Modelos preditivos para gestão de incentivos financeiros às empresas: aplicação ao Portugal 2020

• Autor(a) principal: Ribeiro, Tiago Rafael da Silva Luz
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10071/20306
• topic: Incentivo financeiro; Concursos de incentivos financeiros; Previsão com dados estatísticos; Financial incentives; Financial incentive contests; Forecast with statistical data

Desde 1986 que Portugal tem recebido incentivos provenientes da Comunidade Europeia, para a sua convergência numa Europa de moeda única e em alargamento. Portugal não foi o único país a receber tais incentivos; também Espanha, Irlanda e Grécia, entre outros, receberam fundos exatamente com o mesmo objetivo, a redução de disparidades entre países da União Europeia para tornar a Europa num todo. Os incentivos ao investimento empresarial tornaram–se um instrumento fundamental de políticas públicas de dinamização económica. Mas como ainda hoje existem disparidades entre regiões, questiona–se o impacto que estes fundos tiveram nas economias. É um tema controverso, multifacetado e sem consensos, mas mesmo assim existem autores que afirmam e outros que concordam em parte, que o impacto só foi positivo em países com estruturas desenvolvidas, de qualidade e que acompanhassem o desempenho das empresas recipientes de fundos comunitários. E se, para além desse acompanhamento, fosse possível à data da candidatura prever o sucesso das empresas recipientes de Fundos? Não haveria um acréscimo na rentabilidade efetiva desses Fundos? Para dar resposta a esta pergunta, a presente dissertação prosseguiu a partir da modelação da relação entre os dados dos processos empresas e o seu futuro sucesso. Os dados dos processos das empresas pertencem a empresas no âmbito específico do apoio concedido pelo IAPMEI a projetos empresariais (SIME 2000 a 2002). Obtiveram-se dois modelos promissores, que conseguem explicar corretamente os dados, mostrar quais são as variáveis independentes que mais influência têm nessa previsão.