Projeto Qualificação Doutorado PDF
Projeto Qualificação Doutorado PDF
Projeto Qualificação Doutorado PDF
1. INTRODUÇÃO
resultados obtidos pelo autor, em sua pesquisa na indústria de serviços bancários, e que
estudo, já descrita em outro capítulo no corpo da tese e à qual iremos nos referir
dados; passo importante para assegurarmos a confiabilidade dos dados e dos resultados
conjuntos de dados com informações perdidas 1, pois ocorre divisão por zero. Para
contornar esta dificuldade e também não comprometer os resultados das análises optou-
confiável e de fácil aplicação e que não está baseado em álgebra linear. Adotamos como
afirmar que o uso desta técnica alternativa não substitui a análise clássica; mas sim,
complementa-a.
foram utilizados os programas para computador MINITAB v. 11.1, Excel 5.0 e Word 6.0
5.0. Estes procedimentos estão anexados na seção de gráficos e relatórios. No caso dos
Por último estão apresentados tabelas e gráficos dos dados que não foram
1
Na literatura pesquisa, algumas em língua inglesa, os dados perdidos são denominados pelo
termo em inglês, missing. Este termo é aceito e utilizado também pelos autores de textos em
língua portuguesa. Ver MOORE, S. David; The Basic Practice of Statistics, W.H., Freeman
and Company, New York, 1995.
3
2. OS DADOS
teve início no mês de junho de 1994, quando a Diretoria do banco solicitou à Gerência
projeto era a dificuldade de leitura e as conclusões acerca dos 350 indicadores por parte
2
Em nossas entrevistas com o Gerente da Qualidade nos foi relatado que houve um período em
que as diversas unidade do Banco criaram e implantaram indicadores da qualidade de modo
que a própria Gerência da Qualidade não dispunha de recursos suficientes para a gestão e
controle destes indicadores.
4
qualidade para estas atividades. Estes indicadores foram agrupados em categorias, que
sua forma gráfica. A figura 2.1, exibida a seguir demonstra o Índice, seus indicadores e
suas relações.
5
80 % 20 %
ÍNDICE DA ÍNDICE DA
QUALIDADE QUALIDADE
DA AGÊNCIA DE APOIO
25 % 25 % 50 % 40 % 60 %
3. Percentual de 3. Percentual de
Reclamações Dados Cadastrais
Corretos
Na figura 2.1 vê-se no seu topo a representação do IQS; a seguir vê-se o seu
tratamento algébrico dos dados. Na figura 2.1 vê-se sobre a representação de cada
consolidações dos níveis superiores. Assim, a partir deste nível os Índices são apurados
Mantidas com os pesos 25%, 25% e 50% respectivamente. Estes por seu turno são
sendo portanto mais importante que o Índice da Qualidade de Apoio, que contribui com
Índices do IQS. Serão associados a eles os rótulos que foram utilizados nos programas
7
histórico on line dos últimos 12 meses. Sua operação e manutenção está a cargo da
Gerência da Qualidade.
agências. Assim em setembro de 1997, quando foi concluída a coleta dos dados, o
banco contava com 629 agências. Este último número será usado como referência
descritivo.
cujas respostas são binárias, apresenta o requisito, não apresenta o requisito. Este
formato de questionário tem por objetivo eliminar respostas que possam apresentar
Cliente. A resposta deve ser SIM ou NÃO; não havendo a possibilidade de respostas do
consumidor desejado pelo banco quanto a classe social, idade, nível de instrução, renda
entre outros.
depois de uma visita a sua agência, especialmente agendada para este fim. Contudo os
funcionários das agências não têm o conhecimento desta visita e nem de que aquele
cliente irá preencher o questionário. Na verdade a realização das entrevistas, sorteio dos
contratada para este fim. A Gerência da Qualidade fornece a esta empresa a base de
clientes de cada agência a ser pesquisada e recebe os relatórios, sem mais interferências.
9
Estas pesquisas são realizadas nos meses de novembro, dezembro e janeiro e têm
por agência, tomando-se a razão entre o número de requisitos que tiveram resposta SIM
e 100.
(respostas SIM) i
Pesquisa i = i = 1, 2, 3, ... , 629
100
ligação no trimestre, de tal modo que ao final de um trimestre todas as agências terão
sido amostradas pelo menos uma vez. A cada trimestre a amostragem é refeita segundo
os mesmos critérios.
pesquisa por telefone e a data e horário das ligações telefônicas para as agências não são
não foram reveladas, pois esta pesquisa é considerada pelo banco como parte de sua
tecnologia e também vantagem competitiva; portanto, para este indicador não dispomos
10
de sua notação. Não obstante, o indicador pode assumir valores entre zero e 100.
central encaminha a solução dos problemas e reclamações e tem prazos definidos para
i = 1, 2, ... , 629.
de regressão linear aos dados obtidos das operações das agências. Este modelo foi
os tempos médios de espera na fila foram coletados. Em cada agência foram coletados
limitação de recursos humanos para operar o sistema a cada hora, os dados são
11
cada agência, hora a hora, para todos os dias úteis, o tempo de espera (em minutos ) na
fila. Os dados podem ser então sumariados em uma média mensal por agência e esta
De 5,1 a 10 minutos 95 % a 99 %
De 10,1 a 15 minutos 85 % a 94 %
De 15,1 a 20 minutos 60 % a 84 %
De 20,1 a 30 minutos 40 % a 59 %
aos clientes, em relação ao total de clientes de cada agência. Sua apuração é simples,
ausentes ou incorretas é dividido pelo total de informações possíveis para cada cliente.
que deixaram de operar com o banco no último mês. Sua apuração é simples, haja vista
i = 1, 2, 3, ..., 629
i = 1, 2, 3, ..., 629
para a operação das agências e também das facilidades oferecidas aos clientes como o
14
desdobramento.
Este índice é composto pelo produto dos indicadores: 1) Pesquisa com o cliente,
que os indicadores são multiplicados entre si e depois ajustados à base 100. Por
Para exibição dos dados em gráficos e tabelas os índices são arredondados para
uma casa decimal, assim o Índice de Pesquisa será exibido como 44,1.
Índice de Pesquisas, pelo produto dos indicadores que o compõem; 1) Tempo de Espera
Corretos. Então se uma agência obteve a seguinte pontuação; Tempo de Espera na Fila,
Assim, por exemplo, se uma agência obteve 93 pontos para o indicador o Índice de
Contas Mantidas será também de 93 pontos. Para exibição a notação será 93,0.
a partir do sistema de computadores. Neste caso o índice também confunde-se com seu
indicador. Então teremos, a título de exemplo; 99 pontos para o indicador e 99,0 pontos
para o Índice.
Índice de Contas Mantidas, com os seguintes pesos: 0,25; 0,25 e 0,50 respectivamente.
Para o exemplo de uma agência que obteve para os índices; de Pesquisas, 44,1
Para exibição em gráficos e tabelas o Índice será 71,2 ; arredondado para uma
casa decimal.
No exemplo que tem sido usado neste relatório este índice será apurado como:
17
Medida final do modelo, o IQS avalia o nível de qualidade oferecido aos clientes
Qualidade de Apoio com o peso de 0,20. Para o exemplo em uso o IQS será composto
Esta agência hipotética tem seu IQS ou Índice Geral de 76,6 pontos, em uma
IQS e o resultado financeiro do banco. Neste sentido, foram coletados dados acerca dos
aos períodos fiscais de dezembro de 1995 a junho de 1998. Sobre estes dados serão
realizados estudos de correlação com o IQS com o objetivo de avaliar possíveis relações
RETORNO
PATRIMÔNIO LUCRO SOBRE O
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO
( lucro /
em milhões de R$ patrimônio - lucro)
1995 2o. Sem 1.967,8 88,5 4,7
1996 1o. Sem 2.047,7 126,9 6,6
1996 2o. Sem 2.153,7 158,2 7,9
1997 1o. Trim 2.229,6 # 151,6* 7,3
1997 1o. Sem 2.465,5 176,9 7,7
1997 3o. Trim 2.575,8 # 220,2* 9,3
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7
Os dados deste trabalho foram coletados pelo autor em suas visitas a sede do
por 12 meses consecutivos; a partir do 13º mês os dados são preservados impressos em
tabelas e arquivados. Deste modo, os dados referentes ao período que vai do mês de
Julho de 1995 ao mês de fevereiro de 1996, os dados foram obtidos por fotocópias das
de Março de 1996 a de Setembro de 1997 foram obtidos através de cópia dos dados
idênticos aos utilizados pelo banco, pois não houve interferência na sua obtenção. Eles
19
exaustivamente até que não houvesse diferença em relação aos dados impressos. Os
conjuntos de dados foram agrupados, resultado uma única base de dados, contínua em
território nacional; as regiões estão divididas em 26 setores comerciais, que por sua vez
são compostos pelas 629 agências. Vale relembrar que a quantidade de agências é
A média de agências no período analisado neste trabalho é de 630, sendo que no mês de
setembro de 1997 o banco contava com 629 agências. Este último número tem sido
menos uniforme, isto é; um setor comercial tem em média 24 agências e uma região tem
em média 100 agências. Uma região é composta por em média 4 setores comerciais.
são administrados por Diretores Setoriais e as Agências são administradas por Gerentes
Geral. Para melhor compreensão desta estrutura, a figura 2.2 ilustra o modelo
hierárquico do segmento Banco Comercial. A figura tem caráter ilustrativo e não
mais espessa que as demais está representando a estrutura hierárquica de uma agência.
Comercial, descrita a partir de seu Vice Presidente está na tabela 2.1, exibida em
seguida à figura 2.2. Relembrando que os dados não serão tratados no âmbito da
agência.
22
Presidente
do Banco
Posteriormente, os indicadores são consolidados nos diversos índices e estes, por seu
turno, são consolidados segundo a estrutura hierárquica do banco. Deste modo, cada
agência, cada setor comercial, cada região e finalmente o segmento de negócios têm seu
IQS apurado. A Gerência da Qualidade prepara relatórios para cada um destes níveis e
deste trabalho, o tratamento por agência, pois disto resultaria a análise de 629 Índices da
como a real relevância que o estudo por agência traria ao trabalho corroboram esta
decisão. Portanto, no âmbito deste trabalho, serão realizados os estudos a partir do nível
aos indicadores e os índices apurados a partir deles; para os níveis hierárquicos dos
Comercial estão exibidos na próxima página e na seguinte está exibido um gráfico que
análise exploratória dos dados, com o objetivo de melhor compreendê-los. Esta análise
é recomendada na literatura sobre estatística; MOORE (1.995) afirma que dados são
números em um certo contexto e é isto que os torna relevantes. Este autor sugere que se
elas. Para VELLEMAN & HOAGLIN (1.981) a análise exploratória oferece uma nova
o maior valor observado. Além do sumário serão exibidos para cada indicador (ou
Por fim, esta análise será conduzida sobre os dados obtidos por indicador, isto é;
não será considerada a componente hierarquia para segmentação dos dados. Deste modo
estatística.
ajustada.
27
Pesquisa
AtendTel
TempoEsp
CadComp
CtasMant
Gráfico 2.1: Gráfico tipo Box Plot dos Indicadores: Pesquisa com o Cliente, Pesquisa do
Atendimento Telefônico, Tempo de Espera na Fila, Percentual da Dados Cadastrais Corretos e
Percentual de Contas Mantidas, nesta ordem.
28
Reclamacao
CorresoEnt
ServsRet
DispSis
Gráfico 2.2: Gráfico tipo Box Plot dos Indicadores: Percentual de Reclamações, Percentual de
Correspondência Entregue, Atendimento a Pedidos na Retaguarda e Disponibilidade de
Sistemas Eletrônicos, nesta ordem.
Frequência ( % )
15 15
12 12
9 9
6 6
3 3
- -
50 62 74 86 98 50 62 74 86 98
Pesquisa AtendTel
Frequência ( % )
40 30
25
30
20
20 15
10
10
5
- -
75 83 91 99 60 70 80 90 100
Reclamacao TempoEsp
Gráfico 2.3: Histograma com curva Normal para os indicadores: Pesquisa com o Cliente,
Pesquisa do Atendimento Telefônico, Índice de Reclamações e Tempo de Espera na Fila.
29
Frequência ( % )
Frequência ( % ) 30
20
15
20
10
10
5
- -
86 92 98 50 62 74 86 98
CorrespEnt CadComp
40
Frequência ( % )
36
30 30
24
20
18
12
10
6
- -
75 85 95 91 93 95 97 99
CtasMant ServsRet
25
20
15
10
5
-
90 94 98
DispSis
cresceu, com o acréscimo dos Setores Comerciais 26, 33 e 64, setores estes fruto da
mês de junho de 1996. Como já afirmado, uma parte dos dados foram obtidos de forma
eletrônico, outra parte foi digitada e conferida por diversas vezes, até que estivessem
considerados corretos. Isto quer dizer que o indicador reflete de fato variações nos
3
Observações perdidas ou missing value, na literatura em língua inglesa.
31
operações manuais.
são resultado de operações completamente manuais; isto justifica sua dispersão maior
análises e conclusões acerca dos dados descritos neste relatório. Estes dados, do IQS,
criação, em junho de 1996, de 3 novos Setores comerciais, os setores 26, 33 e 64. Para
estes setores, e no período anterior ao mês de junho de 1996, não há informação sobre o
aquelas baseadas em Modelos Lineares. O modelo adotado para análise dos dados neste
33
linear. Isto significa que a presença de informações perdidas inviabilizam este modelo,
pois haverá divisão por zero quando se tomar os dados do período em questão.
será pela classificação em duas vias, baseada em álgebra linear. As conclusões ficarão
contudo comprometidas com a ausência daqueles Setores; então, na segunda fase estes
Setores serão considerados no modelo, o ajuste será também pela classificação em duas
vias, porém baseado não em álgebra linear, mas baseado na Teoria da Informação, que
na Teoria da Informação.
deste relatório; a saber: SNEDCOR & COCHRAN (1.980), BOX, HUNTER &
BOX, HUNTER & HUNTER sugerem que seja adotada a classificação em duas
vias quanto o tempo é uma variável que influencia o modelo. Para SNEDCOR &
COCHRAN recomendam a classificação em duas vias quando os dados do experimento
4
Termo usado na literatura de língua inglesa. Tradução do autor.
34
HUNTER & HUNTER têm uma abordagem objetiva, mais prática e baseada em muitos
trabalho será dada ênfase ao trabalho de HOCKING, que adota uma linguagem mais
formal.
modelo:
y i j = i . + . j + i j , com i j ( 0, 2 ) (3.1)
5
Generalized, randomized block design. Tradução do autor.
35
). Além disso, há uma suposição a priori, a de que os resíduos terão uma distribuição de
tratamentos ) e o efeito da linha ( os blocos ) têm médias iguais; o que sob a forma de
H T : i. = . . e
H B : .j = ..
Variância.
ajuste do modelo por classificação em duas vias. Nela estão identificados a fonte de
experimento.
componentes, são eles: SST, SSB, SSR e SSTot; seus estimadores são:
37
t
SST = b (y i . - y .. ) 2
i=1
b
SSB = t (y . j - y .. ) 2
j=1
t b
SSR = ( y i j - y i. - y . j + y .. ) 2
i=1 j=1
t b
SSTot = ( y i j - y .. ) 2
i=1 j=1
recomendam a análise dos resíduos com o objetivo de validar o modelo ajustado. Deve-
Normal com parâmetros zero e 2 . Neste relatório serão utilizados dois gráficos para
principal de dados. Estes pontos, se existentes, podem significar falta de ajuste ou dados
incorretos. Por fim, será adotado como nível de significância mínimo para os modelos,
6
Normal Probability Plot. Tradução do autor.
38
Informação.
disciplina.
qualquer função monótona dele, pode ser relacionado com uma medida da informação
SHANNON sugere como escolha “natural” a função logarítmica. Além disso, esta
de Markov; assim, pode-se definir uma quantidade que mede quanta informação é
probabilidade de ocorrência descrita por ( p1, p2, p3, ... , pn ). Estas probabilidades são
evento. Se existe tal medida, cuja notação pode ser I (p1, ... pn ), é então apropriado
2) Se para todo i tem-se que p i = 1/n, então I (pi ) deve ser uma função
forma:
n
I ( p 1, p 2, ... , p n ) = - k p i . log p i e é chamada de entropia do conjunto
40
i =1
escolha.
I ( p, q ) = - ( p.log p + q.log q ).
THOMAS (1.991).
ENTROPIA DE SHANNON
Entropia H(p)
0,35
0,30
0,25
0,20
0,15
0,10
0,05
-
- 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00
Probabilidade p
3.2.2.1 Definição
)} tal que pi 0, para todo i = 1,2, ..., n. Em palavras, P é um evento tendo n possíveis
n
I n ( p1, ..., pn ) = - pi log pi (3.2)
i =1
42
3.2.2.2 Propriedades
I n (P) 0
ii) Expansividade
iii) Simetria
I n ( p1, p2, ..., pn ) = I n (p a1, p a2, ..., p an ) ; onde ( a1, a2, ... an ) é uma
iv) Recursividade
I n(p1, ..., pn)= I n-1( p1+p2, p3, p4, ..., pn ) + (p1+p2).I 2 ((p1/(p1+ p2), p2/(p1+p2))
43
v) Aditividade
Para P S n e Q S m
n n m
Para p i j 0, p j = p i j > 0, j=1, ..., m e p i j =1, tem-se:
i=1 i =1 j =1
m
I mn(p11, ..., p1m, ..., pn1, ..., pnm) = I m(p1,...,pm) + pj I n(p1 j /p j, ..., p n j /p j)
j =1
vii) Continuidade
viii) Monotonicidade
ix) Desigualdade
x) Sub-aditividade
m n
Para p i j 0, i, j
i=1 j =1
n m
I mn(p11,...p1n,...,pm1,..., pmn ) = I m ( p 1 j, ..., p m j ) +
j=1 j=1
m n
I n ( p i 1, ..., p i n )
i =1 i =1
xi) Normalidade
I 2( ½ , ½ ) = 1
3.2.2.3 Teorema
A única função I n que satisfaz as propriedades iii), iv), vii), viii) e xi) é a
3.2.3.1. Definição
45
I n, ( P ) = ( 1- ) -1 log ( p i ) , 1. (3.3)
3.2.3.2. Definição
3.2.4 A Divergência
KULLBACK (1.959).
46
3.2.4.1. Definição
n
J n ( p1, ..., pn:q1, ..., qn) = log ( pi/qi) (3.5)
i=1
J 2 ( p, 1-p:q, 1-q ) = p log (p/q) + ( 1-p) log (( 1-p )/( 1-q )) (3.6)
i) É não negativa
J n ( P:Q ) 0.
ii) Expansividade
iii) É simétrica
iv) Recursividade
J n ( p1, ..., pn: q1, ..., qn ) = J n-1 ( p1+p2, p3, ..., pn : q1+q2, q3, ..., q n ) +
v) Aditividade
m n
Para p i, q j, r i, s j 0, i=1, 2, ..., m; j=1, 2, ..., n; pi = q j =
i=1 j=1
m n
r i = s j =1, então:
i=1 j=1
J mn ( p1q1, ..., p1qn, p2q1, ..., p2qn, ..., pmq1, ... pmqn:r1s1, ..., r1sn, ..., r2s1, ...rms1, ...,
rmsn ) = J m ( p1, ..., pm : r1, ..., r m ) + J n ( q1, ..., qn: s1, ..., sn )
n m n n n m
Para p i j =1, p j = pi j > 0, q j = q i j > 0, q i j =1,
i=1 j=1 i=1 i=1 i=1 j=1
tem-se:
m
J mn ( p11, ... pnm : q11, ..., qn m ) = J m ( p1, ..., pm: q1, ..., q m ) + p j . J n (p1 j/pj,
j=1
vii) Continuidade
viii) Normalidade
ix) Nulidade
3.2.4.3 Teorema
A única função J n ( P:Q ) que satisfaz as propriedades iii), iv), viii) e ix) é
determinada por :
49
n
pi log ( p i /q i ) (3.7)
i=1
3.2.5.1 Definição
3.2.5.2 Definição
J n, (P:Q) e J n, (P:Q) são ambas não negativas e serão iguais a zero somente
se p i = q i para todo i.
J n, ( p1, ... pn: q1, ..., qn ) = J n, ( p a1, ..., pan: q a1, ..., q an ); onde ( a1, a2, ..., an)
iii) Expansividade
J n, ( p1, ..., pn : q1, ..., qn ) = J n+1, ( p1, ..., pn, 0: q1, ..., qn, 0 )
iv) Recursividade
J n, (p1, ..., pn : q1, ..., qn ) = J n-1, ( p1+p2, p3 ..., pn : q1+q2, q3, ..., qn ) + (
p1+p2) ( q1+q2 )1- J 2, (( p1/( p1+p2 ), p2/( p1+p2 ):q1/( q1+q2 ),q2/( q1+q2 )),
v) Aditividade
J mn, (p1p’1, ...p1p’m, ..., pnp’1, ..., pnp’m: q1q’1, ...q1q’m, ..., qnq’1, ..., qnq’m) = J n,
(p1, ..., pn: q1, ..., qn) + J m, (p’1, ..., p’m: q’1, ..., q’m), onde ( p1, ..., pn) e ( q1, ...qn)
Para P Sn, Q Sn, ( p’1, ..., p’m ) e ( q’1, ..., q’m) Sm,
51
J mn, ( p1p’1, ..., p1p’m, ..., pnp’1, ..., pnp’m : q1q’1, ..., q1q’m, ..., qnq’1, qnq’m ) = J
n, (p1, ..., pn: q1, ..., qn) + J m, (p’1, ..., p’m: q’1, ..., q’m) + ( 2 -1 - 1 ) J n, ( p1, ..., pn: q1,
Para P Sn, ( P1i, ..., Pmi ) Sm, ( Q1i, ..., Qmi ) Sm, i = 1, ..., n; então:
J mn, ( p1P11, ..., p1P21, ..., p1Pm1, ..., pnP1n, pnP2n, ..., pnPmn : q1Q11,q1Q21, ...,
q1Qm1, ..., qnQ1n, qn Q2n, ..., qnQmn) = J n, ( p1, ..., pn:q1, ... qn) + i=1n pi qi 1- J m, (
viii) Continuidade.
estatística alternativo aos modelos lineares. Nesta seção estão descritas as premissas e
N!
p(x) = p( x1, x2, …, xc ) = ---------------- p1 x1 p2 x2 … pc xc , onde :
x1! x2 ! … xc!
pi >0, i = 1, 2, …, c ; p1 + p2 + … pc = 1 e x1 + x2 + … + xc = N
Seja p*(x) qualquer distribuição em uma população com c classes, de modo que
qualquer possível observação de p*(x) também seja uma possível observação de p(x) e
e( 1 x1 + … + c x c) p(x) N!
p*(x) =------------------------------- = ------------- (p*1) x1 … (p*c) xc onde :
( p1e1 + … + pc ec ) N x1! …xc!
p* i = pi e i / ( p1 e 1 + … + pc e c ) ; i = 1, 2, …, c e os I são os parâmetros
i = ----- ( log (( p1 e 1+ … + pc e c ) N ) e i = 1, 2, …, c
i
53
Este modelo testa hipóteses acerca de uma amostra contra uma distribuição
descriminar H1 de H2 será:
I (1:2) = p11 log (p11/p21) + p12 log ( p12/p22) + … + p1c log ( p1c/p2c )
I (1:2) = p21 log (p21/p11) + p22 log ( p22/p21) + … + p2c log ( p2c/p1c )
J(1,2) = I (1:2) + I (2:1) = (p11 – p21) log (p11/p21) + (p12 – p22) log (p12/p22) + (p1c
7
A informação média neste contexto tem o sentido da “quantidade média de informação a
mais, contida em uma população e que permitirá separar ou discriminar as populações.”
54
c
I (1:2; ON ) = N I (1:2 ) = N p1i log ( p1i/p2i ), (3.10)
i=1
c
I (2:1; ON ) = N I (2:1 ) = N p2i log ( p2i/p1i ), (3.11)
i=1
c
J (1:2; ON ) = N J (1:2 ) = N (p1i - p2i) log ( p1i/p2i ). (3.12)
i=1
hipótese será assim: Seja uma amostra aleatória com observações independentes, x1, x2,
classes. O objetivo é testar a hipótese nula H2, de que a amostra é de uma população
divergência será:
55
Sob a hipótese nula H2, 2Î (*:2 ; ON) e J (*:2; ON) têm distribuição assintótica 2
com (c-1) graus de liberdade e sob a hipótese alternativa H1, 2Î (*:2 ; ON) e J (*:2; ON)
hipóteses será estruturado a partir de duas hipóteses, uma como afirmativa e outra com
negativa da hipótese.
discriminante será:
c
Î (*:2 ; ON) = xi log (xi/Npi) e o correspondente estimador para a divergência
i =1
será:
( xc/Npc)}
com (c-1) graus de liberdade e sob a hipótese alternativa H1, 2Î (*:2 ; ON) e J (*:2; ON)
y1 = x1 + x2 + …+ x i ; p 11 = p1 + p2 + … + pi e i = 1, 2, …, r1
3
Entre as 2. yi log (yi/Npii) 1
i =i
Partições 1, 2 e3
r1
Dentre 1, r2
Dentre 2 e 2. x j log (xj p22 / yj pj ) + c-2
j = r1+1
Dentre 3
( Erro ) c
c
Total 2. x i log (x i / N pi ) c-1
i =1
hipóteses:
58
r c
I (1:2) = N i pij log ( pij /pj ). (3.13)
i =1 j =1
r c
J (1,2) = N i (pij – pj) log ( pij /pj ). (3.14)
i =1 j=1
r c
Î (p*:p) = x i j log ( xij / N i pj ). (3.15)
i=1 j=1
n
x j = x i j e N = N 1 + N 2 + … +N r . Disto resulta a tabela de análise de
i=1
^ c
p j = x j / N, 2 Î(p*:p) 2 x j log x j / N p j ( c-1 )
j=1
Entre
^ r c
2 Î (p*: p ) 2 x i j log Nx i j / N x j ( r-1) (c –1)
i=1 j=1
Dentre ( erro )
r c
2 Î (p*: p ) 2 x i j log x i j / N p j r (c –1)
i=1 j=1
Total
3.2.6.4 Partição
componentes, cada um com ( c-1 ) graus de liberdade; cada partição excluirá o conjunto
y i j = x 1 j + x 2 j + … + x i j , i = 2, …, (r-1) e j = 1, 2, …, c,
y i1 + yi2 + … + yic = N1 + N2 + + … + Ni = M i .
60
z 2 j = x r+1, j + … + x r2 j , (3.18b)
z 3 j = x r+2, j + … + x r j e j = 1, 2, …, c (3.18c)
c c c
T1 = z1j , T2 = z2j , T3 = z3 j e N = T1 + T2 + T3
j=1 j=1 j=1
c
{2 z1 j log (Nz1j /T1x j ) +
j=1
c
Entre os Conjuntos 2 z2 j log (Nz2j /T2x j ) + ( c-1 )
j=1
1, 2 e 3
c
r1 c
Dentre o conjunto 1 2 x i j log T1 x i j / Ni z 1 j ( r- r1 -1) (c –1)
i=1 j=1
Erro no conjunto 1
r2 c
Dentre o conjunto 2 2 x i j log T2 x i j / Ni z 2 j ( r1 – r2 -1) (c –1)
i=r1+1 j=1
Erro no conjunto 2
r c
Dentre o conjunto 3 2 x i j log T3 x i j / Ni z 3 j (r2 -1) (c –1)
i=r2+1 j=1
Erro no conjunto 3
r c
2 Î (HO: HA ) 2 x i j log N x i j / N i x i (r-1) (c –1)
i=1 j=1
Dentre as r amostras
Erro
^ c
p j = x j / N, 2 Î(p*:p) 2 x j log x j / N p j ( c-1 )
j=1
Entre as amostras
c
2 { z1 j log (Nz1j /T1x j ) +
j=1
c
Entre os Conjuntos 2 z2 j log (Nz2j /T2x j ) + ( c-1 )
j=1
1, 2 e 3
c
2 { z3 j log (Nz3j /T3x j ) }
j=1
r1 c
2 x i j log T1 x i j / Ni z 1 j ( r- r1 -1) (c –1)
i=1 j=1
r2 c
Dentre as amostras 2 x i j log T2 x i j / Ni z 2 j ( r1 – r2 -1) (c –1)
i=r1+1 j=1
Erro das amostras
r c
2 x i j log T3 x i j / Ni z 3 j (r2 -1) (c –1)
i=r2+1 j=1
r c
2 Î (p*: p ) 2 x i j log x i j / N p j r (c –1)
i=1 j=1
Total
Tabela 3.5: Tabela de análise de Variância multinomial para r amostras, com partições
consolidadas.
expressos nas tabelas 3.5; para as análises no âmbito das Regiões e dos Setores
63
graus de liberdade. Esta medida, se tomada sob H2, segue uma distribuição assintótica
2 e se tomada sob H1, assumirá uma distribuição assintótica 2 não central, com os
respectivos graus de liberdade.
calculado automaticamente pela planilha eletrônica Excel 5.0. A figura abaixo exibe a
SETOR ou
REGIÃO ou
Banco
BLOCO ( representa o Tempo )
ERRO
Total
Neste capítulo serão apresentados os resultados das análises dos dados descritos
três para serem analisados individualmente. O critério de escolha não foi arbitrário, mas
gerenciais a eles relativas. Deste modo durante as visitas à empresa houve uma melhor
apontados acima.
da Informação.
65
Comercial, estes, com a inclusão dos setores comercias criados em junho de 1996. Para
a abordagem alternativa não serão exibidos gráficos de resíduos visto que nesta
Por fim, nas tabelas de análises de variância exibidas a seguir, a coluna fonte de
8
Normal Probabilities Plot, na literatura de língua inglesa. Tradução do autor.
66
Nesta seção serão analisados os dados relativos aos setores comerciais sem a
R2 = 65%
Tabela 4.1: Análise de variância baseada em Modelos Lineares para os Setores comerciais,
considerados sem os novos setores.
5 5
0 0
Resíduos
Resíduos
-5 -5
-10 -10
75 80 85 -3 -2 -1 0 1 2 3
ValoresAjustados NormalScore
Gráficos 4.1 e 4.2: Resíduos do modelo para Setores Comerciais sem os novos setores,
ajustados por Modelos Lineares.
68
4.1.2 Regiões
R2= 74%
Tabela 4.2 : Análise de variância baseada em Modelos Lineares para as Regiões, consideradas
sem os novos Setores Comerciais.
3 3
2 2
1 1
Resíduos
Resíduos
0 0
-1 -1
-2 -2
-3 -3
-4 -4
74 75 76 77 78 79 80 81 82 83 -3 -2 -1 0 1 2 3
Valoresajustados NormalScore
Gráficos 4.3 e 4.4: Resíduos do modelo para as Regiões sem os novos setores, ajustados por
Modelos Lineares.
R2 = 79%
Tabela 4.3 : Análise de variância baseada em Modelos Lineares para o Banco Comercial,
considerado sem os novos Setores Comerciais.
70
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
Resíduos
Resíduos
0.0 0.0
-0.5 -0.5
-1.0 -1.0
-1.5 -1.5
-2.0 -2.0
-2.5 -2.5
76 77 78 79 80 -2 -1 0 1 2
ValoresAjustados NormalScore
Gráficos 4.5 e 4.6: Resíduos do modelo para o Banco Comercial sem os novos setores,
ajustados por Modelos Lineares.
-se as unidades organizacionais com os novos setores comerciais e também sem estes
novos setores. Enfatiza-se que para esta modelagem não serão apresentados médias e
nem gráficos de resíduos; pois para esta metodologia não há estimação de parâmetros.
R2 = 75%
Tabela 4.4: Tabela de análise de variância para os setores comerciais, considerados sem os
novos setores, utilizando-se a modelagem alternativa da Teoria da Informação.
R2 = 84%
Tabela 4.5 : Tabela de análise de variância para os setores comerciais, considerados com os
novos setores, utilizando-se a modelagem alternativa da Teoria da Informação.
4.2.2 Regiões
R2 = 83%
Tabela 4.6 : Tabela de análise de variância para as regiões, consideradas sem os novos setores,
utilizando-se a modelagem alternativa da Teoria da Informação.
73
R2 = 83%
Tabela 4.7 : Tabela de análise de variância para as regiões, consideradas com os novos setores,
utilizando-se a modelagem alternativa da Teoria da Informação.
R2 = 79%
Tabela 4.8 : Tabela de análise de variância para o Banco Comercial, considerado sem os novos
setores, utilizando-se a modelagem alternativa da Teoria da Informação.
74
R2 = 79%
Tabela 4.9 : Tabela de análise de variância para o Banco Comercial, considerado COM os novos
setores, utilizando-se a modelagem alternativa da Teoria da Informação.
acordo com o tempo (os blocos), isto é; se o tempo influencia o desempenho dos
indicadores selecionados.
pudesse agregar robustez às análises. No caso dos indicadores será adotada somente a
acerca do IQS.
75
estão exibidos gráficos versus o tempo, para o Banco Comercial, com o objetivo de
R2 = 56%
Individual 95% CI
BLOCO Mean ----------+---------+---------+---------+-
1 75.35 (-*-)
2 63.73 (-*-)
3 72.26 (-*-)
----------+---------+---------+---------+-
66.50 70.00 73.50 77.00
Individual 95% CI
SETOR Mean -------+---------+---------+---------+----
SETOR21 65.93 (-----*-----)
SETOR53 67.71 (-----*-----)
SETOR25 68.03 (-----*-----)
SETOR34 68.67 (-----*-----)
SETOR12 69.53 (-----*-----)
SETOR31 69.69 (-----*-----)
SETOR23 69.86 (-----*-----)
SETOR11 70.08 (-----*-----)
SETOR44 70.46 (-----*-----)
SETOR22 70.69 (-----*-----)
SETOR51 70.70 (-----*-----)
SETOR41 70.85 (-----*-----)
SETOR61 70.87 (-----*-----)
SETOR32 70.94 (----*-----)
SETOR13 71.43 (-----*-----)
SETOR24 71.56 (-----*----)
SETOR52 71.56 (-----*----)
SETOR42 71.66 (-----*-----)
SETOR43 72.34 (-----*-----)
SETOR62 73.01 (-----*-----)
SETOR63 73.76 (-----*-----)
-------+---------+---------+---------+----
66.00 69.00 72.00 75.00
77
10 10
0 0
Resíduos
Resíduos
-10 -10
-20 -20
60 70 80 -3 -2 -1 0 1 2 3
ValoresAjustados NormalScore
Gráficos 4.7 e 4.8: Resíduos do modelo para os Setores Comerciais, indicador Pesquisa do
Atendimento Telefônico ajustados por Modelos Lineares.
4.3.1.2 Regiões
R2 = 62%
Individual 95% CI
BLOCO Mean -+---------+---------+---------+---------+
1 75.33 (--*--)
2 63.96 (--*--)
3 72.56 (--*--)
-+---------+---------+---------+---------+
63.00 66.50 70.00 73.50 77.00
Individual 95% CI
REGIAO Mean --------+---------+---------+---------+---
REGIAO2 69.38 (----------*---------)
REGIAO5 69.99 (----------*---------)
REGIAO3 70.19 (---------*---------)
REGIAO1 70.35 (---------*---------)
REGIAO4 71.33 (----------*---------)
REGIAO6 72.46 (---------*---------)
--------+---------+---------+---------+---
69.00 70.50 72.00 73.50
10 10
5 5
0 0
Resíduos
Resíduos
-5 -5
-10 -10
-15 -15
62 67 72 77 -3 -2 -1 0 1 2 3
NormalScore
ValoresAjustados
Gráficos 4.9 e 4.10: Resíduos do modelo para as Regiões, indicador Pesquisa do Atendimento
Telefônico ajustados por Modelos Lineares.
79
R2 = 73%
5 5
0 0
Resíduos
Resíduos
-5 -5
-10 -10
65 70 75 -2 -1 0 1 2
NormalScore
ValoresAjustados
Gráficos 4.11 e 4.12: Resíduos do modelo para o Banco Comercial, indicador Pesquisa do
Atendimento Telefônico ajustados por Modelos Lineares.
75
65
55
jul/95 out/95 jan/96 abr/96 jul/96 out/96 jan/97 abr/97 jul/97
81
para este indicador está exibido um gráfico contendo seu desempenho versus tempo,
R2 = 77%
Tabela 4.13 : Tabela de análise de variância para o indicador Percentual de Dados Cadastrais
Corretos, segmentado pelas unidades organizacionais Setores Comerciais.
82
Individual 95% CI
BLOCO Mean ----+---------+---------+---------+-------
1 65.51 (*-)
2 75.79 (-*)
3 74.91 (-*)
----+---------+---------+---------+-------
66.00 69.00 72.00 75.00
Individual 95% CI
SETOR Mean -------+---------+---------+---------+----
SETOR53 57.65 (-*-)
SETOR52 68.06 (-*--)
SETOR24 69.17 (-*-)
SETOR22 69.85 (-*--)
SETOR41 71.16 (--*-)
SETOR32 71.19 (-*-)
SETOR51 71.40 (-*-)
SETOR43 71.49 (-*-)
SETOR25 71.84 (-*-)
SETOR44 72.36 (--*-)
SETOR21 72.75 (-*-)
SETOR23 72.82 (-*--)
SETOR42 73.22 (-*-)
SETOR13 73.48 (-*--)
SETOR12 73.95 (-*-)
SETOR62 74.52 (-*-)
SETOR61 74.60 (-*-)
SETOR31 75.20 (-*-)
SETOR11 75.39 (-*-)
SETOR63 76.27 (-*-)
SETOR34 77.06 (-*--)
-------+---------+---------+---------+----
60.00 66.00 72.00 78.00
83
10 10
Resíduos
Resíduos
0 0
-10 -10
50 60 70 80 -3 -2 -1 0 1 2 3
ValoresAjustados NormalScore
Gráficos 4.13 e 4.14: Resíduos do modelo para os Setores Comerciais, indicador Percentual de
Dados Cadastrais Corretos, ajustados por Modelos Lineares.
4.3.2.2 Regiões
R2 = 77%
Tabela 4.14 : Tabela de análise de variância para o indicador Percentual de Dados Cadastrais
Corretos, segmentado pelas unidades organizacionais Regiões.
84
Individual 95% CI
BLOCO Mean ----+---------+---------+---------+-------
1 65.65 (--*--)
2 76.16 (--*--)
3 74.61 (--*--)
----+---------+---------+---------+-------
66.00 69.00 72.00 75.00
Individual 95% CI
REGIAO Mean -----+---------+---------+---------+------
REGIAO5 65.71 (---*---)
REGIAO2 71.07 (---*---)
REGIAO4 72.06 (---*---)
REGIAO1 74.28 (---*---)
REGIAO3 74.43 (---*---)
REGIAO6 75.31 (---*---)
-----+---------+---------+---------+------
66.00 69.00 72.00 75.00
5 5
Resíduos
Resíduos
0 0
-5 -5
60 70 80 -3 -2 -1 0 1 2 3
ValoresAjustados Normal Score
Gráficos 4.15 e 4.16: Resíduos do modelo para as Regiões, indicador Percentual de Dados
Cadastrais Corretos, ajustados por Modelos Lineares.
R2 = 79%
Tabela 4.15 : Tabela de análise de variância para o indicador Percentual de dados Cadastrais
Corretos, segmentado pela unidade organizacional Banco Comercial
5 5
4 4
3 3
2 2
Residuos
Residuos
1 1
0 0
-1 -1
-2 -2
-3 -3
-4 -4
65 70 75 -2 -1 0 1 2
Normal Score
Valores Ajustados
Gráficos 4.17 e 4.18: Resíduos do modelo para o Banco Comercial, indicador Percentual de
Dados Cadastrais Corretos, ajustados por Modelos Lineares.
75
70
65
60
jul/95 out/95 jan/96 abr/96 jul/96 out/96 jan/97 abr/97 jul/97
R2 = 62%
Tabela 4.16: Tabela de análise de variância para o indicador Percentual de Contas Mantidas,
segmentado pelas unidades organizacionais Setores Comerciais.
Individual 95% CI
BLOCO Mean ----+---------+---------+---------+-------
1 88.75 (---*--)
2 91.46 (--*--)
3 92.79 (--*--)
----+---------+---------+---------+-------
88.80 90.00 91.20 92.40
Individual 95% CI
SETOR Mean --------+---------+---------+---------+---
SETOR42 82.32 (--*--)
SETOR41 84.63 (--*--)
SETOR44 86.68 (--*--)
SETOR43 89.34 (--*--)
SETOR53 90.33 (--*--)
SETOR31 91.40 (--*--)
SETOR32 91.54 (--*-)
SETOR24 91.65 (--*--)
SETOR61 91.84 (-*--)
SETOR12 92.07 (--*--)
SETOR11 92.27 (--*-)
SETOR51 92.29 (--*--)
SETOR21 92.37 (--*--)
SETOR22 92.54 (-*--)
SETOR25 92.55 (-*--)
SETOR13 92.67 (--*--)
SETOR34 92.71 (--*--)
SETOR23 92.75 (--*--)
SETOR52 92.83 (--*--)
SETOR62 92.96 (--*-)
SETOR63 93.23 (-*--)
--------+---------+---------+---------+---
84.00 87.50 91.00 94.50
88
10 10
0 0
Resíduos
Resíduos
-10 -10
-20 -20
80 85 90 95 -3 -2 -1 0 1 2 3
Gráficos 4.19 e 4.20: Resíduos do modelo para os Setores Comerciais, indicador Percentual do
Contas Mantidas, ajustados por Modelos Lineares.
4.3.3.2 Regiões
R2 = 82%
Tabela 4.17: Tabela de análise de variância para o indicador Percentual de Contas Mantidas,
segmentado pelas unidades organizacionais Regiões.
89
Individual 95% CI
Individual 95% CI
REGIAO Mean ----+---------+---------+---------+-------
REGIAO4 85.74 (--*-)
REGIAO5 91.82 (--*--)
REGIAO3 91.92 (--*-)
REGIAO1 92.33 (--*-)
REGIAO2 92.37 (--*--)
REGIAO6 92.70 (--*-)
----+---------+---------+---------+-------
86.00 88.00 90.00 92.00
0
0
-5
-5
-3 -2 -1 0 1 2 3
85 90 95
NormalScore
ValoresAJustados
Gráficos 4.21 e 4.22: Resíduos do modelo para as Regiões, indicador Percentual do Contas
Mantidas, ajustados por Modelos Lineares.
90
R2 = 85%
Tabela 4.18: Tabela de análise de variância para o indicador Percentual de Contas Mantidas,
segmentado para a unidade organizacional Banco Comercial.
2 2
1 1
Residuos
Residuos
0 0
-1 -1
89 90 91 92 93 -2 -1 0 1 2
Gráficos 4.23 e 4.24: Resíduos do modelo para o Banco Comercial, indicador Percentual do
Contas Mantidas, ajustados por Modelos Lineares.
RETORNO
PATRIMÔNIO LUCRO SOBRE O
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO
( lucro /
em milhões de R$ patrimônio - lucro)
1995 2o. Sem 1.967,8 88,5 4,7
1996 1o. Sem 2.047,7 126,9 6,6
1996 2o. Sem 2.153,7 158,2 7,9
1997 1o. Trim 2.229,6 # 151,6* 7,3
1997 1o. Sem 2.465,5 176,9 7,7
1997 3o. Trim 2.575,8 # 220,2* 9,3
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7
zero; isto é, o IQS foi tomado no mesmo período de tempo que os resultados
financeiros. O segundo considera uma defasagem de 6 meses; isto é, o IQS foi tomado
com antecedência de 6 meses. O terceiro foi tomado com defasagem de 12 meses para o
IQS e o quarto foi considerado com 18 meses de defasagem. A premissa destes ajustes é
93
modelo de regressão ajustado aos quatro conjuntos estabelece como variável dependente
Regressão em T = 0
RETORNO ÍNDICE DA
PATRIMÔNIO LUCRO SOBRE O QUALIDADE
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO DOS SERVIÇOS
em milhões de R$ (lucro / patrim.-lucro) ( média do período)
1995 2o. Sem 1.967,8 88,5 4,7 75,6
1996 1o. Sem 2.047,7 126,9 6,6 76,8
1996 2o. Sem 2.153,7 158,2 7,9 77,6
1997 1o. Trim 2.229,6 # 151,6 7,3 78,6
1997 1o. Sem 2.465,5 176,9 7,7 79,7
1997 3o. Trim 2.575,8 # 220,2 9,3 81,7
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7
Regressão em T + 6 meses
RETORNO ÍNDICE DA
PATRIMÔNIO LUCRO SOBRE O QUALIDADE
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO DOS SERVIÇOS
em milhões de R$ (lucro / patrim.-lucro) ( média do período)
1995 2o. Sem 1.967,8 88,5 4,5 75,6
1996 1o. Sem 2.047,7 126,9 6,2 76,8
1996 2o. Sem 2.153,7 158,2 7,3 77,6
1997 1o. Trim 2.229,6 # 151,6* 6,8 78,6
1997 1o. Sem 2.465,5 176,9 7,2 79,7
1997 3o. Trim 2.575,8 # 220,2* 8,5 81,7
1997 2o. Sem 2.629,9 253,9 9,7
1998 1o. Sem 2.793,0 246,4 8,8
1998 2o. Sem 2.906,3 207,8 7,1
Regressão em T + 12 meses
RETORNO ÍNDICE DA
PATRIMÔNIO LUCRO SOBRE O QUALIDADE
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO DOS SERVIÇOS
em milhões de R$ (lucro / patrim.-lucro) ( média do período)
1995 2o. Sem 1.967,8 88,5 4,5 75,6
1996 1o. Sem 2.047,7 126,9 6,2 76,8
1996 2o. Sem 2.153,7 158,2 7,3 77,6
1997 1o. Trim 2.229,6 # 151,6* 6,8 78,6
1997 1o. Sem 2.465,5 176,9 7,2 79,7
1997 3o. Trim 2.575,8 # 220,2* 8,5 81,7
1997 2o. Sem 2.629,9 253,9 9,7
1998 1o. Sem 2.793,0 246,4 8,8
1998 2o. Sem 2.906,3 207,8 7,1
Para não repetir argumentos, a tabela para o modelo T+18 meses foi suprimida;
contudo a tabela de sumário apresenta seus resultados. A seguir estão exibidos a tabela
Resumo Informativo
Tabela 4.23: Tabela de resultados dos modelos de Regressão Linear, comparativos entre os
ajustes para T=0, T+6 meses, T+12 meses e T+18 meses.
Regressâo Linear
Índice Geral x R.S.P.L.
12,0
R.S.P.L. ( % )
10,0
8,0
6,0
4,0
75,0 76,0 77,0 78,0 79,0 80,0 81,0 82,0
Índice Geral
5. Conclusão
no âmbito do tratamento (os próprios setores comerciais), como no âmbito dos blocos
Comerciais, o maior desempenho é para o setor 63, com média 82,0 pontos. O setor de
menor desempenho é o 53 com média de 74,8 pontos. Assim pode-se inferir que o setor
63 tem melhor qualidade que o setor 53. Em relação aos blocos (tempo) o desempenho
97
nível mínimo de 5% tanto para as Regiões como para os blocos. A Região de maior
desempenho do IQS é a 4, com 76,7 pontos. Assim pode-se inferir que a Região 6 tem
do primeiro período de 76,1 pontos, do segundo 77,7 pontos e do terceiro 80,4 pontos.
em relação ao tempo, com médias de 75,9 pontos para o primeiro período, de 77,4
pontos para o segundo período e de 80,3 pontos para o terceiro período. Os resíduos
no desempenho do IQS, tanto no âmbito dos próprios Setores, com no âmbito do tempo.
relação aos Setores com em relação aos blocos ( tempo ). O coeficiente de correlação de
Pearson é de 84 %.
significância de pelo menos 5%, apresenta desempenho diferente do IQS em relação aos
Pearson é de 79 %.
desempenhos, tanto para as Setores com para os blocos. Entre os Setores Comerciais, o
de maior média de desempenho neste indicador é o Setor 63, com 73,7 pontos; o de
menor desempenho para o indicador é o Setor 21, com 65,9 pontos. Pode-se inferir que
blocos (tempo). Portanto conclui-se que não diferença de desempenho para este
Porém, no âmbito dos blocos, há diferença entre as médias dos períodos. O coeficiente
que indica que as médias dos períodos de tempo considerados – os blocos – são
diferentes entre si. Para o primeiro período tem-se a média de 75,3 pontos; para o
100
segundo período tem-se a média de 63,7 pontos e para o último período tem-se a média
de 72,6 pontos. Note-se que para este indicador o desempenho piorou do primeiro para
este indicador não representa participação significativa no IQS para impor sua tendência
decrescente ao índice.
mínimo de 5%, tanto para os próprios Setores como para os blocos. Assim, as médias
para o indicador são: A maior, de 77,1 pontos para o Setor Comercial 34 e a menor, de
mínimo de 5% para Regiões e blocos. A região com maior média é a 6 com 75,3 pontos
e a menor média fica com a Região 5, que tem 65,7 pontos. Os blocos também
apresentam médias diferentes, 65,6 para o primeiro, 76,2 para o segundo e 74,6 para o
ligeira descontinuidade nos resíduos, que pode ser atribuido à Região 5, que abrange a
indicador, segmentado pelos blocos são diferentes entre si. O coeficiente de correlação
5%, tanto para as Regiões como para os blocos. A Região de melhor desempenho é a 6,
com 92,7 pontos e a de pior desempenho foi a 4 com 85,7 pontos. Estas médias são
significativa, de 88,9 para o primeiro período, 91,5 para o segundo período e de 93,0
%.
aos blocos. Isto é: As médias do indicador nos períodos considerados são diferentes
normalidade.
102
limitante às análises, pois com este número de observações as conclusões não devem ser
correlação de Pearson, na tabela denotado por Adjusted R Square (R2), nota-se que o
melhor ajuste é para o modelo T+ 6, com 85%, para o modelo T+12 é de 50%, para o
de significância do ajuste T+6 é menor dentre os modelos, de 0,6%. Note-se que para
explicação da relação. O erro padrão da média também é o menor para o modelo T+6.
segmentos organizacionais em que o banco foi dividido, pode-se concluir que o IQS
muda com o tempo, com desempenhos médios crescentes e também diferentes entre os
relação ao IQS, nas práticas gerenciais dos executivos responsáveis pelas unidades
103
organizacionais mencionadas.
considerados tanto sem os dados incompletos como com estes dados, a fim de validar a
alternativa apontam para resultados semelhantes aos obtidos pela análise tradicional,
que o IQS influencia o resultado financeiro da organização; além disso, esta influência
tem certa defasagem de tempo. As regressões apontam para uma defasagem de 6 meses;
positivamente correlacionados.
104
ANEXO Nº 1
O estudo desta tabela indica que a estatística de regressão R2 tem bom ajuste
para todos os modelos, porém é maior para o ajuste em T+6. O erro padrão do
estimados é aceitável para o ajuste em T+6 e é muito grande para os ajustes em T=0 e
verdadeiro, portanto, quanto maior melhor ) é maior para o ajuste em T+6, muito
pequeno para o ajuste T+12 ( isto quer dizer que não há ajuste neste modelo ) e no
é menor que o do ajuste T+6. O ajuste para T+12 é inaceitável. Logo, o melhor ajuste é
para o modelo T+6. Isto significa que existe grande possibilidade de que haja uma
relação entre o IQS e o RSPL, relação esta melhor observável com uma defasagem de 6
RETORNO
PATRIMÔNIO LUCRO SOBRE O
ANO PERÍODO LÍQUIDO LÍQUIDO PATRIMÔNIO
( lucro /
em milhões de R$ patrimônio - lucro)
1995 2o. Sem 1.967,8 88,5 4,7
1996 1o. Sem 2.047,7 126,9 6,6
1996 2o. Sem 2.153,7 158,2 7,9
1997 1o. Trim 2.229,6 # 151,6* 7,3
1997 1o. Sem 2.465,5 176,9 7,7
1997 3o. Trim 2.575,8 # 220,2* 9,3
1997 2o. Sem 2.629,9 253,9 10,7
1998 1o. Sem 2.793,0 246,4 9,7
1998 2o. Sem 2.906,3 207,8 7,7
Î J J
1. JYH
EÊy
106
yJ