Beruflich Dokumente
Kultur Dokumente
E-ISSN: 1807-734X
bbronline@bbronline.com.br
FUCAPE Business School
Brasil
v.10, n.1
Vitria-ES, jan.-. mar. 2013
p. 131 - 156 ISSN 1807-734X
RESUMO
A utilizao de modelos que envolvam dados longitudinais em contabilidade e finanas tem
sido recorrente. No entanto verifica-se uma falta de cuidado quanto aos critrios para a adoo
de um modelo em detrimento de outro, bem como a ausncia de uma discusso mais
detalhada sobre os possveis estimadores a serem estudados em cada situao. Este artigo tem
por objetivo apresentar, de forma conceitual e aplicada, os principais estimadores de dados em
painel que podem ser utilizados nessas reas do conhecimento, bem como auxiliar na
definio do modelo mais consistente a ser adotado, em funo das caractersticas dos dados.
Para um painel curto, so discutidos os modelos POLS com erros-padro robustos
clusterizados, com estimador between, efeitos fixos, efeitos fixos com erros-padro robustos
clusterizados, efeitos aleatrios e efeitos aleatrios com erros-padro robustos clusterizados.
J para um painel longo, so discutidos os modelos com efeitos fixos, efeitos aleatrios,
efeitos fixos com termos de erro AR(1), efeitos aleatrios com termos de erro AR(1), POLS
com erros AR(1) e Pooled FGLS com erros AR(1). Este artigo tambm tem por propsito
aplicar tais modelos em um caso real, com base nos dados da Compustat Global. Ao final, so
apresentadas as principais rotinas para a aplicao de cada um dos modelos em Stata.
Palavras-Chave: Dados em painel; contabilidade; finanas; mtodo de estimao.
Este trabalho foi licenciado com uma Licena Creative Commons - Atribuio 3.0 No Adaptada.
.
131
132
Fvero
1 INTRODUO
cada vez mais crescente e importante a utilizao de modelos que envolvam
dados provenientes de vrias cross-sections ao longo do tempo (dados em
www.bbronline.com.br
133
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
www.bbronline.com.br
134
Fvero
y it = 0i + x' it 1 + it
(1)
www.bbronline.com.br
135
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
1
2
i t (x it x i + x )
i Ti 1
1
2
i (x i x )
N 1
1
2
i t (x it x )
i Ti 1
(y it y i ) = (x it - x i )' 1 + ( it i )
(2)
1
Em que x i = Ti t =1 x it e o estimador within o estimador OLS (ordinary least
Ti
squares) desse modelo. De acordo com Cameron & Trivedi (2009), pelo fato de 0i ter sido
BBR, Vitria, v. 10, n. 1, Art. 6, p. 131 - 156, jan.-mar. 2013
www.bbronline.com.br
136
Fvero
y i = 0 + x'i 1 + ( 0i - 0 + i )
(3)
y it = x' it 1 + ( 0i + it )
(4)
2
2
Com 0i ~ (0, ) e it ~ (0, ). Desta forma, o termo de erro it = 0i + it is
(5)
(y it i y i ) = (1 i ) 0 + (x it - i x i )' 1 + {(1 i ) 0i + ( it i i )}
www.bbronline.com.br
(6)
137
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
i = 1 2 /(Ti 2 + 2 )
(7)
squares), que assume que os regressores sejam exgenos e que o termo de erro seja it, em
vez da decomposio i + it. Portanto:
y it = 0 + x' it 1 + it
(8)
www.bbronline.com.br
138
Fvero
Os parmetros desse modelo so estimados por meio de OLS, mas a inferncia requer
que haja controle da correlao within do erro it para um dado indivduo, a ser elaborado
utilizando-se erros-padro robustos com agrupamento no nvel do indivduo.
y it = 0i + t + x' it 1 + it
(9)
de modo a haver muitos efeitos de tempo yt (efeitos mensais, trimestrais ou anuais, por
exemplo). Um modelo pooled, para T > N, em que os regressores xit contemplam o intercepto,
o efeito temporal e, possivelmente, um vetor de variveis de indivduo, pode ser escrito como:
y it = x' it 1 + it
(10)
it = i i, t -1 + it
(11)
y it = 0i + x' it 1 + it
(12)
Logo, segundo Cameron & Trivedi (2009), esse modelo, potencialmente, gerar
estimativas dos parmetros mais eficientes. Nesse caso, dada a estimativa de na equao
(11), primeiramente, elimina-se o efeito do erro AR(1) e, na sequncia, elimina-se o efeito
BBR, Vitria, v. 10, n. 1, Art. 6, p. 131 - 156, jan.-mar. 2013
www.bbronline.com.br
139
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
Descrio
y it = 0 + x' it 1 + it
POLS com Erros-Padro Robustos Clusterizados
y i = 0 + x ' i 1 + ( 0i - 0 + i )
O estimador between somente utiliza a variao
Modelo com Estimador Between
y it = 0i + x' it 1 + it
Efeitos Fixos
y it = 0i + x' it 1 + it
Os termos 0i podem ser correlacionados com os
Efeitos Fixos com Erros-Padro Robustos
Clusterizados
www.bbronline.com.br
140
Fvero
y it = x' it 1 + ( 0i + it )
Os
Efeitos Aleatrios
parmetros
idiossincrtico
0i
it
so
os
termos
de
erro
independentes
corr( it , is ) = 2 /( 2 + 2 ) .
y it = x' it 1 + ( 0i + it )
Se no houver efeitos fixos, mas os erros
Efeitos Aleatrios com Erros-Padro Robustos
Clusterizados
erros-padro
robustos
clusterizados
y it = 0i + x' it 1 + it
Efeitos Fixos com Termos de Erro AR(1)
Com
it = i i, t -1 + it . Considera-se 0i como
y it = 0i + x' it 1 + it
Efeitos Aleatrios com Termos de Erro AR(1)
Com
it = i i, t -1 + it . Considera-se 0i como
y it = 0i + t + x' it 1 + it
it = i i, t -1 + it , em que os it so
Com
Erro AR(1)
serialmente
no
correlacionados,
mas
com
y it = 0i + t + x' it 1 + it
Pooled com Mtodo de Estimao FGLS e Termos de
Erro AR(1)
3 UMA APLICAO
www.bbronline.com.br
141
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
Aps uma discusso acerca dos principais estimadores de dados em painel, apresenta-se
uma aplicao em contabilidade financeira.
Como muitos dos dados contbeis e financeiros apresentam periodicidade de divulgao
mensal, trimestral ou anual, comum que os estudos nessas reas utilizem modelos de dados
em painel curto, j que o nmero de indivduos (empresas, por exemplo), ultrapassa o nmero
de perodos de divulgao dos dados. Por outro lado, nada impede que o pesquisador baseie
seu estudo numa amostra de empresas de apenas um determinado setor, ou utilize dados com
frequncia de divulgao maior (diria, por exemplo), o que poderia ocasionar uma
modelagem com dados em painel longo. De qualquer maneira, fundamental que a
identificao dessa caracterstica da base de dados seja feita de forma anterior modelagem
propriamente dita. No presente artigo, sero utilizadas duas bases de dados, sendo a primeira
em painel curto e a segunda em painel longo.
Inicialmente, uma base da Compustat Global contendo dados sobre a rentabilidade de
aes de 473 companhias provenientes de 7 pases da Amrica Latina (Argentina, Brasil,
Chile, Colmbia, Mxico, Peru e Venezuela), ao longo de 118 meses (1998-2007),
totalizando 28.257 observaes, ser utilizada para o estudo de um painel curto. Na sequncia,
um estrato da base anterior, sorteado aleatoriamente, ser utilizado, com dados de apenas 40
empresas, tambm no perodo de 118 meses, totalizando 4.720 observaes, com vistas ao
estudo do painel longo.
No perodo analisado, muitas companhias apresentaram taxas de crescimento
expressivas nos preos das aes em um ou mais meses. Foram considerados, portanto,
apenas retornos mensais inferiores a 100%. Por meio do grfico 1, possvel verificar que
esses retornos apresentam comportamentos similares ao longo do tempo, ainda que existam
diferenas nas mdias e nas inclinaes entre sries individuais.
www.bbronline.com.br
142
Fvero
Grfico 1: Evoluo dos Retornos Mensais dos Preos das Aes na Amrica Latina
Grfico 2: Desvios dos Retornos Mensais em Relao Mdia de Cada Empresa ao Longo do
Tempo (Within Variation)
BBR, Vitria, v. 10, n. 1, Art. 6, p. 131 - 156, jan.-mar. 2013
www.bbronline.com.br
143
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
Grfico 3: Desvios dos Retornos Mensais em Relao Mdia Geral para Cada Instante de Tempo
(Between Variation)
(13)
www.bbronline.com.br
144
Fvero
Decomposio
Mdia
Desvio-Padro
Mnimo
Mximo
Observaes
geral
N.T = 28.257
id (empresa)
between
N = 473
within
0,000
geral
35,492
1,000
118,000
between
33,315
1,500
118,000
within
26,489
-5,398
145,188
geral
0,141
-0,999
1,000
0,036
-0,134
0,414
within
0,139
-0,986
1,027
geral
246,040
-19.841,38
10.594,7
212,442
-2.168,16
3.363,81
within
221,678
-17.665,97
7.238,13
geral
212,550
-5.790,53
12.251,82
228,033
-2.872,58
3.889,48
176,068
-4.521,99
8.375,30
N.T = 28.257
t (ms)
N = 473
N.T = 28.257
var_y (retorno)
between
0,013
N = 473
N.T = 20.224
var_x1 (pcf)
between
7,246
N = 361
N.T = 27.816
var_x2 (pe)
between
12,965
N = 463
within
www.bbronline.com.br
145
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
respectivamente, os valores mnimos e mximos de xit para a linha geral, x i para a linha
between e (x it x i + x ) para a linha within.
A tabela 2 apresenta os resultados dos modelos considerando 6 diferentes estimadores.
Tabela 2: Modelos de Dados em Painel Curto
Efeitos
Fixos
Efeitos Fixos
com ErrosPadro
Robustos
Clusterizados
Efeitos
Aleatrios
Efeitos
Aleatrios com
Erros-Padro
Robustos
Clusterizados
1,24x10-5
2,15x10-5*
2,15x10-5*
1,68x10-5*
1,68x10-5*
(5,93x10-6)
(1,32x10-5)
(4,96x10-6)
(5,74x10-6)
(4,62x10-6)
(5,19x10-6)
-1,09x10-5
-5,59x10-7
-1,28x10-5
-1,28x10-5
-1,16x10-5
-1,16x10-5
(6,19x10-6)
(1,1x10-5)
(6,05x10-6)
(5,16x10-6)
(5,13x10-6)
(4,54x10-6)
0,013*
0,009*
0,013*
0,013*
0,011*
0,011*
(1,04x10-3)
(2,11x10-3)
(1,03x10-3)
(5,23x10-5)
(1,59x10-3)
(1,17x10-3)
N.T
20.224
20.224
20.224
20.224
20.224
20.224
6,0x10-4
R (geral)
4,0x10-4
6,0x10-4
6,0x10-4
6,0x10-4
6,0x10-4
R (between)
3,1x10-4
1,0x10-3
1,0x10-3
1,0x10-3
1,0x10-3
R (within)
8,0x10-4
2,1x10-3
2,1x10-3
1,5x10-3
1,5x10-3
Wald
14,06
10,83
sig.
0,001
0,004
Varivel
POLS com
Erros-Padro
Robustos
Clusterizados
Estimador
Between
1,52x10-5*
pcf
pe
constante
5,12
0,73
9,57
7,10
sig. F
0,006
0,483
0,000
0,001
www.bbronline.com.br
146
Fvero
within em todos os modelos em que essa estatstica calculada. Tendo-se por base as
expresses de cada uma das estatsticas R2
R2 geral: 2 {(y it y i ), (x'it x'i )}
R2 between: 2 (y i , x' i )
R2 within: 2 (y it , x'it )
Em que 2(x,y) representa correlao quadrtica entre x e y. Nota-se que os estimadores
within explicam melhor a variao within em todos os modelos, mesmo aqueles com efeitos
aleatrios.
Nota-se ainda que a varivel pe no estatisticamente significante (sig. > 0,05) nos
modelos apresentados, na presena da varivel pcf. Esta ltima, com exceo do modelo com
estimador between, significante para explicar o comportamento dos retornos dos preos das
aes (sig. < 0,05), confirmando o argumento de alguns analistas em favor do uso dessa
varivel.
Com relao varivel pcf, verifica-se que os erros-padro nos modelos de efeitos fixos
e efeitos aleatrios com erros-padro robustos clusterizados so maiores do que os respectivos
modelos sem esta considerao. Os regressores estimados nos modelos POLS e between
oferecem erros-padro ainda maiores, mesmo com a varivel pcf sendo estatisticamente
significante (sig. < 0,05) no modelo POLS.
O Teste LM de Breusch-Pagan, aplicado aps a modelagem de efeitos aleatrios, auxilia
na rejeio da hiptese nula de que h adequao do modelo POLS em relao ao modelo de
efeitos aleatrios, j que 2 = 70,7 (sig. 2 = 0,000). Na sequncia, por meio do teste F de
Chow, a hiptese nula de que h igualdade de interceptos e inclinaes para todas as
companhias (POLS) rejeitada. Portanto, esses parmetros diferem daqueles obtidos por meio
do modelos de efeitos fixos, j que F = 2,34 (sig. F = 0,000). Finalmente, o teste de Hausman
para efeitos fixos auxilia na rejeio da hiptese nula de que o modelo de efeitos aleatrios
oferece estimativas dos parmetros mais consistentes, j que, para este caso, 2 = 17,07 (sig.
2 = 0,000).
www.bbronline.com.br
147
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
pcf
constante
Argentina
-1,97x10-5
0,006
Brasil
-1,63x10-5
0,018
Chile
2,08 x10-5
0,007
Colmbia
9,07x10-6
0,015
Mxico
-2,66x10-5
0,007
Peru
8,75x10-5
0,016
Venezuela
1,32x10-4
0,010
Embora a razo preo-fluxo de caixa seja mais significante para explicar os retornos dos
preos de aes nos pases da Amrica Latina, a tabela 3 revela a existncia de diferentes
influncias. Os diferentes coeficientes e sinais da varivel pcf e da constante expressam a
importncia de se considerar a modelagem de dados em painel e propiciam a formulao de
pesquisas futuras sobre as razes econmicas pelas quais os pases apresentam diferentes
comportamentos nos preos das aes de suas companhias ao longo do tempo.
www.bbronline.com.br
148
Fvero
Decomposio
Mdia
Desvio-Padro
Mnimo
Mximo
Observaes
geral
N.T = 4.720
id (empresa)
between
N = 40
within
0,000
geral
34,066
1,000
118,000
between
0,000
60,500
60,500
within
34,066
1,000
118,000
geral
0,144
-0,662
0,899
0,005
0,005
0,022
within
0,144
-0,656
0,896
geral
22,261
-264,68
107,37
5,106
-3,262
10,906
within
21,682
-270,274
101,776
geral
66,362
-536,13
735,86
12,089
1,365
40,972
65,279
-537,894
734,095
N.T = 4.720
t (ms)
N = 40
N.T = 4.720
var_y (retorno)
between
0,012
N = 40
N.T = 4.720
var_x1 (pcf)
between
5,312
N = 40
N.T = 4.720
var_x2 (pe)
between
14,488
N = 40
within
www.bbronline.com.br
149
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
Varivel
Efeitos Fixos
Efeitos
Aleatrios
Efeitos
Fixos com
Erros
AR(1)
Efeitos
Aleatrios
com Erros
AR(1)
Pooled OLS
com Erros
AR(1)
Pooled
FGLS com
Erros AR(1)
-5,68x10-5
-7,55x10-5
-5,77x10-5
-6,49x10-5
-7,13x10-5
-1,49x10-4
(9,74x10-5)
(9,45x10-5)
(4,32x10-5)
(4,88x10-5)
(2,36x10-4)
(1,97x10-4)
-8,42x10-5*
-9,11x10-5*
-7,88x10-5*
-8,58x10-5*
-8,90x10-5
-8,63x10-5
(3,24x10-5)
(3,17x10-5)
(1,70x10-5)
(2,32x10-5)
(6,90x10-5)
(6,07x10-5)
0,014*
0,014*
0,013*
0,014*
0,014
0,013
(2,23x10-3)
(2,22x10-3)
(2,20x10-3)
(2,21x10-3)
(8,22x10-3)
(7,24x10-3)
4.720
4.720
4.680
4.720
4.720
4.720
pcf
pe
constante
N.T
1,8x10-3
R
R (geral)
R (between)
R (within)
1,9x10-3
1,9x10-3
1,9x10-3
1,9x10-3
0,494
0,504
0,462
0,499
1,5x10-3
1,5x10-3
1,2x10-3
1,5x10-3
3,59
2,88
sig. F
0,027
0,050
Wald
9,00
7,87
1,72
2,57
sig.
0,011
0,048
0,422
0,276
pooled com estimadores OLS e FGLS em comparao com aqueles obtidos, anteriormente,
por meio dos modelos de efeitos fixos e aleatrios com termos de erro AR(1).
Em relao adequao dos modelos propriamente ditos, nota-se a significncia
estatstica do conjunto de variveis nos casos em que foram considerados efeitos fixos ou
BBR, Vitria, v. 10, n. 1, Art. 6, p. 131 - 156, jan.-mar. 2013
www.bbronline.com.br
150
Fvero
aleatrios, com ou sem termos de erro AR(1). Como apresentado quando da elaborao dos
modelos para o painel curto, embora haja relativa importncia das estatsticas R2 para efeitos
de predio, seus valores no so consideravelmente elevados nos modelos em anlise.
Os modelos de efeitos fixos e aleatrios oferecem uma alternativa, para dados em painel
longo, em que so considerados os efeitos individuais com termos de erro AR(1), e
representam melhores modelos do que aqueles que consideram os termos de erro i.i.d., o que
poder gerar estimativas dos parmetros mais eficientes. De fato, os modelos de efeitos fixos
e aleatrios com termos de erro AR(1) apresentam erros-padro da ordem de 30% a 50%
menores do que aqueles obtidos pelos respectivos modelos sem a considerao de termos de
erro AR(1).
O teste de Hausman aplicado aos modelos de efeitos fixos e aleatrios com termos de
erro AR(1) auxilia na rejeio da hiptese nula de que o modelo com efeitos aleatrios
oferece estimativas consistentes dos parmetros, j que, nesse caso, 2 = 10,50 (sig. 2 =
0,005).
Por fim, importante mencionar que, nesse caso, os resultados parecem estar
contrariando aqueles obtidos para o painel curto, ou seja, a varivel pcf no estatisticamente
significante (sig. > 0,05) na presena da varivel pe, que se apresenta com sinal negativo.
Porm, como as empresas consideradas neste caso so provenientes apenas de Argentina,
Brasil e Mxico, uma investigao mais detalhada sobre as razes econmicas subjacentes a
esse fenmeno precisa ser elaborada. Como os sinais negativos dos parmetros dos
regressores esto condizentes com aqueles apresentados na tabela 3 para os referidos pases,
ressalta-se ainda mais a importncia da aplicao correta dos modelos em painel para o estudo
das diferenas existentes entre indivduos e ao longo do tempo para um determinado
fenmeno.
4 CONCLUSES E RECOMENDAES
Modelos de dados em painel possibilitam que o pesquisador avalie a relao entre
alguma varivel de desempenho e diversas variveis preditivas, permitindo que se elaborem
inferncias sobre as eventuais diferenas entre indivduos e ao longo do tempo sobre a
evoluo daquilo que se pretende estudar. Dadas as suas caractersticas, natural que muitas
pesquisas em contabilidade e finanas venham a fazer uso de tais modelos, uma vez que
muitos dados so publicados com determinada periodicidade para empresas, municpios,
estados ou pases.
www.bbronline.com.br
151
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
Para tanto, necessrio, assim como para qualquer outra tcnica economtrica, que a
aplicao venha acompanhada de rigor metodolgico e de certos cuidados quando da anlise
dos resultados, principalmente se estes tiverem como objetivo a elaborao de previses. A
adoo de determinado estimador, em detrimento de outro considerado viesado ou
inconsistente, pode auxiliar o pesquisador na escolha do melhor modelo, valorizando a sua
pesquisa e propiciando novos estudos sobre o tema escolhido.
No presente artigo, procurou-se elaborar seis diferentes modelos para um especfico
painel curto, e outros seis para um painel longo. Os dados, em ambos os casos, foram
provenientes da Compustat Global. Segundo Makino, Isobe e Chan (2004), trabalhos prvios
tm utilizado modelagens longitudinais para se estudar a variabilidade de variveis de
desempenho entre firmas ou pases ao longo do tempo, com pesquisas empricas
desenvolvidas em diversas reas do conhecimento. Porm no comum que se encontrem
estudos aplicados a mercados de aes, considerando diferenas entre economias emergentes.
A anlise da contribuio da razo preo-fluxo de caixa e da razo preo-lucro por ao
sobre os retornos mensais de aes de pases emergentes possibilita que seja incrementada a
discusso sobre como diferem os comportamentos dos mercados em pases considerados
emergentes. Porm essa abordagem foi adotada apenas como exemplo dentro de um objetivo
maior, que foi o de apresentar como os diferentes estimadores podem gerar resultados
inconsistentes, quando da elaborao de modelos de dados em painel, e o de auxiliar o
pesquisador para a escolha do modelo mais adequado, tanto no caso de um painel curto,
quanto no de um painel longo.
O presente artigo pretende contribuir apenas com uma parte das inmeras pesquisas que
podem surgir. Modelos cujas variveis de desempenho estejam apresentadas na forma de
REFERNCIAS
AHN, S. C.; SCHMIDT, P. Efficient estimation of dynamic panel data models: alternative
assumptions and simplified estimation. Journal of Econometrics, v. 76, n. 1-2, p. 309-321,
1997.
www.bbronline.com.br
152
Fvero
www.bbronline.com.br
153
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
FREES, E. W. Longitudinal and panel data: analysis and applications in the social sciences.
Cambridge: Cambridge University Press, 2004.
GREENE, W. H. Econometric analysis. 6. ed. Upper Saddle River: Prentice Hall, 2007.
HOECHLE, D. Robust standard errors for panel regressions with cross-sectional dependence.
Stata Journal, v. 7, n. 3, p. 281-312, 2007.
HOLTZ-EAKIN, D.; NEWEY, W.; ROSEN, H. S. Estimating vector auto regressions with
panel data. Econometrica, v. 56, n. 6, p. 1371-1395, 1988.
HSIAO, C. Analysis of panel data. 2. ed. Cambridge: Cambridge University Press, 2003.
ISLAM, N. Growth empirics: a panel data approach. The Quarterly Journal of Economics,
v. 110, n. 4, p. 1127-1170, 1995.
JONES, D. C.; KALMI, P.; MKINEN, M. The productivity effects of stock option schemes:
evidence from Finnish panel data. Journal of Productivity Analysis, v. 33, n. 1, p. 67-80,
2010.
KENNON, J. Price to cash flow ratio. Disponvel em:
<http://beginnersinvest.about.com/od/financialratio/a/pricetocashflow.htm>. Acesso em: 07
ago. 2010.
KRISHNAKUMAR, J.; RONCHETTI, E. (Ed.) Panel data econometrics: future directions.
Amsterdam: North Holland, 2000.
LIMA, G. A. S. F. Nvel de evidenciao x custo da dvida das empresas brasileiras. Revista
Contabilidade e Finanas, v. 20, n. 49, p. 95-108, 2009.
LIMA, G. A. S. F. Utilizao da teoria da divulgao para avaliao da relao do nvel
de disclosure com o custo da dvida das empresas brasileiras. 2007. 98 f. Tese (Doutorado
em Controladoria e Contabilidade) - Faculdade de Economia, Administrao e Contabilidade,
Universidade de So Paulo.
LIMA, G. A. S. F. et al. Influncia do disclosure voluntrio no custo de capital de terceiros.
In: CONGRESSO USP DE CONTROLADORIA E CONTABILIDADE, 7., 2007, So Paulo.
Anais... Universidade de So Paulo, 2007.
MADDALA, G. S. The econometrics for panel data. Brookfield: Elgar, 1993.
MAKINO, S.; ISOBE, T.; CHAN, C. M. Does country matter? Strategic Management
Journal, v. 25, n. 10, p. 1027-1043, 2004.
MALACRIDA, M. J. C. et al. An accounting accruals model to predict future operating cash
flows: evidence from Brazil. International Journal of Management, v. 27, n. 3, p. 562-578,
2010.
MARQUES, L. D. Modelos dinmicos com dados em painel: reviso da literatura. Srie
Working Papers do Centro de Estudos Macroeconmicos e Previso (CEMPRE) da
Faculdade de Economia do Porto, Portugal, n. 100, 2000.
www.bbronline.com.br
154
Fvero
MTYS, L.; SEVESTRE, P. (Ed.). The econometrics of panel data: fundamentals and
recent developments in theory and practice. 3. ed. New York: Springer, 2008.
NAKAMURA, W. T. et al. Determinantes de estrutura de capital no mercado brasileiro:
anlise de regresso com painel de dados no perodo 1999-2003. Revista Contabilidade e
Finanas, v. 18, n. 44, p. 72-85, 2007.
PIMENTEL, R. C. Accounting earnings properties and determinants of earnings
response coefficient in Brazil. 2009. 162 f. Tese (Doutorado em Controladoria e
Contabilidade) Faculdade de Economia, Administrao e Contabilidade, Universidade de
So Paulo.
PIMENTEL, R. C. O mercado de eurobonds e as captaes brasileiras: uma abordagem
emprico-descritiva. 2006. 178 f. Dissertao (Mestrado em Controladoria e Contabilidade)
Faculdade de Economia, Administrao e Contabilidade, Universidade de So Paulo.
SOUZA, M. S. Fluxo de caixa por regime de competncia. 2006. 93 f. Dissertao
(Mestrado em Controladoria e Contabilidade) Faculdade de Economia, Administrao e
Contabilidade, Universidade de So Paulo.
WOOLDRIDGE, J. M. Econometric analysis of cross section and panel data. 2. ed.
Cambridge: MIT Press, 2010.
www.bbronline.com.br
155
Dados em Painel em Contabilidade e Finanas: Teoria e Aplicao
www.bbronline.com.br
156
Fvero
estimates table POLS_rob BE FE FE_rob RE RE_rob, b se stats(N r2 r2_o r2_b r2_w F chi2)
b(%7.5f)
Elaborao do Teste LM de Breusch-Pagan:
xttest0
Elaborao do Teste de Hausman para o Painel Curto:
hausman FE RE, sigmamore
Elaborao da Tabela de Coeficientes para cada Pas (Tabela 3):
preserve
statsby, by(pais) clear: xtreg var_y var_x1 var_x2, fe
list, clean
restore
Elaborao dos Modelos de Dados em Painel Longo:
- Efeitos Fixos:
xtreg var_y var_x1 var_x2, fe
- Efeitos Aleatrios:
xtreg var_y var_x1 var_x2, re
- Efeitos Fixos com Erros AR(1):
xtregar var_y var_x1 var_x2, fe
- Efeitos Aleatrios com Erros AR(1):
xtregar var_y var_x1 var_x2, re
- POLS com Erros AR(1) e correlao entre indivduos:
xtpcse var_y var_x1 var_x2, corr(ar1)
- FGLS com Erros AR(1) e correlao entre indivduos:
xtgls var_y var_x1 var_x2, corr(ar1) panels(correlated)
Elaborao da Tabela de Comparao dos Estimadores para os Modelos em Painel Longo
(Tabela 5):
quietly xtreg var_y var_x1 var_x2, fe
estimates store FE
quietly xtreg var_y var_x1 var_x2, re
estimates store RE
quietly xtregar var_y var_x1 var_x2, fe
estimates store FEAR1
quietly xtregar var_y var_x1 var_x2, re
estimates store REAR1
quietly xtpcse var_y var_x1 var_x2, corr(ar1)
estimates store POLSAR1
quietly xtgls var_y var_x1 var_x2, corr(ar1) panels(correlated)
estimates store FGLSAR1
estimates table FE RE FEAR1 REAR1 POLSAR1 FGLSAR1, b se stats(N r2 r2_o r2_b r2_w
F chi2) b(%7.5f)
Elaborao do Teste de Hausman para o Painel Longo:
hausman FEAR1 REAR1
www.bbronline.com.br