Organisering og vilkår

Para lidar com o problema dos valores muito altos na variável valor e muito baixos na variável quantidade sem precisar diminuir a amostra, essas séries foram, respectivamente, ―winsorizadas‖ em suas caudas superior e inferior (ambas em 2%). Feito isso, o primeiro passo é rodar as regressões12 _{em MQO e em MQG com a correção de Davidson e MacKinnon}13_{, já que há} heterocedasticidade na variância do erro.

Wooldridge (2006) salienta a importância de comparar os sinais provenientes dos métodos MQO e MQG. Sinais diferentes entre os modelos ajudam a detectar alguma anormalidade. Na Tabela 8 - Regressões por MQO e MQG, a seguir, em apenas três casos há sinais diferentes: os coeficientes de duração e oportunismo para a amoxicilina e para o paracetamol

Os resultados da regressão em Mínimos Quadrados Ordinários (MQO) e em Mínimos Quadrados Generalizados (MQG) demonstram que os fatores selecionados são importantes para entender o valor do lance vencedor do leilão. Pode-se ver, na Tabela 10, nos vários modelos, que alguns fatores sempre são significativos a 10%: quantidade e frequência. Os outros fatores não apresentam regularidade na significância.

A variável quantidade (quant) revelou o sinal esperado para o coeficiente em todos os casos e o mesmo foi estatisticamente significante. Ainda que não seja uma compra pequena, direta ao consumidor, não parece suficientemente grande a ponto de se obter um coeficiente positivo, que seria resultante do acompanhamento da curva de oferta marginal. Nos modelos, a variável quantidade revela um impacto mínimo percentual de -0,471% no preço para cada 1% aumentado na quantidade (e máximo de -0,759%).

12_{Todas as regressões foram feitas utilizando o software STATA 11.}

13_{Também conhecida como correção de heterocedaticidade tipo 3 nos pacotes estatísticos (HC3 do acrônimo}

em inglês). A correção usa o fator

multiplicado pelo quadrado dos resíduos, onde h é a diagonal da matriz de

projeção. Trata-se da correção mais indicada para o caso de heterocedastcidade e produz intervalos de confiança mais conservadores.

Tabela 8- Regressões por MQO e MQG

Coeficiente / (desvio padrão) * p<0.10, ** p<0.05, *** p<0.01 var indep: log(10) valor winsorizado

Var Dependentes MQO MQG MQO MQG MQO MQG MQO MQG

const 33,27*** 33,27*** 45,41*** 45,41*** 6,05 6,05 3,31 3,31 (10,55) (11,07) (12,78) (14,59) (10,92) (10,96) (11,21) (11,07) quant -0,76*** -0,76*** -0,47*** -0,47*** -0,69*** -0,69*** -0,73*** -0,73*** (0,01) (0,02) (0,02) (0,02) (0,01) (0,02) (0,01) (0,02) freq -0,12*** -0,12*** -0,14*** -0,14*** -0,15*** -0,15*** -0,16*** -0,16*** (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) oportunismo -0,05 -0,05 0,00 0,00 -0,06 -0,06 -0,06 -0,06 (0,04) (0,04) (0,04) (0,05) (0,04) (0,04) (0,04) (0,04) PME 0,00 0,00 0,08*** 0,08*** -0,02 -0,02 0,06** 0,06** (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) (0,02) ano -0,02*** -0,02*** -0,02*** -0,02*** 0,00 0,00 0,00 0,00 (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) (0,01) duração 0,00 0,00 0,00 0,00 0,00 0,00 -0,00** -0,00** (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) (0,00) pregão 0,15*** 0,15*** 0,06 0,06 0,24*** 0,24*** 0,18*** 0,18*** (0,05) (0,05) (0,05) (0,08) (0,06) (0,06) (0,05) (0,06) convite -0,04 -0,04 -0,20*** -0,20*** -0,08** -0,08** -0,15*** -0,15*** (0,04) (0,04) (0,04) (0,05) (0,04) (0,03) (0,05) (0,04) n 1964 1964 1023 1023 1628 1628 1844 1844 R2 ajustado 0,68 0,68 0,48 0,48 0,66 0,66 0,69 0,69 Log Verossimilhança -1154,08 -1154,08 -415,48 -415,48 -852,59 -852,59 -1171,59 -1171,59

F signif. Global coef. 532,80 372,02 118,55 117,80 388,29 261,50 524,47 391,82

p-valor 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Especificação Reset F: 231,31 9,40 185,93 92,59

p-valor 0,00 0,00 0,00 0,00

Heteroc. White Chi2_{: 147,93 132,98 185,99 199,33}

p-valor 0,00 0,00 0,00 0,00

Colinearidade (max VIF) 2,25 2,19 2,28 2,30

A variável representativa da frequência (freq) revelou o sinal esperado para o coeficiente em todos os casos e o mesmo foi estatisticamente significante. Este resultado está de acordo com a teoria da economia de custos de transação (cadeia de suprimento) que valoriza parcerias entre compradores e fornecedores. O coeficiente positivo revela que deve haver um esforço de ambos para manter a relação. Nos modelos , a variável de frequência revela um impacto mínimo percentual de -0,115% no preço para cada 1% aumentado na quantidade (e máximo de -0,155%).

O oportunismo (instrumentalizado por uma dummy da primeira participação) não mostra significância, mas apresenta sinal positivo (+), contrário ao esperado. Ou seja, não se pode ter evidência da forma fraca de oportunismo, o ímpeto/oportunismo de um novo vencedor praticar um preço mais baixo não apresentou relevância estatística. Considerando o pequeno número de casos com sinais positivos, parece haver um desinteresse dos fornecedores eventuaiss em participar ativamente do certame. Um oportunismo significante seria resultado de muitas alterações de fornecedores e não faria sentido com o resultado obtido pela variável de frequência.

A dummy de tipo de empresa (Pequena e Micro Empresa – PME) se mostrou significativa em alguns casos e nem sempre apresentou o sinal positivo esperado – a exceção foi a cefalexina. O ano da compra mostra consistência no sinal negativo. Esperava-se um resultado positivo para essa variável, considerando o desenvolvimento dos preços no mercado. A significância, contudo, não é constante. A variável de duração só apresenta significância em dois modelos e não apresenta regularidade nos sinais. Além do coeficiente tender a 0, seu desvio padrão também tende a 0. A variável, portanto, não acrescenta informação ao modelo.

A dummy de pregão é sempre positiva, ao contrário do esperado, e também é significante em todos os casos, menos o da azitromicina. O sinal diferente do esperado para a dummies de pregão faz com que o grupo base (dispensa) surja como a modalidade que oferece um nível preços intermediário.

Os coeficientes sugerem que a escolha de modalidades com moderado nível de concorrência reduziria os custos do governo, isto é, por meio do aumento de vínculos na cadeia de suprimentos, os custos de transação seriam reduzidos causando impacto no preço transacionado. O relacionamento entre as partes seria mais produtivo do que um puro e livre mercado.

No caso, os testes White de heterocedasticidade rejeitaram a hipótese nula de que a regressão seja homocedástica para todos os medicamentos selecionados. As áreas à direita das estatísticas de teste Chi2 obtiveram p-valores muito baixos, tendendo a 0, e colocando as áreas a esquerda tendendo a 1. Portanto, rejeita-se a hipótese nula de que não há heterocedasticidade na

regressão e deve-se executar os mesmos procedimentos com a devida correção de heterocedasticidade (HC3) em um MQG.

Ainda nos modelos MQO, os testes Reset14 de especificação também rejeitaram a hipótese nula de que a especificação é correta para todos os medicamentos selecionados. As áreas à direita das estatísticas de teste F obtiveram p-valores muito baixos, colocando as áreas a esquerda tendendo a 1 e, portanto, rejeitando a hipótese nula de que a especificação é adequada. A estatística está adequada à visão moderna de tratar o problema pelo método estrutural para lidar com a não linearidade dos leilões.

Ainda assim, o teste F de significância geral da regressão (algum coeficiente diferente de 0) mostrou p-valores significativos a 1%, rejeitando a hipótese nula de que a regressão estimada não tem significância. Ou seja, existe uma relação com uma ou mais variáveis. Aqui, é importante destacar a omissão de variável do modelo. Variáveis chave, mesmo em modelos reduzidos, como número de empresas participantes e número de lances não puderam ser tratadas com confiabilidade no banco de dados. O teste de colinearidade revelou estatísticas de fator de inflação da variância, para todas as variáveis e em todos os modelos, menor que 2,5, o que sugere não haver multicolinearidade.

As regressões em mínimos quadrados ordinários devem ser vistas a luz de que todas as amostras violam alguns dos pressupostos do MQO, notadamente a heterocedasticidade. E, mesmo as regressões com a correção de heterocedasticidade sofrem com a omissão de variáveis importantes (número de empresas participantes e número de lances ofertados) que estão presentes mesmo nos modelos não estruturais. Os modelos estruturais, por sua vez também são mais adequados a não linearidade dos leilões, ou seja, há também um problema de especificação do modelo. Apesar disso tudo, o R2 ajustado (entre 0,48 e 0,69) pode ser considerado bom para modelos com elementos de corte seccional.