Acessibilidade / Reportar erro

Avaliando Modelos Lineares de Value Relevance: Eles Captam o que Deveriam Captar?

Assessing Linear Models of Value Relevance: Do They Capture What They Should?

Resumo

Este trabalho teve como objetivo investigar a qualidade e o impacto dos modelos de value relevance das informações financeiras através da regressão quantílica (QR) em comparação com o método de estimação ordinary least squares (OLS). Seguindo os princípios e fundamentos de Ohlson (1995), Feltham e Ohlson (1995) e Ohlson e Kim (2015), foi possível utilizar um parâmetro de comparação entre os modelos de avaliação da relevância da informação contábil. Para tanto, foram aplicados dois testes (A e B), com dois modelos cada, assim como em Ohlson e Kim (2015), um com a variável dependente lucro líquido no período seguinte e, o segundo, com o valor de mercado da firma no período atual. Diante dessa temática, a regressão quantílica se mostra mais eficiente e com menos possibilidades de erros de estimação do que o método OLS, pelo menos sob as condições restritas deste trabalho. Portanto, é recomendável o emprego da estimação por meio de regressão quantílica nos modelos que utilizam informações contábeis e financeiras, uma vez que heterocedasticidade e outliers são comumente encontrados nesses tipos de dados, pois esse método de estimação é menos sensível e mais robusto às tais condições normalmente apresentadas pelos dados deste campo de pesquisa.

Palavras-chave:
value relevance; regressão quantílica; OLS

Associação Nacional de Pós-Graduação e Pesquisa em Administração Av. Pedro Taques, 294,, 87030-008, Maringá/PR, Brasil, Tel. (55 44) 98826-2467 - Curitiba - PR - Brazil
E-mail: rac@anpad.org.br