Brazilian commerce and distribution companies: a bayesian semiparametric stochastic frontier analysis

Abstract

As empresas do setor de comércio e distribuição enfrentam desafios dinâmicos, intensificados pela pandemia de COVID-19, como mudanças nas preferências dos consumidores, digitalização acelerada e concorrência com plataformas internacionais de e-commerce. Este estudo analisa a eficiência técnica de empresas brasileiras de varejo e atacado listadas na B3, utilizando uma análise da fronteira estocástica (SFA) semiparamétrica bayesiana baseada em árvores de regressão (BART). Ao comparar com os modelos SFA paramétricos tradicionais (Cobb-Douglas e translog), demonstra-se que o método semiparamétrico oferece maior flexibilidade, capturando relações não lineares entre os insumos (trabalho e capital) e as receitas, ao mesmo tempo que fornece melhor quantificação da incerteza. Os resultados mostram que o modelo BART atinge um ajuste superior, superando as abordagens paramétricas. Efeitos significativos de segmentação foram identificados: empresas de alimentos e eletrodomésticos são as mais eficientes, enquanto o segmento têxtil apresenta menor eficiência. A tecnologia é intensiva em mão de obra, com retornos decrescentes à escala e estabilidade temporal nas medidas de eficiência. O estudo enfatiza a importância de modelos menos restritivos para evitar a superestimação da ineficiência. Ao integrar métodos bayesianos e não paramétricos na análise de eficiência, esta pesquisa contribui para a literatura e fornece insights para gestores e formuladores de políticas sobre alocação de recursos e estratégias competitivas em um setor crucial para a economia brasileira.

Abstract: Companies in the commerce and distribution sector face dynamic challenges, intensified by the COVID-19 pandemic, such as shifts in consumer preferences, accelerated digitalization, and competition with international e-commerce platforms. This study analyzes the technical efficiency of Brazilian retail and wholesale firms listed on B3 using a Bayesian semiparametric stochastic frontier analysis (SFA) based on regression trees (BART). Comparing it with traditional parametric SFA models (Cobb-Douglas and translog), we demonstrate that the semiparametric method offers greater flexibility, capturing nonlinear relationships between inputs (labor and capital) and revenues, while providing robust uncertainty quantification. Results show that the BART model achieves a better fit, outperforming the parametric approaches. Significant segmentation effects are identified: food and home appliance firms are the most efficient, while the textile segment shows lower efficiency. The technology is labor-intensive, with decreasing returns to scale and temporal stability in efficiency measures. The study emphasizes the importance of less restrictive models to avoid overestimating inefficiency. By integrating Bayesian and nonparametric methods into efficiency analysis, this research contributes to the literature and provides insights for managers and policymakers on resource allocation and competitive strategies in a sector critical to the Brazilian economy.