A análise fatorial “é uma abordagem estatística que pode ser usada para analisar inter- relações entre um grande número de variáveis e explicar essas variáveis quanto a suas dimensões inerentes comuns (fatores)” (HAIR JÚNIOR et al., 2009, p. 33).
Foram selecionadas variáveis contábeis consideradas de interesse do investidor e que possivelmente têm relação com o risco de se investir em um determinado ativo, podendo modificar o processo decisório (Ver Quadro 5). “A qualidade e o significado dos fatores obtidos refletem as bases conceituais das variáveis incluídas na análise” (HAIR JÚNIOR et al., 2009, p. 106).
A maioria das variáveis contábeis aqui utilizadas já foram empregadas em outras pesquisas envolvendo risco (HILL; STONE, 1980; CHUN; RAMASAMY, 1989; LAVEREN et al., 1997; CAPELLETTO, 2006; AMORIM; LIMA; MURCIA, 2012; AMORIM; LIMA; PIMENTA JÚNIOR, 2014).
Quadro 5 – Variáveis Contábeis
(Continua...)
Cód SIGLA DA VARIÁVEL NOME DA VARIÁVEL DETALHAMENTO
1 PX_TO_BOOK_RATIO Price/Book Value Relação do preço da ação e do valor contábil por ação
2 EBIT LAIR Os lucros antes dos juros e impostos
3 PX_LAST Último preço ação O último preço do ativo
4 EBITDA EBITDA Lucros antes de juros, taxas, depreciação e amortização (EBITDA) 5 BS_TOT_ASSET Ativo Total Total de todos os ativos de curto e longo prazo 6 BS_TOT_LIAB2 Passivo Total Total de todos os passivos de curto e longo prazo 7 ENTERPRISE_VALUE Valor da Empresa Medida do preço teórico de aquisição de uma empresa. Capitalização de mercado +
Componentes do valor corrente
8 NET_INCOME Lucro Líquido Lucro (prejuízo) líquido: O lucro após a dedução de todas as despesas.
9 SALES_REV_TURN Revenues
Vendas/Receita/Giro: Total de receitas operacionais menos ajustes variados em Vendas brutas. Ajustes: Retornos, descontos, provisões, tributos retidos, encargos de seguro, impostos sobre vendas e impostos sobre valor agregado.
10 IS_OPER_INC Lucro Operacional
Lucro (prejuízo) operacional: Vendas líquidas + Outros lucros operacionais - Custo de bens vendidos - Outros prejuízos operacionais. 11 CF_FREE_CASH_FLOW Free Cash Flow
Fluxo de caixa de atividades operacionais menos o total de despesas de capital. Despesa de capital é a quantia que a empresa gastou na compra de imobilizados tangíveis.
12 IS_EPS Basic EPS
Lucros por Ação: Inclui os efeitos de todos os ganhos/perdas únicos, não recorrentes e extraordinários. Utiliza a Média Ponderada Básica de Ações, excluindo os efeitos de conversíveis.
13 TOTAL_EQUITY Patrimônio Líquido Ativo total da empresa menos o passivo total. 14 IS_INC_TAX_EXP IR+CSLL Despesas do imposto de renda.
15 BS_CUR_LIAB Passivo Circulante Passivos circulantes: A soma de passivos de curto prazo. 16 SHORT_AND_LONG_TERM_DEBT Dívida Onerosa: Empréstimos e
Financiamentos
Soma da dívida de curto prazo e Dívida de longo prazo.
17 PX_VOLUME Volume comercial de transações Volume comercial de ações negociadas
18 RETURN_COM_EQY ROE – Retorno sobre o Patrimônio Líquido
O retorno do patrimônio (em porcentagem) é calculado como a renda líquida de 12 meses consecutivos (perdas) menos os dividendos preferenciais do caixa de 12 meses
consecutivos, dividido pela média do total do patrimônio comum, multiplicado por 100. 19 RETURN_ON_ASSET ROA – Retorno sobre o Ativo Retorno de ativos (ROA, em porcentagem): (Receita líquida dos últimos 12M / Média
Quadro 5 - Variáveis Contábeis (Conclusão...)
Cód SIGLA DA VARIÁVEL NOME DA VARIÁVEL DETALHAMENTO
20 VALUE_ADDED_INTEREST_ON_CAPITAL Juros sobre o capital próprio
Juros sobre o capital próprio: valores pagos ou creditados aos parceiros e acionistas que não se deram através de dividendos, exceto os valores transferidos para reservas de lucros. Inclui apenas os valores distribuídos com base no resultado do período.
21 WORK_CAP_GROWTH Capital de giro
Capital de giro = Ativo circulante - Passivo circulante.
(Capital de giro (período corrente) - Capital de giro (período anterior)) X 100
22 ARD_TOTAL_FINANCIAL_LOSSES Despesas Financeiras Total de perdas financeiras conforme divulgado pela empresa. 23 BS_CUR_ASSET_REPORT Ativo Circulante Total dos ativos de curto prazo. 24 BS_NET_FIX_ASSET Ativo Imobilizado Total dos ativos fixos.
25 CF_CASH_FROM_OPER Operating Cash Flow Valor total do fluxo de caixa gerado pelas operações de uma empresa. 26 APPLIED_BETA Beta do Ativo Variação percentual no preço de uma ação dada a variação de um percentual no índice
de benchmark. Fonte: Bloomberg (®2016 Bloomberg L.P.)
Buscou-se o máximo de variáveis contábeis possíveis, no sentido de investigar sua relação com o risco e, conforme pode ser visto no Quadro 5, se usou a nomenclatura da plataforma de dados Bloomberg Professional®3, no qual foram coletados os dados, e se
enfatizou o detalhamento também encontrado nela para contextualizar as contas que compõem cada uma das variáveis. Utilizaram-se os dados anuais e o período pesquisado se iniciou em 2000 e foi até 2014. Não se optou por separar as empresas por setores, dado o sentido de a adoção de normas internacionais de Contabilidade abranger todos títulos negociados pelas empresas de todos os setores. Assim, para cada ano, obteve-se em torno de 14.000 títulos para cada variável contábil em cada país que compõe a amostra; dessa forma, obteve-se a média anual de todas as empresas.
Assim, foi utilizada a técnica de análise fatorial por ser uma técnica multivariada de interdependência, de forma que o interesse não é classificar uma variável como dependente ou independente, mas analisar, simultaneamente, todas as variáveis, de forma a encontrar uma estrutura subjacente a todo o conjunto de variáveis.
Assim, o objetivo da análise fatorial é a parcimônia, trabalhando de forma geral com a ideia de relacionar as variáveis de modo simples, buscando a melhor relação entre elas. A análise fatorial, portanto, mostra-se adequada, pois trabalha-se com o pressuposto de que existe alguma estrutura subjacente no conjunto de variáveis escolhidas (HAIR JÚNIOR et al., 2009).
Desta forma, considerando uma matriz de correlação para um conjunto de variáveis, a Análise Fatorial permitiu investigar a existência de algum padrão de relacionamento entre as variáveis, o qual conduziu à redução dos dados em um pequeno conjunto de fatores, não sacrificando as informações (no sentido de variabilidade) contidas nas variáveis originais.
Assim, foi utilizada a análise fatorial R, “que analisa um conjunto de variáveis para identificar as dimensões latentes” (HAIR JÚNIOR et al., 2009, p. 104). Foi utilizada a análise fatorial exploratória, que é aplicada quando não se tem uma ideia pré-definida da estrutura e de quantas dimensões estão presentes em um conjunto de variáveis. Dessa forma, para a obtenção de fatores, usou-se a análise de componentes principais que contempla a variância total dos dados.
A análise fatorial deve atender a alguns requisitos, os quais são medidos por testes específicos. Entre esses testes tem-se a análise da matriz de correlação antiimagem que tem, como intuito, obter sinais da necessidade da retirada de alguma variável do modelo que, porventura, não esteja contribuindo para uma melhor explicação do modelo. A diagonal principal da matriz antiimagem fornece o MSA (Measure of Sampling Adequacy), seu valor varia entre 0 e 1, mas, para uma boa adequação do modelo, de forma que a variável seja perfeitamente prevista sem erros pelas demais variáveis, deve ser superior a 0,5 (HAIR JÚNIOR et al., 2009). A ideia é buscar o conjunto mais parcimonioso das variáveis em estudo. Outro teste é o KMO (Kaiser-Meyer-Olkin), que mede o grau da correlação parcial entre as variáveis (MSA). O quociente mais próximo a 1 indica dados adequados e maior benefício na utilização da análise fatorial (BEZERRA, 2009; HAIR JÚNIOR et al., 2009) (Ver Tabela 2).
Tabela 2 – Medida de Adequação da Amostra (KMO-MSA)
MSA ≥ 0,80 Admirável
MSA ≥ 0,70 e < 0,80 Mediano
MSA ≥ 0,60 e < 0,70 Medíocre
MSA ≥ 0,50 e < 0,60 Ruim
MSA < 0,50 Inaceitável
Fonte: HAIR JÚNIOR et al. (2009).
O teste de esfericidade de Bartlett (Bartlett Test of Sphericity) “fornece a significância estatística de que a matriz de correlação tem correlações significantes entre pelo menos algumas das variáveis” (HAIR JÚNIOR et al., 2009, p. 110). Nesse caso, demonstra-se que apenas alguns fatores podem ser suficientes para representar a maior parte da variabilidade dos dados. Existirá a possibilidade de utilizar a técnica de Análise Fatorial quando é possível rejeitar que não há correlação entre as variáveis ao nível de significância estipulado. Se a significância
apresentada pelo teste for menor ou igual a 0,05 rejeita-se a hipótese e, portanto, a técnica é adequada (BEZERRA, 2009; HAIR JÚNIOR et al., 2009).
Segundo Bezerra (2009, p. 79), o modelo matemático é descrito na Equação 16.
Q = 4 v + 40v0 + 4wvw+ ⋯ + 4'v + F (16)
Em que, Q são as variáveis padronizadas, 4 são as cargas fatoriais, v' são os fatores comuns não relacionados entre si e o F é um erro que representa a parcela da variação da variável i que é exclusiva dela e não pode ser explicada por um outro fator nem por outra variável do conjunto analisado. As cargas fatoriais são valores que medem o grau de correlação entre a variável original e os fatores.
Assim, a intenção de se utilizar o método de análise fatorial foi formar uma estrutura que demonstre a reação trazida pelas IFRS ao ambiente contábil.
Foi utilizado o SPSS4 para a elaboração da análise fatorial, utilizando do método
Principal Axis Factoring (Fatoração em Eixos Principais), o qual fornecem melhores resultados quando as amostras apresentam distribuição normal e não-normal, respectivamente (COSTELLO; ORBONE, 2005).
Após encontrado o índice remetido pela análise fatorial, procurou-se resumir os dados através da estatística descritiva, no sentido de analisar o comportamento desse índice nos diferentes países e a reação deles quando estão ou não na presença das IFRS. As medidas descritivas utilizadas foram: Medidas de tendência central (restringindo-se a média e a mediana); medidas de dispersão (restringindo-se aos valores mínimo, máximo, e o desvio- padrão).
No sentido de identificar se existe diferença estatística significativa entre os países quando analisados sob a ótica do período pré-IFRS e pós-IFRS foi realizado o teste-t, que é um teste de significância aplicado quando se pretende comparar as médias de uma variável quantitativa em dois grupos diferentes. Esse teste é usado quando a distribuição é normal. Foram usados testes de Kolmogorov-Smirnov e Shapiro-Wilks para testes normais de distribuição. Como resultado da análise, determinou-se que as variáveis foram distribuídas normalmente para p>0,05.