Mudança Estrutural e Poder de Mercado no Setor de Fabricação de

Alimentos nos EUA

Kyle W. Stiegert
Departamento de Economia Agrícola e Aplicada, Universidade de Wisconsin-Madison,
Madison, WI 53706. E-mail: kwstiegert@wisc.edu
Shinn-Shyr Wang
Departamento de Economia de Recursos, Universidade de Massachusetts-Amherst,
Amherst, MA 01003. E-mail: wang@resecon.umass.edu
Richard T. Rogers
Departamento de Economia de Recursos, Universidade de Massachusetts-Amherst,
Amherst, MA 01003. E-mail: rogers@resecon.umass.edu

ABSTRACT

Este estudo desenvolve um modelo de mercado intertemporalmente vinculado para

explorar as relações entre as margens preço-custo, concentração de mercado e gastos
com publicidade. O estudo utilizou dados de 48 códigos SIC (classificação industrial
padronizada) de quatro dígitos para as indústrias de processamento de alimentos e
tabaco durante as décadas de 1970, 1980 e 1990. As descobertas dos autores fornecem
evidências de que altos e baixos níveis de desempenho fornecem sinais para as
indústrias consolidarem, mas por razões óbvias e diferentes. Além disso, o aumento da
consolidação leva a maiores barreiras à entrada (propaganda) e maiores lucros para o
setor. Nossos resultados apóiam as escolas de pensamento de Chicago e tradicionalistas
sobre a aplicação da lei antitruste: nenhuma delas aparece em uma posição dominante.
Questões de endogeneidade e descobertas dentro da estrutura intertemporal lançam
dúvidas consideráveis sobre os paradigmas de desempenho / estrutura excessivamente
simplistas do comportamento das empresas.

1. INTRODUÇÃO
 Há mais de 60 anos, o paradigma conhecido como Estrutura-Conduta-
Desempenho (SCP) foi encaminhado por Bain (1951) como um modelo formal para
explicar o comportamento das empresas em uma indústria. Associada à tradição de
Harvard, essa nova abordagem veio substituir a antiga abordagem de estudo de caso. A
principal distinção do PCS dos estudos de caso foi a maneira como os pesquisadores
analisaram os dados. A abordagem SCP baseou-se em seções transversais de dados
setoriais, insistindo que as indústrias são moldadas por algumas condições básicas:
elasticidades da demanda, durabilidade do produto e tecnologia, que determinam a
estrutura do mercado: número e tamanho das empresas, condições de entrada,
diferenciação do produto e integração vertical, que leva a conduzir: preços, publicidade
e estratégias, que, por sua vez, determinam o desempenho do mercado: eficiência,
equidade e mudança tecnológica.
Altas correlações entre as indústrias em diferentes países desenvolvidos sugerem
que os gostos e a tecnologia, que provavelmente são constantes entre as regiões,
determinam a estrutura de equilíbrio. Pesquisadores na década de 1950 até a década de
1970 produziram numerosos artigos que regrediram as margens de custo-preço (PCMs)
com variáveis como concentração da indústria, escala mínima eficiente (MES),
intensidade de capital e efeitos em forma quadrática (U invertido) publicidade a médias
de vendas (ver Collins & Preston, 1969 e Kwoka, 1979 para excelentes revisões da
literatura).
A concentração de mercado foi geralmente encontrada positivamente
relacionada com as PCMs1 mais altas, o que confirmou a sabedoria convencional
emergente anunciada por Bain. Também foi encontrado suporte para o papel invertido
da propaganda em forma de U, que sugeria o declínio da concorrência a partir de novas
entradas e mesmo para a participação no mercado, uma vez que uma indústria estivesse
suficientemente concentrada. Armados com evidências convincentes de preocupações
com a concentração, as autoridades antitruste dos EUA adotaram uma posição agressiva

1
PCM = Margem de preço de custo.
durante as décadas de 1960 e 1970 em fusões, preços predatórios e manutenção de
preços de revenda, enquanto anunciavam as leis de notificação prévia e aumentavam os
relatórios de informações.
De acordo com Reder (1982), a visão oposta da Escola de Chicago, que surgiu
na década de 1970, lançou suas fundações iniciais logo após a Segunda Guerra
Mundial. Reder aponta para os argumentos da eficiência de Pareto, articula as
comunicações leigas dos estudiosos de Chicago e o vácuo do pensamento de livre
mercado na esteira da depressão dos Estados Unidos como principais forças
contribuintes que deram impulso à Escola de Chicago para sua ascensão. A crítica
técnica de Chicago da abordagem SCP é derivada de seus suportes de eficiência e reside
principalmente no tratamento de concentração SCP como uma variável puramente
exógena. Quando isso não acontece, o termo de erro na regressão do SCP é
correlacionado com a concentração e as propriedades de mínimos quadrados ordinários
(OLS) do modelo são perdidas (parâmetros tendenciosos, parâmetros assintoticamente
enviesados, eficiência, eficiência assimptótica, consistência). De fato, pode ser que a
estrutura, os preços e os lucros da indústria sejam determinados simultaneamente. A
Escola de Chicago forneceu uma crítica relacionada. Se várias empresas de uma
indústria são muito eficientes, elas podem ganhar grandes rendas em sua eficiência e
também aumentar suas participações de mercado. Indústrias com poucas empresas
eficientes serão concentradas e essa concentração é derivada não de preços altos, mas
de custos médios baixos para algumas empresas. Demsetz (1973, 1974) e outros
estimaram versões da seguinte equação usando dados em nível de empresa:
Pif = b0 + b1Ci + b2sif + bZ + Eif
Onde P é o desempenho (lucro ou PCM) da empresa f na indústria i, C é
concentração, s é participação de mercado e Z é um vetor de outras variáveis exógenas
relevantes. Embora eles geralmente descobrissem que o parâmetro sobre a concentração
quase nunca era significativo e positivo, o coeficiente de participação de mercado era
significativo, o que dava apoio considerável à crítica de Chicago. Autoridades
antimonopólio nos anos 1980 e 1990 chamaram a atenção para os benefícios
econômicos de custos mais baixos (isto é, eficiência) e buscaram maneiras pelas quais
as indústrias concentradas poderiam ser forçadas a pagar preços competitivos. Teorias
provenientes de uma infinidade de contextos de teoria dos jogos ampliaram nossa
compreensão do comportamento da empresa e a nova organização industrial empírica
emergiu para fornecer uma estrutura para o teste do poder de mercado baseado na
estrutura para indústrias específicas.
Neste artigo, conduzimos uma pesquisa na premissa de que tanto a Escola
Tradicionalista (TS) quanto a Escola de Chicago (CS) têm méritos redentores. Nossos
métodos fluem do trabalho de Kambhampati (1996, pp. 133-148) e também de
Delorme, Klein, Kamerschen e Voeks (2002) [doravante DKKV]. Ambos os estudos
utilizam um sistema de equações simultâneas semelhantes aos de Strickland e Weiss
(1976) e vão além do uso precoce de Martin (1979) das relações intertemporais entre
estrutura, conduta e desempenho. Mesmo após o trabalho pioneiro de Martin, vários
estudos de TS ultrapassaram as relações intertemporais conhecidas com sistemas
simples contemporâneos, por exemplo, Gupta (1983), Schmalensee (1989) e Weiss
(1991).

Muitas das ideias básicas fundadas pela ST não estão em conflito com a SC. Por
exemplo, ambas as escolas de pensamento reconheceram há muito tempo que as
características básicas do mercado, como a escala mínima e eficiente, ajudam a
determinar a estrutura do mercado. A principal diferença, como aludido acima, é que o
pensamento da CS depende mais de perto do papel que o desempenho do nível da
empresa pode ter na estrutura, enquanto o foco da TS está no papel que a estrutura tem
no desempenho. A história do pensamento de TS antes de Martin (1979) era
principalmente que o desempenho não tinha nenhum papel de feedback na mudança da
estrutura. Em nossa configuração, podemos avaliar o papel simultâneo que o
desempenho do setor tem na estrutura e vice-versa.
 A pesquisa foi conduzida nas 48 indústrias de produtos alimentícios e de
produtos de origem animal e tabaco (FKPT) definidas pelos códigos de quatro dígitos
da SIC (classificação industrial padrão) dos EUA durante as décadas de 1970, 1980 e
1990. A concentração média do mercado nas indústrias do FKPT aumentou
significativamente nos últimos 50 anos. Como resultado, cerca de 40% das indústrias do
FKPT são comumente consideradas altamente concentradas, conforme definido por
quatro empresas que controlam 60% ou mais das vendas (Mueller & Rogers, 1980,
1984; Rogers & Tokle, 1995). Até o momento, vários estudos examinaram as relações
estrutura-desempenho de mercado nas indústrias do FKPT (ver Rogers, 2001 e
citações). Esses estudos usaram várias medidas de lucros e / ou PCMs da indústria para
medir o desempenho do lucro, e a maioria foi realizada usando dados de anos antes de
1980. Criticamente, esses estudos são puramente no formato TS: Desempenho é restrito
de ter um papel na determinação da estrutura. No presente artigo, investigamos as
relações simultâneas, intertemporalmente vinculadas entre desempenho (PCMs),
estrutura (concentração de mercado) e conduta (gastos com publicidade). Até o
momento, nenhum estudo transversal das indústrias dos FKPT dos EUA considerou o
potencial para relações intertemporais em um sistema simultaneamente determinado.
Kambhampati (1996) e DKKV afirmam que cada variável no modelo de SCP
influencia as outras variáveis de uma maneira dependente do tempo. Kambhampati
(1996) argumenta que (a) a estrutura é afetada pela conduta defasada e pelo
desempenho defasado e atual; (b) a conduta passada representa uma barreira potencial à
entrada; (c) a melhora do desempenho passado e atual leva a estruturas mais
concentradas; (d) o desempenho do ano anterior influencia a conduta atual, e (e) os
determinantes do desempenho permanecem contemporâneos à medida que os lucros são
computados no período atual. Neste estudo, exploramos as inter-relações intertemporais
sugeridas por Kambhampati (1996) e DKKV. Embora nossa estrutura de modelagem
siga de perto a de DKKV, pelo menos quatro grandes diferenças são dignas de nota:
 1. Foco do estudo: O presente estudo concentra-se em dividir as indústrias do
FKPT em categorias de publicidade baixas e altas. A DKKV considerou um conjunto
mais amplo de indústrias e usou dados de empresas disponíveis no banco de dados
Compustat (Standard & Poors, McGraw-Hill, Nova York, NY). O problema com o uso
de dados do Compustat reside no fato de que potenciais vieses podem surgir quando se
considera apenas empresas de capital aberto.
2. Termos com defasagem: Nosso conjunto de dados abrange cinco anos
censitários (1972, 1977, 1982, 1987 e 1992) e variáveis defasadas estão contidas nos
anos censitários.1 O estudo DKKV usou dados em 1982, 1987 e 1992, mas adotou
variáveis desfasadas apenas do ano anterior.
3. Concentração na publicidade: Seguindo Greer (1971), Cable (1972) e
Strickland e Weiss (1976), examinamos se o efeito da concentração sobre a publicidade
assume uma forma de U invertido. O DKKV restringiu seu modelo para considerar
apenas um relacionamento linear.
4. Escala mínima eficiente (MES): Incorporamos o MES para modelar o efeito
da escala de economias na análise (Connor, 1985; Sutton, 1991). O estudo do DKKV
carecia dos dados para incluir o MES na análise.
Para avaliar a relação entre PCMs, concentração de mercado e publicidade
adequadamente, é necessário um modelo de equações simultâneas para obter
estimativas consistentes e imparciais. Para este estudo, estimamos o sistema de
equações simultâneas usando quadrados mínimos de dois estágios (2SLS). O restante
deste artigo está organizado da seguinte forma. A estrutura de equações simultâneas é
apresentada e discutida na Seção 2. A configuração empírica e os dados usados neste
estudo são discutidos na Seção 3. A Seção 4 contém o resultado de três regressões. Por
fim, a Seção 5 apresenta observações finais e sugestões para futuras pesquisas.

2. O MODELO
 Seguindo Kambhampati (1996) e DKKV, o sistema intertemporal de equações
pressupõe três variáveis endógenas: concentração da indústria (CR4), propaganda (AD)
e margens de preço-custo da indústria (PCM). Cada uma das equações do sistema é
desenvolvida e discutida abaixo.
Começando primeiro com a estrutura da indústria, estamos interessados em
avaliar o papel do desempenho atual e passado e potenciais barreiras à entrada na
definição da concentração no nível da indústria. A equação está escrita:

Onde CR4 é o índice de concentração de quatro firmas, AD é a intensidade de

propaganda calculada pela razão entre gastos com propaganda e valor dos embarques,
KO (razão capital-produto) é ativo fixo bruto em relação ao valor dos embarques, PCM
é a margem preço-custo e MES é a escala mínima e eficiente. Os subscritos t e t1
representam um período atual e defasado, respectivamente. Todos os coeficientes
devem ser positivos.
Um determinante importante da concentração pode, de fato, ser o MES definido
como o menor tamanho ótimo de empresa dividido por uma medida do tamanho do
mercado. Três abordagens diferentes são usadas para estimar o numerador do MES: (a)
estudos de engenharia econômica, (b) tamanho médio da planta como proxy, e (c)
tamanho da planta com os menores custos de mão-de-obra como proxy. Utilizando 13
indústrias SIC de quatro dígitos no setor de alimentos e bebidas dos EUA, Connor
(1985) relata que estimativas medianas de plantas baseadas no Censo de Manufatura de
1972 e estimativas de engenharia ao longo de 1970-1980 são altamente correlacionadas
(pp. 93-95). Portanto, usamos o tamanho da planta mediana da indústria dividido pelas
vendas da indústria como uma proxy do MES. O tamanho mediano da planta é definido
como o tamanho da planta que está no ponto médio da distribuição do tamanho das
remessas da indústria (Connor, 1985; Strickland & Weiss, 1976). Como o MES
representa os custos de instalação de uma nova instalação, os impactos provavelmente
levarão tempo para impactar a concentração da indústria; assim, esperamos a5>a6.

Barreiras adicionais à entrada podem ser observadas quando as empresas

ganham imagem de marca significativa da publicidade ou quando as empresas operam
em indústrias com altos custos fixos. Portanto, publicidade atrasada e investimento de
capital atrasado são incluídos no modelo, e os coeficientes associados devem ser
positivos. Os dois determinantes finais de concentração incluem PCMs atuais e com
atraso. A inclusão de PCMs é sugestiva dos incentivos meritórios que os lucros podem
criar para encorajar empresas bem-sucedidas a crescer e as ineficazes para encolher e /
ou sair.
A equação da intensidade da propaganda (segundo em nosso sistema) é dada
por:

Onde GR é o crescimento da produção industrial calculado como a razão entre

os embarques do ano atual e os do período anterior. A inclusão da variável PCM
defasada segue a abordagem de dois estágios de Sutton (1991, pp. 27-81),
Kambhampati (1996) e DKKV. Espera-se que os lucros do ano anterior tenham impacto
sobre os gastos com publicidade atual; Ou seja, quanto mais lucros passados, os gastos
com publicidade mais atuais. Em Greer (1971), Cable (1972), Comanor e Wilson
(1974) e DKKV, o crescimento das vendas é incorporado para controlar o
desenvolvimento bem-sucedido de novos produtos, choques de demanda positivos e /
ou níveis maiores de diferenciação de produto induzida por propaganda. Espera-se que
os coeficientes b1 e b2 sejam positivos.
Conforme investigado em Greer (1971), Cable (1972) e Strickland e Weiss
(1976), o efeito da concentração na publicidade assume uma forma de U invertido.
Espera-se que a publicidade esteja aumentando em concentração quando a taxa de
concentração é baixa (Dorfman e Steiner, 1954), mas diminuindo em níveis muito altos
de concentração quando se torna mais fácil para as empresas conspirarem para evitar a
publicidade mutuamente compensadora. Portanto, na equação de propaganda,
adicionamos um termo quadrático (CR42) para capturar esse tipo de relação não linear.
Um relacionamento em U invertido requer que o coeficiente em CR4 seja positivo e que
o CR42 seja negativo.
A equação para PCMs é essencialmente uma medida de desempenho que
representa os lucros do setor. Muitos estudos empíricos explicam PCMs com variáveis
de concentração, publicidade e outras variáveis relacionadas a custos (ver, por exemplo,
Collins & Preston, 1966, 1969; Kwoka, 1979; Liebowitz, 1982; Ornstein, 1975;
Rhoades e Cleaver, 1973; Weiss 1991). A qualidade dos PCMs do Censo como proxy
para os lucros depende de se ajustes apropriados podem ser feitos para refletir
elementos críticos de custo não incluídos nos PCMs do Censo de indústrias específicas.
Nas indústrias de manufatura de alimentos, os dois custos mais importantes
associados às PCMs derivadas do Censo são o custo de publicidade e promoção e o
custo de capital. Abordamos essas preocupações adicionando a intensidade de
publicidade AD e a intensidade de capital KO à equação. Embora o AD sirva como um
proxy para a barreira de diferenciação de produção, o MES representa a barreira de
escala. Além disso, aumentos imprevistos na demanda ou uma redução imprevista nos
custos podem resultar em altas margens. O crescimento da produção GR é incorporado
para refletir os efeitos.
As taxas de concentração de censos não caracterizam a concentração do
mercado corretamente quando os mercados são de natureza local ou regional porque os
índices geralmente se referem às indústrias nacionais. Seguindo Rogers (2001),
adicionamos um dummy (NL) para uma indústria local ou regional, por exemplo, leite
ou pão, para corrigir possíveis vieses.

Portanto, a equação PCM é dada por

 Como nota final, para explicar outros possíveis fatores não observáveis, como
mudanças na demanda agregada ou mudança tecnológica, incluímos uma variável de
tendência temporal em cada equação.

3. ANÁLISE EMPÍRICA E DISCUSSÃO DOS DADOS

Usamos quadrados mínimos de dois estágios (2SLS) para estimar o sistema de

equações simultâneas proposto. No primeiro estágio, cada variável endógena
(concentração, propaganda e margem preço-custo) é regredida em todas as variáveis
exógenas, incluindo MES, MES defasada, razão capital-produto (KO), KO defasada,
AD defasada, PCM defasada, defasada GR, erros do mercado não nacional e tendência
temporal. No segundo estágio, os valores ajustados das variáveis endógenas do primeiro
estágio são utilizados como instrumentos para estimar as três equações estruturais. Ao
longo deste artigo, o nível crítico para determinar a significância estatística forte em um
teste bicaudal foi estabelecido no nível de 5%. Assinamos suporte estatístico moderado
com nível de significância de 10%. Exceto pela intensidade da propaganda e pelas
variáveis de erros locais / regionais, todas as variáveis usadas para estimar as Equações
2-4 são derivadas dos Censos de Fabricação de 1972, 1977, 1982, 1987 e 1992. Assim,
o conjunto de dados contém 240 observações. A Tabela 1 mostra 48 indústrias SIC de
quatro dígitos examinadas neste estudo. As razões de concentração de quatro firmas
para três anos censitários selecionados (1972, 1982 e 1992) também são apresentadas.
Embora a razão de concentração possa aumentar ou diminuir para cada indústria em
diferentes anos do Censo, a média de CR4 aumentou de 44.10% em 1972 para 46.21%
em 1982 e, finalmente, para 53.90% em 1992. Cálculos simples de mudanças de CR4
mostram os índices médios de concentração que aumentaram moderadamente durante
esses períodos. Vamos discutir mais detalhes sobre a tendência do CR4.
 Os dados de publicidade de mídia são de Relatórios de Mídia Competitiva
(CMR; Taylor Nelson Sofres plc, Londres, Reino Unido). Combinamos os dados de
publicidade aos setores correspondentes para criar proporções de publicidade para
vendas em cada ano do Censo. O manequim local / regional é atribuído com base no
julgamento, incluindo indústrias de sorvete e gelo (2024), leite fluido (2026), alimentos
preparados (2048), pão, bolo e produtos relacionados (2051), engarrafados e enlatados.
refrigerantes (2086) e gelo fabricado (2097).
Para explorar as diferenças entre as indústrias de publicidade intensiva alta e
baixa, segmentamos a amostra completa (240 observações) em dois grupos usando a
relação publicidade / vendas (A / S) e conduzimos a análise acima mencionada em cada
subgrupo. O Grupo 1 foi o setor de publicidade de alto nível, no qual os índices A / S
foram maiores que 0,25% para todos os anos do Censo. O grupo 1 incluiu 140
observações. As demais observações foram classificadas como publicidade baixa.2 A
Tabela 2 fornece os meios para variáveis-chave com base na amostra completa e nos
dois grupos. A média de CR4 é um pouco maior no grupo de publicidade alta em
comparação com o grupo de publicidade baixa. Isso é consistente com a teoria de
Sutton (1991) de que a propaganda é viável.
1° Tabela: Concentração nas Indústrias de Processamento de Alimentos e
Tabaco, 1972-1992, de 0,35%.

2
Nosso exame da robustez mostrou que não há mudança nas subamostras usadas para anunciantes de
alta e baixa, desde que o nível crítico de relação A / S seja inferior a 0,35%.
 4. RESULTADOS

Três pré-testes revelaram descobertas importantes e levaram a modificações nos

procedimentos de estimação para o sistema definido nas Equações 2 a 4. A auto-
correlação foi detectada usando um teste modificado de Durbin-Watson útil para dados
em painel (Bhargava, Franzini, & Narendranathan, 1982). O teste de Breusch-Pagan
detectou heterossedasticidade transversal. Seguindo os procedimentos de Beck e Katz
(1995), primeiro corrigimos a autocorrelação assumindo um processo autorregressivo
de primeira ordem para cada setor e, em seguida, ajustamos os termos de erro para
heteroscedasticidade de seção cruzada para obter erros padrão corrigidos do painel
(PCSE). Os ajustes de heterocedasticidade são semelhantes aos erros padrão robustos de
White, mas considere também a disposição transversal da série temporal dos dados.
Para o terceiro pré-teste, a análise de correlação pareada revelou que PCM e PCM
defasada eram altamente colineares. Assim, parece que quase toda a variabilidade na
lucratividade ocorreu transversalmente. As estimativas iniciais do modelo de base
indicaram que esta colinearidade pode não permitir um teste de hipóteses justo crítico
para esta análise: que o aumento da defasagem e / ou a lucratividade atual levam a
níveis mais altos de concentração. Deixar cair uma das variáveis neste caso representa
uma opção viável, mas a teoria não pode dizer qual deve permanecer. Embora não
sejam relatados em uma tabela, os coeficientes em ambas as variáveis produzem os
mesmos resultados estatísticos e quase os mesmos valores de parâmetros quando a
variável oposta é descartada. Dada a posição agnóstica de qualquer variável ao
resultado geral do modelo, optamos por usar PCM, obtido de (PCMt PCMt-1) / 2, na
equação de CR4 para todos os modelos estimados.

4.1. Modelo Base

 A Tabela 3 contém os resultados da estimativa usando o conjunto de dados
inteiro. Para a concentração (Equação 2), descobrimos que a publicidade defasada é
responsável por aumentar a concentração da indústria, apoiando a crença amplamente
difundida da TS de que as empresas construirão barreiras de entrada quando puderem.
Embora a variável PCM não tenha sido significativa, surgem conclusões muito
interessantes sobre essa variável nas regressões subseqüentes que usam dados
particionados. Descobrimos que aumentos no MES defasado e no MES atual foram
estatisticamente signi fi cativos e positivos. Essas descobertas confirmam a visão da TS
de que a estrutura é influenciada por economias de escala técnica no processo de
produção. A tendência temporal na equação de CR4 é positiva e significativa. Este
resultado é consistente

Com a noção de que todos os aumentos para a taxa de concentração média não
podem ser explicados pelas variáveis estruturais introduzidas em nosso modelo.3

3
Também avaliamos um modelo de regressão para todo o conjunto de dados que substituiu a variável
de tendência temporal por efeitos fixos para cada um dos anos censitários. Os sinais nos parâmetros de
regressão não mudaram e apenas pequenas mudanças nas magnitudes das estimativas dos parâmetros
foram anotadas. No entanto, a variável MES na equação CR4 e a variável CR4 na equação AD não eram
mais significativas. Embora nenhuma justificativa teórica forte possa apoiar qualquer abordagem,
 Para a publicidade (Equação 3), descobrimos que a conduta da indústria
(propaganda) é afetada positiva e linearmente pela estrutura da indústria (concentração):
O coeficiente da CR42 não é estatisticamente significativo. Assim, nossos achados
suportam a especificação linear usada por Kambhampati (1996) e DKKV e rejeitamos a
hipótese de um efeito de forma de U invertido sugerido por Greer (1971), Cable (1972)
e Strickland e Weiss (1976). Também se descobriu que a publicidade é explicada pelas
margens de custo e preço passadas. Esta descoberta serve para sugerir que a
publicidade, financiada ou motivada por lucros, pode ser usada para criar barreiras
futuras à entrada. Curiosamente, o crescimento da indústria não afeta a publicidade. O
resultado parece sugerir um efeito do ciclo de vida na propaganda, ou seja, as flutuações
nas vendas não alteram as decisões de publicidade. Em vez disso, os gastos com
propaganda parecem ser planejados de acordo com as participações de mercado e os
lucros passados.
A variável de tendência foi negativa e estatisticamente significativa. A inclusão
da variável de tendência não contém um teste de hipóteses específico. O sinal negativo
e significativo é melhor interpretado como o modelo que captura um fator fora de nossa
configuração teórica. Para especular, existem pelo menos duas possíveis razões que
podem explicar esse resultado. Em primeiro lugar, as empresas ansiosas por aumentar a
força de sua marca na loja podem ter optado por maiores esforços de promoção através
de displays e / ou pagando pelo melhor local de prateleira. Como nossos dados não
contêm esse tipo de custo de publicidade, uma variável de tendência negativa poderia
estar explicando por que as empresas simplesmente se afastaram da publicidade de
mídia típica para um portfólio de estratégias promocionais. Segundo, com os fortes
vínculos teóricos totalmente expostos entre a concentração e os lucros defasados na

acreditamos que o uso de uma variável de tendência temporal represente uma abordagem superior. A
intenção da variável de tendência temporal foi capturar tendências como tecnologia, demanda por
alimentos mais saudáveis, etc., que são difíceis de quantificar. Parece que a colinearidade entre essas
variáveis errôneias e o termo MES na equação CR4 e / ou na variável CR4 na equação AD causa uma
perda de poder na explicação das relações-chave no modelo. Assim, optamos por não perseguir o
modelo de efeitos fixos como modelo base ou por especificar os modelos com baixa e alta publicidade.
intensidade da propaganda, nossa variável de tendência negativa pode, em parte, estar
captando alguns dos efeitos atenuantes que a lucratividade sustentada e a posição de
mercado podem ter na tomada da decisão publicitária. Posto de forma simples, as
empresas em uma posição forte com barreiras de entrada erguidas podem recuar em sua
busca de poder ainda maior.
Voltando-se para a estimativa das margens preço-custo (Equação 4), a
concentração da indústria mostra um impacto positivo nas margens de preço-custo; isto
é, indústrias com taxas de concentração mais altas tendem a ser mais rentáveis. Este é
um resultado chave que apoia a visão da TS de que as fusões que levam a uma maior
concentração devem ser levadas a sério. Surpreendentemente, a publicidade do período
atual foi considerada insignificante ao explicar a lucratividade atual, sugerindo que as
empresas veem a publicidade em uma capacidade de longo prazo. Esse resultado é
semelhante a Imel e Heimberger (1971), Nagle (1981) e DKKV, onde nenhuma relação
específica pode ser inferida entre a propaganda e as margens de preço-custo.
Duas variáveis, gasto de capital (KO) e escala mínima eficiente (MES) afetaram
inversamente a margem preço-custo, que é semelhante às descobertas em DKKV, mas
não com outras na literatura (ver, por exemplo, Strickland & Weiss, 1976). . No
entanto, este resultado é consistente com a ideia de que o tempo e os investimentos
monetários para ajustar o tamanho da empresa e seu balanço podem prejudicar a
lucratividade na margem.
O coeficiente na variável errônea local / regional (NL) foi positivo
insignificativo. Isso implica que as indústrias definidas para vender no mercado local ou
regional são mais lucrativas do que as indústrias que operam em escala nacional ou
internacional. Este é um resultado chave porque insiste em que os índices de
concentração nacionais são insuficientes para descrever como todos os mercados estão
estruturados.

4.2. Resultados particionados

 Margens mais altas e MES defasadas levaram a níveis mais altos de
concentração. Assim, as noções de CS sobre os efeitos de feedback de desempenho
(isto é, PCM) na estrutura são suportadas. Publicidade atrasada era insignificante na
explicação da concentração, de modo que não poderíamos confirmar se os efeitos de
feedback da conduta mudaram a estrutura da indústria. O aumento da concentração
estatisticamente explicou os níveis mais altos de propaganda dentro do grupo de alto
nível de publicidade das indústrias, o que implica que as empresas tentam aumentar as
barreiras de entrada para preservar o poder de mercado. Apoiando a teoria TS, o
coeficiente de concentração levou a maiores margens de custo-preço. Além disso, os
parâmetros em escala mínima e eficiente e os gastos de capital foram negativos e
significativos. Parece que as indústrias de alimentos de alta publicidade responderam
rapidamente a questões de tamanho e capitalização de empresas, embora os efeitos
marginais fossem negativos. Finalmente, foi encontrado forte suporte estatístico para a
variável errônea local / regional indicando empresas que vendem produtos altamente
anunciados em mercados não nacionais beneficiados por margens mais altas. No geral,
esses resultados não são muito diferentes dos resultados obtidos por Kambhampati
(1996), onde os efeitos CS e TS foram observados em todo o sistema. Os resultados
também não foram muito diferentes dos resultados da Tabela 3, abrangendo toda a
gama de indústrias.
Os resultados para as indústrias de baixa publicidade foram surpreendentemente
diferentes. Primeiro, descobrimos que as margens de custo-preço menores levaram a
uma concentração mais alta, um resultado que apoia fortemente um argumento padrão
da CS: as empresas mais lucrativas provavelmente aumentarão sua presença no
mercado em setores onde margens apertadas forçam empresas ineficientes a sair. Os
coeficientes sobre o tamanho da empresa (MES e MES defasado) e os gastos de capital
atrasados foram todos positivos e significativos. Esses resultados sugerem um forte
efeito do aumento do tamanho das empresas e da capitalização, levando a uma maior
concentração.
 Apenas o coeficiente de rentabilidade defasada foi significativo na explicação da
propaganda. Nos setores de baixa publicidade, a concentração é altamente insignificante
e não explica mudanças na propaganda. Voltando agora para a equação de desempenho,
surgiram resultados interessantes e impressionantes.
Os resultados sugerem fortemente que este grupo de indústrias está sob pressão
competitiva significativa, levando à consolidação e à saída firme. Assim, apesar do
aumento da consolidação, as empresas não foram capazes de usar a estrutura melhorada
para seu benefício. As indústrias de publicidade de baixo custo enfrentam o desafio de
vender substitutos potencialmente próximos que não beneficiam muito de uma
identidade de marca. Parece que os níveis de concentração não são suficientemente
altos para justificar a preocupação com o poder de mercado sobre os preços durante os
anos deste estudo.
 A última tabela contém informações de elasticidade das indústrias de
publicidade alta e baixa, respectivamente. É interessante comparar a magnitude da
mudança entre cada estrutura, conduta e variável de desempenho. Para as indústrias de
alta publicidade, um dos principais é que o impacto do aumento da concentração no
lucro é 5 vezes maior em magnitude do que o impacto do lucro na concentração (2,1493
/ 0,3759 5 5,72; t-ratio 5 1,73). Essa descoberta é apoiada estatisticamente e lança sérias
dúvidas sobre a crença de que a estrutura de mercado é uma característica benigna em
um processo de mercado eficiente e competitivo. Claramente, o aumento da
concentração tem um efeito econômico significativo sobre o desempenho e esse
resultado sustenta a antiga escola de pensamento tradicional. Além disso, a elasticidade
da concentração na publicidade foi estatisticamente significativa, mas a relação inversa
(ou seja, publicidade atrasada sobre concentração) não é significativa. Este resultado
sugere fortemente que a estrutura do mercado (isto é, concentração) é um fator muito
mais poderoso na formação de indústrias do que a conduta de mercado.
Para as baixas elasticidades da indústria publicitária (Última Tabela b), uma
dominância semelhante emerge nessa estrutura tem impactos muito maiores na conduta
e no desempenho do que os efeitos reversos. No entanto, nem o efeito da concentração
na publicidade nem o efeito da publicidade sobre a concentração foram estatisticamente
suportados. Isso não é surpreendente, dado o menor papel da publicidade nessas
indústrias. Além disso, o efeito da concentração no desempenho não está relacionado
positivamente. Assim, a conclusão mais óbvia é uma consistente com os fundamentos
da CS. Em setores com margens mais restritivas, o desempenho informa aos
participantes do mercado a se reestruturarem como talvez um ato de sobrevivência.
Durante os anos deste estudo, as empresas de publicidade baixa foram simplesmente
incapazes de traduzir melhor estrutura de mercado em melhores margens.
Os resultados de cada uma das três regressões nos informaram para considerar
um termo PCM quadrático na equação CR4 e para usar todo o conjunto de dados. Isso
nos permitiu testar a hipótese de que tanto o desempenho muito alto quanto o muito
baixo enviam o sinal mais forte para reestruturar a indústria em direção a uma
concentração mais alta. Nós executamos esta regressão e reportamos apenas as
informações relevantes nos termos quadráticos com os erros padrão relatados abaixo de
cada coeficiente4

Aqui, encontramos o suporte estatístico de que os PCMs mais negativos e

positivos enviaram os sinais mais fortes para a reestruturação da indústria.
Coincidentemente, o ponto mínimo da relação em forma de U (0,304) ocorre próximo à
média dos dados PCM (0,331), o que certamente explica os sinais opostos nos
coeficientes PCM da regressão particionada. Este resultado é sugestivo de que as
relações funcionais abrangendo a seção transversal são muito importantes e que é
aconselhável trabalhar com grupos de indústrias mais homogêneos.

5. CONSIDERAÇÕES FINAIS
Neste estudo, exploramos as inter-relações intertemporais e de feedback entre
variáveis dependentes de estrutura, conduta e desempenho de 48 indústrias de alimentos
e processamento de tabaco de quatro dígitos da SIC durante as décadas de 1970, 1980 e
1990. A utilização de uma estrutura intertemporal de equações simultâneas forneceu um
cenário único para comparações entre as visões da Escola de Chicago e da Escola
Tradicionalista sobre organização industrial e fiscalização antitruste. O modelo foi
estimado com todo o conjunto de dados e com os dados divididos entre as indústrias de
publicidade de alta e baixa. Os modelos foram codificados em GAUSS e estimados
usando mínimos quadrados de dois estágios com a estrutura (concentração) de conduta
(propaganda) e desempenho (margens preço-custo) assumidos endógenos. Todas as
variáveis exógenas serviram como instrumentos nas estimativas do primeiro estágio.

4
Os resultados de regressão para as equações publicitárias e PCM são idênticos aos resultados da
Tabela 3. Os coeficientes não reportados na equação CR4 são bastante robustos e mantêm o mesmo
significado estatístico encontrado na primeira coluna da Tabela 3.
 Podemos resumir nosso artigo em torno de cinco pontos principais. Primeiro, de
forma clara e convincente, o ponto de concordância de que o desempenho informa à
indústria sobre como estruturar era suportado em estimativas de dados particionados e
em uma regressão auxiliar permitindo efeitos de desempenho em forma de U na
concentração. No baixo conjunto de publicidade das indústrias, à medida que o
desempenho piorava, a concentração aumentava. Isso supostamente sugere que a
consolidação ocorreu para evitar perdas econômicas. A explicação também é suportada
na equação de desempenho, onde o aumento da concentração foi correlacionado com
PCMs mais apertados. Nos setores de alta publicidade, os PCMs mais altos levaram a
níveis de concentração mais altos e estatisticamente significativos. As regressões
particionadas e a regressão auxiliar mostram que os impactos de desempenho na
estrutura seguem um padrão em forma de U: os sinais de desempenho que levam à
reestruturação são mais fortes nas indústrias de maior e menor desempenho.
Em segundo lugar, o apoio ao ponto TS de que forças exógenas moldam tanto a
estrutura quanto o desempenho da indústria ficou evidente em todas as estimativas.
Escala mínima e eficiente, escala mínima eficiente defasada e dispêndio de capital
atrasado foram fatores positivos e principalmente significativos que levaram à maior
concentração da indústria.
Em terceiro lugar, a referência da TS às ligações estruturais com o desempenho
foi fortemente apoiada na regressão de toda a indústria, na regressão envolvendo as
indústrias de alta publicidade, e na análise de elasticidade comparativa. A mais
reveladora foi a análise da elasticidade, que mostrou que a estrutura afeta os níveis de
publicidade e o desempenho da indústria muito mais do que os efeitos reversos. Em
particular, os impactos estruturais no desempenho foram 5 vezes mais altos em
magnitude do que os impactos de desempenho na estrutura.
Quarto, o apoio foi encontrado na amostra completa e na alta divisão de
publicidade para a teoria de que as empresas locais e regionais desfrutam de níveis mais
altos de desempenho em comparação às empresas nacionais. Claramente, as autoridades
antitruste devem continuar prestando muita atenção nos mercados relevantes ao avaliar
as aquisições.
Em quinto lugar, e finalmente, neste artigo, não adotamos posição paroquial em
favorecer a Escola de Pensamento de Chicago ou a Escola Tradicionalista de
Pensamento. Nossos resultados encontram elementos de suporte em ambos os pontos de
vista. Em particular, o forte apoio estatístico à estrutura de informação de desempenho
foi equilibrado com o apoio à estrutura, levando ao aumento do desempenho. No
entanto, do ponto de vista do impacto econômico, a magnitude desses efeitos é muito
mais favorável à visão tradicionalista quando confrontados com o alto grupo
publicitário de indústrias.
Para concluir, a pesquisa de organização industrial transversal, como este
estudo, fornece resultados úteis relevantes para a política e apresenta um quadro amplo
do cenário econômico. Nossos resultados apontam claramente para recomendações
sobre fusões. As fusões horizontais devem ser escrutinadas cuidadosamente e
desafiadas quando os níveis de desempenho são altos e / ou os produtos são marcados
por publicidade pesada. Indústrias em declínio ou venda de produtos nos quais os
preços das empresas não são protegidos por marcas ou outras formas de diferenciação
podem precisar de luz verde para se reestruturar rapidamente. Uma avaliação mais
atualizada da indústria alimentícia dos EUA deve incluir dados do Censo dos
Fabricantes mais recente. No entanto, mudanças nos sistemas de classificação da
indústria e disponibilidade de dados publicitários limitaram nosso escopo a 1992 como
o ano final. O sistema de classificação industrial padrão dos EUA (SIC) foi alterado em
1997 para o Sistema Norte-Americano de Classificação Industrial (NAICS). O
problema de combinar dados entre esses dois sistemas de classificação não é difícil; no
entanto, ainda não está claro que o novo sistema de classificação seja uma maneira
superior de definir os limites relevantes da indústria. Além disso, organizar dados de
publicidade por setor continua sendo uma tarefa árdua e cara. Apesar dos obstáculos,
nossa pesquisa é sugestiva de que estudos atualizados dessa natureza fazem um bom
trabalho informando os formuladores de políticas e as autoridades antitruste sobre a
condição competitiva geral no setor de alimentos dos EUA.
 REFERÊNCIAS
Bain, J.S. (1951). Relation of profit rate to industry concentration:
American manufacturing, 1936–1940. Quarterly Journal of Economics, 65(3),
293–324.
Beck, N., & Katz, J.N. (1995). What to do (and not to do) with time-series
cross-section data. American Political Science Review, 89(3), 634–647.
Bhargava, A., Franzini, L., & Narendranathan, W. (1982). Serial
correlation and the fixed effects model. Review of Economic Studies, 49,
533–549.
Cable, J. (1972). Market structure, advertising policy, and inter-market
differences in advertising intensity. In K. Cowling (Ed.), Market structure
and corporate behaviour; theory and empirical analysis of the firm. London:
Gray-Mills Publishing Ltd.
Collins, N.R., & Preston, L.E. (1966). Concentration and price-cost
margins in food manufacturing industries. Journal of Industrial Economics,
14(3), 226–242.
Collins, N.R., & Preston, L.E. (1969). Price-cost margins and industry
structure. Review of Economics and Statistics, 51(3), 271–286.
Comanor, W.S., & Wilson, T.A. (1974). Advertising and market power.
Cambridge, MA: Harvard University Press.
Connor, J.M., Rogers, R.T., Marion, B.W., & Mueller, W.F. (1985). The
food manufacturing industries: Structure, strategies, performance, and
policies. Lexington, MA: Lexington Books.
Delorme, C.D., Klein, P.G., Kamerschen Jr. D.R., & Voeks, L.F. (2002).
Structure, conduct and performance: A simultaneous equations approach.
Applied Economics, 34(17), 2135–2141.
 Demsetz, H. (1973). Industry structure, market rivalry, and public
policy. Journal of Law and Economics, 16(1), 1–9.
Demsetz, H. (1974). Two systems of belief about monopoly. In H.J.
Goldschmid, H.M. Mann, & J.F. Weston (Eds.), Industrial concentration:
The new learning. Boston: Little, Brown. Dorfman, R., & Steiner, P.O.
(1954). Optimal advertising and optimal quality. American Economic Review,
44(5), 826–836.
Greer, D.F. (1971). Advertising and market concentration. Southern
Economic Journal, 38(1), 19–32.
Gupta, V.K. (1983). A simultaneous determination of structure,
conduct and performance in Canadian manufacturing. Oxford Economic
Papers, 35(2), 281–301.
Imel, B., & Helmberger, P. (1971). Estimation of structure-profit
relationships with application to the food processing sector. American
Economic Review, 61(4), 614–627.
Kambhampati, U.S. (1996). Industrial concentration and performance:
A study of the structure, conduct, and performance of indian industry.
Delhi/New York: Oxford University Press.
Kwoka Jr. J.E. (1979). The effect of market share distribution on industry
performance.
Review of Economics and Statistics, 61(1), 101–109.
Liebowitz, S.J. (1982). What do census price-cost margins measure?
Journal of Law and Economics, 25(2), 231–246.
Martin, S. (1979). Advertising, concentration, and profitability: The
simultaneity problem. Bell Journal of Economics, 10(2), 639–647.
Mueller, W.F., & Rogers, R.T. (1980). The role of advertising in
changing concentration of manufacturing industries. Review of Economics
and Statistics, 62(1), 89–96.
 Mueller, W.F., & Rogers, R.T. (1984). Changes in market concentration
of manufacturing industries 1947–1977. Review of Industrial Organization,
1(1), 1–14.
Nagle, T.T. (1981). Do advertising-profitability studies really show that
advertising creates a barrier to entry? Journal of Law and Economics, 24(2),
333–349.
Ornstein, S.I. (1975). Empirical uses of the price-cost margin. Journal
of Industrial Economics, 24(2), 105–117.
Reder, M.W. (1982). Chicago economics: Permanence and change. Journal
of Economic Literature, 20(1), 1–38.
Rhoades, S.A., & Cleaver, J.M. (1973). The nature of the concentration-
price/cost margin relationship for 352 manufacturing industries: 1967. Southern
Economic Journal, 40(1), 90–102.
Rogers, R.T. (2001). Structural change in U.S. food manufacturing, 1958–
1997. Agribusiness, 17(1), 3–32.
Weiss, L.W. (1991). Structure, conduct, and performance. New York: New
York University Press
 Kyle W. Stiegert é professor adjunto do Departamento de Economia Agrícola
e Aplicada e diretor do Grupo de Pesquisa de Sistemas Alimentares da Universidade
de Wisconsin-Madison. Ele recebeu seu Ph.D. em Economia Agrícola da
Universidade de Purdue, em 1993. Seus interesses de pesquisa atuais incluem
organização industrial, política antitruste, economia financeira, comércio internacional
e política de concorrência internacional.
Shinn-Shyr Wang é pesquisador associado do Departamento de Economia de
Recursos da Universidade de Massachusetts Amherst. Ele recebeu seu Ph.D. em
Economia Agrícola e Aplicada, da Universidade de Wisconsin-Madison, em 2004.
Seus atuais interesses de pesquisa incluem organização industrial, economia
financeira, gestão de agronegócios, comércio internacional e microeconomia aplicada.
Richard T. Rogers é professor do Departamento de Economia de Recursos da
Universidade de Massachusetts Amherst. Ele recebeu seu Ph.D. em economia agrícola
da Universidade de Wisconsin-Madison em 1982. Seus interesses de pesquisa atuais
incluem economia industrial de fabricação de alimentos, marketing de alimentos,
economia gerencial e cooperativas.