HOME | ÍNDICE POR TÍTULO | NORMAS PUBLICACIÓN

Espacios. Vol. 37 (Nº 27) Año 2016. Pág. 23

Desempenho de Empresas Brasileiras de Aviação Civil: uma análise das relações entre indicadores financeiros e não financeiros

Performance of Brazilian Companies of Civil Aviation: an analysis of the relationship between financial indicators and non-financial

João Marcelo dos Santos SILVA 1; Marcos Antônio de SOUZA 2; Débora Gomes MACHADO 3

Recibido: 15/05/16 • Aprobado: 13/06/2016

Conteúdo

1. Introdução

2. Revisão de literatura

3. Procedimentos metodológicos

4. Apresentação e análise dos dados

5. Considerações finais

Referências

1. Introdução

Em razão da ampliação e da livre concorrência da aviação brasileira, empresas do setor formularam estratégias organizacionais para atender a competitividade do novo modelo de mercado. Algumas buscaram a liderança pela diferenciação do serviço oferecido, outras a estratégia de baixo custo (Mundo Neto, 2011). Beal (2014) destaca que, independentemente da estratégia formulada pelas empresas, deve-se mensurar o desempenho e buscar a sua melhoria de forma constante. Neste contexto, Maximiano (2011) alerta que a competitividade reforça a necessidade do monitoramento do desempenho empresarial como forma de auxiliar a gestão empresarial do mundo moderno.

Tsai e Cheng (2012) destacam que historicamente a mensuração do desempenho organizacional baseava-se quase que exclusivamente nos indicadores financeiros. Porém, avaliar o desempenho organizacional somente por esses indicadores não é suficiente em um mercado exigente. É neste contexto que Spessatto e Beuren (2013) ressaltam que a gestão da atualidade precisa traçar estratégias que assegurem a sua continuidade via melhor competitividade, seu monitoramento, além do desempenho dos indicadores financeiros e dos não financeiros. É em função dessa consolidação de indicadores que Dias, Lima e Rosa (2014) afirmam haver relação entre eles e que devem ser utilizados em conjunto.

Neste sentido, Rocha, Beuren e Hein (2012) e Martins, Cruz e Corso (2011) avaliaram empresas brasileiras que melhoraram o desempenho não financeiro e detectaram melhoras também nos resultados financeiros. Asseveram os autores que alguns indicadores não financeiros podem influenciar nos indicadores financeiros, mas outros não. Logo, nem todos os indicadores não financeiros possuem relação com o desempenho financeiro.

O desempenho financeiro de companhias aéreas está relacionado ao desempenho não financeiro. Evidencia Gramani (2012) em um estudo sobre o desempenho operacional (não financeiro) e financeiro de empresas aéreas brasileiras e americanas. Conclui que o desempenho operacional e financeiro estão relacionados e caminham no mesmo sentido. Gramani (2012) acrescenta que quando o desempenho operacional melhora, melhora também o desempenho financeiro mesmo que em pequenas proporções.

Silveira, Meza e Mello (2011) destacam a existência de grande potencial de pesquisas quanto ao desempenho operacional no transporte aéreo, já que não existem muitos estudos com esse enfoque. Destacam que a maioria da avaliação das companhias aéreas brasileiras baseia-se nos resultados econômico-financeiros, sem considerar o desempenho não financeiro. Busca-se avaliar neste estudo se o comportamento de indicadores não financeiros encontra similaridade com o desempenho financeiro de empresas de aviação brasileira. Deste modo, e de forma contrária a Dias et al. (2014), melhorar o desempenho operacional das empresas aéreas brasileiras pode se mostrar insuficiente para o um bom desempenho financeiro em um setor relevante para o desenvolvimento do país.

Dada a relevância do segmento de aviação para o desenvolvimento nacional este estudo mostra-se necessário e oportuno. Salgado, Vassallo e Oliveira, (2010) destacam que o setor contribui para o desenvolvimento do turismo, da integração entre regiões e estados, no desenvolvimento de tecnologias, na inserção internacional e no crescimento econômico. Assim, o trabalho pode contribuir para identificar um formato mais objetivo e real quanto ao desempenho consolidado das companhias aéreas brasileiras pesquisadas. E contribui com o meio acadêmico ao evidenciar um aprofundamento dos conhecimentos existentes sobre a avaliação de desempenho organizacional do setor de aviação civil brasileiro.

2. Revisão de literatura

2.1. Avaliação de desempenho organizacional

A avaliação do desempenho organizacional fornece informações para a gestão como forma de auxiliar no processo de melhoria da organização. Beal (2014) considera que o sistema de medição de desempenho, além de fornecer dados de controles de processos e de atividades organizacionais, pode influenciar positivamente nas decisões e processos comportamentais da organização, sendo então, um processo valioso para buscar as melhorias necessárias. A metodologia clássica para avaliação do desempenho global das empresas é normalmente chamada de análise financeira ou análise de balanço. Pires e Fernandes (2012) relatam que por meio de uma análise financeira é possível quantificar o nível de endividamento, a liquidez, a alavancagem financeira, a rentabilidade, entre outros. A análise financeira também é utilizada para avaliar e acompanhar as empresas concorrentes no mercado, tanto que, Behn e Riley (1999) avaliaram que este tipo de análise colabora, tanto na avaliação do desempenho da empresa gerida, quanto na avaliação do desempenho de empresas concorrentes.

Entretanto, os resultados percebidos no desempenho financeiro são motivados por uma série de outros fatores de ordem não financeira. A realidade atual das empresas exige a necessidade de dar mais apoio à gestão estratégica, e a partir desta surgiu a avaliação de desempenho organizacional por meio de indicadores operacionais não financeiros (Beal, 2014). Neste sentido, Wu e Chen (2014) acrescentam que para avaliação do desempenho organizacional é necessário considerar também o desempenho não financeiro.

A associação de indicadores não financeiros com financeiros passou a ser constante na avaliação do desempenho organizacional. Beal (2014) credita que os resultados alcançados no desempenho financeiro são em função de um conjunto de fatores determinantes relacionados com a qualidade, flexibilidade, utilização de recursos, inovação entre outros, relacionados ao desempenho operacional. A autora ressalta que os fatores que afetam os resultados financeiros devem ser conhecidos e melhor gerenciados.

Avaliar somente o desempenho operacional, sem considerar o desempenho financeiro, ou vice e versa, pode não refletir do desempenho global da empresa. Ahmadi e Mohsen (2015), destacam que a gestão organizacional deve buscar uma ferramenta útil de gestão, entre várias existentes, para medir o desempenho organizacional englobando aspectos financeiros e não financeiros, possibilitando assim uma avaliação global.

2.2. Relação entre indicadores não financeiros e financeiros na aviação

Na avaliação de desempenho organizacional na aviação civil é recomendável a utilização conjunta de indicadores financeiros e não financeiros. Feng e Wang (2000) realizaram um estudo para avaliar se o desempenho de cinco companhias aéreas de Taiwan pode ser avaliado por indicadores financeiros e/ou não financeiros. Concluíram que tanto os indicadores operacionais do transporte aéreo quanto os financeiros, não podem isoladamente medir o desempenho organizacional das companhias aéreas. Os autores defendem que para a avaliação de companhias aéreas deve ser observado o desempenho dos indicadores financeiros e não financeiros conjuntamente.

Algumas empresas aéreas consideram a taxa de ocupação como o principal indicador não financeiro e foco de gestão. Hannigan, Hamilton e Mudambi (2015) constataram que a maioria das empresas aéreas americanas melhorou a taxa de ocupação, de 70% para acima de 80%, entre 1996 e 2011. Consequentemente, as receitas por assentos ofertados por milhas que eram de USD 8 centavos em 1997 e pulou para USD 10 centavos em 2010. Logo, este fator é essencial para o desempenho do setor daquele país, visto que ao melhorarem as receitas por assentos ofertados por milhas as cias tiveram valorização das ações no mercado financeiro. Portanto, as companhias aéreas devem realizar uma oferta suficientemente capaz de atender a demanda e ter boa taxa de ocupação bom desempenho financeiro.

Pearson e Merkert (2014) ao estudarem cias aéreas que possuem a estratégia de baixo custo/baixo preço, evidenciaram que estas deviam ter uma taxa de ocupação próxima a 80%, para serem viáveis, dados os menores preços na venda de passagens. Vender passagens mais baratas aumenta a demanda e melhora a taxa de ocupação. Para outros autores, a capacidade mínima da taxa de ocupação total das aeronaves, para o mesmo tipo de estratégia, não deve ser inferior a 65% para a companhia ser rentável, mas evidencia que uma taxa de 80% é propensa a uma rentabilidade significativa (Daft & Albers, 2012).

Demydyuk (2011) destacou os principais indicadores não financeiros da indústria da aviação mundial, capazes de explicar a relação com o desempenho financeiro. O estudo abrangeu 27 empresas aéreas com operações na Ásia, Europa e América. Destacou os principais indicadores não financeiros da aviação que são: assentos ofertados por quilômetro - ASK, passageiros transportados por quilômetro - RPK, taxa de ocupação de passageiros e o número de passageiros transportados – PAX. Concluiu que os principais resultados indicam que o PAX ou RPK são capazes de explicar, de forma significativa, as variações na rentabilidade das companhias aéreas. Constatou também, que o RPK e o PAX são mais importantes que a taxa de ocupação tradicionalmente utilizada pela indústria aérea.

Outro indicador relevante tem sido o transporte de cargas associado com o de passageiros, conhecido como toneladas transportadas por quilômetro pago - RTK. Para Tarziján (2013) o transporte de carga, junto com passageiros em aviões comerciais, tem se tornado outro fator que influencia positivamente o desempenho financeiro das companhias aéreas chilenas. Para Daft e Albers (2012) quando há baixa taxa de transporte de passageiros em viagens de longa distância, por empresas de baixo custo/baixo preço ou não, deve haver compensação com aumento na taxa de transporte de carga para que a empresa seja rentável.

Ao medir o desempenho operacional de companhias aéreas europeias, Barros e Peypoch (2009), utilizaram o número de empregados como medida de eficiência. Associando-o com indicadores financeiros. Constaram que quanto menor a quantidade de funcionários melhor é o desempenho dessas empresas. Portanto, quanto menor o número de empregados, menores os custos e despesas, melhorando a rentabilidade de companhias.

Araújo e Costa (2007) avaliaram a relação entre o desempenho da produtividade das companhias aéreas brasileiras com o desempenho financeiro. Detectaram uma ampliação generalizada da oferta e da demanda do transporte aéreo nacional, bem como uma redução nos custos e uma ampliação do endividamento e dos desembolsos com despesas financeiras. Concluíram que todo o esforço para ampliação da oferta e demanda e uma redução dos custos não foi suficiente para melhorar a lucratividade das referidas empresas. Finalizam que no transporte aéreo brasileiro, não basta melhorar o desempenho operacional, mas também requer ações e estímulos do governo federal para as empresas deste setor serem rentáveis.

Riley, Pearson e Trompeter (2003) em estudo sobre empresas aéreas americanas avaliaram se os indicadores não financeiros são capazes de explicar o desempenho financeiro. Encontraram que as toneladas disponíveis por milha, conhecido no Brasil como toneladas ofertas por quilômetro – ATK, e taxa de ocupação, estão associados com o lucro operacional e vendas líquidas. Finalizam que por meio do desempenho dos indicadores não financeiros se torna possível associar com indicadores financeiros, capazes de realizar a previsão de lucro operacional, vendas líquidas e despesas operacionais.

3. Procedimentos metodológicos

As empresas estudadas restringem-se as companhias aéreas que realizaram operações em 2013, TAM, GOL e AZUL, que desenvolveram mais de 79% das operações do mercado de aviação doméstica no ano, considerando-se o indicador número de passageiros transportado pago - PAX. A coleta de dados está limitada ao período de 2002 a 2013. Os dados não financeiros foram extraídos de duas fontes: Dados e Estatísticas do Transporte Aéreo do Brasil e o Anuário do Transporte Aéreo, ambos publicados pela ANAC. Os dados financeiros foram extraídos das respectivas demonstrações contábeis, acessadas em duas fontes: nos sites da Comissão de Valores Mobiliários - CVM e da ANAC. Optou-se pelas demonstrações consolidadas por apresentar um conjunto de entidades como se fossem uma única entidade econômica. Os dados de 2013, da TAM, extraídos do site da ANAC, antecedem a consolidação com a nova empresa LATAM.

Coletadas as demonstrações contábeis houve a sua padronização, conforme recomenda Silva (2012) e Matarazzo (2010). Na sequência passou-se para etapa de atualização monetária dos dados financeiros, segundo a prescrição de Assaf (2012), com base no Índice Nacional de Preços ao Consumidor Amplo - IPCA, publicado pelo IBGE. A partir daí, e com base nos indicadores não financeiros e financeiros corrigidos passou-se à análise estatística. Esta foi efetuada em duas etapas: análise de correlação e a regressão de séries temporais, conhecido também como regressão dinâmica.

Após verificada a relação entre as variáveis, por meio da correlação de Pearson, ao nível de significância de 5%, passou-se ao cálculo da regressão, seguindo os preceitos de Larson e Farber (2009). A regressão, conforme Corrar, Paulo e Dias Filho (2009), é uma técnica estatística bastante utilizada para analisar a relação entre uma única variável dependente (resposta) com uma ou diversas variáveis independentes (preditora). Para avaliação dos modelos de regressão dinâmica como proposto por Gujarati e Porter (2011), levou-se em consideração os seguintes critérios:

1. O nível de significância de 5% dos coeficientes estimados. Cujas hipóteses testadas foram: H0 = Os coeficientes não são significativos (ou seja, iguais a zero); H1 = Os coeficientes são significativos (ou seja, diferentes de zero);
2. O teste de Ljunk-Box, é uma ferramenta diagnóstica usada para testar a falha do ajuste de um modelo de série temporal, ao nível de significância de 5%, deseja aceitar a hipótese nula do teste. A hipótese do teste de Ljung-Box é: H0: O Modelo não exibe falhas de ajustes; H1: O Modelo exibe falhas de ajustes.
3. Avaliar o R² ajustado (Adjusted R-square). O R² ajustado, uma das formas de avaliar a qualidade do ajuste do modelo é através do coeficiente de determinação.
4. O teste de correlação de Pearson foi realizado com o software SPSS versão 21. Já a regressão dinâmica foi realizada pelo software FPW (Forecast for Pro Windows).

3.1. Definição das variáveis

Escolhido o modelo estatístico foram selecionadas as variáveis, dependentes e independentes. Gujarati e Porter (2011) tratam a variável dependente como aquela expressa como função linear de uma ou mais variáveis, conhecidas como as variáveis explanatórias das variáveis dependentes. As variáveis independentes são: número de pilotos e copilotos - NP, número de empregados - NE, assentos ofertados por quilômetro pago - ASK, passageiros transportados por quilômetro pago - RPK, toneladas ofertadas por quilômetro -- ATK, toneladas transportadas por quilômetro pago - RTK e número de passageiros transportados pagos - PAX. As variáveis independentes foram consideradas os indicadores não financeiros publicados pela ANAC com dados disponíveis entre 2002 e 2013 conforme definição constante no Quadro 1.

Quadro 1: Variáveis independentes

Fonte: ANAC (2016).

As variáveis dependentes são os indicadores financeiros de margem e retorno, representados pelas: margem bruta - MB, margem operacional - MO, margem líquida - ML; os retornos, pelo retorno sobre o ativo total médio - RSA e o retorno sobre o patrimônio líquido médio - RSPL (Quadro 2).

Quadro 2: Variáveis dependentes

Fonte: Autores citados

Para a Cia. AZUL não foi possível calcular a regressão dinâmica dada a limitação da quantidade de dados, devido ter sido fundada em 2008. Também foi excluída a variável independente NP no teste de correlação por não possuir dados durante todo o período de coleta. A variável dependente RSPL para as companhias TAM e AZUL foram excluídas dos testes estatísticos por apresentarem patrimônio líquido médio no período pesquisado.

4. Apresentação e análise dos dados

4.1 Apresentação das empresas pesquisadas

Entre as três empresas selecionadas, a mais antiga em operação é a TAM Linhas Aéreas, fundada em 1961. Focada inicialmente na aviação regional, expandiu-se com o processo de desregulamentação do mercado doméstico e tornou-se a maior companhia aérea brasileira. Em 2012, fundiu-se com a chilena LAN, surgindo à empresa LATAM.

A segunda empresa selecionada, a GOL Linhas Aéreas Inteligentes, iniciou suas operações em 2001, com a estratégia de baixo custo/baixo preço. Comprou a Viação Aérea Rio-Grandense (Varig) em 2007 e Webjet em 2011. Consolidou-se como a segunda maior empresa brasileira de aviação em participação no mercado doméstico.

A última empresa, a AZUL Linhas Aéreas, é focada na aviação regional, com início de operações no final de 2008. Também iniciou as operações com a proposta de baixo custo, assim como a GOL. No fim de 2012, incorporou a empresa Trip Linhas Aéreas e passou a ocupar o posto de terceira maior companhia aérea do país. Recentemente, no fim de 2015, comprou 40% das ações da TAP Portugal que é a maior empresa portuguesa e vendeu ações para American Airlines e um grupo chinês.

Os dados operacionais (não financeiros) mostram uma evolução considerável no período analisado. Porém, as empresas pesquisadas apresentam prejuízos acumulados. Consequentemente, a avaliação conjunta dos indicadores não financeiros com indicadores financeiros da aviação mostra-se apropriado como recomenda Feng e Wang (2000).

4.2 Teste de correlação

O teste de correlação para a TAM foi realizado para avaliar o grau de associação existente entre os indicadores não financeiros com os indicadores financeiros. Na Tabela 1 está apresentado o coeficiente de correlação de Pearson das variáveis independentes com as variáveis dependentes para a companhia TAM.

A correlação dos indicadores não financeiros, PAX, ASK, RPK, ATK, RTK, NE e número de pilotos e copilotos – NP com o indicador financeiro de MB possuem resultados de -0,432, -0,488, -0,493, -0,52, -0,529, -0,495, -0,415. Deste modo, são considerados moderados como determina Hair, Babin, Money e Samouel (2005).

Tabela 1 : Correlação dos indicadores não financeiros e financeiros da TAM

**. A correlação é significativa ao nível 0,01.
*. A correlação é significativa ao nível 0,05.
Fonte: Dados da pesquisa.

Deduz-se, portanto, que os indicadores não financeiros PAX, ASK, RPK, ATK, RTK, NE e NP não tem contribuído negativamente no desempenho do indicador financeiro de margem bruta. O teste de correlação entre as variáveis PAX, ASK, RPK, ATK, RTK, NE e NP em relação a margem operacional - MO, margem líquida - ML e retorno sobre o ativo médio - RSA é pequena ou inexistente. Segundo Hair et al. (2005) quando os resultados estão entre ± 0,21 e ± 0,40 a relação é pequena e quando está entre ± 0,01 - ± 0,20 e quase imperceptível a relação existente entre as citadas variáveis. Assim, infere-se que os indicadores não financeiros da TAM não têm contribuído para melhorar os indicadores financeiros de MO, ML e RSA. Tais resultados vão de encontro com o estudo de Araújo e Costa (2007) ao destacarem que a significativa melhora do desempenho operacional é insuficiente para melhorar a lucratividade de empresas brasileiras de aviação.

O segundo teste de correlação foi realizado para a GOL. Na Tabela 2 consta o coeficiente de correlação de Pearson das variáveis independentes com as variáveis dependentes da GOL.

Tabela 2 : Correlação dos indicadores não financeiros e financeiros da GOL

**. A correlação é significativa ao nível 0,01.
*. A correlação é significativa ao nível 0,05.
Fonte: Dados da pesquisa.

Observa-se que os valores do coeficiente de correlação do PAX, ASK, RPK, ATK, RTK, NE e NP com a margem bruta foi entre -0,754 e -0,713 e são considerados por Hair et al. (2005) como um grau de associação alta e negativa. Por isto, sugere-se que a melhoria do desempenho dos indicadores operacionais (não financeiros) da GOL contribuíram para reduzir de forma significativa a margem bruta. Enquanto que PAX, ASK, RPK, ATK, RTK, NE e NP com a margem operacional – MO e a margem líquida – ML tiveram um coeficiente que variaram entre -0,518 e -0,682 e de acordo com Hair et al. (2005) o grau de associação é negativa e moderada. Reflete o mesmo comportamento ocorrido com a TAM. Como o ocorrido com a companhia TAM.

Todos os indicadores não financeiros da GOL possuem um grau de associação negativa e moderada com o indicador de retorno sobre o patrimônio líquido - RSPL visto que, tiveram uma variação no coeficiente entre -0,594 e -0,677. Também possui associação moderada o PAX, RPK, ATK, NE e NP com o retorno sobre o ativo-RSA com grau de associação entre -0,698 e -709. Destaca-se o grau de associação entre ASK e o ATK com o RSA, que teve grau de associação de -0,715 e -0,734 sendo considerada negativa e alta por Hair Jr et al. (2005). Como os resultados das margens operacional, líquida e bruta afetam no desempenho da rentabilidade infere-se a ampliação da oferta e demanda, além do número de empregados, de pilotos e copilotos não foram suficientes para melhorar os indicadores de rentabilidade e, ao contrário, contribuíram negativamente para os resultados. Citada companhia entrou no mercado nacional com a estratégia de baixo custo/baixo preço, mas, mesmo com a melhora dos indicadores de demanda, não conseguiu ser rentável como empresas aéreas com o mesmo tipo de estratégia evidenciadas por Pearson e Merkert (2014).

Por fim o teste de correlação da AZUL, realizado para avaliar o grau de associação existente entre os indicadores não financeiros e os financeiros. Na Tabela 3 consta o coeficiente de correlação de Pearson das variáveis independentes x variáveis dependentes.

Tabela 3 : Correlação dos indicadores não financeiros e financeiros da AZUL

**. A correlação é significativa ao nível 0,01.
*. A correlação é significativa ao nível 0,05.
Fonte: Dados da pesquisa.

Evidencia-se que os indicadores não financeiros - PAX, ASK, RPK, ATK e RTK possuem um grau de associação positiva e moderada com os indicadores financeiros de MB, MO, ML e RSA. Justifica-se pelos resultados dos coeficientes encontrados que variam entre 0,585 e 0,688. Deste modo, são considerados moderados como determina Hair et al. (2005). Infere-se que a correlação moderada encontrada dos indicadores não financeiros com os indicadores de margem (MO, ML e MB) e retorno sobre o ativo – RSA tenha ocorrido pela melhora de ambos os tipos de indicadores dos últimos dois exercícios, principalmente, em razão do lucro líquido alcançado pela companhia no ano de 2013.

Os resultados do teste de correlação da AZUL se mostram diferentes dos encontrados para as companhias TAM e GOL e evidenciam que os indicadores não financeiros possuem uma relação com os indicadores financeiros como apresentado por Demydyuk (2011).

4.3. Regressão em séries temporais

Para explicar a associação, entre as variáveis não financeiras com as variáveis financeiras, foi realizado o teste estatístico de regressão dinâmica, como proposto por Gujarati e Porter (2011). Os resultados encontrados das regressões estão organizados por tabelas, nas quais se mostram os resultados dos coeficientes, o R² ajustado, o teste Ljung-Box e o nível de significância (valor p).

As regressões em séries temporais foram realizadas por companhia aérea. Inicialmente, analisaram-se os resultados para a companhia TAM e depois para a GOL. Os valores encontrados do teste realizado entre as variáveis independentes em relação a variável Margem Bruta- MB para a companhia TAM constam na Tabela 4.

Tabela 4: Regressão do MB da TAM

Fonte: Dados da pesquisa.

As variáveis independentes ASK, ATK, PAX, RPK, RTK, NE e NP apresentaram resultados significativos em relação a variável dependente MB, visto que o valor p<5%, o que sugere que tais variáveis independentes estão relacionadas a variável dependente. Entretanto, o modelo apresenta falhas de ajuste no modelo, detectadas por meio do teste de Ljunk-Box, ao nível de 5% de significância para as variáveis independentes ASK, ATK, PAX, RPK, RTK, NE e NP em relação a variável dependente margem bruta - MB. Isto, devido a hipótese nula ter sido rejeitada. Portanto, para as citadas variáveis os resultados apresentam falhas e devem ser descartadas. Mesmo se aceitada elas fossem, o coeficiente de determinação, R² foi de 0,00%, ou seja, sem qualquer poder de explicação entre as variáveis.

A variável explicativa PAX não possui falhas de ajuste no modelo, conforme teste Ljunk-Box ao nível de 5% de significância. Isto porque, a hipótese nula foi aceita, então, infere-se que o modelo não exibe falhas de ajustes. Contudo, o coeficiente de determinação, R², está com 0,00% e não possui qualquer poder de explicação entre a variável independente PAX em relação a variável dependente margem bruta - MB. Logo, não é possível inferir que há qualquer poder de explicação na relação entre o PAX e a MB.

Um outro cálculo encontrado por meio da regressão de dados em séries temporais foi para verificar o poder de explicação existente entre a relação das variáveis independentes com variável dependente ML da companhia TAM (Tabela 5).

Tabela 5 : Regressão do ML da TAM

Fonte: Dados da pesquisa.

As variáveis explicativas, ASK, ATK, PAX, RPK, RTK e NE não apresentaram resultados significativos em relação a variável dependente margem líquida - ML, visto que o valor p>5%. Os resultados sugerem que tais variáveis independentes não estão relacionadas a variável dependente. Os vieses de especificação do modelo seriam: a) o teste estatístico não possui falhas de ajuste no modelo, por meio do teste de Ljunk-Box, ao nível de 5% de significância porque a hipótese nula foi aceita, portanto, o modelo não exibe falhas de ajustes; e b) os coeficientes de determinação, R², estão com 0,00%, portanto, o modelo indica que o mesmo não explica a variação da margem líquida.

Já a variável explicativa NP apresenta resultados significativos em relação a variável dependente margem líquida - ML, vistos que o valor p<5%. O modelo, tendo com variável explica o NO, não possui falhas de ajuste, conforme teste de Ljunk-Box, ao nível de 5% de significância, aceitando-se então a hipótese nula. Dessa forma, o modelo não exibe falhas de ajustes. Mas, não possui qualquer poder de explicação entre as variáveis, NP e margem líquida, isto, pois o resultado do R2 e do coeficiente não apresentam nenhum poder de explicação da variável independente em relação a variável dependente. Com isto, também não é possível explicar a relação entre as variáveis independentes com a Margem Líquida.

Em seguida, foi realizado o teste para verificar o poder de explicação entre a relação existente entre as variáveis independentes e a variável dependente margem operacional da TAM. Os resultados das variáveis independentes em relação a variável margem operacional - MO constam na Tabela 6.

Tabela 6 : Regressão do MO da TAM

Fonte: Dados da pesquisa.

As variáveis explicativas, ASK, ATK, PAX, RPK, RTK, NE e NP não apresentaram significância em relação a variável dependente MO visto que o valor p>5%. Deste modo, o resultado sugere que tais variáveis independentes não estão relacionadas com a variável dependente. Também não é possível explicar a relação entre variáveis independentes e MO.

O último teste de regressão dinâmica para a companhia TAM buscou verificar o poder de explicação existente entre a relação das variáveis independentes e a variável dependente de retorno sobre o ativo – RSA. Os resultados encontrados das variáveis independentes em relação a variável retorno sobre o ativo médio constam na Tabela 7.

Tabela 7 : Regressão do RSA da TAM

Fonte: Dados da pesquisa.

As variáveis explicativas, ASK, ATK, PAX, RPK, RTK, NE e NP não apresentaram resultados significativos em relação a variável dependente retorno sobre o ativo médio - RSA. Isto, devido ao valor p>5%. Assim, deduz-se que tais variáveis independentes não estão relacionadas com a variável dependente, pois não são significativas.

Os vieses de especificação do modelo seriam: a) o teste estatístico não possui falhas de ajuste no modelo, pois a hipótese nula foi aceita, e b) os coeficientes de determinação, R², estão entre 2,24% e 3,29%, portanto, o modelo indica que o mesmo não explica a variação do RSA. Como os resultados da margem operacional, as variáveis independentes não conseguem explicar a relação com a variável dependente retorno sobre o ativo médio - RSA porque os resultados não são significativos.

A outra análise de regressão dinâmica centra-se na capacidade que as variáveis independentes têm de explicar a relação entre a variável dependente MB da GOL conforme apresentado na Tabela 8.

Tabela 8 : Regressão do MB da GOL

Fonte: Dados da pesquisa.

Observa-se que as variáveis independentes citadas apresentaram relacionamento entre elas. Entretanto, o modelo apresenta falhas de ajuste no modelo para todos os resultados. Isto, devido a hipótese nula ter sido rejeitada. Então, conclui-se que no modelo existem falhas de ajustes e este deve ser descartado. Logo, não é possível verificar relação entre as variáveis explicativas com a MB. Mesmo se o modelo fosse aceito o coeficiente de determinação, R², apresenta-se com 0,00%, sem nenhum poder de explicação entre as variáveis. Conclui-se então, pela impossibilidade de constatar qualquer poder de explicação na relação entre as variáveis explicativas com a variável MB. (Tabela 9).

Tabela 9 : Regressão do ML da GOL

Fonte: Dados da pesquisa.

Percebe-se que as variáveis explicativas ASK, ATK, PAX, RPK, RTK, NE e NP não apresentaram resultados significativos em relação a variável dependente ML, conforme atesta o valor p>5%. Desta forma, os resultados sugerem que tais variáveis independentes não estão relacionadas com a variável dependente porque não são significativas. Portanto, as variáveis independentes não explicam a relação com a variável dependentes sobre a ML.

Os vieses de especificação do modelo seriam: a) o teste estatístico não possui falhas de ajuste no modelo por meio do teste de Ljunk-Box, ao nível de 5% de significância porque a hipótese nula foi aceita, portanto, no modelo não existem falhas de ajustes; e b) os coeficientes de determinação, R², estão com 0,00%, portanto, o modelo indica que não é possível explicar a variação da margem líquida da GOL.

Outro item de avaliação, por meio da regressão dinâmica, é o de verificar se as variáveis independentes são capazes de explicar a relação existente com a margem operacional – MO. Para isto, foram calculados e postos na Tabela 10 o comportamento das variáveis independentes em relação a variável dependente margem operacional da GOL.

Tabela 10 : Regressão da MO da GOL

Fonte: Dados da pesquisa.

Observa-se que as variáveis explicativas não apresentaram resultados significativos, em relação a variável dependente margem operacional e são similares aos resultados da ML dado o valor p>5%. Portanto, as variáveis independentes não conseguem explicar a relação com a variável dependente e a margem operacional.

Assim como a margem líquida, os vieses de especificação do modelo seriam: a) o teste estatístico não possui falhas de ajuste no modelo, a hipótese nula foi aceita; e b) o modelo indica que não é possível explicar a variação da margem operacional da GOL. Mais um teste de regressão dinâmica para a GOL foi realizado. Buscou-se verificar o poder de explicação existente entre as variáveis independentes com a variável dependente RSA. Assim como a ML e MO, também não é possível inferir que o desempenho dos indicadores não financeiros pode explicar o retorno sobre o ativo médio – RSA (Tabela 11).

Tabela 11 : Regressão do RSA da GOL

Fonte: Dados da pesquisa.

Assim como a ML e a MO, constata-se que as variáveis explicativas ASK, ATK, PAX, RPK, RTK, NE e NP não apresentaram resultados significativos em relação a variável dependente RSA, dado o valor p>5%. Tais resultados sugerem que as variáveis independentes não estão relacionadas com a variável dependente pois não são significativas. Assim como a ML e a MO, os vieses de especificação do modelo seriam: a) o teste estatístico não possui falhas de ajuste no modelo, pois a hipótese nula foi aceita; e b) os coeficientes de determinação não explicam a variação da RSA da GOL.

A última avaliação envolve a capacidade dos indicadores não financeiros de explicarem a relação existente com o RSPL da GOL. Tais dados constam da Tabela 12.

Tabela 12 : Regressão do RSPL da GOL

Fonte: Dados da pesquisa.

Destaca-se que as variáveis explicativas já indicadas não apresentaram resultados significativos em relação a variável dependente RSPL, com o valor p>5%. Assim, tais variáveis independentes não estão relacionadas com a variável dependente Assim como a ML, a MO e o RSA, os vieses de especificação do modelo seriam: a) o teste estatístico não possui falhas de ajuste no modelo porque a hipótese nula foi aceita; e b) o modelo indica que não é possível explicar a variação da RSA da GOL. Como nos demais resultados que envolveram os indicadores de margem (MO e ML) e de retorno, também não é possível averiguar que o desempenho dos indicadores não financeiros pode explicar o indicador de retorno sobre o patrimônio líquido médio da GOL. Os resultados apresentados ficaram diferentes dos resultados obtidos por estudos anteriores. Não foi possível aferir que o número de funcionários é capaz de melhorar a rentabilidade das empresas TAM e GOL, como afirma Barros e Peypoch (2009) em estudo sobre companhias aéreas europeias.

Assentos ofertados por quilômetro de fato não explica, de forma significativa, o desempenho dos indicadores de rentabilidade para as empresas brasileiras de aviação, pesquisa similarmente ao encontrado por Demydyuk (2011). Porém, Demydyuk (2011) encontrou que o RPK e o PAX são capazes de explicar a rentabilidade de empresas aéreas Asiáticas, Europeias e da América diferentemente do apresentado no presente estudo.

Os resultados também ficaram diferentes em relação ao transporte de cargas demonstrados por Riley, Pearson e Trompeter (2003) e Tarziján (2013). As empresas TAM e GOL tiveram uma evolução no desempenho do indicador de toneladas transportadas por quilômetro pago – RTK, porém, foi insuficiente para afetar positivamente nos resultados dos indicadores financeiros demonstrados. Contudo, Araújo e Costa (2007) encontraram resultados semelhantes em estudo também sobre companhias aéreas brasileiras de aviação. Assim, mesmo com a ampliação da demanda e oferta da aviação brasileira é insuficiente para melhorar os resultados dos indicadores financeiros.

5. Considerações finais

O objetivo que orientou o desenvolvimento deste estudo foi identificar se há relações entre os indicadores não financeiros com indicadores de rentabilidade das empresas do setor aéreo brasileiro. Para realização da pesquisa, selecionaram-se três empresas brasileiras de aviação civil em atividades no exercício de 2013, ano do último Anuário do Transporte Aéreo publicado pela ANAC. As organizações selecionadas foram a TAM, a GOL e a AZUL. Estas empresas representam em torno de 90% do mercado doméstico em 2013, conforme dados da ANAC.

A partir dos resultados encontrados na análise de desempenho operacional no mercado doméstico, por meio de indicadores não financeiros da aviação civil, conclui-se que: o transporte de passageiros pagos, a oferta e demanda de transporte de passageiros por quilômetro e de toneladas por quilômetro teve um crescimento considerável no mercado doméstico durante o período proposto nesta pesquisa. Tal crescimento foi alcançado com a melhoria do desempenho operacional (não financeiro) por todas as três empresas pesquisadas, o que demonstra que a engenharia operacional teve uma melhoria considerável.

Mesmo com o bom desempenho não financeiro as cias apresentaram prejuízos acumulados, entre 2002 e 2013. O prejuízo líquido da TAM é bilionário, e da GOL e AZUL são milionários. Em razão dos frequentes prejuízos apresentados nos exercícios financeiros, a TAM e AZUL já apresentam patrimônio líquido médio negativo em alguns períodos.

Por meio do teste de correlação de Pearson é possível identificar que há uma relação negativa entre os indicadores não financeiros e a MB para a companhia aérea TAM. Além da MB, os indicadores não financeiros da GOL possuem correlação negativa com a margem líquida, margem operacional, retorno do tipo RSAm e RSPLm. Com isto, a melhoria dos indicadores não financeiros afetou negativamente os indicadores de rentabilidade da TAM e GOL. Porém, a AZUL teve uma relação positiva entre o desempenho não financeiro e os indicadores financeiros de margem bruta, margem operacional, margem bruta e retorno sobre o ativo médio.

A partir dos resultados encontrados na regressão dinâmica não foi possível explicar as relações existentes entre os indicadores não financeiros e os indicadores financeiros das companhias TAM e GOL. Portanto, os resultados sugerem que os indicadores não financeiros da TAM e GOL não tem afetado os indicadores financeiros. Em razão da limitação dos dados disponíveis, somente entre 2008 e 2013, não foi possível realizar a regressão dinâmica para a empresa AZUL.

O fraco desempenho financeiro apresentado pelas empresas pesquisadas remete a necessidade de melhorar, além do desempenho não financeiro, a gestão financeira, principalmente com a redução de custos (principalmente combustível, leasing e manutenção) e a ampliação de receitas. As referidas companhias também necessitam de estimulo governamental para ampliar o crescimento do desempenho não financeiro, e do financeiro, para viabilizar este ramo de atividade tão relevante para o desenvolvimento do Brasil.

Referências

Ahmadi, C. & Mohsen, V. (2015). The impact of knowledge management practices on organizational performance: A balanced scorecard approach. Journal of Enterprise Information Management, 28(1), pp. 131-159.

ANAC - Agência Nacional de Aviação Civil. Anuários do transporte aéreo: 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012 e 2013. 2016. Recuperado em 01 de fev. 2016, de: http://www2.anac.gov.br/estatistica/anuarios.asp

Araújo Jr, A. H. & Costa, R. P. (2007). Produtividade e desempenho financeiro: a dicotomia do setor aéreo brasileiro. RBGD Regional, 1(3), pp. 3-29.

Assaf Neto, A. (2012). Estrutura e análise de balanços: um enfoque econômico financeiro. São Paulo: Atlas.

Barros, C. P. & Peypoch, N. (2009). An evaluation of European airlines’ operational performance. International Journal of Production Economics, 122(2), pp. 525-533.

Beal, A. (2014). Gestão estratégica da informação. São Paulo: Atlas.

Behn, B. & Riley, R. (1999). Using nonfinancial information to predict financial performance: the case of the US airline industry. Journal of Accounting, Auditing & Finance, 14(1), pp. 29-56.

Corrar, L.J.; Paulo, E. & Dias Filho, J.M. (2009). Análise multivariada: para cursos de administração, ciências contábeis e economia. São Paulo: Atlas, 2009.

Daft, J. & Albers, S. (2012). A profitability analysis of low-cost long-haul flight operations. Journal of Air Transport Management, 19, pp. 49-54.

Demydyuk, G. (2011). Optimal financial key performance indicators: evidence from the airline industry. Accounting & Taxation, 3(2), pp. 39-52.

Dias, I. A.; Lima, M. A. & Rosa, M. M. (2014). Um referencial teórico: o desempenho financeiro de empresas que utilizam o balanced scorecard. Revista Eletrônica de Estratégia e Negócios, 7(3), pp. 166-191.

Feng, C. M. & Wang, R. T. (2000). Performance evaluation for airlines including the consideration of financial ratios. Journal of Air Transport Management, 6(3), pp. 133-142.

Gramani, M. C. N. (2012). Efficiency decomposition approach: a cross-country airline analysis. Expert Systems with Applications, 39(5), pp. 5815-5819.

Gujarati, D. N. & Porter, D. C. (2011). Econometria básica. 5. ed. Porto Alegre: Bookman.

Hair Jr, J. F.; Babin, B.; Money, A. H. & Samouel, P. (2005). Fundamentos de métodos de pesquisa em administração. Porto Alegre: Bookman.

Hannigan, T. J.; Hamilton, R. D. & Mudambi, R. (2015). Competition and competitiveness in the US airline industry. Competitiveness Review, 25 (2), pp. 134-155.

Larson, R. & Farber, B. (2009). Estatística Aplicada. 4. ed. São Paulo: Pearson Education.

Martins, T. S.; Cruz, J. A. W. & Corso, J. M. Del.(2011). O impacto da implementação do BSC no desempenho financeiro. Revista Gestão e Planejamento, 12(1), pp. 61-73.

Matarrazo, D. C. (2010). Análise financeira de balanços. São Paulo: Atlas.

Maximiano, A. C. A. (2011). Introdução a administração. 8. ed. São Paulo: Atlas.

Mundo Neto, M. (2011). A lógica financeira e o espaço do transporte aéreo comercial Brasileiro. Gestão & Produção, 18(2), pp. 311-324.

Pearson, J. & Merkert, R. (2014). Airlines-within-airlines: A business model moving East. Journal of Air Transport Management, 38, pp. 21-26.

Pires, H. M. & Fernandes, E. (2012). Malmquist financial efficiency analysis for airlines. Transportation Research Part E: Logistics and Transportation Review, 48, pp. 1049-1055.

Riley, R. A.; Pearson, T. A. & Trompeter, G. (2003). The value relevance of non-financial performance variables and accounting information: The case of the airline industry. Journal of Accounting and Public Policy, 22, pp. 231-254.

Rocha, I.; Beuren, I. M. & Hein, N. (2012). Rentabilidade de empresas que utilizam o balanced scorecard (BSC) versus empresas que utilizam somente indicadores de desempenho financeiros. Revista Eletrônica de Estratégia & Negócios, 5(2), pp. 88-119.

Salgado, L. H.; Vassallo, M. D. & Oliveira, A. V. M. (2010). Regulação, políticas setoriais, competitividade e formação de preços: considerações sobre o transporte aéreo no Brasil. Journal of Transport Literature, 4(1), pp. 7-48.

Silva, J. P. (2012). Análise financeira das empresas. 11. ed. São Paulo: Atlas.

Silveira, J. Q.; Meza, L. A. & Mello, J. C. C. B. S. (2011). Identificação de benchmarks e anti-benchmarks para cias aéreas usando DEA e fronteira invertida. Produção, pp. 24-31.

Spessatto, G. & Beuren, I. M. (2013). Análise das diferenças na implantação do BSC nas maiores empresas da região sul do Brasil. Gestão & Produção, 20(2), pp. 387-404.

Tarziján, J. (2013). The emergence of world-class companies in ChileJournal of Business Research, 66 (10), pp. 1728-1735.

Tsai, Y.-C. & Cheng, Y.-T. (2012). Analyzing key performance indicators (KPIs) for e-commerce and internet marketing of elderly products: a review. Archives of Gerontology and Geriatrics, 55(1), pp. 126-32.

Wu, I.-L. & Chen, J.-L. (2014). A stage-based diffusion of IT innovation and the BSC performance impact: a moderator of technology–organization–environment. Technological Forecasting and Social Change, 88, pp. 76-90.

1. Mestrando em Engenharia de Produção e Sistemas. PPGEPS – UNISINOS, São Leopoldo - RS, Brasil
2. Professor do Mestrado em Engenharia de Produção e Sistemas. PPGEPS – UNISINOS, São Leopoldo - RS, Brasil
3. Pós-doutoranda em Ciências Contábeis. PPGCC – UNISINOS, São Leopoldo - RS, Brasil. Email: debora_furg@yahoo.com.br