Universidade Presbiteriana Mackenzie
Centro de Ciências Sociais Aplicadas
Programa de Pós-graduação em Administração de Empresas
Capital intelectual e a criação de valor nas empresas
brasileiras
Flavio L. Richieri
São Paulo
2007
Flavio L. Richieri
CAPITAL INTELECTUAL E A CRIAÇÃO DE VALOR NAS
EMPRESAS BRASILEIRAS
Dissertação apresentada ao Programa de
Pós Graduação em Administração de
Empresas da Universidade Presbiteriana
Mackenzie para a obtenção do título de
Mestre em Administração de Empresas
Orientador: Prof. Dr. Leonardo Fernando Cruz Basso
São Paulo
2007
FICHA CATALOGRÁFICA
Richieri, Flavio L.
Capital Intelectual e a criação de valor nas empresas Brasileiras / Flavio Luiz
Richieri -- São Paulo: Universidade Presbiteriana Mackenzie, 2007.
Nnn f.; 30 cm.
Dissertação – Mestrado
Bibliografia
1. Administração de empresas 2. Capital intelectual 3. Ativos intangíveis 4.
Gestão do conhecimento 5. Geração de valor. I. Título.
CDD – 658
Reitor da Universidade Presbiteriana Mackenzie
Professor Dr. Manasses Claudino Fontelis
Coordenadora Geral da Pós-Graduação
Professora Dra. Sandra Maria Dotto Stump
Diretor da Centro de Ciências Sociais e Aplicadas
Professor Dr. Reynaldo Cavalheiro Marcondes
Coordenadora do Programa de Pós Graduação em Administração
de Empresas
Prof. Dra. Eliane Pereira Zamith Brito
Dedico esta dissertação à minha esposa, cúmplice
e eterna companheira Kátia e às minhas amadas
filhas, Bheatriz e Júlia. Vocês são meu porto
seguro e minha maior fonte de força e
inspiração.
AGRADECIMENTOS
“Sinto que da vida, eu sempre recebi muito mais do que sonhei !”
Esta frase, que ouvi há pouco tempo, quando um amigo recebia uma homenagem,
reflete exatamente como me sinto neste momento. Não creio que haja no mundo pessoa com
mais a agradecer do que eu !
Portanto, quero aqui, de coração, agradecer:
A Deus por uma vida cheia de paz, saúde, amor, realizações, desafios e,
aprendizagem.
Ao meu orientador, Prof. Dr. Leonardo F. C. Basso por seu irrestrito apoio,
conhecimento, entusiasmo, paciência e confiança.
Aos professores Dr. Diógenes L. Martin e Dr. Rubens Famá, cujas recomendações
durante o processo de qualificação foram fundamentais ao desenvolvimento desta pesquisa, e
o apoio durante a fase de análise dos dados foi inestimável.
A toda equipe do Mackenzie pelo suporte e pelos ensinamentos, em especial, aos
professores Dr. Wilson T. Nakamura, Dr. Eduardo K. Kayo e Dra. Eliane P. Z. Brito.
A todos os colegas de curso com que tive a honra de conviver, dividindo alegrias,
angústias e realizações. Dentre eles, minha admiração e um obrigado muito especial para:
Eduardo, Rogério, Celso, Cardoso, Alexandre, Necésio e Kerr.
Aos amigos: Élcio, Sidney, Regina, Rodolpho, Richard, e ao meu irmão Fernando. As
várias conversas com cada um de vocês, o incentivo que recebi de vocês, além das suas
críticas e sugestões, foram vitais para a realização deste trabalho.
Aos senseis Ono Shihan, Lila e Ricardo, que através do caminho do budo, nesses mais
de 16 anos de treinamento, tem me ensinado sempre o valor do refinamento, da disciplina e da
persistência.
Aos meus pais Sérgio e Teresa, aos meus padrinhos Tizano e Lizete e aos meus avós
Lauro e Custódia, que se constituem na base da minha formação como indivíduo, que sempre
me apoiaram, e, desde cedo, me ensinaram através de seu exemplo, o valor da educação, da
integridade e da responsabilidade.
Em especial, à minha esposa Kátia e às minhas filhas, Bheatriz e Júlia, por entenderem
a minha ausência e as limitações que esse processo impôs à família, e por estarem sempre ao
meu lado me aceitando, incentivando e amando.
“A sabedoria tem início na
curiosidade”
Sócrates
RESUMO
As evidências apontam para uma participação crescente do capital intelectual e dos
ativos intangíveis na economia. Esse fato torna crítico encontrar formas para medir o capital
intelectual das empresas e entender a relação deste com a criação de valor das mesmas.
Afetando assim, não apenas os gestores, que possuem um acesso diferenciado e abrangente
aos diversos aspectos operacionais das empresas, mas principalmente, os investidores e
demais partes interessadas externas às empresas. Para os últimos, a construção de índices
capazes de medir capital intelectual da empresa, desenvolvidos com base em informações
financeiras e contábeis disponíveis, e o estudo da associação desses índices, com a geração de
valor das empresas, podem fornecer uma perspectiva nova e fundamental para a análise de
investimentos em empresas intensivas em capital intelectual. Esta dissertação faz uso do CIV
(Calculated Intangible Value) e do ICE (Intelectual Capital Efficiency), como medidas de
estoque e fluxo de capital intelectual respectivamente. Através de tratamento estatístico por
regressões multivariadas, e do uso de modelos estáticos de dados em painel (panel data),
efetua-se a análise da influência desses índices de capital intelectual, na geração de valor das
empresas, aqui medida através dos índices de: ROE (retorno sobre patrimônio líquido); ROA
(retorno sobre ativos) e ROS (retorno sobre vendas). O estudo é feito com base numa amostra
não probabilística, utilizando dados secundários provenientes da base de dados do anuário
“Maiores e Melhores” da revista Exame e contendo 628 observações relativas a 237 empresas
no período entre 2000 e 2005. Responde-se assim à questão: Qual é a relação entre o estoque
e o fluxo do capital intelectual e a geração de valor da empresa ? Os resultados da pesquisa
mostram a existência de relação positiva em relação ao CIV e ao ICE e as variáveis
dependentes ROE, ROA e ROS. Mostram ainda que o capital intelectual parece ser um
direcionador mais relevante do que o estoque de ativos físicos e financeiros para a geração de
valor das empresas.
Palavras-chave: Capital intelectual, Ativos Intangíveis, Ativos de conhecimento Geração de
valor, Avaliação de empresas, Gestão do conhecimento, Dados em Painel.
Linha de pesquisa: Valoração de empresas.
ABSTRACT
There are evidences suggesting a growing importance of the intellectual capital (IC)
and the intangible assets in the economy. Therefore, it is critical to find ways to measure the
companies IC, and to understand the relationship between it and their value generation. The
pressure for it, affects not only managers, who have a broad and differentiated access to all
the operational aspects of their companies, but specially, investors and other stakeholders that
are external to these companies. For the former, the formulation of indexes, capable to
measure the stock and the flows of companies IC, based on the financial information
available, and the analysis of the association, between these indexes and companies value
generation, can bring a completely new perspective, fundamental for supporting their
investment decisions in intellectual capital intensive companies. This dissertation makes
usage of CIV (Calculated Intangible Value) and ICE (Intellectual Capital Efficiency) to
measure IC stock and flows respectively. Through the usage of multivariate regressions and
application of static panel data models, the influence of IC indexes on companies value
generation is analyzed. The value generation perspective is captured by using: ROE (Returnon-Equity), ROA (Return-on-Assets) and ROS (Return-on-Sales) ratios. The research utilizes
a non-probabilistic sample, built with secondary data coming from the Exame magazine
“Maiores e Melhores” annual survey database, which contains 628 observations from 237
companies in the period between years 2000 and 2005. The following question is addressed:
What is the relationship between the stock and flow of IC and company’s value generation ?
Results found, suggest the existence of a positive relation between both CIV and ICE and the
dependent variables ROE, ROA and ROS. It also shows that IC seems to be a more relevant
indicator of value generation than the stock of financial and physical assets.
Key-words: Intellectual capital (IC), Intangible assets, Knowledge assets, Value generation,
Valuation, Knowledge management (KM), Panel data.
LISTA DE ILUSTRAÇÕES
Figura 1 - Capital intelectual e geração de valor – Mapa Sistêmico ........................................23
Figura 2 - Capital Intelectual e geração de valor – Diagrama de Estoque e Fluxo...................24
Figura 3 - Capital Intelectual e geração de valor – Problema de pesquisa ...............................25
Figura 4 - Demonstrativos financeiros padronizados – Balanço Patrimonial...........................29
Figura 5 - Demonstrativos financeiros padronizados – Demonstração do Resultado ..............30
Figura 6 - Demonstrativos financeiros padronizados – DVA...................................................30
Figura 7 - Raízes conceituais do Capital Intelectual.................................................................43
Figura 8 - Capital intelectual e valor de mercado.....................................................................53
Figura 9 - Classificações do Capital Intelectual .......................................................................57
Figura 10 - Taxonomia dos Ativos Intangíveis ........................................................................58
Figura 11 - A transformação da vantagem competitiva na era da tecnologia de informação e
dos mercados ubíquos...............................................................................................................74
Figura 12 - Cálculo do CIV para a empresa Petrobrás. ............................................................88
Figura 13 - Processo de escolha de estimadores em painéis de dados estáticos.....................116
Figura 14 - Relações e impacto do Capital Humano na geração de valor das empresas........139
LISTA DE QUADROS
Quadro 1 - Evolução do estudo sobre capital intelectual..........................................................41
Quadro 2 - Análise de índices usando medidas contábeis simples de desempenho .................71
Quadro 3 - Etapas para o cálculo do CIV .................................................................................85
Quadro 4 - Descrição dos parâmetros utilizados ....................................................................106
Quadro 5 - Descrição das variáveis utilizadas ........................................................................107
Quadro 6 - Modelos de Regressão..........................................................................................108
LISTA DE EQUAÇÕES
Equação 1 - Cálculo ROE .........................................................................................................31
Equação 2 - Cálculo ROA ........................................................................................................31
Equação 3 - Cálculo ROS .........................................................................................................32
Equação 4 - Cálculo CE...........................................................................................................33
Equação 5 - Cálculo END_GERAL .........................................................................................34
Equação 6 - Cálculo CRESC_VENDAS ..................................................................................34
Equação 7 - Cálculo VAICTM ...................................................................................................96
Equação 8 - Cálculo ICE ..........................................................................................................97
Equação 9 - Cálculo de VA – Método 1 ...................................................................................98
Equação 10 - Cálculo de VA – Método 2 .................................................................................98
Equação 11 - Cálculo de VA – Método 3 .................................................................................99
Equação 12 - Cálculo VACA....................................................................................................99
Equação 13 - Cálculo VAHU .................................................................................................100
Equação 14 - Cálculo ST ........................................................................................................101
Equação 15 - Cálculo STVA...................................................................................................101
Equação 16 - Termo erro composto – Heterogeneidade e Erro Ideosincrático ......................112
Equação 17 - Transformação em primeira diferença..............................................................112
Equação 18 - Estimador de Efeitos Aleatórios .......................................................................115
Equação 19 - Termo erro auto-regressivo de Baltagi e Wu....................................................127
Equação 20 - Cálculo de ρ com base na estatística DW........................................................128
Equação 21 - Cálculo do ICE através do VAHU....................................................................137
LISTA DE TABELAS
Tabela 1: Amostra : Número de observações por ano e por setor ..........................................105
Tabela 2: Estatística descritiva das variáveis estudadas .........................................................118
Tabela 3: Evolução das variáveis ao longo do período analisado. .........................................119
Tabela 4: Análise das variáveis por setor da economia ..........................................................124
Tabela 5: Análise de correlação entre as variáveis .................................................................125
Tabela 6: Retorno sobre PL (ROE) - Resultados dos Modelos Estáticos de Dados em Painel
................................................................................................................................................126
Tabela 7: ROE – Resultados Corrigidos dos Modelos Estáticos de Dados em Painel .........128
Tabela 8: Retorno sobre Ativos (ROA) – Resultados dos Modelos Estáticos de Dados em
Painel ......................................................................................................................................130
Tabela 9: ROA – Resultados Corrigidos dos Modelos Estáticos de Dados em Painel .........130
Tabela 10: Retorno sobre Vendas (ROS) – Resultados dos Modelos Estáticos de Dados em
Painel ......................................................................................................................................133
Tabela 11: ROS – Resultados Corrigidos dos Modelos Estáticos de Dados em Painel ........133
LISTA DE ABREVIAÇÕES
AFTF
Accounting for the Future
CE
Capital Employed
CFROI
Cash Flow Return on Investment
CIV
Calculated Intangible Value
CVA
Cash flow value added
CWP
Citation Weighted Patents
DRE
Demonstrativo de Resultados do Exercício
DVA
Demonstrativo de Valor Adicionado
DW
Durbin-Watson
EBIT
Earns Before Interest and Taxes
EBITDA
Earns Before Interest Taxes Depreciation and Amortization
EVA
Economic Value Added
FASB
Financial Accounting Standards Board
GLS
Generalized Least Squares
GMM
Generalized Method of Moments
HRCA
Human Resource Costing
HU
Human Capital
IAM
Intangibles Asset Monitor
IASB
International Accounting Standards Board
ICE
Intellectual Capital Efficiency
IDE
Intangible Driven Earnings
KCE
Knowledge Capital Earnings
KCV
Knowledge Capital Value
KSC
Knowledge Capital Scorecard
LSDV
Least Squares Dummy Variable
M/B
Market-to-Book
ML
Maximum Likelihood
MQG
Mínimos Quadrados Generalizados
MQO
Mínimos Quadrados Ordinários
MVA
Market Value Added
NOPAT
Net Operating Profit After Taxes
OLS
Ordinary Least Squares
P&D
Pesquisa e Desenvolvimento
RBV
Resource Based View
ROA
Return-on-Assets
ROE
Return-on-Equity
ROI
Return-on-Investment
RONA
Return on Net Assets
ROS
Return-on-Sales
ST
Structure Capital
STVA
Structure Capital Value Added
TSR
Total Shareholder Return
TVC
Total Value Creation
VA
Value Added
VAHU
Value Added Human Capital
VAIC
Value Added Intellectual Coefficient
VBA
Value Based Accounting
VCF
Valor de Crescimento Futuro
VIF
Variance Inflation Factor
VRIO
Value, Rare, Imitable, Organization
SUMÁRIO
1.
INTRODUÇÃO.......................................................................................................17
1.1
Problema de pesquisa................................................................................................22
1.2
Objetivo ....................................................................................................................26
1.3
Hipóteses de pesquisa ...............................................................................................27
1.3.1
Estoque de capital intelectual...................................................................................27
1.3.2
Eficiência no uso do capital intelectual....................................................................27
1.4
Variáveis da Pesquisa ...............................................................................................28
1.4.1
Descrição das Variáveis Utilizadas..........................................................................29
1.5
Estrutura do trabalho.................................................................................................35
2.
REFERENCIAL TEÓRICO .................................................................................36
2.1
Capital Intelectual - Visão geral ...............................................................................36
2.1.1
Ativos Intangíveis......................................................................................................36
2.1.2
Evolução histórica e o crescimento da importância do capital intelectual .............40
2.1.3
O Capital Intelectual e a Teoria da Firma ...............................................................46
2.1.4
Efeitos do Capital Intelectual no cenário econômico...............................................52
2.2
Classificação e constituintes do capital intelectual...................................................56
2.2.1
Capital humano.........................................................................................................58
2.2.2
Capital estrutural......................................................................................................60
2.3
Atributos econômicos particulares dos intangíveis ..................................................62
2.4
A influência dos ativos intangíveis na geração de valor...........................................67
2.4.1
Métricas de criação de valor ....................................................................................68
2.4.2
Capital intelectual, vantagem competitiva e criação de valor .................................73
2.5
Medidas de estoque de capital intelectual.................................................................76
2.6
CIV como um direcionador de valor da empresa .....................................................83
2.7
Medidas de fluxo de capital intelectual ....................................................................89
2.8
VAICTM como um direcionador de valor da empresa ..............................................96
3.
PROCEDIMENTOS METODOLÓGICOS.......................................................102
3.1
Tipo e Método de Pesquisa .....................................................................................102
3.2
População e Amostra ..............................................................................................102
3.3
Composição da Amostra.........................................................................................103
3.4
Tipos de Dados e Instrumentos de Coleta...............................................................104
3.5
Operacionalização das Variáveis Utilizadas...........................................................107
3.6
Tratamento Estatístico dos Dados...........................................................................108
3.6.1
Pooled cross sections..............................................................................................111
3.6.2
Primeira Diferença .................................................................................................111
3.6.3
Efeitos Fixos ...........................................................................................................113
3.6.4
Efeitos Aleatórios....................................................................................................115
3.6.5
Critérios de comparação de modelos de dados em painel .....................................116
4.
RESULTADOS DA PESQUISA..........................................................................118
4.1
Estatística Descritiva...............................................................................................118
4.2
Análise de Correlação.............................................................................................125
4.3
Modelos Estáticos de Dados em Painel .................................................................126
4.3.1
Retorno sobre Patrimônio Líquido .........................................................................126
4.3.2
Retorno sobre Ativos...............................................................................................130
4.3.3
Retorno sobre Vendas.............................................................................................132
4.4
Modelos de Dados em Painel Dinâmicos ...............................................................135
4.5
Análise dos Resultados ...........................................................................................136
4.6
Limitações do Estudo..............................................................................................140
5.
CONSIDERAÇÕES FINAIS ...............................................................................142
6.
BIBLIOGRAFIA ..................................................................................................145
7.
APÊNDICES .........................................................................................................150
Apêndice A – Modelos de regressão, relação das variáveis e fórmulas de cálculo................151
Apêndice B – Heterogeneidade observada em relação aos estimadores de efeito fixo para o
ROE das empresas ..................................................................................................................152
Apêndice C – Resultados das análises dos modelos dinâmicos de dados em painel..............153
17
1.
Introdução
Embora os estudos sobre capital intelectual tenham se tornado mais freqüentes apenas
nos últimos 10 anos, o termo “capital intelectual” já conta com quase 50 anos e, o primeiro
estudo a constatar de forma empírica a relevância do capital intelectual e dos ativos
intangíveis no desempenho das organizações remonta ao século XVII (STEWART, 1998
:XVI; STEWART, 2001: XIV).
A importância do tema atinge hoje tamanha proporção, que para alguns autores
(TEECE, 2000: 29; NONAKA e TAKEUCHI, 1997 :37-40; GRANT, 1996 :122), a própria
“Teoria da Firma” necessita ser revista.
Quando falamos de capital intelectual, nos deparamos com diversas definições, sendo
que, cada uma delas possui particularidades que, em alguns casos são bastante sutis, e em
outros, nem tanto.
Cabe ressaltar que, ainda que alguns atribuam significados distintos aos termos capital
intelectual, ativos intangíveis e ativos de conhecimento, no âmbito desta dissertação, de
forma consistente com Stewart (1998 e 2001), Lev (2001 e 2003) e Andriensen (2004) entre
outros, esses três termos serão utilizados como possuindo o mesmo significado.
Nos últimos 200 anos, trabalho e capital tem sido considerados os principais fatores de
produção a determinar a riqueza das corporações, porém, as economias mais desenvolvidas
passaram, no último século, por uma grande transformação e estão atualmente, calcadas em
capital intelectual e em ativos omitidos dos demonstrativos contábeis, pois extraem seu valor
de atividades ligadas ao processamento de informações, ao desenvolvimento e à transferência
e aplicação de conhecimento (TEECE, 1998 :75 ; FIRER e WILLIANS, 2003 :348).
18
Nessa economia centrada nos intangíveis, os serviços são tão importantes quanto os
produtos, e o conhecimento embarcado em ambos cresce rapidamente (ANDRIENSEN, 2004
:5).
De forma geral, a natureza da vantagem competitiva e a capacidade de gerar valor das
empresas, mudou do físico para o intangível.
A geração de valor das empresas, se apóia hoje sobre padrões e metodologias
proprietárias, direitos autorais, patentes, relacionamento com clientes, fornecedores e
parceiros, marca e reputação, entre outros fatores associados ao capital intelectual da empresa
(EDVINSON, 2003 :19).
Em síntese, encontramos na economia atual, uma série de evidências de que:
a) a indústria está se “desmaterializando“ com o aumento do componente intelectual e
a redução do físico;
b) os ativos físicos e financeiros apresentam cada vez mais características de
“commodities” e não conseguem proporcionar uma posição competitiva favorável e
sustentável para as empresa e;
c) é crescente o afastamento entre os fluxos de informação e os fluxos de produtos e
serviços.
Segundo Stewart (2001 :12), as empresas nos EUA utilizam atualmente 20% menos
capital físico que há 25 anos atrás para gerar suas receitas e quando observamos o valor de
mercado de empresas como: Google, eBay e YouTube, para mencionar apenas algumas em
maior evidência no momento, encontramos um claro exemplo de que a informação passou a
possuir “valor próprio”, dissociado das noções normais da economia tradicional de produtos e
serviços. (TEECE, 1998 :59; STEWART, 1998 :11-13).
19
Face às evidências da crescente importância dos ativos intangíveis e considerando a
hipótese de mercado eficiente, é natural observarmos o contínuo afastamento entre o valor de
mercado e o valor patrimonial das empresas.
Edivinson (2003 :30) exemplifica esse afastamento ao mostrar que no final do ano
2000, 74% do valor de mercado da BP (British Petroleum), 82% da 3M e 85% da ABB
estavam associados com ativos intangíveis.
Mesmo considerando que essa distância entre o valor de mercado e o valor patrimonial
das empresas, é, na média, menor hoje do que durante o auge da euforia das empresas “pontocom”, ela ainda permanece significativa e retomou uma trajetória de crescimento nos últimos
anos, pois os principais recursos responsáveis pela geração de caixa futuro, não são mais
refletidos nos relatórios contábeis das empresas.
Dessa forma, por não fornecerem uma visão clara da totalidade dos ativos que as
empresas dispõem para gerar valor, os relatórios contábeis na sua forma atual, mostram-se
cada vez menos relevantes e as avaliações dos investidores, em relação às empresas intensivas
em capital intelectual, parecem inadequadas causando um erro sistemático no preço dos
papéis dessas empresas e conduzindo o mercado de ações a uma volatilidade excessiva
(HAND e LEV, 2003 :2; EDIVINSON, 2003 :62-79).
A necessidade de mudanças fica evidente ao lembrarmos que um dos principais
objetivos das demonstrações contábeis das empresas (aquele por trás da criação da própria
contabilidade como hoje a conhecemos) é dar visibilidade sobre o que cada empresa possui e
sobre o quão eficiente ela é ao utilizar seus ativos para gerar valor (ROSS et. Al. 2002;
BREALEY e MYERS, 2003).
20
Essa visibilidade, bem como a possibilidade de comparar as empresas, são
fundamentais para que investidores e gestores possam ter subsídios para tomar suas decisões.
No entanto, com esse afastamento entre valor de mercado e valor contábil das empresas
verificado, as informações e relatórios financeiros convencionais passaram a apresentar sérias
limitações (CHEN et. Al., 2005; STEWART, 1998; ROOS et. Al.; 1997; LEV, 2001).
Essas limitações do sistema contábil e das avaliações fundamentalistas, feitas somente
com base em índices e indicadores financeiros, se mostram ainda mais sérias quando
penetramos no campo da inovação.
Como apontam Deng, Lev e Narin (1999 :20-21), a dificuldade de conseguir
informações confiáveis e adequadas, que dêem suporte às decisões de investimento, é ainda
maior, já que as empresas raramente divulgam dados sobre o volume e a natureza de suas
atividades de pesquisa e desenvolvimento (P&D).
Fica claro, portanto, que uma grande questão hoje em dia é: como medir e quantificar
adequadamente o impacto dos intangíveis a fim de determinar o valor real das empresas
(ROSS et. Al., 2002; BREALEY e MYERS, 2003).
Ou ainda, são as empresas que apresentam um maior estoque ou fluxo de capital
intelectual aquelas que geram maior valor para os seus acionistas e proprietários ?
Com base no estudo de Kujansivu e Lönqvst (2005) sobre métricas de estoque e fluxo
de capital intelectual, e construindo sobre as bases de um conjunto de trabalhos recentes
realizados internacionalmente (FIRER e WILLIAMS, 2003; VAN DER ZAHN, 2004; CHEN
et Al., 2005), esta dissertação tem o intuito de contribuir para elucidar a questão da influência
do capital intelectual na geração de valor das empresas brasileiras.
21
Para alcançar esse objetivo, este trabalho inicialmente procurará definir e conceituar,
sob a óptica dos principais estudiosos do tema, o capital intelectual, seus componentes e sua
relevância para a criação de valor nas empresas; serão também descritas as principais métricas
propostas na literatura para se avaliar o capital intelectual.
Na seqüência, fazendo uso do CIV (Calculated Intangible Value) e o ICE (Intelectual
Capital Efficiency) como medidas de estoque e fluxo de capital intelectual respectivamente,
através de através de tratamento estatístico por regressões multivariadas, usando modelos
estáticos de dados em painel, efetuar-se-á a análise de uma amostra não probabilística,
constituída a partir de dados secundários de empresas brasileiras provenientes de diversos
setores.
Através dessa análise procuraremos testar a validade do ICE e do CIV como
direcionadores do desempenho financeiro e da capacidade de geração de valor das empresas
da amostra.
22
1.1
Problema de pesquisa
Nos últimos anos, o capital intelectual como área de estudo têm se desenvolvido
consideravelmente, e ainda que hoje não existam mais dúvidas sobre o papel central do capital
intelectual na geração de riqueza das empresas e na economia como um todo, ou no fato de
que o sistema contábil tradicional, cada vez é menos efetivo em capturar e refletir o valor
correto das empresas, muito ainda há por ser feito antes que tenhamos todas as respostas
apropriadas para lidar com essa nova realidade.
Como é possível identificar e medir quantitativa e qualitativamente, sob a óptica de
um investidor ou uma parte interessada externa à empresa, o capital intelectual da mesma, e
com base nisso, estimar a capacidade dessa empresa gerar valor são as questões que este
projeto de dissertação pretende ajudar a esclarecer.
Essas questões são ainda mais relevantes no contexto atual haja visto que, nos últimos
3 anos, temos verificado mudanças significativas no mercado de capitais brasileiro.
Por um lado temos um número cada vez maior de investidores individuais, negociando
títulos no mercado de ações, por outro, observamos cada vez um número maior de empresas
cujo maior ativo é seu capital intelectual.
Alguns exemplos (e sua área de atuação) são: Submarino (varejo por Internet), TOTVs
e Datasul (Tecnologia da Informação e Sistemas de Gestão), Anhangüera Educacional
(Educação Superior), DASA (Diagnósticos Laboratoriais), CSU (Administração de meios
eletrônicos de pagamentos).
Comum a todas essas empresas é o fato que os seus demonstrativos contábeis falam
muito pouco sobre a sua capacidade de gerar valor, de forma que, o ágio (ou deságio) que o
mercado atribui às mesmas é impossível de ser explicado de forma racional e objetiva.
23
Tendo demonstrado a relevância das questões propostas, é importante ressaltar que, de
forma a investigá-las adequadamente, em função das intrincadas e obscuras relações entre o
estoque total de recursos tangíveis e intangíveis com que conta uma dada firma, e entre esse
estoque de recursos disponíveis e a efetiva utilização dos mesmos no processo de geração de
valor, devemos considerar uma abordagem que procure verificar simultaneamente a influência
dos estoques e dos fluxos relativos ao capital intelectual.
As figuras Figura 1 e Figura 2 abaixo procuram mostrar, sob a ótica dos sistemas
dinâmicos, esse amplo contexto onde se insere o problema de pesquisa a ser desenvolvido
nesse estudo.
+
+
Estoque de Ativos
físicos e financeiros
+
Eficiência no uso do
Capital Intelectual +
disponível
+
Eficiência no uso dos
Ativos físicos e
financeiros existentes
+
+
Capacidade de
gerar valor
+
+
+
Estoque de
Capital Intelectual
+
Figura 1 - Capital intelectual e geração de valor – Mapa Sistêmico
Fonte: elaborada pelo autor
24
Investindo em
Ativos tangíveis
Estoque de Ativos
físicos e
financeiros
disponíveis
Reduzindo estoque de
Ativos físicos e
financeiros
Valor total gerado
pela empresa
Gerando valor
Ampliando o
Capital intelectual
Estoque de
Capital Intelectual
Distribuindo valor
Perdendo Capital
intelectual
Figura 2 - Capital Intelectual e geração de valor – Diagrama de Estoque e Fluxo
Fonte: elaborada pelo autor
Como pode ser deduzido através dessas figuras, a questão do capital intelectual e a
geração de valor nas empresas, possui diversos aspectos relevantes passíveis de análise, sendo
que há supostamente, uma série de inter-relações entre os diversos constructos pertinentes ao
tema.
No entanto, dada a natureza investigativa desse estudo, e o estado seminal dessa área
de pesquisa, que ainda carece de referencial teórico detalhado sobre vários desses constructos
e inter-relações, esta dissertação procurou estudar o tema através do modelo de causalidade
unilateral representado na Figura 3 a seguir.
25
Capital intelectual e geração de valor
Estoque de Capital
Intelectual
Indicador: CIV
Eficiência no uso do Capital
Intelectual
Indicador: VAICTM ICE
(VAHU+STVA)
C
o
n
t
r
o
l
e
Estoque de ativos físicos e
financeiros
Geração de valor
Indicadores: ROE, ROS,
ROA
Indicador: VAICTM CE
Nível de endividamento da
empresa
Indicador: END_GERAL
Crescimento das
vendas
Indicador: CRESC_VENDAS
Figura 3 - Capital Intelectual e geração de valor – Problema de pesquisa
Fonte: elaborada pelo autor
Como podemos observar na referida figura, a inexistência de um modelo conceitual
amplamente aceito, determinou cautela adicional, que se reflete na adoção das 3 variáveis de
controle, acima representadas, no modelo de pesquisa.
Dessa forma, o presente estudo pode ser descrito nos seguintes termos:
Geração de valor da empresa = f (estoque de capital intelectual, eficiência no uso do capital
intelectual, estoque de ativos físicos e financeiros, nível de endividamento da empresa,
crescimento das vendas da empresa)
26
1.2
Objetivo
O objetivo geral dessa pesquisa será: analisar o impacto do capital intelectual na
capacidade das empresas brasileiras de gerar valor.
Os objetivos específicos são as etapas que devem ser cumpridas para que o
pesquisador possa alcançar o objetivo geral (RICHARDSON et al, 1999).
Os objetivos específicos permitem que uma pesquisa atinja o objetivo geral
(LAKATOS et al, 1995).
Dessa forma, são objetivos específicos a serem mencionados:
•
Fazer uma revisão bibliográfica das principais métricas para capital intelectual
encontradas na literatura.
•
Fazer uma revisão bibliográfica das principais métricas para mensurar criação de valor
•
Verificar o efeito do estoque de capital intelectual das empresas na sua capacidade de
gerar valor.
•
Verificar o efeito da eficiência (fluxo) das empresas no uso dos seus ativos intangíveis
na sua capacidade de gerar valor.
•
Verificar o efeito do estoque de ativos físicos e financeiros das empresas na sua
capacidade de gerar valor.
•
Verificar o efeito do nível de endividamento das empresas na sua capacidade de gerar
valor.
•
Verificar o efeito do crescimento das vendas das empresas na sua capacidade de gerar
valor.
27
1.3
Hipóteses de pesquisa
A formulação das hipóteses tomou por base o referencial teórico desenvolvido no
capítulo 2, além dos estudos empíricos já realizados para testar as teorias existentes.
As hipóteses foram construídas ao redor dos dois indicadores de capital intelectual
escolhidos, e que, potencialmente, explicam a capacidade das empresas gerarem valor.
1.3.1
Estoque de capital intelectual
Esperava-se encontrar uma relação positiva entre o estoque de capital intelectual e a
geração de valor da empresa permitindo a rejeição da hipótese 0,1 abaixo:
Hipótese
0,1:
O estoque de capital intelectual das empresas não afeta a sua
capacidade de geração de valor.
1.3.2
Eficiência no uso do capital intelectual
Da mesma forma, esperava-se rejeitar a hipótese 0,2 conforme definida a seguir:
Hipótese
0,2:
Não existe diferença na capacidade de gerar valor entre as empresas
com maior e menor eficiência no uso do capital intelectual.
28
1.4
Variáveis da Pesquisa
Variáveis são aspectos observáveis de um fenômeno e, devem apresentar variações em
relação aos fenômenos estudados (RICHARDSON et al., 1999:117).
São denominadas variáveis independentes aquelas que “influenciam, determinam ou
afetam outra variável; são fatores determinantes, condições ou causas para determinado
resultado”. Assim sendo, variáveis dependentes são aqueles “valores (fenômenos, fatores) a
serem explicados ou descobertos, em virtude de serem influenciados, determinados ou
afetados pela variável independente” (LAKATOS e MARCONI, 1991 :138).
Conforme definido por Richardson et al. (1999 :121), nesta dissertação buscou-se
explorar as associações entre as variáveis dependentes (ROE, ROS e ROA), escolhidas para
mensurar a geração de valor das empresas e, as variáveis independentes:
•
Estoque de capital intelectual (CIV)
•
Eficiência no uso do capital intelectual (ICE)
Foram também utilizadas as seguintes variáveis de controle:
•
Estoque de físicos e financeiros (CE)
•
Nível de endividamento (END_GERAL)
•
Crescimento das vendas (CESC_VENDAS)
A seção 1.4.1 detalha cada uma destas variáveis.
29
1.4.1
Descrição das Variáveis Utilizadas
Com o intuito de facilitar a homogeneização dos termos empregados nessa dissertação
e, esclarecer cada um dos componentes que serão utilizados na definição operacional das
variáveis, são apresentados a seguir nas figuras : Figura 4, Figura 5 e Figura 6, exemplos de
demonstrativos financeiros padronizados conforme definidos pela CVM (Comissão de
Valores Mobiliários).
1- BALANÇO PATRIMONIAL
Passivo
Ativo
(1) Circulante
(4)
Circulante
Disponibilidades
Empréstimos e financiamentos
Contas a receber de clientes
Contas a pagar a fornecedores e empreiteiros
Estoques
Salários e encargos sociais
Outros
(2)
Tributos e contribuições
Total Ativo Circulante Outros
Total Passivo Circulante (5)
Realizável a longo prazo
Imobilizado
Diferido
Exigível a longo prazo
Total Passivo (6)
Patrimônio líquido
Capital social
Reservas de lucros
(3)
Total Ativo
Total Patrimônio Líquido (7)
Figura 4 - Demonstrativos financeiros padronizados – Balanço Patrimonial
30
2- DEMONSTRAÇÃO DO RESULTADO
(1) Vendas totais
(-) Impostos e contribuições sobre vendas e serviços
(2) (=) Receita operacional líquida
(-) Custos dos produtos e serviços
(3) (=) Lucro bruto
(-) Despesas operacionais
(4) (=) Lucro operacional (EBIT)
(+) Resultado financeiro líquido
(5) (=) Lucro antes do imposto de renda e da contribuição social (LAIR)
(-) Imposto de renda e contribuição social
(6) (=) Lucro líquido do exercício
Figura 5 - Demonstrativos financeiros padronizados – Demonstração do Resultado
3- DEMONSTRAÇÃO DO VALOR ADICIONADO
Geração do valor adicionado
Distribuição do valor adicionado
(1) Receita bruta
Total de gastos com salários e benefícios dos
empregados
(4)
(b) (-) Aquisição de produtos para revenda
(+) Impostos e tributos
(5)
(b) (-) Serviços contratados
(+) Juros
(6)
(b) (-) Materiais & Insumos adquiridos
(+) Dividendos
(7)
(+) Lucros Retidos
(8)
(=) Valor adicionado total distribuído
(9)
(=) Valor adicionado bruto
(2) (-) Depreciação, amortização e exaustão
(=) Valor adicionado líquido
(+) Recebido de terceiros
(3) (=) Valor adicionado total a distribuir
Figura 6 - Demonstrativos financeiros padronizados – DVA
1.4.2.a
Geração de Valor
Conforme descrito detalhadamente na seção 2.4 deste trabalho, na busca de medidas
objetivas não dependentes de ajustes contábeis controvertidos, definiremos geração de valor
em termos da lucratividade das empresas utilizando índices construídos através de medidas
contábeis simples.
31
A perspectiva de geração de valor que este estudo procurou captar foi a geração de
valor para os acionistas e proprietários das empresas analisadas. Porém, cabe ressaltar que a
amostra tomou em conta empresas privadas de capital aberto, empresas privadas de capital
fechado e empresas públicas, atuando em diversos setores da economia.
Em virtude dessa heterogeneidade, e do fato de várias das empresas não possuírem um
valor de mercado claramente definido e identificável, tornou-se impossível a utilização de
algumas métricas mais específicas como o retorno total ao acionista (TSR – Total Shareholder
Return).
Dessa forma, optou-se neste estudo por medir-se “Geração de valor” através dos
índices1:
•
“ROE – Retorno sobre patrimônio líquido” (Return on equity)
ROE = Lucro líquido do exercício (Figura 5: ítem 6) /
Patrimônio líquido total (Figura 4:
ítem 7)
Equação 1 - Cálculo ROE
•
“ROA – Retorno sobre ativos (Return on assets)
ROA = Lucro líquido do exercício (Figura 5: ítem 6) /
Ativo total (Figura 4: ítem 3)
Equação 2 - Cálculo ROA
1
A seção 2.4.1 na pág. 68 descreve todas as métricas de geração de valor consideradas e descreve em
detalhes os fatores que justificaram a escolha dos 3 índices definidos.
32
•
“ROS – Retorno sobre vendas” (Return on sales)
ROS = Lucro líquido do exercício (Figura 5: ítem 6) /
Vendas totais (Figura 5:
ítem 6)
Equação 3 - Cálculo ROS
Cada um desses índices buscará captar um aspecto da geração de valor das empresas,
porém, sob a ótica dos proprietários e acionistas, o ROE será o principal índice considerado.
1.4.2.b
Estoque de capital intelectual
Como pode ser verificado na seção 2.5 dessa dissertação, muitas são as propostas
encontradas na literatura para medir e atribuir valor ao estoque de capital intelectual de uma
empresa. No entanto, se por um lado o número de alternativas é grande, por outro, estamos
longe de um modelo de aceitação ampla.
Nesta dissertação, a variável independente “Estoque de capital intelectual” será
medida através do Valor Intangível Calculado – CIV(Calculated Intangible Value).
O cálculo do CIV encontra-se descrito em detalhes na seção 2.6 deste documento.
Estoque de capital intelectual = CIV
33
1.4.2.c
Eficiência no uso do capital intelectual
A variável independente “Eficiência no uso do capital intelectual” busca analisar a
capacidade da firma em converter o capital intelectual empregado no negócio em valor, já
que, segundo Pulic (2000 :706), “o objetivo de qualquer negócio é claro: gerar o máximo de
valor adicionado possível, a partir de uma dada quantidade de capital (físico, financeiro e
intelectual)”.
Seguindo o modelo utilizado por Kujansivu e Lönnqvist (2005 :4) e Van der Zahn (et
al. 2004 :13), para mensurar essa variável, foi utilizado o índice Eficiência do Capital
Intelectual – ICE (Intellectual Capital Efficiency) cuja forma de cálculo detalhada encontra-se
descrita na seção 2.8 (pág. 108) desse documento.
Eficiência no uso do capital intelectual = ICE
1.4.2.d
Estoque de ativos físicos e financeiros
A variável independente “Estoque de ativos físicos e financeiros” representa a
totalidade de recursos tangíveis utilizados pela empresa.
Conforme definido por Pulic (2000 :706) ela é definida pela soma de “tudo que foi
aplicado na empresa” e, para efeitos desta dissertação, esse estoque é medido através do
“Capital empregado” (CE) da empresa, aqui definido como:
Estoque de ativos físicos e financeiros = CE
= Ativo total (Figura 4: ítem 3) – Passivo circulante (Figura 4: ítem 5)
Equação 4 - Cálculo CE
34
1.4.2.e
Nível de endividamento geral
Capon et Al. (1990 :1149) ao efetuarem a análise de 320 estudos empíricos, apontam a
existência de relacionamento entre o nível de endividamento das empresas e o desempenho
financeiro das mesmas.
Dessa forma, foi definido para esse estudo, uma variável cujo objetivo é mensurar esse
nível de endividamento das empresas, e controlar a sua influência nas variáveis dependentes
analisadas.
A Equação 5 a seguir descreve o cálculo dessa variável.
END_GERAL = Passivo total (Figura 4: ítem 6) / Ativo total (Figura 4: ítem 3)
Equação 5 - Cálculo END_GERAL
1.4.2.f
Crescimento em vendas
Evidências empíricas apontam para a existência de um relacionamento positivo entre o
desempenho financeiro e o crescimento em vendas das empresas (LEV et Al.,2003 :171;
CAPON et Al.,1990 :1149).
Para medir e controlar essa possível influência, foi inserido no modelo de estudo desta
dissertação a variável de controle definida conforme a Equação 6 abaixo.
CRESC_VENDAS = ((Vendas totais no ano atual (Figura 5:
anterior (Figura 5:
Equação 6 - Cálculo CRESC_VENDAS
ítem 6))
– 1) * 100
ítem 6)
/ Vendas totais no ano
35
1.5
Estrutura do trabalho
A presente dissertação encontra-se dividida em cinco capítulos.
No primeiro capítulo foi apresentada uma introdução ao objeto de estudo, a
justificativa da sua escolha, os objetivos propostos e as hipóteses que se busca comprovar e as
métricas a serem utilizadas.
No segundo capítulo será apresentado o referencial teórico que embasa os principais
estudos sobre o capital intelectual das empresas e sua influência na capacidade da empresa
gerar valor para os seus proprietários.
No terceiro capítulo será apresentada uma descrição sobre a metodologia de pesquisa
empregada nesta dissertação.
No quarto capítulo serão apresentados os resultado empíricos obtidos.
Finalmente, no quinto capítulo são apresentadas as conclusões e considerações finais.
36
2.
Referencial teórico
2.1
Capital Intelectual - Visão geral
O capital intelectual, enquanto área de estudo atravessa domínios funcionais, sendo
objeto de pesquisa nas áreas de economia, administração, psicologia e ciências da computação
para mencionar apenas algumas.
No entanto, na área de administração de empresas, sob ótica de finanças e valoração
empresarial, qualquer tentativa de definir e contextualizar o tema deve partir da visão contábil
e, dos ativos intangíveis.
2.1.1
Ativos Intangíveis
Se por um lado os ativos intangíveis têm sido estudados no Brasil desde o início da
década de 70 (MARTINS, 1972), estamos longe de se haver chegado a um consenso sobre a
medida exata de sua relevância. Em verdade, não temos hoje sequer uma definição para os
ativos intangíveis que seja aceita de forma universal.
Do ponto de vista contábil, podemos tomar como ponto de partida a definição aceita
com base nas normas contábeis norte americanas (FASB – Financial Accounting Standards
Board) que, como mostrado por Hand e Lev (2003: 305), é: todo o custo de desenvolvimento
ou aquisição de direitos ou benefícios econômicos que são “não físicos” mas, que podem ser
reconhecidos no balanço das empresas.
Outra importante definição é a proposta nas normas do IASB (International
Accounting Standards Board) que classifica como intangíveis todos os ativos não monetários,
identificáveis, porém, sem substância física, mantidos para uso na produção ou fornecimento
de bens ou serviços, alugados para outros ou, para fins administrativos (ANDRIENSEN,
2004: 62).
37
Ainda em relação a essa mesma definição, considera-se um ativo qualquer recurso
controlado pela empresa, decorrente de eventos passados e sobre os quais, um fluxo de
benefícios econômicos futuros é esperado.
Quando combinamos estas duas definições percebemos que, sob o aspecto contábil,
um ativo intangível necessita atender a três requisitos:
•
precisa ser identificável;
•
a empresa deve ter controle sobre ele e;
•
o mesmo deve ser capaz de gerar benefícios econômicos futuros.
Roos et Al. (2002 :592) chamam a atenção para as divergências entre as definições
propostas pelos dois principais sistemas contábeis e apontam que a definição do FASB é mais
restrita pois, se foca nas regras de reconhecimento contábil vigentes e dessa forma, não
contempla os ativos intangíveis gerados internamente (self-generated).
Reilly e Schweis (1998 apud KAYO, 2002) expandem o conjunto de requisitos
necessários para qualificação de um ativo intangível sob o aspecto contábil e, mencionam seis
atributos:
•
estar sujeito a uma identificação específica e descrição reconhecível;
•
estar sujeito à existência e proteção legal;
•
estar sujeito ao direito de propriedade privada e esse direito deve ser legalmente
transferível;
•
existir alguma evidência tangível ou manifestação da existência do ativo intangível
(como contratos, licença de uso, documento de registro, lista de clientes,
demonstrativos financeiros, etc.);
•
ter sido criado em um momento ou evento identificável;
•
estar sujeito a ser destruído ou eliminado em um momento ou evento identificável.
38
Enquanto sob a óptica contábil, encontramos definições bastante restritivas, quando
buscamos uma definição para os ativos intangíveis (ou ativos de conhecimento) sob a óptica
da literatura econômica, encontramos um conceito muito mais abrangente.
Podemos dizer que: “ativos intangíveis são quaisquer itens não físicos que tenham a
habilidade ou potencial de fornecer benefício econômico futuro para e firma”(HAND e LEV,
2003 :305).
Hand e Lev (2003 :7), em consonância com a definição econômica apresentada,
definem como ativos intangíveis “todos os recursos não físicos que sejam fontes de valor
(concedendo direito a benefícios futuros) gerados pela inovação (descoberta), desenhos
organizacionais únicos, ou práticas de recursos humanos”.
Ao compararmos as definições contábil e econômica, verificamos que a primeira
acaba por contemplar unicamente uma parcela da parte “estrutural” do capital intelectual,
desconsiderando assim, todos os demais componentes como, por exemplo, o capital humano.
Esse fato é justificado pela impossibilidade de se estabelecer controle suficiente e da
incerteza sobre o retorno futuro decorrente da ação das pessoas que compõem a organização
(ANDRIENSEN, 2004 : 63).
Para Andriensen (2004 :63) a única categoria de intangíveis que atende à característica
de controle por parte da firma é a “propriedade intelectual” que, de acordo com Stallworth e
DiGregorio (2004), se constitui no capital intelectual protegido legalmente, incluindo assim
patentes e marcas registradas, software e licenças de uso.
Dessa maneira, sob a óptica contábil, até o momento, os ativos intangíveis foram
sempre definidos em termos de propriedade intelectual ou goodwill (STALLWOTH e
DIGREGORIO, 2004 :10).
39
O termo goodwill enseja a diferença entre o valor total pago por uma empresa num
processo de aquisição e, o valor de mercado dos ativos tangíveis dessa empresa adquirida. Ele
ocorre todas as vezes em que empresas são adquiridas por preços superiores ao valor justo de
mercado de todos os ativos contábeis da empresa adquirida, descontados os respectivos
passivos (YOUNG e O’BYRNE, 2003 :207).
Dessa forma, o goodwill se mostra muito mais abrangente que as próprias definições
contábeis de ativo intangível apresentadas, pois inclui uma série de recursos intangíveis (tais
como reputação da empresa, carteira de clientes, localização física privilegiada, etc.) que,
mesmo não se enquadrando na definição contábil, tornam-se passíveis de reconhecimento
quando da ocorrência de uma operação de compra e venda de empresas (ANDRIENSEN,
2005 :64 ; KAYO, 2002: 10).
Essa diferença no tratamento entre goodwill e demais ativos intangíveis se explica
pelo fato de todo o sistema contábil ser baseado em transações e em medidas identificáveis.
Portanto, o mesmo se concentra apenas nos intangíveis adquiridos, naqueles passíveis de
reconhecimento e no goodwill (ANDRIENSEN, 2005: 64).
De qualquer forma o tratamento contábil para o goodwill varia de país para país, sendo
que, em alguns deles como Holanda e Inglaterra, é permitida a baixa imediata do goodwill
contra a conta de reservas sem passar pelo demonstrativo de resultados. No caso da maioria
dos países, inclusive Estados Unidos e Brasil, o goodwill deve ser capitalizado e amortizado
ao longo do tempo (YOUNG e O’BYRNE, 2003 :207- 215).
40
Sob a óptica da geração de valor, qualquer que seja o tratamento contábil dado ao
goodwill, ele pode gerar distorções nos cálculos. A questão essencial, por trás do tratamento
do goodwill, está relacionado com a natureza intrínseca do mesmo, ou seja, trata-se de um
ativo com vida útil finita (wasting asset), devendo ser depreciado; de um ativo que não se
valoriza nem desvaloriza, ou de um ativo que se valoriza e que deve ser reconhecido através
de gastos negativos de amortização (YOUNG e O’BYRNE, 2003 :211).
Essa é apenas uma das questões ainda não plenamente respondidas em relação ao
tratamento contábil dos intangíveis adquiridos.
No entanto ainda que os ativos intangíveis conforme definidos contabilmente sejam
importantes, sob a óptica de geração de riqueza e vantagem competitiva para a empresa, eles
representam apenas a “ponta do iceberg” (STEWART, 2001 : X).
2.1.2
Evolução histórica e o crescimento da importância
do capital intelectual
Tendo oferecido uma definição inicial do capital intelectual, sob a ótica contábil,
através da exposição das principais características e desafios impostos pelos ativos
intangíveis, cabe agora avançar na discussão do tema, demonstrando como o capital
intelectual, vêm, ao longo do tempo, suscitando reflexões importantes juntos aos mais
diversos estudiosos na medida em que transforma o panorama dos negócios.
Quando Drucker (1993) definiu a sua “sociedade do conhecimento” (sociedade póscapitalista) destacando a transformação, iniciada em 1945, pela qual passa a economia e que
está convertendo os ativos intangíveis (conhecimento) no principal recurso produtivo das
empresas, os primeiros passos de pesquisadores na área do capital intelectual já contavam
com mais de 20 anos.
41
Kannan e Aulbur (2004 :395) apontam Penrose (1959) como primeira pesquisadora a
definir as organizações como “repositórios de conhecimento”. Os mesmos autores, após
pesquisas feitas com base em mais de 100 artigos sobre teorias e modelos de mensuração do
capital intelectual, selecionaram com base no número de citações e discussão com experts,
uma série de autores e achados de grande relevância ao estudo do capital intelectual.
O Quadro 1 abaixo apresenta em ordem cronológica uma síntese desse trabalho.
Ano: Contribuição:
Autor:
Penrose
Machlup
Karl Sveiby
Kaplan e Norton
Davemport
Nonaka e Takeuchi
DiMattia e Oder
Philips
Edvinson e Mallone
1959
1962
1986
1988
1992
1994
1995
1997
1997
1998
Tobin
1998
Harvey e Lusch
1999
Carley
Lev
2000
2000
A organização como um repositório de conhecimento
Modelo da Função produção de conhecimento (Knowledge production
function )
Necessidade de adicionar-se uma perspectiva comportamental para
monitorar os ativos intangíveis
Criação do "Monitor de ativos intangíveis" (Intangible asset monitor ).
Criação do modelo de "Balanced scorecad".
Gerir o conhecimento não uma questão meramente de tecnologia mas
também uma questão de gerenciar relações sociais.
Conhecimento (idéias, habilidades e experiência) pode ser capturado e
compartilhado
Organizações tem perdido uma quantidade significativa de informação e
experiência através da saída de pessoas.
Existe retorno sobre os investimentos em ativos de conhecimento.
Definição teórica do capital intelectual e a primeira aplicação em uma
organização através do "Navegador Skandia" (Skandia navigator).
A organização habilitada pelo conhecimento utiliza as habilidades e o
conhecimentos de todos os seus funcionários, independente da função dos
mesmos. Organizações utilizam apenas 10% do conhecimento dos seus
profissionais - sistemas mais eficientes são necessários.
Tentativa de avaliar lado do passivo dos ativos intangíveis. Pesquisa sobre
a questão do impacto de uma atividade/pessoa em particular na criação
futura de valor para a empresa.
Medidas de performance e da arquitetura organizacional baseadas em
análise de redes sociais.
Criação do Knowledge capital scorecard.
Quadro 1 - Evolução do estudo sobre capital intelectual
Fonte: adaptado pelo autor de KANNAN e ALBUR (2004 :393-399)
42
De acordo com Stewart (2001 :XIV), o termo capital intelectual foi utilizado pela
primeira vez em 1958, por analistas financeiros que avaliavam o mercado de ações de
empresas muito pequenas e focadas em ciência (science-based companies).
Na segunda metade da década de 1980, se iniciou um período de intensa atividade
onde os principais conceitos relativos ao capital intelectual começaram a ser cunhados e, sob a
liderança de Karl Sveiby em 1989, aconteceram as primeiras iniciativas visando medir e
divulgar os ativos intangíveis das empresas (ANDRIESEN, 2004).
Seguindo-se às iniciativas embrionárias de Sveiby, tivemos na década de 1990, a
publicação de diversos trabalhos e livros sobre o tema que acabaram por compor a base
conceitual que dá suporte ao estudo do capital intelectual até os dias de hoje.
Roos et Al. (1997 :15) nos mostram que as rotas teóricas que hoje dão suporte ao
conceito de capital intelectual derivam de duas escolas de pensamento: a corrente da
estratégia e a corrente da medição.
A Figura 7 mostra a evolução e o relacionamento dessas correntes de pensamento.
43
Organizações que aprendem
Gestão de conversação
(Conversation management )
Inovação
Desenvolvimento de
conhecimento
Gestão do conhecimento
Estratégia
Competências Essenciais (Core
competencies)
Alavancagem de
conhecimento
Ativos invisíveis (Invisible
assets )
Capital Intelectual
Contabilidade de
recursos humanos
Medição
Balanceado (Balanced)
Painéis de controle
(Scorecards)
Financeiro
Figura 7 - Raízes conceituais do Capital Intelectual
Fonte: ROOS et al. (1997 :15)
As contribuições da corrente da estratégia se concentram na análise de dois pontos
principais: as formas como o conhecimento é criado, e como ele pode ser melhor aproveitado.
No caso da corrente da medição, suas raízes remontam aos anos 70 com o
desenvolvimento da contabilidade de recursos humanos (ROOS et. Al., 1997 :15-19).
A convergência dessas escolas de pensamento e o aumento da atividade de pesquisa ao
redor do tema capital intelectual têm se intensificado, na medida em que cresce a importância
do mesmo, para a criação de valor das empresas.
44
Stewart (2001 :8) aponta que, em 1999, os ativos intangíveis se tornaram o artigo de
maior valor a ser exportado pelos EUA.
No ano seguinte, o investimento das corporações norte-americanas em ativos
intangíveis, praticamente se igualou ao investimento em ativos convencionais, atingindo o
patamar de US$ 1 trilhão (HAND e LEV, 2003 :4).
Esses exemplos nos dão noção da importância atual do capital intelectual.
Como veremos na próxima sessão, a realidade atual das empresas, cada vez mais
apoiadas no uso de capital intelectual, faz com que a própria definição da “firma”, até então
vista como: “um conjunto de ativos que pertence aos acionistas, mas que é administrado para
eles por gestores contratados”, precise ser revista (STEWART, 2001: 22-23).
Esses crescentes investimentos em intangíveis podem, em parte, ser explicados pela
“comoditização” dos ativos financeiros e físicos, que, cada vez mais, estão disponíveis
também aos competidores e conseguem no máximo, gerar um retorno sobre investimento
competitivo (HAND e LEV, 2003 :1).
Em virtude disso, segundo Stewart (2001 :23-25), a busca de vantagem competitiva
apenas através do uso mais eficiente dos ativos tangíveis (work-the-assets) por parte da
empresa, trata-se de uma estratégia que todos os concorrentes podem e acabam por seguir, e
que em algumas indústrias, chegou ao seu limite.
A conseqüência disso é que não há mais como gerar vantagem competitiva através de
trabalho “não especializado”, ou de uma máquina a ser adquirida, pois qualquer competidor
pode fazer o mesmo (STEWART, 2001 :25).
45
Andriensen (2004 :7) sugere que essa importância dos intangíveis decorre da
combinação de 3 fatores, que levam à uma “descontinuidade” na economia. Os fatores são:
•
Globalização;
•
Desregulamentação de setores chaves da economia;
•
Crescimento exponencial do ritmo da mudança tecnológica.
Dentre estes três fatores, é o impacto da globalização do comércio aquele mais
comentado na literatura de negócios (científica ou não).
As enormes transformações provocadas pela globalização, decorrem da drástica
intensificação da concorrência (LEV, 2001 :9).
Essa “hipercompetição” têm progressivamente forçado a redução de barreiras
comerciais (como proteções e subsídios) e o aumento do fluxo de informações, criando assim
mercados completamente novos através da ampliação do que é negociável (TEECE, 1998 :5657).
A realidade é que, no cenário econômico globalizado, não há como impedir os
concorrentes de copiar ou aperfeiçoar rapidamente produtos e processos produtivos, num
contexto que é marcado pela mobilidade (de pessoas, produtos e informação), pela
“engenharia reversa” e por tecnologias amplamente disponíveis (DAVENPORT e PRUSAK,
1998 :19).
Com respeito à desregulamentação da economia, segundo aspecto crítico para que
possamos entender a crescente importância do capital intelectual, a abertura de setores chaves
nos mais diversos países, quer seja na área de “utilities” (energia, telecomunicações,
transportes, etc.) ou de serviços financeiros, é outra importante força determinando a
eliminação de monopólios e a intensificação da concorrência, nos mais diversos setores da
economia (ANDRIENSEN, 2004:7).
46
O terceiro fator crítico é a mudança tecnológica cada vez mais rápida e dramática.
Para, Deng, Lev e Narin (1999 :20), a inovação e a mudança tecnológica são os maiores
direcionadores do crescimento e da produtividade das empresas.
No caso específico das tecnologias de informação e comunicação, seu rápido
desenvolvimento resultou no declínio do custo de processamento de informações e na criação
de redes globais de informação, oferecendo assim, acesso global à informação e ao
conhecimento (ANDRIENSEN, 2004:7).
E é exatamente através do aumento da velocidade da transferência do conhecimento, e
da extensão do acesso desse conhecimento às pessoas e grupos, que o desenvolvimento
tecnológico tem potencializado o crescimento do capital intelectual das empresas
(DAVENPORT e PRUSAK, 1998 :149-172).
Em decorrências dessas transformações no cenário de negócios, cada vez mais fica
improvável que qualquer empresa possa controlar o fornecimento de um recurso natural ou
produto básico e as oportunidades para o estabelecimento de diferenciais competitivos, só
podem vir de conhecimento “proprietário”, competências únicas, uma marca forte, ou de
outros componentes do capital intelectual (STEWART, 2001 :23; ANDRIENSEN, 2004 :7).
2.1.3
O Capital Intelectual e a Teoria da Firma
De acordo com o que foi exposto até agora, fica claro que, na medida em que o capital
intelectual passa a se constituir no mais importante motor do desempenho das empresas e do
crescimento econômico, é necessário que se pondere os efeitos deste na própria “Teoria da
Firma”.
As “Teorias da Firma” se constituem em modelos conceituais, abstrações das
organizações do mundo real, que buscam prever e explicar a estrutura e os comportamentos
das empresas. Na realidade, cada uma delas foi concebida tendo em vista um conjunto
particular de comportamentos e estruturas a serem explicados (GRANT, 1996 :109).
47
Qualquer teoria da firma deve ser capaz de lidar efetivamente com duas questões
(HOLMSTROM e TIROLE, 1989 apud. CONNER, 1991: 123):
a) Qual é a razão de existir da firma ?
b) O que determina seus limites em termos de escala e escopo ?
Dentre as principais proposições para a teoria da firma, numa seqüência cronológica,
podemos identificar cinco escolas principais (CONNER, 1991 :123).
•
Teoria da escola neoclássica de competição perfeita
•
Teoria da escola da Organização Industrial (conforme proposta por Bain)
•
Teoria da escola de Schumpeter
•
Teoria da escola de Chicago
•
Teoria dos Custos de Transação
Mesmo que, em essência, todas essas escolas coincidam em que o objetivo máximo da firma é
a maximização dos lucros, cada uma delas, apresenta importantes diferenças em relação aos
meios pelos quais as empresas buscam realizar esse objetivo (CONNER, 1991 :123).
Iniciando pela visão dos neoclássicos (Marshall, Jevons, Menjers, Walras, entre
outros), herdeiros da tradição de Adam Smith, o objetivo da firma é combinar recursos de
forma a produzir um produto acabado.
A alocação de recursos se dá com base nas regras de oferta e demanda de um mercado
constituído por consumidores racionais e totalmente informados.
Ao longo do tempo, cada empresa (consideradas de forma homogênea), ao buscar
maximizar seus lucros, gera um equilíbrio de mercado que resulta em ausência de retorno
econômico para todas as firmas, já que todas são igualmente capazes de combinar os insumos
e recursos produtivos.
48
Os limites de escala são definidos por fatores tecnológicos e gerenciais, enquanto as
empresas são vistas como entidades de um único produto (MOSS, 2001 :51; CONNER, 1991
:123-124).
Construída para endereçar questões relativas às grandes corporações, surgidas nos
EUA à partir do final do século IXX, a visão da escola da organização industrial (Bain, Weiss,
Scherer, Tirole e outros) considera que, as firmas existem para restringir o fluxo produtivo (e
a oferta de produtos) através do exercício de seu poder de monopólio e/ou através de conluios
com outras empresas.
Controlando a oferta, é possível inflar os preços “artificialmente”, ampliando as
margens e o lucro da empresa.
Em relação à escala e escopo, a intervenção governamental é vista como a única
limitação capaz de limitar o crescimento contínuo das firmas em busca de suas posições
monopolísticas.
A escola da organização organizacional confere um peso muito maior às
características particulares de cada empresa, e aceita a possibilidade de que existam
diferenciais de desempenho que possam ser mantidos ao longo do tempo (CONNER, 1991
:124-125).
Mesmo não fazendo menção específica, é a visão de Schumpeter sobre a teoria da
firma, que primeiro insere aspectos do capital intelectual em seu contexto.
Sob essa ótica, o propósito das firmas é gerar oportunidades competitivas através da
criação e adoção de inovações tecnológicas, que tornem obsoletas as posições competitivas
dos rivais.
É a capacidade de gerar e aplicar inovações radicais (uma das facetas do uso do capital
intelectual) em busca da conquista de poder de monopólio, que define os limites da firma em
termos de escala e escopo (CONNER, 1991 :127-128).
49
Rejeitando o foco em inovação, a visão da escola de Chicago (Stigler, Demsetz,
McGee, entre outros), novamente traz para o cerne da questão a teoria de formação de preços
da escola neoclássica.
Ao fazer isso, de acordo com os seus proponentes, a razão de existir da firma passa a
ser melhorar continuamente sua eficiência na produção e distribuição de bens e serviços.
A posição monopolista desejada para maximizar lucros se torna então, decorrente de
um nível de eficiência superior aos dos concorrentes.
Ao mesmo tempo, o nível de integração vertical, o escopo e tamanho da empresa, são
definidos em função do ponto onde ela deixa de ter ganhos de eficiência (CONNER, 1991
:129-130).
Finalmente, de acordo com a escola dos custos de transação (Coase e Williamson),
existem dois métodos alternativos para a coordenação da produção: o mercado de fatores, ou a
firma.
Sendo assim, a existência da firma (bem como a extensão dos seus limites horizontais
e verticais) se explica na medida em que ela se constitua numa forma mais efetiva, do ponto
de vista dos custos, de alocar os recursos e insumos necessários à produção e distribuição dos
bens e serviços (CONNER, 1991 :130-131).
No entanto, de acordo com a visão dessa escola, a alocação via firma deve ser vista
como a última das opções, já que a organização interna apresenta sempre um maior custo
burocrático e um menor nível de intensidade de incentivos, quando comparada com a
alocação híbrida ou via mercado (WILLIAMSON, 1991 :83).
No entanto, todo o racional construído por essa escola, considera a existência de
direitos de propriedade claramente definidos e passíveis de serem impostos por força de leis
(WILLIAMSON, 1991 :83).
50
Essa premissa básica, claramente não é valida em se tratando de capital intelectual.
Milgrom e Roberts (1992 :321) apontam, por exemplo, algumas complicações
decorrente da aplicação dos preceitos da escola de custos de transação, na alocação do capital
humano.
Por ser, de forma geral, não negociável e freqüentemente, ser “coespecializado”
(cospecialized) com o capital humano de outras pessoas, são necessários arranjos
organizacionais complexos para proteger os investimentos em capital humano. Arranjos esses
que parecem ir contra a minimização dos custos de transação.
Para lidar com esta e com outras particularidades do capital intelectual, Grant (1996
:112), propõe a construção de uma nova teoria da firma.
Na visão do autor, “a existência da firma representa uma resposta à assimetria
fundamental na economia do conhecimento: a aquisição do conhecimento requer uma maior
especialização do que é necessário para o seu uso”.
Também Teece (2000 :29), questiona a capacidade das teorias da firma vigentes em
lidar com o capital intelectual e afirma que: “a essência da firma é a sua habilidade em criar,
transferir, empacotar, proteger e explorar ativos de conhecimento”.
Dessa forma, para o mesmo autor, a abrangência da firma em termos de integração
vertical e horizontal, não seria apenas determinada apenas por custos de transação, mas
sofreria forte influência de questões como imitabilidade/replicabilidade e da natureza tácita do
conhecimento.
Enfatizando a aplicação do conhecimento (no lugar da sua geração), Grant (1996 :112)
propõe que as firmas existam como instituições, porque criam condições para que os
indivíduos integrem seus conhecimentos especialistas, de forma a produzir bens e serviços.
51
Essa nova razão de ser da firma, que num primeiro momento pode parecer somente
um caso particular da teoria dos custos de transação, possui aspectos próprios bastante
relevantes.
De acordo com essa nova visão, a vantagem da alocação via firma no processo
produtivo, não é a eliminação de custos de transação, decorrente de processos burocráticos
verticais impostos, mas a criação de um modelo de governança que permita a integração do
conhecimento de vários indivíduos no processo produtivo (GRANT, 1996 :113).
A grande questão a ser observada é a interdependência entre os ativos do
conhecimento.
Se dois pesquisadores, de áreas diferentes, querem escrever um artigo juntos, a
eficiência não será maximizada se um tentar aprender tudo o que o outro sabe, mas sim,
estabelecendo um modo de interação que permita a integração do conhecimento dos dois,
minimizando o tempo gasto transferindo conhecimento entre eles.
Para lidar de forma apropriada com a interdependência, a perspectiva do capital
intelectual nos faz dar ênfase no aspecto empreendedor da governança corporativa, e não no
seu aspecto administrativo (TEECE, 2000 :29).
Dessa forma, os princípios de desenho e definição organizacional, sob a ótica do
capital intelectual, acabam sendo conflitantes com as teorias da firma anteriormente definidas
(GRANT, 1996 :120).
Sendo assim, considerando que a firma exista para integrar o conhecimento
especializado de diversos indivíduos, pois essa integração não é passível de ser feita de forma
eficiente através do mercado, as fronteiras verticais e horizontais, devem ser avaliadas com
respeito ao seu nível de eficiência na utilização do conhecimento (GRANT, 1996 :119).
52
Portanto, a integração vertical na mesma firma, deve ser buscada nos casos onde existe
interdependência de conhecimento entre os processos produtivos, pois ainda que o mercado
transfira produtos de forma eficiente, a transferência de informação não se dá da mesma
maneira (DEMSETZ, 1991 apud. GRANT, 1996 :119).
No caso da diversificação, como o conhecimento é, em grande grau, não específico a
um produto, a utilização efetiva do mesmo exige empresas com diversos produtos. Ao mesmo
tempo, como o processo de aquisição e integração dos diversos tipos de conhecimento
necessários para a criação de um produto, é difícil e custoso para ser executado, é de se
esperar uma prevalência das empresas de produto único (GRANT, 1996 :120).
Ou seja, fica evidente que para responder a essa questão, temos que observar a
congruência entre os domínios de produtos e de conhecimentos da firma, de forma a buscar o
nível de diversificação que maximize o uso do seu capital intelectual.
Uma vez tendo considerado a natureza e dimensão dos impactos do capital intelectual
na teoria da firma fica aparente, que os mesmos devem também, ser considerados num
contexto mais amplo.
2.1.4
Efeitos do Capital Intelectual no cenário econômico
Um dos efeitos mais visíveis da crescente importância do capital intelectual para o
resultado das empresas, é o afastamento do valor de mercado e do valor contábil das empresas
verificado nos últimos anos.
A Figura 8 representa essa relação entre capital intelectual e valor de mercado das
empresas.
53
Modelo do Capital Intelectual
Valor total de mercado
Ativos
tangíveis
Ativos
intangíveis
-Capital Humano
-Capital Estrutural
-Capital Relacional
Figura 8 - Capital intelectual e valor de mercado
Fonte: STEWART (2001 :13)
No período compreendido entre 1982 e 2002, o valor médio da razão “valor contábil
sobre valor de mercado” (M/B) das empresas que compõe o índice S&P500 da bolsa de
valores norte-americana, cresceu 400% (HAND e LEV, 2003 :4).
Ainda para ilustrar o papel preponderante do capital intelectual, cabe mencionar que,
quando em 1996 foi feita a oferta pública inicial das ações da empresa Sabre, criada a partir
da divisão da American Airlines que operava o sistema de reservas “online” da companhia, o
mercado atribuiu à empresa recém criada, cujo único ativo era a infra-estrutura computacional
necessária para operar o sistema, um valor igual ao da segunda maior empresa aérea do
mundo com mais de 650 aviões, além de um extenso conjunto de ativos físicos (LEV,
2001:24).
54
A capacidade de analistas e investidores estimarem o valor de empresas, cada vez
mais intensivas em ativos intangíveis, com base nas informações públicas disponíveis mostrase limitada. Lev (2000 :2) chama a atenção para uma “contínua deterioração da associação
estatística entre o preço das ações e as variáveis financeiras chaves, tais como lucros, valor
contábil ou fluxos de caixa”.
Da mesma forma, Stewart (1998 :55), afirma que o mercado normalmente atribui um
valor equivocado aos ativos intelectuais.
Em termos gerais, a importância das informações públicas contábeis para os
investidores e mesmo para os gestores, tem diminuído de forma rápida (LEV, 2000 :2-3).
Essa perda de relevância decorre, em grande parte, do tratamento contábil distinto
dado aos ativos físicos e aos intangíveis. Enquanto os ativos físicos e financeiros são
reportados no balanço contábil, os intangíveis, de forma geral, desaparecem ao serem
lançados juntamente com despesas regulares no demonstrativo de resultados (LEV, 2001 :79).
O tratamento de ativos intangíveis como despesas, conforme determinam as práticas
contábeis vigentes, leva no caso das empresas intensivas em capital intelectual, a uma
avaliação inferior ao valor real das mesmas. O inverso ocorre com as empresas (geralmente
companhias maduras) menos dependentes dos intangíveis que obtêm do mercado uma
supervalorização com base na sua lucratividade histórica (LEV, 2000 :18).
Para Lev (2001 :83) a raiz do tratamento contábil diferenciado dos ativos intangíveis
decorre, sobretudo, da grande incerteza sobre o retorno futuro dos investimentos em
intangíveis, e se por um lado existe uma premente necessidade de melhoria do tratamento
contábil dado ao capital intelectual, por outro o sistema atual serve a interesses de gestores e
investidores informados.
55
De forma geral, o sistema atual infla os resultados futuros de lucratividade e
crescimento, já que o custo associado ao retorno trazido pelos intangíveis normalmente foi
lançado em períodos contábeis anteriores causando assim, problemas de assimetria de
informações (LEV, 2001 :85-90).
A assimetria de informações é definida como uma situação onde existem diferenças
em relação à quantidade e qualidade da informação disponível entre as distintas partes
interessadas, e essa assimetria gera problemas sociais e privados, já que alguns indivíduos ou
grupos, ao estarem melhor informados sobre as perspectivas futuras da empresa, podem
auferir ganhos anormais às custas das partes menos informadas (LEV, 2001 :93).
De acordo com Aboody e Lev (2000 :2749), todo investimento corporativo gera
assimetrias de informação, pois os gestores acompanham continuamente os resultados desses
investimentos e contam com informação detalhada permitindo uma análise “ativo por ativo”,
enquanto os “outsiders” dispõem apenas de informação agregada e disponível em momentos
específicos. Além disso, em função dos investimentos na criação de ativos intangíveis
possuírem características únicas, que não permitem a sua comparação com outras empresas ou
projetos, os efeitos das assimetrias no caso do capital intelectual são ainda maiores.
Como o ganho dos investidores informados cresce com a variabilidade do valor da
firma, e sabendo-se que essa volatilidade é maior nas empresas mais intensivas em capital
intelectual, as conseqüências sociais da assimetria de informações se potencializam.
Isso torna ainda mais crítico encontrar formas de melhorar o processo de divulgação
de informações associadas aos intangíveis, ao mesmo tempo em que se adotam regras estritas
em relação às operações de “inside trading” (LEV, 2001 :94-95; ABOODY e LEV, 2000
:2751).
56
Finalmente, alguns outros efeitos dessas sérias deficiências de informação em relação
ao capital intelectual das empresas são (LEV, 2001 :95-96):
•
geração de um custo excessivo de capital;
•
problemas em relação aos sistemas de compensação dos empregados;
•
a criação de oportunidades para aquisições hostis de empresas que se
encontrem com seu valor de mercado sub-avaliado.
Em face a essas questões, se torna fundamental ampliar a compreensão sobre como se
compõe o capital intelectual das empresas, como podemos mensurá-lo e qual o seu real efeito
na capacidade de geração de valor das empresas.
2.2
Classificação e constituintes do capital intelectual
Da mesma forma que não encontramos consenso nem ao menos em relação à
definição contábil de ativos intangíveis, muitas são as visões em relação aos constituintes do
capital intelectual (ANDRIENSEN, 2004 :60).
Porém, mesmo que a existência desses diversos modelos e classificações para o capital
intelectual possa parecer indesejável, ela é uma conseqüência natural da pouca maturidade
dessa área de estudo (BONTIS, 2001 :59).
As gravuras Figura 9 e Figura 10 abaixo mostram algumas das diversas classificações
utilizadas pelos estudiosos na área de capital intelectual.
Na seqüência, detalharemos os componentes da classificação que será adotada neste
trabalho.
57
Visão Geral das Classificações do Capital Intelectual
Capital
Intelectual
Capital
Intelectual
Capital
Humano
Capital
Organizacional
Capital
Relacional
(Relational
Capital)
• Holistic value approach (ROOS)
• Inclusive value methodology (M’PHERSON)
Capital
Estrutural
Capital
Humano
Ativos
Centrados
em Pessoas
Conhecimento
Ativos de
Infrraestrutura
Ativos de
Propriedade
Intelectual
• Intellectual capital audit (BROOKING)
Empregados
Clientes
Competência
Atitude
Relacionamentos
Organização
Capital
Individual
Renovação
e Desenvolvimento
• Intellectual capital index (ROOS et al.)
Educação
formal
Experiência
e habilidades
adquiridas
Atitude do
pessoal
Competência
social
Abilidade
de solucionar
de problemas
Capital
“Clientes”
• Konrad Group
Capital
Humano
Capital
“Clientes”
Estrutura
interna
Capital
Estrutural
Capital
Intelectual
Ativos
Intangíveis
Competência
dos
empregados
Tecnologia
Capital
de
Know-how
Capital
Estrutural
Agilidade
Intelectual
Processos
• Intellectual capital statement
(MOURITSEN et al.)
Capital
Intelectual
Capital
Humano
Capital de
Inovação
• Intellectual capital dynamic value
(BOUNFOUR)
Capital
Intelectual
Ativos de
Mercado
Capital de
Mercado
Estrutura
externa
• Intangible asset monitor (SVEIBY)
Figura 9 - Classificações do Capital Intelectual
Fonte: adaptado pelo autor de ANDRIENSEN (2004 :61)
Capital
Estrutural
Capital
Organizacional
Capital de
Inovação
Capital de
Processos
• Skandia novigator (EDVINSSON)
• VAICTM (PULIC)
58
Ativos
Intangíveis
Ativos
Humanos
Ativos
de
Inovação
Ativos
Estruturais
Ativos de
RelacionaMento
(com públicos
estratégicos)
• Taxonomia dos Ativos Intangíveis
(KAYO)
Figura 10 - Taxonomia dos Ativos Intangíveis
Fonte: KAYO (2002 :19)
2.2.1
Capital humano
Um componente comum a todas as classificações de capital intelectual apresentadas é
o capital humano.
Esse componente possui suas raízes no campo de estudo da economia e nos efeitos
produtivos da qualidade e da competência dos trabalhadores.
Em sua obra “A riqueza das nações”, Adam Smith já alertava para os efeitos da
divisão do trabalho (SMITH, 2003), e ao analisar os determinantes dos salários, propunha
que a educação e a aprendizagem deveriam ser considerados investimentos nos seres humanos
(NERDRUM e ERIKSON, 2001 :128).
Mesmo sem utilizar o termo capital humano, Alfred Marshall foi o primeiro a
relacionar a educação com o fator de produção homem e propor que os investimentos nas
pessoas devessem ser analisados como capazes de aumentar a capacidade produtiva de um
país (MARSHALL, 2003).
59
Para Marshal (1890 :496 apud NERDRUM e ERIKSON, 2001 :128), o mais valioso
tipo de capital é aquele investido nos seres humanos, dessa forma, a hipótese central de sua
teoria é que, para as economias sub-desenvolvidas, a escassez de capital humano qualificado
se constitui num desafio ainda maior que a escassez de capital físico.
As bases da teoria econômica moderna do capital humano surgiram no início do
século XX com Irving Fisher. O autor postulava que qualquer estoque de riqueza (material ou
não), capaz de elevar os fluxos de “income”, deveria ser classificada como capital
(NERDRUM e ERIKSON, 2001 :128-129).
Partindo dessa proposição, Theodore W. Schultz (sob uma óptica “macro-econômica)
e, Jacob Mincer (sob a óptica “micro-econômica”) elaboraram, de forma independente, a
“Teoria do Capital Humano”, à partir da final da década de 1950 (NERDRUM e ERIKSON,
2001 :128-129).
A teoria considera o capital humano como análogo às formas convencionais de capital,
aplicando assim o modelo teórico neoclássico para análise.
Dessa forma, o acúmulo de capital humano pode ser medido a partir dos gastos com
educação formal, e com o acúmulo de conhecimento e informação produtivas que o indivíduo
realiza ao longo de sua existência, com objetivo de melhorar a sua condição econômica de
vida (BECKER, 1964).
A “Teoria do Capital Humano” representa assim, uma proposta alternativa de
desenvolvimento econômico, e segundo Becker (1964), a produtividade nas sociedades
modernas depende antes de tudo, dos investimentos feitos na aquisição de conhecimento e na
especialização profissional.
60
Sob a óptica do capital intelectual, o capital humano é um constituinte que se refere ao
valor que os indivíduos podem produzir (KANNAN e AULBUR, 2004 :389), e ainda que
Malhotra (2003 :3) afirme que ele abrange todos os recursos humanos da empresa, assim
como os de seus clientes e fornecedores, para a maioria dos autores, apenas os recursos dos
empregados e gestores da empresa (visão interna) são considerados (KUJANSIVU, 2003 :3;
EDVINSON e MALONE, 1997 :34-35).
Esse valor representado pelo capital humano das organizações decorre, segundo Roos
et. Al. (1997 :34-41), da competência adquirida dos profissionais, ou seja, dos conhecimentos
e aptidões dos mesmos, de características comportamentais das pessoas que compõem a
organização (“atitude”), e da capacidade dessas em inovar e aplicar seu conhecimento em
situações novas e diferentes (“agilidade intelectual”).
Se por um lado o capital humano apresenta uma grande complexidade na sua gestão,
fazendo com que um dos objetivos da empresa ao gerir seu capital intelectual seja buscar
continuamente converter capital humano em capital estrutural (LEV, 2001 :35-36), por outro,
Teece (1998 :66) aponta que a natureza tácita do capital humano dificulta a sua imitação,
tornando mais sustentável a vantagem competitiva dele decorrente.
Também Stewart (1998 :76) chama a atenção para a importância do capital humano,
apontando que o “valor marginal do investimento em capital humano é cerca de três vezes
maior do que o valor do investimento em equipamentos”.
2.2.2
Capital estrutural
Além do capital humano, parcela do capital intelectual associada aos indivíduos que
compõem a organização, de forma geral, todas as taxonomias reconhecem também uma outra
parcela, que está diretamente ligada à empresa, seus sistemas, processos e conteúdo
proprietário e, sobre a qual a organização consegue ter “controle” efetivo.
61
Para Roos et. Al. (1997 :42) essa parcela do capital intelectual associado à organização
é chamada de capital estrutural.
O capital estrutural inclui todos os sistemas computacionais e bases de dados,
organogramas e descritivos de processos, bem como, toda a propriedade intelectual e
quaisquer outros itens cujo valor para empresa seja superior ao valor material do mesmo
(ROOS et. Al., 1997 :42).
Esse capital estrutural, normalmente de propriedade da empresa, é definido por três
importantes constituintes: ativos de relacionamento, ativos de “organização” e ativos de
renovação e desenvolvimento (inovação).
Kayo (2002 :19) ao propor uma taxonomia que torne mais uniforme as classificações
do capital intelectual, classifica como ativos de relacionamento, todas as marcas, direitos
autorais, contratos com clientes, fornecedores, distribuidores, licenciados e “franquiados” que
a empresa possui.
Na visão de Roos et. Al. (1997 :44) também fazem parte do capital de relacionamento
da empresa, a reputação e lealdade conquistadas junto a todos os seus “stakeholders”.
Um aspecto interessante dos ativos de relacionamento é a sua relativa capacidade de
“auto-renovação” (self-renewal), haja visto que, novos relacionamentos podem se originar
daqueles já existentes, ainda que nenhum esforço consciente seja feito nesse sentido (ROOS
et. Al., 1997 :46).
O capital organizacional, segundo componente do capital estrutural, inclui todas as
manifestações do capital intelectual associadas à estrutura interna e às operações da empresa.
Trata-se de capital cuja propriedade integral é da empresa, e que em alguns casos, é
passível de comercialização ou licenciamento por parte desta.
Essa característica lhe confere um “valor de mercado” permitindo, eventualmente, a
sua avaliação e seu reconhecimento contábil.
62
É necessário que a empresa continuamente desenvolva e “alimente” seu capital
organizacional. Esse objetivo é atingido, normalmente, através de iniciativas com o objetivo
de converter capital humano em capital organizacional (ROSS et. Al., 1997 :46-47).
O terceiro e último componente do capital estrutural são os ativos de renovação e
desenvolvimento.
Esses
incluem
o
resultado
de
investimentos
em
pesquisa
e
desenvolvimento, patentes, fórmulas secretas, know-how tecnológico entre outros (KAYO,
2002 :19).
Roos et. Al. (1997 :51-52) descrevem esse componente como, compostos por “todos
os itens que foram construídos ou criados e que irão ter um impacto no valor futuro da
empresa”.
No contexto desse estudo, a preocupação com a natureza e o efeito dos componentes
do capital intelectual será deixada em segundo plano, já que o estudo busca verificar o efeito
do capital intelectual (como um todo) na capacidade da empresa em gerar valor.
Assim sendo, adotaremos aqui uma taxonomia equivalente às proposições de
Edvinson (1997) e Roos (1997) no seu primeiro nível, considerando assim que o capital
intelectual é composto por: capital humano e capital estrutural.
Tendo concluído, com a definição da classificação de capital intelectual a ser utilizada,
a parte do referencial teórico que buscou caracterizar, de forma ampla, o capital intelectual,
para melhor compreender os efeitos do mesmo na geração de valor das empresas, passamos
agora a analisar algumas características econômicas particulares dos ativos do conhecimento.
2.3
Atributos econômicos particulares dos intangíveis
O potencial do capital intelectual em gerar valor para as empresas está diretamente
relacionado a um conjunto de características econômicas particulares que afetam os ativos
intangíveis.
63
Lev (2001 :21) menciona que as leis econômicas fundamentais de balanceamento de
custos e benefícios, se aplicam aos ativos intangíveis da mesma forma que aos ativos físicos e
financeiros.
Porém, se na visão tradicional sobre o funcionamento dos mercados, derivada de
Marshall e Chanberlain, as premissas são a existência de retornos decrescentes e o uso de
funções produção idênticas para todos os participantes, no caso das empresas intensivas em
conhecimento, freqüentemente verificamos a existência de retornos crescentes.
Esses retornos crescentes decorrem de fatores como: a) padrões e efeito de redes, b)
custos de troca amplificados pelo investimento prévio dos clientes, c) existência de grandes
investimentos iniciais e custos marginais de produção reduzidos e, e) ganhos de eficiência
através da experiência e aprendizagem (TEECE, 2000 :7-8).
Sendo assim, podemos considerar que os principais benefícios associados ao capital
intelectual decorrem das características de “não-rivalidade” (nonrivalry/nonscarcity) e dos
“efeitos de rede” (network effects) desfrutados por esses.
Cabe
aqui
ressaltar
que
nesse
contexto
o
termo
“não-rivalidade”
(nonrivalry/nonscarcity), conforme definido por Lev (2001 :22), diz respeito à característica
presente na maior parte dos ativos intangíveis de possuir usos alternativos que não concorrem
entre si (nonrivalry) de forma que, em um mesmo momento, podem estar sendo empregados
em múltiplos usos sem que o uso de uma determinada forma, prejudique ou elimine a
possibilidade do mesmo intangível ser empregado de outra forma.
Ao mesmo tempo, o controle de propriedade apenas parcial (partial excludability), o
risco inerente dos investimentos nesses ativos, e o fato dos mesmos serem, via de regra, “não
negociáveis” (non-tradability), constituem-se nos três principais direcionadores de custo que
afetam os ativos intangíveis, restringindo o seu potencial de geração de valor (LEV, 2001
:21).
64
De forma geral, o efeito positivo dos ativos intangíveis na lucratividade e no valor de
mercado das empresas, decorre fundamentalmente da combinação das economias de escala no
lado da oferta, e dos “efeitos de rede” no lado da demanda (HAND e LEV, 2003 :306;
ANDRIENSEN, 2004 :4).
Ao contrário dos ativos físicos e financeiros, os ativos intangíveis em função de serem
“não-escassos”, possuem um custo de oportunidade, além do investimento inicial, que é
insignificante. Esses ativos se caracterizam assim por apresentar um grande “sunk cost” e um
custo marginal próximo de zero (LEV, 2001 :22-23).
Essa característica faz com que a “escalabilidade” desses ativos não encontre outro
limite que não, o tamanho do mercado. Dessa forma, os ativos intangíveis, no lugar de
apresentarem “retornos por escala” decrescente como os ativos físicos, freqüentemente,
apresentam um “retorno por escala” crescente, beneficiando-se cada vez mais com a
ampliação do volume (HAND e LEV, 2003 :327).
Segundo Lev (2001 :25-26), um dos efeitos da escalabilidade ilimitada dos intangíveis
pode ser observado na parcela de mercado detida pelos líderes de um dado setor. Enquanto
em setores intensivos em ativos tradicionais, as empresas líderes, tipicamente, detém fatias
inferiores a 25% do mercado total, em setores intensivos em capital intelectual, é freqüente
encontrarmos empresas com mais de 70% de market share.
Outro fator que contribui para a criação desses quase monopólios em alguns setores
são os “efeitos de rede” (network effects). O mimetismo organizacional e a busca pelo
compartilhamento de uma mesma plataforma operacional favorecendo ações colaborativas,
acabam por criar um processo de reforço que faz com que os clientes existentes atraiam novos
clientes, ainda que a empresa fornecedora não faça esforço algum nesse sentido.
65
O resultado final desse processo é a rápida aquisição de um monopólio por parte da
empresa. Além disso, em função dos altos custos de mudança, esse monopólio tende a se
perpetuar (HAND e LEV, 2003 :327).
Ainda que as características econômicas anteriormente mencionadas façam dos
intangíveis fontes importantes de geração de valor para as empresas, vários aspectos
relacionados à complexidade da sua gestão, impõem limites para a sua utilização. Lev (2001
:32) chama esse fatores de “deseconomias” gerenciais (managerial diseconomies), e se por
um lado essas “deseconomias” são a maior restrição ao crescimento e uso dos intangíveis, a
superação destas, através do uso de sistemas de informação e processos gerenciais mais
adequados, promete grandes recompensas.
Uma das maiores fontes de complexidade na gestão dos ativos intangíveis, é o fato dos
mesmos possuírem um perfil de “risco-retorno” incomum em relação aos investimentos
(HAND e LEV, 2003 :326).
Considerando um cenário de monopólio, a possibilidade de um retorno sobre
investimento (ROI – Return on Investment) muito alto com ativos intangíveis existe, sendo
maior e mais provável do que no caso de um investimento em ativos tangíveis.
Esse fato se explica pela ausência de produtos substitutos próximos para os ativos
intangíveis em questão.
Por outro lado, em se tratando de investimentos em ativos intangíveis, a hipótese mais
provável é sempre a de perda total do investimento, o que é pouco provável de acontecer no
caso de um investimento em ativos tradicionais.
Estudos empíricos demonstram que existe viés nos processos de inovação, já que
apenas uns poucos produtos são bem sucedidos, enquanto a grande maioria, não obtém êxito
(LEV, 2001 :39).
66
Outro motivo para o perfil de risco enviesado dos intangíveis, segundo Andriensen
(2004 :5), é que os investimentos em capital intelectual, tais como: P&D (pesquisa e
desenvolvimento), treinamento e aquisição de tecnologias, são mais concentrados nos estágios
iniciais do desenvolvimento de um novo produto, quando o nível de incertezas é muito maior
do que em estágios mais avançados desse processo de desenvolvimento de produtos.
Um segundo aspecto importante que torna complexa a gestão dos ativos intangíveis, é
a impossibilidade de restringir o seu uso.
Isso ocorre não apenas em função de violações de patentes e marcas registradas, ou da
cópia não autorizada de conhecimento explicito, mas também, da transferência de
conhecimento tácito para um concorrente que contrata profissionais chave da empresa (LEV,
2001 :33-37).
Para Andriensen (2004 :5), a última característica dos ativos intangíveis que dificulta a
sua administração é a inexistência de mercado para a negociação dos mesmos.
A falta de mercados dificulta a real avaliação desses ativos e impede a alocação ótima
de recursos e investimentos.
A inexistência de mercados organizados para a comercialização dos intangíveis, que
para alguns é decorrente da falta de “contratos completos” (LEV, 2001 :43), torna ainda mais
importante a efetiva avaliação do capital intelectual das empresas e a compreensão de seu
efeito na geração de valor das mesmas.
Com base na série de características econômicas apresentadas, nos concentramos
agora em verificar como, de acordo com os principais autores, o capital intelectual se constitui
num recurso estratégico capaz de gerar valor.
67
2.4
A influência dos ativos intangíveis na geração de valor
A geração de valor constitui-se no objetivo central de qualquer empresa.
Estudos conduzidos nos últimos 200 anos na área de economia demonstram que é
somente através da busca sustentável e contínua da maximização dos seus lucros, que a
empresa pode atender aos objetivos, não apenas de seus acionistas, mas de todas os demais
“stakeholders”. (JENSEN, 2001 :299-304).
Para Barney (2002 :26-33), a definição de criação de valor está associada à capacidade
da empresa de gerar lucro econômico, ou seja, de através do uso de seus recursos gerar valor
econômico superior ao esperado pelos donos desses recursos.
São as empresas que obtém lucro econômico acima do normal do setor, que desfrutam
de vantagem competitiva nesse setor ou mercado.
Em função do alto grau de mobilidade, e da vasta gama de alternativas de
investimento, as empresas necessitam tornarem-se competitivas não apenas nos mercados
comerciais, mas também, nos mercados de capitais (YOUNG e O’BYRNE, 2003 :20-23).
Com base nos atributos econômicos dos ativos intangíveis descritos na seção 2.3, é
possível observar o potencial em termos de geração de valor que estes apresentam.
Através do constante desenvolvimento e efetiva utilização do seu capital intelectual, as
empresas criam inúmeras oportunidades para aumentar sua produtividade, quer seja
ampliando a eficiência dos ativos tangíveis existentes, ou reduzindo a necessidade destes.
Além disso, através da inovação e do relacionamento estreito com clientes e fornecedores, é
possível a introdução de produtos e serviços diferenciados de alta margem, bem como a
criação de mercados completamente novos (LEV, 2001 :51-77).
68
Para prosseguir no estudo da influência do capital intelectual na geração de valor, fazse necessário agora, definir de forma mais clara geração de valor, tanto de forma ampla com,
principalmente, dentro do contexto deste trabalho.
2.4.1
Métricas de criação de valor
Se por um lado parece haver pouca discordância sobre o fato da geração de valor ser a
mais importante e objetiva medida de desempenho de uma empresa, existem diversas formas
de definir e mensurar geração de valor.
O “MVA - Valor de mercado agregado”(Market value added), o “EVA – Valor
econômico adicionado” (Economic value added) e o “CFROI – Retorno sobre o investimento
em termos de fluxos de caixa” (Cash-flow return on investment), são apenas algumas das
métricas de geração de valor que têm recebido maior destaque nos últimos anos (YOUNG e
O’BYRNE, 2003 : 331-367).
Para melhor compreenção das características das diversas métricas de geração de
valor, Young e O’Byrne (2003 :369-372)
propõem uma classificação das métricas por
categoria de análise. Dessa forma, definem cinco grupos de métricas: medidas de lucro
residual, componentes de lucro residual, medidas baseadas no mercado, medidas de fluxo de
caixa, medidas de lucro.
Fazem parte do primeiro grupo o EVA, o lucro econômico (definido como EVA não
ajustado), e o valor adicionado em caixa (CVA).
Essas métricas são obtidas através da subtração dos custos de capital do lucro
operacional, independente do mesmo ser medido através de regime de competência de caixa
(YOUNG e O’BYRNE, 2003 :369).
No segundo grupo estão as medidas de lucratividade, utilizadas no cálculo das
métricas do primeiro grupo, porém que não consideram os custos de capital.
69
São representantes dessa classe de medidas: o lucro antes de despesas financeiras e do
imposto de renda (EBIT), lucro antes de despesas financeiras e do imposto de renda acrescido
de depreciações e amortizações (EBITDA), NOPAT (Net Operating Profit After Taxes) e
RONA (Return On Net Assets), entre outras.
O grupo “Medidas baseadas no mercado” englobal medidas como: retorno total do
acionista (TSR- Total Shareholder Return), MVA (Market Value Added), o retorno em
excesso e o valor de crescimento futuro (VCF).
Tais medidas são bastante interessantes em função de serem as únicas a refletir
espectativas do valor futuro dos investimentos, no entanto, não podem sem calculadas nos
níveis divisionais e apenas são passíveis de aplicação em empresas de capital aberto.
As medidas de fluxo de caixa, criadas para contornar os efeitos da contabilidade em
regime de competência, incluem o fluxo de caixa das operações, fluxo de caixa livre e CFROI
entre outras métricas.
Finalmente, Young e O’Byrne (2003 :370) mencionam as métricas que
tradicionalmente tem sido empregadas há décadas por executivos e analistas tais como: lucro
líquido e lucro por ação.
Na busca de medidas objetivas de performance, Barney (2002 :32-73) pesquisou e
agrupou diversos indicadores em três grupos: medidas contábeis simples de desempenho
histórico, medidas contábeis ajustadas de desempenho histórico e, outras medidas.
70
Dentre essas três classes de medidas propostas por Barney (2002 :32-33), as medidas
contábeis simples de desempenho histórico, ainda que apresentem limitações em função das
variações e aplicações das práticas contábeis geralmente aceitas (GAAP), do foco no curtoprazo, e da dificuldade de avaliar recursos e ativos intangíveis, são aquelas que apresentam
maior popularidade e aceitação como indicadores de desempenho, e a despeito das
deficiências apontadas, são capazes de oferecer uma grande quantidade de informações
relevantes sobre a operação das firmas.
A composição de índices com base nessas medidas contábeis simples é a forma mais
usual de se aferir o desempenho das empresas (BARNEY, 2002 :32).
Alguns desses índices, com a sua respectiva fórmula de cálculo e interpretação, podem
ser encontrados no Quadro 2 mostrado a seguir.
71
Índice
Fórmula de cálculo
Retorno sobre os ativos ROA=lucro depois de impostos / ativo total
(ROA)
L
u
c
r
a
t
i
v
i
d
d
a
e
d
e
Í
n
d
i
c
e
s
Í
n
d
i
c
e
s
l
i
q
u
i
d
e
d z
e
a
l
a
v
a
n
c
a
g
d
e
e
m
Í
n
d
i
c
e
s
Í
n
d
i
c
e
s
A
t
i
v
i
d
a
d
d
e
e
Retrono
sobre
patrimônio (ROE)
Margem bruta
Interpretação
Mede o retorno total dos investimentos da firma.
o ROE=lucro depois de impostos / total do patrimônio Mede o retorno total dos investimentos em patrimônio da
líquido
firma.
MB=vendas-CPV / vendas
Valor residual para cobertura de despesas e impostos,
visando geração de lucro.
Fluxo de Caixa por ação
(Lucro após impostos - pgto. de dividendos sobre as Mede o lucro disponível para os proprietários de ações
ações preferenciais) / Número de ações ordinárias ordinárias.
Mede a expectativa sobre o desempenho da empresa (Preço de mercado / número de ações) / (Lucro após uma alta relação p/e indica que o mercado espera um
alto nível de performance no futuro.
impostos / número de ações)
(Lucro após impostos + depreciação) / Número de
Mede a disponibilidade de recursos para financiar
ações ordinárias
atividades acima do nível de custos atuais.
Índice de liquidez
corrente
Ativo circulante / Passivo de curto prazo
Lucro por Ação (EPS)
Relação Preço e Lucro
(p/e)
Mede a capacidade da firma de pagar as suas dívidas de
curto prazo usando seu ativo circulante.
Mede a capacidade da firma de pagar as suas dívidas de
curto prazo usando seu ativo circulante, sem vender o
Índice rápido (quick ratio ) (Ativo circulante - estoques) / Passivo de curto prazo seu estoque.
Endividamento sobre
ativo
Passivo total / Ativo total
Medida do nível de endividamento usado para financiar
as operações da empresa.
Endividamento sobre
patrimônio líquido
Passivo total / Patrimônio líquido
Mede a relação entre capital de terceiros e capital próprio
na empresa.
Índice de cobertura de
juros (Times interest
earned )
Lucro antes de despesas financeiras e impostos /
Total das despesas financeiras
Medida de quanto os lucros da empresa podem cair sem
comprometer o pagamento das obrigações financeiras.
Giro de estoque
Custo de mercadorias vendidas / Estoque médio
Mede a velocidade com que a empresa está girando o
seu estoque.
Giro de contas a receber Vendas a prazo no ano / contas a receber
Mede o tempo médio que a empresa leva para receber as
suas vendas a prazo.
Tempo médio de
cobrança
Mede o tempo médio que a empresa leva para receber
após efetuar uma venda.
Contas a receber / Média diária de vendas
Quadro 2 - Análise de índices usando medidas contábeis simples de desempenho
Fonte: BARNEY (2002 :33-34)
O emprego de índices no lugar de medidas de lucro residual expressas em valores
como o EBIT, é justificado pelo fato dos mesmos permitirem que sejam considerados
aspectos relativos à eficiência na utilização do capital e dos ativos (YOUNG e O’BYRNE,
2003 :391).
72
Dessa forma, sem penetrar mais profundamente no âmbito da discussão sobre qual das
métricas de desempenho existentes é a melhor, ou menos ainda, qual é o melhor conjunto de
métricas já que “diferentes métricas servem a diferentes propósitos” (YOUNG e O’BYRNE,
2003 :390), discussão essa que foge ao escopo dessa dissertação, para efeitos desse trabalho,
em consonância com Barney (2002 :32-37), e buscando medidas objetivas, definiremos
“geração de valor” para os proprietários e acionistas, em termos do “ROE – Retorno sobre
Patrimônio Líquido”(Return on Equity).
Além deste, utilizaremos também dois outros índices de lucratividade: “ROA –
Retorno sobre ativos (Return on assets) e “ROS – Retorno sobre vendas” (Return on sales).
Através da utilização desses índices de lucratividade, esperamos conseguir capturar a
capacidade de geração de valor da empresa, da forma mais ampla possível, independente do
seu porte, setor de atuação, ou ainda, de ser uma empresa com ações na bolsa ou não.
As fórmulas de cálculo adotadas nesta pesquisa, já foram previamente definidas e
encontram-se descritas na seção 0 desta dissertação.
Uma vez concluída a definição de geração de valor no âmbito deste trabalho,
passamos agora a explorar a relação entre capital intelectual e vantagem competitiva.
73
2.4.2
Capital intelectual, vantagem competitiva e criação
de valor
Se por um lado, para ser viável, a empresa necessita obter vantagem competitiva em
seu mercado, criando maior valor econômico que suas rivais (BESANKO et Al., 2006 :372),
por outro, no contexto econômico atual, a redução do custo de informação, o aumento do
número de mercados disponíveis, a liberalização dos mercados de produtos e de trabalho,
além da desregulamentação dos fluxos financeiros internacionais, estão transformando as
bases da competição no nível das firmas e erodindo a maioria das fontes tradicionais de
vantagem competitiva (TEECE, 2000 :4).
Para Bessanko et Al. (2006 :370-371), as baixas barreiras de entrada e uma oferta
homogênea por parte de todos os concorrentes, cria um ambiente competitivo, que
progressivamente, dissipa a rentabilidade até que o lucro econômico de todos os produtores
passe a ser nulo.
O processo de liberalização de mercados e de redução de barreiras (tarifárias ou não),
que presenciamos desde os anos 60, faz com que produtos acabados, serviços e demais fatores
de produção, fluam de forma muito mais livre que no passado.
Se aliarmos a isso a redução dos custos de transporte de produtos e de informação,
notamos que as tradicionais barreiras comerciais e uma posição privilegiada num mercado
local, já não são mais efetivas para garantir uma posição competitiva privilegiada para as
empresas (TEECE, 2000 :5).
Esse processo de transformação das fontes de vantagem competitiva pode ser
verificado no digrama da Figura 11.
74
Redução de custos
e aumento da
velocidade do fluxo
de informações
Expansão do
mercado de
produtos
intermediários
Maior acesso a
ativos
complementares
Eliminando as
fontes tradicionais
de vantagem
competitiva
Conhecimento tácito e
outros intangíveis são as
únicas fontes de vantagem
competitiva remanescentes
Lucros
“Supernormais”
(Supernormal Profits)
“Competências dinâmicas”
refletem a capacidade da
firma de explorar seus
ativos intangíveis
Figura 11 - A transformação da vantagem competitiva na era da tecnologia de informação e dos mercados
ubíquos.
Fonte: TEECE (2000 :4)
As novas bases para a diferenciação e para a criação de valor são, segundo Teece
(2000 :4), o desenvolvimento e a aplicação inteligente de ativos intangíveis.
Dentro de uma visão da “teoria baseada em recursos” (RBV - Resource based view),
essa afirmação decorre do fato de que a vantagem competitiva no nível da firma, só pode ser
obtida através da posse da propriedade e uso de ativos “não negociáveis” (non-tradable
assets) (TEECE, 2000 :11).
Construindo sobre os princípios da economia “Ricardiana”, de que os possuidores de
fatores de produção de qualidade superior e oferta inelástica obtém lucro econômico
(economic rents), e do princípio da “heterogeneidade dos recursos” de Penrose, os
proponentes da RBV atribuem figura chave à posse e à exploração de recursos financeiros,
físicos, humanos e organizacionais, no estabelecimento de uma posição de vantagem
competitiva por parte das firmas (BARNEY, 2002 :152-158).
75
De uma forma mais concreta, Barney (2002 :159-161), propõe que as premissas de
heterogeneidade e imobilidade, necessárias para que um recurso possa se tornar fonte de
vantagem competitiva para a empresa, possam ser traduzidas através do modelo VRIO
(“VRIO framework”).
O modelo propõe uma análise das atividades da firma, em busca de recursos utilizados
que sejam: valiosos, permitindo que a empresa responda adequadamente às ameaças e
oportunidades do ambiente; raros, de forma que as demais firmas não possuam esse recurso
ou competência valiosa; imperfeitamente imitável, fazendo com que as empresas que ainda
não possuem o recurso contem como uma desvantagem de custo para obtê-lo e; organizados,
que a firma esteja organizada para explorar plenamente o potencial competitivo do recurso
(BARNEY, 2002 :159-172).
Tendo por base o modelo VRIO, podemos analisar uma importante dicotomia em
relação ao capital intelectual descrita por Teece (2000 :13-22).
De um lado temos que, quanto maior a codificação do conhecimento mais eficiente
economicamente é a sua transferência por toda a organização, ou seja, os custos de
transferência do conhecimento aumentam quando cresce a parcela do conhecimento tácito no
capital intelectual.
Ao mesmo tempo, a maior facilidade de transferência de um dado conhecimento acaba
por reduzir o controle da firma sobre o mesmo. Isso se explica pela maior facilidade de
replicação por um concorrente, que o conhecimento codificado apresenta.
Os mecanismos de proteção contra a apropriação não autorizada restringem-se, nesse
caso, aos mecanismos legais de eficiência altamente variável dependendo da situação, setor
industrial e país envolvido.
76
Da mesma forma, o capital intelectual sob a forma de tecnologia de processos é mais
efetivo, sob o aspecto de proteção intelectual, do que aquele sob a forma de tecnologia de
produtos (TEECE, 2000 :14).
É crítico, portanto, para a capacidade de geração de valor da firma (e para o seu
sucesso), a sua habilidade em criar, transferir, proteger e explorar os seus ativos de
conhecimento.
No entanto, a maneira como a empresa identifica ameaças e oportunidades no
mercado, e responde a esses estímulos re-configurando seus ativos (tangíveis ou não), sua
estrutura organizacional e suas competências, de forma a gerar valor, é ainda mais relevante
do que a simples posse de um conjunto qualquer de recursos (TEECE, 2000 :26-31).
Tendo revisado as principais relações descritas na literatura entre capital intelectual e
geração de valor, e tendo também definido os aspectos da geração de valor que serão medidos
e analisados nesta dissertação, devemos agora verificar os mecanismos disponíveis para que
possamos medir e capturar o estoque e o fluxo de capital intelectual das empresas do estudo.
2.5
Medidas de estoque de capital intelectual
De forma geral em se tratando de modelos de avaliação do capital intelectual, quer
seja aqueles que utilizam as informações financeiras disponíveis, ou os que observam e
analisam atividades internas das empresas, tais como nível de gastos como P&D (pesquisa e
desenvolvimento) e quantidade de patentes produzidas entre outros, a grande maioria têm se
focado na tentativa de quantificar o estoque de conhecimento ou de capital intelectual que a
empresa possui num dado momento (STEWART, 1998; MALHOTRA, 2002).
Dessa forma, existe na literatura, um grande número de mecanismos propostos para se
avaliar o estoque de capital intelectual de uma empresa.
77
Mesmo não sendo objetivo desse estudo analisá-los extensivamente, há alguns que, em
função de sua relevância e de forma a justificar a escolha do sistema de mensuração que será
aplicado neste estudo, merecem ser brevemente comentados.
Dentre os modelos existentes, a diferença entre valor de mercado e valor contábil, é
sem dúvida, a forma mais comum (e talvez a mais controvertida) para mensurar o estoque de
capital intelectual de uma empresa.
Para calcular esse valor basta subtrair o valor contábil da empresa, do seu valor de
mercado, encontrando assim, o valor atribuído pelo mercado ao capital intelectual na empresa.
Se na simplicidade do cálculo e na disponibilidade de informações (ao menos no caso
das companhias negociadas em bolsa) estão as maiores vantagens desse modelo de avaliação,
o valor do capital intelectual dessa forma definido, poderá apresentar indesejáveis e grandes
oscilações, dependendo da fase na qual se encontra o mercado acionário como um todo e de
outros fatores, como a inflação por exemplo, que não têm qualquer relação com o capital
intelectual e seus componentes (ANDRIENSEN, 2004 :340-343).
Bastante similar à razão valor de mercado/valor contábil (M/B) é o coeficiente q de
Tobin, desenvolvido pelo ganhador do prêmio Nobel de economia em 1981, James Tobin.
No caso deste, consideramos os custos de reposição dos ativos tangíveis da empresa
(no lugar de seu valor contábil). Dessa maneira, o “q de Tobin” acaba sendo mais eficiente
que a relação M/B, pois permite a execução de importantes ajustes no valor dos ativos físicos,
proporcionando assim uma avaliação mais coerente desses.
Porém, esse método também sofre o impacto das oscilações do mercado, que alteram o
valor do quociente sem que tenham qualquer relação com o aumento ou redução do capital
intelectual da empresa (MALHOTRA, 2002).
78
A relação valor de mercado e valor contábil, da mesma forma que o “Q de Tobim” são
exemplos de métricas que buscam avaliar o estoque de capital intelectual, a partir do valor de
mercado da empresa (market capitalization).
Dessa forma, não contém informação sobre os componentes por trás do capital
intelectual da empresa, são aplicáveis somente às empresas de capital aberto com ações em
bolsa, e se prestam somente para ilustrar o valor financeiro do capital intelectual ou como
parâmetro de comparação entre empresas de um mesmo setor (MALHOTRA,2003 :11-12;
BOUTEILLER, 2002 :5-6).
Uma abordagem distinta para atribuir valor financeiro ao estoque de capital intelectual
é a da avaliação “ativo-por-ativo”.
O método Criação de Valor Total – TVC (Total Value Creation) foi concebido pelo
instituto Canadense de contadores (Canadian Institute of Chartered Accountants). Fazendo
uso do cálculo do fluxo de caixa descontado, o TVC analisa cada ativo intangível
identificado, como um projeto com fluxo de caixa próprio, e projeta a partir do impacto futuro
desses, o retorno total dos acionistas (TSR – Total Shareholders Return) esperado.
O fato do modelo ter sido concebido com uma “orientação futura” (“foward-looking
approach”), concentrando-se somente nos fluxos de caixa futuros é uma das principais fontes
de crítica do mesmo já que, os “sunk costs” associados aos ativos intangíveis não são
considerados nos cálculos (BOUTEILLER, 2003 :7).
Também fazendo uso da abordagem “ativo-por-ativo”, o método das Citações de
Patentes Ponderadas – CWP (Citation-Weighted Patents), busca medir o valor econômico do
processo de inovação da empresa, como forma de explicar o valor de mercado da mesma
(ANDRIENSEN, 2004 :291-292).
79
Através do método, o valor de um portfólio de patentes pode ser calculado através de
uma série de índices tais como: número de patentes sobre vendas, custo de patentes sobre
vendas, etc.
Dessa forma, as empresas podem comparar-se com seus concorrentes (benchmark) e
suportar melhor suas decisões de investimento em pesquisa e desenvolvimento (P&D)
(MALHOTRA, 2003 :10).
Um aspecto interessante do método é a constatação de que, o número de citações de
uma patente, é um direcionador mais eficiente do valor de mercado da empresa do que o
número de patentes por ela possuído (BERG, 2002 :27).
No entanto, segundo Andriensen (2004 :292-293), o índice apresenta como
importantes pontos falhos, o fato de ser limitado a patentes, não considerando assim outros
recursos intangíveis.
Além disso, em função do longo tempo necessário para registrar uma patente, e do
tempo normalmente transcorrido entre a criação da patente e sua citação, os índices
associados ao CWP de uma empresa podem estar refletindo uma realidade da empresarial de
15 anos atrás.
Além dos modelos já citados, Malhotra (2003 :9), descreve uma classe de modelos de
avaliação baseados em painéis de controle (scorecards).
Dentre esses, o “Monitor de Ativos Intangíveis” – IAM (Intangibles Asset Monitor),
concebido por Karl Erik Sveiby, merece destaque em função de ter sido criado com a intenção
de complementar os sistemas contábeis e fornecer aos stakeholders uma visão mais
abrangente da firma, da qualidade de sua gestão e de seu grau de confiabilidade
(ANDRIENSEN, 2004 :318-320).
80
O método considera que o valor de mercado de uma empresa é decorrente do seu
patrimônio visível, em conjunto com três classes de ativos intangíveis: estrutura externa,
estrutura interna e competências individuais.
Dessa forma, um conjunto extenso de indicadores financeiros e “não-financeiros” é
definido para permitir o acompanhamento e a gestão de cada uma dessas classes de
intangíveis (BERG, 2002 :21-25).
Ainda que se constitua num framework bastante abrangente, que se propõe a
representar cada um desses três componentes do capital intelectual sob as perspectivas de
crescimento, eficiência e estabilidade, trata-se de um modelo que recebe ajustes em cada
empresa, não permitindo a comparação entre elas (ANDRIENSEN, 2004 :320-321).
Uma sexta forma proposta para calcular o valor dos ativos intangíveis, também
regularmente mencionada na literatura, e que é considerada bastante robusta na sua
capacidade de predição, é o “Valor do Capital Conhecimento” (KCV - Knowledge Capital
Value), desenvolvida por Baruch Lev como parte do seu “Painel de controle do capital
conhecimento” (KCS - “Knowledge Capital Scorecard”) (KANNAN e AULBUR, 2004
:406).
Lev (1999), ao definir a metodologia, partiu do conceito de ganhos normalizados
(“normalized earnings”) anuais da empresa, ou seja, o lucro líquido ajustado para eventos
extraordinários ou únicos.
Esses ganhos normalizados devem ser definidos para os últimos três exercícios da
empresa, depois, é feita também uma projeção dos ganhos normalizados para os próximos 3
anos.
Com base no resultado desses seis períodos, é calculada uma média aritmética
ponderada dos ganhos normalizados, dando maior peso aos períodos futuros.
81
O passo seguinte, consiste no cálculo dos ganhos decorrentes dos ativos físicos e
financeiros.
Para efetuar esses cálculos Lev (1999; GU e LEV, 2002), considera um taxa de
retorno após impostos de 7% para os ativos físicos e 4,5% para os ativos financeiros.
A diferença entre os ganhos normalizados e os ganhos provenientes dos ativos físicos
e financeiros, resulta nos “Ganhos do capital conhecimento” - KCE (“Knowledge Capital
Earnings”) ou “Ganhos direcionados por intangíveis” - IDE (“Intangible Driven Earnings”).
O valor do IDE da empresa é então, através de um modelo de avaliação de três
estágios, projetado para três períodos futuros: os próximos 5 anos, de 5 a 10 anos e de 11 anos
à perpetuidade.
Os fluxos dessas projeções do IDE, trazidos a valor presente com uma taxa de
desconto do capital do conhecimento (knowledge capital discount rate), definida como
sendo a lucratividade média (lucro após impostos) dos setores de software e biotecnologia
(estimada em 10,5%), define o valor do capital intelectual da empresa.
Se por um lado o método tem muitos méritos por outro, seu direcionamento
futurístico, sua relativa complexidade de cálculo, a consideração que a taxa de retorno sobre
os ativos físicos e financeiros é igual à contribuição desses para os ganhos da empresa, e a
possibilidade de geração de resultados incoerentes entre empresas que encontram-se em
momentos diferentes nos seus ciclos de investimento, são motivos freqüentes de críticas ao
método (KANNAN e AULBUR, 2004 :406; ANDRIENSEN, 2004 :325; BOUTEILLER,
2002 :7).
A última métrica do estoque de capital intelectual a ser descrita nesta dissertação é o
“Valor Intangível Calculado” - CIV (Calculated Intangible Value).
82
Utilizando uma metodologia adaptada do cálculo de valor de marcas, o CIV busca
medir o impacto econômico dos intangíveis através do calculo da diferença entre o retorno
que a empresa obtém sobre os seus ativos tangíveis, e um concorrente médio com ativos
semelhantes (STEWART, 1998).
Apesar de ter surgido primeiro, e mesmo compartilhando com o KCV de Lev (1999)
as virtudes e problemas de um método baseado em retorno excedente (Excess Earnings), o
método não conquistou, até o momento, grande popularidade e existem poucas evidências
empíricas sobre o seu uso (LONNQVIST e KUJANSIVU, 2005 :4).
A premissa de que o prêmio de performance é decorrente apenas do capital
intelectual, o fato de que os ativos intangíveis que contribuem para o retorno normal (normal
earnings) não são medidos, e a impossibilidade de aplicar-se o método às empresas com
retornos abaixo da média da indústria, são as
principais fontes de críticas ao CIV
(ANDRIENSEN, 2004 :290-291; BOUTEILLER, 2002 :7).
A despeito disso, o método apresenta características únicas que são bastante desejáveis
(LONNQVIST e KUJANSIVU, 2005 :3).
No contexto deste estudo, essas características são:
•
Dependência única de informações contábeis e financeiras básicas;
•
Passível de aplicação a um grande número de empresas;
•
Sólida base contábil
Em função dessas características mencionadas, o CIV é a metodologia mais adequada,
dentre todas analisadas, para, no contexto desse estudo, medir o estoque de capital intelectual
das empresas da amostra.
Dessa forma, é conveniente nos aprofundarmos mais no estudo do funcionamento e
dos detalhes envolvidos com o cálculo do CIV.
83
2.6
CIV como um direcionador de valor da empresa
Segundo Stewart (1997), o CIV foi desenvolvido pela NCI Research, em associação
com a Kellogg School of Business na Northwestern University. O objetivo da NCI era
encontrar uma forma de avaliar os ativos intangíveis de forma a facilitar a obtenção de crédito
bancário para as empresas intensivas em capital intelectual.
Da mesma forma que o KCE (Knowledge Capital Earnings), descrito na seção
anterior, o EVA (Economic Value Added) e o VAICTM(Value Added Intellectual Capital), que
serão apresentados na seção 2.7, o CIV faz parte de uma classe de modelos baseados em
“retorno sobre ativos”.
Esses modelos são de especial relevância em função de apoiarem-se em regras e
métricas contábeis tradicionais, permitindo assim a comparação (benchmarking) entre
empresas e facilitando a comunicação e aceitação junto à comunidade financeira
(MALHOTRA, 2003: 12).
A base conceitual para o cálculo do CIV foi extraída das metodologias usadas para
cálculo de valor de marcas.
Considera-se nessas metodologias, genericamente designadas como retorno excedente
(Excess Earnings), que o retorno obtido por uma empresa, que é superior ao de um
concorrente de similar porte, advém do valor econômico das marcas que essa empresa possui
(STEWART, 1997).
84
No caso de CIV, o mesmo princípio é aplicado e o prêmio de performance da
empresa, é atribuído não apenas à marca, mas ao conjunto completo dos seus ativos
intangíveis.
Sendo assim, o valor presente do lucro líquido adicional obtido pela empresa, é igual
ao valor monetário do seu capital intelectual (STEWART, 1997; ANDRIENSEN, 2004;
LUTHY, 1998).
Um dos motivos da preferência, pela comunidade financeira, de métodos baseados em
retorno excedente, como metodologia de avaliação de ativos intangíveis, é a sua proximidade
com o procedimento, aceito pela receita federal norte-americana desde 1920, para cálculo do
valor justo (fair value) de goodwill e outros ativos intangíveis.
Esse procedimento, estabelecido inicialmente com o objetivo de calcular o valor da
perda das companhias produtoras de bebidas alcoólicas durante a vigência da “Lei seca” nos
EUA, numa versão revisada, é atualmente descrito na regra IRS 68-609, e continua vigente
(LUTHY, 1998).
As etapas envolvidas no cálculo do CIV, conforme descritas por Stewart (1997)
podem ser vistas na Quadro 3 .
85
Etapa 1
Tomar o lucro antes dos impostos (pg. 30, Figura
5: item 5)
da empresa para um período de 3 anos
(LAIRano1, LAIRano2, LAIRano3) (a). Calcular a
média dos lucros antes dos impostos
(LAIRmed. = (LAIRano1 + LAIRano2 +
LAIRano3 )/3).(b)
Etapa 2
Tomar o valor médio dos ativos tangíveis (pg.
29, Figura 4: item 3)
para um período de 3 anos
(ATano1, ATano2, ATano3) (c). Calcular o valor
médio dos ativos tangíveis da empresa.(d)
Etapa 3
Calcular o valor do ROA (ROA= b/d). (e)
Etapa 4
Identificar o valor médio de ROA no setor. (f)
Etapa 5
Calcular o “retorno excedente” bruto da
empresa (REBe= b-(d * f)). (g)
Etapa 6
Calcular o “retorno excedente” líquido
aplicando a taxa média de impostos (RELe=g
* Aliq. Impostos). (h)
Etapa 7
Trazer à valor presente o “prêmio de retorno”
aplicando a taxa de retorno apropriada (CIV =
h / Taxa Desconto).
Quadro 3 - Etapas para o cálculo do CIV
Fonte: preparado pelo autor com base em LUTHY (1998 :9-10)
86
Da mesma forma que qualquer um dos métodos de avaliação de ativos intangíveis
existentes, o CIV conta com uma série de defensores e um significativo contingente de
críticos.
Assim sendo, ainda que a validade do CIV como uma importante metodologia para
demonstrar o valor financeiro do capital intelectual (MALHOTRA, 2003), e calcular, usando
informação pública disponível, o valor do prêmio de performance dos ativos intangíveis
(ANDRIENSEN, 2004), não seja passível de questionamento, Bouteiller (2002), advogando
em favor da abordagem de “opções reais” para avaliação do capital intelectual das empresas,
nos alerta para o fato de que se atribuir o prêmio de performance de uma empresa, apenas aos
ativos intangíveis, pode ser abusivo.
Outra ressalva, é o fato de que os intangíveis que contribuíram para o retorno não
excedente (normal earnings) não são considerados, e em função disso, nem todo o valor do
capital intelectual é capturado pelo CIV (ANDRIENSEN, 2004).
Gu e Lev (2001) apontam que, calcular o valor de retorno justo (fair return) sobre os
recursos tangíveis e financeiros utilizados, não é o mesmo que medir a contribuição destes
para os lucros.
A geração de valor depende da sinergia entre ativos tangíveis, financeiros e
intangíveis, assim sendo, não é possível separar claramente os lucros decorrentes de cada um
desses recursos.
De qualquer forma, todas as metodologias que visam permitir a avaliação do capital
intelectual, dentro de uma abordagem positivista, considerando que valor é algo objetivo e
passível de medição, e que se dedicam a medir esse valor, através de uma visão “de fora para
dentro” da empresa, ao serem forçadas a utilizar informação contábil pública como ponto de
partida, acabam por compartilhar entre si as mesmas limitações (KANNAN e AULBUR,
2004).
87
A despeito disso Sveiby (2002), Luthy (1998) e Andriensen (2004) apontam esses
métodos como superiores aos demais, e recomendáveis em situações onde o objetivo da
avaliação é melhorar os mecanismos de divulgação externa e análise preço justo de uma
empresa intensiva em capital intelectual.
Kujansivu e Lonnqvist (2005 :3-4), argumentam que, ainda que existam poucas
evidências empíricas sobre a utilização do CIV,
o método em função de sua relativa
facilidade de aplicação, possibilidade de avaliação em empresas de capital aberto públicas e
privadas, além de não depender de projeções de estimativas futuras de lucro, é o único método
passível de aplicação em estudos da natureza deste, onde é necessário o cálculo do estoque de
capital intelectual de um número significativo de empresas ao longo de diversos anos.
Mesmo sendo mais objetivo e direto que outros métodos baseados em retorno sobre
ativos, o CIV depende de valores nem sempre fáceis de definir e obter no contexto brasileiro.
Para efeitos desse estudo, serão utilizados os seguintes valores para o cálculo do CIV
das empresas da amostra:
•
Cálculo de retorno sobre ativos do setor: Média aritmética entre o valor médio do
setor na amostra utilizada e o valor apontado na relação das “500 Maiores” da revista
Exame.
•
Taxa média de impostos: 35 %
•
Taxa de desconto: rendimento da caderneta de poupança (T.R. + 6% a.a.)
88
De acordo com os critérios propostos, apresentamos a título de exemplo, na Figura 12
a seguir, o cálculo do CIV para a Petrobrás S.A. considerando as informações financeiras para
os exercícios de 2003, 2004 e 2005, e o valores hipotéticos de: retorno do setor, taxa média de
impostos e custo de capital, conforme descritos.
Resultado Antes Tributação/Participações
Ativo Total
ROA Petrobras
ROA Setor
Valor Médio
2005
2004
2003
33.299.964
25.305.625
25.267.832
27.957.807
154.013.146
137.635.945
119.822.653
137.157.248
20,38%
15%
Retorno Normal Petrobras
REBPetrobras
Aliquota Média de Impostos
RELPetrobras
Custo de Capital
CIV Petrobras
20.573.587,20
7.384.219,80
35%
4.799.742,87
9,176%
52.308.712,81
Valor de Mercado Petrobras
161.016.000,00
Figura 12 - Cálculo do CIV para a empresa Petrobrás.
Fonte: elaborado pelo autor com base nos relatórios anuais divulgados pela empresa.
89
2.7
Medidas de fluxo de capital intelectual
Sem questionar a importância do estoque de capital intelectual na geração de valor, e a
necessidade de mensurá-lo, devemos também considerar que, o fluxo de capital intelectual,
ainda que menos discutido na literatura sobre o tema, possui também relevância.
Ross et al. (1997 :52-53) definem uma interessante analogia, ao compararem o uso
apenas de medidas de estoque para compreender o capital intelectual de uma empresa, com o
uso do balanço contábil como único instrumento financeiro de apoio para gerir a mesma.
Sem questionar a importância do balanço contábil como uma representação do
estoque de ativos tangíveis da empresa num dado momento, ele não nos esclarece de onde
vem a alteração ocorrida nesse estoque, entre dois períodos contábeis.
Seguindo ainda essa mesma analogia, é também fundamental considerar o fluxo
decorrente desse estoque de ativos, que no caso dos relatórios contábeis, pode ser visto no
demonstrativo de resultados do exercício (DRE).
Da mesmo forma, para poder efetivamente estudar o efeito do capital intelectual de
uma empresa na sua capacidade de gerar valor, devemos nos preocupar em medir não apenas
o estoque de capital intelectual da mesma mas também, os fluxos decorrentes desse capital.
Em função disso, metodologias que concentram seu foco na mensuração dos fluxos do
capital intelectual e seu efeito na geração de valor da organização, tem começado a receber
merecido destaque na literatura (CHATZKEL, 2002 :108-113).
Mesmo não sendo uma medida específica do capital intelectual, o “Valor Econômico
Agregado – EVATM” (Economic value added), criado pela Stern Stewart &Co., tem recebido
grande destaque específica sobre o tema (KANNAN e ALBUR, 2004 :404-405;
ANDRIENSEN, 2004 :234; SVEIBY, 2002 :4; MALHOTRA, 2003 :12).
90
Na sua forma básica, o EVA é o resultado obtido quando descontamos o custo do
capital do “Lucro operacional líquido após imposto de renda – NOPAT” (Net operating profit
after taxes). Dessa forma, trata-se de um indicador de desempenho baseado em lucro
econômico, e portanto, uma medida de fluxo (YOUNG e O’BYRNE, 2003 :43-45).
Dessa forma, o EVA cresce na medida em que o custo médio de capital é inferior ao
retorno líquido sobre os ativos. Assim sendo, considerando o argumento implícito de que o
capital intelectual contribui para a maximização do retorno sobre os ativos tangíveis, o EVA
se prestaria como um indicador capaz de medir a performance de uma empresa ao gerir os
seus ativos de conhecimento (ANDRIENSEN, 2004 :294).
Se por um lado o EVA apresenta a desejável característica de ser aplicável tanto à
empresa inteira quanto a uma divisão ou departamento, muitas são as críticas em relação à sua
eficácia como medida de capital intelectual (ANDRIENSEN, 2004 295-297).
Para Kannan e Albur (2004 :405), o EVA não contribui para a compreensão dos
recursos intangíveis da empresa, ou como cada um colabora com a eficiência da organização.
Os autores criticam ainda a falta de homogeneidade das variáveis de cálculo e os ajustes
necessários para o cálculo do EVA, o que torna complexo o seu uso para efeitos de
comparação.
Com proposta semelhante à do EVA, porém, com metodologia de cálculo baseada em
fluxos de caixa descontados, a “Contabilidade para o futuro – AFTF” (Accounting for the
future), é uma outra medida de fluxo que figura, no trabalho de diversos autores, como
apropriada para a mensuração do capital intelectual (SVEIBY, 2002 :4; MALHOTRA, 2003
:11).
91
A metodologia foi originalmente proposta por Humphney Nash em 1998, como um
modelo de “contabilidade baseada em valor” (VBA - Value based accounting), que tem por
base a contabilização, com base no valor econômico, dos itens contábeis e não no seu custo de
aquisição ou “valor justo de mercado” (fair market value) (NASH, 1998).
O AFTF compara o valor no início e no final de um período, e calcula assim, o valor
adicionado no período como a diferença entre os dois.
Dessa maneira o AFTF, mesmo sendo mais direto e objetivo no cálculo, apresenta sob
a óptica da avaliação do capital intelectual, as mesmas características positivas e negativas
observadas em relação ao EVATM.
A terceira metodologia a utilizar fluxos, que figura na literatura como uma das
existentes para mensuração do capital intelectual (MALHOTRA, 2003 :12; SVEIBY, 2002
:4), é a “Contabilidade e custeio de recursos humanos – HRCA” (Human resource costing
and accounting).
Na realidade, a HRCA trata-se de uma área de estudos extremamente ampla, que
inclui uma grande variedade de métodos e, que conta com mais de 35 anos de história
(ANDRIENSEN, 2004 :304-307).
Sob a óptica de avaliação de capital intelectual, o HRCA pode ser classificado como
mais um modelo de medição baseado em retorno sobre ativos. De acordo com o método, o
capital intelectual da empresa é o resultado da divisão da contribuição dos ativos humanos,
controlados pela empresa, e dos gastos com salários capitalizados (MALHOTRA, 2003:12).
92
Se por um lado, existe um grande número de estudos produzidos com base no HRCA
sendo que, vários deles, se focaram nos efeitos produzidos pela aplicação da metodologia
(algo praticamente inexistente em relação ao capital intelectual), por outro, o foco único da
metodologia no capital humano, deixando fora do cálculo os demais componentes do capital
intelectual, fazem do HRCA uma métrica de eficiência questionável quando o objetivo é
estimar o total de capital intelectual com que conta uma empresa.
Além das métricas já descritas, ao mencionarmos metodologias para mensuração do
capital intelectual, não podemos jamais deixar de nomear o Skandia NavigatorTM , já que esta
é a única metodologia a figurar na quase totalidade da literatura sobre o capital intelectual.
Criado na gigante empresa sueca de serviços financeiros Skandia, por uma equipe
liderada por Leif Edvinsson e em uso pela mesma desde 1993 como ferramenta de reporte de
resultados e comunicação com o mercado, o modelo foi concebido considerando-se que todos
os ativos invisíveis de uma empresa são intelectuais por natureza, de forma que, a totalidade
da diferença entre valor contábil e valor de mercado da empresa representa o capital
intelectual da mesma (ADRIENSEN, 2004 :346).
O navegador é composto por mais de 160 indicadores, compreendendo unidades,
valores monetários e percentuais relacionados com 5 grandes áreas de atenção na a empresa:
foco financeiro, clientes, processos, pessoas e renovação e desenvolvimento (EDVINSON e
MALONE, 1997).
Dentre esses indicadores, 112 foram selecionados como sendo recomendados e
aplicáveis a qualquer empresa, na divulgação ao mercado de seus ativos intangíveis.
Para calcular o valor monetário do capital intelectual, 9 indicadores são combinados
utilizando pesos pré-definidos, para compor o valor geral do capital intelectual (C), e essa
parcela é multiplicada então, pelo coeficiente de eficiência do capital intelectual (i), que se
constitui assim, numa medida do fluxo de capital intelectual da empresa (BONTIS,2001 :46).
93
A relevância do Skandia Navigator ao estudo do capital intelectual das empresas é
bastante clara, porém, da mesma forma que os demais métodos baseados em scorecards, o
método se presta mais como ferramenta para o diagnóstico e acompanhamento do capital
intelectual no âmbito de uma empresa, do que como método para avaliação e comparação
entre empresas (ANDRIENSEN, 2004 :350-351; MALHOTRA, 2003 :9).
Além desse, temos o IC-IndexTM como um outro importante modelo de avaliação do
capital intelectual presente na literatura. Sendo também baseado em “scorecards”, seu foco
principal é monitorar a dinâmica dos vários componentes do capital intelectual e correlacionar
as mudanças no valor do capital intelectual, com as mudanças no valor de mercado das
empresas (MALHOTRA, 2003 :10).
Bontis (2001 :47-48) considera que o IC-IndexTM é um “exemplo de modelo de
segunda geração”, que busca consolidar uma série de indicadores individuais num índice
único refletindo o valor do capital intelectual da empresa.
Esses diversos indicadores individuais, de forma semelhante ao que ocorre no caso do
Skandia NavigatorTM, são agrupados em 4 sub-índices: capital de relacionamento, capital
humano, capital de infra-estrutura e capital de inovação (MALHOTRA, 2003 :9).
Da forma como proposto por Ross et al. (1997), o modelo do IC-IndexTM é muito mais
descritivo do que prescritivo.
O conjunto exato de indicadores a serem selecionados não é definido, e a proposta é
que esses indicadores devam ser específicos para cada firma, sendo selecionados com base na
estratégia da empresa.
O modelo também não propõe de forma objetiva, como atribuir pesos e agrupar os
indicadores de maneira a compor o índice final.
94
Andriensen (2004 :311-314) aponta como maior problema do modelo IC-IndexTM,
conforme proposto, reside na consolidação dos indicadores, já que a falta de normalização dos
mesmos, e a consolidação através de adição, podem ser inapropriadas na maioria dos casos.
No contexto desse estudo, a necessidade de aplicar-se o modelo de forma consistente a
um universo representativo de empresas, torna o IC-IndexTM também um modelo inadequado,
haja vista que os indicadores base são específicos para cada empresa analisada.
O último dos modelos de mensuração do capital intelectual baseado em fluxos, a ser
comentado nesse trabalho, e que também se baseia em metodologia de adição de valor, porém
possui um foco específico no capital intelectual, é o “Coeficiente Intelectual de Valor
Adicionado” (VAICTM – Value Added Intellectual Coeficient).
Desenvolvido por Ante Pulic e outros colaboradores, no Centro Austríaco de
Pesquisas de Capital Intelectual, a metodologia têm merecido a atenção de diversos
pesquisadores, tendo sido empregada em estudos recentes conduzidos na Europa, África e
Ásia (KUJANSIVU e LÖNNQVIST, 2005; FIRER e WILLIANS, 2003; CHEN e CHENG,
2005; PULIC, 2000b).
As evidências empíricas trazidas por esses estudos, têm demonstrado uma relação
próxima entre o VAICTM, sobretudo no caso de alguns de seus componentes, e o valor de
mercado e diversos aspectos de desempenho das empresas pesquisadas.
Mesmo assim, Andriensen (2004 :364-371), critica algumas das premissas centrais
sobre as quais o VAICTM é construído, tais como o cálculo do capital estrutural com base na
diferença entre os valores do capital financeiro e o capital humano da empresa.
95
Além disso, ainda que o argumento de que gastos com funcionários não devam ser
tratados meramente como despesas, mas sim como investimentos, e que dessa forma, os
mesmos se constituem numa “proxy” válida do capital humano, seja coerente e consistente
com os estudos econômicos na área, Andriensen (2004 :368) defende o ponto de vista de que,
apenas uma parcela desses gastos possa receber tratamento de investimento gerando
expectativa de benefícios futuros.
A despeito das críticas, o fato do método utilizar apenas informação contábil auditada,
em conjunto com sua aplicabilidade a diversos níveis de análise (empresa, setor/indústria e
nacional), e a capacidade de utilização do método com grandes amostras, fruto da
objetividade e consistência dos seus cálculos, fazem do VAICTM um método relevante para
estudos como o presente.
Além disso, no contexto nacional, os resultados promissores obtidos em estudos
exploratórios anteriormente realizados, também contribuem favoravelmente para a escolha do
VAICTM como medida de fluxo a ser usada nessa dissertação (BASSO, MARTIN e
RICHIERI, 2006).
Da mesma forma fizemos em relação ao CIV, iremos agora detalhar mais o método do
VAICTM, sua fórmula de cálculo e seus constituintes.
96
2.8
VAICTM como um direcionador de valor da empresa
Construído sobre os modelos conceituais do “Navegador Skandia” (Skandia
Navigator) e da rentabilidade dos ativos, o VAICTM analisa a performance atual da empresa,
definida como a sua capacidade de gerar valor, em relação às classes de capital por ela
utilizados: capital financeiro, capital humano e capital estrutural (PULIC, 2000a).
A premissa básica é que, quanto maior o VAICTM de uma dada empresa, melhor os
seus gestores estão utilizando os recursos disponíveis, tangíveis ou não, de forma a gerar valor
(VAN DER ZAHN et al., 2004 :13).
O índice é composto de três sub-índices principais: VACA, VAHU e STVA, que
relacionam o valor adicionado total (VA) da empresa, com cada uma das classes de capital
empregado.
Como pode ser verificado abaixo, a soma algébrica desses três coeficientes, resulta no
VAICTM da empresa, que, dessa forma, se converte num indicador do nível de eficiência da
empresa como um todo.
VAICTM = VACA + VAHU +STVA
Equação 7 - Cálculo VAICTM
97
Em se tratando especificamente do capital intelectual, a soma algébrica do capital
humano e do capital estrutural, denominada “Eficiência do Capital Intelectual – ICE”
(Intellectual Capital Efficiency), define a participação do capital intelectual na eficiência total
da empresa (VAN DER ZAHN et al., 2004 :13).
ICE = VAHU + STVA
Equação 8 - Cálculo ICE
Considerando basicamente informações contábeis e financeiras, o VAICTM e seus
componentes, são capazes de produzir medidas objetivas sobre a capacidade de geração de
valor da empresa e revelar as origens dessa (PULIC, 2000a.).
Além disso, nos paises onde o Demonstrativo de Valor Adicionado (DVA) é um
relatório contábil obrigatório (ou amplamente aceito e voluntariamente utilizado), as
informações necessárias para compor os indicadores estão facilmente ao alcance de
investidores, gestores e demais partes interessadas.
O método proposto por Pulic (2000a), considera que a empresa gera valor, ou seja, a
diferença entre suas saídas (através dos produtos e serviços vendidos), e suas entradas (seus
gastos com a produção e comercialização desses produtos e serviços), utilizando-se de
recursos financeiros (capital tangível); humanos e estruturais (capital intelectual).
Mesmo se tratando de uma proposta clara e pragmática de mensuração, a exata
constituição e as fórmulas de cálculo de seus componentes, não são definidas de forma tão
concreta e detalhada.
98
Em Pulic (2000b), o autor apresenta os resultados cálculo do VAICTM para 250
empresas públicas na Europa, associando-o com o “valor de mercado adicionado” (MVA Market Value Added) das mesmas empresas.
Ao confrontar as informações financeiras originais dessas empresas, com os valores
utilizados no estudo, verificamos que o autor considerou a seguinte fórmula para calcular o
valor adicionado (VA) das empresas:
VA = Lucro operacional (pg. 30,
Figura 5: item 4)+
Depreciação (pg. 30, Figura 6: item 2) + Total de
gastos com salários e benefícios dos empregados (pg. 30, Figura 6: item 4)
Equação 9 - Cálculo de VA – Método 1
Também em relação ao cálculo do VA, Andriensen (2004 :365), afirma que o mesmo
pode ser calculado através da seguinte fórmula:
VA = Lucro bruto (pg. 30,
Figura 5: item 3) –
Despesas administrativas e vendas + Total de
gastos com salários e benefícios dos empregados (pg. 30, Figura 6: item 4)
Equação 10 - Cálculo de VA – Método 2
Por outro lado, Firer e Willians (2003), Chen e Cheng (2005), Kujansivu e Lönqvist
(2005), ao efetuarem os seus estudos, optaram por calcular o valor adicionado (VA) nos
moldes propostos por Riahi-Belkaoui (2003) e, pela visão do stakeholder.
99
Dessa forma esses autores consideraram a seguinte equação para o cálculo do valor
adicionado:
VA (pg. 30, Figura 6: item 3) =
= Vendas (pg. 30, Figura 6: item14 – Produtos e serviços adquiridos de 3os. (pg. 30, Figura 6: itens b)
- Depreciação (pg. 30, Figura 6: item 2)
= Salários (pg. 30, Figura 6: item 4) + Juros (pg. 30, Figura 6: item 6) + Impostos (pg. 30, Figura 6: item 5) +
Dividendos (pg. 30, Figura 6: item 7) + Lucros Retidos (pg. 30, Figura 6: item 8)
Equação 11 - Cálculo de VA – Método 3
Considerando esta última fórmula de cálculo mais robusta, e visando assegurar a
comparação dos resultados deste com os demais estudos efetuados, utilizaremos neste
trabalho a definição e a fórmula de cálculo do valor adicionado (VA) consistente com RiahiBelkaoui (2003).
A identificação do valor total gerado pela empresa (VA) é o ponto de partida para o
cálculo do VAICTM.
O primeiro componente do índice (VACA), é obtido através da divisão entre o valor
total gerado (VA), cuja fórmula de cálculo pode ser vista em “Equação 11”, e o capital
físico/financeiro total empregado pela empresa (CE), conforme definido na “Equação 4” na
página 33 desta dissertação (PULIC, 2000a).
VACA = VA / CE
Equação 12 - Cálculo VACA
100
Como pode ser observado através da forma de cálculo do ICE, o VAICTM considera
que o capital intelectual da empresa se compõe de dois componentes: capital humano e capital
estrutural.
Essa classificação utilizada, adotada no “Navegador Skandia” desde 1996, é até hoje
defendida por diversos autores ( ROOS et al.,, 1997; STEWART, 1998 e LEV, 2001).
Pulic (2000a.) propõe que uma medida objetiva do capital humano de uma empresa é
o volume total que organização depende, através de salários e demais benefícios, com os seus
profissionais, já que trata-se da compensação oferecida por toda a competência, criatividade e
motivação destes.
Dessa maneira, o segundo componente do VAICTM (VAHU), é obtido através da
divisão entre o valor total gerado pela empresa (VA) e o total de gastos com salários e
benefícios dos empregados (HU).
VAHU = VA/HU
Equação 13 - Cálculo VAHU
Em se tratando do capital estrutural, a literatura define o mesmo como sendo
inversamente proporcional ao capital humano.
Partindo dessa premissa, Pulic (2000a), afirma que seu valor pode ser obtido através
da diferença entre o “capital intelectual total” e o “capital humano”.
101
Expandindo essa definição, o VAICTM propõe o cálculo do valor do capital estrutural
da empresa (ST) através da diferença entre o “valor adicionado total” (VA) e o “capital
humano” (PULIC, 2000a).
ST = VA - HU
Equação 14 - Cálculo ST
Havendo calculado o valor do capital estrutural da empresa (ST), Pulic (2000a)
prossegue no cálculo do terceiro componente do VAICTM (STVA), que é o quociente da
divisão entre o valor do capital estrutural da empresa (ST) e o valor total gerado pela empresa
(VA).
STVA = ST / VA
Equação 15 - Cálculo STVA
Podemos perceber que o VAICTM não apresenta, ao final do processo, um valor
monetário para o capital intelectual da empresa, mas sim um conjunto de direcionadores
capazes de representar: o nível de eficiência total da empresa (VAIC), das classes de recursos
por ela utilizados (VACA, VAHU e STVA) e, do capital intelectual da mesma (ICE).
Dessa forma, através do uso do ICE, em conjunto com o CIV, esperamos ser capazes
de capturar e medir não apenas o valor do capital intelectual das empresas da amostra, mas
também, de poder colocar em perspectiva o nível de eficiência que cada empresa está
apresentando ao utilizar o seu capital intelectual (capital humano + capital estrutural) para
gerar valor.
102
3.
Procedimentos Metodológicos
3.1
Tipo e Método de Pesquisa
Considerando a forma de classificação proposta (KÖCHE 1997 :122-125), a presente
dissertação utiliza o tipo de pesquisa descritivo, não experimental.
As relações entre as variáveis envolvidas foram estudadas através de constatação a
posteriori não havendo manipulação a priori das mesmas.
Em relação ao método de pesquisa, conforme a classificação proposta por Richardson
(et Al., 1999), foi utilizado o método quantitativo de pesquisa.
Segundo o mesmo autor (1999 :70) trata-se este de um método amplamente utilizado
em estudos descritivos que procuram descobrir e classificar a relação entre variáveis ou a
relação de causalidade entre fenômenos (RICHARDSON et Al., 1999 :70).
Dessa forma, o capital intelectual e seus componentes foram quantificados através de
índices específicos criados com base nas informações financeiras das empresas e, utilizaramse técnicas estatísticas como base do processo de análise desses índices na criação de valor
das empresas que compuseram a amostra.
3.2
População e Amostra
Em função de aspectos como custo, tempo e quantidade elevada de elementos,
freqüentemente, se torna impossível obter informações de todos os indivíduos, empresas ou
elementos que formam parte de um grupo que se deseja estudar. Assim sendo, o pesquisador é
obrigado a trabalhar apenas com uma parte dos elementos que compõe o grupo e, as técnicas
de amostragem são fundamentais para permitir a seleção de amostras apropriadas à pesquisa
em questão (RICHARDSON et Al., 1999 :157).
Segundo Lakatos e Marconi (1991 :163) : “A amostra é uma parcela convenientemente
selecionada do universo (população); é um subconjunto do universo”.
103
O objetivo básico do uso efetivo das técnicas de amostragem é permitir a escolha de
uma parcela da população estudada para que, à partir dessa amostra, possamos obter
resultados que possam ser generalizados, como se toda a população tivesse sido verificada
(LAKATOS e MARCONI, 1991 :223).
No caso da presente dissertação, a população escolhida para a pesquisa é aquela
constituída pelas 1000 maiores empresas brasileiras selecionadas de acordo com os critérios
da 33ª. edição do anuário “Maiores e Melhores” da revista Exame, elaborado pela Editora
Abril em conjunto com a Fundação Instituto de Pesquisas Contábeis, Atuariais e Financeiras
(Fipecafi).
3.3
Composição da Amostra
Para Lakatos e Marconi (1991 :223) dois são os métodos para composição de uma
amostra: o método probabilístico e o método não probabilístico.
Em se tratando de amostras não-probabilísticas, Richardson (et al., 1999 :160-161)
descrevem duas formas: amostra acidental e, amostra intencional (ou seleção racional).
No caso da amostra acidental, trata-se essa de um subconjunto qualquer da população
formado pelos elementos cuja obtenção foi possível. Mesmo que os resultados obtidos não
possam ser generalizados para a população, esse tipo de amostragem pode ser “de grande
utilidade em um primeiro contato com o problema de investigação, quando o pesquisador
ainda não tem suficiente clareza sobre as variáveis a considerar” (RICHARDSON et al., 1999
:161).
No caso desta dissertação, o número de empresas com informações válidas registradas
na base de dados com as informações do anuário “Maiores e Melhores”, para os anos
estudados, definiu o tamanho máximo da amostra.
104
Dentre essas, foi aplicado um processo de amostragem não-probabilística acidental, ou
por conveniência, considerando a disponibilidade de informações financeiras, necessárias para
o cálculo dos índices (CIV e VAICTM) e das variáveis dependentes a serem utilizadas.
3.4
Tipos de Dados e Instrumentos de Coleta
No trabalho de pesquisa os pesquisadores podem fazer uso de dois tipos básicos de
dados: dados primários e dados secundários.
Dados primários são aqueles coletados com o objetivo de solucionar um problema
específico de pesquisa. Enquanto isso, os dados secundários são quaisquer dados que foram
anteriormente coletados para outros propósitos que não a solução do problema em questão
(MALHOTRA al. 2000 :71).
Dessa forma, a análise dos dados secundários disponíveis deve ser sempre a primeira
ação na busca pela solução de um problema de pesquisa em função dos inegáveis benefícios
de tempo e custo oferecido já que a composição de uma amostra significativa através de coleta
primária de dados freqüentemente se mostra inviável.
Nesta dissertação, a preocupação com a avaliação do capital intelectual sob a óptica de
um elemento externo à empresa que, conte apenas com informações contábeis e financeiras
divulgadas pelas empresas para suportar as suas análises, constitui-se num incentivo adicional
ao uso de dados secundários na pesquisa.
Assim sendo, foram utilizados basicamente dados secundários, e as hipóteses foram
testadas com base em dados coletados pela Editora Abril em conjunto com a Fipecafi, dados
estes, disponíveis na base de dados do anuário “Maiores e Melhores” da revista Exame.
A amostra foi composta pelo maior número possível de empresas com dados válidos e
disponíveis para o período compreendido entre 1998 e 2005.
105
Em função da metodologia de cálculo do CIV (ver Quadro 3 pág. 85), as observações
relativas aos anos de 1998 e 1999 não puderam ser utilizadas na amostra e, pela mesma razão,
as observações onde as empresas apresentam retorno inferior ao retorno médio do mercado
para o mesmo período, não foram consideradas.
Também foram excluídas da amostra, as empresas classificadas como pertencentes aos
setores: bancos, e clubes e confederações, em função da particularidade de suas operações, e
de seus relatórios contábeis.
Dessa forma, partindo de um universo de 935 empresas, perfazendo um total de 2981
observações, foi selecionada uma amostra contendo 628 observações relativas a 237 empresas
no período entre 2000 e 2005.
A Tabela 1 abaixo mostra como as observações da amostra final utilizada se
distribuem em termos de setores econômicos.
Tabela 1: Amostra : Número de observações por ano e por setor
SETOR
ALIMENTOS, BEBIDAS E FUMO
ATACADO E COMÉRCIO EXTERIOR
AUTOMOTIVO
COMÉRCIO VAREJISTA
COMUNICAÇÕES
CONFECÇÕES E TÊXTEIS
CONSTRUÇÃO
ELETROELETRÔNICO
FARMACÊUTICO, HIGIENE E COSMÉTICOS
MATERIAL DE CONSTRUÇÃO
MECÂNICA
MINERAÇÃO
PAPEL E CELULOSE
PLÁSTICOS E BORRACHA
QUÍMICA E PETROQUÍMICA
SERVIÇOS DE TRANSPORTE
SERVIÇOS DIVERSOS
SERVIÇOS PÚBLICOS
SIDERURGIA E METALURGIA
TECNOLOGIA E COMPUTAÇÃO
TELECOMUNICAÇÕES
Total
Fonte: Elaborado pelo autor.
2000
8
9
5
10
1
3
3
9
1
3
1
2
5
1
12
4
14
6
3
2
102
2001
7
11
4
7
2
1
2
9
1
3
2
1
2
1
12
4
2
18
9
1
4
103
2002
6
13
4
9
1
1
3
7
1
2
2
2
3
1
8
1
2
14
10
1
5
96
2003
8
11
2
10
1
2004
6
10
3
13
1
1
6
1
3
1
4
4
1
7
2
2
8
1
1
1
5
5
2
9
3
2
28
11
2
7
120
22
13
1
7
105
2005
4
8
3
12
1
1
2
3
1
1
1
6
3
2
4
5
3
27
7
2
6
102
Total
39
62
21
61
7
6
13
42
6
13
8
20
22
8
52
19
9
123
56
10
31
628
106
Na execução da pesquisa, foram considerados os parâmetros disponíveis na base de
dados do anuário “Maiores e Melhores” da revista Exame, descritos no Quadro 4 abaixo :
Base de dados maioresemelhores.com.br
Parâmetro
Unidade
Ativo total ajustado
US$ Milhões
Crescimento das vendas
%
Endividamento geral
%
Lucro líquido ajustado
Nome da Empresa
Passivo circulante
Patrimônio líquido ajustado
Riqueza criada
Salários
Setor
US$ Milhões
US$ Milhões
US$ Milhões
US$ Milhões
US$ Milhões
-
Descrição
Variável
Total de recursos à disposição da empresa. Inclui o valor das
duplicatas descontadas (reclassificadas no passivo circulante).
Valores ajustados para efeitos inflacionários (IGP-M) e convertidos
pelo dólar PTAX de 31/12/2005.
AT
Calculado com base na evolução da receita bruta de vendas em R$
(corrigido pela variação do IGP-M) de uma ano para o outro.
CRESC_VENDAS
Soma do passivo circulante com o exigível a longo prazo em
relação ao ativo total ajustado.
END_GERAL
Lucro líquido apurado depois de reconhecidos os efeitos da
inflação nas demonstrações contábeis. Estão ajustados os juros
sobre capital próprio, considerados como despesas financeiras.
Patrimônio líquido legal atualizado pelos efeitos da inflação.
Representa a contribuição da empresa
Quadro 4 - Descrição dos parâmetros utilizados
Fonte: Elaborado pelo autor.
LL
NOME_EMP
PC
PL
VA
SALARIOS
SETOR
107
3.5
Operacionalização das Variáveis Utilizadas
O modelo econométrico utilizado neste estudo fez uso de oito variáveis métricas que
se encontram relacionadas no
Quadro 5 abaixo.
Um maior detalhamento dessas variáveis pode ser encontrado na seção “1.4.1 Descrição das Variáveis Utilizadas” desta dissertação.
Tipo
Variável
Descrição
Fórmula de Cálculo
Unidade
Métrica - Regressando
ROE
Retorno sobre patrimônio líquido” (Return on
Equação 1, pg. 31.
Unidade
Métrica - Regressando
ROS
Retorno sobre vendas” (Return on sales)
Equação 3, pg. 32.
Unidade
Métrica - Regressando
ROA
Retorno sobre ativos (Return on assets)
Equação 2, pg. 31.
Unidade
Métrica - Regressor
CIV
Valor
Quadro 3, pg. 85.
Bilhões US$
Equação 8, pg.97
Unidade
Equação 4, pg. 33.
Bilhões US$
equity)
intangível
Intangible Value)
Calculado
(Calculated
- Mede o estoque de
capital intelectual da empresa.
Métrica – Regressor
ICE
Eficiência do Capital Intelectual – ICE
(Intellectual Capital Efficiency) – Mede a
capacidade da empresa em utilizar o seu
capital
intelectual
para
criar
valor
econômico.
Métrica – Regressor
CE
Capital empregado (CE) -
Representa a
totalidade de recursos tangíveis utilizados
pela empresa.
Métrica – Regressor
END_GERAL
Nível de endividamento geral da empresa.
Equação 5, pg. 34.
Unidade
Métrica - Regressor
CRESC_VENDAS
Crescimento em vendas da empresa.
Equação 6, pg. 34.
Unidade
Quadro 5 - Descrição das variáveis utilizadas
Fonte: Elaborado pelo autor.
108
3.6
Tratamento Estatístico dos Dados
Para permitir a análise dos dados, as variáveis descritas na seção 3.5 foram então
combinadas de forma a compor os três modelos de regressão apresentados no “Quadro 6”
mostrado à seguir.
ROE = β + β1 CIVit + β2 ICEit + β3 CEit + β 4END_GERALit + β 5CRESC_VENDASit + εit
(1)
ROA = β + β1 CIVit + β2 ICEit + β3 CEit + β 4END_GERALit + β 5CRESC_VENDASit + εit
(2)
ROS = β + β1 CIVit + β2 ICEit + β3 CEit + β 4END_GERALit + β 5CRESC_VENDASit + εit
(3)
Quadro 6 - Modelos de Regressão
Fonte: Elaborado pelo autor.
O processo de estimação aplicado às regressões definidas fez uso do modelo de dados
em painel (Panel Data Model), como ferramental econométrico de forma a estudar a
influência das variáveis independentes na geração de valor das empresas.
Essa escolha se justifica pelo estado inicial do capital intelectual como área de estudo,
em conjunto com grande número de fatores que podem, potencialmente, influenciar as
variáveis dependentes estudadas.
Nesse contexto, o problema de viés decorrente de variáveis omitidas torna-se crítico.
Dessa forma, a utilização de dados em painel surge como uma alternativa para, mesmo sem
que possamos observar diretamente (ou mesmo identificar) essas variáveis omitidas, lidar com
os problemas de correlação decorrentes da heterogeneidade (entre empresas ou grupos de
empresas) de forma a obter estimadores consistentes (WOOLDRIDGE, 2002 :247-251;
ARELLANO, 2003 :7-8; STOCK e WATSON, 2004 :188; MARTIN et Al., 2005 :11).
109
No entanto, cabe ressaltar que em se tratando de dados em painel, podemos assumir
que as observações sejam distribuídas de forma independente ao longo do tempo já que,
procuramos seguir os mesmos indivíduos ao longo do tempo. Sendo assim, modelos e
métodos especiais se fazem necessários para a análise desses dados (WOOLDRIDGE, 2003
:426-427).
De forma geral, podemos identificar na literatura duas grandes classes de modelos de
análise de dados em painel: os modelos estáticos, e os modelos dinâmicos.
Enquanto os modelos estáticos de dados em painel consideram que os regressores são
estritamente exógenos, os modelos dinâmicos, por sua vez, incluem entre as variáveis
explanatórias, defasagens da variável dependente. Dessa forma, com os modelos dinâmicos,
torna-se possível medir o efeito ao longo do tempo, das variáveis explanatórias na variável
dependente, observando assim a velocidade de ajuste do modelo através dos coeficientes das
variáveis defasadas inseridas no modelo (ARELLANO, 2003 :129).
Na presente dissertação, o trabalho de análise foi executado com base nos modelos
estáticos de dados em painel. Ainda que tenhamos verificado a existência de autocorrelação
em alguns dos modelos analisados, a proposta de que a geração de valor de uma empresa num
dado período esteja relacionada com a sua geração de valor em qualquer outro período, não
encontra suporte teórico sólido.
110
Inicialmente, foram analisados e comparados os seguintes modelos de regressão:
a) Dados de corte agrupados e mínimos quadrados ordinários (OLS
Pooled);
b) Transformação em primeira diferença e mínimos quadrados ordinários
(OLS Pooled Differeneces);
c) Modelo com efeitos fixos “Within”
d) Modelo com efeitos fixos “Between”
e) Modelo de efeitos aleatórios - Mínimos quadrados generalizados com
transformação Whitin/Between (GLS w/b);
f) Modelo de efeitos aleatórios - Mínimos quadrados generalizados
utilizando resíduos (GLS Residuals);
g) Modelo de efeitos aleatórios - Maximum-Likelihood (ML)
Na seqüência, a despeito da falta de suporte teórico que aponte na direção dos modelos
dinâmicos, dado o caráter exploratório deste trabalho, foi também efetuada a
estimação, para efeitos de comparação, através do modelo dinâmico de dados em
painel, com uso de instrumento do tipo GMM (Generalized Method of Moments) e
estimação em 1 estágio.
Os modelos estáticos de dados em painel utilizados neste trabalho estão descritos a
seguir2.
2
Para referências sobre o modelo dinâmico utilizado ver: ARELLANO e BOND, 1991.
111
3.6.1
Pooled cross sections
O uso de amostragem aleatória de uma mesma população, obtida em diferentes
momentos, permite um processo de estimação mais preciso e, testes estatísticos mais
confiáveis já que torna possível o uso de um número maior de observações. (WOOLDRIDGE,
2003 :427).
Esse processo de agrupamento de observações de períodos diferentes (pool) permite
ainda, que sejam observadas as mudanças nas variáveis explicativas ao longo do tempo
possibilitando assim, que seja estudado o efeito de mudanças de políticas e ou alterações
conjunturais, ocorridas num dado momento (WOOLDRIDGE, 2003 : 432-438).
Quando não existem mudanças estruturais ao longo do tempo, as observações dos
diversos períodos podem ser reunidas num único pool e, estimadores podem ser obtidos
através de Mínimos Quadrados Ordinários (MQO) (MARTIN et Al., 2005 :11).
Ainda que os estimadores obtidos através de pooled cross-setions sejam o tipo mais
simples de estimadores para modelos de dados em painel e, provavelmente não sejam os
adequados na maioria das situações, eles possibilitam uma base de comparação vital com
outros modelos mais complexos (COTTRELL e LUCCHETTI, 2006 :69).
3.6.2
Primeira Diferença
Se considerarmos que cada uma das unidades seccionais possa apresentar
características particulares não consideradas no modelo estudado (heterogeneidade não
observada), freqüentemente, no uso do modelo de pooled cross-sections, com problemas de
correlação entre os regressores e o termo erro (εε).
112
Para lidarmos com esse problema, podemos considerar que o termo de erro (εit) da
equação é composto, sendo constituído por dois componentes: a heterogeneidade não
observada (αi), que se supõe fixa ao longo do tempo, e o erro ideosincrático (υit) que
representa os fatores não observados, que variam ao longo do tempo e afetam a variável
dependente.
Dessa forma, podemos representar genericamente esse erro composto, num modelo
genérico com uma única variável explicativa como apresentado na “Equação 16” abaixo :
yit=β0 + β1xit + εit
yit = β0 + β1xit + αi + υit
Equação 16 - Termo erro composto – Heterogeneidade e Erro Ideosincrático
Porém, mesmo que o erro ideosincrático (υit) não esteja correlacionado com a variável
explicativa xit , os estimadores obtidos por MQO serão enviesados e inconsistentes no caso de
existir correlação entre αi e xit (WOOLDRIDGE, 2003 :439).
A estimação por primeira diferença lida com esse problema de correlação
considerando apenas a variação da variável dependente e dos regressores, entre dois períodos
observados.
Essa transformação (primeira diferença), descrita na “Equação 17” abaixo, elimina a
heterogeneidade não observada (α
α), permitindo que estimadores eficientes sejam obtidos
através de MQO (STOCK e WATSON, 2004 :189; WOOLDRIDGE, 2003 :441).
∆yi = δ0 + β∆ xi + ∆ υi
Equação 17 - Transformação em primeira diferença.
113
Para permitir inferência estatística é fundamental garantir homocedasticidade na
equação de primeira diferença. Dessa forma a eventual presença de heterocedasticidade deve
ser testada e, caso necessário, corrigida (WOOLDRIDGE, 2003 :441).
Se por um lado a, transformação por primeira diferença se constitui num mecanismo
simples e efetivo para lidar os efeitos da heterogeneidade não observada, por outro ela não
oferece condições de se estudar o efeito de α na variável dependente.
Além disso, é importante mencionar que a transformação em primeira diferença reduz
significativamente a variação nas variáveis explicativas, podendo assim se converter num
problema já que, para a obtenção de estimadores através de MQO é fundamental garantir que
os regressores apresentem um mínimo de variação ao longo das observações
(WOOLDRIDGE, 2003: 440).
3.6.3
Efeitos Fixos
A transformação em primeira diferença é apenas uma das formas de tratamento do
efeito fixo (heterogeneidade não observada) (WOOLDRIDGE, 2003: 461).
Um segundo classe de estimadores que, considera que a heterogeneidade (α
α) se
constitui num efeito específico de cada unidade seccional e, que permanece fixo ao longo do
tempo, são os estimadores de efeitos fixos.
Para lidar com os efeitos desse efeito fixo, podemos considerá-lo no intercepto da
equação. Ou seja, permitimos n interceptos distintos, através da adição de uma variável
dummy para cada empresa (STOCK e WATSON, 2004 :190).
Esse método chamado de regressão de variáveis dummy (LSDV – Least Squares
Dummy Variable regression), ainda que geralmente apresente um R2 bastante elevado, não é
um método muito prático em se tratando de painéis com um número grande de observações
seccionais distintas (WOOLDRIDGE, 2003: 466).
114
Outra alternativa ao método LSDV, que permite a obtenção dos mesmos estimadores, é
a transformação pela “subtração da média da entidade” (transformação within). Nesse método,
inicialmente se calcula a média de cada unidade seccional para depois, calcular a diferença
entre cada observação e o valor médio das unidades seccionais (STOCK e WATSON, 2004
:191-192; GREENE, 2000 :560-561).
Essa transformação, que considera a diferença entre uma média ao longo do tempo e
um fator não observável específico para cada unidade seccional, produz um tipo de
informação designada por Wooldridge (2003 :462) como “normalizada no tempo” (time demeaning), eliminando assim a heterogeneidade não observada (αi) e permitindo o emprego de
MQO para cálculo dos estimadores.
Uma terceira forma de se obter estimadores usando MQO em painéis de efeito fixo é
através do uso da transformação “between”.
Nesse caso, considera-se como base para a transformação a diferença entre cada
observação e os valores médios entre as unidades seccionais (e não, dentro das observações
de cada unidade seccional).
No entanto, de acordo com Wooldridge (2003 :462) os estimadores para efeitos fixos,
obtidos através da transformação between, possuem aplicação bastante restrita já que ignoram
informações importantes sobre como as variáveis mudam ao longo do tempo. Além disso, são
ainda viesados caso (α
αi) esteja correlacionado com os regressores e, mesmo que não exista tal
correlação, o uso dos modelos de efeitos aleatórios é uma alternativa mais recomendável.
115
3.6.4
Efeitos Aleatórios
O modelo de efeitos fixos é uma abordagem adequada no caso de estarmos seguros de
que as diferenças entre as unidades seccionais podem ser vistas como mudanças nos
parâmetros da função de regressão (GREENE, 2000 :567).
No entanto, o uso de efeito fixo ou transformação por primeira diferença tem como
objetivo eliminar αi que, se supõe correlacionado com os regressores. Caso não exista tal
correlação, a eliminação de αi resultará em estimadores ineficientes (WOOLDRIDGE, 2003
:469).
Nesses casos, se recomenda o uso dos modelos de efeitos aleatórios, que além das
premissas consideradas no modelo de efeito fixo, assumem que αi é independente de todas as
variáveis explicativas, em todos os períodos de análise (WOOLDRIDGE, 2003 :469).
Dessa forma o intercepto passa a ser uma variável aleatória (υi), definida com base
numa fração (λ
λ) do valor médio ao longo do tempo e um termo erro aleatório (GREENE,
2000 :567-568).
A equação transformada por efeito aleatório é apresentada à seguir na “Equação 18”:
yit – λ yi(méd.) = β(1 – λ) + β1(xit1 – λ xi1(méd.)) + ... + βk(xitk – λ xik(méd.)) + (υit – λ υi(méd))
Equação 18 - Estimador de Efeitos Aleatórios
O estimador de efeitos aleatórios pode ser assim obtido através do método de Mínimos
Quadrados Generalizados (GLS – Generalized Least Squares) e/ou Máxima Verossimilhança
(ML – Maximum Likelihood), utilizando a equação acima descrita porém, substituindo-se o
parâmetro λ (que nunca é conhecido na prática) por λestimado. (WOOLDRIDGE, 2003 :471).
116
3.6.5
Critérios de comparação de modelos de dados em
painel
Em se tratando de modelos estáticos de dados em painel, o processo de escolha do
modelo mais apropriado envolve a comparação de três modelos básicos: Modelo de Pooled
Cross-Sections, Modelo de Efeitos Fixos e, Modelos de Efeitos Aleatórios. Esse processo
encontra-se representado na “Figura 13” apresentada a seguir:
Escolha de estimadores em painéis de
dados estáticos
Pooled Cross-Section
X
Efeitos Fixos
Teste F
H0: Todas as unidades
seccionais possuem o
mesmo intercepto.
rejeita
Modelo de
Efeitos Fixos
rejeita
aceita
Teste de Hausman
H0: As estimativas
obtidas por MQG são
consistentes.
Modelo Pooled
Cross-Sections
aceita
Pooled Cross-Section
X
Efeitos Aleatórios
Teste Breush-Pagan
H0: Variância de υi = 0
aceita
rejeita
Modelo de
Efeitos
Aleatórios
Figura 13 - Processo de escolha de estimadores em painéis de dados estáticos.
Fonte: Elaborado pelo autor.
A existência de heterogeneidade entre unidades seccionais é um dos critérios que faz
com que o modelo de pooled cross-section seja ineficiente para a análise dos dados. A
significância dessa heterogeneidade não observada (efeito de grupo) pode ser testada através
de um teste F para a hipótese nula (H0) de que todas as unidades seccionais possuem um
mesmo intercepto. A não rejeição dessa hipótese se constitui em evidência a favor do modelo
de pooled cross-sections (GREENE, 2000 :562; WOOLDRIDGE, 2003 :431-432).
117
Da mesma forma, a comparação entre o modelo de pooled cross-sections e o modelo
de efeitos aleatórios, pode ser efetuada através do teste LM proposto por Breush-Pagan. O
teste é feito contra a hipótese nula (H0) de que a variância do intercepto υi é igual a 0.
A não rejeição desta hipótese vai contra a premissa central do modelo de efeitos
dinâmicos, que propõe que o intercepto se constitui numa variável aleatória a ser estimada
(COTTRELL e LUCCHETTI, 2006 :72).
Finalmente, a decisão entre o modelo de efeitos fixos e o modelo de efeitos aleatórios,
depende de se considerar que a heterogeneidade entre os elementos seccionais é um parâmetro
a ser estimado ou, o resultado de uma variável aleatória.
Quando as observações não podem ser consideradas como tendo sido extraídas
aleatoriamente de uma população maior, Wooldridge (2003 :473) recomenda que
consideremos a heterogeneidade (αi) como um parâmetro a estimar, utilizando assim o
modelo de efeitos fixos.
A existência de correlação entre αi e alguma variável explicativa, também determina o
uso do modelo de efeitos fixos (ou transformação por primeira diferença).
Dessa forma, o teste de Hausman pode ser utilizado contra a hipótese nula (H0) de que
não existe correlação, e que os estimadores de efeitos aleatórios são consistentes
(WOOLDRIDGE, 2003 : 473).
118
4.
Resultados da Pesquisa
4.1
Estatística Descritiva
A Tabela 2 apresentada abaixo mostra os valores mínimos e máximos das variáveis
estudas, suas médias e o desvio-padrão (σ) das mesmas.
Tabela 2: Estatística descritiva das variáveis estudadas
Variável
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
N
628
628
628
628
628
628
628
628
Geral
Média
0.201435
0.089112
0.092293
1.314858
10.48996
1.346371
0.514499
6.436502
σ
0.1903346
0.0706538
0.0958392
4.373081
22.69514
3.946137
0.1851649
16.86214
Min.
-1.181949
-0.086614
-0.216999
0.001213
-1.687405
0.010611
0.077
-72.72
Max.
1.518851
0.486052
0.577178
60.65433
382.8307
45.66183
0.9803
127.51
Fonte: Elaborada pelo autor.
Ao analisar os dados da tabela acima podemos verificar que os retornos médios sobre
patrimônio líquido (ROE), ativos (ROA) e vendas (ROS) foram de: 20,14%, 8,91% e 9,23%
respectivamente; todos apresentando alta variabilidade.
O nível médio de endividamento da amostra foi de 51,14% do total do ativo e as
vendas apresentaram um crescimento anual médio de 6,4%.
Podemos ainda notar que o valor médio do estoque de capital intelectual das empresas,
medido através do CIV, foi de R$ 1.314 milhões. Esse valor foi ligeiramente inferior ao
estoque médio de ativos físicos e financeiros (CE) de R$ 1.346 milhões verificado.
119
Também chama a atenção o valor da eficiência do capital intelectual (ICE)
encontrado. Esse valor é bastante superior aos valores encontrados em estudos anteriores
realizados em outros países (FIRER e WILLIANS, 2003 : 355; CHEN et Al., 2005 :168;
VAN DER ZAHN, 2004 :21; KUJANSIVU e LONNQVIST, 2005 :8), sendo ainda superior
ao valor médio encontrado por Basso, Martin e Richieri (2006 :14).
Esse valor pode indicar a possível presença na amostra (haja vista que a base reflete
algumas das “maiores e melhores” empresas em operação no Brasil), de um número
significativo de organizações com altos níveis de eficiência no uso de seu capital intelectual.
Podemos verificar, através da Tabela 3 a evolução dos valores dessas variáveis ao
longo do período de seis anos analisado.
Tabela 3: Evolução das variáveis ao longo do período analisado.
Variável
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
Variável
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
103
103
103
103
103
103
103
103
2002
Média
0.168338
0.07808
0.078669
0.851516
11.13655
1.27985
0.521238
5.289721
120
120
120
120
120
120
120
120
2004
Média
0.228814
0.099157
0.099039
1.198906
9.595323
1.2311
0.530843
0.121627
N
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
Variável
102
102
102
102
102
102
102
102
2000
Média
0.152947
0.073774
0.086674
1.502925
7.105401
1.29745
0.469091
0.073062
N
N
Fonte: Elaborada pelo autor.
2001
σ
0.1122811
0.0488897
0.0951154
6.137028
6.02311
3.46604
0.1847298
0.1851772
Min.
-0.001558
-0.00109
-0.000995
0.006618
1.649081
0.021887
0.1426
-0.2776
Max.
0.641269
0.230306
0.504409
60.65433
38.41206
27.86469
0.875
0.8736
N
Min.
-1.181949
-0.067135
-0.051288
0.011292
1.550315
0.011758
0.077
-44.09875
Max.
1.080432
0.313729
0.480805
7.814053
227.406
29.16832
0.9432
74.36
N
Min.
-0.078351
-0.043524
-0.03097
0.011902
1.94519
0.010611
0.1191
-0.1485
Max.
0.876149
0.341499
0.508631
30.84159
89.16899
35.71241
0.9803
0.6632
N
103
103
103
103
103
103
103
103
Média
0.158138
0.0721
0.06883
1.262479
7.137647
1.312996
0.496629
0.087263
105
105
105
105
105
105
105
105
Média
0.205098
0.092899
0.105533
1.49489
8.813527
1.340363
0.526275
-0.031917
120
120
120
120
120
120
120
120
Média
0.276444
0.11755
0.118132
1.55908
17.83441
1.686902
0.515077
0.086232
σ
0.177677
0.065276
0.077457
4.683729
4.981846
3.449991
0.19419
0.190642
Min.
-0.267241
-0.086614
-0.216999
0.004376
-1.687405
0.02946
0.1307
-0.2552
Max.
1.333655
0.362644
0.325834
45.52853
27.85557
27.77959
0.9544
127.51
Min.
-0.265803
-0.070013
-0.057033
0.004555
1.739056
0.015561
0.1326
-0.7272
Max.
0.659032
0.327395
0.362414
50.15329
26.83999
33.39368
0.872
0.2709
Min.
0.042218
0.020039
0.008547
0.001213
1.835542
0.017287
0.1414
-0.484
Max.
1.518851
0.486052
0.577178
38.32557
382.8307
45.66183
0.9127
0.4791
2003
σ
0.2047501
0.0631679
0.090153
1.563487
22.5307
3.65785
0.1919337
15.74696
σ
0.148004
0.066688
0.096086
5.044844
5.777437
3.688417
0.179066
0.139889
2005
σ
0.1742294
0.0741476
0.0996522
3.203541
9.932403
3.864729
0.1847557
0.1407223
σ
0.24393
0.084872
0.109065
4.005262
45.02629
5.148543
0.172668
0.154582
120
Enquanto o ROA e o ROS cresceram de forma discreta no período, notamos um
acentuado crescimento do ROE médio na amostra a partir de 2002.
Em relação às variáveis independentes CIV e ICE, é interessante observar que ambos
apresentaram uma forte expansão em 2005, porém considerando todo o período analisado,
verificamos que enquanto o CIV apresentou um comportamento bastante irregular, o ICE
demonstrou uma trajetória de crescimento continuado, indicando assim que as empresas
analisadas têm se tornado, progressivamente, mais eficientes em aplicar o seu capital
intelectual de forma a gerar valor econômico.
Podemos também perceber que o nível de endividamento das empresas cresceu pouco
menos de 5 pontos percentuais no período, que o crescimento das vendas teve o seu pior
resultado em 2003 com uma retração de mais de 3%, e que o estoque de ativos físicos e
financeiros das empresas da amostra cresceu mais de 37% em 2005.
121
Os gráficos “Gráfico 1”, “Gráfico 2” e, “Gráfico 3” apresentados a seguir, ilustram
de forma mais clara como se comportaram cada uma das variáveis estudadas ao longo do
tempo.
0.3
0.2764444
0.25
0.2288137
0.2
0.205098
0.1529474
0.1683381
0.15
0.1581378
0.1181324
0.1055333
0.1
0.0990386
0.1175499
0.0866737
0.0786688
0.0991566
ROE
0.0928991
0.0720996
ROA
0.0780801
0.0737741
ROS
0.0688303
0.05
2000
2001
2002
2003
2004
2005
Gráfico 1: Evolução das variáveis dependentes
Fonte: Elaborada pelo autor.
20
1.8
17.83441
18
1.6
1.55908
1.502925
16
1.49489
14
1.4
12
1.262479
1.2
11.13655
8.813527
1
7.105401
10
1.198906
9.595323
8
7.137647
6
CIV
0.851516
4
ICE
0.8
2
0
0.6
2000
2001
2002
2003
2004
Gráfico 2: Evolução do capital intelectual das empresas da amostra
Fonte: Elaborada pelo autor.
2005
122
1.8
0.6
1.686902
1.6
0.5
0.5212379
0.5262752
0.5308425
0.5150767
0.4966291
1.4
0.4690912
0.4
1.312996
1.29745
1.340363
1.27985
1.2
1.2311
0.3
1
END_GERAL
CRESC_VENDAS
0.2
CE
0.8
0.1216274
0.6
0.1
0.07306176
0.08726302
0.08623179
0.05289721
0.4
0
2000
2001
2002
2003
2004
2005
0.2
-0.03191684
-0.1
0
Gráfico 3: Evolução das variáveis de controle
Fonte: Elaborada pelo autor.
Podemos ainda observar, através da “Tabela 4” na pág. 105, como os valores médios
das variáveis estudas se modificam em relação aos diversos setores econômicos representados
na amostra.
Os setores que apresentaram maior nível de geração de valor foram: Serviços Diversos
(maior ROE), Farmacêutico, Higiene e Cosméticos (maior ROA) e, Mineração (maior ROS).
Em relação ao estoque de capital intelectual das empresas, é curioso observar que os
três setores com maior valor médio de CIV são: Química e Petroquímica; Telecomunicações e
Mineração. Vemos também que, o setor de Tecnologia e Computação, ocupa apenas a 16ª
posição em relação a esse parâmetro.
123
No quesito eficiência no uso do capital intelectual (ICE), os setores: Mineração,
Construção e Telecomunicações, ocupam respectivamente, as 3 primeiras posições e
Tecnologia e Computação, é o 19º colocado.
Esses resultados, aparentemente contraditórios, se explicam possivelmente, pela
característica particular da amostra que, após análise criteriosa, evidencia que, em alguns
setores, estão concentradas apenas um pequeno número de empresas com alto nível de
eficiência e posição de grande destaque mundial no seu setor.
Dessa forma, cabe ressaltar que, a descrição dos valores por setores está aqui colocada
apenas para caracterizar melhor a amostra utilizada e não se presta, conforme já mencionado
no tópico “População e Amostra” na página 17, a qualquer tipo de inferência.
124
Tabela 4: Análise das variáveis por setor da economia
Setor
N
ALIMENTOS, BEBIDAS E FUMO
39
ATACADO E COMÉRCIO
EXTERIOR
62
AUTOMOTIVO
21
COMÉRCIO VAREJISTA
61
COMUNICAÇÕES
7
CONFECÇÕES E TÊXTEIS
6
CONSTRUÇÃO
13
ELETROELETRÔNICO
42
FARMACÊUTICO, HIGIENE E
COSMÉTICOS
6
MATERIAL DE CONSTRUÇÃO
13
MECÂNICA
8
Variável
Média
σ
Min.
Max.
ROE
0.211723 0.110127 0.065285 0.5439453
0.086671 0.054205 0.022064 0.2303064
ROA
ROS
0.062721 0.04825 0.009735 0.2213641
CIV
0.971894 1.546797 0.011377 7.091692
8.041316 6.532133 2.276223 31.02348
ICE
CE
0.728258 0.861466 0.044912 4.927184
END_GERAL
0.572756 0.182706
0.1307
0.8271
CRESC_VENDAS 2.848205 11.28004
-16.64
29.39
ROE
0.169042 0.086952 0.020366 0.5182323
ROA
0.073012 0.03939 0.01514 0.1808524
ROS
0.028004 0.028378 0.004009 0.193678
0.354005 0.635082 0.012284 3.676863
CIV
ICE
11.14849 19.59191 -1.687405 155.1231
CE
0.311564 0.486799 0.011758 2.814749
END_GERAL
0.544258 0.157261
0.1983
0.9057
CRESC_VENDAS 4.080484 16.77482
-72.72
31.62
ROE
0.161628 0.105748 0.029242 0.4014576
ROA
0.063942 0.040068 0.013387 0.1536001
0.051658 0.039882 0.005159 0.1460461
ROS
CIV
1.460154 2.27435 0.004376 7.925255
ICE
4.344988 2.656294 1.835542 11.21885
1.018243 1.315083 0.045526
4.05087
CE
END_GERAL
0.5863 0.097792
0.4004
0.7017
CRESC_VENDAS 10.50762 22.18111
-29.94
64.21
ROE
0.143145 0.096002 -0.033039 0.3977031
ROA
0.046304 0.032521 -0.005504 0.1383209
ROS
0.017713 0.013085 -0.00217 0.0602394
CIV
0.145543 0.155235 0.004829 0.7591383
4.394797 1.661074 2.409968 9.907274
ICE
CE
0.145918 0.363225 0.015369 2.837613
END_GERAL
0.643156 0.170523
0.261
0.9127
CRESC_VENDAS
7.28459 14.38847
-20.78
57.52
ROE
-0.003028 0.20085 -0.267241 0.2717391
ROA
0.01273 0.049898 -0.070013 0.0871467
ROS
0.009865 0.041841 -0.057033
0.07583
0.206258 0.094413 0.024285 0.2930171
CIV
ICE
3.06552 0.82724 2.077461 4.692082
CE
0.202607 0.138146 0.111163 0.5102397
END_GERAL
0.708886 0.12229
0.5953
0.9544
CRESC_VENDAS
-4.68 13.20185
-23.02
12.24
ROE
0.101905 0.053512 0.06338 0.207247
ROA
0.063462 0.032194 0.039245 0.1270424
0.060108 0.023782 0.036214 0.1018116
ROS
CIV
0.306957 0.131943 0.166571 0.5477453
ICE
3.419386 0.56865 2.863448 4.330062
0.27707 0.07637 0.205746 0.3932321
CE
END_GERAL
0.37165 0.051879
0.2752
0.4229
CRESC_VENDAS -0.398333 10.24846
-13.7
15.35
ROE
0.094094 0.045756 0.020388 0.1712844
ROA
0.077135 0.039054 0.01586 0.1470648
ROS
0.1068 0.060061 0.006457 0.2117726
CIV
0.800525 0.709052 0.007083 2.290214
20.24226 62.2465 2.128803
227.406
ICE
CE
0.821802 0.95898 0.070492 3.884042
END_GERAL
0.179731 0.082853
0.077
0.4244
CRESC_VENDAS 6.304616 20.60618
-28.46
48.95
ROE
0.052947 0.243687 -1.181949 0.6590323
ROA
0.02984 0.059811 -0.086614 0.1579423
ROS
0.025136 0.054256 -0.072408 0.1681949
0.525651 0.479892 0.041789 2.206907
CIV
ICE
7.90701 7.033851 1.94519 26.48935
CE
0.243513 0.238775 0.045573 1.006102
END_GERAL
0.504705 0.23051
0.1478
0.9803
CRESC_VENDAS 4.133311 18.52676
-27.76 61.51907
ROE
0.557349 0.301515 0.279192 1.137551
ROA
0.276934 0.090701 0.106763 0.3455879
0.081317 0.030329 0.051812 0.139829
ROS
CIV
0.742616 0.373511 0.087693 1.065716
ICE
5.97981 1.392372 3.253522 7.126355
0.134343 0.050617 0.070329 0.1870909
CE
END_GERAL
0.46545 0.15237
0.3325
0.6962
CRESC_VENDAS -1.258333 8.862208
-13.32
7.73
ROE
0.142568 0.08563 0.074741 0.3976697
ROA
0.088413 0.028562 0.063462 0.1711173
ROS
0.109625 0.055864 0.056746 0.2138912
CIV
0.255409 0.217418 0.030194 0.7283906
8.362284 4.076951 4.378096 14.91489
ICE
CE
0.421005 0.074933 0.348819 0.6443242
END_GERAL
0.318431 0.132184
0.1509
0.5697
CRESC_VENDAS 5.116154 8.132156
-8.36
18.3
ROE
0.271867 0.102283 0.114273 0.4412023
ROA
0.156049 0.046356 0.086676 0.2230277
ROS
0.110464 0.02009 0.08333 0.1463288
0.771768 0.28255 0.250846 1.077361
CIV
ICE
4.168901 0.822788 3.319862 6.058434
CE
0.379512 0.083881 0.269526 0.5476294
END_GERAL
0.401525 0.102053
0.2415
0.5241
CRESC_VENDAS
7.42625 8.857409
-11.27
17.11
Fonte: Elaborada pelo autor.
Setor
N
MINERAÇÃO
20
PAPEL E CELULOSE
22
PLÁSTICOS E BORRACHA
8
QUÍMICA E PETROQUÍMICA
52
SERVIÇOS DE TRANSPORTE
19
SERVIÇOS DIVERSOS
9
SERVIÇOS PÚBLICOS
123
SIDERURGIA E METALURGIA
56
TECNOLOGIA E COMPUTAÇÃO
10
TELECOMUNICAÇÕES
31
Variável
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
Média
0.493148
0.229536
0.31507
2.734736
38.51104
4.015187
0.469295
18.03
0.207274
0.121573
0.226994
1.008457
9.112727
1.046284
0.381946
0.635455
0.164483
0.067776
0.045032
0.291377
4.605667
0.38071
0.58025
8.805
0.266007
0.146566
0.111305
4.641025
11.01406
4.075231
0.425402
7.900769
0.248632
0.076204
0.060675
0.692215
4.435414
0.65768
0.642616
18.63211
0.749
0.166453
0.091567
0.421806
4.92698
0.128875
0.742622
8.787579
0.182853
0.066283
0.123304
1.482961
13.70152
2.057836
0.557037
5.455414
0.246803
0.130478
0.141191
1.157764
8.359868
0.816929
0.411066
9.66375
0.301477
0.106041
0.057922
0.312382
4.088623
0.195408
0.59082
11.33
0.124674
0.071214
0.092554
2.863258
0.442581
16.29585
3.272884
1.929355
σ
0.342659
0.100478
0.129329
3.226859
62.61885
7.696694
0.131662
19.69139
0.097065
0.049436
0.111731
0.910932
3.402414
0.790406
0.13725
12.30295
0.061938
0.022239
0.01329
0.221067
0.639286
0.13407
0.034015
8.611101
0.150848
0.08237
0.063281
13.70271
5.874568
10.86085
0.12404
13.75839
0.172952
0.055555
0.0868
0.701604
2.367344
1.031426
0.175804
33.81413
0.306475
0.051235
0.049581
0.463529
2.422916
0.127119
0.119569
11.15551
0.164992
0.039972
0.099213
1.715369
34.32607
2.891862
0.165742
16.09222
0.154921
0.064359
0.094364
2.247057
5.485149
1.305509
0.167835
18.50504
0.188236
0.053793
0.024445
0.172518
3.024586
0.126129
0.130368
25.21573
0.064228
0.042186
0.05525
3.535257
0.102435
4.858343
3.363836
8.308041
Min.
0.159298
0.090454
0.056333
0.148435
9.081522
0.070195
0.2167
-8.13
0.054266
0.035941
0.048759
0.06492
3.863647
0.249652
0.1585
-25.52
0.075396
0.033642
0.022947
0.045503
4.056808
0.153493
0.5407
-0.1
0.070608
0.056586
0.025656
0.009709
3.243856
0.070346
0.1934
-20.12
-0.019723
-0.015562
-0.216999
0.034918
0.352478
0.010611
0.211
-12.91
0.385193
0.119362
0.031389
0.049666
2.127298
0.024607
0.5157
-14.17
0.015931
0.006849
0.001701
0.001213
1.550315
0.031573
0.1851
-62.49
0.037438
0.022676
0.013599
0.011497
2.825448
0.049463
0.1326
-17.36
0.063708
0.030695
0.030889
0.03468
2.06758
0.04005
0.4731
-16.27
0.011768
0.006142
0.010143
0.0076
0.2044
6.698229
0.170144
-15.78
Max.
1.518851
0.421616
0.577178
12.09942
217.8684
25.49667
0.7671
71.17
0.39657
0.25852
0.504409
3.085892
15.86537
3.209053
0.6681
24.04
0.252157
0.093651
0.057105
0.596613
5.867051
0.504321
0.6286
26.47
0.846485
0.486052
0.283742
60.65433
26.82585
45.66183
0.7122
44.27
0.674968
0.210388
0.21514
2.253529
11.66574
4.613413
0.8725
127.51
1.333655
0.262319
0.154731
1.508429
8.209253
0.356928
0.9105
20.41
1.176358
0.223626
0.480805
7.047474
382.8307
13.41605
0.875
76.59
0.688961
0.307261
0.417806
11.92018
38.42352
7.703044
0.7627
74.36
0.641269
0.179373
0.094531
0.482067
9.61369
0.402816
0.8635
66.32
0.264606
0.1789
0.232567
11.69813
0.6264
25.17793
10.72689
18.12
125
4.2
Análise de Correlação
Na Tabela 5 abaixo são apresentados os coeficientes de correlação, que medem a
intensidade ou grau de associação linear entre as variáveis empregadas no modelo de estudo.
Com exceção das três variáveis dependentes, que por medirem diferentes aspectos da
capacidade da empresar gerar valor, devem, portanto, apresentar um nível de associação linear
considerável entre si, é esperado que as demais variáveis possuam coeficientes Pearson com
valores baixos.
No entanto, percebemos que existe um nível de correlação elevado entre as variáveis
CIV e CE, o que poderia recomendar a supressão de uma delas do modelo.
Porém, ao investigarmos mais detalhadamente a tolerância e o fator inflação de
variância (VIF – Variance Inflation Factor), buscando um eventual problema de
multicolinearidade, não encontramos indícios que sugerissem a existência de qualquer viés de
especificação no modelo, ou a necessidade de eliminação de alguma variável (GUJARATI,
2000 :317-344).
Tabela 5: Análise de correlação entre as variáveis
ROE
ROA
ROS
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
ROE
1.000
0.762
0.359
0.089
0.237
(0.033)
0.247
0.149
ROA
Fonte: Elaborada pelo autor.
1.000
0.543
0.127
0.187
(0.004)
(0.193)
0.152
ROS
1.000
0.238
0.131
0.256
(0.263)
0.049
CIV
1.000
0.060
0.813
(0.024)
0.054
ICE
1.000
0.056
0.010
0.138
CE
1.000
(0.067)
0.011
END_GERAL
1.000
0.047
CRESC_
VENDAS
1.000
126
4.3
Modelos Estáticos de Dados em Painel
4.3.1
Retorno sobre Patrimônio Líquido
Quanto ao efeito do capital intelectual em relação à variável dependente ROE
(Retorno sobre o Patrimônio Líquido), a Tabela 6 abaixo, consolida os resultados obtidos
através da análise dos modelos estáticos de dados em painel.
A seqüência de investigação seguiu o modelo sugerido por Wooldridge (2003 :426483) e utilizada também por Martin et Al. (2005 :11-15).
Tabela 6: Retorno sobre PL (ROE) - Resultados dos Modelos Estáticos de Dados em Painel
ROE
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
Constant.
R2
W(j)
AR(1)
AR(2)
Breusch-Pagan
F(236, 386)
Hausman test
OLS (pooled)
0.0130954 ***
0.00183917 ***
-0.0133267 ***
0.235455 *
0.00107506 **
0.0548052 ***
0.1587989
*
*
*
LM = 106.692 *
4.11934 *
H = 16.0054 *
Efeito Fixo
OLS (Pooled Diff)
OLS Within
0.00607660 **
0.00697238 *
0.000202886
0.000793054
-0.006657 ***
-0.00394542
0.161383
0.248724
0.000563178
0.000628349
0.0192082 *
0.03558401
0.05921003
*
***
*
OLS Between
0.0277662 *
0.00178251 *
-0.0258466 *
0.290954 *
0.00149623
0.0322631
0.2359898
*
n.d.
n.d.
Efeito Aleatório
GLS (w/b)
GLS (residuals)
ML
0.00820038 *
0.00837616 *
0.00824436 *
0.0011147 *
0.00116583 *
0.0011414 *
-0.00772283 ** -0.00801699 ** -0.00783615 **
0.284186 *
0.272271 *
0.272722 *
0.000795213 ** 0.000812354 ** 0.00080013 **
0.0481758 *
0.0518555 ***
0.052066 *
0.1420436
0.1354525
0.1320704
*
*
*
-
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
Podemos observar que as evidências são contrárias ao modelo de Pooled CrossSections, já que rejeitamos as hipóteses de que todas as unidades seccionais possuam o
mesmo intercepto (teste F) e que a variância de υi seja igual a 0 (teste Breush-Pagan).
Na comparação entre os estimadores de efeito fixo e efeito aleatório, em função do
teste de Hausman, somos forçados a rejeitar a hipótese de que as estimativas obtidas por
MQG (efeitos aleatórios) sejam consistentes.
127
Dessa forma, concluímos que as evidências são favoráveis aos estimadores de efeito
fixo; porém, observamos a presença de autocorrelação nos modelos.
Essa autocorrelação encontrada poderia ser considerada como um indício favorável ao
uso dos modelos dinâmicos de dados em painel (MARTIN et Al. 2005 :12).
No entanto, conforme já descrito na seção 3.6 (pág. 108) desta dissertação, não
encontramos fundamento teórico que justifique a aplicação dos modelos dinâmicos.
Além disso, considerando que utilizamos um painel com um número relativamente
pequeno de períodos (micropanel), a correção da autocorrelação e a posterior adoção dos
estimadores de efeitos fixos ou efeitos aleatórios ao painel corrigido, aparece com uma
alternativa mais recomendável (JUDSON e OWEN, 1996 :1-3 ; YAFFE, 2003: 8).
Dessa forma, foi utilizado o procedimento de correção proposto por Baltagi e Wu
(1999 :814-818), apropriado a painéis de dados “não balanceados” como o que foi utilizado
neste estudo.
O método em questão, considera que a parcela υ do termo erro composto descrito na
Equação 16 (pág. 112), pode ser dividido conforme representado na equação abaixo.
υit = ρ * υi(t-1) + zit (onde | ρ | < 1 e zit é IID3(0, σ2u)
Equação 19 - Termo erro auto-regressivo de Baltagi e Wu
3
Independente e Identicamente Distribuída ( Independently and Identically Distributed)
128
A partir da Equação 19, ρ foi definido com base no valor da estatística de DurbinWatson (DW) de forma que:
ρ = 1 – (DW /2)
Equação 20 - Cálculo de ρ com base na estatística DW
Com base no valor de ρ estimado, todos os dados do painel foram ajustados. Nesse
processo, um período de observação é perdido por empresa.
Os novos coeficientes obtidos através dos estimadores de efeito fixo (within) e efeito
aleatório (GLS – w/b) corrigidos para autocorrelação, se encontram na
Tabela 7, em conjunto com os novos valores calculados para os testes F e Hausman.
Tabela 7: ROE – Resultados Corrigidos dos Modelos Estáticos de Dados em Painel
ROE
Efeito Fixo
Efeito Aleatório
CIV
0.0058599 *
0.0084889 *
ICE
0.0044583 *
0.0013067 *
CE
-0.0040687
-0.0089737
END_GERAL
0.3283249 *
0.2805713 *
CRESC_VENDAS
0.000434
0.000895
Constant.
-0.0107349
0.042255
R2
0.1235
0.1492
W(j)
*
*
F(158, 227)
4.19 *
Hausman test
H = 13.78 **
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
Observamos que os indícios são favoráveis ao modelo de efeito fixo, e que os
coeficientes dos regressores CIV e ICE, após a correção, mantiveram-se positivos, porém,
passaram a ser altamente significativos.
129
Percebemos também que o coeficiente de determinação dos modelos (R2) aumentou
indicando um melhor grau de ajuste do modelo.
A opção pelos estimadores de efeito fixo permitiu também que fosse calculado o valor
da heterogeneidade por empresa em relação ao ROE.
Os valores estimados, à título de referência, encontrada-se no: Apêndice B –
Heterogeneidade observada em relação aos estimadores de efeito fixo para o ROE das
empresas.
Com base nos valores encontrados podemos com segurança rejeitar a hipótese
0,1
e
hipótese 0,2, e confirmar, conforme o esperado com base no referencial teórico, a existência de
uma relação positiva entre o capital intelectual e o retorno sobre o PL das empresas.
De acordo com os resultados encontrados, ceteris paribus, é sugerido que uma
ampliação de US$ 17 milhões no estoque de capital intelectual da empresa (medido através do
CIV) traria um incremento de 0,01 ponto percentual do seu ROE.
Da mesma forma, em relação à eficiência no uso do capital intelectual, estima-se que
um aumento de 2,243 unidades (ou 21,35% considerando o valor médio da amostra) no valor
do ICE, traria ao ROE da empresa, um crescimento de 1 ponto percentual.
Em relação às variáveis de controle, o único coeficiente que se mostrou
estatisticamente significativo foi o da variável END_GERAL, sugerindo que as empresas que
utilizam mais o capital de terceiros para conduzir os seus negócios, são capazes de
proporcionar um maior nível de retorno sobre o capital dos seus donos ou acionistas.
130
4.3.2
Retorno sobre Ativos
Em relação à variável Retorno sobre Ativos (ROA), conforme podemos observar na
Tabela 8 abaixo, uma vez mais encontramos evidências em favor do modelos de efeitos fixos
e novamente, identificamos a presença de autocorrelação.
Tabela 8: Retorno sobre Ativos (ROA) – Resultados dos Modelos Estáticos de Dados em Painel
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
Constant.
R2
W(j)
AR(1)
AR(2)
Breusch-Pagan
F(236, 386)
Hausman test
OLS (pooled)
0.00612273 ***
0.000524951 ***
-0.00603610 ***
-0.0817171 *
0.000513416 *
0.122420 *
0.1409577
*
*
*
LM = 393.69 *
6.63419 *
H = 35.1091 *
ROA
Efeito Fixo
OLS (Pooled Diff) OLS Within
OLS Between
0.00259679 **
0.00309869 ***
0.0130646 *
0.000117525
0.000334732 0.000587971 **
-0.00219297
-0.000920077
-0.0119417 *
-0.127321 *
-0.0434351
-0.0914054 *
0.000349786 **
0.000356527 ** 0.000857921 **
0.00788569 *
0.125889 *
0.1198649
0.086911
0.2199896
*
*
*
**
*
n.d.
*
n.d.
Efeito Aleatório
GLS (w/b)
GLS (residuals)
ML
0.0034572 *
0.00346208 *
0.0034203 *
0.000409009 * 0.000413853 *
0.000408087 *
-0.00283631 ** -0.00288077 ** -0.00279424 **
-0.0656794*
-0.067255 *
-0.0661339 *
0.000421707 * 0.000421868 *
0.000416999 *
0.117555 *
0.118217 *
0.117689 *
0.1347262
0.1297873
0.1273017
*
*
*
*
*
*
-
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
Efetuada a correção através do procedimento de Baltagi e Wu, foi possível obter os
novos estimadores de efeitos fixos e efeitos aleatórios apresentados na
Tabela 9 à seguir.
Tabela 9: ROA – Resultados Corrigidos dos Modelos Estáticos de Dados em Painel
ROA
Efeito Fixo
Efeito Aleatório
CIV
0.0026993 *
0.0034491 *
ICE
0.0010188 **
0.0003346 *
CE
-0.0015919
-0.0032958 *
END_GERAL
-0.0780824 **
-0.0643359 *
CRESC_VENDAS
0.0002915 **
0.000422 *
Constant.
0.1222539 *
0.1159608 *
R2
0.1177
0.1376
W(j)
*
*
F(158, 227)
4.61 *
Hausman test
H = 7.21
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
131
Podemos observar através no novo valor do teste de Hausman, que após a correção, no
caso da variável ROA, as evidências passaram a ser favoráveis ao modelo de efeitos
aleatórios.
Tomando então os valores estimados para os coeficientes, obtidos através dos
estimadores de efeitos aleatórios, percebemos que, quando medimos a geração de valor da
empresa através do uso do ROA, podemos também rejeitar a hipótese
0,1
e hipótese
0,2
propostas.
Assim sendo, confirmamos também a existência de uma relação positiva entre o
capital intelectual e o retorno sobre os ativos das empresas.
Notamos ainda que, no caso do ROA, o valor dos coeficientes é inferior que aqueles
estimados para o modelo econométrico do ROE, indicando assim que, na amostra analisada, o
impacto do capital intelectual foi maior na capacidade das empresas gerarem valor para os
seus donos e acionistas do que na eficiência total do uso dos seus ativos.
Considerando os resultados encontrados, ceteris paribus, é necessária uma variação de
US$ 29 milhões no estoque de capital intelectual da empresa (medido através do CIV), para
se verifique uma mudança de 0,01 ponto percentual do seu ROA.
Em relação à eficiência no uso do capital intelectual, considerando o valor médio da
amostra, é necessário um aumento de 28,6% (equivalente a 3 unidades no valor do ICE) para
cada 0,1 ponto percentual de variação no ROA, ceteris paribus.
Podemos também perceber que no caso do modelo do ROA, os coeficientes de todos
os demais regressores são significantes ao nível de 1%.
Dessa forma, verificamos que, ao contrário do modelo do ROE, o coeficiente da
variável explicativa END_GERAL, apresenta sinal negativo indicando que as empresas da
amostra, com maior percentual de capital de terceiros na sua estrutura, apresentaram um
menor nível de retorno sobre os seus ativos.
132
Notamos ainda, que o coeficiente do regressor CE também apresentou sinal negativo,
indicando um efeito negativo do aumento de recursos físicos e financeiros na capacidade da
empresa gerar valor sob a óptica do ROA, ceteris paribus.
Finalmente, da mesma forma, podemos observar que na amostra estudada,
identificamos uma relação positiva entre o nível anual de crescimento das vendas da empresa
(CRESC_VENDAS) e o seu ROA.
4.3.3
Retorno sobre Vendas
O terceiro índice de geração de valor analisado foi o retorno sobre as vendas (ROS). A
inclusão desse índice no estudo, se explica pela presença de empresas de serviços na amostra.
Essas empresas apresentam, tipicamente, um nível mais baixo de ativos físicos e financeiros,
quando confrontadas com as empresas de atividade industrial, fazendo com que os seus
índices de ROA que não sejam comparáveis.
Apesar disso, observamos através das medidas de dispersão apresentadas na Tabela 2
(pág. 118), que na amostra avaliada, os valores médios e os desvios padrão obtidos para os
índices de ROA e ROS tem valores bastante próximos.
A despeito dessa proximidade, os coeficientes obtidos mostraram algumas
particularidades relevantes a serem destacadas, justificando assim, a sua manutenção no
estudo.
Na Tabela 10 abaixo, podemos encontrar os resultados das análises usando os diversos
estimadores de efeitos fixos e efeitos aleatórios disponíveis.
Nesse caso, podemos observar que o teste de Hausman sugere a utilização da
estimação através do método de efeitos aleatórios.
133
Notamos ainda, como nos casos anteriores, a presença de autocorrelação, que a
exemplo do que foi feito em relação às análises anteriores, foi corrigida através do método
proposto por Baltagi e Wu.
Tabela 10: Retorno sobre Vendas (ROS) – Resultados dos Modelos Estáticos de Dados em Painel
CIV
ICE
CE
END_GERAL
CRESC_VENDAS
Constant.
R2
W(j)
AR(1)
AR(2)
Breusch-Pagan
F(236, 386)
Hausman test
ROS
Efeito Fixo
Efeito Aleatório
OLS (pooled) OLS (Pooled Diff) OLS Within
OLS Between
GLS (w/b)
GLS (residuals)
ML
0.00223869
0.00317101 ***
0.00441385
0.00137897
0.00426163 *
0.00424072 *
0.0042444 *
0.000478079 ***
0.0000807848
0.000177265
0.000405443 0.000211329 *** 0.000212448 *** 0.000211669 ***
0.00361494
0.00867946
0.00430594
0.0056757
0.00372648 *
0.00367474 *
0.0036826 *
-0.130998 *
-0.107701 *
-0.0450746 ***
-0.146989 *
-0.0810629 *
-0.0817089 *
-0.081098 *
0.000218772
-0.000029299
-0.00000447941 0.000507006
0.0000208159
0.0000216622
0.0000210218
0.145457 *
0.00316759 ***
0.152027 *
0.12236 *
0.122788 *
0.122471 *
0.145481
0.1379129
0.1118376
0.1755903
0.127125
0.1260984
0.1257955
*
*
*
*
*
*
*
*
**
n.d.
*
*
*
*
*
n.d.
LM = 683.352 *
13.9059 *
H = 8.18922
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
Observando os valores dos coeficientes após a correção, apresentados na Tabela 11,
verificamos que persistem as evidências em favor do modelo de efeitos aleatórios.
Tabela 11: ROS – Resultados Corrigidos dos Modelos Estáticos de Dados em Painel
ROS
Efeito Fixo
Efeito Aleatório
CIV
0.0035167 *
0.0041653 *
ICE
0.0008757 ***
0.0002572 **
CE
0.0049732 **
0.004209 *
END_GERAL
-0.0848954 **
-0.0858131 *
CRESC_VENDAS
-0.0001256
0.0000416
Constant.
0.119421 *
0.1218816 *
R2
0.1095
0.1258
W(j)
*
*
F(158, 227)
7.92 *
Hausman test
H = 3.85
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
134
Novamente, analisando os coeficientes encontrados para as variáveis CIV e ICE,
podemos rejeitar a hipótese 0,1 (p-value < 1%) e hipótese 0,2 (p-value < 2 %) propostas.
Confirmamos assim, a existência de uma relação positiva entre o capital intelectual e
o retorno sobre as vendas nas empresas analisadas.
Também foram significantes os coeficientes de todos os demais regressores, à exceção
da variável CRESC_VENDAS.
Da mesma forma que no caso do ROA, os resultados indicam que a uma variação de
US$ 28,5 milhões no estoque de capital intelectual da empresa (CIV), ceteris paribus,
corresponde uma mudança de 0,01 ponto percentual no ROS da empresa.
No caso da variável ICE (eficiência no uso do capital intelectual), a análise do
impacto no ROS, se mostrou mais sensível que no caso do ROA. Considerando o valor médio
da variável, podemos verificar que um aumento de 11% no ICE ( 1,15 unidades) seria capaz
de elevar em 0,1 ponto percentual o ROS, ceteris paribus.
Também observamos que, novamente, o coeficiente da variável explicativa
END_GERAL apresentou sinal negativo, indicando que as empresas da amostra que
privilegiaram o capital próprio na sua estrutura de capital, apresentam um maior retorno sobre
suas vendas.
O coeficiente do regressor CE também se apresentou significativo, apontando para a
existência de uma relação positiva entre o nível de recursos físicos e financeiros e a
capacidade da empresa gerar valor (sob a óptica do ROS), ceteris paribus.
135
4.4
Modelos de Dados em Painel Dinâmicos
Conforme exposto na seção 3.6 (pág. 108), o presente estudo se concentrou na análise
dos dados obtidos através do uso de modelos estáticos de dados em painel.
No entanto, em linha com a natureza exploratória desta dissertação e em função da
autocorrelação verificada nos modelos, foram também calculados os estimadores para os
modelos dinâmicos de dados em painel, utilizando GMM (Generalized Method of Moments)
como instrumento, nos moldes propostos por Arellano e Bond (1991).
De forma geral, os valores encontrados foram consistentes com aqueles descritos nas
seções anteriores, suportando as análises efetuadas com base nas técnicas de dados em painel
com efeitos fixos e efeitos aleatórios corrigidos para autocorrelação já apresentadas.
De qualquer forma, todos os valores dos coeficientes estimados pelo método GMM e
os valores dos testes estatísticos pertinentes, encontram-se disponíveis para referência no
Apêndice C.
Uma vez mais, cabe ressaltar que a escolha dos modelos estáticos aqui empregados foi
decorrente de:
•
Ausência de suporte teórico sobre a existência de relação entre a capacidade de
geração de valor da empresa, com a geração de valor da mesma, apresentada
em períodos anteriores;
•
O estudo ter sido conduzido com base num “micro-painel” de dados,
apresentando um grande número de unidades seccionais observadas ao longo
de número pequeno de períodos.
136
4.5
Análise dos Resultados
Como pudemos constatar três nas seções anteriores, os dados analisados, de forma
geral, confirmam a maioria das proposições do referencial teórico.
Em linha com os objetivos traçados para este estudo, foi possível comprovar o
impacto do capital intelectual na geração de valor das empresas (medido sob as perspectivas
do ROE, ROA e ROS), através da rejeição das hipóteses:
•
Hipótese
0,1:
O estoque de capital intelectual das empresas não afeta a sua
capacidade de geração de valor.
•
Hipótese
0,2:
Não existe diferença na capacidade de gerar valor entre as
empresas com maior e menor eficiência no uso do capital intelectual.
Ainda que trabalhos anteriores tenham avançado na direção da comprovação
financeira da relevância do capital intelectual nas empresas brasileiras (KAIO, 2002; OMAKI,
2005; PEREZ e FAMÁ, 2006), esta dissertação buscou ampliar a profundidade de estudo do
tema ao mensurar quantitativamente o nível deste impacto.
Na comparação entre os efeitos do capital intelectual e dos ativos tangíveis na geração
de valor, com base nos resultados encontrados, parece interessante ressaltar o fato da
influência negativa do estoque de ativos físicos e financeiros das empresas no ROA das
mesmas.
Sob essa mesma ótica, é também interessante notar o fato de que o coeficiente da
variável CE, na equação do ROE, não pode ser considerado estatisticamente diferente de zero.
Esse resultado, a ser confirmado em estudos futuros, indicaria que, frente ao capital
intelectual, o nível de capital empregado físico e financeiro não é relevante para a geração de
valor para os sócios e proprietários.
137
Dessa maneira, analisando os resultados obtidos para as equações do ROA e do ROS,
conforme indicado pelos dados da amostra estudada, não apenas o impacto da variável CIV é
mais relevante do que o da variável CE como também, o aumento do nível de ativos físicos e
financeiros parece reduzir (ao menos em relação a um aspecto) o desempenho das empresas,
contrariando a lógica de negócios vigente na maioria das organizações.
Em se tratando do retorno sobre vendas (ROS), encontramos uma relação positiva
entre as variáveis CE e ROS; relação essa, praticamente igual àquela entre CIV e ROS.
Esses achados parecem demonstrar de forma clara, a importância do estoque de capital
e das ações tomadas para a ampliação do mesmo nas empresas.
Quando concentramos nossa atenção na eficiência da utilização do capital intelectual,
novamente comprovamos a sua relevância em relação às três medidas de geração de valor
utilizadas.
É interessante observar que, considerando a fórmula de cálculo da variável ICE ( ver
Equação 8 na pág. 31), podemos perceber a importância da relação entre o valor adicionado
da empresa e o total de gastos e salários da mesma. Se re-escrevermos a equação de cálculo
para o ICE, com base na nesta relação, obtemos a fórmula apresentada na Equação 21 abaixo:
ICE = 1 + (VAHU – 1/VAHU)
Equação 21 - Cálculo do ICE através do VAHU
138
Percebemos assim uma nova perspectiva do índice ICE, que em conjunto com a
análise dos coeficientes para esta variável obtidos na pesquisa, fornece indicativos que
confirmam a importância atribuída por alguns autores (STEWART, 1998 :97-114; LEV, 2001
:35; EDVINSON e MALONE, 1997 :35) das empresas buscarem continuamente a conversão
de capital humano em capital estrutural (de forma a ampliar a relação VAHU gerando o
mesmo VA usando menos HU).
Ao mesmo tempo, essa relação também fornece respaldo a uma segunda abordagem (e
complementar à primeira) ao desenvolvimento do capital intelectual, que propõe a aplicação
do seu capital humano em atividades que proporcionem lucros “supra normais”, conforme
proposto por Teece (2000 :12-13) (ampliando a relação VAHU gerando mais VA com um
mesmo nível de HU).
No esquema gráfico apresentado na Figura 14 procuramos demonstrar, com mais
clareza, a importância dessas duas estratégias em relação ao capital humano das empresas e o
seu impacto esperado, de acordo com os resultados encontrados, na geração de valor das
empresas.
139
Uso mais efetivo de
Capital Estrutural (ST)
Pessoas mais
produtivas
Maior Geração de
Valor (ROE, ROA,
ROS)
Menor necessidade de Capital
Humano (HU) para gerar um
dado nível de Valor Adicionado
(VA)
Maior ICE
Maior VAHU
(VA/HU)
Maior geração de Valor
Adicionado (VA) para um
dado nível de Capital Humano
(HU)
Inovação e criação de
vantagem competitiva
Capital Humano (HU)
qualitativamente
superior
Figura 14 - Relações e impacto do Capital Humano na geração de valor das empresas
Fonte: Elaborada pelo autor.
Um terceiro aspecto importante, diz respeito ao nível de endividamento das empresas.
Foi possível observar uma forte influência do nível de endividamento das empresas nas
variáveis dependentes, sobretudo no caso do ROE, que se mostrou positivamente influenciado
por um maior nível de endividamento.
Na medida em que se considera que as empresas, de forma geral, se tornam cada vez
mais intensivas em capital intelectual, esse resultado parece contrariar a expectativa de
crescimento da participação do capital próprio na estrutura de capital das empresas,
decorrente dos resultados encontrados por Kaio (2002 :117-119).
140
Ainda que os resultados, relativos ao nível de endividamento das empresas,
encontrados possam ser considerados contraditórios, já que, no caso das variáveis ROA e
ROS, a relação encontrada entre endividamento e geração de valor tenha sido negativa (em
linha com a expectativa inicial do trabalho), considerando que o ROE é, dentre os índices
analisados,
aquele que melhor capta a geração de valor sob a óptica dos acionistas e
proprietários, o resultado é digno de destaque, sugerindo a necessidade de maior investigação
sobre o tema estrutura de capital e geração de valor em empresas intensivas em capital
intelectual.
Finalmente, é também curioso observar que o regressor CRESC_VENDAS, índice tão
valorizado por gestores e analistas de mercado, mostrou-se não significante em relação às
variáveis ROE e ROS; e no caso da variável ROA, apesar de significante, sua influência é
muito inferior que a das demais variáveis estudadas.
4.6
Limitações do Estudo
O tamanho e a natureza da amostra, decorrente da falta de informações financeiras e
abrangentes sobre as empresas no Brasil, se constitui na primeira limitação deste estudo.
O problema da falta de informações disponíveis e confiáveis é particularmente
relevante em se tratando daquelas necessárias para compor alguns dos índices usados no
trabalho (como é o caso do total anual dos gastos com salários e benefícios).
Em estudos similares, realizados em países que adotam o DVA como um relatório
contábil obrigatório, os pesquisadores puderam sempre contar um número de observações
muito superior ao que foi utilizado nesta dissertação.
Um segundo fator limitante é a falta de instrumentos de avaliação do capital
intelectual que tenham sido extensivamente provados e que sejam passíveis de aplicação em
grandes amostras.
141
De forma a minimizar essa limitação, todo o cuidado foi tomado na revisão do
referencial teórico, em busca dos instrumentos mais adequados à realidade e à necessidade do
estudo.
Ao final desse processo de revisão, consideramos que o CIV e o ICE se constituem em
indicadores capazes de capturar e medir (ao menos em parte), o estoque e o fluxo de capital
intelectual de cada empresa.
Porém, nenhum dos dois está isento de críticas, sobretudo sabendo que ambos utilizam
apenas informações financeiras básicas na sua composição.
Finalmente, ainda que, nos últimos 10 anos, muito tenha sido escrito e pesquisado
sobre o capital intelectual e seu impacto no desempenho das organizações, ainda são bastante
incipientes as pesquisas que buscaram quantificar, de forma mais ampla, esse impacto.
Dessa forma, os resultados aqui obtidos devem ser considerados dentro do contexto de
um trabalho exploratório, que procurou construir sobre os achados dos principais estudos
disponíveis sobre o tema, mas que ao mesmo tempo, optou pelo risco da inovação e fez uso de
constructos e de um modelo de pesquisas inédito ainda carentes de validação.
142
5.
Considerações Finais
A crescente dependência das empresas, nos mais diversos setores, do seu capital
intelectual para a condução de seus negócios, cria novos desafios para gestores, acadêmicos e
investidores.
Por não estarem refletidos nos demonstrativos contábeis e financeiros das empresas,
esses ativos intangíveis, não podem ser avaliados e adequadamente considerados, de forma da
fornecer o apropriado suporte às decisões de investimento dessas (/nessas) empresas.
Várias alternativas têm sido testadas, ao longo dos anos, na busca de se encontrar uma
forma apropriada para: a) mensurar o capital intelectual das empresas; e b) estudar o efeito
deste na geração de valor das mesmas.
No entanto, com raras exceções, os estudos conduzidos têm se concentrado em apenas
um desses dois objetivos. Ou buscam formas de aferir o capital intelectual, normalmente de
forma específica para cada empresa, sem se importar com o resultado deste no desempenho
financeiro das empresas; ou então, procuram pesquisar, de forma pontual em pequenos grupos
de empresas, o impacto dos ativos do conhecimento nos resultados dessas, porém utilizando
proxies e critérios pouco objetivos para capturar o valor do capital intelectual das mesmas.
Ao mesmo tempo, alguns estudiosos do capital intelectual, especialmente na Europa,
começam a estudar a relação entre o estoque de capital intelectual e os fluxos que o compõe,
tornando assim ainda mais complexa a mensuração e verificação do impacto do capital
intelectual.
A motivação para esses estudos, que se apresenta como bastante coerente, é entender a
relação entre o valor do capital intelectual de uma empresa num dado momento, e a eficiência
que as empresas demonstram ao utilizar esse capital intelectual disponível para gerar valor.
143
Essa diferenciação é de grande importância sob a ótica da valoração empresarial, haja
visto que, em se tratando de empresas intensivas em capital intelectual, o valor dessas
depende fundamentalmente da expectativa de seus fluxos de caixa futuros, da sua capacidade
de gerar valor.
Sendo assim, objetivo geral desta dissertação é demonstrar evidências de que tanto o
estoque de capital intelectual quanto, a eficiência das empresas no seu uso, possuem
influência significativa na capacidade da empresa geral valor. Para perseguir esse objetivo,
foram pesquisadas 237 empresas no Brasil no período entre 2000 e 2005.
O teste da primeira hipótese nula mostrou evidências de que o estoque de capital
intelectual afeta positivamente a geração de valor, influenciando o ROE, o ROA e o ROS das
empresas pesquisadas.
A segunda hipótese testada também confirmou as expectativas baseadas no referencial
teórico, apontando uma relação positiva entre o nível de eficiência das empresas no uso de seu
capital intelectual e as variáveis financeiras: ROE, ROA e ROS.
O estudo dos coeficientes das variáveis mostrou que o estoque de capital intelectual
parece possuir um maior impacto, do que seus fluxos, nos índices financeiros analisados;
porém do ponto de vista de gestão, é na eficiência no uso do capital intelectual que se
encontra o ponto de maior alavancagem da geração de valor.
Em relação às diversas perspectivas da geração de valor estudadas, os resultados
mostram que a perspectiva dos sócios e proprietários (ROE), é aquela que é positivamente
mais afetada pelo capital intelectual.
Foram ainda encontradas evidências de que, sob a ótica do ROE, os regressores
associados ao capital intelectual, são direcionadores mais efetivos da geração de valor que o
nível de capital físico e financeiro empregado na empresa.
144
Os resultados encontrados também suportam as proposições do referencial teórico de
que a aplicação efetiva do capital humano na geração contínua de inovação, e a busca da
conversão de capital humano em capital estrutural, são estratégias com grande potencial de
influenciar positivamente o desempenho da empresa.
O estudo confirmou ainda, um crescimento do valor do estoque de capital intelectual
das empresas no período analisado, conforme é sugerido na literatura. No entanto, para o
período analisado, não encontramos evidências de crescimento na eficiência no uso do capital
intelectual.
Em termos gerais os resultados obtidos contribuem para elucidar a questão de pesquisa
proposta. Também oferecem evidências empíricas adicionais sobre relação entre estoque e
fluxos de capital intelectual, e sobre a influência do capital intelectual e o desempenho
financeiro das empresas no Brasil.
Os modelos econométricos construídos oferecem ainda, um apoio prático adicional,
em termos de estimação e valoração, com o qual podem contar todos aqueles interessados na
avaliação de empresas e negócios intensivos em ativos intangíveis.
A continuidade deste estudo, com a utilização de uma base ainda mais representativa e
um horizonte de tempo maior, a análise detalhada dos efeitos do capital intelectual em
diferentes industrias, a criação e posterior comparação entre um grupo de empresas intensivas
em capital intelectual e outro não, e a análise de defasagens dos regressores associados ao
capital intelectual, são algumas das recomendações para estudos futuros.
Além destas recomendações, é fundamental prosseguir, através de outros estudos, na
validação das metodologias utilizadas para a mensuração do capital intelectual, e na contínua
busca de alternativas, até que se tenha chegado num modelo, que nos permita ter certeza sobre
a nossa capacidade de captar e mensurar esses ativos intangíveis, cada vez mais vitais.
145
6.
Bibliografia
ABOODY, D.; LEV, B. Information asymmetry, R&D and insider gains. The Journal of
Finance, Vol. LV, No. 6, 2000.
ANDRIESSEN, D. Making sense of intellectual capital: Designing a method for the
valuation of intangibles. Butterworth-Heinemann, 2004.
ARELLANO, M. Panel data econometrics. Oxford University Press, 2003.
ARELLANO, M.; BOND, S. Some tests of specification for panel data: Monte Carlo
evidence and an application to employment equations. The Review of Economic Studies,
Vol. 58, 1991.
BALTAGI, B. H.; WU, P. X. Unequally spaced panel data regressions with AR(1)
disturbances. Econometric Theory. 1999.
BARNEY, J. B. Gaining and sustaining competitive advantage. Prentice Hall, 2ª. Ed.,
2002.
BASSO, L.; MARTIN, D.; RICHIERI, F.L. O impacto do capital intelectual no
desempenho das empresas brasileiras. 6º. Congresso USP de controladoria e contabilidade,
2006.
BECKER, G. Human Capital: Theoretical and Empirical Analysis – Special Reference to
Education. Columbia University Press, USA, 1964.
BREALEY, R. A.; MYERS, S. C. Principles of Corporate Finance 7 ed. Boston: McGrawHill, 2003.
BERG, H. A. Models of intellectual capital valuation: A comparative evaluation.
Knowledge Summit Doctoral Consortium, 2002.
BESSANKO, D. et al. A economia da estratégia. Bookman, 3ª. ed. 2006.
BONTIS, N. Assessing knowledge assets: a review of the models used to measure
intellectual capital. International Journal of Management Reviews, Vol.3, No. 1, 2001.
BOUTEILLER, C. The evaluation of intangibles: Advocating for an option based
approach. 6th. APFA – Alternative Perspectives on Finance and Accounting, 2002.
CAPON, N.; FARLEY, J. U.; HOENING, S. Determinants of financial performance: a
meta-analysis. Management Science, Vol. 36, No. 10, 1990.
CHATZKEL, J. A conversation with Göran Roos. Journal of Intellectual Capital, Vol. 3,
No. 2, pgs. 96-117, 2002.
146
CHEN, M.C.; CHENG, S.J.; HWANG, Y.; An empirical investigation of the relationship
between intellectual capital and firm’s market value and financial performance. Journal
of intellectual capital. Vol.6, No. 2, pgs. 159-176, 2005.
CONNER, K. R. A historical comparison of Resource-Based-Theory and five scholls of
thought within industrial organization economics: Do we have a new theory of the firm
?. Journal of Management, 1991.
COTTRELL, A.; LUCCHETTI, R. Gretl User’s Guide: GNU Regression, Econometrics
and Time-Series. Free Software Foundation, 2006.
DAMODARAN, A. Finanças Corporativas: Teoria e Prática. Bookman, 2a. ed. 2004.
DAVENPORT, T.H.; PRUSAK, L.Conhecimento empresarial: Como as organizações
gerencial seu capital intelectual. Campus, 6ª. Ed. 1998.
DENG, Z.; LEV, B.; NARIN, F. Science and technology as predictors of stock
performance. Financial Analysts Journal, Maio/Junho, 1999.
DRUCKER, P. Post-capitalist society. Harper, 1993.
EDVINSON, L. Longitude corporativa: Navegando pela economia do
conhecimento.M.Books, 2003.
EDVINSON, L.; MALONE, M. S. Intellectual Capital: Realizing your company’s true
value by finding its hidden brainpower. Harper Business, 1997.
FIRER, S.; WILLIAMS, S.M. Intellectual capital and traditional measures of corporate
performance. Journal of intellectual capital, Vol.4, No. 3, pgs. 348-360, 2003.
GRANT, M. R. Toward a knowledge-based theory of the firm. Strategic Management
Journal, 1996.
GREENE, W. H. Econometric analysis. Prentice-Hall, 4a. ed., 2000.
GU, F; LEV, B. Intangible assets: Measurements, drivers and usefulness. Disponível no
site : http://pages.stern.nyu.edu/~blev/intangible-assets.doc (acessado em 05/07/2006), 2001.
GUJARATI, D.; Econometria Básica. Pearson Makron Books, 3 ed., 2000.
HAND, J. (Ed.); LEV, B. (Ed.). Intangible Assets (Oxford Management Readers): Values,
measures and risks. Oxford University Press, 2003.
JENSEN, M.C. Value maximization, stakeholder theory, and the corporate objective
function. European Financial Management, Vol. 7, No. 3, pgs. 297-317, 2001.
JOHANSON, U. Increasing the Transparency of Investments in Intangibles. Disponível
em: <http://www.sveiby.com/Portals/0/articles/OECDartUlfjoh.htm>. Acesso em
05/07/2006. 1996.
147
JUDSON, R. A.; OWEN, A. L. Estimating dynamic panel data models : A practical guide
for macroeconmists. Federal Reserve Board of Governors. Disponível em: <
http://pages.stern.nyu.edu/~wgreene/Econometrics/dynamic-panel-data-models.pdf> . Acesso
em: 13/12/2006. 1996
KANNAN, G.; AULBUR, W.G. Intellectual capital: Measurement effectiveness. Journal
of intellectual capital, Vol.5, No. 3, pgs. 389-413, 2004.
KAYO, E. K. A estrutura de capital e o risco das empresas tangível e intangívelintensivas: uma contribuição ao estudo da valoração de empresas. Tese (Doutorado em
Administração) – Faculdade de Economia Administração e Contabilidade, Universidade de
São Paulo, 2002.
KÖCHE, José C., Fundamentos de metodologia científica, Rio de Janeiro, Vozes, 1997.
KUJANSIVU, P.; LÖNNQVIST, A. The value and efficiency of intellectual capital in
Finnish companies 1st. Workshop on visualizing, measuring and managing intangibles and
intellectual capital. Italy, 2005.
LAKATOS, E. M.; MARCONI, M. A.. Fundamentos de metodologia científica. 3. ed. Sao
Paulo: Atlas, 1991.
LUTHY, D.H. : Intellectual capital and its measurement. disponível no site: http://www3.bus.osakacu.ac.jp/apira98/archives/htmls/25.htm (acessado em 05/07/2006), 1998.
LEV, B. Intangibles: Management, measurement and reporting. Brookings Institution
Press, 2001.
MALHOTRA, N. et al. Pesquisa de Marketing. Porto Alegre: Bookman, 2000.
MALHOTRA, Y. Measuring knowledge assets of a nation: knowledge systems for
development. UNDESA – United Nations Advisory Meeting of the Department of Economic
and Social Affairs, 2002.
MARSHALL, A. Princípios de Economia. Vol. L. SP, Abril Cultura, 2003
MARTIN, D. M. L.; NAKAMURA, W. T.; FORTE, D.; CARVALHO FILHO, A. F.;
COSTA, A. C. F.; AMARAL, A. C. Determinantes de estrutura de capital no mercado
brasileiro: Análise de regressão com painel de dados no período 1999-2003. Anais do V
Encontro Brasileiro de Finanças, São Paulo, 2005.
MARTINS, E. Contribuição à avaliação do ativo intangível. Tese (Doutorado em
Contabilidade) – Faculdade de Economia, Administração e Contabilidade, Universidade de
São Paulo, 1972.
148
MILGROM, P.; ROBERTS, J. Economics, organization, and management. Prentice-Hall,
1992.
NASH, H. Accounting for the future: a disciplined approach to value-added accounting,
disponível no site: http://home.sprintmail.com/~humphreynash/Draft_Proposal.htm (acessado
em 05/07/2006), 1998.
NERDRUM, L.; ERIKSON, T. Intellectual capital: a human capital perspective. Journal
of intellectual capital, Vol.2, No. 2, pgs. 127-135, 2001.
OLIVEIRA, S. L. Tratado de metodologia científica: projetos de pesquisas, tgi, tcc,
monografias, dissertações e teses. São Paulo: Pioneira, 1997.
OMAKI, E. T. Recursos intangíveis e desempenho em grandes empresas brasileiras:
Avaliações dos recursos intangíveis como estimador de medidas de desempenho financeiras.
Anais do XXIX ENANPAD, 2005.
PEREZ, M. M.; FAMÁ, R. Ativos intangíveis e o desempenho empresarial. Revista de
Contabilidade e Finanças da USP, N. 40, Jan./Abr. 2006
PULIC, A. VAICTM an accounting tool for IC management. International journal of
technology management, vol. 20., Nos.5/6/7/8, pgs. 702-714, 2000a.
PULIC, A. MVA and VAICTM analysis of randomly selected companies from FTSE250,
disponível no site: http://www.measuring-ip.at/Papers/ham99txt.htm (acessado em
29/11/2005), 2000b.
RAMANATHAN, R. Introductory econometrics with applications. Harcourt, 4a. ed. 1998.
RIAHI-BELKAOUI, A. Intellectual capital and firm performance of US multinational
firms: A study of the resource-based and stakeholder views. Journal of intellectual capital,
Vol. 4, No.2, pgs.215-226, 2003.
RICHARDSON, R. J. et al. Pesquisa social : métodos e técnicas. 3. ed. rev. e ampl. São
Paulo: Atlas, 1999.
ROOS, J.; ROOS, G.; DRAGONETTI, N.C.; EDVINSON, L.; Intellectual capital:
Navigating the new business landscape. Macmillan Press, 1997.
ROSS, S. A.; WESTERFIELD, R. W.; JAFFE, J. F. Administração Financeira: Corporate
Finance 2 ed. São Paulo: Atlas, 2002.
149
ROSS, G.; BURGMAN, R. J.; BALLOW, J. J.; THOMAS, R. J.; No longer “out of sight,
out of mind”: Intellectual capital approach in AssetEconomics LLP and Accenture Inc.
Journal of intellectual capital, 2005.
STALLWORTH, H. L.; DIGREGORIO, D. W. Developing scorecards to track intangibles.
Journal of accounting and finance research, 2004.
SMITH, A. A Riqueza das Nações. SP, Brasil, Martins Fontes, 2003
SVEIBY, K.E. Methods for measuring intangible assets
http://www.sveiby.com/Portals/0/articles/IntangibleMethods.htm (10/04/06).
STEWART, T. A. Capital intelectual: A nova vantagem competitiva das empresas. Ed.
Campus, 8ª. Ed., 1998.
STEWART, T. A. The Wealth of Knowledge : Intellectual Capital and the Twenty-first
Century Organization. Currency, 2001.
STOCK, J. H.; WATSON, M. W. Econometria. Pearson Education do Brasil, 2004.
TEECE, D.J. Capturing value from knowledge assets: The new economy, markets for
know-how, and intangible assets. California management review, Vol. 40, No. 3, pgs. 5579, 1998.
TEECE, D.J. Managing Intellectual Capital: organizational, strategic and policy
dimensions. Oxford University Press, 2000.
VAN DER ZAHN, M.; TOWER, G.; NEILSON, J. Intellectual capital and the efficiency of
value added: Trends in the Singapore capital market 2000 – 2002. Australia: Poseidon
Books, 2004.
WILLIAMSON, O. E. Strategizing, economizing, and economic organization. Strategic
Management Journal, 1991.
WOOLDRIDGE, J. M. Econometric analysis of cross section and panel data. MIT, 2002.
WOOLDRIDGE, J. M. Introductory econometrics: A modern approach. Thomson, 2ª. ed.,
2003.
YAFFE, R. A primer for panel analysis: artigo científico. Disponível em:
http://www.nyu.edu/its/statistics/Docs/pda.pdf . Acesso em: 06/01/2007.
YOUNG, S.D.; O’BYRNE, S.F. EVA e gestão baseada em valor: guia prático para
implementação. Bookman, 2003.
150
7.
Apêndices
151
Apêndice A – Modelos de regressão, relação das variáveis e
fórmulas de cálculo
ROE = β + β1 CIVit + β2 ICEit + β3 CEit + β 4END_GERALit + β 5CRESC_VENDASit + εit
(1)
ROA = β + β1 CIVit + β2 ICEit + β3 CEit + β 4END_GERALit + β 5CRESC_VENDASit + εit
(2)
ROS = β + β1 CIVit + β2 ICEit + β3 CEit + β 4END_GERALit + β 5CRESC_VENDASit + εit
(3)
Variável
Equação(ões)
Pág.
ROE
Equação 1
31
ROA
Equação 2
31
ROS
Equação 3
31
CIV
Quadro 1
85
ICE
Equação 11, Equação 4, Equação 13,
99, 33, 100, 101,
Equação 14, Equação 15 e Equação 8
97
CE
Equação 4
33
END_GERAL
Equação 5
34
CRESC_VENDAS
Equação 6
34
152
Apêndice B – Heterogeneidade observada em relação aos
estimadores de efeito fixo para o ROE das empresas
ROE - Heterogeneidade (Efeito Fixo)
Cód.
Companhia
2
3
11
15
17
26
28
31
48
59
73
74
76
90
98
99
110
123
130
138
139
145
148
156
158
161
166
167
172
177
178
189
201
204
206
207
208
217
218
226
227
240
243
245
247
252
254
256
269
272
283
289
298
300
313
329
331
332
333
334
336
340
351
355
361
362
366
382
384
388
394
401
402
408
409
419
456
Setor
QUÍMICA E PETROQUÍMICA
ELETROELETRÔNICO
SIDERURGIA E METALURGIA
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SIDERURGIA E METALURGIA
SIDERURGIA E METALURGIA
SERVIÇOS DE TRANSPORTE
COMÉRCIO VAREJISTA
ELETROELETRÔNICO
FARMACÊUTICO, HIGIENE E COSMÉTICOS
CONFECÇÕES E TÊXTEIS
SERVIÇOS PÚBLICOS
SIDERURGIA E METALURGIA
SIDERURGIA E METALURGIA
ALIMENTOS, BEBIDAS E FUMO
TELECOMUNICAÇÕES
ATACADO E COMÉRCIO EXTERIOR
CONSTRUÇÃO
ALIMENTOS, BEBIDAS E FUMO
QUÍMICA E PETROQUÍMICA
COMÉRCIO VAREJISTA
SIDERURGIA E METALURGIA
MATERIAL DE CONSTRUÇÃO
ELETROELETRÔNICO
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
PAPEL E CELULOSE
SERVIÇOS PÚBLICOS
ATACADO E COMÉRCIO EXTERIOR
QUÍMICA E PETROQUÍMICA
SIDERURGIA E METALURGIA
SIDERURGIA E METALURGIA
ATACADO E COMÉRCIO EXTERIOR
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
ATACADO E COMÉRCIO EXTERIOR
CONSTRUÇÃO
COMÉRCIO VAREJISTA
ATACADO E COMÉRCIO EXTERIOR
ATACADO E COMÉRCIO EXTERIOR
ATACADO E COMÉRCIO EXTERIOR
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS DIVERSOS
TELECOMUNICAÇÕES
AUTOMOTIVO
QUÍMICA E PETROQUÍMICA
QUÍMICA E PETROQUÍMICA
COMÉRCIO VAREJISTA
COMÉRCIO VAREJISTA
ATACADO E COMÉRCIO EXTERIOR
COMÉRCIO VAREJISTA
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
MECÂNICA
AUTOMOTIVO
SERVIÇOS PÚBLICOS
ALIMENTOS, BEBIDAS E FUMO
COMÉRCIO VAREJISTA
COMÉRCIO VAREJISTA
ELETROELETRÔNICO
QUÍMICA E PETROQUÍMICA
ALIMENTOS, BEBIDAS E FUMO
SERVIÇOS PÚBLICOS
ELETROELETRÔNICO
SIDERURGIA E METALURGIA
TECNOLOGIA E COMPUTAÇÃO
Fonte: Elaborada pelo autor.
ROE - Heterogeneidade (Efeito Fixo)
α
0.1025
(0.3348)
0.4426
(0.1278)
0.5955
0.0529
(0.1472)
0.0106
0.0107
(0.1031)
0.3139
(0.0523)
(0.1456)
0.1524
0.0846
(0.0651)
(0.2045)
(0.1300)
0.0785
(0.0236)
0.4690
(0.1149)
(0.0058)
(0.0176)
(0.2531)
(0.1256)
(0.0076)
(2.1097)
(0.2074)
(0.0935)
0.0452
(0.0888)
0.2042
0.0609
0.0974
0.2982
0.0037
0.0255
(0.1349)
(0.0139)
(0.0181)
0.0508
(0.1923)
(0.0725)
(0.0491)
(0.1564)
0.0927
(0.0339)
(0.0612)
(0.1337)
0.3646
0.7013
(0.1643)
(0.2987)
0.0653
0.0461
(0.0108)
0.0677
0.0725
(0.0758)
(0.1078)
0.0199
(0.0532)
(0.0852)
0.1026
(0.0326)
(0.0726)
0.0519
(0.2614)
(0.0656)
(0.2975)
0.0076
(0.0650)
(0.0631)
(0.1396)
0.0378
0.1337
Cód.
Companhia
464
467
470
472
479
514
519
520
524
527
529
532
537
540
542
543
548
555
558
573
581
584
592
594
619
631
632
633
635
636
644
653
664
678
683
688
690
707
710
711
713
719
738
739
751
753
758
771
773
775
779
795
805
808
812
823
830
839
842
843
853
854
872
885
886
887
892
903
905
907
911
914
915
919
923
927
932
Setor
SERVIÇOS PÚBLICOS
COMÉRCIO VAREJISTA
SERVIÇOS DIVERSOS
PAPEL E CELULOSE
ATACADO E COMÉRCIO EXTERIOR
ATACADO E COMÉRCIO EXTERIOR
ELETROELETRÔNICO
TECNOLOGIA E COMPUTAÇÃO
SERVIÇOS PÚBLICOS
COMÉRCIO VAREJISTA
COMÉRCIO VAREJISTA
COMÉRCIO VAREJISTA
ELETROELETRÔNICO
COMÉRCIO VAREJISTA
AUTOMOTIVO
ATACADO E COMÉRCIO EXTERIOR
AUTOMOTIVO
MINERAÇÃO
SERVIÇOS DIVERSOS
AUTOMOTIVO
MINERAÇÃO
ELETROELETRÔNICO
ALIMENTOS, BEBIDAS E FUMO
MINERAÇÃO
QUÍMICA E PETROQUÍMICA
ALIMENTOS, BEBIDAS E FUMO
QUÍMICA E PETROQUÍMICA
ATACADO E COMÉRCIO EXTERIOR
ATACADO E COMÉRCIO EXTERIOR
QUÍMICA E PETROQUÍMICA
PLÁSTICOS E BORRACHA
QUÍMICA E PETROQUÍMICA
SERVIÇOS DE TRANSPORTE
QUÍMICA E PETROQUÍMICA
COMÉRCIO VAREJISTA
SERVIÇOS PÚBLICOS
PAPEL E CELULOSE
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
MATERIAL DE CONSTRUÇÃO
MINERAÇÃO
SERVIÇOS PÚBLICOS
SIDERURGIA E METALURGIA
COMUNICAÇÕES
ALIMENTOS, BEBIDAS E FUMO
ELETROELETRÔNICO
TECNOLOGIA E COMPUTAÇÃO
QUÍMICA E PETROQUÍMICA
COMÉRCIO VAREJISTA
ALIMENTOS, BEBIDAS E FUMO
ELETROELETRÔNICO
SERVIÇOS DE TRANSPORTE
TELECOMUNICAÇÕES
TELECOMUNICAÇÕES
TELECOMUNICAÇÕES
SIDERURGIA E METALURGIA
MATERIAL DE CONSTRUÇÃO
SERVIÇOS PÚBLICOS
SERVIÇOS PÚBLICOS
SERVIÇOS DE TRANSPORTE
QUÍMICA E PETROQUÍMICA
SERVIÇOS PÚBLICOS
SIDERURGIA E METALURGIA
SIDERURGIA E METALURGIA
MINERAÇÃO
SIDERURGIA E METALURGIA
PAPEL E CELULOSE
SIDERURGIA E METALURGIA
PLÁSTICOS E BORRACHA
SERVIÇOS DIVERSOS
TELECOMUNICAÇÕES
TELECOMUNICAÇÕES
TELECOMUNICAÇÕES
TELECOMUNICAÇÕES
ALIMENTOS, BEBIDAS E FUMO
MECÂNICA
SIDERURGIA E METALURGIA
α
0.0720
(0.0653)
0.3208
0.1332
(0.0478)
(0.1278)
0.3198
(0.0511)
0.0743
0.0581
(0.2464)
(0.1334)
(0.0432)
(0.1451)
(0.0024)
(0.0251)
(0.0814)
0.4329
0.4940
(0.0559)
0.1938
(0.2246)
(0.0449)
(0.0797)
0.0078
(0.0340)
(0.0415)
(0.0446)
0.0470
(0.1122)
(0.0408)
(0.0573)
(0.1615)
0.1500
(0.0643)
(0.1970)
0.0397
(0.0770)
(0.1614)
0.0133
0.4642
(0.0015)
0.0943
(0.1932)
(0.0595)
(0.0373)
(0.0179)
(0.0500)
0.0829
0.1286
(0.1352)
(0.2445)
(0.0729)
(0.1497)
0.0198
0.0359
0.0023
(0.0186)
0.0163
0.0480
0.0890
0.0160
0.1406
0.3623
0.0607
0.0532
0.0148
0.1357
(0.0614)
0.4983
0.0279
(0.0577)
(0.0962)
(0.0659)
0.0071
0.1884
0.0495
153
Apêndice C – Resultados das análises dos modelos dinâmicos de
dados em painel
ROE
Modelo Dinâmico
GMM (Arellano-Bond)
DROE(-1)
-0.104361 ***
DCIV_K
0.00515923 **
DICE
0.00285846 ***
DCE_K
-0.00472685
DEND_GERAL
0.188471 **
DCRESC_VENDAS
0.000472881
DCIV_K(-1)
0.00184772 ***
DICE(-1)
0.00361605
DCE_K(-1)
-0.00263859
DEND_GERAL(-1)
0.404539 *
DCRESC_VENDAS(-1)
-0.0000999701
Constant
-0.0149858
T2003
0.0229491
T2004
0.00383329
T2005
0.0722662 *
W(j)
799.4 *
m2
-1.765
Sargan
209.5 *
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
ROA
Modelo Dinâmico
GMM (Arellano-Bond)
DROE(-1)
-0.00861332
DCIV_K
0.00211823 ***
DICE
0.00137455 *
DCE_K
-0.00131534
DEND_GERAL
-0.128959 *
DCRESC_VENDAS
0.000463621 **
DCIV_K(-1)
0.000775662 ***
DICE(-1)
-0.000336078
DCE_K(-1)
-0.00075827
DEND_GERAL(-1)
0.181583 *
DCRESC_VENDAS(-1)
0.0002278430
Constant
-0.00635427
T2003
0.0229194 *
T2004
-0.00119199
T2005
0.0249527 *
W(j)
154.2 *
m2
-0.9012
Sargan
202.5 *
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.
154
ROS
Modelo Dinâmico
GMM (Arellano-Bond)
DROE(-1)
-0.0946173
DCIV_K
0.00344599
DICE
0.000460571
DCE_K
0.0108179 *
DEND_GERAL
-0.14973 *
DCRESC_VENDAS
8.59275E-05
DCIV_K(-1)
0.00214098 **
DICE(-1)
0.00128969
DCE_K(-1)
-0.0117639 *
DEND_GERAL(-1)
0.202139 *
DCRESC_VENDAS(-1)
0.0001130360
Constant
0.00144252
T2003
0.0123693
T2004
-0.0147925 ***
T2005
0.00468478
W(j)
177.4 *
m2
0.5711
Sargan
204.0 *
* significante a 1%, ** significante a 5%, *** significante a 10%
Fonte: Elaborada pelo autor.