Submitted by Márcia Magalhães da Silva (marcy_magalhaes@yahoo.com.br) on 2012-08-20T19:55:35Z No. of bitstreams: 1 Dissertação_vfinal_3.pdf: 707611 bytes, checksum: ea22499a01aaeb82cd198735a62a6f94 (MD5) / Approved for entry into archive by ÁUREA CORRÊA DA FONSECA CORRÊA DA FONSECA (aurea.fonseca@fgv.br) on 2012-08-21T20:12:45Z (GMT) No. of bitstreams: 1 Dissertação_vfinal_3.pdf: 707611 bytes, checksum: ea22499a01aaeb82cd198735a62a6f94 (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2012-08-24T19:11:54Z (GMT) No. of bitstreams: 1 Dissertação_vfinal_3.pdf: 707611 bytes, checksum: ea22499a01aaeb82cd198735a62a6f94 (MD5) / Made available in DSpace on 2012-08-24T19:12:05Z (GMT). No. of bitstreams: 1 Dissertação_vfinal_3.pdf: 707611 bytes, checksum: ea22499a01aaeb82cd198735a62a6f94 (MD5) Previous issue date: 2012-06-15 / This study aims to evaluate the effect of regional concentrations in organizational performance of companies especially in the service sector. In order to achieve this goal we compared organizational performance of firms located in areas of geographical concentration to the performance of those outside these areas. We also compare the effects of regional concentration on the performance of companies in the service industry with companies in the industrial sector. The literature review revealed that there are advantages for companies located in concentration areas, leading to the main hypothesis of this study that such advantages would lead to a better performance of these firms. Thus, we sought to ascertain the existence of a relationship between organizational performance and geographic location of service industry companies. In order to identify regional concentrations we adapted the methodological criterion used in the industry sector. The indicators used were based on the number of establishments and employees obtained from the database of Annual Social Information Report (RAIS). The organizational performance was measured by two indicators of profitability (profit / net sales) and sales growth (growth rate). The source of performance data used was based on the following research database from the Brazilian Institute of Geography and Statistics (IBGE): Annual Industrial Survey (PIA) and Annual Survey of Services (PAS). The sample included 78,789 observations providers and 22,460 observations from the industrial sector between 2001 and 2005. The results were produced by using Hierarchical Linear Models or Multilevel Models. The results revealed a positive effect on the growth of businesses located in regional areas of concentration (for the industry and service sector), suggesting that firms located in such places grow faster than those which were located outside of these areas. However, there was no evidence of higher profitability. The findings of this study can inform management´s decision making process as it relates to locating firms in or outside regional concentrations. Furthermore, there are some implications for public policy, which include that a positive effect on the firm growth can orient incentive policies, in order to stimulate the regional development of concentration areas. / O presente trabalho tem por objetivo avaliar o impacto das concentrações regionais no desempenho organizacional das empresas brasileiras com ênfase no setor serviços. Com o intuito de atingir este objetivo realizou-se uma comparação entre o desempenho organizacional das firmas localizadas em áreas de concentração geográficas e aquelas situadas fora destas áreas. Além disso, procurou-se contrastar o efeito da concentração regional sobre o desempenho das empresas de serviços com as empresas do setor industrial. A revisão literária evidenciou a existência de vantagens para empresas concentradas regionalmente, o que levou à principal hipótese deste trabalho, de que tais vantagens ocasionariam melhor desempenho das firmas. Desta forma, buscou-se averiguar a existência de uma relação entre o desempenho organizacional e a localização geográfica das empresas de serviços regionalmente concentradas. O trabalho de identificação das concentrações regionais foi realizado adaptando-se os critérios utilizados no setor industrial para o setor serviços, a partir dos dados de número de estabelecimentos e de funcionários, obtidos através da base dados da Relação Anual de Informações Sociais (RAIS). O desempenho organizacional foi mensurado por dois indicadores: lucratividade e o crescimento de vendas. A fonte de dados de desempenho utilizada foi a base de microdados das seguintes pesquisas do Instituto Brasileiro de Geografia e Estatística (IBGE): Pesquisa Industrial Anual (PIA) e Pesquisa Anual de Serviços (PAS). A amostra utilizada incluiu 78.789 observações de prestadoras de serviços e 22.460 observações de empresas do setor industrial, entre 2001 e 2005. Os resultados foram produzidos por meio da aplicação dos modelos hierárquicos ou modelos multiníveis. Os resultados revelaram um efeito positivo sobre o crescimento das empresas situadas em áreas de concentração regional (tanto do setor serviços quanto da indústria), porém não foram encontradas evidências de maior lucratividade das mesmas. As conclusões deste trabalho contribuem para a tomada de decisão dos gestores, ao avaliar se deverão ou não situar seu empreendimento em uma área de concentração regional. Além de apresentar implicações para as políticas públicas, pois a constatação de um efeito positivo sobre o crescimento das firmas em determinadas concentrações pode direcionar políticas de incentivo, com o objetivo de estimular a formação de tais concentrações em determinadas localidades para desenvolvimento regional.

No presente trabalho propomos uma estrutura bayesiana, através de um esquema de dados aumentados, para analisar modelos longitudinais com grupos mútiplos (MLGMTRI) na Teoria da Resposta ao Item (TRI). Tal estrutura consiste na tríade : modelagem, métodos de estimação e métodos de diagnóstico para a classe de MLGMTRI. Na parte de modelagem, explorou-se as estruturas multivariada e multinível, com o intuito de representar a hierarquia existente em dados longitudinais com grupos múltiplos. Esta abordagem permite considerar várias classes de submodelos como: modelos de grupos múltiplos e modelos longitudinais de um único grupo. Estudamos alguns aspectos positivos e negativos de cada uma das supracitadas abordagens. A modelagem multivariada permite representar de forma direta estruturas de dependência, além de possibilitar que várias delas sejam facilmente incorporadas no processo de estimação. Isso permite considerar, por exemplo, uma matriz não estruturada e assim, obter indícios da forma mais apropriada para a estrutura de dependência. Por outro lado, a modelagem multinível propicia uma interpretação mais direta, obtenção de condicionais completas univariadas, fácil inclusão de informações adicionais, incorporação de fontes de dependência intra e entre unidades amostrais, dentre outras. Com relação aos métodos de estimação, desenvolvemos um procedimento baseado nas simulações de Monte Carlo via cadeias de Markov (MCMC). Mostramos que as distribuições condicionais completas possuem forma analítica conhecida e, além disso, são fáceis de se amostrar. Tal abordagem, apesar de demandar grande esforço computacional, contorna diversos problemas encontrados em outros procedimentos como: limitação no número de grupos envolvidos, quantidade de condições de avaliação, escolha de estruturas de dependência, assimetria dos traços latentes, imputação de dados, dentre outras. Além disso, através da metodologia MCMC, desenvolvemos uma estrutura de seleção de matrizes de covariâncias, através de um esquema de Monte Carlo via Cadeias de Markov de Saltos Reversíveis (RJMCMC). Estudos de simulação indicam que o modelo, o método de estimação e o método de seleção produzem resultados bastante satisfatórios. Também, robustez à escolha de prioris e valores iniciais foi observada. Os métodos de estimação desenvolvidos podem ser estendidos para diversas situações de interesse de um modo bem direto. Algumas das técnicas de diagnóstico estudadas permitem avaliar a qualidade do ajuste do modelo de um modo global. Outras medidas fornecem indícios de violação de suposições específicas, como ausência de normalidade para os traços latentes. Tal metodologia fornece meios concretos de se avaliar a qualidade do instrumento de medida (prova, questionário etc). Finalmente, a análise de um conjunto de dados real, utilizando-se alguns dos modelos abordados no presente trabalho, ilustra o potencial da tríade desenvolvida além de indicar um ganho na utilização dos modelos longitudinais da TRI na análise de ensaios educacionais com medidas repetidas em deterimento a suposição de independência. / In this work we proposed a bayesian framework, by using an augmented data scheme, to analyze longitudinal multiple groups models (LMGMIRT) in the Item Response Theory (IRT). Such framework consists in the following set : modelling, estimation methods and diagnostic tools to the LMGMIRT. Concerning the modelling, we exploited multivariate and multilevel structures in order to represent the hierarchical nature of the longitudinal multiple groupos model. This approach allows to consider several submodels such that: multiple groups and longitudinal one group models. We studied some positive and negative aspects of both above mentioned approches. The multivariate modelling allows to represent, in a straightforward way, many dependence structures. Furthermore it possibilities that many of them can be easily considered in the estimation process. This allows, for example, to consider an unstructured covariance matrix and, then, it allows to obtain information about the most appropritate dependece structure. On the other hand, the multilevel modelling permits to obtain: more straightforward interpretations of the model, the construction of univariate full conditional distributions, an easy way to include auxiliary information, the incorporation of within and between subjects (groups) sources of variability, among others. Concerning the estimation methods, we developed a procedure based on Monte Carlo Markov Chain (MCMC) simulation. We showed that the full conditional distributions are known and easy to sample from. Even though such approach demands a considerable amount of time it circumvents many problems such that: limitation in the number of groups that can be considered, the limitation in the number of instants of observation, the choice of covariance matrices, latent trait asymmetry, data imputation, among others. Furthermore, within the MCMC metodology, we developed a procedure to select covariance matrices, by using the so called Reversible Jump MCMC (RJMCMC). Simulation studies show that the model, the estimation method and the model selection procedure produce reasonable results. Also, the studies indicate that the developed metodology presents robustness concerning prior choice and different initial values choice. It is possible to extent the developed estimation methods to other situations in a straightforward way. Some diagnostics techniques that were studied allow to assess the model fit, in a global sense. Others techniques give directions toward the departing from some specific assumptions as the latent trait normality. Such methodology also provides ways to assess the quality of the test or questionaire used to measure the latent traits. Finally, by analyzing a real data set, using some of the models that were developed, it was possible to verify the potential of the methodology considered in this work. Furthermore, the results of this analysis indicate advantages in using longitudinal IRT models to model educational repeated measurement data instead of to assume independence.

No presente trabalho propomos uma estrutura bayesiana, através de um esquema de dados aumentados, para analisar modelos longitudinais com grupos mútiplos (MLGMTRI) na Teoria da Resposta ao Item (TRI). Tal estrutura consiste na tríade : modelagem, métodos de estimação e métodos de diagnóstico para a classe de MLGMTRI. Na parte de modelagem, explorou-se as estruturas multivariada e multinível, com o intuito de representar a hierarquia existente em dados longitudinais com grupos múltiplos. Esta abordagem permite considerar várias classes de submodelos como: modelos de grupos múltiplos e modelos longitudinais de um único grupo. Estudamos alguns aspectos positivos e negativos de cada uma das supracitadas abordagens. A modelagem multivariada permite representar de forma direta estruturas de dependência, além de possibilitar que várias delas sejam facilmente incorporadas no processo de estimação. Isso permite considerar, por exemplo, uma matriz não estruturada e assim, obter indícios da forma mais apropriada para a estrutura de dependência. Por outro lado, a modelagem multinível propicia uma interpretação mais direta, obtenção de condicionais completas univariadas, fácil inclusão de informações adicionais, incorporação de fontes de dependência intra e entre unidades amostrais, dentre outras. Com relação aos métodos de estimação, desenvolvemos um procedimento baseado nas simulações de Monte Carlo via cadeias de Markov (MCMC). Mostramos que as distribuições condicionais completas possuem forma analítica conhecida e, além disso, são fáceis de se amostrar. Tal abordagem, apesar de demandar grande esforço computacional, contorna diversos problemas encontrados em outros procedimentos como: limitação no número de grupos envolvidos, quantidade de condições de avaliação, escolha de estruturas de dependência, assimetria dos traços latentes, imputação de dados, dentre outras. Além disso, através da metodologia MCMC, desenvolvemos uma estrutura de seleção de matrizes de covariâncias, através de um esquema de Monte Carlo via Cadeias de Markov de Saltos Reversíveis (RJMCMC). Estudos de simulação indicam que o modelo, o método de estimação e o método de seleção produzem resultados bastante satisfatórios. Também, robustez à escolha de prioris e valores iniciais foi observada. Os métodos de estimação desenvolvidos podem ser estendidos para diversas situações de interesse de um modo bem direto. Algumas das técnicas de diagnóstico estudadas permitem avaliar a qualidade do ajuste do modelo de um modo global. Outras medidas fornecem indícios de violação de suposições específicas, como ausência de normalidade para os traços latentes. Tal metodologia fornece meios concretos de se avaliar a qualidade do instrumento de medida (prova, questionário etc). Finalmente, a análise de um conjunto de dados real, utilizando-se alguns dos modelos abordados no presente trabalho, ilustra o potencial da tríade desenvolvida além de indicar um ganho na utilização dos modelos longitudinais da TRI na análise de ensaios educacionais com medidas repetidas em deterimento a suposição de independência. / In this work we proposed a bayesian framework, by using an augmented data scheme, to analyze longitudinal multiple groups models (LMGMIRT) in the Item Response Theory (IRT). Such framework consists in the following set : modelling, estimation methods and diagnostic tools to the LMGMIRT. Concerning the modelling, we exploited multivariate and multilevel structures in order to represent the hierarchical nature of the longitudinal multiple groupos model. This approach allows to consider several submodels such that: multiple groups and longitudinal one group models. We studied some positive and negative aspects of both above mentioned approches. The multivariate modelling allows to represent, in a straightforward way, many dependence structures. Furthermore it possibilities that many of them can be easily considered in the estimation process. This allows, for example, to consider an unstructured covariance matrix and, then, it allows to obtain information about the most appropritate dependece structure. On the other hand, the multilevel modelling permits to obtain: more straightforward interpretations of the model, the construction of univariate full conditional distributions, an easy way to include auxiliary information, the incorporation of within and between subjects (groups) sources of variability, among others. Concerning the estimation methods, we developed a procedure based on Monte Carlo Markov Chain (MCMC) simulation. We showed that the full conditional distributions are known and easy to sample from. Even though such approach demands a considerable amount of time it circumvents many problems such that: limitation in the number of groups that can be considered, the limitation in the number of instants of observation, the choice of covariance matrices, latent trait asymmetry, data imputation, among others. Furthermore, within the MCMC metodology, we developed a procedure to select covariance matrices, by using the so called Reversible Jump MCMC (RJMCMC). Simulation studies show that the model, the estimation method and the model selection procedure produce reasonable results. Also, the studies indicate that the developed metodology presents robustness concerning prior choice and different initial values choice. It is possible to extent the developed estimation methods to other situations in a straightforward way. Some diagnostics techniques that were studied allow to assess the model fit, in a global sense. Others techniques give directions toward the departing from some specific assumptions as the latent trait normality. Such methodology also provides ways to assess the quality of the test or questionaire used to measure the latent traits. Finally, by analyzing a real data set, using some of the models that were developed, it was possible to verify the potential of the methodology considered in this work. Furthermore, the results of this analysis indicate advantages in using longitudinal IRT models to model educational repeated measurement data instead of to assume independence.

Made available in DSpace on 2010-04-20T20:48:34Z (GMT). No. of bitstreams: 3 71050100715.pdf.jpg: 20836 bytes, checksum: 2f3a403826784c59d194700c281860de (MD5) 71050100715.pdf: 2226737 bytes, checksum: e09731053a49c8d27f62a5765e6ada75 (MD5) 71050100715.pdf.txt: 450493 bytes, checksum: a07b8a6ca4b8e2f82af5525e738e0e07 (MD5) Previous issue date: 2009-02-11T00:00:00Z / This work had as objective to assess the relation between industrial concentrations and the financial performance of firms located in these places. Literature review sustained the formulation of the hypotheses of this work, which were based on the assumption that location in industrial concentrations provides firms superior return on assets, operational return on assets, asset turnover and organizational slack, when compared to non concentrated firms. Manufacturing industry of the state of São Paulo was the sector chosen for this analysis. For the mapping of industrial concentrations, data on the number of jobs and enterprises from RAIS databank was used, referring to 1996-2005 period. The identification of industrial concentrations allowed SERASA – a company focused on the analysis and information for credit decisions and support to businesses – to elaborate a database of companies located in the state of São Paulo, based on the provision of a list of all industrial sectors characterized by the presence of industrial concentrations. Initially with 8.637 records, the base was reduced to 4.280 records, corresponding to 509 firms belonging to 23 different industries. After data selection, the variable that identifies the areas of the state of São Paulo with industrial concentrations was added to SERASA databank, allowing, therefore, the fulfillment of the analyses of this work. By using the statistical technique of multilevel modeling, it was possible to conclude that there is not enough evidence to claim that location in industrial concentration provides firms superior return on assets, operational return on assets, asset turnover or organizational slack, when compared to non concentrated firms. However, decomposition of variance of these indicators allowed to conclude that “city’ and the way “city” and an “industry” interact play a major role in determining the variability of these indicators. This result suggests that location does matter to the way firms will perform. Analyses still allowed the estimation of the effect of each interaction between industry and city on the proposed indicators. Besides the great variability of these effects, it was not detected a significant difference between the effects of interactions with and without industrial concentrations. Therefore, other factors specific to these interactions, rather than industrial concentrations, would be able to explain why some interactions have very positive effects on their firms, while other have very low or negative effects. Limitations inherent to this work keep results from being generalized. However, one believes that its contributions are able to show new possibilities of research on the field of industrial concentration, so to understand the real importance of this phenomenon for the competitiveness of companies. / Este trabalho teve como objetivo avaliar a relação entre as concentrações industriais e o desempenho financeiro das empresas nelas instaladas. A revisão de literatura sustentou a formulação das hipóteses deste trabalho, que partiram do pressuposto de que a localização em concentrações industriais proporciona às firmas maior retorno sobre ativos, retorno operacional sobre ativos, giro dos ativos e slack organizacional, em relação às empresas não concentradas. A indústria de manufatura do estado de São Paulo foi o setor escolhido para análise. Para o mapeamento das concentrações industriais, foram utilizados os dados da base de empregos e estabelecimentos da RAIS, referentes ao período 1996-2005. A identificação das concentrações industriais permitiu à SERASA, empresa de análises e informações para decisões de crédito e apoio a negócios, elaborar uma base de dados de empresas localizadas no estado de São Paulo, mediante o fornecimento da relação dos setores industriais caracterizados pela presença de concentrações. Inicialmente com 8.637 registros, a base foi reduzida a 4.280 registros, correspondentes a 509 firmas pertencentes a 23 diferentes indústrias. Após a seleção dos dados, a variável que identifica as áreas do estado de São Paulo com concentrações industriais foi inserida na base da SERASA, permitindo, dessa forma, a realização das análises deste trabalho. Por meio da técnica estatística de modelos multiníveis, foi possível constatar que não há evidências suficientes para afirmar que a localização em concentrações industriais proporciona às empresas maior retorno sobre ativos, retorno operacional sobre ativos, giro dos ativos ou slack organizacional, em relação às empresas não localizadas em concentrações. No entanto, a decomposição da variância desses indicadores permitiu constatar que o município e a forma como um município e uma indústria interagem são determinantes na variabilidade desses indicadores. Este resultado sugere que a localização importa, e muito, na forma como as empresas irão se desempenhar. As análises ainda permitiram estimar o efeito de cada interação entre indústria e município sobre os indicadores propostos. Além da constatação de uma grande variabilidade desses efeitos, não foi detectada uma diferença significativa entre os efeitos das interações com e sem concentrações industriais. Portanto, outros fatores específicos a essas interações, que não a concentração industrial, seriam capazes de explicar porque algumas interações possuem efeitos muitos positivos sobre suas empresas, enquanto outras, efeitos muito pequenos ou negativos. As limitações inerentes a este trabalho impedem a generalização de seus resultados. No entanto, acredita-se que as suas contribuições sejam capazes de mostrar novas possibilidades de pesquisa no campo das concentrações industriais, a fim de compreender a real importância deste fenômeno para a competitividade das empresas.