância de 0,05 permitindo assim o uso dos resultados do
procedimento de Bonferroni.
Tabela 4.3.5.3 - Testes de Significância – Multivariável
1,340 8,125 8,000 32,000 ,000 64,997 1,000,098 8,219 8,000 30,000 ,000 65,753 1,000
4,722 8,263 8,000 28,000 ,000 66,104 1,0003,413 13,654 4,000 16,000 ,000 54,616 1,000
Pillai's TraceWilks' LambdaHotelling's TraceRoy's Largest Root
EffectQCL_1
Value F Hypothesis df Error df Sig.Noncent.
ParameterObserved
Power
Os teste de significância do procedimento de Bonferroni foi significante
para as variáveis de desempenho: receita e rentabilidade sobre ativo. Podemos
observar que o grupo estratégico enfoque em diferenciação obteve pior
desempenho em receita do que os demais grupos estratégicos.
Na variável de desempenho rentabilidade sobre o ativo, liderança por baixo
custo teve o melhor desempenho em termos de retorno sobre o ativo de todas os
demais grupos estratégicos. No caso da receita, o grupo estratégico enfoque em
diferenciação teve o pior desempenho em relação aos demais grupos.
90
Tabela 4.3.5.4 - Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
RECEITA Liderança por Baixo Custo Enfoque em Diferenciação 0,60 0,00RECEITA Liderança por Diferenciação Enfoque em Diferenciação 0,65 0,00RECEITA Enfoque em Baixo Custo Enfoque em Diferenciação 0,50 0,00RECEITA Enfoque em Diferenciação Liderança por Baixo Custo -0,60 0,00RECEITA Enfoque em Diferenciação Liderança por Diferenciação -0,65 0,00RECEITA Enfoque em Diferenciação Enfoque em Baixo Custo -0,50 0,00RECEITA Enfoque em Diferenciação Meio Termo -0,53 0,00RECEITA Meio Termo Enfoque em Diferenciação 0,53 0,00RENTABILIDADE SOBRE ATIVO Liderança por Baixo Custo Liderança por Diferenciação 0,63 0,03RENTABILIDADE SOBRE ATIVO Liderança por Baixo Custo Enfoque em Baixo Custo 0,72 0,04RENTABILIDADE SOBRE ATIVO Liderança por Baixo Custo Enfoque em Diferenciação 1,46 0,00RENTABILIDADE SOBRE ATIVO Liderança por Baixo Custo Meio Termo 1,04 0,00RENTABILIDADE SOBRE ATIVO Liderança por Diferenciação Liderança por Baixo Custo -0,63 0,03RENTABILIDADE SOBRE ATIVO Liderança por Diferenciação Enfoque em Diferenciação 0,82 0,05RENTABILIDADE SOBRE ATIVO Enfoque em Baixo Custo Liderança por Baixo Custo -0,72 0,04RENTABILIDADE SOBRE ATIVO Enfoque em Diferenciação Liderança por Baixo Custo -1,46 0,00RENTABILIDADE SOBRE ATIVO Enfoque em Diferenciação Liderança por Diferenciação -0,82 0,05RENTABILIDADE SOBRE ATIVO Meio Termo Liderança por Baixo Custo -1,04 0,00
4.3.6. Relação entre o Desempenho e a Distância do centro do Grupo Estratégico
Após análise entre os grupos, iremos analisar a distância euclidiana da
posição da empresa com o seu desempenho.
Na tabela 4.3.6.1, demonstramos que o coeficiente de determinação
justado é de -11%. No caso do setor Têxtil, a distância da empresa ao centróide
do grupo estratégico não tem suas variações explicadas pelas variáveis de
desempenho. Como o teste de Durbin-Watson está próximo de 2, há a
comprovação da não incidência de autocorrelação.
Tabela 4.3.6.1 – Coeficiente de Determinação
,03 ,00 -,11 ,73 2,22R R Square
AdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Segundo Mcclave et al (2001), o teste de hipótese que valida o modelo de
regressão é o teste de hipótese da análise da variância.
H0 : β1 = β2 = β3 = ... = βi = 0
Ha : pelo menos um βi ≠ 0
91
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos. Na tabela 4.3.6.2, mostra o teste de F com
significância acima da pré-estabelecida de 0,05, logo não podemos rejeitar a
hipótese nula e desta forma não podemos considerar os resultados da
regressão.
Tabela 4.3.6.2 - Análise da Variância
ANOVA
,01 2,00 ,01 ,01 ,999,64 18,00 ,549,65 20,00
RegressionResidualTotal
Sum ofSquares df Mean Square F Sig.
Segundo Mcclave et al (2001), o teste de hipótese que valida o coeficiente
beta do modelo de regressão é:
H0 : βi = 0
Ha : βi ≠ 0
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos. Na tabela 4.3.6.3, temos os coeficientes de regressão
das variáveis de desempenho: receita e retorno sobre ativos que apresentaram
significância estatística superior ao pré-estabelecido de 0,05, então não
podemos rejeitar a hipótese nula. Tabela 4.3.6.3 - Coeficientes da Regressão
1,170 ,256 4,566 ,000-,042 ,943 -,013 -,044 ,965 ,656 1,523,052 ,387 ,039 ,133 ,896 ,656 1,523
(Constant)Zscore(RentAtivo)Zscore(LNReceita)
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIFCollinearity Statistics
92
4.4. Telecomunicações
A indústria de telecomunicações vem apresentando nos últimos anos um
aumento de novos entrantes e de bens substitutos em seu ambiente
competitivo. Esse novo contexto da indústria de telecomunicações está
gerando impacto negativo nas rentabilidades das empresas e,
conseqüentemente, perda de seu valor econômico.
Essas empresas representam 7% das empresas que operam no mercado
bursátil brasileiro e 12% da receita total em 2004. Das 26 empresas
analisadas, 3 não continham as informações necessárias para serem inseridas
no modelo e foram excluídas da amostra através do critério listwise do SPSS.
4.4.1. Testes de Normalidade
Da mesma forma que procedemos nas demais indústrias, utilizamos o
teste de normalidade de Kolmogorov-Smirnov e Shapiro-WIlk a um nível de
significância de 0,05. Para atingirmos a normalidade de variáveis com
distribuição assimétrica transformaremos as variáveis aplicando a função
logaritmo.
H0 : Distribuição Normal
Ha : Distribuição é diferente de Normal
93
Tabela 4.4.1.1 – Análise Descritiva
26 -303,10 14,10 -16,9124 -70,60 25,30 1,0726 -3,70 9,10 1,0226 -1829,00 21,30 -66,7026 -324318,00 3783286,00 679170,3526 -1581303,00 3123296,00 311771,4624 -92,00 76,50 -27,9625 1,39 16,57 13,7625 1,39 16,51 13,6624 10,09 16,58 14,4126 6,36 15,89 13,2724 9,13 16,03 13,8626 5,53 13,92 11,4326 6,15 16,22 13,4325 8,66 14,79 12,4926 7,07 16,26 12,8224 11,93 16,25 14,0624 6,19 16,30 13,0326 ,00 5,52 4,4925 ,00 5,16 4,1523
RentAtivoRentPatrimonioAlavancagemFinanceiraAlavancagemOperacionalLuc_Op_EBITCapGirCicFinLNPermamenteLNImobilizadoLNReceitaLNPassivoCirculanteLNCPVLNDesAdmLNAtvCirLNRealLPLNExigLPPatrim_LiqLNDividaLNPmForLNPmClValid N (listwise)
N Minimum Maximum Mean
Aplicamos a função logaritmo e, logo após, os testes de normalidade
gerando os resultados ilustrados na tabela 4.4.1.2. Excluímos as variáveis
alavancagem operacional, lucro operacional, ativo permanente, passivo
circulante e prazo médio de pagamento aos fornecedores da análise.
94
Tabela 4.4.1.2 – Teste de Normalidade
,17 23,00 ,08 ,89 23,00 ,02,20 23,00 ,02 ,80 23,00 ,00,14 23,00 ,20 ,91 23,00 ,05,53 23,00 ,00 ,22 23,00 ,00,30 23,00 ,00 ,70 23,00 ,00,21 23,00 ,01 ,88 23,00 ,01,16 23,00 ,13 ,89 23,00 ,02,22 23,00 ,01 ,86 23,00 ,00,21 23,00 ,01 ,89 23,00 ,01,16 23,00 ,13 ,90 23,00 ,02,26 23,00 ,00 ,86 23,00 ,00,21 23,00 ,01 ,88 23,00 ,01,20 23,00 ,02 ,87 23,00 ,01,11 23,00 ,20 ,96 23,00 ,55,11 23,00 ,20 ,95 23,00 ,32,11 23,00 ,20 ,95 23,00 ,23,11 23,00 ,20 ,95 23,00 ,28,11 23,00 ,20 ,92 23,00 ,06,28 23,00 ,00 ,86 23,00 ,00,21 23,00 ,01 ,90 23,00 ,02
RentAtivoRentPatrimonioAlavancagemFinanceiraAlavancagemOperacionalLuc_Op_EBITCapGirCicFinLNPermamenteLNImobilizadoLNReceitaLNPassivoCirculanteLNCPVLNDesAdmLNAtvCirLNRealLPLNExigLPPatrim_LiqLNDividaLNPmForLNPmCl
Statistic df Sig. Statistic df Sig.Kolmogorov-Smirnov Shapiro-Wilk
Com o intuito de facilitar na montagem da matriz de centróides
convertemos as variáveis a serem utilizadas no modelo score z.
4.4.2. Redução do Espaço Estratégico
Antes de efetuar a redução do espaço estratégico, fizemos uma análise de
correlação de Pearson entre as variáveis estudadas.
95
Tabela 4.4.2.1 - Coeficiente de Pearson para as variáveis estratégicas
1,00 ,30 -,31 -,30 -,32 -,34 -,17 -,31 -,06 -,19 -,33 -,01
,30 1,00 ,02 ,26 ,27 ,22 ,41 ,25 ,25 ,30 ,24 -,29-,31 ,02 1,00 ,56 ,60 ,47 ,44 ,61 ,45 ,38 ,55 ,32-,30 ,26 ,56 1,00 ,98 ,94 ,91 ,84 ,81 ,87 ,64 ,28-,32 ,27 ,60 ,98 1,00 ,95 ,92 ,86 ,75 ,90 ,65 ,21-,34 ,22 ,47 ,94 ,95 1,00 ,89 ,88 ,69 ,91 ,67 ,18-,17 ,41 ,44 ,91 ,92 ,89 1,00 ,84 ,78 ,88 ,68 ,09-,31 ,25 ,61 ,84 ,86 ,88 ,84 1,00 ,66 ,76 ,78 ,05-,06 ,25 ,45 ,81 ,75 ,69 ,78 ,66 1,00 ,54 ,64 ,34-,19 ,30 ,38 ,87 ,90 ,91 ,88 ,76 ,54 1,00 ,52 ,08-,33 ,24 ,55 ,64 ,65 ,67 ,68 ,78 ,64 ,52 1,00 -,12-,01 -,29 ,32 ,28 ,21 ,18 ,09 ,05 ,34 ,08 -,12 1,00
,09 ,07 ,08 ,07 ,06 ,21 ,08 ,39 ,20 ,06 ,49
,09 ,46 ,12 ,10 ,16 ,02 ,13 ,13 ,08 ,14 ,09,07 ,46 ,00 ,00 ,01 ,02 ,00 ,01 ,04 ,00 ,07,08 ,12 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,10,07 ,10 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,17,06 ,16 ,01 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,21,21 ,02 ,02 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,33,08 ,13 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,41,39 ,13 ,01 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,06,20 ,08 ,04 ,00 ,00 ,00 ,00 ,00 ,00 ,01 ,36,06 ,14 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,01 ,29,49 ,09 ,07 ,10 ,17 ,21 ,33 ,41 ,06 ,36 ,29
Zscore(AlavancagemFinanceira)Zscore(CapGir)Zscore(CicFin)Zscore(LNImobilizado)Zscore(LNCPV)Zscore(LNDesAdm)Zscore(LNAtvCir)Zscore(LNRealLP)Zscore(LNExigLP)Zscore(Patrim_Liq)Zscore(LNDivida)Zscore(LNPmCl)Zscore(AlavancagemFinanceira)Zscore(CapGir)Zscore(CicFin)Zscore(LNImobilizado)Zscore(LNCPV)Zscore(LNDesAdm)Zscore(LNAtvCir)Zscore(LNRealLP)Zscore(LNExigLP)Zscore(Patrim_Liq)Zscore(LNDivida)Zscore(LNPmCl)
Correlation
Sig. (1-tailed)
Zscore(Alavancagem
Financeira)Zscore(C
apGir)Zscore(Cic
Fin)Zscore(LNImobilizado)
Zscore(LNCPV)
Zscore(LNDesAdm)
Zscore(LNAtvCir)
Zscore(LNRealLP)
Zscore(LNExigLP)
Zscore(Patrim_Liq)
Zscore(LNDivida)
Zscore(LNPmCl)
Nota-se uma baixa correlação entre a variável alavancagem financeira e as
demais variáveis. O custo dos produtos vendidos tem uma relação forte com o
imobilizado, ativo circulante, despesas administrativas e patrimônio líquido.
Após análise de correlação de Pearson, efetuamos a redução do espaço
estratégico das 12 variáveis analisadas na tabela 4.4.2.1.
Tabela 4.4.2.2 - Medida de Adequação da Amostra e Teste de Bartlett
,72
316,9866,00
,00
Kaiser-Meyer-Olkin Measure of SamplingAdequacy.
Approx. Chi-SquaredfSig.
Bartlett's Test ofSphericity
A medida KMO de adequação da amostra obteve estatística superior a 0,5,
então podemos assumir que o procedimento de redução do espaço estratégico é
válido.
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
96
Logo, para indicar correlação entre as matrizes de covariância devemos
rejeitar a hipótese nula: H0 :Σ* = α2 I. O teste de Bartlett indicou que a correlação
entre as variáveis é diferente de zero a um nível de significância inferior a 1%.
Tabela 4.4.2.3 – Autovalor dos Fatores
7,14 59,53 59,53 7,14 59,53 59,53 5,78 48,18 48,181,56 13,04 72,57 1,56 13,04 72,57 2,17 18,11 66,291,19 9,96 82,53 1,19 9,96 82,53 1,36 11,34 77,63
,76 6,36 88,89 ,76 6,36 88,89 1,35 11,26 88,89,49 4,11 93,00,41 3,39 96,40,18 1,53 97,92,13 1,06 98,99,07 ,59 99,58,02 ,21 99,78,02 ,17 99,95,01 ,05 100,00
Component123456789101112
Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative %Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Optamos por quatro fatores no setor de indústria para manter uma
padronização entre os demais setores e um maior poder de explicação para o
modelo. Esses quatro fatores explicam 88,9% da variância das variáveis
estudadas e o total das cargas é de 1,4.
Utilizamos a matriz com rotação ortogonal utilizando o método Varimax
para agruparmos as variáveis que estão mais perto uma das outras no plano
ortogonal. Esse método irá facilitar na análise de cada variável e seu respectivo
fator assim como nomear os quatro fatores utilizados.
97
Tabela 4.4.2.4 - Matriz de Fatores com Rotação
1 2 3 4Zscore(AlavancagemFinanceira) (0,22584) (0,23220) 0,14300 0,84869 Zscore(CapGir) 0,31101 0,12716 (0,41080) 0,71462 Zscore(CicFin) 0,26335 0,81795 0,24776 (0,15094) Zscore(LNImobilizado) 0,90967 0,34051 0,16400 (0,02137) Zscore(LNCPV) 0,91588 0,34927 0,08949 (0,05049) Zscore(LNDesAdm) 0,94107 0,25143 0,03529 (0,11180) Zscore(LNAtvCir) 0,91306 0,29855 (0,02897) 0,13678 Zscore(LNRealLP) 0,76783 0,51941 (0,08977) (0,07310) Zscore(LNExigLP) 0,64210 0,48499 0,28858 0,23094 Zscore(Patrim_Liq) 0,95520 0,05832 (0,03534) (0,00493) Zscore(LNDivida) 0,50053 0,72731 (0,27164) (0,05791) Zscore(LNPmCl) 0,11694 0,08107 0,95222 (0,04178)
Component
De forma semelhante como nos demais setores, o primeiro fator tem como
principais variáveis: ativo imobilizado (LNImobilizado), custo dos produtos
vendidos (LNCPV), despesas administrativas (LNDesAdm), ativo circulante
(LNAtvCirculante), realizável no longo prazo (LNRealLP), exigível no longo prazo
(LNExigLP) e patrimônio líquido (Patrim_Liq). Essas variáveis contêm um forte
indício de eficiência operacional da empresa por isso a chamaremos de
Eficiência Imobilizado.
O segundo fator é composto pelo ciclo financeiro (CicFin) e pela variável
dívida bruta (LNDivida). Essas duas variáveis indicam o volume de
financiamento da empresa. Chamaremos esse fator de Financiamento de
Terceiros.
O terceiro fator é o prazo médio de recebimento dos clientes que indica
qual é o prazo médio do recebimento das compras que os clientes fizeram junto
à empresa. Essa variável pode indicar uma necessidade de capital de giro se ela
for superior ao prazo médio de pagamento aos fornecedores. Como esse fator
corresponde a apenas essa variável, então iremos chamá-la de Financiamento
de Clientes.
O quarto fator tem como principais variáveis: alavancagem financeira
(LNAlavancagem Financeira) e Capital de Giro (LNCapGir). Essas duas variáveis
indicam a capacidade de financiamento da empresa utilizando recursos de
terceiros e liquidez de curto prazo da empresa. Dessa forma, iremos chamá-la
de Alavancagem.
Por último, geramos os scores de cada um dos fatores utilizando os
modelos de regressão de cada uma das 12 variáveis utilizadas no estudo.
98
Tabela 4.4.2.5 - Resumo das Variáveis Resultantes da Redução do Espaço Estratégico
NÚMERO DO FATOR NOME DO FATOR VARIÁVEIS AGRUPADAS
1 EFICIÊNCIA IMOBILIZADO
IMOBILIZADOCUSTO DOS PRODUTOS VENDIDOSDESPESAS ADMINISTRATIVASATIVO CIRCULANTEREALIZÁVEL A LONGO PRAZOEXIGÍVEL A LONGO PRAZOPATRIMÔNIO LÍQUIDO
2 FINANCIAMENTO DE TERCEIROS CICLO FINANCEIRODÍVIDA
3 FINANCIAMENTO DE CLIENTES PRAZO MÉDIO DE PAGAMENTO DE CLIENTES
4 ALAVANCAGEM ALAVANCAGEM FINANCEIRACAPITAL DE GIRO
A seguir iremos utilizar os fatores definidos na redução do espaço
estratégico a fim de definir qual grupo estratégico pertence às empresas
analisadas.
4.4.3. Análise de Cluster das Empresas
Utilizamos o mesmo método utilizado para os demais setores que foi o
procedimento de cluster k-means. A caracterização da empresa em determinado
grupo estratégico será definida de acordo com os fatores encontrados na
redução do espaço estratégico que vimos na seção anterior.
Foi também utilizado a mesma fonte de painéis de especialistas para nos
auxiliar na definição da estratégia financeira mais relevante para determinado
grupo estratégico. Como nos demais setores, montamos a matriz com os
centróides de cada grupo estratégico utilizando os painéis de especialistas.
Tabela 4.4.3.1 – Matriz de Especialistas
Estratégias Liderança por Baixo Custo
Liderança porDiferenciação
Enfoque em Baixo Custo
Enfoque em Diferenciação Meio Termo
Eficiência Imobilizado AFinanciamento de Terceiros A B B BFinanciamento de Clientes AAlavancagem A B
Segundo o painel de especialista em Cavalcanti (1997), para uma empresa
ser classificada como liderança por baixo custo é alta a necessidade da empresa
99
ter uma estratégia de eficiência operacional, assim como ter alta intensidade no
volume de investimentos. Também para Cavalcanti (1997), o uso de
alavancagem financeira é importante para a empresa ser classificada como
liderança por diferenciação.
Segundo Dess & Davis (1984), empresas no grupo estratégico de enfoque
por baixo custo e diferenciação reduzem a importância do uso de financiamento
como estratégia financeira. Adaptado também de Dess & Davis (1984), a busca
por matéria prima, que é um dos principais fatores que influenciam no
financiamento de terceiros tem alta relevância para o grupo estratégico liderança
por baixo custo, porém para os grupos de enfoque e liderança por diferenciação
é de baixa relevância. No financiamento de clientes, utilizamos a afirmação do
painel de especialistas Cavalcanti (1997) onde o financiamento das vendas tem
alta importância para o grupo estratégico liderança por diferenciação.
Utilizando a matriz com a opinião dos especialistas e a análise descritiva
dos fatores estratégicos, tabela 4.4.3.2, foi criada a matriz inicial de centróides
que pode ser visualizada na tabela 4.4.3.3.
Tabela 4.4.3.2 - Análise Descritiva das Variáveis Estratégicas
-,14 ,03 -,08 ,01-1,00 -,55 -,49 -,291,12 ,69 ,09 ,53
Median2575
Percentiles
EficiênciaImobilizado
Financiamentode Terceiros
Financiamentode Clientes Alavancagem
Sabendo-se que a letra A da matriz de opinião dos especialistas é a
estratégia de maior importância e para a empresa se localizar nesse grupo
estratégico ela precisa ter a correspondente estratégia financeira no terceiro
quartil. A letra B é a situação análoga da letra A só que neste caso a empresa se
localizará no primeiro quartil enquanto que os itens em branco representam a
mediana.
Tabela 4.4.3.3 – Matriz de Centróides Inicial
ESTRATÉGIA /GRUPO ESTRATÉGICO
EFICIÊNCIA IMOBILIZADO
FINANCIAMENTO DE TERCEIROS
FINANCIAMENTO DE CLIENTES ALAVANCAGEM
LIDERANÇA POR BAIXO CUSTO 1,12 0,69 -0,08 0,01LIDERANÇA POR DIFERENCIAÇÃO -0,14 -0,55 0,09 0,53ENFOQUE EM BAIXO CUSTO -0,14 -0,55 -0,08 -0,29ENFOQUE EM DIFERENCIAÇÃO -0,14 -0,55 -0,08 0,01MEIO TERMO -0,14 0,03 -0,08 0,01
100
A geração da segmentação das empresas em grupos estratégicos teve 3
iterações até o modelo convergir para os grupos resultando na classificação das
empresas e na matriz de centróide final.
Tabela 4.4.3.4 – Matriz de Iterações
,38 ,91 1,15 ,55 1,10,00 ,93 1,06 ,22 ,37,00 ,00 ,00 ,00 ,00
Iteration123
1 2 3 4 5Change in Cluster Centers
Tabela 4.4.3.5 – Segmentação
6,0002,0002,0008,0005,000
23,0003,000
12345
Cluster
ValidMissing
Conforme descrito na tabela 4.4.3.5, das 26 empresas do setor de
Telecomunicações, 23 puderam ser classificadas entre os grupos estratégicos,
as outras 3 empresas não entraram na classificação por causa da falta de
informação das variáveis estratégicas.
101
Segundo Mcclave et al(2001), o teste de hipótese de Wilcoxson signed
rank é:
Ho : D1 e D2 são idênticas
Ha: D1 é deslocada para a direita ou esquerda de D2
Sendo que D1 e D2 são as distribuições de probabilidade de duas
populações. No caso da pesquisa, D1 corresponde a matriz de centróides inicial
e D2 corresponde a matriz de centróide final. Este
teste não rejeita a hipótese nula da matriz do centróide inicial ser igual a
matriz de centróide final. Na tabela 4.4.3.7, podemos visualizar que há igualdade
estatística para ambas as matrizes.
Tabela 4.4.3.7 – Wilcoxon Rank Signed Test
-,40 -,40 -,13 -,13,69 ,69 ,89 ,89
ZAsymp. Sig. (2-tailed)
EFICIÊNCIAIMOBILIZADO
FINANCIAMENTODE TERCEIROS
FINANCIAMENTODE CLIENTES ALAVANCAGEM
Após a validação da igualdade entre as matrizes, os grupos estratégicos
ficaram da seguinte forma:
Liderança por Baixo Custo:
6 empresas
Liderança por Diferenciação:
2 empresas
Brasil T Par
Brasil Telecom
Embratel Part
Telemar Norte Leste
Telemar-Tele NL Par
Telesp Operação
Tele Leste Celular
Telet
102
Enfoque em Baixo Custo:
2 empresas
Enfoque em Diferenciação:
8 empresas
Telefonica Data Hld
Vivo Part
CRT Celular
Tele Centroeste Cel
Tele Sudeste Celula
Telemig Celul Part
Telemig Celular
Tim Nordeste
Tim Participacoes
Tim Sul
Meio Termo
5 empresas
Amazonia Celular
Americel
La Fonte Telecom
LF Tel
Tele Norte Celular
Estaremos mostrando na próxima seção qual é a relevância de cada
estratégia para cada um dos grupos estratégicos da indústria de
telecomunicações.
4.4.4. Análise da importância das estratégias para os grupos estratégicos
Inicialmente, já testamos a normalidade das variáveis e estamos
assumindo que há independência entre as variáveis no modelo.
Segundo Hair et al (1998), para testar homogeneidade entre as matrizes
de variância-covariância dos grupos, é necessário utilizar o teste de Box´s M.
H0 : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
Através do método de Box´s M, verificou-se que há diferença substancial
entre as matrizes de covariância, logo houve rejeição da premissa de
homocedasticidade a um nível de significância de 5%. Não iremos considerar
essa premissa para esse modelo.
103
Tabela 4.4.4.1 – Teste da Igualdade das Matrizes de Covariância
101,8312,999
20646,393
,000
Box's MFdf1df2Sig.
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para não indicar correlação entre as matrizes de covariância não
devemos rejeitar a hipótese nula: H0 : Σ* = α2 I. Neste teste, o nível de
significância foi de 0,01 e podemos considerar rejeitada a hipótese nula para
níveis de significância de 0,05 não justificando o uso da técnica de Manova.
Tabela 4.4.4.2 – Teste de Bartlett
,0020,799,00,01
Likelihood RatioApprox. Chi-SquaredfSig.
Por último, a validação da técnica só acontece com os testes gerais que
são: Phillai´s Trace, Wilk´s Lambda, Hotelling´s Trace e Roy´s Largest Root. O
teste lambda de wilk é significante, logo estamos certos de que há diferença
significativa entre as estratégias financeiras e entre os grupos estratégicos.
104
Tabela 4.4.4.3 - Testes de Significância – Multivariável
2.38 6.63 16.00 72.00 .00 106.01 1.00.01 11.47 16.00 46.46 .00 111.19 1.00
14.32 12.08 16.00 54.00 .00 193.32 1.009.15 41.16 4.00 18.00 .00 164.65 1.00
Pillai's TraceWilks' LambdaHotelling's TraceRoy's Largest Root
EffectQCL_1
Value F Hypothesis df Error df Sig.Noncent.
ParameterObserved
Power
Em todos os critérios, os níveis de significância foram de 0,000 o que
atende ao nosso nível pré-estabelecido de 0,05. Assim, em termos gerais, é
significativa a diferença entre as estratégias financeiras e os seus grupos
estratégicos.
Tabela 4.4.4.4 – Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
Eficiência Imobilizado Liderança por Baixo Custo Liderança por Diferenciação 2,01 0,00Eficiência Imobilizado Liderança por Baixo Custo Enfoque em Baixo Custo 1,39 0,05Eficiência Imobilizado Liderança por Baixo Custo Enfoque em Diferenciação 1,32 0,00Eficiência Imobilizado Liderança por Baixo Custo Meio Termo 2,38 0,00Eficiência Imobilizado Liderança por Diferenciação Liderança por Baixo Custo -2,01 0,00Eficiência Imobilizado Enfoque em Baixo Custo Liderança por Baixo Custo -1,39 0,05Eficiência Imobilizado Enfoque em Diferenciação Liderança por Baixo Custo -1,32 0,00Eficiência Imobilizado Enfoque em Diferenciação Meio Termo 1,06 0,02Eficiência Imobilizado Meio Termo Liderança por Baixo Custo -2,38 0,00Eficiência Imobilizado Meio Termo Enfoque em Diferenciação -1,06 0,02Financiamento de Terceiros Liderança por Baixo Custo Enfoque em Diferenciação 1,53 0,01Financiamento de Terceiros Enfoque em Diferenciação Liderança por Baixo Custo -1,53 0,01Financiamento de Terceiros Enfoque em Diferenciação Meio Termo -1,71 0,00Financiamento de Terceiros Meio Termo Enfoque em Diferenciação 1,71 0,00Financiamento de Clientes Liderança por Diferenciação Enfoque em Baixo Custo 2,87 0,02Financiamento de Clientes Liderança por Diferenciação Enfoque em Diferenciação 2,06 0,04Financiamento de Clientes Enfoque em Baixo Custo Liderança por Diferenciação -2,87 0,02Financiamento de Clientes Enfoque em Diferenciação Liderança por Diferenciação -2,06 0,04Alavancagem Liderança por Baixo Custo Enfoque em Baixo Custo 2,06 0,05Alavancagem Liderança por Diferenciação Enfoque em Baixo Custo 3,09 0,01Alavancagem Enfoque em Baixo Custo Liderança por Baixo Custo -2,06 0,05Alavancagem Enfoque em Baixo Custo Liderança por Diferenciação -3,09 0,01Alavancagem Enfoque em Baixo Custo Enfoque em Diferenciação -2,23 0,02Alavancagem Enfoque em Diferenciação Enfoque em Baixo Custo 2,23 0,02
No procedimento de Bonferroni descrito na tabela 4.4.4.4, observamos que
a estratégia financeira eficiência imobilizado tem maior impacto no grupo
estratégico liderança de baixo custo. Essa estratégia também é mais relevante
para o grupo enfoque em diferenciação do que o grupo meio termo. A estratégia
financiamento de terceiros é a mais relevante para os grupos estratégicos
liderança por baixo custo e meio termo. Para a estratégia de financiamento de
clientes, a liderança por diferenciação é mais relevante do que o enfoque em
baixo custo e enfoque em diferenciação. Por último, a estratégia financeira
alavancagem tem maior impacto no grupo estratégico liderança por baixo custo,
105
liderança por diferenciação e enfoque em diferenciação, todas esses grupos
superam o grupo enfoque por baixo custo.
A seguir mostraremos a relação do desempenho com os grupos
estratégicos do setor de telecomunicações.
4.4.5. Análise do Desempenho nos grupos estratégicos
Repetimos o procedimento efetuado nos demais setores para a indústria
de telecomunicações. Estamos utilizando para medir o desempenho as variáveis
de retorno sobre ativo, retorno sobre patrimônio líquido e receita. Estudamos o
comportamento do desempenho para cada grupo estratégico e a sua relação
entre eles utilizando a Manova.
Segundo Hair et al (1998), para testar homogeneidade entre as matrizes
de variância-covariância dos grupos, é necessário utilizar o teste de Box´s M.
Ho : Homogeneidade entre as matrizes de variância-covariância
Ha : Não há homogeneidade entre as matrizes de variância-covariância
O teste de Box´s M foi desfavorável, logo rejeitamos a hipótese de
homocedasticidade entre os grupos estratégicos a um nível de significância de
0,05. Da mesma forma como na análise Manova nas estratégias, vamos
desconsiderar essa premissa e prosseguir com o estudo.
106
Tabela 4.4.5.1 –Teste da Igualdade das Matrizes de Covariância
43,612,54
12,00841,33
,00
Box's MFdf1df2Sig.
De acordo com Giri (1997), o teste de esferacidade é :
H0 : Σ* = α2 I
Ha : Σ* ≠ α2 I
Logo, para não indicar correlação entre as matrizes de covariância não
devemos rejeitar a hipótese nula: H0 : Σ* = α2 I.
Obtivemos resultados desfavoráveis no teste de Bartlett ao nível de
significância de 0,00 rejeitando a hipótese nula.
Tabela 4.4.5.2 - Teste de Bartlett
,0090,745,00,00
Likelihood RatioApprox. Chi-SquaredfSig.
Por último, a validação da técnica só acontece com os testes gerais que
são: Phillai´s Trace, Wilk´s Lambda, Hotelling´s Trace e Roy´s Largest Root.
Caso o teste lambda de wilk seja válido estaremos certos que há diferença
significativa entre as estratégias financeiras e entre os grupos estratégicos.
107
Tabela 4.4.5.3 - Testes de Significância – Multivariável
1,570 4,939 12,000 54,000 ,000 59,263 1,000,047 7,718 12,000 42,624 ,000 75,382 1,000
7,627 9,322 12,000 44,000 ,000 111,866 1,0005,407 24,330 4,000 18,000 ,000 97,322 1,000
Pillai's TraceWilks' LambdaHotelling's TraceRoy's Largest Root
EffectQCL_1
Value F Hypothesis df Error df Sig.Noncent.
ParameterObserved
Power
Obtivemos resultados favoráveis para o teste geral da Manova a um nível
de significância de 0,05, ou seja, as variáveis de desempenho são diferentes nos
grupos estratégicos permitindo assim o uso dos resultados do procedimento de
Bonferroni. Tabela 4.4.5.4 - Resumo da Análise do Procedimento de Bonferroni
Estrtatégia Financeira Grupo Estratégico (1) Grupo Estratégico (2)Diferença
entre médias(1 - 2)
Sig.
RECEITA Liderança por Baixo Custo Liderança por Diferenciação 0,25 0,01RECEITA Liderança por Diferenciação Liderança por Baixo Custo -0,25 0,01RECEITA Liderança por Diferenciação Enfoque em Diferenciação -0,34 0,00RECEITA Enfoque em Diferenciação Liderança por Diferenciação 0,34 0,00RECEITA Enfoque em Diferenciação Meio Termo 0,17 0,01RECEITA Meio Termo Enfoque em Diferenciação -0,17 0,01RENTABILIDADE SOBRE ATIVO Liderança por Baixo Custo Liderança por Diferenciação 2,22 0,01RENTABILIDADE SOBRE ATIVO Liderança por Diferenciação Liderança por Baixo Custo -2,22 0,01RENTABILIDADE SOBRE ATIVO Liderança por Diferenciação Enfoque em Diferenciação -2,69 0,00RENTABILIDADE SOBRE ATIVO Enfoque em Diferenciação Liderança por Diferenciação 2,69 0,00RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Liderança por Baixo Custo Liderança por Diferenciação 1,98 0,00RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Liderança por Baixo Custo Enfoque em Baixo Custo 1,14 0,02RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Liderança por Baixo Custo Enfoque em Diferenciação 1,36 0,00RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Liderança por Baixo Custo Meio Termo 1,71 0,00RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Liderança por Diferenciação Liderança por Baixo Custo -1,98 0,00RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Enfoque em Baixo Custo Liderança por Baixo Custo -1,14 0,02RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Enfoque em Diferenciação Liderança por Baixo Custo -1,36 0,00RENTABILIDADE SOBRE PATRIMONIO LIQUIDO Meio Termo Liderança por Baixo Custo -1,71 0,00
Os testes de significância do procedimento de Bonferroni foram
significantes para as variáveis: desempenho receita, rentabilidade sobre ativo e
rentabilidade sobre patrimônio liquido. Podemos observar que o grupo
estratégico liderança por diferenciação teve o pior desempenho em receita do
que o grupo liderança por baixo custo e enfoque em diferenciação.
Na variável de desempenho rentabilidade sobre o ativo, a liderança por
baixo custo e o enfoque por diferenciação tiveram o melhor resultado em relação
ao grupo liderança por diferenciação.
O grupo estratégico liderança por baixo custo teve um desempenho melhor
na rentabilidade sobre o patrimônio líquido do que os demais grupos.
108
4.4.6. Relação entre o Desempenho e a Distância do centro do Grupo Estratégico
Após análise entre os grupos, iremos analisar a distância euclidiana da
posição da empresa com o seu desempenho.
Na tabela 4.4.6.1, demonstramos que o coeficiente de determinação
justado é de 23,0%. No caso do setor de telecomunicações, a distância da
empresa ao centróide do grupo estratégico tem 23% de suas variações
explicadas pelas variáveis de desempenho. Como o teste de Durbin-Watson está
próximo de 2, há a comprovação da não incidência de autocorrelação.
Tabela 4.4.6.1 – Coeficiente de Determinação
,58 ,33 ,23 ,55 2,37R R Square
AdjustedR Square
Std. Error of theEstimate
Durbin-Watson
Segundo Mcclave et al (2001), o teste de hipótese que valida o modelo de
regressão é o teste de hipótese da análise da variância.
H0 : β1 = β2 = β3 = ... = βi = 0
Ha : pelo menos um βi ≠ 0
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos.
Na tabela 4.4.6.2, mostra o teste de F com significância abaixo da pré-
estabelecida de 0,05, logo podemos rejeitar a hipótese nula e desta forma
podermos considerar os resultados da regressão.
Tabela 4.4.6.2 - Análise da Variância
2,841 3 ,947 3,187 ,0475,647 19 ,2978,488 22
RegressionResidualTotal
Sum ofSquares df Mean Square F Sig.
109
Segundo Mcclave et al (2001), o teste de hipótese que valida o coeficiente
beta do modelo de regressão é:
H0 : βi = 0
Ha : βi ≠ 0
Neste teste de hipótese, deve-se rejeitar a hipótese nula para que os
coeficientes sejam válidos.
Na tabela 4.4.6.3, temos os coeficientes de regressão das variáveis de
desempenho: Receita, Retorno sobre Ativo e Retorno sobre o Patrimônio Líquido
que apresentaram significância estatística superior ao pré-estabelecido de 0,05,
então não podemos rejeitar a hipótese nula dos coeficientes serem iguais a zero.
Desta forma, não podemos comprovar relação entre o posicionamento da
empresa no grupo estratégico e o seu desempenho.
No caso da receita, os níveis de tolerância se mantiveram próximos a 1 e
no caso do retorno sobre o patrimônio líquido e retorno sobre o ativo os níveis de
tolerância são acima de 10 comprovando elevada correlação entre essas
variáveis.
Tabela 4.4.6.3 - Coeficientes da Regressão
2.70 1.08 2.50 .02-5.95 3.93 -1.19 -1.51 .15 .06 17.75
.39 .48 .64 .81 .43 .06 17.99
.07 .15 .09 .48 .64 .94 1.07
(Constant)Zscore(RentAtivo)Zscore(RentPatrimonio)Zscore(LNReceita)
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIFCollinearity Statistics
Na próxima seção, mostraremos os resultados obtidos quando
analisamos o comportamento das variáveis estratégicas financeiras e o
desempenho das empresas entre as indústrias estudadas.
4.5. Análise Transversal Do Desempenho Das Indústrias
Fizemos duas análises transversais entre os desempenhos das indústrias
estudadas. A primeira análise comparativa foi quais os setores que tiveram uma
relação inversamente proporcional entre o desempenho e o posicionamento da
empresa no grupo estratégico. A segunda análise foi a comparação de qual
110
estratégia financeira obteve maior desempenho entre os setores em cada
variável de desempenho.
Na tabela 4.4.6.1, observamos que a receita é inversamente proporcional
à distância do centróide em três setores: energia elétrica, siderurgia e metalurgia
e telecomunicações considerado um nível de significância de 0,15. Isso nos
mostra que existe uma relação entre o posicionamento da empresa dentro do
grupo estratégico e o seu desempenho. Empresas com posicionamento mais
próximo de seus grupos estratégicos têm maiores chances de apresentar um
desempenho superior às demais empresas dessa indústria.
Tabela 4.4.6.1 – Desempenho versus distância do centróide
SETORES ENERGIA SIDERURGIA E METALURGIA TÊXTIL TELECOMU-
NICAÇÕESR2 AJUSTADO 40,3% 5,2% -11,0% 23,0%SIG. F DA ANOVA 0,00 0,17 0,99 0,05ß RENTATIVO 0,13 0,01 -0,04 -5,95SIG. TESTE T 0,66 0,94 0,97 0,15ß RENTPATRIMONIO 0,39SIG. TESTE T 0,43ß LNRECEITA -0,35 -0,30 0,05 0,07SIG. TESTE T 0,00 0,11 0,90 0,64
ANÁLISE COMPARATIVA ENTRE O DESEMPENHO E A DISTÂNCIA DA EMPRESA EM RELAÇÃO AO CENTRÓIDE
Uma outra análise, demonstrada na tabela 4.4.6.2, foi a contagem do
número de ocorrências que cada grupo estratégico obteve desempenho superior
aos demais grupos. Essa análise é dividida por setor e por variável de
desempenho. Observamos nitidamente que a liderança por baixo custo obteve
melhor desempenho em relação a todos os demais grupos e em todas as
variáveis de desempenho.
111
Tabela 4.4.6.2 – Comparativo entre os desempenhos, setores e grupos estratégicos
RETORNO SOBRE ATIVO LIDERANÇA POR BAIXO CUSTO
LIDERANÇA POR DIFERENCIAÇÃO
ENFOQUE POR BAIXO CUSTO
ENFOQUE POR DIFERENCIAÇÃO MEIO TERMO
ENERGIA 1SIDERURGIA 1 1 1 1TEXTIL 4 1TELECOM 1 1
RECEITA LIDERANÇA POR BAIXO CUSTO
LIDERANÇA POR DIFERENCIAÇÃO
ENFOQUE POR BAIXO CUSTO
ENFOQUE POR DIFERENCIAÇÃO MEIO TERMO
ENERGIA 1SIDERURGIA 4 1TEXTIL 1 1 1 1TELECOM 1 2
RENTABILIDADE S/ O PATRIMONIO LIQUIDO
LIDERANÇA POR BAIXO CUSTO
LIDERANÇA POR DIFERENCIAÇÃO
ENFOQUE POR BAIXO CUSTO
ENFOQUE POR DIFERENCIAÇÃO MEIO TERMO
ENERGIASIDERURGIATEXTILTELECOM 4
Quando analisamos as empresas utilizando o retorno sobre ativo como
variável de desempenho, observamos que a liderança por baixo custo obtém os
melhores desempenhos em relação aos demais grupos estratégicos no caso da
indústria têxtil. O número quatro na tabela 4.4.6.2 significa que o grupo liderança
por baixo custo supera os outros quatro grupos estratégicos no caso do setor
têxtil quando utilizado o retorno sobre ativo como métrica de desempenho.
Quando utilizamos a receita para medir o desempenho, observamos que
o grupo estratégico liderança por baixo custo também aparece como o melhor
desempenho para a indústria de siderurgia. Na indústria de telecomunicações, o
grupo estratégico enfoque por baixo custo apresenta melhor desempenho em
relação a outros dois grupos estratégicos.
O grupo estratégico liderança por baixo custo na indústria de
telecomunicações superou os outros quatros grupos estratégicos quando
medimos o desempenho das indústrias de acordo com a rentabilidade sobre o
patrimônio líquido.
112
5. CONCLUSÃO
5.1. Conclusão Dos Resultados Obtidos
Para o setor de energia elétrica, as empresas que tiveram o melhor
desempenho foram as do grupo estratégico liderança por baixo custo e enfoque
por baixo custo. Empresas do grupo de liderança por baixo custo como CEMIG,
COELBA, CPFL Energia, Energias do Brasil, e empresas do grupo estratégico
enfoque por baixo custo, como CPFL Geração e AES Tiete, apresentam
desempenho acima da média do mercado e tem o modelo de gestão bem visto
por analistas de mercado. Outras empresas, como por exemplo, a LIGHT que
vêm apresentando problemas de endividamento não aparece nesses grupos.
Para o setor siderurgia e metalurgia, o grupo estratégico liderança por
baixo custo, que visa aumentar o desempenho através de aumento da eficiência
operacional, é uma realidade. Empresas do tamanho da Acesita, Aços Villares,
Arcelor Brasil, Cosipa, Grupo Guerdau, Companhia Siderúrgica Nacional,
Companhia Siderúrgica de Tubarão e Usiminas são bem avaliadas por
investidores que buscam empresas com alto desempenho. Tal constatação
apresentada por essa pesquisa fortalece o conceito defendido por analistas do
setor que empresas com estratégias de eficiência operacional têm como
conseqüência o aumento de seu desempenho nesse setor. O grande número de
fusões e aquisições de empresas do setor com o objetivo claro de ganhos de
sinergia na operação também são uma constatação da busca pela eficiência
operacional.
Para a indústria têxtil, a liderança por baixo custo apresentou melhor
desempenho quando o critério utilizado foi rentabilidade sobre o ativo. Empresas
que buscam a eficiência, como Alpargatas, Coteminas, Santista Têxtil, Vicunha
Têxtil e Wembley, apresentam uma melhor rentabilidade do que as demais. Esse
setor é bem pulverizado no Brasil e vem sofrendo grandes pressões de produtos
mais competitivos, principalmente de origem chinesa. Empresas no grupo de
liderança por baixo custo terão melhores condições de competição com esses
produtos do que empresas de enfoque ou diferenciação já que a disputa nesse
mercado tem como um dos principais recursos a competitividade nos preços dos
produtos.
113
Para as indústrias de telecomunicações, o grupo estratégico liderança por
baixo custo têm uma grande concentração de empresas de telefonia fixa e o
grupo estratégico enfoque por diferenciação e por baixo custo tem uma grande
concentração de empresas de telefonia móvel. Essa distinção tem sentido já que
a área de concessão do serviço e os produtos das empresas de telefonia fixa
possuem uma escala maior do que das empresas de telefonia móvel. O
desempenho desse setor através do critério de rentabilidade sobre o patrimônio
líquido aponta como principal grupo estratégico a liderança por baixo custo. Essa
evidência empírica corrobora com a idéia de que as empresas de telefonia fixa
apresentam uma melhor rentabilidade em relação a outras empresas do ramo.
Essa melhor rentabilidade em relação a telefonia móvel é provocada, em parte,
pela elevada competição no setor de telefonia móvel e ao mesmo tempo pela
baixo competição no setor de telefonia fixa.
Os resultados obtidos no estudo responderam a perguntas formuladas em
seu objetivo. Tivemos realmente evidência comprobatória, mas com elevada
tolerância ao erro estatístico, de que para os setores como energia elétrica,
siderurgia e metalurgia e telecomunicações o desempenho de cada empresa
está ligado a sua distância em relação ao centro do grupo estratégico. Essa
ligação é relevante para concluirmos que de acordo com as decisões
estratégicas financeiras tomadas pela empresa, ela passa a definir qual é o seu
posicionamento dentro da própria indústria e, conseqüentemente, o seu
desempenho. Além disto, descobrimos que essa relação tem semelhante
magnitude no caso da variável de desempenho receita entre os grupos de
energia elétrica (-0,346) e siderurgia e metalurgia (-0,303). Em relação ao setor
têxtil, não podemos nem afirmar ou negar a existência dessa relação existindo a
necessidade de termos mais estudos para esse setor. Apesar de não podermos
comprovar a relação entre posicionamento e desempenho para todos as
métricas adotadas em todos os setores estudados não podemos refutar a
possibilidade de uma generalização da relação entre posicionamento e
desempenho.
Podemos também concluir que o grupo liderança por baixo custo
apresenta maiores evidências de que apresentam um desempenho melhor que
outros grupos estratégicos. Esse desempenho superior pode ser fruto de uma
maior escala de produção que permite para a empresa reduzir seus custos e
assim tornando-se mais competitiva do que as demais empresas da indústria.
114
5.2. Sugestões Para Novas Pesquisas
O estudo apresentado teve como objetivo principal estudar os principais
setores das empresas do mercado de capitais brasileiro sob a ótica das
estratégias financeiras. Por uma limitação de amostra e escopo restringimos o
estudo em apenas quatro setores : energia elétrica, siderurgia e metalurgia, têxtil
e telecomunicações. O setor de finanças e seguros não foi incluído no estudo
porque tem variáveis financeiras completamente diferentes das variáveis
financeiras estudadas neste estudo, desta forma, acredito que tal setor possa ser
estudado a posteriori de forma isolada.
Alguns setores como química; alimentos e bebidas; veículos e peças são
setores que no futuro poderão ser estudados, porque com a crescente abertura
de capital de novas empresas, esses setores podem passar a ter uma amostra
maior e conseqüentemente poder obter resultados mais representativos.
Com o crescente lançamento de novas empresas no mercado de capitais,
o volume de informações financeiras irá crescer permitindo que este trabalho
possa ser feito para não só essas indústrias, mas outras que possam surgir nos
próximos anos.
Pode ser feito um estudo longitudinal com o intuito de obtermos uma
análise do comportamento do desempenho dos setores deste estudo no decorrer
dos anos.
Outros estudos podem analisar sob a ótica econômico-financeira dos
setores e empresas pesquisados neste trabalho com o intuito de melhor
entender a eficiência dos indicadores financeiros da empresa e o próprio negócio
na qual ela está inserida.
A metodologia aplicada neste estudo pode ser utilizada em outros
mercados de capitais como, por exemplo, o mercado americano e europeu, onde
existe um número muito maior de empresas listadas em bolsa de valores.
5.3. Limitações da Pesquisa
Na pesquisa, durante os testes de hipótese procuramos manter a
significância estatística de acordo com a significância pré-estabelecida de 0,05.
Em alguns casos isso não foi possível e tivemos que flexibilizar o nível de
significância para prosseguirmos com os métodos estatísticos que são pouco
robustos a violação de premissas. O impacto desta flexibilização no estudo pode
provocar o erro de assumirmos uma afirmação que não é verdadeira. Desta
115
forma devemos ter o cuidado na análise e interpretação das diversas
informações relacionadas nesta pesquisa. Um exemplo dessa limitação foi o
relaxamento das premissas do teste Manova. Esse teste é muito pouco robusto
quando não consideramos as premissas de normalidade, linearidade e
homocedasticidade. Caso haja problemas na confirmação dessas premissas o
teste pode levar a uma falsa afirmação invalidando a análise.
116
6. REFERÊNCIAS BIBLIOGRÁFICAS
BARNEY, JAY B. Gaining and Sustaining Competitive Advantage,
Reading, MA: Addison-Wesley Publishing Company, Inc. 1996.
CAVALCANTI, M. A. F. D.. Impactos estratégicos e Organizacionais
decorrentes da Desregulamentação do Setor Petrolífero Argentino: Estudo de
Caso da Yacimentos Petrolíferos Fiscales (YPF). Dissertação de Mestrado.
Departamento de Administração da Pontifícia Universidade Católica do Rio de
Janeiro. 1997
CHAKRAVARTHY, B. S., Measuring Strategic Performance. Strategic
Management Journal, v.7 p.437-458, 1986.
COHEN, F. D. O Advento dos Genéricos e seu Impacto nas estratégias
Competitivas da Indústria Farmacêutica Brasileira. Dissertação de Mestrado.
Departamento de Administração da Universidade Católica do Rio de Janeiro.
2004.
DESS G. G. & DAVIS P. S., Porter´s (1980) Generic Strategies as
Determinats of Strategic Group Membership and Organizational Performance.
Academy of Management Journal, v. 27, p. 467-488, 1984.
GIRI, Narayan C., Multivariate Statistical Inference. New York. Academic
Press. 1977
HAIR, J. F., ANDERSON, R. E., TATHAM, R. L. & BLACK, W. C. .
Multivariate Data Analysis. New Jersey. Prentice-Hall, Inc. 5 ed. 1998.
KOTHA, S. & VADLAMANI, B. L., Assessing Generic Strategies: An
Empirical Investigation of Two Competing Typologies in Discrete Manufacturing
Industries. Strategic Management Journal, v.16, p.75-83, 1995.
117
MCCLAVE J. T., BENSON P. G., SINCICH T., Statistics for Business and
Economics. New Jersey. Prentice-Hall, Inc. 8 ed.. 2001
MILES, G., SNOW, C. C. & SHARFMAN, M., Industry Variety And
Performance. Strategic Management Journal, v.14, p.163-177, 1993.
MINTZBERG, H. Generic Strategies: Toward a Comprehensive
Framework. Advances in Strategic Management, v. 5, p. 1-67, 1988
NOGUEIRA, C. F. Utilização de Inteligência Artificial na Análise do
Desempenho de Empresas. Dissertação de Mestrado. Departamento de
Administração da Pontifícia Universidade Católica do Rio de Janeiro. 1998
PORTER, M. E. Competitive Strategy. New York. Free Press. 1980.
REMENYI, D., WILLIAMS, B., MONEY, A. & SWARTZ, E. Doing Research
in Business and Management: An Introduction to Process and Method. London.
Sage publications ltd. 1998.
Livros Grátis( http://www.livrosgratis.com.br )
Milhares de Livros para Download: Baixar livros de AdministraçãoBaixar livros de AgronomiaBaixar livros de ArquiteturaBaixar livros de ArtesBaixar livros de AstronomiaBaixar livros de Biologia GeralBaixar livros de Ciência da ComputaçãoBaixar livros de Ciência da InformaçãoBaixar livros de Ciência PolíticaBaixar livros de Ciências da SaúdeBaixar livros de ComunicaçãoBaixar livros do Conselho Nacional de Educação - CNEBaixar livros de Defesa civilBaixar livros de DireitoBaixar livros de Direitos humanosBaixar livros de EconomiaBaixar livros de Economia DomésticaBaixar livros de EducaçãoBaixar livros de Educação - TrânsitoBaixar livros de Educação FísicaBaixar livros de Engenharia AeroespacialBaixar livros de FarmáciaBaixar livros de FilosofiaBaixar livros de FísicaBaixar livros de GeociênciasBaixar livros de GeografiaBaixar livros de HistóriaBaixar livros de Línguas
Baixar livros de LiteraturaBaixar livros de Literatura de CordelBaixar livros de Literatura InfantilBaixar livros de MatemáticaBaixar livros de MedicinaBaixar livros de Medicina VeterináriaBaixar livros de Meio AmbienteBaixar livros de MeteorologiaBaixar Monografias e TCCBaixar livros MultidisciplinarBaixar livros de MúsicaBaixar livros de PsicologiaBaixar livros de QuímicaBaixar livros de Saúde ColetivaBaixar livros de Serviço SocialBaixar livros de SociologiaBaixar livros de TeologiaBaixar livros de TrabalhoBaixar livros de Turismo