Os dados analisados nesta pesquisa possuem dimensão transversal e temporal, uma vez que formam uma amostra de empresas (i = 1, 2, ..., N), observadas ao logo do tempo (t = 1, 2, ..., T). Denomina-se esse tipo de conjunto de dados como “dados em painel”.
De acordo com Wooldridge (2007, p. 429), o uso de dados em painel é útil quando se quer controlar características não observadas constantes no tempo (e.g de firmas) que podem estar correlacionadas com as variáveis explicativas do modelo de interesse.
Apesar dessa vantagem, comparativamente ao uso de dados do tipo “seção ou corte transversal”, Barros et al. (2010) alertam que o uso de dados em painel, classificados como estimadores de Efeitos Aleatórios ou de Efeitos Fixos, não é garantia de que a condição de exogeneidade dos regressores seja devidamente observada.
10 Ver Figura 2 da seção 2.4.
11 Isso não significa que não possa ocorrer um problema de simultaneidade entre essas variáveis (relação contrária). Para mitigar esse e outros problemas, devem-se tomar alguns cuidados econométricos, conforme explicitado na seção 3.5.
A condição de exogeneidade é fundamental, pois estabelece que não deva existir correlação entre as variáveis explicativas e o termo de erro aleatório do modelo empírico especificado. Conforme ressalta Barros et al. (2010, p. 3), “De todos os pressupostos necessários para que uma análise de regressão resulte em inferências adequadas sobre relações de causalidade entre variáveis, o mais delicado deles é o ‘pressuposto da exogeneidade dos regressores’ ”.
Idealmente, os regressores devem ser todos exógenos. Entretanto, caso a condição de exogeneidade não seja observada, tem-se um problema de endogeneidade nas variáveis. Segundo Wooldridge (2002, p. 50-51), as três principais causas da endogeneidade são: variáveis omitidas, erros de mensuração e simultaneidade. Conforme descrito anteriormente, a relação estudada entre qualidade da informação contábil e governança corporativa sofre claramente de um problema endógeno, especificamente de simultaneidade.
As formas descritas por Köke e Börsch-Supan (2000), Silveira (2006), Larcker e Rusticus (2010), Barros et al. (2010) e Silveira (2010) para controlar esses problemas são: uso de variáveis instrumentais, utilização de dados em painel pelo procedimento de Efeitos Fixos e, principalmente, a estimação pelo método dos momentos generalizados dinâmicos (Generalized Method of Moments – GMM), denominado GMM Sistêmico ou GMM-Sis. Como na prática, é muito difícil encontrar uma variável instrumental que seja ao mesmo tempo correlacionada com a variável independente e não correlacionada com o termo de erro aleatório do modelo, a forma mais adequada para tratar o problema da simultaneidade compreende a estimação das regressões pelo GMM Sistêmico, desenvolvido por Arellano e Bover (1995) e Blundell e Bond (1998).
O GMM Sistêmico, por meio de um sistema de equações, cria instrumentos sequencialmente exógenos a partir dos regressores originais. As primeiras diferenças defasadas das séries são utilizadas como instrumentos nas equações em níveis e os níveis defasados das séries são utilizados como instrumentos nas equações em primeiras diferenças. Além disso, inclui-se, entre os regressores, uma ou mais defasagens da variável dependente para capturar o comportamento inercial (i.e. influência de valores passados em valores contemporâneos) da variável resposta. Por fim, o método também permite a identificação a priori das variáveis endógenas, cujas defasagens apropriadas são utilizadas como instrumentos do modelo.
Portanto, para testar a hipótese da pesquisa, formulou-se a equação 3.2, cujos parâmetros são estimados pelo GMM Sistêmico.
it J j SETOR j LEI 9 it 8 it 7 it 6 it 5 it 4 it 3 it 2 1 - t i, 1 it D D VDIR TANG ROA PBV END TAM IGOV IQIC IQIC
ε
ϕ
α
+ + + + + + + + + + + = − (3.2)Em que, IQICité o Índice de Qualidade da Informação Contábil12 para a empresa i no ano t.
De acordo com a especificação dinâmica do método GMM, a variável dependente defasada em um período (IQICi,t-1) foi incluída entre os regressores para capturar o comportamento
inercial da variável resposta. Isso significa que a qualidade da informação contábil também pode ser influenciada pelos seus valores passados. IGOVit é o Índice de Governança
Corporativa13 para a empresa i no ano t, os demais regressores compreendem as variáveis de controle para a firma i no ano t e são características observáveis da empresa que também podem influenciar o IQICit como o tamanho (TAM), o endividamento (END), o preço/valor
patrimonial da ação (PBV), a rentabilidade (ROA), a tangibilidade dos ativos (TANG) e o direito de controle dos três maiores acionistas (3VDIR). DLEI compreende a dummy de tempo
para capturar os efeitos das mudanças contábeis promovidas pela Lei 11.638/07 e a DSETOR são as variáveis binárias setoriais,
ε
it é o termo de erro da firma i no tempo t.As seguintes variáveis foram consideradas endógenas no modelo acima: variáveis de governança corporativa (IGOV, N2NM, IGOV14 e cada dimensão do IGOV) e o preço-valor patrimonial da ação (PBV), uma vez que ambas podem influenciar a qualidade da informação contábil, ao mesmo tempo em que também podem ser influenciados pela última.
Baseando-se na fundamentação teórica adotada para construção da hipótese de pesquisa, o principal coeficiente de interesse do modelo 3.2 é o
β
; espera-se que o mesmo seja positivo e significante estatisticamente. Conforme constatado recentemente por Dechow et al. (2010), ainda não existe um consenso sobre o sinal esperado para os coeficientes das demais variáveis de controle. Apesar dessa limitação, espera-se que oβ
também seja positivo e significante.12 A descrição da metodologia empregada para construção do IQIC consta da seção 3.3.1.
13 Como testes de robustez, a equação 3.2 também será estimada considerando as seguintes medidas alternativas ao IGOV: níveis diferenciados de governança corporativa da BMF&Bovespa (N2NM); IGOV sem a dimensão “divulgação” (IGOV14); e cada dimensão individual do IGOV, conforme definido na seção 3.3.2.
Por fim, conforme ressaltado por Barros (2005), Marcondes (2009), Brito (2010) e Barros et al. (2010), devem-se aplicar os seguintes procedimentos para verificar a validade dos pressupostos do estimador GMM Sistêmico:
− Testes de raiz unitária: para verificar a condição de não correlação das primeiras diferenças defasadas dos regressores com os erros e os efeitos específicos. Se o processo estocástico gerador dos dados dos regressores for estacionário, a condição de não correlação estará assegurada.
− Testes de autocorrelação de primeira e de segunda ordens: para verificar se os erros não são autocorrelacionados. Essa suposição é válida se a estatística de autocorrelação de primeira ordem (m1) for negativa e significante, e a estatística de segunda ordem (m2) for não significante.
− Testes de restrições de sobre-identificação de Hansen/Sargan (J): para verificar a condição de exogeneidade dos instrumentos. Espera-se que a hipótese nula da validade conjunta dos instrumentos utilizados não seja rejeitada.
− Teste de diferença de Hansen/Sargan (Diferença em Sargan): para verificar a validade das suposições adicionais adotadas pelo GMM Sistêmico em relação ao GMM em diferenças (estático). Espera-se que a hipótese nula do teste também não seja rejeitada.