| spelling |
Rafael Morais de SouzaValeria Gama Fully BressanJose Roberto de Souza FranciscoAline Souza MagalhaesCleisson da Silva Rios2019-08-12T13:32:55Z2019-08-12T13:32:55Z2017-05-31http://hdl.handle.net/1843/BUOS-AS9H76A presente pesquisa teve como objetivo verificar a probabilidade das Organizações da Sociedade Civil de Interesse Público (OSCIPs) terem suas doações impactadas por informações oriundas dos relatórios contábeis. Para o alcance do objetivo proposto, adotou-se uma abordagem predominantemente quantitativa - com uso da regressão logística e da rede neural artificial. Os dados, objeto de análise do estudo, foram obtidos por meio de 463 prestações de contas fornecidas pelo Instituto de Pesquisa Econômica Aplicada (IPEA). Logo, a partir de uma regressão logística testou-se um modelo para previsão de doações. Inicialmente, através da matriz de correlação, constatou-se uma baixa correlação entre as variáveis explicativas. Por meio da estimação da regressão logística obteve-se a estatística do teste da razão da verossimilhança com valor de 63,42, que permite afirmar que os coeficientes foram conjuntamente significativos para explicar a probabilidade das OSCIPs terem seus níveis de doações afetados por informações contábeis sendo possível rejeitar a 5% a hipótese de que os coeficientes em conjunto sejam iguais à zero. Ainda, com base no modelo logit estimado, constatou-se que os coeficientes das variáveis receitas governamentais (GOV), ativo total (ATIVO) e endividamento de curto prazo (ECP) são estaticamente diferentes de zero a 5% de significância. Evidenciou-se que as variáveis taxa de despesas administrativas (ADM), endividamento geral (EG) e endividamento de longo prazo (ELP) não apresentam significância. Utilizando o critério stepwise, estimou-se novamente a regressão logística para verificar o ajuste do modelo e observar a capacidade do logit para classificar o evento de interesse do estudo. Por meio da curva de ROC, com área de 0,7077, constatou-se que o modelo estimado para classificar as doações para as OSCIPs apresenta uma boa capacidade preditiva. O ajuste do modelo ainda foi testado por meio de três pontos de corte (0,4, 0,5 e 0,6), havendo uma melhora significativa no ajustamento do modelo por meio de um ponto de corte de 0,4, pois a sensibilidade variou de 62,56% (regressão stepwise) para 81,06%. Adicionalmente comparou-se o desempenho da regressão logística e de uma rede neural artificial estruturada com 1 camada de entrada, uma camada oculta (testada com três e cinco neurônios) e uma camada de saída. Na comparação da performance das duas metodologias, verificou-se que o melhor desempenho de ambas ocorreu no ponto de corte de 0,4 e na rede neural artificial configurada com três neurônios na camada oculta. O percentual de acerto da regressão logística para categoria 1 (com doações) foi de 81,06%, enquanto a rede neural apresentou 74,45% de acertos na classificação do evento 1. Finally, it was verified that the logit model had better performance In the classification of the event object of study. Com base nos resultados encontrados, pode-se concluir que existem evidências sobre a relevância da informação contábil que sinaliza a reputação da organizacional, evidencia o tamanho e o endividamento de curto prazo para explicar a probabilidade de ocorrência de doações.The present research had as objective verify the probability of Civil Society Organizations of Public Interest (OSCIPs) having their donations impacted by information from the accounting reports. To reach the proposed objective, a predominantly quantitative approach was adopted - with use of logistic regression and artificial neural network. The data, object of analysis of the study, were obtained by means of 463 accountability provided by the Institute of Applied Economic Research (IPEA). Therefore, from of a logistic regression, we tested a model to donation forecast. Initially, through the correlation matrix, It was found a low correlation between the explanatory variables. By means of the logistic regression estimation, we obtained the likelihood ratio test statistic with a value of 63.42, what allows us to state that the coefficients were jointly significant to explain the probability of OSCIPs having their levels of donations affected by accounting information - being possible reject to 5% the hypothesis that the coefficients together are equal to zero. Also, based on the estimated logit model, it was found that the coefficients of the variables government revenues (GOV), total assets (ASSETS) and short-term debt (ECP) are statically different from zero to 5% of significance. It was evidenced that the variables "administrative expenses (ADM), general indebtedness (EG) and long-term debt (ELP)" are not significant. Using the stepwise criterion, the logistic regression was again estimated to verify fit of the model and to observe the capacity of the logit to classify the event of interest of the study. Through the ROC curve, with an area of 0.7077, it was verified that the estimated model to classify the donations to the OSCIPs presents a good predictive capacity. The fit of the model was still tested by means of three cut-off points (0.4, 0.5 and 0.6), being found a improvement significant improvement in the adjustment of the model by means of a cut-off point of 0.4, since the sensitivity ranged from 62.56% (stepwise regression) to 81.06%. Additionally, the performance of the logistic regression and a structured artificial neural network with 1 input layer, a hidden layer (tested with three and five neurons) and an output layer were compared. In the comparison of the performance of the two methodologies, it was verified that the best performance of both occurred in the cutoff point of 0.4 and in the artificial neural network configured with three neurons in the hidden layer. The percentage of accuracy of the logistic regression for category 1 (with donations) was 81.06%, while the neural network presented 74.45% of correct answers in the classification of event 1. Finally, it was verified that the logit model had better performance In the classification of the event under study. Based on the results found, it can be concluded that there is evidence on the relevance of the accounting information - which signals the organizational reputation, evidences size and short-term indebtedness - to explain the probability of occurrence of donations.Universidade Federal de Minas GeraisUFMGTerceiro setorDivulgação de informações contábeisDoaçõesTerceiro setorDoaçõesInformação contábilOSCIPsAnálise sobre a relevância da informação contábil para predizer a captação de doações das organizações da sociedade civil de interesse público no período de 2006 a 2014info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdisserta__o_cleisson_da_silva_rios.pdfapplication/pdf2085131https://repositorio.ufmg.br/bitstream/1843/BUOS-AS9H76/1/disserta__o_cleisson_da_silva_rios.pdfeb0e3341514d3e6e12d2e561839ae5c2MD51TEXTdisserta__o_cleisson_da_silva_rios.pdf.txtdisserta__o_cleisson_da_silva_rios.pdf.txtExtracted texttext/plain309889https://repositorio.ufmg.br/bitstream/1843/BUOS-AS9H76/2/disserta__o_cleisson_da_silva_rios.pdf.txtc32fbffcc09b7aa32b87b56717b7748cMD521843/BUOS-AS9H762019-11-14 17:58:41.479oai:repositorio.ufmg.br:1843/BUOS-AS9H76Repositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T20:58:41Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|