Função utl_tableStat do pacote CNTDD

Post

Você já precisou analisar como diferentes características das empresas se relacionam entre si?

Neste post, vamos mostrar como a função utl_tableStat, do pacote cntdd, pode ajudar nessa tarefa de forma prática e visual.

Essa função realiza uma análise tridimensional, ou seja, permite observar o comportamento de uma variável numérica considerando dois grupos de referência ao mesmo tempo. Na prática, ela aplica estatísticas descritivas para revelar padrões e possíveis relações entre variáveis contábeis e financeiras. É uma forma alternativa para análise de cluster.

No exemplo fictício que usaremos, o objetivo é identificar qual percentual de Imposto de Renda e CSLL se verifica entre diferentes tipos de empresas: intensivas e não intensivas em imobilizado (classificadas pelo valor do ativo imobilizado) e com alta e baixa receita (segundo o valor da receita).

O primeiro passo é acessar a base de dados. Vamos utilizar a base dt_contabil, disponível no próprio pacote cntdd. Com a função glimpse, do pacote dplyr, é possível visualizar rapidamente a estrutura da base e entender quais variáveis estão disponíveis para análise.

Acompanhe o passo a passo e veja como aplicar essa função para explorar seus dados contábeis de forma mais inteligente.

library(cntdd) # carrega o pacote cntdd
library(dplyr) # Carrega o pacote dplyr
glimpse(dt_contabil)

Rows: 60
Columns: 38
$ empresa           <chr> "alpha", "alpha", "alpha", "alpha", "alpha", "alpha"…
$ ano               <int> 2016, 2017, 2018, 2019, 2020, 2021, 2016, 2017, 2018…
$ caixaEquiv        <int> 5198, 10517, 8803, 14299, 39659, 34950, 638296, 4248…
$ aplicFinanc       <int> 246286, 339427, 235388, 273264, 541474, 236951, 3489…
$ clientesCP        <int> 326524, 348944, 396347, 428123, 620133, 818424, 2848…
$ estoques          <int> 114409, 117527, 156229, 185886, 301247, 466517, 6858…
$ outrosAtvCirc     <int> 38943, 69255, 75196, 113989, 118040, 148544, 425302,…
$ atvCirc           <int> 731360, 885670, 871963, 1015561, 1620553, 1705386, 4…
$ clientesLP        <int> 14162, 11898, 11101, 10772, 2655, 4428, 0, 0, 0, 0, …
$ investimento      <int> 937, 3029, 3442, 3124, 3123, 2963, 198967, 191662, 1…
$ imobilizado       <int> 75651, 70042, 86161, 314902, 327555, 418239, 2064054…
$ intangLiquido     <int> 89019, 82011, 69558, 77717, 859397, 1051033, 116819,…
$ outrosAtvNaoCirc  <int> 28299, 34609, 39993, 41462, 120057, 304066, 669258, …
$ atvNaoCirc        <int> 208068, 201589, 210255, 447977, 1312787, 1780729, 30…
$ forneced          <int> 68809, 108131, 114039, 139769, 413394, 595164, 47003…
$ empFinCP          <int> 81780, 169555, 45542, 163852, 248004, 514541, 964665…
$ outrosPassCirc    <int> 58423, 91836, 105413, 177572, 282452, 463348, 171897…
$ passivoCirc       <int> 209012, 369522, 264994, 481193, 943850, 1573053, 315…
$ empFinLP          <int> 28042, 18657, 69839, 23364, 408834, 39075, 682578, 7…
$ outrosPassNaoCirc <int> 8844, 10457, 10730, 186361, 184069, 225330, 414210, …
$ passivoNaoCirc    <int> 36886, 29114, 80569, 209725, 592903, 264405, 1096788…
$ patLiquido        <int> 693530, 688623, 736655, 772620, 1396587, 1648657, 37…
$ ativoTotal        <int> 939428, 1087259, 1082219, 1463539, 2933340, 3486116,…
$ receita           <int> 1283203, 1408886, 1580984, 1738990, 1647607, 3027870…
$ custoMercVend     <int> 714366, 762921, 845023, 935693, 865520, 1434437, 243…
$ despVendas        <int> 313479, 346107, 392405, 439467, 548811, 915882, 2627…
$ despAdm           <int> 96149, 117866, 145877, 190560, 168007, 327469, 72290…
$ despOperac        <int> 412126, 466152, 537875, 572255, 686700, 1108236, 328…
$ receitaFinanc     <int> 36926, 35051, 41463, 25599, 67862, 43884, 239311, 12…
$ despesaFinanc     <int> 31050, 25420, 63502, 44422, 106750, 110857, 372009, …
$ impostoRenda      <int> 42304, 29475, 28327, 44309, 6186, 62273, -43552, 212…
$ depreciacao       <int> 26733, 33793, 42336, 83180, 83989, 109511, 296241, 3…
$ ebit              <int> 156710, 179811, 198085, 231041, 95386, 485197, 41799…
$ lucroLiquido      <int> 120282, 159966, 147719, 167908, 50312, 357519, 32885…
$ lair              <int> 162586, 189442, 176047, 212218, 56499, 418225, 28529…
$ flxCxOper         <int> 105328, 180074, 122029, 212172, 228155, 250547, 4322…
$ flxCxInvest       <int> -21703, -94960, 74806, -88448, -307860, -11155, -288…
$ flxCxFinanc       <int> -87013, -79850, -199408, -118347, 105061, -241822, 1…

Vimos que a base de dados possui 38 variáveis e 60 linhas e, que para atender nosso interresse vamos precisar apenas do Ativo Imobilizado, Receita, Imposto de Renda e LAIR (para cálculo do percentual).

Vamos criar uma base (objeto) chamada dt_irPorGrupo e, em seguida, vamos aplicar a função summary para ver estatísticas descritivas básicas das variáveis escolhidas.

dt_irPorGrupo <- # define o nome objeto
  dt_contabil %>% # escolhe a base de dados
  select(imobilizado, receita, impostoRenda, lair) # escolhe as variáveis de interesse

summary(dt_irPorGrupo) # faz estatísticas descritivas básicas com a base de dados

  imobilizado         receita          impostoRenda           lair         
 Min.   :  70042   Min.   :  404333   Min.   :-1307943   Min.   :-2075312  
 1st Qu.: 247846   1st Qu.: 1224547   1st Qu.:  -51243   1st Qu.: -121156  
 Median : 579996   Median : 4230867   Median :   23117   Median :   92723  
 Mean   :1431853   Mean   : 7693517   Mean   :    6202   Mean   :  178683  
 3rd Qu.:2162359   3rd Qu.: 8406145   3rd Qu.:   73595   3rd Qu.:  461329  
 Max.   :5490371   Max.   :36533517   Max.   :  645997   Max.   : 1852711  
 NA's   :1         NA's   :1          NA's   :1          NA's   :1         

Identificamos que algumas empresas apresentam observações com valores nulos (indicados por NA em todas as variáveis) e que outras possuem resultados com LAIR e IR negativos. Não entraremos no mérito das causas desses casos agora. Vamos remover essas observações para mostrar, na prática, como aplicar filtros no R e deixar nossa análise mais interessante neste post.

dt_irPorGrupoAjustada <-
  dt_irPorGrupo %>% 
  na.omit() %>% # Remove todos os NAs da base
  filter((lair > 0 & impostoRenda > 0)) %>%   # filtra apenas observações positivas de LAIR e IR
  mutate(
    percentualIR = impostoRenda / lair # cria a variável percentual IR para análise
  )

glimpse(dt_irPorGrupoAjustada)

Rows: 33
Columns: 5
$ imobilizado  <int> 75651, 70042, 86161, 314902, 327555, 418239, 1913395, 195…
$ receita      <int> 1283203, 1408886, 1580984, 1738990, 1647607, 3027870, 667…
$ impostoRenda <int> 42304, 29475, 28327, 44309, 6186, 62273, 212759, 573065, …
$ lair         <int> 162586, 189442, 176047, 212218, 56499, 418225, 803381, 18…
$ percentualIR <dbl> 0.26019460, 0.15558852, 0.16090589, 0.20879002, 0.1094886…

summary(dt_irPorGrupoAjustada)

  imobilizado         receita          impostoRenda         lair        
 Min.   :  70042   Min.   :  404333   Min.   :  2021   Min.   :  15557  
 1st Qu.: 241065   1st Qu.: 1283203   1st Qu.: 23168   1st Qu.: 146583  
 Median : 589275   Median : 5214801   Median : 46256   Median : 286857  
 Mean   :1317364   Mean   : 6524383   Mean   :138464   Mean   : 547212  
 3rd Qu.:1950785   3rd Qu.: 8085892   3rd Qu.:212759   3rd Qu.: 814863  
 Max.   :5265997   Max.   :30215376   Max.   :573065   Max.   :1852711  
  percentualIR    
 Min.   :0.01053  
 1st Qu.:0.16805  
 Median :0.23016  
 Mean   :0.23423  
 3rd Qu.:0.27034  
 Max.   :0.94873  

Como nosso conjunto de dados é pequeno (33 observações), vamos dividir o ativo imobilizado e a receita em três grupos cada. Assim, teremos empresas com baixo nível de imobilizado (imobilizado_1), médio nível (imobilizado_2) e alto nível (imobilizado_3). Da mesma forma, classificaremos as empresas em baixa receita (receita_1), média receita (receita_2) e alta receita (receita_3).

A função utl_tableStat será responsável por cruzar esses grupos e aplicar a estatística descritiva desejada em cada combinação. Neste exemplo, utilizaremos o tamanho da amostra (length), a média (mean) e o desvio-padrão (sd) para avaliar o comportamento do percentual do imposto de renda de cada grupo.

A seguir, apresentamos o uso da função utl_tableStat com a função length.

utl_tableStat(
  bd = dt_irPorGrupoAjustada, # Base de dados
  grp1 = "imobilizado", # Nome da variável do primeiro agrupamento
  n_grp1 = 3, # Número de grupos do primeiro agrupamento
  grp2 = "receita", # Nome da variável do segundo agrupamento
  n_grp2 = 3, # Número de grupos do segundo agrupamento
  value = "percentualIR", # Variável na qual será aplicada a estatística descritiva
  length # Função de interesse
  )

# A tibble: 3 × 4
# Groups:   Stat_percentualIR [3]
  Stat_percentualIR receita_1 receita_2 receita_3
  <fct>                 <int>     <int>     <int>
1 imobilizado_1             9         2        NA
2 imobilizado_2             2         6         3
3 imobilizado_3            NA         3         8

Ao analisar os cruzamentos entre receita e intensidade de imobilizado, percebemos que alguns grupos não apresentam observações. Isso ocorre, por exemplo, nos casos de empresas com baixa receita e alto nível de imobilizado (receita_1 x imobilizado_3) e aquelas com alta receita e baixo imobilizado (receita_3 x imobilizado_1). Esse tipo de ausência é comum quando a base de dados é pequena.

Para corrigir o problema, é possível ampliar a quantidade de dados disponíveis (a alternativa mais viável) ou reduzir o número de grupos de análise — embora isso nem sempre resolva, já que a falta de dispersão nos valores pode concentrar os resultados em poucos segmentos.

Os maiores grupos identificados foram os de empresas com baixa receita e baixo imobilizado (receita_1 x imobilizado_1), com 9 observações, e o de alta receita com alto imobilizado (receita_3 x imobilizado_3), com 8 observações. Esse comportamento é esperado, pois há uma tendência de que quanto maior o investimento em imobilizado, maior também a receita. No entanto, é importante destacar que essa relação não é uma regra e deve ser analisada com cautela.

Agora vamos usar a função utl_tableStat para saber a média do percentual de imposto de renda que cada grupo possui, conforme sua DRE. Usaremos a função mean.

utl_tableStat(
  bd = dt_irPorGrupoAjustada, # Base de dados
  grp1 = "imobilizado", # Nome da variável do primeiro agrupamento
  n_grp1 = 3, # Número de grupos do primeiro agrupamento
  grp2 = "receita", # Nome da variável do segundo agrupamento
  n_grp2 = 3, # Número de grupos do segundo agrupamento
  value = "percentualIR", # Variável na qual será aplicada a estatística descritiva
  mean # Função de interesse
  )

# A tibble: 3 × 4
# Groups:   Stat_percentualIR [3]
  Stat_percentualIR receita_1 receita_2 receita_3
  <fct>                 <dbl>     <dbl>     <dbl>
1 imobilizado_1         0.224     0.555    NA    
2 imobilizado_2         0.166     0.216     0.240
3 imobilizado_3        NA         0.297     0.170

Interessante observar que o grupo mais intensivo em imobilizado e com maior receita apresenta uma carga tributária menor (17,0%) em comparação ao grupo menos intensivo em imobilizado e com menor receita (22,4%). Já a carga tributária mais elevada foi registrada no grupo intermediário, com receita média e baixa intensidade de imobilizado (55,5%). Para verificar se esses dados apresentam grande variação interna, aplicamos novamente a função sd para avaliar o desvio-padrão de cada grupo.

utl_tableStat(
  bd = dt_irPorGrupoAjustada, # Base de dados
  grp1 = "imobilizado", # Nome da variável do primeiro agrupamento
  n_grp1 = 3, # Número de grupos do primeiro agrupamento
  grp2 = "receita", # Nome da variável do segundo agrupamento
  n_grp2 = 3, # Número de grupos do segundo agrupamento
  value = "percentualIR", # Variável na qual será aplicada a estatística descritiva
  sd # Função de interesse
  )

# A tibble: 3 × 4
# Groups:   Stat_percentualIR [3]
  Stat_percentualIR receita_1 receita_2 receita_3
  <fct>                 <dbl>     <dbl>     <dbl>
1 imobilizado_1        0.0416    0.557    NA     
2 imobilizado_2        0.0505    0.0782    0.0559
3 imobilizado_3       NA         0.0280    0.106 

Os resultados mostram que o grupo com menor receita e baixa intensidade de imobilizado possui a menor dispersão (4,0%), o que indica que sua média é mais representativa e consistente. Já o grupo mais intensivo em imobilizado e com maior receita apresenta uma dispersão maior (10,6%), sugerindo maior variação nos valores observados.

Essa análise pode ser aprofundada com a verificação dos valores máximos e mínimos de cada grupo, utilizando as funções min e max. No entanto, deixamos esse próximo passo com você. Faça seus próprios testes e explore suas bases de dados. A função utl_tableStat cumpriu seu papel. Agora é hora de colocar a mão na massa!

Dúvidas como instalar o pacote cntdd? Acesse Aqui