Você está na página 1de 206

ESCOLA DE GESTÃO DO PORTO

UNIVERSIDADE DO PORTO

SEGMENTAÇÃO DE MERCADO: UM CASO


ESPECÍFICO DO MERCADO DO CRÉDITO AO
CONSUMO AFECTO

Autor: Paulo Jorge Gonçalves Lourosa

Orientador: Professor Doutor Pedro Brito Quelhas

Dissertação submetida como requisito parcial para a obtenção do


grau de Mestre

Porto, Março de 2009

i
ÍNDICE GERAL

1. INTRODUÇÃO...................................................................................................................................... 1
1.1. ENQUADRAMENTO GERAL ..........................................................................................................................1
1.2. RELEVÂNCIA DO TEMA ................................................................................................................................3
1.3. OBJECTIVO DA DISSERTAÇÃO .....................................................................................................................4
1.4. ORGANIZAÇÃO DA DISSERTAÇÃO ..............................................................................................................4

2. CAPÍTULO I. A SEGMENTAÇÃO DE MERCADOS ....................................................................... 7


2.1. O MARKETING ..............................................................................................................................................7
2.2. ORIGEM DO CONCEITO DE SEGMENTAÇÃO DE MERCADOS ................................................................ 10
2.3. PERSPECTIVA HISTÓRICA (ADAPTADO DE CANO, 2003) .................................................................. 12
2.4. ESTRATÉGIAS DE MARKETING ................................................................................................................ 15
2.5. BENEFÍCIOS DA SEGMENTAÇÃO DE MERCADOS ................................................................................... 17
2.6. LIMITAÇÕES DA SEGMENTAÇÃO DE MERCADOS ................................................................................... 18
2.7. CONDIÇÕES PARA SEGMENTAR O MERCADO......................................................................................... 19
2.8. CLASSIFICAÇÃO DOS CRITÉRIOS (BASES) DE SEGMENTAÇÃO............................................................. 22

3. CAPÍTULO II. INDÚSTRIA DO CRÉDITO AO CONSUMO ...................................................... 31


3.1. INTRODUÇÃO AO CRÉDITO AO CONSUMO .............................................................................................. 31
3.2. A ECONOMIA DO CRÉDITO AO CONSUMO ............................................................................................... 36
3.3. A INDÚSTRIA DO CRÉDITO AO CONSUMO EM PORTUGAL.................................................................... 39
3.4. CONCEITO DE CRÉDITO AO CONSUMO.................................................................................................... 40
3.5. FUNÇÕES ORGANIZATIVAS E O CICLO DE CRÉDITO .............................................................................. 40
3.6. CLASSIFICAÇÃO DO CRÉDITO AO CONSUMO .......................................................................................... 41
3.7. ABORDAGEM AO MERCADO ..................................................................................................................... 42
3.8. REGULAMENTAÇÃO DO MERCADO ......................................................................................................... 44
3.9. MARGENS FINANCEIRAS .......................................................................................................................... 45
3.10. RISCO DO NEGÓCIO ................................................................................................................................... 46
3.11. INCUMPRIMENTO E SISTEMAS DE COBRANÇA ...................................................................................... 47
3.12. CREDIT REGISTERS: CREDIT BUREAUS E PUBLIC CREDIT REGISTERS ............................................ 48
3.13. A SEGMENTAÇÃO DE MERCADOS NA INDÚSTRIA DO CRÉDITO AO CONSUMO .................................. 50
3.14. OS MODELOS DE SCORING........................................................................................................................ 51
3.15. O COMPORTAMENTO DO CONSUMIDOR ................................................................................................. 53

4. CAPÍTULO III. METODOLOGIA UTILIZADA ............................................................................ 59


4.1. ORIGEM E TIPO DE DADOS UTILIZADOS ................................................................................................. 59

ii
4.2. CARACTERIZAÇÃO DAS VARIÁVEIS UTILIZADAS ................................................................................... 62
4.3. MÉTODOS DE SEGMENTAÇÃO ................................................................................................................. 70
4.4. MODELOS ESTATÍSTICOS UTILIZADOS ................................................................................................... 74

5. CAPÍTULO IV. ANÁLISE DOS RESULTADOS............................................................................ 76


5.1. ANÁLISE DAS VARIÁVEIS NOS SEGMENTOS DEFINIDOS ....................................................................... 76
5.2. RESUMO DAS PRINCIPAIS CARACTERÍSTICAS DOS 5 SEGMENTOS ..................................................... 96

6. CONCLUSÃO ....................................................................................................................................101
6.1. SEGMENTAÇÃO DE MERCADO .............................................................................................................. 101
6.2. CRÉDITO AO CONSUMO ......................................................................................................................... 102
6.3. PRINCIPAIS RESULTADOS OBTIDOS ..................................................................................................... 103
6.4. LIMITAÇÕES /SUGESTÕES PARA INVESTIGAÇÃO FUTURA ............................................................... 109

BIBLIOGRAFIA ........................................................................................................................................111

ANEXOS .....................................................................................................................................................123

iii
AGRADECIMENTOS

À minha mulher Sónia que tem estado presente em todos os momentos fantásticos da
minha vida e à nossa linda princesa Sofia que tantas alegrias nos dá, por terem que suportar
a minha ausência durante a realização deste projecto.

À minha família, em particular aos meus pais, irmã e sogros, por todo o apoio prestado
para que pudesse levar a bom porto este trabalho.

A todos os professores e colaboradores da EGP por toda a simpatia e colaboração


manifestada e aos meus colegas de trabalho com quem tive a sorte de conversar sobre
muitos dos temas abordados neste trabalho.

À Professora Doutora Ana Margarida Brochado pelo ajuda e apoio prestado na realização
do estudo empírico.

E ao meu orientador, Professor Doutor Pedro Quelhas Brito, pela simpatia, disponibilidade
e apoio demonstrado no acompanhamento deste projecto.

OBRIGADO.

iv
RESUMO

Utilizando a indústria do crédito ao consumo como cenário para a aplicação da


problemática da segmentação de mercado, procurou-se segmentar uma base de dados com
clientes que recorreram ao crédito ao consumo, com o objectivo de primeiro identificar
características diferenciadoras entre os diversos segmentos e em segundo lugar analisar o
comportamento dos clientes face ao crédito.

Através da aplicação da Análise de Correspondência Múltipla e do Método Não-


Hierárquico K- Means identificaram-se 5 grupos. Os resultados finais permitem, numa
perspectiva de marketing e enquadrados no mercado do crédito ao consumo, concluir da
adequabilidade dos 5 segmentos.

De forma resumida pode-se caracterizar o perfil dos clientes nos 5 segmentos da seguinte
forma:
- Segmento 1: Forte predominância dos homens, com residência concentrada no Porto e
Aveiro, com uma idade média de 42 anos, casados com comunhão de adquiridos, com
2 ou mais dependentes e com casa com hipoteca.
- Segmento 2: Maior presença de homens com idades no intervalo dos 26 a 35 anos,
com residência entre Lisboa e Porto, casados com comunhão de adquiridos mas sem
dependentes. Vivem em casas sem hipoteca e alugadas e trabalham em actividades
como a segurança e serviços domésticos).
- Segmento 3: Existe um equilibro entre mulheres e homens, com uma idade média
elevada (60 anos), vivem em Lisboa em casas sem hipoteca e são funcionários públicos
ou reformados.
- Segmento 4: Predominam os solteiros com uma idade entre os 26 a 35 anos, vivem em
casa dos familiares, são trabalhadores não especializados e com contratos a termo, com
um baixo nível de rendimento.
- Segmento 5: Mulher com uma idade média de 48 anos, a viver em Lisboa / Porto /
Aveiro, casada com comunhão de adquiridos, trabalhando na função pública e vivendo
em casa com hipoteca. Tem um nível de rendimento acima dos 2.000€.

v
Em termos de comportamento verificam-se diferenças importantes com o segmento 3 e 5 a
apresentarem níveis de cumprimento muito bons e o segmento 2 e 4 com indicadores
muito fracos. Dos resultados obtidos importa referir as seguintes ilações: observa-se uma
correlação negativa entre o rendimento auferido e o incumprimento; confirma-se uma
relação positiva entre a idade e o cumprimento; não se consegue inferir sobre uma
tendência clara em relação à estabilidade do emprego medido pelo número de anos no
emprego; os segmentos onde predominam as denominadas operações sem juros têm um
melhor comportamento de pagamento; os segmentos com os maiores valores de
mensalidade do crédito à habitação são os que apresentam taxas de incumprimento mais
baixas.

vi
ÍNDICE DE TABELAS

Tabela 2.1 - Diferenças entre segmentação e atomização ................................................... 15


Tabela 2.2 - Opções de escolha de mercados ...................................................................... 16
Tabela 2.3– Requisitos para uma segmentação eficaz ........................................................ 19
Tabela 2.4Critérios de avaliação para o desenho e avaliação dos segmentos de mercado.. 21
Tabela 2.5 – Critérios de segmentação ................................................................................ 22
Tabela 2.6 - Classificação dos critérios (bases) de segmentação ........................................ 23
Tabela 2.7- Variáveis de segmentação de mercado ............................................................. 24
Tabela 2.8– Bases específicas de produtos observáveis ...................................................... 26
Tabela 2.9 -Bases gerais não observáveis ........................................................................... 27
Tabela 2.10 - Bases específicas de produtos não observáveis ............................................. 28
Tabela 2.11- Avaliação das bases de segmentação ............................................................. 29
Tabela 2.12– Formas de segmentação de mercados ............................................................ 30
Tabela 4.1 – Variáveis da base de dados - Perfil ................................................................. 60
Tabela 4.2 – Variáveis da base de dados – Crédito e comportamento ................................ 60
Tabela 4.3 – Variáveis construídas ...................................................................................... 60
Tabela 4.4 – Variáveis com agrupamento de categorias ..................................................... 61
Tabela 4.5 – Sectores de actividade dos pontos de venda ................................................... 61
Tabela 4.6 – Distribuição geográfica ................................................................................... 62
Tabela 4.7 – Distribuição etária ........................................................................................... 63
Tabela 4.8 – Estado civil ..................................................................................................... 63
Tabela 4.9 – Tipo de habitação ............................................................................................ 64
Tabela 4.10 – Tipo de contrato laboral ................................................................................ 64
Tabela 4.11 – Profissão ....................................................................................................... 65
Tabela 4.12 – Actividade económica .................................................................................. 65
Tabela 4.13 – Nº de componentes do agregado familiar ..................................................... 66
Tabela 4.14 – Artigo adquirido na 1ª compra...................................................................... 67
Tabela 4.15 – Valor do crédito concedido ........................................................................... 68
Tabela 4.16 – Prazo dos créditos ......................................................................................... 68
Tabela 4.17 – Nº de operações de crédito............................................................................ 69
Tabela 4.18 – Consumidores cumpridores vs Consumidores com alguns atrasos no
pagamento das prestações............................................................................................ 70

vii
Tabela 4.19 – Consumidores cumpridores (ainda que com atrasos) vs Consumidores
incumpridores .............................................................................................................. 70
Tabela 4.20– Classificação dos métodos de segmentação .................................................. 71
Tabela 4.21– Classificação dos métodos de segmentação .................................................. 71
Tabela 5.1– Distribuição de registos pelos 5 segmentos ..................................................... 76
Tabela 5.2– Distribuição da variável Género nos 5 segmentos ........................................... 77
Tabela 5.3– Distribuição da variável Idade nos 5 segmentos.............................................. 78
Tabela 5.4– Distribuição da variável Estado Civil nos 5 segmentos................................... 79
Tabela 5.5 - – Distribuição da variável Nº de componentes do agregado familiar nos 5
segmentos .................................................................................................................... 80
Tabela 5.6– Distribuição da variável Tipo de habitação nos 5 segmentos .......................... 81
Tabela 5.7 – Distribuição Profissão pelos 5 segmentos ...................................................... 82
Tabela 5.8 - Distribuição da variável Profissão nos 5 segmentos ....................................... 84
Tabela 5.9– Distribuição da variável Contrato laboral nos 5 segmentos ............................ 85
Tabela 5.10– Distribuição da variável Rendimento nos 5 segmentos ................................. 86
Tabela 5.11– Distribuição da variável Com ou Sem Juros 1º primeiro crédito nos 5
segmentos .................................................................................................................... 88
Tabela 5.12– Distribuição da variável Idade, Rendimento, Nº de anos no Emprego, Nº
Agregados e Mensalidade Crédito habitação nos 5 segmentos ................................... 89
Tabela 5.13– Distribuição das variáveis Crédito e Prazo (1ª ao 4ª ), Valor médio de recibo
e Número de créditos nos 5 segmentos ....................................................................... 90
Tabela 5.14– Distribuição da variável 1º Crédito - Classes nos 5 segmentos ..................... 92
Tabela 5.15 - Distribuição da variável 1º Prazo - Classes nos 5 segmentos ....................... 93
Tabela 5.16– Distribuição da variável Cumprimento vs Não pagamento nos 5 segmentos 94
Tabela 5.17– Distribuição da variável Cumprimento e Atraso nos 5 segmentos ................ 95
Tabela 5.18– Resumo do segmento 1 .................................................................................. 96
Tabela 5.19– Resumo do segmento 2 .................................................................................. 97
Tabela 5.20– Resumo do segmento 3 .................................................................................. 98
Tabela 5.21– Resumo do segmento 4 .................................................................................. 99
Tabela 5.22– Resumo do segmento 5 ................................................................................ 100

viii
ÍNDICE DE FIGURAS

Figura 1.1 - Empréstimos a particulares e sociedades não financeiras ................................ 1


Figura 1.2 - Taxa de desemprego ......................................................................................... 2
Figura 1.3 - Crédito concedido pelas IC. .............................................................................. 2
Figura 1.4 - Estrutura da dissertação .................................................................................... 5
Figura 2.1 - Processo de criação de Valor ............................................................................ 7
Figura 2.2 - Processo de planeamento de marketing estratégico .......................................... 8
Figura 2.3 - O modelo de Kotler .......................................................................................... 9
Figura 2.4 - Passos para uma segmentação de mercado, targeting e posicionamento ....... 10
Marketing diferenciado (segmeFigura 2.6ntado) (indiferenciado)..................................... 17
Figura 2.5 - Grau de segmentação de mercado .................................................................. 17
Figura 3.1- Taxas de crescimento real do crédito das famílias na UE de 27 membros ..... 33
Figura 3.2 - Crédito total às famílias da UE a 27 (% do PIB) ............................................ 34
Figura 3.3 – Consumo das famílias financiado pelo crédito: UE 27 e novos membros..... 35
Figura 3.4– Percentagem por tipo de crédito no total dos créditos detidos pelas famílias
(2000 = 100) ................................................................................................................ 36
Figura 3.5 - Funções organizativas de uma empresa de crédito ao consumo ..................... 40
Figura 3.6 - Trade-off entre bad rate por score................................................................... 52
Figura 3.7 - Estrutura organizativa com scoring e respectivo controlo .............................. 53
Figura 4.1 - Classificação dos métodos de agrupamento .................................................... 73
Figura 4.2– Estrutura da matriz de partição. ...................................................................... 73
Figura 4.3 - Métodos de agrupamento ................................................................................ 74
Figura 4.4 – Variância inter-grupo/variância total ............................................................. 75

ix
1. INTRODUÇÃO
1.1. Enquadramento geral

Com a recente crise financeira mundial toda a indústria financeira teve que se reajustar à
nova realidade de maior restrição no acesso ao funding e consequente redefinição
redefini de
algumas politicas de investimento e de concessão de crédito.
O sector do crédito ao consumo em Portugal teve naturalmente que se adaptar às novas e
mais exigentes condições de mercado de forma a continuar a remunerar convenientemente
todos os seus stakeholders..

Do lado da procura, a crise financeira abalou muito a confiança dos consumidores


portugueses o que aliado a um já elevado nível de endividamento provocou uma retracção
significativa da procura. Esta diminuição, com reflexos directos nos novos
novo pedidos de
crédito, em conjugação com as politicas de crédito mais restritivas por parte das
da
Instituições de Crédito,
rédito, provocou um decréscimo na concessão
oncessão de crédito, conforme se
poderá constatar na figura 1.1.
1

Figura 1.1 - Empréstimos a particulares e sociedades não financeiras


Fonte: Banco de Portugal

1
O aumento da taxa de desemprego em Portugal,
Portugal Figura 1.2, tem contribuído para os baixos
níveis de confiança dos consumidores e tem afectado directamente a capacidade de
obtenção de crédito e, pior ainda, a capacidade de pagar os créditos em curso, penalizando
ainda mais a já de si complicada situação das Instituições Financeiras.

Figura 1.2
1 - Taxa de desemprego
Fonte: Banco de Portugal

Na figura 1.3 pode-se constatar o decréscimo da actividade, 23,8%, das IC membros da


Associação de Instituições de Crédito Especializado, corroborando
corroborando as dificuldades sentidas
em resultado da crise financeira instalada.

Figura 1.3 - Crédito concedido pelas IC.


Fonte: ASFAC

2
Uma das formas para as IC poderem minimizar todo este cenário cinzento será através de
uma política geral que privilegie a eficiência de todos os seus procedimentos e acções. Ao
nível do marketing as IC poderão tentar conhecer melhor os seus clientes através da
segmentação da sua carteira de forma a poderem dirigir acções de marketing específicas
com o intuito de obter taxas de resposta mais elevadas para os mesmos níveis de
investimento. Enquanto estratégia de marketing, a segmentação de mercado começa por
identificar sub mercados para posterior desenvolvimento de programas de marketing
diferenciados para cada um dos segmentos (Wind e Cardozo, 1974).

1.2. Relevância do tema

Apesar de a segmentação de mercados ter emergido como um conceito teórico apenas na


década de cinquenta com a publicação do artigo de Wendell Smith “Product differentiation
and market segmentation as alternatives marketing strategies” em Julho de 1956 no The
Journal of Marketing, o conceito base já era utilizado nos primórdios do comércio, os
primeiros mercados já eram segmentados pelos mercadores com base na qualidade e tipo
de produtos e serviços desejados, níveis de preços e/ou pelos métodos de distribuição
requeridos (Myers, 1996). Trata-se de um tema muito recorrente na literatura de marketing
mas devido à sua importância para a estratégia de uma empresa e em função da contínua
evolução dos sistemas informáticos com maior capacidade de processamento, continua a
ser actual e objecto de estudos e aplicações no mundo académico e empresarial.

O forte crescimento do recurso ao crédito por parte das famílias colocou nas últimas duas
décadas o crédito ao consumo na agenda política mas também na da investigação, com
cada vez mais académicos a escreverem sobre a temática sob diversos anglos de análise:
impactos sociológicos, psicológicos e económicos (Kirchler’s (1989); Ranyar e Craig
(1995); Webley e Nyhus (2001); Lea, Webley, e Levine (1993); Dittmar (2000); Hanley e
Wilhem (1992); Frederick, Loewenstein, e O’Donoghue (2002), Qi e Yang (2003) e Brito
e Hartley (1995)). Para Bertola & Hochguertel (2005) o crédito melhora a relação temporal
entre rendimento e despesa ao permitir ajustar os ciclos de rendimento aos ciclos de
necessidades dos indivíduos.

3
Uma frase elucidativa da importância e da actualidade do crédito ao consumo é a de Earl
Wilson (Kamleitner & Kirchler, 2006, pp. 1): “Modern man drives a mortgaged car over a
bond-financed highway on credit card gás”.

A segmentação de mercados apresenta-se como um tema estudado de forma intensa no


marketing mas nas suas aplicação à indústria do crédito ao consumo surgem poucas
investigações e estudos efectuados.

1.3. Objectivo da dissertação

Depois de efectuado uma revisão literária quer ao tema da segmentação de mercados quer
à indústria e economia do crédito ao consumo, e partindo de uma base de dados de clientes
que recorreram ao crédito classificado como credito ao consumo, pretende-se identificar
um conjunto de segmentos que apresentem alguma forma de homogeneidade interna e de
heterogeneidade entre si.
Obtidos os segmentos, tem-se como meta analisar os perfiles dos clientes de cada
segmento, identificar as características diferenciadores entre os vários grupos e efectuar
uma interpretação dos mesmos tendo em atenção o comportamento dos consumidores nas
seguintes vertentes:
- Frequência no recurso ao crédito;
- Prazos de pagamento escolhidos;
- Escolha de operações de crédito com ou sem juros a cargo dos consumidores;
- Produtos adquiridos com recurso ao crédito;
- Nível de cumprimento dos créditos.

1.4. Organização da dissertação

A dissertação é dividida em quatro partes: Segmentação de mercados, Crédito ao


Consumo, Metodologia e Resultados, conforme Figura 1.4.

4
Segmentação Crédito ao
de mercados consumo
Metodologia

Resultados

Figura 1.4 - Estrutura da dissertação

se o tema da segmentação de mercados ao nível dos conceitos,


Na primeira parte aborda-se
bases e métodos. Começa--se
se o estudo com a análise da importância da segmentação ao
nível estratégico de uma organização para de seguida apresentar um conjunto de definições
e uma breve resenha histórica desde a década de 50. Far-se-áá uma rápida incursão às
à várias
estratégias de marketing possíveis, àss vantagens e limitações da segmentação. A
classificação dos critérios (bases) de segmentação (gerais observáveis e não observáveis e
específicas do produto observáveis e não observáveis) será uma das duas dimensões que se
utilizará neste trabalho, sendo a outra os métodos de classificação (à priori descritivos ou
preditivos e à posteriori descritivo ou preditivos).

Na segunda parte do estudo será analisado a indústria do crédito ao consumo com uma
breve resenha histórica
ca e a apresentação de um conjunto de dados que ajudarão a
caracterizar o sector na União Europeia e em Portugal. Uma análise aos vários estudos
feitos sobre a economia do crédito ao consumo será apresentada para um melhor
enquadramento teórico e para posterior
posterior comparação com os resultados a obter com este
trabalho, especialmente no que concerne ao comportamento do consumidor em relação ao
crédito.

Na terceira parte da dissertação será apresentado a metodologia seguida e caracterização


das bases de segmentação
tação utilizadas.

5
Por fim será efectuado na quarta parte a análise dos resultados obtidos, comparando os
vários segmentos identificados e procurando validar esses dados com trabalhos de outros
autores.

6
2. CAPÍTULO I. A segmentação de mercados
2.1. O Marketing

Para
ara um melhor enquadramento da temática da segmentação de mercados apresenta-se
apresenta em
primeiro lugar uma definição de marketing para de seguida se analisar a sua integração no
conceito de estratégia global de uma empresa. Para Kotler, Amstrong, Wong e Saunders
Saunder
(2008) o marketing não é mais do que “a social and managerial process by which
individuals and groups obtain what they need and want through creating and exchanging
products and value with others” e ainda “... as the process by which companies create
value
ue for customers and build strong customer relationships in order to capture value from
customers in return”. Na figura 2.1
2 pode-se
se visualizar o processo de criação de valor para
os clientes a que Kotler et al. (2008) se referem nas suas definições.

Figura 2.1 - Processo de criação de Valor


Fonte: Kotler et al. (2008)

Como ponto de partida os decisores deverão conhecer bem o mercado que os rodeia e as
necessidades dos consumidores para poderem elaborar uma estratégia de marketing focada
nos clientes. A implementação de uma estratégia de marketing terá que fundamentar-se
fundamentar em
programas de marketing integrados para que a empresa possa criar valor e construir
relações rentáveis e duráveis com os seus clientes, captando assim valor aos clientes de
forma a potenciar os seus lucros.

7
Sobre o processo de planeamento de marketing estratégico Myers (1996) desenhou um
esquema simples que permite visualizar as várias fases de um processo de planeamento,
planeament de
onde se destaca a segmentação de mercados como um processo charneira do qual
necessariamente se tem que passar por. Após definição da missão da empresa, os gestores
devem procurar identificar as oportunidades de marketing para de seguida efectuarem a
respectiva segmentação de mercados. Devido a restrições de vária ordem e/ou por opção
estratégica, os gestores têm necessidade de escolher os mercados / segmentos a abordar, na
gíria económica o “targeting
targeting”.. Após esta fase deverão definir qual o posicionamento
posiciona que
pretendem que os seus produtos e serviços ocupem na mente do consumidor. A seguir
entra-se
se num processo de implementação com a definição das metas quantitativas e o
desenvolvimento do marketing “mix” adequado à estratégia definida.

Figura 2.2 - Processo de planeamento de marketing estratégico


Fonte: Myers (1996)

Através do modelo
delo de Kotler –Figura 2.3 - O modelo de Kotler– pode-se
pode perceber a
importância que o autor dá à segmentação de mercado na definição e implementação da
estratégia corporativa e de marketing
marketing de uma empresa, ou seja, toda a estratégia de
8
marketing parte da segmentação que por sua vez está relacionada com a missão da
empresa. É possível também ver a estreita relação existente entre o planeamento de
marketing e o planeamento corporativo e como
como ambas são apoiadas por mais actividades
de marketing: a segmentação, o targeting, e o posicionamento.

Figura 2.3 - O modelo de Kotler


Fonte: Adaptado a partir de Myres (1996)

A orientação de marketing apresentada por Kotler et al. (2008), que defendem que a
análise de mercado deve preceder o desenvolvimento das ofertas, vem ao encontro do
conceito de segmentação. Enquanto estratégia de marketing, a segmentação de mercado
mer
começa por identificar sub mercados
merc para posterior desenvolvimento de programas de
marketing diferenciados para cada um dos segmentos (Wind e Cardozo, 1974).
Observando-se a Figura 2.4 (Kotler et al., 2008) verifica-se
se que a segmentação de
mercados é um dos quatro passos no desenvolvimento de uma estratégia de marketing
orientada para o cliente: segmentação, targeting, diferenciação e posicionamento.

9
Escolha de clientes Decisão sobre a
proposta de valor
Segmentação Diferenciação
Dividir o mercado total em Diferenciar a oferta de
segmentos mais pequenos marketing para criar valor
Criação de acrescentado ao cliente

Targeting valor aos Posicionamento


clientes alvo
Seleccionar o segmento ou Posicionar a oferta de
segmementos a entrar marketing na mente dos
clientes alvo

Figura 2.4 - Passos para uma segmentação de mercado, targeting e posicionamento


Fonte: Adaptado de Kotler et al. (2008)

2.2. Origem do conceito de Segmentação de Mercados

Apesar de a segmentação de mercados ter emergido como um conceito teórico apenas na


década de cinquenta com a publicação do artigo de Wendell Smith “Product differentiation
and market segmentation as alternatives marketing strategies” em Julho de 1956 no “The
Journal of Marketing”, o conceito base já era utilizado nos primórdios do comércio, os
primeiros mercados já eram segmentados pelos mercadores com base na qualidade e tipo
de produtos e serviços desejados, níveis de preços e/ou pelos métodos de distribuição
requeridos (Myers, 1996).
Apesar da importância da teoria económica, a clássica e a neoclássica, para o
enquadramento estrutural das análises económicas, as teorias da concorrência perfeita e
monopólio puro, revelaram-se inadequadas para a explicação dos fenómenos
contemporâneos da gestão (Smith, 1956). A teoria da concorrência perfeita tem como um
dos seus pressupostos a homogeneidade dos mercados, quer do lado da procura quer do
lado da oferta, sendo por isso mesmo incapaz de explicar um mercado cada vez mais
heterogéneo e diversificado. Smith (1956) reconheceu aquela heterogeneidade da procura
de bens e serviços e afirmou que “Market segmentation involves viewing a heterogeneous
market as a number of smaller homogeneous markets, in response to differing preferences,
attributable to the desires of consumers for more precise satisfaction of their varying
wants”.

10
Proliferam muitas definições sobre a segmentação de mercados, sendo possível apresentar
dois tipos de abordagens (Cano, 2003): a dos académicos que seguem uma abordagem de
segmentação baseada no consumidor e a dos não académicos que abordam a segmentação
através do paradigma da maximização dos lucros.

É consensual (Wedel e Kamakura, 2000) que a definição que mais se destaca e que ainda
hoje se mantém válida é a de Smith (1957) “Market Segmentation consists of viewing
heterogeneous market (one characterized by different demand) as a number of smaller
homogeneous markets in response to differing product preferences among important
market segments. It is attributable to the desires of consumers or users for more precise
satisfaction”.
Para Dickson e Ginter (1987), a heterogeneidade presente nas funções procura constitui
fundamento teórico para a definição de segmentos: “heterogeneity in demand functions
exists such that market demand can be disaggregated with distinct demand functions”.
Por sua vez Wedel e Kamakura (2000) definem o conceito de segmentação de mercado
como “a theoretical marketing concept partitioning a market with heterogeneous demand
into sub markets with homogeneous demand, with the purpose of a more precise
adjustment of brands, products, or services to consumer needs, to determine the potentially
most profitable allocation of marketing efforts”.

Mais recentemente temos mais três definições por parte de Sommers e Barnes (2003)
“market segmentation divides the total heterogeneous market for a product or service into
several segments, each of which tends do be homogeneous in many significant aspects” e a
de Art Weinstein (2004) que considera a segmentação um processo de partição do mercado
em grupos de potenciais consumidores com necessidades ou características similares que
exibem um comportamento de compra similares. Por fim, a segmentação de mercados para
Kotler et al. (2008) não é mais que um processo de “dividing a market into distinct groups
of buyers who have different needs, caracteristics or behaviour who might require separate
products or marketing programmes” e como consequência um segmento de mercado não é
nada mais que um grupo de consumidores que respondem de uma mesma forma a uma
determinada política de marketing.

11
2.3. Perspectiva histórica (adaptado de Cano, 2003)

2.3.1. Décadas de 50 e 60
Seguindo a tipologia definida por Fullerton (1988) estas duas décadas foram anos de muita
experimentação, turbulência e crescimento com desenvolvimentos significativos ao nível
dos processos de recolha, medição e avaliação da informação do mercado. Constata-se esta
evolução com os sucessivos progressos na investigação da segmentação de mercado. Foi
na década de 50 que Smith publica o artigo “Product differentiation and market
segmentation as alternatives marketing strategies” onde aborda estratégias de diferenciação
do produto (tentativa de deslocar ou alterar a inclinação da curva da procura) e de
segmentação de mercado como componentes da estratégia de marketing.
Saliente-se que é precisamente nesta década que os modelos estatísticos denominados de
“credit scoring” aparecem no crédito ao consumo, inicialmente para os cartões de crédito,
que na sua essência e de forma simples segmentam os consumidores de crédito em bons e
maus cumpridores das responsabilidades a assumir.

2.3.2. Década de 70
Cano (2003) considera os anos 70 como a década de refinamento dos vários modelos e
técnicas existentes ao nível da operacionalização de estratégia de marketing.
Segundo Dhalia e Mahatoo (1976) existiam duas escolas de pensamento sobre a
segmentação de mercado: a comportamental, focada no processo do comportamento do
consumidor; e a de decisão, focada nas diferenças do consumidor. Advogavam que a
solução óptima para segmentação de mercado seria a fusão destas duas linhas de
pensamento.
Já Frank, Massy e Wind (1972) classificaram a investigação da segmentação de mercado
em duas escolas que se diferenciam na sua orientação teórica. A primeira escola tem as
suas origens na teoria da microeconomia, enquanto a segunda baseia-se nas ciências do
comportamento. As grandes diferenças entre as duas escolas tem a ver, para além da
orientação teórica distinta, com as bases e métodos utilizados para identificar segmentos
(Wilkie & Cohen, 1977).
Na década de 70 houve ainda um forte desenvolvimento da noção de variáveis
discriminantes na segmentação de mercados. Os estudos contemplavam as variáveis de
segmentação que previam o comportamento do consumidor. Assael (1976) argumentava

12
que a melhor forma de segmentar um mercado seria através de variáveis que medissem a
elasticidade de resposta do consumidor, contudo afirmou que é muito difícil implementar
medidas de elasticidades. A segmentação através de variáveis psicográficas (Goldberg,
1976) e de estilo de vida (Plummber, 1974; Wells, 1975; Miller, 1978) eram segundo os
seus respectivos autores, opções mais práticas e com maior capacidade preditiva.
Nesta mesma década, e em função dos avanços tecnológicos que permitiram uma melhor e
mais fácil operacionalização das estratégias de segmentação de mercado, esta passou a ser
um pilar da estratégia de negócio (Cano, 2003).

Existiram dois trabalhos visionários (Cano, 2003) que serviram de guias para a estratégia
de marketing e para a maior focalização na segmentação de mercado. A obra de Derek F.
Abells (1978) “Strategic Windows” que propôs a ideia da evolução do mercado, e a obra
de Montgomery and Weinberg (1979) “Toward Strategic Intelligence Systems” que
avançou com o conceito de sistemas de inteligência estratégicos.

2.3.3. Década de 80
A investigação sobre a segmentação de mercado floresceu nesta década com centenas de
artigos a serem publicados nas revistas académicas (Cano, 2003). O mesmo autor advoga
ainda que duas tendências surgiram nesta década: desenvolvimentos na modelação e a
ênfase colocada nas variáveis do sexo e idade na segmentação.
Foram desenvolvidos variadíssimos modelos na tentativa de uma melhor segmentação,
desde modelos de previsão de variáveis de segmentação de mercado (Arabie, Douglas,
Desarbo, e Wind (1981, August) com o modelo ADCLUS “overlapping clustering model”,
passando por modelos probabilísticos de sucesso (Gensch, 1985) e pelos modelos AID
“automated interaction detection” e MAID “Multivariate automated interaction detection”
de MacLachlan and Johansson (1981).
Devido à evolução tecnológica e ao aparecimento dos computadores com cada vez maior
capacidade de processamento, passou-se de uma abordagem de segmentação “a priori ou
post hoc” para técnicas mais avançadas (Cano, 2003), sendo exemplos disso os modelos
utilizados por Clancy and Roberts (1983), McCrohoan (1980), Moorthy (1984) e Blozan e
Prabhaker (1984).
Será ainda de referir que foi nesta década que os “marketeers” focaram a sua atenção ao
mercado dos jovens.
13
2.3.4. Década de 90 até aos dias de hoje
O aumento da intensidade da competitividade entre empresas obrigou-as a procurar formas
alternativas de satisfazerem as necessidades dos consumidores como forma de não serem
empurradas para fora do mercado (McCraw, 2000).
Pode-se classificar este período, década 90 e princípios do século XXI, como uma fase de
contínuo refinamento e expansão da actividade de investigação da segmentação de
mercado (Cano, 2003), com especial relevo para as questões conceptuais e de metodologia
viradas agora também para os mercados internacionais. As questões relacionadas com a
modelagem estiveram menos activas que na década de 80
Como novos conceitos e metodologias destaca-se a de Rajiv Grover e V.Srinivasan (1992)
“the structure of a product category in terms of (overlapping) subsets of competitive brands
arises from segments of customers who differ in their choice (probability) patterns”, a de
Sheth, Sisodia, e Sharma (2000) que argumentam que a segmentação de mercado pode ser
aplicada à divisão mais finita, um único consumidor “Customer centric marketing”, e a de
Ali e Rao (2001) com o reconhecimento do conceito de micro segmentação “micro-market
segmentation”.
Ao nível dos modelos os avanços também sucederam-se com particular atenção ao “New
latent structure multidimensional scaling model” de Desarbo e Wu (2001) e ao modelo de
Brusco, Cradit e Stahl (2002) “Simulated Annealing Heuristic (SAH)”.

Após a apresentação das várias definições para a segmentação de mercado, é pertinente


indicar aquilo que não é um segmento de mercado segundo Myers (1996). Ele advoga que
se os segmentos não tiverem necessidades, valores e desejos diferentes; não responderem
de forma diferenciada a programas de marketing específicos; se não forem úteis em termos
de planeamento de marketing; então não os poderemos considerar como segmentos de
mercado e não serão considerados úteis para os marketeers.

De acordo com Hoek, Gendall e Esslemont (1996) o conceito de segmentação de


marketing foi adoptado de uma forma entusiástica quer por académicos que por não
académicos, contudo, têm sido reduzidos os progressos para o desenvolvimento de uma
teoria normativa do processo de segmentação.

14
2.4. Estratégias de marketing

Ainda que qualquer empresa tenha a possibilidade de escolher entre duas estratégias
alternativas, segmentar o mercado ou tratá-lo apenas como um mercado global, não é
muito normal que isso ocorra já que isso implicará que a empresa utilize uma estratégia de
marketing indiferenciada, abordagem que poucas empresas poderão beneficiar (Art
Weinstein, 2004). De acordo com o mesmo autor, existem três opções de segmentação:
1. Diferenciação: Se uma empresa elege como mercados alvo 2 ou mais segmentos estará
a seguir uma estratégia de segmentação;
2. Concentração: A empresa decide focalizar-se apenas num segmento de mercado dos
vários existentes;
3. Atomização – segmento de um mercado: Quando uma empresa divide o mercado até ao
seu nível mais fino – consumidor individual.

De seguida apresenta-se uma tabela resumo das diferenças entre a segmentação e


atomização:
Tabela 2.1 - Diferenças entre segmentação e atomização

Foco estratégico Segmentação Atomização

Grupos Indivíduos
Segmentos de mercado

O mesmo para todo o À medida para cada cliente


Marketing mix segmento
Comunicação de massas Comunicação individual
Estratégia promocional

Criação de notoriedade, Ofertas desenhadas para


Ênfase estratégica satisfazer necessidades /
preferência
interesses dos clientes;
retenção
Maioritariamente inflexível Altamente flexível e adaptativo
Flexibilidade de marketing dentro de um limite temporal
Pedidos por telefone, Pedidos em tempo real
Iniciativas das vendas chamadas telefónicas, pedidos
via internet
Fonte: Adaptado de Art Weinstein, 2004

Apesar de a atomização (segmento de um mercado) ser uma estratégia de marketing


aliciante há, contudo, que ter em atenção algumas das suas desvantagens: aumento de

15
custos, novos desafios tecnológicos, excesso de tomada de decisões para os decisores, e
dificuldades de implementação e de medida.

Através da tabela 2.2 pode-se perceber melhor as diferenças entre as várias estratégias de
escolha de mercados:

Tabela 2.2 - Opções de escolha de mercados

Nº de segmentos Estratégia de segmentação Observações

Abordagem de marketing de
Zero Indiferenciado massas, sem targeting
Concentração ou mercado Marketing altamente focado
Um único (nicho)
Diferenciação, nichos Abordagem adequada para
Dois ou mais múltiplos competir em vários mercados
Requer uma estratégia de
Dezenas a milhares Atomização marketing “one-to-one”,
dependente de um forte
sistema de informação de
marketing
Fonte: Adaptado de Art Weinstein, 2004

Por sua vez Kotler et al. (2008) apresentam uma tipologia de estratégias de marketing
possíveis a seleccionar pela empresa após a identificação dos segmentos de mercado,
partindo da informação sobre o nível de agregação do mercado para definir as diferentes
estratégias de marketing: Num dos extremos temos o marketing indiferenciado para um
mercado agregado e no outro extremo temos o “micro marketing” que desce ao nível do
indivíduo. Pelo meio temos as estratégias mais adequadas e as mais utilizadas que são o
marketing diferenciado e o marketing concentrado.

16
Marketing Marketing Marketing Micromarketing
indiferenciado diferenciado concentrado (local / marketing
(massas) (segmeFigura (nicho) individual)

Agregado Desagregado
Grau de segmentação
Figura 2.6 - Grau de segmentação de mercado
Fonte: Kotler et al. (2008)

2.5. Benefícios da segmentação de mercados

O objectivo último da utilização de uma estratégia de segmentação de mercado é aumentar


a competitividade da empresa e simultaneamente melhor servir as necessidades dos
clientes (Weinstein, 2004). O mesmo autor apresenta quatro grandes benefícios de uma
utilização de análise e estratégia de segmentação de mercados:
1. Desenvolvimento de produtos que respondam às necessidades do mercado;
2. Determinação de estratégias promocionais eficazes e eficientes em termos de
custos;
3. Avaliação da concorrência existente no mercado, com especial atenção à posição
ocupada pela empresa no mercado;
4. Aporta mais informação sobre a actual estratégia de marketing e cria uma
abordagem sistemática para uma cobertura correcta do mercado.

Como resumo Weinstein (2004) afirma que a análise de segmentação de mercado


proporciona a investigação necessária sobre a qual todas as outras estratégias de marketing
poderão ser formuladas e executadas com sucesso.

17
2.6. Limitações da segmentação de mercados

Apesar das suas vantagens a segmentação de mercados tem também algumas limitações
que convém salientar. De acordo com Weinstein (2004) pode-se enumerar as seguintes
limitações:
1. Aumento dos custos. Uma estratégia de segmentação de mercados implica oferta de
novos produtos e serviços ou ambos, campanhas promocionais, desenvolvimentos e
expansão de canais de distribuição, aumento dos custos da Internet e mais recursos
para a implementação e controlo. Por outro lado um marketing dirigido significa
menos desperdícios e aumento da performance do marketing.
2. Requer um forte comprometimento da organização. A melhor segmentação de
mercado do mundo não servirá de nada se não for suportada por uma estratégia
consistente de produto, promoção, preço, distribuição e serviço ao cliente; estes têm
que ser regularmente avaliados e revistos conforme as necessidades assim o
exigirem.
3. Aporta perfiles compostos (do segmento) e não individualizados. Para ultrapassar
esta limitação e melhorar a imagem do mercado, pode-se recorrer à investigação
comportamental através de categorias adoptadas, segmentos de benefícios,
psicografia organizacional, ou análise de utilização.

Segundo Weinstein (2004) existem três mitos sobre a segmentação que é importante
analisar:
1. Mito nº 1: A segmentação de mercado é um processo de partição. Na verdade trata-
se sim de um processo de agregação dado que os consumidores são agregados num
segmento de acordo com determinadas características comuns.
2. Mito nº 2: A segmentação é apenas um processo ou uma técnica. Ainda que sendo
uma meiaverdade, dado que é baseado na investigação, os seus verdadeiros
impactos advém do seu papel como variável da estratégia de marketing. A
segmentação de mercado é o elemento primário no plano de marketing de uma
empresa. É o alicerce sobre qual todas as outras acções de marketing poderão
basear-se.
3. Mito nº 3: Todos pertencem a um segmento de mercado. Apesar de ser uma situação
ideal para o marketeer, na realidade nem todos os consumidores enquadram-se num
segmento de mercado. É provável que uma pequena percentagem da população não
18
seja classificada com base num critério específico de formação de um segmento de
mercado.

2.7. Condições para segmentar o mercado

Weder e Kamakura (2000) e Kotler et al. (2008) apresentam um conjunto de critérios que
estabelecem as condições para a identificação de segmentos de mercado. Na tabela 2.3
pode-se ver os critérios apresentados pelos referidos autores.

Tabela 2.3– Requisitos para uma segmentação eficaz

Kotler (2008) Wedel e Kamakura (2000)

Mensurabilidade Identificabilidade

Acessibilidade Substancialidade

Substancialidade Acessibilidade

Diferenciabilidade Resposta

Accionabilidade Estabilidade

Accionabilidade

Começando pelos critérios de Kotler et al. (2008), para uma efectiva segmentação de
mercado é necessário que os segmentos apresentem as seguintes características:
- Mensurabilidade: o grau em que a dimensão, poder aquisitivo e lucros de um
segmento de mercado possam ser medidos;
- Acessibilidade: Se os mercados podem ser atingidos e servidos de forma eficaz;
- Substancialidade: Se os mercados a servir são suficientemente grandes e lucrativos;
- Diferenciabilidade: Se os segmentos são conceptualmente distinguíveis e
respondem de forma diferente a diferentes programas de marketing;
- Accionabilidade: Pode-se desenvolver programas atractivos para atrair e servir os
segmentos.

19
Os seis critérios que determinam a eficiência e a rentabilidade de uma estratégia de
marketing definidos por Wedel e Kamakura (2000) são os seguintes:
- Identificabilidade: é satisfeita se a utilização das bases de segmentação permitir a
identificação dos consumidores dos segmentos de mercado obtidos;
- Substancialidade: é satisfeito se os segmentos alvos representarem uma parte do
mercado suficientemente grande para assegurar a rentabilização dos programas de
marketing específicos;
- Acessibilidade: mede o grau com que os gestores de marketing alcançam um
segmento alvo através de esforços promocionais e de distribuição;
- Resposta: é satisfeito se cada segmento responder de forma homogénea e única,
diferenciada entre segmentos, a esforços de marketing a ele direccionado;
- Estabilidade: capacidades dos segmentos permanecerem estáveis;
- Accionabilidade: é satisfeito se a identificação dos segmentos fornecer as pistas
para a tomada de decisão relacionada com a especificação dos instrumentos de
marketing.

Será importante realçar que os segmentos não têm necessariamente que ser entidades
físicas que ocorram naturalmente no mercado, uma vez que eles são definidos pelos
investigadores e gestores para aumentar a sua capacidade de melhor servir os clientes.

Tonks (2009) vem chamar a atenção para a necessidade de um maior enfoque para a fase
inicial de identificação dos segmentos que apelida de “design of market segments”.
Advoga que o processo de segmentação inicia-se pelo desenho dos segmentos que depois
conduzem à avaliação dos segmentos disponíveis. Sugere ainda que o desenho dos
segmentos e a escolha das variáveis, incluem necessariamente uma avaliação que pode ser
enquadrada através da utilização dos processos standards para o estabelecimento da
validação.
No começo de um processo de segmentação de mercado há necessariamente que escolher,
entre uma miríade de alternativas, algumas variáveis que sejam relevantes para o problema
em questão. Os critérios de selecção são nesta fase de design requisitos fundamentais para
posteriormente fornecer as bases para avaliação da qualificação e atractividade dos
segmentos. Tonks (2009) defende que independentemente de os interesses estarem em
variáveis gerais, de comportamento ou ambas, existe sempre uma vasto conjunto de opções
20
por donde escolher sendo, contudo, imprescindível que as variáveis apresentem a validação
apropriada o que implicará sempre alguma avaliação subjectiva por parte do investigador e
do gestor. McGiven (2003, op. cit.) esclarece que a validação refere-se a “how well a
research design (the research method and the measures or questiones used) measure what it
claims to measure” enquanto a “reliability” (fiabilidade) diz respeito à consistência dos
resultados da investigação. Segundo Tonks (2009) a lógica que está por detrás destas
descrições é que a validação requer a fiabilidade mas a fiabilidade sozinha é uma condição
insuficiente para a validação.

Abaixo apresenta-se a tabela 2.4 com os critérios de avaliação para o design e avaliação
dos segmentos de mercado. Refira-se ainda que os critérios de construção, conteúdo e a
validação dos critérios (homogeneidade / heterogeneidade) são os critérios mais
importantes na fase de design e todos requerem alguma medida de avaliação subjectiva. De
acordo com Tonks (2009), “Together they establish the extent to which the chosen
variables are appropriate”.

Tabela 2.4Critérios de avaliação para o desenho e avaliação dos segmentos de mercado

Desenho Validação da construção (relevante)


Validação do conteúdo (relevante)
Validação dos critérios (relevante)
Familiar
Universal
Requisitos de outras funções de gestão
Disponibilidade de dados
Custos

Qualificação Medível
Acessível
Substancial
Accionável
Estável
Parcimonioso
Rentável
Elasticidades de respostas únicas
Atractividade Compatibilidade com os objectivos da empresa
Compatibilidade com as competências da empresa
Requisitos de recursos
Volume de vendas
Crescimento do segmento
Quota de mercado relativa
Intensidade competitiva

21
Barreiras à entrada e saída
Factores Macro-ambientais
Fonte: Tonks (2009)

Como comentário final à fase de desenho da segmentação Tonks afirma que “... the
marketer is the architect and there will always be a subjective element behind the choices
made”.

2.8. Classificação dos critérios (bases) de segmentação

Myers (1996) utiliza dois esquemas conceptuais de classificação dos critérios de


segmentação – tabela 2.5.

Tabela 2.5 – Critérios de segmentação

Foco no cliente Foco no produto/serviço

A priori

Post hoc (a posteriori)


Fonte: Myers (1996)

A abordagem focalizada no cliente olha para as características específicas dos clientes que
os diferenciam de forma significativa para efeitos do processo de planeamento de
marketing (ex: demográficos, valores e necessidades).
Por seu lado, a abordagem focalizada no produto e serviço ou ambos, trata das próprias
características físicas e específicas do produto ou serviço, do tipo de benefícios que os
clientes querem, taxas de utilização, ou outros aspectos do produto/serviço ou situação de
uso.
A classificação a priori agrega grupos de consumidores que são similares em termos de um
ou vários factores que são conhecidos ou que antecipadamente se crêem estarem
relacionados com o consumo dos produtos / serviços da empresa (ex: demográficos,
volume de compras, área geográfica, etc.).
Ao contrário, os segmentos post hoc são baseados em respostas que estão apenas
disponíveis após realização dos questionários, tais como valores, necessidades, taxas de

22
utilização e padrões, atitudes e percepções que podem assinalar segmentos de mercado
úteis.
Os dois tipos de classificações acima referidos não são mutuamente exclusivos, como se
pode derivar da tabela 2.5.
De acordo com Wedel e Kamakura (2000) uma base de segmentação é definida como um
conjunto de variáveis ou características usadas para associar consumidores potenciais a
grupos homogéneos. Frank et al. (1972) propõem uma classificação das bases de
segmentação em função de duas características: natureza da variável (geral vs específica
do produto) e natureza do processo de medida (objectivo vs inferido).
O sistema de classificação proposto por Wedel e Kamakura (2000) segue a classificação
identificada por Frank et al. (1972) – tabela 2.6

Tabela 2.6 - Classificação dos critérios (bases) de segmentação

Gerais Específicas do produto

Variáveis geográficas, Status do utilizador, Situação de uso,


Observáveis
demográficas e socioeconómicas fidelidade à loja e à marca

Psicográficas, benefícios,
Psicograficas, valores,
Não observáveis percepções, elasticidades, atributos,
personalidade e estilo de vida
preferências e intenções.
Fonte: Wedel e Kamakura (2000)

2.8.1. Bases de segmentação


Numa análise à literatura existente sobre segmentação (Frank, Massy e Wind ,1972; Wind,
1978; Weinstein, 1994; Myers, 1996; Wedel e Kamakura, 2000; Kotler et al., 2008),
Dickson e Ginter, 1987;Claycamp & Massy,1968;Lessig, 1975; Assael & Roscoe, 1976),
pode-se observar uma proliferação de classificações de variáveis de segmentação sendo
certo que não há uma melhor abordagem para segmentar todos os mercados (Young, Ott e
Feigin, 1978).

Para Kotler et al. (2008) as variáveis de segmentação de mercado são as seguintes:

23
Tabela 2.7- Variáveis de segmentação de mercado

Variáveis Desagregação típica

Geográficas Região, dimensão do país, dimensão da cidade, densidade, clima

Idade, sexo, dimensão da família, ciclo de vida da família,


Demográficas
rendimentos, ocupação, educação, religião, raça e nacionalidade

Classe social, estilo de vida (“achievers”, “believers”, “strivers”),


Psicograficas
personalidade

Ocasião de compra, benefícios, status de utilização (utilizador, ex-


utilizador, utilizador potencial, primeira vez,...), taxa de utilização
(utilizador intensivo, médio, ligeiro), estado de fidelização, estado
Comportamental
de prontidão (desconhecedor, informado, interessado, desejoso,
pretende comprar) e atitude perante produtos (entusiástico,
positivo, indiferente, negativo, hostil)
Fonte: Adaptado de Kotler et al. (2008)

Seguindo agora a estrutura de classificação proposto por Wedel e Kamakura (2000) –


tabela 2.6 - aborda-se em primeiro lugar as bases gerais observáveis.

2.8.1.1. Bases gerais observáveis


Estão inseridas nesta categoria as bases utilizadas nas fases iniciais da aplicação da
segmentação de mercado tais como: variáveis culturais, geográficas, vizinhança,
mobilidade geográfica, demográfica e socioeconómicas, classificação postal, ciclo de vida
da família, dimensão do agregado familiar, etc. O status socioeconómico, ciclo de vida da
família (idade+emprego do cabeça do casal+idade dos filhos) e geodemografia (baseado na
geografia, demografia e socioeconómico) são variáveis derivadas da interacção com outras
bases gerais observáveis.
Pegando-se nos critérios de avaliação das bases de segmentação pode-se elencar as
seguintes características (Wedel e Kamakura, 2000):
1. Estas bases de segmentação são relativamente fáceis de recolher, fiáveis e
genericamente estáveis;
2. Os segmentos derivados destas bases são normalmente fáceis de comunicar e as
estratégias definidas fáceis de implementar;

24
3. Encontram-se diferenças (ainda que pequenas) nos comportamentos de compra e
respectivas elasticidades de marketing dos vários segmentos identificados cumprindo
com o critério da resposta para uma efectiva segmentação;
4. Apesar de alguns estudos (Frank et al. 1972; McCann, 1974) indicarem que estas bases
são pouco eficazes, não se podem descartar dado o seu importante papel em
segmentações simples e ainda porque melhoram a acessibilidade dos segmentos obtidos
por outras bases devido ao facto de os perfiles de utilização estarem normalmente
disponíveis de acordo com as bases observáveis.

Fazendo a ponte para o mercado do crédito ao consumo, é justamente com as bases gerais
observáveis que a maior parte dos estudos de segmentação de consumidores se baseiam.
Existem diversos métodos estatísticos que são utilizados para classificar os consumidores
em função de determinadas características e com objectivos bem definidos. Os mais
tradicionais serão os modelos de scoring que tentam prever a probabilidade de um
consumidor de um determinado produto de crédito entrar em incumprimento. Existem
ainda modelos que tentam prever a rentabilidade de um produto financeiro e outros que
tentam estimar a rentabilidade global de um consumidor.

Como exemplo pode-se apresentar o estudo sobre o endividamento dos consumidores


efectuado por Crook (2003) que utiliza como bases de segmentação gerais observáveis as
seguintes variáveis: idade, rendimento, riqueza do agregado familiar e estado de emprego.
Observa neste estudo o padrão de consumo de crédito explicado pela teoria do ciclo de
vida, isto é, uma maior incidência de utilização do crédito nos escalões etários de 30 a 39 e
40 a 59 anos, baixando depois gradualmente nos seguintes escalões. Em todos os países
analisados (EUA, Canadá, Japão, Itália, Holanda, GB e Alemanha) as famílias mais ricas
recorrem mais ao crédito do que as mais pobres. Esta diferença pode ser explicada quer
pela acessibilidade ao crédito quer pela procura do mesmo, sabendo-se que as famílias
mais pobres têm menos riqueza patrimonial, factor chave para a obtenção de crédito no
mercado financeiro, com ou sem garantias. A maior parte dos estudos efectuados nos EUA
encontram um efeito positivo mas não linear do rendimento no recurso ao crédito,
independentemente do tipo de crédito (Crook, 2003), havendo apenas um estudo de Cox e
Jappelli (1993) que encontra um efeito negativo, podendo reflectir as expectativas de
aumento de rendimentos no futuro, e por isso, as famílias com baixos rendimentos

25
recorrerão ao crédito para suavizar o padrão de consumo. Para Itália o estudo de Magri
(2002) encontra um efeito negativo e o de Padula (2002) um efeito positivo entre
rendimento e o endividamento, não se podendo assim retirar conclusões.

2.8.1.2. Bases específicas de produtos observáveis


As variáveis desta classe estão relacionadas com os produtos / serviços, com o
comportamento de compra e de consumo. Como exemplo apresenta-se as seguintes:

Tabela 2.8– Bases específicas de produtos observáveis

Variáveis Desagregação típica

Estatuto de uso Consumidores vs não consumidores de uma classe de produtos,


produto ou marca

Frequência de uso Utilizadores muito frequentes (“heavy users”); Utilizadores


frequentes (“moderate users”); Utilizadores pouco frequentes
(“light users”)

Fidelidade à marca Última compra da marca, média ponderada das compras


passadas
Fidelidade à loja Leais e Não leais

Critérios de escolha das lojas Discrimina em função dos atributos / benefícios considerados
relevantes para cada grupo sócio-demográfico ou psicográfico
(“store patronage”)

Estado de adopção “Innovatores” (aventureiros, experimentam coisas novas),


“early adopters” (lideres de opinião, adoptam novas ideias mas
com maior cuidado), “early majority” (adoptam antes da pessoa
média), “late majority” (são cépticos, adoptam depois da
maioria), “laggards” (avessos à mudança)
Estado de uso Envolvência física (lugar de decisão, consumo), envolvência
social (outras pessoas presentes), Perspectiva temporal (hora do
dia ou semana), definição de tarefas (compra ou uso),
antecedentes (disposições, etc)
Fonte: Adptado Wedel e Kamakura (2000)

O comportamento do consumidor, mais especificamente, o comportamento relacionado


com a frequência de recurso ao crédito, o valor máximo, médio e mínimo de crédito
utilizado, e o respectivo cumprimento são variáveis muito utilizadas nos modelos de
scoring (comportamental) que tentam estimar a probabilidade de o cliente recorrer
novamente ao crédito bem como estimar a probabilidade de incumprimento. Outras

26
variáveis também relevantes para este tipo de segmentação são o padrão de pagamentos e
crédito em uso, durante um determinado período, o número de recibos não pagos
atempadamente, número de vezes que o limite autorizado foi ultrapassado e o número de
vezes que o “cash advance”1 é utilizado. Existem ainda outros modelos de scoring
comportamental nomeadamente para a estimação da rentabilidade de um produto de
crédito e da rentabilidade total de um cliente.

2.8.1.3. Bases gerais não observáveis

A chamada segmentação psicográfica (Lazarfel, 1935 e Dichter, 1958 in Wedel e


Kamakura, 2000) foi extensamente desenvolvida na década de 60 como resposta à
necessidade de uma imagem mais natural dos consumidores e uma melhor compreensão
das suas motivações. As variáveis nesta classificação podem ser agrupadas em três classes:
personalidade, valores e estilo de vida. Estas variáveis tiveram origem nas áreas de
investigação da personalidade e da motivação que mais tarde se mesclaram com as áreas
da psicografia e estilo de vida.

Tabela 2.9 -Bases gerais não observáveis

Variáveis Observações

Personalidade Realização, deferência, método, exibicionismo, autonomia,


relacionamento, solidariedade, domínio, educação, humildade,
estabilidade, resistência e agressividade.

Valores Escala de valores de Rokeach (RVS) e a lista de valores de


Kahle (LOV). Exemplo da lista LOV: sentimento de pertença,
excitação, relações calorosas com outros, seguranças, respeito
próprio, sentimento de realização, ser respeitado, gozar a vida.

Estilo de vida AIO: actividades, (trabalho, passatempos, eventos sociais, férias,


entretenimento, clubes, compras, desporto), interesses(família, casa,
emprego, comunidade, moda, comida, media, realização) e opiniões
(de nós próprios, temas sociais, políticos, negócios, economia,

1
Levantamento de dinheiro em máquinas automáticas com recurso ao cartão de crédito sendo a conta debitada a conta de
crédito do cartão utilizado.
27
educação, produtos, futuro, cultura).

VALS2 (valores e estilo de vida): recursos (definido pelo


rendimento, educação, autoconfiança, saúde, vontade de comprar,
inteligência, etc.) e auto orientação (regido por princípios, auto
orientado, orientado por status)
Fonte: Adaptado de Wedel e Kamakura (2000)

Devido à sua natureza eminentemente subjectiva, estas variáveis não têm sido utilizadas
pelos modelos de scoring para a segmentação de clientes.

2.8.1.4. Bases específicas de produtos não observáveis

Esta classificação engloba variáveis psicográficas relacionadas com o produto, percepções


e importância dos benefícios do produto, atitudes face à marca, preferência e intenções
comportamentais.

Tabela 2.10 - Bases específicas de produtos não observáveis

Variáveis Observações

Psicográficas específicas do Orientações por valor, percepções e estilo de compra.


produto

Percepção dos consumidores As percepções relacionam-se com a forma como os indivíduos


sobre os atributos dos mentalmente observam e compreendem as marcas ou categorias
produtos de produtos (Weinstein, 1994). Estes segmentos são
identificáveis, substanciais e accionáveis.

Elasticidades Elasticidade – definida com a variação relativa na procura em


resposta a uma variação relativa unitária nos instrumentos de
marketing, especialmente o preço. As elasticidades têm que ser
estimadas. Obedecem ao critério da resposta.

Benefícios A existência de heterogeneidade no comportamento de escolha


resulta dos diferentes benefícios procurados nos produtos pelos
consumidores. Afirma Haley (1968) que os benefícios que as
pessoas procuram ao consumir um produto são as principais
razões para a existência de verdadeiros segmentos de mercado.

28
Intenções de compra De acordo com Fishbein e Ajzen (1975) as intenções de compra
exibem uma maior correlação com o comportamento de compra
quando comparadas com as restantes variáveis acima
identificada.
Fonte: Adaptado de Wedel e Kamakura (2000).

2.8.1.5. Síntese conclusiva


Existem muitos estudos e trabalhos sobre os diversos critérios de segmentação, dos quais
apresentamos acima apenas uma pequena parte, todos eles com o objectivo de encontrarem
a melhor forma de se segmentar um mercado. Depreende-se da revisão bibliográfica
efectuada que não existe uma forma aceite por todos para segmentar mercados, no entanto,
e de acordo com Wedel e Kamakura (2000), podemos sintetizar o desempenho dos 4
grupos de bases identificadas recorrendo-se a seis critérios utilizados para avaliar
segmentos de mercado.

Tabela 2.11- Avaliação das bases de segmentação

Identifica- Sustenta- Acessi- Estabilidad Acciona- Resposta


bilidade bilidade bilidade e bilidade

Gerais e observáveis ++ ++ ++ ++ - -

Específicas e observáveis

Compra + ++ - + - +
Uso + ++ + + - +

Gerais e não observáveis

Personalidade +/- - +/- +/- - -


Estilo de vida +/- - +/- +/- - -
Psicografia - +/- +/- - -

Específicas, não observáveis

Psicografia +/- + - - ++ +/-


Percepções +/- + - - + -
Benefícios + + - + ++ ++
Intenções + + - +/- - ++
++ = muito bom; + = bom; +/- = moderado; - = pobre; -- = muito pobre
Fonte: Wedel e Kamakura (2000)

29
De acordo com Myers (1996) existem muitas formas de segmentar um mercado, contudo,
defende que a melhor abordagem será focalizar-se a atenção nos utilizadores intensivos de
um produto ou serviço para de seguida recolher o máximo de informação sobre os
mesmos: demográfica, psicográfica, atitudes perante a categoria de produtos,
benefícios/características desejadas, padrões de utilização e necessidades. Para que uma
empresa se possa diferenciar da concorrência terá que se focalizar mais nas variáveis que
envolvem os benefícios que as pessoas querem, nas atitudes perante a categoria de
produtos e serviços e necessidades não satisfeitas.

Tabela 2.12– Formas de segmentação de mercados

Bases Desagregação típica

Marketing mix Produto, preço, promoção, distribuição

Características do utilizador Consumo: demográfica, área geográfica, estilo de vida,


psicográficas, atitudes, etc
Empresarial: tamanho, cae, área, estrutura interna

Características de uso Taxas de utilização, padrões de utilização, fidelidade à marca

Necessidades Benefício requeridos, imagem, necessidades não satisfeitas


Fonte: Myers (1996)

30
3. Capítulo II. Indústria do crédito ao consumo
3.1. Introdução ao crédito ao consumo

O forte crescimento do recurso ao crédito por parte das famílias colocou nas últimas duas
décadas o crédito ao consumo na agenda política mas também na da investigação, com
cada vez mais académicos a escreverem sobre a temática sob diversos anglos de análise:
impactos sociológicos, psicológicos e económicos (Kirchler’s (1989); Ranyar e Craig
(1995); Webley e Nyhus (2001); Lea, Webley, e Levine (1993); Dittmar (2000); Hanley e
Wilhem (1992); Frederick, Loewenstein, e O’Donoghue (2002), Qi e Yang (2003) e Brito
e Hartley (1995)).

De acordo com Lewis (1992) o crédito ao consumo já existe há mais de 3000 anos, desde a
época dos Babilónios. Contudo, a concessão de crédito aos consumidores particulares de
uma forma massificada é um fenómeno dos últimos 50 anos. O aparecimento dos cartões
de crédito na década de 60 permitiu aos consumidores comprarem praticamente tudo a
crédito, desde um simples jantar, passando pela compra de um livro ou de um computador
e acabando nas viagens.

Não se pode dissociar o crédito ao consumo massificado dos chamados modelos de


scoring, nada mais que técnicas estatísticas aplicadas a um conjunto de dados com a ideia
de os segmentar em vários grupos. Estes modelos envolvem técnicas estatísticas que
ajudam as Instituições de Crédito (IC) a tomarem a decisão sobre se devem ou não
conceder um determinado crédito. Nos dias de hoje seria impraticável, organizacional e
economicamente, proceder à avaliação dos pedidos de crédito de forma manual, com
analistas de crédito. Sobre os modelos de scoring podemos consultar diversos autores dos
quais se destacam Lewis, E. (1992), Thomas (2000), Mester (1997) e Kaiser e Szczesny
(2000).

Estes sistemas de concessão automática foram rapidamente adoptados pela maioria das IC
da década de 60 (Komarád, 2002) dando sequencia aos primeiros modelos desenvolvidos
por Bill Fair e Earl Isaac no final da década de 50. Estes sistemas tiveram rapidamente
muito êxito porque eram simplesmente mais rápidos, mais baratos, mais objectivos e com
muito maior capacidade preditiva. As taxas de incumprimento após adopção dos sistemas
de scoring caíram cerca de 50% (Thomas, 2000).

31
Actualmente o credit scoring é utilizado de uma forma mais genérica. De acordo com
Anderson (2007) para além da concessão e gestão do crédito é também utilizado para o
marketing, para o processamento de novo negócio, gestão de créditos, cobranças e
contencioso (medidas do risco, taxas de resposta, receitas, e retenção (4Rs)).

Analisando o crédito ao consumo na Europa, verifica-se um crescimento rápido na segunda


metade da década de 80, tendo-se mantido essa tendência em muitos países Europeus na
década de 90 e nos primeiros anos do século XXI. Face ao forte crescimento do
endividamento dos consumidores, Europeus e Americanos, existem opiniões muito
negativas sobre a capacidade de cumprimento por parte dos consumidores. Contudo, e de
acordo com Maki (2000), na sequencia da teoria do rendimento permanente para o
consumo, que defenderia que o aumento do endividamento reflectiria uma expectativa de
aumento de rendimentos, verificou que no caso dos EUA existia uma associação positiva
entre elevados níveis de endividamento e níveis de crescimento de rendimentos mais
rápidos.

De seguida pode-se observar um conjunto de gráficos elucidativos da evolução recente do


crédito ao consumo na UE: o crescimento, o seu peso no PIB, a percentagem do consumo
das famílias financiado, e a percentagem do crédito ao consumo no total do crédito
concedido a particulares.

Com o arrebentar da crise financeira em 2008 verifica-se uma tendência decrescente do


crescimento do crédito ao consumo em quase todos os países, com excepção de alguns
países do leste Europeu, observando-se inclusive taxas negativas de crescimento em 5
importantes países da UE (Alemanha, Itália, Holanda, Grã Bretanha e Irlanda).

32
Figura 3.1- Taxas de crescimento real do crédito das famílias na UE de 27 membros
Fonte: Lending to Households in Europe (1995-2008),
(1995 2008), ECRI Statistical Package 2009, ECRI, Brussels.

Pela primeira vez desde 1998, um conjunto de 7 países viram a taxa de penetração do
crédito como percentagem do PIB cair em 2008, revelando as dificuldades pelo qual
q o
sector está a passar. A média
dia da UE a 27 está agora nos 62,9%. Em Portugal a penetração
penetraçã
subiu, estando agora perto dos 80% do PIB.

33
Figura 3.2 - Crédito total às famílias da UE a 27 (% do PIB)
Fonte: Source: Lending to Households in Europe (1995-2008),
(1995 ECRI Statistical Package 2009, ECRI, Brussels.

A percentagem do consumo das famílias financiado tem comportamento bastante distinto


entre os novos estados membros (19,19%), com um crescimento do peso do consumo
financiado em mais de 50%, e a média da UE a 27 que desde 2005 caiu cerca de 5%
fixando-se
se agora nos 17,26%.

34
Figura 3.3 – Consumo das famílias financiado pelo crédito: UE 27 e novos membros
Fonte: Source: Lending to Households in Europe (1995-2008),
2008), ECRI Statistical Package 2009, ECRI, Brussels.

Devido à quebra do crédito à habitação em 2007 e 2008 os Outros Créditos (para a


educação, crédito consolidado e equipamento de escritório) viram o seu peso aumentar na
distribuição do créditoo total às famílias. O crédito à habitação ainda representa, em 2008,
mais de dois terços do crédito às famílias, sendo o restante terço a dividir pelo crédito ao
consumo e outros créditos.

35
Figura 3.4– Percentagem por tipo de crédito no total dos créditos detidos pelas famílias
(2000 = 100)

Fonte: Source: Lending to Households in Europe (1995-2008),


(1995 2008), ECRI Statistical Package 2009, ECRI, Brussels.

No entanto o melhor indicador para medir o peso do endividamento no orçamento familiar


será provavelmente a taxa de esforço medido pelo rácio entre prestação mensal sobre
rendimentos mensais. Segundo Debelle (2004) o aumento da taxa de esforço implicará um
aumento da sensibilidade das famílias a movimentos nas taxas de juros, especialmente se
os aumentos forem inesperados, e as alterações no rendimento, especialmente no caso de
desemprego.

3.2. A economia do crédito ao consumo


consum

3.2.1. A economia da função procura do crédito ao consumo


De acordo com Modigliani e Brumberg
Brumberg (1954) a principal implicação do comportamento
de consumo suavizante, na perspectiva do ciclo de vida nas finanças de uma família,
traduz-se
se no facto de as pessoas pouparem para terem uma reforma. Contudo, e segundo
Bertola, Disney e Grant, (2006), para os jovens a expectativa de um crescimento dos

36
rendimentos pode justificar o recurso ao crédito para financiar um padrão de consumo mais
desejável ou para financiar a aquisição de produtos para o lar. Pode ainda ser óptimo de um
ponto de vista económico já que induz a mais consumo que por sua vez induz a mais
produção dando assim início a um ciclo virtuoso. É também cada vez mais aceite,
socialmente, a utilização do crédito para a aquisição de produtos e serviços que não as
tradicionais aquisições de habitação e automóvel, bastando para isso observar que em
2007, e de acordo com os dados da Eurofinas2, concedeu-se em crédito novo cerca de 23
mil milhões de euros (crédito no ponto de venda para o financiamento de bens e serviços).
Se se incluir o crédito automóvel a particulares no ponto de venda, o total financiado
ascende a 110 mil milhões de euros.
A nova teoria económica que modeliza o comportamento do consumidor é baseada no
trabalho de Deaton (1992) e de Attanasio (1999). De acordo com as hipóteses do
Rendimento Permanente, a diferença entre rendimento e consumo (poupança ou
empréstimos) é determinada por considerações relacionadas com a perspectiva de
rendimentos futuros. Assim, as famílias escolhem o seu nível óptimo de consumo em cada
período sujeito a uma restrição orçamental inter-temporal, de forma a controlar a sua
volatilidade (Bertola et al., 2006). A concessão de crédito e a obtenção de empréstimos
tornam possível redistribuir o consumo de um período do ciclo de vida com elevados
rendimentos para um de baixos rendimentos.

De forma a completar o modelo acima descrito, apresentam-se as seguintes considerações


(Bertola et al., 2006):
- De acordo com Attanasio (1999) pode-se melhorar a adequabilidade do modelo
através da consideração, não só dos fluxos de consumos, conforme modelo acima
descrito, que a utilidade do consumo depende também de factores como a dimensão
da família, as características demográficas dos seus membros e ainda a incerteza
sobre o futuro (desemprego, promoções, etc.);

• Tomar em consideração o que se poderá chamar de “limitações de acesso ao


crédito” (“liquidity constrained”). No modelo simples, uma família podia-se
endividar sem quaisquer limites, com esta restrição as famílias terão um limite
superior de endividamento e/ou enfrentarão taxas de juro de empréstimos mais

2
Eurofinas - European Federation of Finance House Associations, is the voice of the specialised consumer
credit providers in Europe
37
elevadas. Estas restrições reduzem naturalmente o nível de bem-estar possível de
atingir por uma família;
• A consideração de bens duradouros (viaturas e habitação) cuja propriedade não
implica só um fluxo de consumo mas que também faz parte do património da
família, é de extrema utilidade para tornar o modelo mais próximo da realidade.
A compra de bens duradouros implica a redução do património financeiro da
família ou se o património actual não for suficiente para financiar a aquisição,
implicará o recurso ao crédito.
• Por último, as interacções entre as restrições ao crédito e os bens duradouros
devem ser tidas em conta. Qualquer transacção de uma habitação tem que tomar
em atenção não só as vantagens associadas com a sua posse e utilização, mas
também a previsão/expectativas sobre os preços das casas face a outros activos.
A teoria e a prática demonstram que os indivíduos pretendem recorrer ao crédito
(e também poupar) de forma a suavizar/normalizar mais o padrão de consumo do
que os rendimentos do trabalho. O acesso ao crédito aumenta a riqueza dos
indivíduos. Contudo, o acesso ao crédito não está sempre acessível.

3.2.2. A economia da função oferta do crédito ao consumo


Os principais problemas das entidades que fornecem o crédito são a selecção adversa de
consumidores e a questão do “moral hazard” e assimetria de informação, tornando a
concessão de crédito mais difícil (Freixas & Rochet, 1997).
Quando a probabilidade de incumprimento varia entre os devedores, sendo conhecida com
maior precisão por aqueles do que pelos credores, a procura de crédito por quem tem maior
probabilidade de incumprimento é menos sensível à taxa de juro. A selecção adversa
ocorre simplesmente pelo facto de os níveis das taxas de juro desencorajarem aqueles que
pretendem liquidar os créditos por contrapartida daqueles que provavelmente irão
incumprir. Para os credores é então adequado fixar uma taxa de juro baixa para que
consiga atrair os melhores clientes e depois controlar o risco de incumprimento dos
prováveis incumpridores racionalizando o crédito quer aos clientes com perfil de baixo
risco quer aos de elevado risco (Bertola et al., 2006). De acordo com Stiglitz e Weiss
(1981) a racionalização ocorre não por um qualquer desequilíbrio do mercado mas porque
os credores estabelecem as taxas de juro de forma a obter um “mix” certo de clientes.

38
O fenómeno do “moral hazard” ocorre quando os devedores podem afectar a probabilidade
de pagamento, isto é, se de forma voluntária decidirem que não pretendem honrar os seus
compromissos. Perante a necessidade de pagar uma dívida um agente racional pondera os
benefícios do não pagamento face ao castigo que sofrerá pelo incumprimento. Se a punição
do incumprimento for a exclusão permanente do acesso ao crédito, com a exclusão das
oportunidades de suavizar o consumo, as restrições de quantidade emergem
endogenamente (Kehoe & Levine, 1993). Contudo a capacidade do mercado financeira
punir o incumpridor é limitada pela própria competitividade da indústria, pela estrutura de
partilha de informação bem como pelas restrições legais (Bertola et al., 2006). É ainda
factor a ter em conta o facto de os incumpridores terem acesso a um mercado informal,
socorrendo-se dos amigos e familiares para obter crédito quando não o consegue no
mercado financeiro.

A oferta do crédito por parte das IC nos retalhistas (pontos de venda) tem vindo a ganhar
importância no mercado do crédito3, sendo de destacar os chamados “créditos sem juros”,
crédito subvencionado pelo ponto de venda, para a aquisição do bem ou serviço vendido.
Segundo Bertola, Hochguertel e Koeniger (2005) a subsidiação do crédito ao consumo por
parte do ponto de venda pode ser explicada pelos incentivos que os vendedores de bens
duradouros têm para praticarem uma política de discriminação de preços monopolista
quando os clientes enfrentam oportunidades imperfeitas de suavizar o consumo. Tal como
em outros modelos de discriminação de preços imperfeito alguns clientes poderão
beneficiar, e outros ficarão a perder, com uma política de preços única.

3.3. A indústria do crédito ao consumo em Portugal

Existem na indústria do crédito ao consumo vários subsectores com actividades muito


diferenciadas sendo por isso necessário precisar o conceito para depois efectuar a análise
mais correcta de cada subsector.

3
Ver estatísticas da Eurofinas: www.eurofinas.org

39
3.4. Conceito de crédito ao consumo

Para este estudo, entende-se


se como crédito ao consumo todo o financiamento destinado a
pessoa singular que esteja abrangido pelo decreto-lei 133/2009 de 2 de Junho. No âmbito
deste DL, exclui-se os créditos garantidos por hipoteca e créditos superiores a 75 mil
euros. É ainda incluído no conceito de crédito ao consumo o crédito concedido através de
cartões de crédito.

3.5. Funções organizativas e o ciclo de crédito

Como forma de se perceber a organização


organização genérica de uma IC e o ciclo de vida do crédito,
(McNab, 2008) apresenta-se
se o seguinte esquema simplificado:

Figura 3.5 - Funções organizativas de uma empresa de crédito ao consumo


Fonte: MacNab, 2008.

Para suportar estas áreas do negócio as empresas


resas de crédito ao consumo têm normalmente
os seguintes departamentos: Legal / “compliance”; Sistemas de Informação; Sistemas de
informação/informática; Contabilidade, finanças, planeamento
planeamento e auditoria.

40
3.6. Classificação do crédito ao consumo

A primeira segmentação que se pode fazer é obtida através da forma como as IC chegam
ao consumidor final: directamente ou indirectamente.

3.6.1. Crédito ao consumo directo


Considera-se aqui todo o crédito efectuado, pelas IC, directamente com o consumidor final
através dos seus próprios canais de venda. Como exemplos de financiamentos desta
categoria pode-se enumerar os seguintes:
- Crédito concedido através dos balcões das IF
- Crédito concedido através de “call centres” e Internet
- Crédito concedido através de acções de marketing directo (MD)

Uma das características deste tipo de crédito é não estar especificamente associado à
compra de um produto ou serviço. Contudo, é usual no mercado repartir estes
financiamentos em créditos pessoais (para diversas finalidades), cartões de crédito e
crédito automóvel (normalmente com taxas de juro mais baixas devido à garantia
subjacente - a viatura), ainda que a relação seja sempre entre a IC e o cliente, nunca através
de um intermediário/comerciante.

3.6.2. Crédito ao consumo indirecto


Por contraposição ao crédito ao consumo directo, incluí-se aqui todos os financiamentos
realizados através de intermediários (fornecedores de bens e serviços ao consumidor final),
os chamados pontos de venda. Na essência as IC estabelecem um acordo com um
fornecedor para que este possa vender os seus produtos e serviços com o recurso ao crédito
das IC.
Pode-se ainda classificar estes créditos como afectos a um produto ou serviço vendido por
um ponto de venda, i.e., os créditos concedidos têm sempre por objecto o financiamento da
aquisição de bens e serviços vendidos por uma terceira entidade. Neste tipo de crédito há
sempre uma relação tripartida entre a IC, o vendedor do bem ou serviço e o consumidor.
Assim, considera-se nesta classificação todo o tipo de crédito disponibilizado em lojas,
estabelecimentos e concessionários (físicas ou virtuais - internet) de informática,
electrodomésticos, mobiliário, agências de viagens, automóveis, etc.

41
É ainda usual repartir o crédito ao consumo indirecto entre:
- Lar (electrodomésticos, informática, móveis, etc.)
- Automóvel (novos e usados)

3.6.3. Crédito ao consumo por produtos


Uma outra forma de classificar o crédito ao consumo (directo e indirecto) é através das
principais tipologias de produtos utilizados no mercado:
- Crédito pessoal clássico: crédito com plano temporal de reembolso e duração do
empréstimo definidos no inicio do contrato, com excepção do automóvel.
- Crédito automóvel (crédito e locação financeira): crédito destinado à aquisição de
automóvel ou outros veículos, com plano de reembolso e duração do empréstimo
definidos no inicio do contrato
- Cartões de crédito universais e privativos4: contratos de duração indeterminada ou
de renovação automática, sem plano de reembolso fixado, é definido uma
percentagem mínima a pagar mensalmente sobre o saldo da dívida da conta
corrente do cartão, em que é estabelecido um limite máximo de crédito e cuja
utilização de crédito é realizada através de cartão.

3.7. Abordagem ao mercado

3.7.1. Crédito ao consumo directo


O crédito ao consumo directo tem vindo crescer de forma muito rápida nos últimos 5 anos
em Portugal, ultrapassando o ritmo de crescimento do indirecto. Genericamente as IC que
operam neste mercado utilizam 3 tipos de modelos de negócio (Europe Credit Research
Institute (ECRI), 2005):
1. Aquisição de clientes directamente no mercado;
2. Transformação da base de clientes obtida através do canal ponto de venda;
4
Cartões universais - são os cartões com uma “bandeira” Visa, Mastercard, American Express, etc, aceites na
generalidade dos estabelecimentos comerciais do mundo. Cartões privativos (private label credit cards) - são os cartões
de crédito aceites apenas na própria rede de lojas da entidade comercial que lança o cartão com uma IF. A imagem do
cartão é normalmente da entidade comercial. Cartões co-branded - são os cartões privativos com uma “bandeira” Visa,
Mastercard, etc. São aceites na generalidade dos estabelecimentos comerciais do mundo, tendo vantagens específicas
quando forem utilizadas na rede privativa.

42
3. Parcerias “affinity” com associações, clubes, organizações sociais e grandes
empresas, que depois oferecem crédito aos seus membros e empregados.

Apresenta-se de seguida os principais requisitos e know-how necessário para as IC que


trabalham neste mercado (ECRI, 2005):
- Técnicas de tomada de decisão analíticas com optimização das ofertas,
comunicações e frequência de marketing; Avaliação de risco e tomadas de decisões
integrada;
- CRM (Customer relationship managment) focado na eficiência e facilidade de
contacto com o cliente;
- Cross-selling de produtos adicionais para potenciar os lucros.

3.7.2. Crédito ao consumo indirecto


Neste segmento do crédito ao consumo, o indirecto, a captação de comércios ou pontos de
venda assume-se como crítico já que é através deles que as IC conseguem chegar ao
consumidor final. É pois essencial para as IC o desenvolvimento de uma estratégia focada
nos parceiros comercias, sem contudo descurar o consumidor final.
O desenvolvimento de produtos e serviços para os pontos de venda é crucial para as IC não
basearem a sua competitividade apenas no preço. Assim, a introdução de medidas que
permitam responder de forma mais célere aos comércios, possibilitando assim a chamada
compra por impulso do consumidor, menos burocracia (menor exigência de documentação
aos clientes) e maior rapidez no pagamento dos créditos efectuados são variáveis
importantes para a sobrevivência neste mercado.
O “scoringweb” nos pontos de venda tem vindo a desempenhar uma cada vez maior
preponderância no negócio já que permite simultaneamente melhorar de forma relevante os
tempos de resposta aos pedidos de crédito, reduzir o número de colaboradores nas IC, já
que permite “exportar” o trabalho de inserção de dados para os pontos de venda, e reduzir
os erros de formalização dos contratos já que passam a ser impressos nas lojas.
De uma forma resumida apresenta-se abaixo os factores de sucesso na captação e
manutenção dos retalhistas (ECRI, 2005):
- Plataformas tecnológicas adaptadas às necessidades dos pontos de venda.

43
- Call Centres dimensionados de forma adequada e com formação necessária para
responder às solicitações dos retalhistas.
- Equipas comerciais em número suficiente para dar apoio directo nos pontos de
venda e para dar formação às equipas de vendedores dos retalhistas. É factor crítico
numa venda um vendedor ter as técnicas de venda de crédito para poder convencer
o cliente a levar o produto ou serviço, daí que a formação dada pelos comercias das
IC ser de extrema importância.

A dimensão e a importância do mercado do crédito ao consumo no ponto de venda estão


intimamente ligadas com o nível de consolidação do mercado de retalho. A evolução do
retalho em Portugal tem caminhado exactamente no sentido de uma maior concentração,
havendo uma cada vez maior preponderância das cadeias de retalho especializadas. A
redução do número de empresas a operar no mercado, com cada vez mais força negocial,
tem vindo a alterar a relação de forças entre fornecedores do dinheiro e os retalhistas,
chegando-se a situações onde o interesse que uma IC possa ter no negócio com os referidos
intervenientes do retalho especializado reside apenas na captação de clientes para mais
tarde venderem-lhes outros produtos financeiros, como por exemplo os seguros, e ainda
produtos e serviços não financeiros.

De forma resumida apresenta-se os principais requisitos e know-how necessários para as


IC que participam neste segmento de mercado (European Financial Management and
Marketing Association (EFMA), 2008):
- Aquisição de comércios/pontos de venda com ofertas à mediada e apostando em
inovações tecnológicas (B2B);
- Gestão dos comércios e apoio com sistemas de informação integrados, formação
permanente aos vendedores dos parceiros e/ou financiamento das necessidades de
tesouraria de curto prazo dos comércios;
- Transformação da base de clientes adquiridos através dos comércios em clientes
directos através de técnicas estatísticas sofisticadas.

3.8. Regulamentação do mercado

A recente crise financeira internacional veio acelerar o processo de regulamentação do


sector de actividade tendentes a uma cada vez maior protecção ao consumidor impondo
44
deveres de informação, limitações à actividade através de exigências processuais e legais
que tem vindo a reduzir a sua atractividade.
Recentemente o Governo Português transpôs para o ordenamento jurídico interno a
Directiva 2008/48/CE do Parlamento Europeu e do Conselho de 23 de Abril relativa a
contratos de crédito aos consumidores através do Decreto-Lei 133/2009 de 2 de Junho.
Trata-se de mais protecção ao consumidor final com mais deveres de informação e mais
regulamentação.
Na essência a nova legislação obriga a uma maior informação pré-contratual e contratual
ao consumidor, impossibilidade de renunciar ao direito de revogação do contrato de crédito
que passou de 7 para 14 dias, considerar os contratos de compra e venda e de crédito
coligados, taxas de juro de usura (taxas máximas passíveis de serem praticadas pelas IC),
obrigatoriedade de consulta à Central de Responsabilidades de Crédito gerida pelo BdP e
um conjunto de requisitos obrigatórios na publicidade ao crédito.

3.9. Margens financeiras

A margem financeira no canal directo tem apresentado uma trajectória descendente devido
à proliferação de entidades a operar neste mercado e também em função de algumas
incursões que alguns bancos tradicionais têm efectuado neste sector. Factor chave para o
sucesso neste mercado é a capacidade das IC segmentarem os “prospects” e clientes
(várias e sofisticadas técnicas estatísticas) de forma a oferecerem correctamente taxas
diferenciadas em função do perfil de risco. Ao nível dos produtos o denominado
“revolving” é um dos produtos com maior rentabilidade e o que pode apresenta prazos
médios de permanência mais alargados. Em Portugal o sistema revolving tem uma
expressão relativamente baixa comparada com alguns países Europeus.5
No canal indirecto, o aumento da concentração no mercado do retalho tem vindo a
pressionar fortemente em baixa as taxas de juro praticadas, quer nas denominadas
operações sem juros (pressão ao nível das taxas de juro implícitas nas subvenções cobradas
aos pontos de venda) quer nas operações com juros (através de pagamento de elevados
níveis de comissões, chegando a ser uma das principais fontes de proveitos dos pontos de

5
Ver estatísticas da Eurofinas: www.eurofinas.org

45
venda, especialmente no sector automóvel). Devido à redução do número de pontos de
venda a operar no mercado de retalho, os preços que se praticam neste mercado são muito
agressivos, com consequências directas ao nível da conta de resultados das IC. Em muitas
situações os acordos efectuados com os retalhistas não são directamente rentáveis para as
IC, sendo necessário transformar a base de clientes captados nos pontos de venda em
clientes directos, consumidores de créditos pessoais com margens mais atractivas,
desviando o foco da rentabilidade do canal para o cliente individual.

3.10. Risco do negócio

A frase de Olsson (2002) é bem elucidativa da complexidade do conceito de risco: “Risk is


like a bar of soap – as soon as you think you have got hold of it, it suddenly slips from
your grasp and goes in an unexpected direction”.

Segundo Anderson (2007) pode-se definir 4 tipos de riscos: de negocio, de crédito, do


mercado e operacional:
- O risco de negocio reporta-se ao risco de uma qualquer empresa não conseguir
atingir os objectivos propostos devido a uma incorrecta leitura da economia, da
concorrência ou pelo facto de não terem uma estratégia e/ou recursos para produzir
e/ou vender os seus produtos;
- O risco de crédito é o risco que advém de uma alteração real ou percepcionada na
capacidade da contraparte em cumprir com os compromissos de crédito. Cobre não
apenas o potencial de não pagamento mas também alterações nos níveis de risco
que afectam o valor de mercado de dívida transaccionável e a possibilidade de se
incorrer em custos adicionais para recuperar a dívida;
- O risco operacional é todo e qualquer evento que pode impactar sobre as operações
da empresa que, em situação limite, poderá levar a uma falha dos processos
internos. Exemplos deste risco são os relacionados com problemas com o pessoal,
com a tecnologia, fraudes, infra-estruturas, comunicações, segurança física,
procedimentos e políticas internas;
- Risco de mercado está relacionado com alterações de preços no mercado, incluindo
as taxas de câmbio, taxas de juro, preços de “commodities”, preços das acções e
preços das casas.

46
No seguimento do referido acima sobre o canal indirecto, e devido à redução do número de
potenciais clientes (dealers) o poder da negociação tende para os retalhistas especializados,
pressionando não só as margens financeiras das IC como também exigem destas níveis
superiores de aprovação o que acarretará maiores níveis de risco de crédito, variável
crucial na rentabilização das IC.
A pressão que os retalhistas especializados fazem no sentido de as IC aceitarem níveis de
aprovação mais elevadas é muito forte já que as suas vendas dependem disso. Existe uma
tensão permanente entre as duas entidades já que acabam por ter interesses antagónicos por
muito que as IC tentem apresentar as vantagens a médio e longo prazo de níveis de
aprovação não demasiado agressivos, isto é, elevadas taxas de aprovação resultam quase
sempre em níveis de incumprimento elevados resultando normalmente em perdas
avultadas para as IC.

3.11. Incumprimento e sistemas de cobrança

O retrato do mercado do crédito ao consumo ficará incompleto se não se efectuar uma


análise ao que acontece a partir do momento em que o cliente se atrasa no cumprimento
das responsabilidades assumidas. Os incentivos à concessão e recurso ao crédito são
fortemente influenciados pela forma como o devedor pode ser obrigado a pagar e que
activos subjacentes podem ser executados no caso de incumprimento. No caso do crédito
ao consumo e devido aos baixos valores envolvidos (média de 1.589€ para artigos lar no
ponto de venda (Eurofinas, 2008) é muitas vezes injustificável do ponto de vista
económico proceder com acções em tribunal. A punição ao devedor resulta mais na maior
dificuldade, ou impossibilidade, de acesso ao crédito no sistema financeiro devido à
comunicação aos “Credit Registers” (discussão sobre os credit registers será efectuada
mais à frente no ponto 3.12). É de salientar que as principais causas de incumprimento
definitivo de um crédito são as referentes a choques adversos e inesperados tais como o
desemprego involuntário, morte de um cônjuge e divórcio (Sullivan, Warren e Westbrook,
1989); Bridges e Disney, 2004); Frade, Lopes, Jesus, e Ferreira, 2008).

47
Para as entidades que concedem crédito a recuperação dos financiamentos cedidos aos
consumidores é uma área de crucial importância. No crédito ao consumo a actividade de
cobranças faz parte integral do negócio de uma forma muito activa por diversas razões:
1. Recuperar as prestações não pagas de forma muito rápida não deixando acumular
divida, mesmo que se tenha que renegociar o empréstimo. A rapidez de actuação é
fundamental neste negócio.
2. Como uma importante fonte de receitas já que existem penalizações por atrasos de
pagamento: comissões e juros de mora.
3. Recolha de informação valiosa para incorporar nos sistemas de decisão das IC

Existem diversos modelos de cobranças variando em função das especificidades de cada


IC. Contudo podemos resumi-los aos seguintes:
1. A IC tem a função de cobranças 100% internalizada, isto é, toda a gestão é
efectuada por um departamento da IC.
2. A IC externaliza completamente a função de cobrança a uma ou mais entidades
especializadas em cobranças, argumentando que o negócio central não é esse.
3. A IC apenas externaliza a função de cobranças a partir de um determinado prazo
de incumprimento dos seus clientes, por exemplo, a partir do 3º mês de
incumprimento os clientes são enviados para uma empresa especializada em
cobranças.

3.12. Credit Registers: Credit Bureaus e Public Credit Registers

De acordo com Alan Greenspan6 as IC teriam que cobrar um prémio adicional para o risco
de crédito se não existissem os chamados Credit Registers (Credit Bureaus e Public Credit
Registers). Estes são simplesmente organizações, que recolhem informação de várias
fontes, processam os dados para depois disseminar informação agregada por consumidor
para diversas entidades. Dito de uma forma ainda mais simplificada: são bases de dados
sobre o sistema financeiro com informação dos utilizadores de crédito (consumidores).
Existem depois muitas variações e particularidades que normalmente variam de país para

6
Discurso no Congresso dos EUA em 2003
48
país. Em Portugal existem para a área financeira, Bancos e IFICs7, duas entidades gestoras
de bases de dados:
- Banco de Portugal (BdP)8, que gere a Central de Responsabilidades de crédito
(CRC) – Trata-se de um Public Credit Register (PCR)
- Credinformações (Equifax) – Trata-se de um Credit Bureau

Ambas recolhem informação positiva e negativa sobre os consumidores e funcionam com


base no princípio da reciprocidade: somente as IC que fornecem informação podem
recolher a informação processada pelas duas entidades acima referidas. De mencionar que
a contribuição para a CRC do BdP é obrigatória, sendo a da Credinformações opcional.
As consultas feitas pelas IC à Credinformações e ao BdP tem um custo associado variando
em função das quantidades consultadas e do tipo de consulta efectuada. De salientar que
em Portugal a consulta à CRC do BdP é obrigatória a partir de 1 de Julho de 2009
(DL133/2009).

Na concessão de crédito uma IC normalmente procede a uma avaliação de capacidade


creditícia do consumidor através dos dados por este fornecido e consultando a sua própria
base de dados. De seguida efectuam a consulta ao PCR e/ou ao Credit Bureaus para depois
tomarem a decisão final sobre a concessão ou não do crédito.

De acordo com a literatura económica existem várias razões para a existência dos Credit
Bureaus (Jentzsch e Rientra, 2003):
- Asseguram uma avaliação sobre a capacidade creditícia do consumidor antes da
concessão do crédito, minimizando a probabilidade de incumprimento
(Del’Ariccia, 2001);
- Reduz o efeito de selecção adversa (Alary e Gollier, 2001), assegurando a
concessão de mais e melhor crédito.

7
Instituição Financeira de Crédito Especializado
8
O Banco de Portugal é o chamado Public Credit Register, trata-se de um Banco Central que gere uma base de dados
com informação positiva e negativa do sistema financeiro.
49
3.13. A segmentação de mercados na indústria do crédito ao consumo

A segmentação tem um papel fundamental na indústria do crédito ao consumo uma vez


que os modelos de negócio existentes nos vários segmentos são substancialmente
diferentes, exigindo da parte das IC uma clara identificação dos segmentos a trabalhar.
Depois de estrategicamente a IC ter escolhido o(s) segmento(s) a trabalhar deverá tentar
posicionar-se de forma única nesse(s) segmentos.
Se uma IC escolher o segmento da distribuição indirecta, através de pontos de venda, e
dentro deste subsegmento escolher o sector automóvel terá que desenvolver toda a sua
estratégia no sentido de promover todo um programa de marketing integrado para poder
aportar valor aos seus clientes primários, os pontos de venda, e também aos consumidores.
No desenvolvimento da sua estratégia deverá ter em atenção os recursos disponíveis e os
objectivos últimos dos diversos “stakeholders”. Ainda dentro do sector automóvel as IC
terão que segmentar os seus clientes consumidores de crédito, numa primeira fase nos que
considerarão capazesde devolver o dinheiro emprestado para a aquisição das viaturas. Para
isso podem utilizar os modelos de scoring que tentam segmentar os consumidores entre
bons e maus pagadores através de um conjunto de variáveis demográficas, de
comportamento e sobre os produtos a adquirir (bases de segmentação observáveis, gerais e
específicas).

Se a opção estratégica da empresa for a escolha do segmento de crédito ao consumo


directo então todo o programa de marketing integrado será substancialmente diferente do
que se a opção fosse o segmento indirecto. As ferramentas e recursos necessários para
abordar o mercado, com objectivo de criar valor acrescentado para todos os
“stakeholders”, serão igualmente diferentes. As bases de segmentação (observáveis, gerais
e específicas) a utilizar neste segmento de mercado serão as bases gerais e específicas do
produto observáveis.

Existe igualmente a opção estratégica de estar presente em todos os segmentos


beneficiando a IC da captação de clientes do canal indirecto para o directo.

50
3.14. Os modelos de scoring

Os modelos de scoring são ferramentas colocadas à disposição dos gestores das empresas
para os apoiar nas tomadas de decisões. Um dos modelos de scoring mais utilizado pelo
sistema financeiro é o credit scoring: trata-se simplesmente de uma ferramenta estatística
para estimar o risco de concessão de crédito, segmentando os clientes que têm
determinadas probabilidade de incumprimento. Segundo Anderson (2007), “credit scoring
is the use of statistical models to transform relevant data into numerical measures that
guide credit decisions”.

Os credit scoring partem de um conjunto de perguntas, as características, e das respectivas


respostas, os atributos, a quem são afectados determinadas pontuações, que de seguida
serão somadas e sujeitas a interpretação, isto é, a probabilidade de incumprimento no
futuro (Anderson, 2007). A empresa terá que definir o ponto a partir do qual - “cut-off
score” - pretende fazer negócio, ou seja, o risco máximo que está disposta a aceitar. Se
definir o cut-off score demasiado elevado o risco de incorporar clientes que deixarão de
pagar é menor, contudo o nível de recusas será igualmente elevado podendo sofrer
consequências negativas em termos comerciais. Em limite, se o cut-off score for o máximo
possível, a empresa recusaria todos os créditos, tendo por isso risco de incumprimento
nulo. O “segredo do negócio” está na definição adequada do cut-off para se poder fazer
negócio dentro de limites de risco adequados, é o tradicional “trade-off” entre o volume de
negócios e o risco de crédito.

Tomando o exemplo da Error! Reference source not found.um score de 240 tem como
taxa de incumprimento, “bad rate” (taxa de incumprimento previsível), de 5%, querendo
com isso dizer que por cada 100 clientes com um score de 240,95 serão bons pagadores e 5
serão incumpridores.

51
Figura 3.6 - Trade-off
Trade entre bad rate por score
Fonte: Helen McNab, 2008

Existem para além dos credit scoring os chamados scorings de comportamento – de


resposta, de receitas (propensão à compra), de retenção e de fraude.

De acordo com McNab (2008) a principal razão para a introdução dos modelos de scoring
na segmentação dos clientes é a possibilidade de melhorar o trade-offentre
entre a aquisição de
clientes em volume e o respectivo incumprimento. A segunda razão é a melhoria da
eficiência operativa e a consistência do processo de decisão. A terceira razão é a de assim
conseguirem controlar melhor o portfolio de clientes, monitorizando o processo de scoring
e a subsequente performance do portfolio.

Em termos organizacionais, há necessidade de as empresas financeiras se adaptarem de


forma a poderem capitalizar o facto de o scoring ser um canal de comunicação interno
passível de ser utilizado pela gestão para transmitir politicas de gestão e controlar as
decisões tomadas pelas áreas
área operacionais.

52
Figura 3.7 - Estrutura organizativa com scoring e respectivo controlo
Fonte: ScorePlus seminar – Scoring – Making it work

3.15. O comportamento do consumidor

3.15.1. Em relação ao consumo de crédito

Thomas, Edleman, e Crook (2002) investigaram que tipo de influência têm os factor
demográficos e os económicos (macro) no comportamento de compra de produtos
financeiros. Concluíram que as decisões dos consumidores em relação ao momento em que
compram os produtos financeiros são essencialmente explicados pelos factores
económicos, em termos do mercado de acções, da habitação, rendimentos médios,
confiança dos consumidores e taxas de juro. A influência dos factores demográfica, ainda
que importantes, é secundária.
secundária

No trabalho realizado por Fabbri e Padula (2003) sobre as restrições do crédito aos
consumidores (para o crédito à habitação), o sistema jurídico existente no pais aparece
como factor relevante para explicar as limitações ao crédito. Verificaram que um aumento
do número de processos pendentes em tribunal tinha uma relação positiva na probabilidade
de as IC recusarem mais crédito.

Pegando num inquérito efectuado na Grã-bretanha sobre as famílias de baixos rendimentos


com filhos, Bridges e Disney (2003) analisaram as fontes de crédito, os atrasos nos
53
pagamentos dos créditos e o incumprimento das despesas de casa das referidas famílias. Os
resultados do estudo sugerem que as famílias de baixo rendimento utilizam diversas fontes
e tipos de créditos, mais que proporcionalmente à restante população, utilizando de forma
mais intensiva os créditos e cartões de crédito obtidos através de catálogos e outros
esquemas à distancia, por correio, em vez de recorreram aos tradicionais balcões bancários.
Sugerem que o desemprego e as questões relacionadas com o facto de possuírem ou não
habitação própria, para poderem utilizá-la como garantia para empréstimos, são factores
importantes na restrição ao crédito para estas famílias de rendimentos mais baixos.

O endividamento como consequência da distribuição da riqueza já varia mais de país para


país, reflectindo diferenças na composição e medição desta variável de segmentação nos
diferentes países. Assim é muito difícil extrair tendências sobre o comportamento do
consumo de crédito em função da riqueza das famílias.

Em todos os países os indivíduos com emprego são aqueles mais endividados seguidos de
perto pelos indivíduos com emprego próprio. Os indivíduos na reforma são aqueles que
menos recorrem ao crédito, validando a teoria do ciclo de vida, onde nesta fase de vida os
indivíduos poupam já que não esperam aumentos de rendimentos no futuro e por isso não
deverão recorrer ao crédito. De uma forma genérica quanto maior o nível de educação
maior o recurso ao crédito por parte dos indivíduos, independentemente do tipo de crédito.
Maiores níveis de educação poderão ser um indicador de um maior nível de rendimento no
futuro e maior estabilidade de emprego sendo consistente com a teoria do rendimento
permanente/ciclo de vida.

Interessante verificar que a procura de crédito sem garantias nos EUA é positivamente
afectado pelo facto de se estar ou não casado, já não se verificando essa mesma relação
para o crédito à habitação (Grant, 2003). O mesmo autor fez ainda um estudo sobre como é
que do lado da oferta de crédito segmentavam os consumidores, tendo descoberto que
apenas 3 variáveis estavam significativamente relacionados, positivamente, com a oferta
de crédito: o estar casado, ter uma licenciatura e o nível de rendimento das famílias. As
variáveis idade, sexo, número de filhos, taxa de juro e o facto de ser não branco não foram
significativamente relacionadas com a oferta de crédito.

54
Boyes et al. (1989) e Stavins (2000) apresentaram uma relação negativa entre a
probabilidade de incumprir e a idade e o estar casado, e uma relação positiva entre o
número de créditos e possuir alguns anos de faculdade, não uma licenciatura. Ser
proprietário de uma casa é associado com uma menor probabilidade de incumprir; quem
aluga casa tem associado uma maior probabilidade de incumprir; o rácio de despesas sobre
rendimentos é positivamente relacionado com a probabilidade de incumprimento; a
detenção de um cartão de crédito genérico reduz aquela probabilidade e a detenção de um
cartão de loja aumenta a probabilidade de incumprimento. Particularmente significativos
são os dados fornecidos pelos Credit Registers9: o número de consultas às suas bases de
dados e/ou história sobre créditos com atrasos e incumprimentos (“derogatory accounts”)
estão positivamente associados com uma maior probabilidade de incumprimento e os
dados sobre experiência de crédito positiva está negativamente associado com a
probabilidade de incumprimento.

Existem ainda modelos mais complexos que tentam incorporar variáveis que medem a
estabilidade das famílias através dos anos no emprego e antiguidade de conta bancária.
Crook, Hamilton e Tomas (1992) utilizando uma amostra de portadores de cartões de
crédito, consideraram aquelas variáveis como significativamente relacionadas,
negativamente, com a probabilidade de incumprimento, tal como as seguintes variáveis:
categoria de emprego, estado de residência, rendimento do cônjuge e possuir telefone. Ter-
se-á oportunidade de analisar mais à frente a inclusão destas e outras variáveis na amostra
utilizada para esta investigação.

3.15.2. Em relação ao cumprimento das dívidas assumidas


Proliferam os estudos sobre as razões do incumprimento dos créditos assumidos pelos
consumidores, com especial enfoque nos motivos de atraso e incumprimento definitivo
relativamente ao crédito à habitação devido à sua importância para a economia e para as
famílias.
Na literatura existe essencialmente duas teorias alternativas para explicar as probabilidades
de incumprimento no crédito à habitação: A teoria do “capital” defende que as famílias
entram em incumprimento por opção depois de analisado todos os custos e benefícios
9
Ver ponto 2.3.10 - Credit Registers: Credit Bureaus e Public Credit Registers
55
futuros associados com o cumprimento ou não do crédito. A teoria da “capacidade para
pagar” defende que os indivíduos deixam de cumprir quando não têm capacidade para
assumir com os compromissos assumidos.

No trabalho realizado por Whitley, Windram e Cox (2004) analisaram os atrasos nos
pagamentos das prestações do crédito à habitação e dos cartões de crédito. Verificaram que
o nível de “income gearing” (peso dos juros no rendimento) foi o principal factor que
influenciou os dois tipos de atrasos acima mencionados. Ainda que esteja correlacionado
com os rendimentos, o nível de desemprego foi considerado como tendo uma influência
adicional nos atrasos apenas no crédito à habitação, não tendo encontrado evidência directa
para os cartões de crédito. Consideraram ainda que o rácio LTV (Loan to value –
percentagem do crédito sobre o valor da habitação) no crédito à habitação influencia os
dois tipos de atrasos, só que em sentidos opostos. Para o caso da habitação, poderá reflectir
a percepção da IC sobre a qualidade do credor. Os atrasos nos cartões de crédito, defendem
os autores, parece conter alguma informação sobre futuros atrasos no crédito à habitação,
contudo, o inverso não se verifica. Verificaram ainda que ao nível das famílias, as
diferenças nas finanças da família, medido pelo nível de formação e pelo facto de estar ou
não separado, poderão ser pelo menos tão importantes como os factores macroeconómicos.
Convém salientar que apesar dos valores do crédito ao consumo serem substancialmente
mais baixos que os da habitação, como têm uma maturidade muito inferior, acabam por
apresentar prestações mensais significativas para as famílias.

Segundo Bridges e Disney (2003) as variáveis tipicamente utilizadas nos modelos de


scoring de previsão de mora são: rendimento mensal, capital em dívida, activos
financeiros, tipo de conta bancária, tempo no actual emprego, história de cumprimento,
aluguer de casa, com hipoteca ou própria. No estudo de Camões e Hill (2001) para o
mercado português também utilizaram variáveis semelhantes para a determinação da
probabilidade de os devedores se atrasarem em dois ou mais meses. Todavia,
acrescentaram ainda as seguintes variáveis: variáveis proxy sobre a natureza do emprego
(privado, público, auto emprego e desempregado), o número de filhos, o número de
dependentes, estado civil, educação, número de cartões e crédito, tempo da actual conta
bancária e saldo do cartão de crédito.

56
Avery, Calem, e Canner (2004) desenvolveram um modelo que lhes permitiram inferir que
as circunstâncias situacionais influenciam a propensão de um individuo incumprir com as
suas responsabilidades de pagar um crédito, mantendo constantes as características
creditícias do individuo. Demonstraram que a probabilidade de um indivíduo incumprir
dependerá de condições contemporâneas na área onde reside. Afirmam ainda que o score
histórico ex-ante do indivíduo irá sobre estimar a probabilidade de incumprimento em
novos empréstimos em áreas que estejam num ciclo de recuperação económica e
subestimar esses riscos em zonas onde se esteja a passar por um ciclo de excepcional
crescimento económico. Os resultados obtidos também permitem defender que a
performance do crédito dependerá de factores situacionais específicos de um indivíduo.
Para suportar esta afirmação recorrem à evidência encontrada sobre o facto de a
probabilidade de incumprimento ser inferior, num novo empréstimo, ao indicado pelo
scoring quando se isola os problemas de crédito do passado. Assim, defendem que choques
temporários relacionados quer com a economia quer com o indivíduo, tais como quebras
do rendimento, são factores importantes que influenciam a performance de cumprimento
mesmo depois de se considerar a qualidade de risco ex-ante do indivíduo.

Por sua vez Bridges e Disney (2003) em consequência do estudo sobre os motivos dos
atrasos de pagamento nas famílias de baixo rendimento na GB apresentaram as seguintes
conclusões:
- Os indivíduos que alugam casa, têm uma maior probabilidade de se atrasarem nos
seus pagamentos do que os que são proprietários da sua habitação, observação
explicada pelo facto de os inquilinos terem rendimentos mais baixos que os
proprietários;
- Este tipo de famílias minimizam os custos dos créditos não pagando os créditos
obtidos junto da família e diferindo o máximo possível as rendas das casas e as
despesas correntes de casa, tais como o telefone, agua, electricidade, etc.
Encontraram evidência sobre a rotação de fornecedores de serviços;
- Não encontraram fortes evidências sobre a persistência de atrasos das dívidas a IC
por parte das famílias de período em período. Encontraram evidência na
persistência de atrasos nos pagamentos às autoridades locais e aos senhorios onde
não há cobrança de juros por atrasos nos pagamentos ou onde os credores estejam
disponíveis para renegociar os planos de pagamento.

57
Para Rio e Young (2005), estudo efectuado com os dados do British Household Panel
Survey (1995-2000) – inquéritos às famílias, os principais factores que contribuem para os
problemas do endividamento das famílias são o rácio de endividamento de créditos ao
consumo (exclui crédito à habitação), o nível de endividamento para o crédito à habitação,
o nível de riqueza das famílias, a sua saúde, raça e o estado marital.
Os referidos autores estimam que o rácio da divida de crédito ao consumo sobre o
rendimento das famílias seja o maior determinante para os problemas de endividamento.
Não há um limite claro, para referido rácio, a partir do qual seja considerado um problema,
contudo, a análise de Rio e Young (2005) sugere que acima dos 12% acrescenta pelo
menos 17 pontos percentuais à probabilidade de o endividamento do crédito ao consumo
ser considerado um problema e 4 pontos percentuais de ser considerado um problema
muito grande, comparando com famílias sem dívida. Em relação ao endividamento para a
compra de habitação, estimaram que um rácio acima de 20% (prestação mensal /
rendimento mensal) acrescentava mais 9 pontos percentuais à probabilidade de as famílias
reportarem que a dívida constituía um problema. Em relação à idade e nível de rendimento,
as famílias com maior probabilidade de reportar problemas são as mais jovens e as de
menor rendimento, reflectindo o facto de os mais jovens participarem mais no mercado do
crédito ao consumo e deterem um rácio de endividamento de consumo mais elevado.
Confirmando alguns dos trabalhos acima referenciados, Rinaldi e Sanchis-Arellano (2006)
vieram defender que no longo prazo um aumento no rácio de endividamento (global) está
associado a maiores níveis de atrasos nos pagamentos das responsabilidades assumidas.
Contudo, se o aumento do rácio de endividamento for acompanhado por um aumento no
rendimento real disponível, o efeito negativo é mais que compensado. Acrescentaram
também que no curto prazo o nível de riqueza financeira e riqueza imobiliária tendem a
confirmar que a riqueza é utilizada como uma almofada em caso de choques inesperados.
Concluíram que o aumento recente do endividamento das famílias as colocou numa
situação mais frágil, de maior risco financeiro.

Num estudo efectuado nos EUA pelo Institute for Financial Literacy (2007) e de acordo
com Thorne e Warren (2008), os 3 factores mais importantes para que as famílias entrem
em incumprimento financeiro são a perda de trabalho, doença e divórcio/separação.

58
4. Capítulo III. Metodologia utilizada
O presente estudo tem como objectivo a segmentação do mercado de clientes que recorrem
ao crédito ao consumo obtido através de bases de dados provenientes de instituições de
crédito. Serão apresentados neste capítulo não só a descrição da natureza dos dados mas
também a justificação dos métodos estatísticos usados e os respectivos procedimentos.

4.1. Origem e tipo de dados utilizados

Os dados utilizados para o presente trabalho, 54.774 registos, foram recolhidos por duas
instituições financeiras (50% cada e 30% dos registos que possuíssem no intervalo de
tempo indicado) através de um formulário de recolha de dados para a avaliação e posterior
concessão de crédito para a compra de um bem ou serviço num ponto de venda no
território nacional. Trata-se de dados recolhidos no âmbito da actividade de crédito ao
consumo indirecto para a aquisição de produtos para o lar.
Será também importante informarque todos os registos foram filtrados por um modelo de
crédit scoring. Acresce-se ainda o facto de nesta base de dados apenas constarem clientes a
quem lhes foi aprovado o respectivo crédito, i.e., não inclui os clientes recusados pelas IC.

O período escolhido para a recolha de dados foi de Janeiro de 2005 a Abril de 2009. A
razão da escolha é fundamentada em duas vertentes:
- obtenção de dados mais recentes e por isso mais actualizados;
- Apesar de haver prazos médios de créditos até aos 70 meses, estes são residuais10, o
prazo limite de 48 meses é mais adequado e aceitável para medir o comportamento
de pagamento dos consumidores, quer ao nível da frequência de compra quer ao
nível do comportamento de pagamento.

As variáveis utilizadas para a recolha de dados foram as que constam na Error! Reference
source not found..

10
Nº de operações de crédito com prazo superior a 48 meses representam apenas 0,13% do total de
operações registadas na base de dados.
59
Tabela 4.1 – Variáveis da base de dados - Perfil
Estado civil (casado, solteiro,
Idade Género
divorciado, união de facto, viúvo)
Propriedade habitação (própria,
Código postal Nº de dependentes hipotecada, inquilino,
familiares)
Contrato trabalho (fixo, termo, independente,
Encargos mensais com a habitação Entidade empregadora
outro)
Sector de actividade da entidade
Nº de anos no actual emprego Profissão
empregadora
Rendimento líquido mensal Rendimentos mensais do
Rendimentos mensais não comprováveis
comprovável cônjuge

Como se poderá observar, as variáveis utilizadas são classificadas como bases gerais de
segmentação observáveis.

Em relação aos dados sobre o crédito, as variáveis utilizadas foram as seguintes:

Tabela 4.2 – Variáveis da base de dados – Crédito e comportamento


Valor do crédito Produto a adquirir

Prazo do crédito Data da operação

Código forma pagamento Nº de recibos emitidos

Valor dos recibos emitidos Código situação dos recibos

Limite de crédito atribuído

Através das variáveis acima identificadas (perfil, crédito e comportamento) construiu-se as


seguintes variáveis:
Tabela 4.3 – Variáveis construídas

Variáveis novas Variáveis base Razão / critério


Determinação de nº de clientes bons
Cumprimento vs não Nº Recibos emitidos, Nº recibos
pagadores e incumpridores, com ou sem
pagamento recuperados e nº recibos não pagos
atrasos
Determinação de nº de clientes bons
Nº Recibos emitidos, Nº recibos
Cumprimento e atraso pagadores e incumpridores, com ou sem
recuperados e nº recibos não pagos
atrasos
Necessidade saber as operações com e
Com ou sem juros - 1º crédito Código da forma de pagamento
sem juros
Necessidade saber as operações com e
Com ou sem juros - 2º crédito Código da forma de pagamento
sem juros
Necessidade saber as operações com e
Com ou sem juros - 3º crédito Código da forma de pagamento
sem juros

60
Necessidade saber as operações com e
Com ou sem juros - 4º crédito Código da forma de pagamento
sem juros
1 º Crédito - classes 1ª crédito Utilização dos critérios internos das IC
2 º Crédito - classes 2ª crédito Utilização dos critérios internos das IC
3 º Crédito - classes 3ª crédito Utilização dos critérios internos das IC
4 º Crédito - classes 4ª crédito Utilização dos critérios internos das IC
Prazo -1º crédito Prazo - 1º crédito Utilização dos critérios internos das IC
Prazo -2º crédito Prazo - 2º crédito Utilização dos critérios internos das IC
Prazo -3º crédito Prazo - 3º crédito Utilização dos critérios internos das IC
Prazo -4º crédito Prazo - 4º crédito Utilização dos critérios internos das IC
Valor recibos emitidos, nº recibos Determinação de valor médio para
Valor médio de recibos
emitidos efeitos de análise
Numero de créditos 1º, 2º, 3º, 4º Crédito Frequência de compra

Houve também necessidade de se proceder ao agrupamento de determinadas categorias de


algumas variáveis para uma melhor adaptação aos objectivos do presente estudo.

Tabela 4.4 – Variáveis com agrupamento de categorias


Variável Razão / critérios

Rendimento auferido Critérios internos das IC


Residência-Código Postal Por distrito - Informação CTT
Código forma pagamento Distinção entre operações com e sem juros

Em termos de sectores de actividade dos pontos de venda onde os clientes efectuaram as


suas compras, podemos ver uma maior incidência nos electrodomésticos, ópticas e
sistemas de descanso.

Tabela 4.5 – Sectores de actividade dos pontos de venda

Sector de actividade Nº ponto de venda / total


Bricolage - jardins 8,47%
Clínicas médicas e estéticas 0,85%
Electrodomésticos 24,01%
Fotografia 2,82%
Informática 8,19%
Sistemas de descanso 12,71%
Mobiliário 9,04%
Ópticas 15,54%
Outras actividades 8,47%
Utilidades domésticas 5,08%
Oficina - concessionários 0,85%
Pneus 3,95%

61
Total (354) 8,47%

4.2. Caracterização das variáveis utilizadas

4.2.1. Localidade
Como se pode observar da Error! Reference source not found., a maioria dos clientes
encontram-se circunscritos à faixa litoral entre Setúbal e Braga, áreas de maior densidade
populacional, destacando-se a zona da grande Lisboa (20,3%) e do grande Porto (20,1%).
Esta distribuição também não é alheia à concentração dos principais pontos de venda com
quem as entidades financeiras em análise detêm acordos de colaboração.

Tabela 4.6 – Distribuição geográfica

Distrito Percentagem
Aveiro 16,1
Beja 0,4
Braga 13,2
Bragança 0,2
Castelo Branco 1,7
Coimbra 4,4
Évora 0,6
Faro 1,8
Guarda 0,1
Ilha da Madeira 1,8
Ilha dos Açores 0,2
Leiria 7,5
Lisboa 20,3
Porto 20,1
Santarém 4,1
Setúbal 6,6
Viana do Castelo 0,9
Vila Real 0,2
Total 100,0

4.2.2. Idade
Observa-se uma maior frequência de consumidores com idade em torno dos 33 anos, com
uma média de 43 anos e desvio padrão de 11,7 anos.

62
Tabela 4.7 – Distribuição etária

Estatísticas Valores
Média 43,15
Moda 33
Desvio padrão 11,762
Variância 138,355
Intervalo de idade 61
Mínimo 18
Máximo 79

4.2.3. Género
Verifica-se uma distribuição pendente para os homens com uma percentagem de 59,3%.

4.2.4. Estado civil


Cerca de 64% dos clientes estão casados em regime de comunhão de adquiridos e quase
8% estão divorciados. Em relação aos clientes solteiros, ainda que mais penalizados pelo
sistema de scoring devido à idade e aos menores rendimentos (uma só fonte de
rendimento) a percentagem observado é ainda assim significativa: 24%.

Tabela 4.8 – Estado civil

Estado cívil Frequência %


Solteiro 24,0
Casado/a (Com.Adquir.) 64,1
Casado (Sep.Bens) 1,9
Viuvo/a 2,0
Separado/a ,3
Divorciado/a 7,6
Total 100,0

4.2.5. Tipo de habitação


Cerca de 36% dos clientes da base de dados possuem casa com hipoteca, isto é, têm
habitação própria mas tiverem que recorrer ao crédito bancário e consequentemente
tiveram que efectuar uma hipoteca a favor do banco. Perto de um terço (32,7%) dos
consumidores vivem numa habitação própria, isto é, sem hipoteca, e apenas 10% vive
numa casa alugada. Estando de alguma forma correlacionado com o facto de 24% dos

63
clientes da base de dados serem solteiros, cerca de 21% das pessoas vive com familiares,
mais especificamente com os pais.

Tabela 4.9 – Tipo de habitação

Tipo de habitação Frequência %


Propriedade sem hipoteca 32,7
Propriedade com hipoteca 36,6
Inquilino 9,9
Vive com família 20,8
Total 100,0

4.2.6. Rendimentos auferidos


Em relação aos rendimentos auferidos pelos clientes registados na base de dados observa-
se um desvio padrão elevado (630€), i.e., cerca de metade do valor médio registado
(1.251€), indicando uma grande variabilidade das remunerações recebidas.

4.2.7. Contrato laboral


Mais de 78% dos clientes têm um contrato de trabalho fixo, i.e., trabalham por conta de
outrem e com contrato sem termo. De realçar o peso dos empresários em nome individual /
profissionais independentes que atinge os 12,1%.

Tabela 4.10 – Tipo de contrato laboral

Contrato laboral Frequência %


Fixo 78,1

A prazo 1,4

ENI – Empresário em nome 12,1


individual
Outros 8,3

Total 100,0

4.2.8. Profissão
Predominam as profissões com funções “não especializadas” e administrativas, com 39% e
28,6% de quota, respectivamente. No primeiro caso estão abrangidos os empregados de
balcão, mesa, armazém, trolhas, pedreiros, motoristas, pintores, operários fabris, etc. Em
64
relação às profissões administrativas, estão incluídos os empregados de escritório,
empregados especializados (Técnicos contas, informáticos, ar condicionado, auxiliares de
acção médicas, etc.).

Será no entanto de realçar que a presença de 10,9% de quadros intermédios (professores,


técnicos superiores, oficiais do exército, enfermeiros, médicos, economistas, solicitadores,
jornalistas, etc.), 11,5% de profissionais liberais e empresários em nome individual e 8,4%
de reformados.

Tabela 4.11 – Profissão

Profissão Percentagem
Fixo - Alto quadro 0,1
Fixo - Quadro Intermédio 10,9
Fixo - Administrativos 28,6
Fixo - Empregados não especializados 39,0
Fixo - Representante comissionista 0,2
Fixo - Outros 0,0
Prazo - Quadro intermédio 0,3
Prazo - Administrativos 0,4
Prazo - Empregado não especializado 0,6
ENI - Profissionais liberais 11,5
Outros - Reformado 8,4
Total 100,0

4.2.9. Actividade económica

Da análise à distribuição dos clientes por actividade económica pode-se retirar que mais de
um quarto dos clientes são funcionários públicos e cerca de 20% trabalham no comércio –
canal “horeca”.
Tabela 4.12 – Actividade económica

Actividade económica Frequência %


Agricultura e pesca 0,7
Funcionário público 26,7
Militar - Polícia 3,7
Construção civil 5,2
Maquinaria 3,3
Mecânica - Fábricas 4,8
Indústria Têxtil e vestuário 7,1

65
Ind. Madeiras e móveis 5,2
Ind. alimentar e bebidas 2,1
Ind. couro e peles 0,3
Extracção de minérios 0,5
Metalurgia - Fab. prod. 3,1
metálicos
Ind. química 2,0
Transportes e comunicação 6,6
Serviços financeiros 7,3
Comércio - Hotelaria 20,0
Outros 1,5
Total 100,0

4.2.10. Nº de anos no emprego


Em média os clientes apresentam 10 anos de permanência no emprego, existindo contudo,
uma grande dispersão, desvio padrão de 9,1.

4.2.11. Nº de componentes do agregado familiar


Em função dos baixos índices de natalidade em Portugal não é de estranhar que 84,5% dos
agregados familiares são constituídos por 3 pessoas. Em média existem 2,27 pessoas por
agregado familiar.

Tabela 4.13 – Nº de componentes do agregado familiar

Nº Frequência %
1 28,8
2 32,9
3 22,8
4 13,5
5 1,7
6 0,3
Total 100,0
4.2.12. Crédito à habitação
Da análise à variável do valor da prestação mensal afecta ao crédito à habitação pode-se
observar um valor médio de 355€ com um desvio padrão de 195€.

4.2.13. Artigos adquiridos


Os consumidores canalizaram o crédito obtido essencialmente para 3 produtos:
computadores (PC e portáteis), televisores, máquinas de fotografia e outros gastos (crédito
66
pessoal, concedido sem estar afecto a um produto específico, cliente pôde utilizar o
dinheiro para a aquisição de diversos produtos)11.Com excepção da primeira compra onde
a compra de computadores foi a opção mais escolhida pelos consumidores com 21%, nas
restantes 3 compras o crédito foi canalizado para a aquisição de Vários gastos com
sensivelmente o mesmo peso: 45%. As televisões foram outro produto alvo nas 4 compras:
18%, 10,9%, 11% e 12,2%, da 1ª à 4ª compra respectivamente.12

Tabela 4.14 – Artigo adquirido na 1ª compra


Nº Frequência %
Bicicletas 0,2
Corta relva 0,4
Material agricola 1,3
Vários equipamentos 0,2
Televisor 18,0
Equipamento de video 1,4
Equipamento de som 0,6
Equipamento fotográfico 15,4
Vários equipamentos audiovisuais 7,8
Frigorifico 3,3
Máq. lavar louça 0,6
Máq. lavar roupa 4,8
Cozinha (electrodomésticos) 1,1
Outros electrodomésticos 5,7
Vários equipamentos 2,7
Computadores 21,0
Equipamento informático 3,3
Obras e instalações 0,1
Mobiliário - decoração - colchões 3,5
Vários - venda directa 2,6
Saúde (óptica, audição, estomatolgia, etc) 4,2
Reparação automóvel 0,5
Vários gastos 1,1
Vários gastos profissionais 0,1
Total 100,0

11
A primeira compra é sempre afecta a um produto, nas seguintes existem créditos pessoais, isto é, não afecto a um
produtos específico.
12
Ver no Anexo as restantes tabelas dos artigos adquiridos com o 2º, 3º e 4º crédito.
67
4.2.14. Créditos solicitados
Constata-se um aumento do valor médio do crédito concedido nas sucessivas compras,
desde os 733€ para os 1.755€ da 4ª compra13 justificando-se este incremento pelo superior
valor médio dos créditos pessoais14 concedidos a partir da 2ª compra. Verifica-se no
entanto um elevado desvio padrão em todos os créditos.

Tabela 4.15 – Valor do crédito concedido

Valor do crédito valor crédito 2ª Valor crédito 3ª Valor crédito 4ª


1ª compra compra compra compra
Nº de registos 54779 1638 529 197
Média 733,89 1599,76 1817,97 1755,81
Desvio padrão 544,488 1527,858 2049,614 1516,987

4.2.15. Prazos dos créditos solicitados


Na primeira compra o prazo médio foi de 11,38, muito próximo do prazo mais vezes
utilizado (os 12 meses). A partir de segunda compra o prazo mais utilizado foi o de 36
meses15 com um prazo médio em torno dos 23 meses. O prazo máximo utilizado foi de 72
meses (na 2ª compra) apesar de que o prazo máximo mais utilizado seja o de 60 meses.

Tabela 4.16 – Prazo dos créditos

Prazo 1ª Compra Prazo 2ª compra Prazo 3ª compra Prazo 4ª compra


Nº de registos 54779 1638 529 197
Média 11,38 21,65 22,93 23,56
Moda 12 36 36 36
Desvio padrão 6,714 12,538 12,221 12,313
Intervalo 59 71 57 57
Mínimo 1 1 3 3
Máximo 60 72 60 60

13
Na base de dados existem clientes com mais de 4 compras a crédito, contudo, decidiu-se efectuar um corte a partir do
4º crédito pelo facto da percentagem de clientes com mais de 4 créditos ser muito baixa: 0,11%
14
Devido aos valores médios superiores dos créditos pessoais, o valor médio dos créditos acabam por ser puxados para
cima nas segundas e seguintes compras.
15
Justamente o prazo mais utilizado no crédito pessoal.
68
4.2.16. Frequência do recurso ao crédito
Através desta variável, número de operações a crédito efectuadas pelos clientes, permite
aferir a frequência do recurso ao crédito dos consumidores. Decidiu-se efectuar um corte a
partir da quarta compra já que o número de consumidores com mais de 4 compras a crédito
registadas é residual.

Tabela 4.17 – Nº de operações de crédito

Nº Frequência %
1 100%
2 2,99%
3 0,97%
4 0,36%

4.2.17. Crédito com ou sem juros a cargos dos consumidores


De salientar que cerca de 75,5% das operações de crédito registadas são sem juros, i.e., o
consumidor não paga os juros, quem os suporta é a loja que vende os produtos.

4.2.18. Valor do recibo médio emitido


Da análise ao valor e número de recibos emitidos retira-se que o valor médio do recibo
emitido situa-se nos 75,60€, com um valor mínimo de 9€ e máximo de 1.505€.

4.2.19. Comportamento de pagamento


Observando-se a tabela Tabela 4.18 – Consumidores cumpridores vs Consumidores com
alguns atrasos no pagamento das prestações é de realçar que 73,8% dos clientes nunca
tiveram um único recibo devolvido, i.e., todos os recibos enviados à cobrança foram pagos.
Acrescenta-se ainda que 24,2% dos consumidores tiveram recibos devolvidos, uns foram
recuperados e outros ainda se mantinham em incumprimento.
Olhando para a tabela Tabela 4.19 verifica-se que 5,2% dos clientes estavam em
incumprimento, isto é, os recibos enviados à cobrança não foram pagos e a IC ainda não
tinha conseguido recuperá-los.

69
Tabela 4.18 – Consumidores cumpridores vs Consumidores com alguns atrasos no
pagamento das prestações

Descrição %
Com atraso 24,2
Dentro do prazo 73,8
Total 100,0

Tabela 4.19 – Consumidores cumpridores (ainda que com atrasos) vs Consumidores


incumpridores

Descrição %
Não cumpriu 5,2
Cumpriu 94,8
Total 100,0

4.2.20. Valor do recibo médio emitido


O valor médio dos recibos emitidos, variável obtida através de duas outras variáveis da
base de dados (valor dos recibos emitidos / nº recibos emitidos), é de 75,6€.

4.3. Métodos de segmentação

O processo de segmentação, essencialmente uma tarefa de agregação, pode ser classificado


de duas formas (Wedel e Kamakura, 2000):
1. A priori (nº e tipo de segmentos determinados antes da análise dos dados) e post
hoc (nº e tipo de segmentos determinados com base nas análises aos dados (Green,
1977 e Wind, 1978);
2. Utilização de modelos descritivos (análise das associações entre um único conjunto
de bases de segmentação, sem distinção entre variáveis dependentes e
independentes) e preditivos (análise da associação entre dois conjuntos de
variáveis, onde um par de variáveis são explicado/estimado por um conjunto de
variáveis independentes).

70
Tabela 4.20– Classificação dos métodos de segmentação

A priori Post hoc (a posteriori)

Descritivos Tabelas cruzadas, modelos log- Métodos de classificação:


lineares métodos não sobrepostos e
métodos difusos; modelos
mistura; redes neuronais
Preditivos Regressão, modelos logit/probit e AID, CART, clusterwise
análise discriminante regression, redes neuronais,
modelos mistura
Fonte: Wedel e Kamakura (2000)

Tabela 4.21– Classificação dos métodos de segmentação

Segmentação Previsão Propriedades Aplicações Disponibilida


estatísticas conhecidas de de
programas

À priori, descritivos +/- -- + ++ ++

À priori, preditivos - ++ ++ + ++

Pot hoc, descitivos ++ -- - +/- +/-

Post hoc, preditivos + + + + +

++ = muito bom; + = bom; +/- = moderado; - = pobre; -- = muito pobre


Fonte: Adaptado Wedel e Kamakura (2000)

As técnicas numéricas para a derivação de classificações são originárias das ciências


naturais (início do século XX), nomeadamente a zoologia e biologia, desenvolvidas com o
propósito de fornecer uma taxonomia de espécies animais e plantas. Na segunda metade do
século XX assistiu-se a um acréscimo exponencial nos métodos de classificação
divulgados na literatura especializada, fenómeno suportado pela melhoria dos meios de
cálculo automático disponíveis. Paralelamente, verificou-se uma expansão similar nas suas
áreas de aplicação, sendo hoje abordagens populares em vários campos do conhecimento
científico. Diferente, e por vezes conflituosa, é a terminologia empregue nas diferentes
disciplinas: Numerical Taxonomy, na Biologia, Q Analysis, na Psicologia, Unsupervised
Pattern Recognition, na Inteligência Artificial, sendo os termos Clumping e Grouping
também usados ocasionalmente. No entanto, o termo genérico mais comum na literatura
anglosaxónica é Cluster Analysis.

71
De acordo com Wedel e Kamakura, a análise de cluster é um método utilizado em muitas
disciplinas para categorizar entidades (animais, indivíduos, objectos, etc) em grupos que
são homogéneos num conjunto de características observáveis. Segundo os mesmos autores,
na investigação de marketing a análise de clusters é utilizada para a identificação e
definição de segmentos de mercado que depois se tornam na estratégia de marketing da
empresa.

Os objectivos de uma análise de clusters podem-se resumir a:


1. Formação e descrição de taxonomias – i.e. classificação de objectos
2. Simplificação dos dados
a. Agrupamento das observações ou variáveis
3. Identificação de relações
a. Estudo de relações entre os casos
b. Estudo de relações entre variáveis
c. Estudo das relações entre os grupos formados e outras variáveis de interesse

Para uma melhor percepção de todo o processo de segmentação através de clusters,


apresenta-se de seguida as diferentes fases da análise de clusters:
1. Selecção dos objectos (amostra ou censo);
2. Definição de um conjunto de variáveis a partir das quais será obtida a informação
necessária para o agrupamento dos objectos;
3. Escolha de um método de agrupamento;
4. Validação dos resultados e interpretação da solução.

Na sequência da proposta de Hruschka (1986) distinguem-se actualmente três grandes


formas de agrupamento, em função da configuração da matriz de pertença aos segmentos
(P) que produzem (ver

72
)

 S
∑
 s =1
p ns = 1

0 ≤ p ns ≤ 1

Figura 4.1 - Classificação dos métodos de agrupamento


Fonte: Adaptado Hruschka (1986)

A matriz P possui N linhas, correspondendo aos consumidores, e S colunas,


correspondendo aos segmentos. As entradas na matriz de partição P indicam a afectação
dos consumidores aos segmentos (Brochado, 2002).

Figura 4.2– Estrutura da matriz de partição.


Fonte: Adaptado de Wedel e Kamakura (2000)

A Figura 4.3 permite observar de forma mais clara os três métodos de agrupamento
permitindo uma fácil leitura de cada método. No caso do agrupamento não sobreposto o
objecto (consumidor) apenas poderá estar afecto a um só grupo, enquanto nos restantes
dois métodos um objecto pode estar presente em um ou mais grupos. No caso
c do

73
agrupamento difuso os consumidores podem pertencer de forma parcial a mais do que um
segmento e a matriz P contém valores negativos reais que somam 1 em cada linha.

Figura 4.3 - Métodos de agrupamento


Fonte: Wedel e Kamakura (2000)

Em função das características das bases de segmentação do presente trabalho a opção recai
sobre o método de agrupamento não sobreposto. No entanto será ainda necessário escolher
a técnica estatística
tica a utilizar. Estão disponíveis as seguintes:
1. Métodos Hierárquicos ‘Hierarchical Cluster’
a. Métodos Aglomerativos
b. Métodos Divisivos
2. Métodos Não Hierárquicos ‘K-means
‘K Cluster’
3. Métodos bi-etápicos
etápicos ‘Two Step Cluster’

4.4. Modelos estatísticos utilizados

Após a caracterização das variáveis a utilizar no estudo segue-se


segue se a selecção de um método
de classificação adequado às características das bases de segmentação disponíveis.

74
A enorme dimensão da base de dados (em consequência o processamento exigido), o
número e a natureza das variáveis (continuas, intervalo e categóricas) aconselhou a
aplicação do Método Não-Hierárquico
Hierárquico K-
K Means.

Os inputs do método de clustering usados foram dois factores obtidos através de Análise
de Correspondência Múltipla. Todas as variáveis
var áveis demográficas, sócio-económicas
sócio
incluindo o crédito à habitação foram usadas na estimação dos factores que se revelaram
estáveis. Ou seja, a observação do comportamento dos valores próprios – indicadores do
poder explicativo da variação dos dados (variáveis)
(variáveis) para cada dimensão ou factor
(Malhotra, 2006) – permitiu seleccionar dois factores ou dimensões visto que para um
maior número assistiu-se
se a uma quebra nos valores próprios.
próprio

O output deste procedimento foi usado para através do método K-means


K means gerar
ger 5 grupos.
Este número foi seleccionado de forma a garantir por um lado a capacidade de cada grupo
em agregar casos homogéneos e relevantes
rele em termos de intragrupo e discriminantes em
termos intergrupo, tudo isto numa perspectiva de marketing (face validity).
validity). Por outro lado,
esse número de grupos/segmentos garante um certo equilíbrio em termos de dimensão
relativa entre grupos. Na Figura 4.4 aplica-se o critério variância
ância inter-grupo/variância
inter
total. Tal como se pode constatar a partir de cinco grupos o referido rácio estabiliza-se
estabiliza no
seu máximo
ximo indicando que a partir daí não seria eficiente continuar a acrescentar grupos
(Ketchen & Shook, 1996).

Na comparação estatística
stica entre os grupos aplicou-se
aplicou se tabelas de contingência/estatística
qui-quadrado
quadrado e ANOVA. Nesta última os níveis de significância considerados foram 1% e
5%.

75
Figura 4..4 – Variância inter-grupo/variância total
76
5. Capítulo IV. Análise dos resultados
5.1. Análise das variáveis nos segmentos definidos

Pegando nos 5 segmentos identificados, analisa-se de seguida a distribuição de cada


variável em cada um dos segmentos. Salienta-se desde já que o segmento com maior nº de
registos é o nº 1 com 27,6% dos 54.779 registos. O segmento 3 é por sua vez o que tem
uma menor expressão em termos de nº de registos com apenas 11,2% do total.

Tabela 5.1– Distribuição de registos pelos 5 segmentos


Nº de segmentos / Medidas Nº / %
Nº registos 15 109
1
% do total 27,6%
Nº registos 13 563
2
% do total 24,8%
Nº registos 6 128
3
% do total 11,2%
Nº registos 10 417
4
% do total 19,0%
Nº registos 9 562
5
% do total 17,5%
Nº registos 54 779
Total
% do total 100,0%

Para um nível de significância de 1%, com excepção das menções concretas na análise de
cada variável, todas as variáveis analisadas são estatisticamente significativas, i.e., para
cada segmento as variáveis têm respostas diferentes, assumem valores diferentes.

5.1.1. Género
Observando a Tabela 5.2 o género masculina predomina em todos os segmentos com
excepção do 5 onde as mulher têm uma quota de 52,9%. Contudo, é no segmento 2 que
existe uma maior concentração de mulheres com 25,9% do total do género feminino. Do
lado masculino essa concentração é verificada no segmento 1.

77
Tabela 5.2– Distribuição da variável Género nos 5 segmentos

5.1.2. Local de residência


Ao nível do local de residência, por distritos, o segmento 1 tem uma maior concentração de
clientes do Porto (20,8%) e de Aveiro com 19,1%.
19, É no segmento 3 que os clientes de
Lisboa têm um maior peso relativo com uma quota de 24,4%, com o Porto a apresentar
uma quota de 19,6%.

Analisando por distrito, Porto, Aveiro, Braga, Leiria e Setubal têm uma maior
representatividade
epresentatividade no segmento 1 e 2. Já Coimbra concentra os clientes no segmento 5 e 3
com 25,8% e 21,6%, respectivamente. Finalmente, Lisboa “elege” os segmentos 2 e 4 com
uma quota de 26,2% e 22,7%, respectivamente. Para uma análise mais detalhada sobre a
distribuição da variável local de residência, consultar as tabelas dos Anexos.

78
5.1.3. Idade
É no segmento 4 onde os jovens (idade até aos 25 anos) têm maior representatividade com
quota de 15,6%. O mesmo se passa com a faixa etária dos 26 aos 35 anos onde a
concentração ainda é maior (63,9%). Do lado oposto temos o segmento 3 com as pessoas
mais maduras (79,9%). Dos 36 aos 45 anos, onde está inserida a média de idade dos
clientes da base de dados (43 anos) a maior incidência de registos é no segmento 1 com
46%
% de quota. Quanto ao segmento 5 regista uma maior incidência de clientes com idades
a partir dos 36 anos.

Tabela 5.3–– Distribuição da variável Idade nos 5 segmentos

79
5.1.4. Estado Civil
Observa-se
se uma forte concentração
concentração de Solteiros no segmento 4 (88,1% de
representatividade) e de casados em comunhão de adquiridos no segmento 1 (92,4%). Os
divorciados e separados têm a sua maior quota no segmento 3 (14,3%) apesar de estarem
mais concentrados no segmento 2 com uma quota de 36,9%. Em relação aos viúvos tem a
sua maior quota no segmento (11%) e maior alocação de registos (61%) no mesmo
segmento, o 3.

Tabela 5.4– Distribuição da variável Estado Civil nos 5 segmentos

80
5.1.5. Número de componentes do agregado familiar
Em termos de importância no próprio segmento, temos o segmento 1 com três agregados
(38,3%), o segmento 2, 3 e 5 com dois agregados (37,2%, 62,1% e 42,7%,
respectivamente) e o segmento 4 com 1 agregado (91,2%).

Por seu lado é no segmento 1 que os agregados com 4 ou mais pessoas têm maior presença
com uma representatividade de 54,2% do total de registos nesta categoria. Ressalta ainda a
elevada concentração no segmento 4 de agregados com uma pessoa (60,2%).

Tabela 5.5 - – Distribuição da variável Nº de componentes do agregado familiar nos 5


segmentos

81
5.1.6. Tipo de habitação
É no segmento 1 que a quota da propriedade com hipoteca é mais relevante (73,5%) e no
segmento 3 onde a propriedade sem hipoteca mais se destaca (69,3%). Quanto à categoria
viver com os pais/família, é no segmento 4 onde ela mais se destaca com 77,5%. Os
inquilinos/outros
nquilinos/outros têm idêntica importância nos segmentos 2 e 3.

A distribuição de cada uma das categorias pelos segmentos não difere muito da anterior
afectação, i.e., 29,3% dos consumidores com propriedade sem hipoteca estão concentrados
no segmento 2 enquanto
uanto os com propriedade com hipoteca encontram-se
encontram mais no
segmento 1 (55%). Já em relação aos inquilinos, encontramo-los
los de forma acentuada no
segmento 2. Os que vivem com os pais e familiares centram-se
centram se muito no segmento 4.

Tabela 5.6– Distribuição da variável Tipo de habitação nos 5 segmentos

82
5.1.7. Actividade económica da empresa onde o consumidor trabalha
Os consumidores que trabalham na indústria representam cerca de 41,3% do segmento 1 e,
e
ao mesmo tempo 52,2%
2% deles estão agrupados no segmento 1. Em relação aos funcionários
públicos, observa-se
se uma forte representatividade
repre no segmento 2 (98%)
%) mas a maior parte
deles estão afectos ao segmento 4 com 47,5% dos registos desta categoria.
categoria. A categoria de
Outros (seguranças,
uranças, serviços domésticos, desportistas, espectáculos, etc.) tem por sua vez
uma quota de 41,3% no segmento 4 e uma distribuição de 45,3% dos seus registos no
segmento 2.

A categoria Mecânica e Maquinaria – Fábricas tem a sua uma maior quota e


representatividade no segmento
gmento 1, com 13,7% e 46,7%, respectivamente.

Tabela 5.77 – Distribuição Profissão pelos 5 segmentos

83
5.1.8. Profissão
O segmento 5 detém a maior concentração de quadros intermédios e altos (49,6% do total
da categoria) e também é o segmento onde esta categoria tem uma maior quota (31,2%).
Os empregados não especializados têm a sua maior quota no segmento 4 mas a sua maior
concentração regista-se no segmento 2. Os empregados administrativos têm uma quota
relativamente homogénea em 4 segmentos: 1 (31%), 2 (31,8%), 4 (29,4%) e 5 (32,2%). A
distribuição dos seus registos pelos vários segmentos é mais concentrado nos segmentos 1
e 2 (29,9% e 27,5%). Os empresários em nome individual e profissionais liberais estão nas
duas vertentes (quota e distribuição) afectas ao segmento 1 (26,6% e 63,9%,
respectivamente). A categoria de reformados está por sua vez concentrada no segmento 3
com uma quota de 68,6% e uma afectação de registos de 91,4% ao mesmo segmento.

84
Tabela 5.8 - Distribuição da variável Profissão nos 5 segmentos

5.1.9. Contrato laboral


Analisando agora o tipo de contrato laboral dos consumidores observa-se
observa que uma maior
quota de contratos sem termo (fixo) no segmento 4 (95,1%) mas uma maior afectação de
registos ao segmento 2. Por seu lado, os trabalhadores a prazo estão concentrados no
segmento 4.

85
Tabela 5.9– Distribuição da variável Contrato laboral nos 5 segmentos

5.1.10. Rendimento auferido


No segmento 1 a classe de rendimentos que prevalece é a de 1.000€
1.000€ a 1.500€ com uma
quota de 45,7%, sendo que a classe que tem uma maior percentagem
percentagem de registos neste
segmento é a de 1.501€€ a 2000€ com 43,1%. É no segmento 4 que a classe com
rendimentos até 1.000€ maior expressão apresenta com uma quota de 88% e 37% de
registos da classe. A classe de rendimentos acima de 2.000€
2.000€ tem a sua maior afectação
afectaç de
registos no segmento 5 (34,2%) ainda que seja no segmento 1 onde tem distribuído a maior
parte dos seus registos
os (40,6%).

86
Tabela 5.10– Distribuição da variável Rendimento nos 5 segmentos

5.1.11. Artigo comprado


5.1.11.1. Primeira compra
Os computadores foram os produtos mais adquiridos pelas consumidores dos segmento 1
com uma
ma quota de 24,2% no segmento e uma distribuição de registos da categoria de
31,9%. O equipamento fotográfico foi o artigo de eleição do segmento 4 concentrando-se
concentrando
aqui a maior quota de segmento (26,4%) e maior repartição de registos da categoria
(32,5%). O artigo Mobiliário / Decoração e Colchões foram arrumados para o segmento 3
em termos de quota no segmento mas ao nível da distribuição da categoria esta foi
canalizada para o segmento 1 com 30,1%. As Televisões estão também afectas ao
segmento 1 quer em termos de quota (21,1%) quer em termos de distribuição de registos
87
da categoria (32,3%) O segmento 3 tem também a maior percentagem do artigo Vários
Equipamentos Audiovisuais (aquisição de vários equipamentos ao mesmo tempo – exº
TV+Vídeo+Maq.Fotográfica) com 9,1% apesar de a distribuição desta classe estar mais
concentrada no segmento 2 com 26,7% dos registos. Para uma análise mais detalhada dos
artigos adquiridos e a sua distribuição pelos segmentos, ver as tabelas em anexo.

5.1.11.2. Segunda, terceira e quarta compra


Os artigos adquiridos através do segundo, terceiro e quarto crédito não são estatisticamente
significativos para um nível de significância de 1%. Contudo é de realçar que o segundo
artigo com um nível de significância de 5% já é estatisticamente significativo.

5.1.12. Operações a crédito com ou sem juros a cargo do cliente.


Dado que do terceiro ao quarto crédito a distribuição da variável Com ou Sem Juros não é
estatisticamente significativa para um nível de significância de 1%, será apenas analisado o
comportamento da variável no primeiro e segundo credito.

No primeiro crédito, em todos os segmentos,as operações sem juros a cargo do


consumidor, foram largamente predominantes (a média situa-se nos 75,5% de operações
sem juros). Contudo, é no segmento 4 onde se registam menos operações sem juros a cargo
do cliente com uma percentagem de 64,6%. O segmento 1 e 2 têm sensivelmente a mesma
quota de operações sem juros (80,5% e 80,3%, respectivamente).

Quanto ao segundo crédito, a percentagem de operações sem juros sobe para os 98,2%,
apresentando uma distribuição relativamente homogénea pelos 5 segmentos: entre os
97,9% (segmento 2 e 3) e 98,5% no segmento1.

88
Tabela 5.11– Distribuição da variável Com ou Sem
Sem Juros 1º primeiro crédito
nos 5 segmentos

5.1.13. Análise das variáveis contínuas


Ao nível da Idade observa-se
se que a média
média do segmento 1 (42,74) é próxima da idade média
global de 43,15 anos, apresentando o segmento 3 a idade média mais elevada (60,35) e o
segmento 4 a idade média mais baixa (31,97).

Quanto aos rendimentos auferidos, é o segmento 3 que se aproxima mais do rendimento


médio (1.251€)
€) com 1.348€. É o segmento 5 que apresenta rendimento médio mais
m
elevado (1.543€)
€) seguido de perto pelo segmento 1 com 1.502€. O rendimento médio mais
baixo encontra-se
se no segmento 4.

Ao nível da estabilidade de emprego medido pelo nº de anos no emprego, é o segmento 5


que apresenta maior estabilidade com uma média de 15,39 anos. O segmento menos
estável é o 4 com apenas 5 anos de média no emprego.

89
O segmento com o agregado familiar mais numeroso é o primeiro com uma média de 3,02
e o com menos componentes é o 4 com 1,12 de média. A média total ronda as 2,27 pessoas
por agregado familiar.

Em termos do valor mensal que os agregados familiares pagam de crédito à habitação,


regista-se
se uma média global de 355€
355€ sendo o segmento 5 o que regista o maior valor
médio (381€)
€) e o segmento 4 o que apresenta o menor valor médio. Saliente-se
Saliente que o nº de
registos desta variável, somente 19.973, se deve ao facto de apenas se considerar os
clientes com crédito à habitação, os restantes clientes ou são inquilinos, vivem com
familiares ou simplesmente não têm crédito à habitação.

Tabela 5.12– Distribuição da variável Idade, Rendimento, Nº de anos no Emprego, Nº


Agregados e Mensalidade Crédito habitação nos 5 segmentos

90
Da será apenas analisado as seguintes variáveis: Valor do crédito na 1ª compra, limite de
crédito dado, Prazo 1ª compra, Valor do recibo médio e Número de Créditos. A razão da
exclusão das restantes variáveis deve-se
deve ao facto de para um nível de significância
significâ de 1%
não serem estatisticamente
statisticamente significativas.

Tabela 5.13– Distribuição das variáveis Crédito e Prazo (1ª ao 4ª ), Valor médio de recibo e
Número de créditos nos 5 segmentos

É no segmento 5 que se encontra o maior valor médio de crédito (798€)


(798 quase 200€
superior ao valor médio do segmento (4) com menor valor (607€).
(607

Em relação ao prazo médio utilizado na 1ª operação de crédito dos clientes, não se observa
diferenças significativass entre os 5 segmentos, todos têm prazos em torno do valor médio
global (11,38).

91
O limite de crédito atribuído pelo sistema de scoring varia de 521€ (segmento 4) a 1.167€
(segmento 5) com um valor médio de 957,7€.

O valor médio dos recibos emitidos, variável obtida através de duas outras variáveis da
base de dados (valor dos recibos emitidos / nº recibos emitidos), tem o seu valor máximo
no segmento 5 com um valor de 81,82€, número idêntico ao que se verifica no segmento 1
(88,42€). O valor do recibo médio mais baixo situa-se no segmento 4 com 63,86€.

A frequência de compra, medida pela variável Número de créditos, tem uma distribuição,
em termos de quota, homogénea, i.e., entre 1,04 (segmento 1, 3 e 5) a 1,05 (segmento 2 e
4) compras por cliente, com uma média de 1,05.

5.1.14. Análise dos créditos e prazos utilizados por classes


Pelo mesmo motivo que acima se apresentou, i.e., devido ao facto de para uma
significância de 1% as variáveis Segundo, Terceiro e Quarto Crédito e respectivos Prazos
não serem estatisticamente significativas, apenas se efectua análises ao primeiro crédito e
prazo obtido.

Da análise àTabela 5.14retira-se que é no segmento 4 onde a quota dos créditos até aos
400€ é mais elevada, (40,5%) ainda que também seja a classe que predomina nos restantes
segmentos, com a excepção do segmento 1 onde a classe mais representativa é a dos 601€
a 1000€ sendo esta igualmente a classe com maior número de registos: 14.214. Os créditos
superiores a 3.000€ são distribuídos em cerca de 56% pelo segmento 1 (33,5%) e pelo
segmento 5 (23,8%).

92
Tabela 5.14– Distribuição da variável 1º Crédito - Classes nos 5 segmentos

Quanto aos prazos utilizados no crédito, o domínio dos prazos curtos, até aos 12 meses é
avassalador com uma quota de 81,1%. Se se acrescentar a seguinte classe, até aos 24
meses, regista-se
se 97,2% de todos os créditos efectuados. Por segmentos, a maior quota da
categoria
goria até 12 meses é observada no segmento 4 com 86,1% logo de seguida pelo
segmento 3 com 82,4%. Dos 12 aos 24 meses o segmento que apresenta uma maior quota é
o 1 com 18,4%. A classe Mais de 36 meses tem a sua maior distribuição no segmento 2
com 34,6%.

93
Tabela 5.15 - Distribuição da variável 1º Prazo - Classes nos 5 segmentos

1º Praz o - classes
Segmentos / distribuição fre quê ncias até 12 de 12 a 24 de 24 a 36 mais de 36
mese s mese s mese s me ses Total
% no segmento entre a var. 1ºPrazoClasses 78,6% 18,4% 2,5% ,5% 100,0%

1 % na var. 1ºPrazoClasses no segmento 26,7% 31,6% 30,3% 27,2% 27,6%

% do T otal 21,7% 5,1% ,7% ,1% 27,6%

% no segmento entre a var. 1ºPrazoClasses 80,3% 16,8% 2,2% ,6% 100,0%

2 % na var. 1ºPrazoClasses no segmento 24,5% 25,8% 23,9% 34,6% 24,8%

% do T otal 19,9% 4,2% ,5% ,2% 24,8%


nº de segmentos

% no segmento entre a var. 1ºPrazoClasses 82,4% 13,9% 3,2% ,5% 100,0%

3 % na var. 1ºPrazoClasses no segmento 11,4% 9,6% 15,7% 11,8% 11,2%

% do T otal 9,2% 1,5% ,4% ,1% 11,2%

% no segmento entre a var. 1ºPrazoClasses 86,1% 12,4% 1,2% ,3% 100,0%

4 % na var. 1ºPrazoClasses no segmento 20,2% 14,7% 9,8% 13,4% 19,0%

% do T otal 16,4% 2,4% ,2% ,1% 19,0%

% no segmento entre a var. 1ºPrazoClasses 80,1% 16,9% 2,7% ,3% 100,0%

5 % na var. 1ºPrazoClasses no segmento 17,2% 18,3% 20,3% 13,0% 17,5%


% do T otal 14,0% 2,9% ,5% ,1% 17,5%

Nº de registos 44444 8823 1258 254 54779

% no segmento entre a var. 1ºPrazoClasses 81,1% 16,1% 2,3% ,5% 100,0%


T otal
% na var. 1ºPrazoClasses no segmento 100,0% 100,0% 100,0% 100,0% 100,0%
% do T otal 81,1% 16,1% 2,3% ,5% 100,0%

5.1.15. Análise do cumprimento e atrasos de pagamento nos 5 segmentos


Dos 54.779 clientes, 94,8% cumpriram com o pagamento dos créditos solicitados, ainda
que possam ter tido algum atraso no pagamento de algum recibo. Já 5,2% dos clientes
tinham, à data de extracção da base de dados, um ou mais recibos por pagar. Descendo
para uma análise ao nível dos segmentos, observa-se um maior cumprimento no segmento
3 com uma percentagem de bons pagadores na ordem dos 97,6%. Do lado oposto,
encontra-se o segmento 4 com 8,9% dos maus pagadores, i.e., que tinham dívidas vencidas
por pagar. Em termos de distribuição dos bons pagadores, é no segmento 1 que se regista a
maior percentagem (28%). Quanto aos clientes menos afoitos a pagar as suas dívidas,
pode-se verificar que estão de forma idêntica concentrados no segmento 4 (32,3%) e 2
(32,2%).

94
Tabela 5.16– Distribuição da variável Cumprimento vs Não pagamento nos
5 segmentos

Do total de clientes da base de dados 73,8% pagaram os seus recibos sem qualquer atraso,
enquanto que 26,2% pagaram mas com atrasos. É no segmento 3 onde encontramos a
maior quota de clientes que pagaram todos os recibos sem qualquer atraso (80,5%). O
segmento onde existe uma maior percentagem de clientes a pagar com atrasos é o 4 com
33,5%. Em termos de quantidade de clientes com recibos em atraso o segmento
s 2 leva a
melhor com 27,3% do total desta categoria. Já os bons pagadores estão concentrados no
segmento 1 (28,1%).

95
Tabela 5.17– Distribuição da variável Cumprimento e Atraso nos 5
segmentos

96
5.2. Resumo das principais características dos 5 segmentos

Apresenta-se nas seguintes 5 tabelas o resumo das principais características de perfil e


comportamento dos consumidores pelos 5 segmentos gerados.

Tabela 5.18– Resumo do segmento 1

Descrição do segmento 1

Segmento com mais registos: 27,6% dos 54.779 registos da base de dados.

Com o maior peso do género homens: 74%.

Em termos de localização predominam o Porto (20,8%) e Aveiro (19,1%).

A classe de idade com maior representatividade é a de 36 a 45 anos (46%).

A média de idade é idêntica à média da população: 42,74 anos.

É o segmento com maior taxa de casados com comunhão de adquiridos: 92,4%

Apresenta a maior percentagem e nº médio de agregados familiares com 4 ou mais pessoas: 54,2% e
3,02, respectivamente.

O tipo de habitação que predomina é com hipoteca: 73,5%.


Segmento 1

Sector onde as pessoas trabalham: Indústria (41,3%).

Maior quota de rendimento auferido na classe de 1000€ a 1500€: 45,7%. Rendimento médio de
1.502€ (segundo mais elevado).

Forte incidência de trabalhadores não especializados (35,2%) e administrativos (31%). É, contudo, o


segmento onde existe a maior quota de ENI e profissionais liberais (26,6%)

O artigo mais adquirido com o recurso ao crédito é o computador: 24,2%.

É o segmento com mais operações sem juros: 80,5% (idêntico ao segmento 3).

28,5% dos créditos efectuados estão no intervalo de 600€ a 1000€. Valor médio do 1º crédito é de
794€.

Maior representatividade na categoria de Prazo de Crédito entre 12 a 24 meses: 18,4%.

Numero médio de anos no emprego de 11,92 (o segunda mais elevado).

96,2% dos clientes são bons pagadores e 75,3% nunca tiveram um recibo devolvido.

97
Tabela 5.19– Resumo do segmento 2

Descrição do segmento 2

Segmento com o segundo maior nº de registos: 24,8%.

Género homens: 57,5%.

Os clientes têm a sua residência localizado essencialmente em Lisboa (21,5%) e Porto (20,9%).

A classe de idade com maior representatividade é a de 26 a 35 anos (32,9%). A média de idade é de


41,06 anos.

Os casados com comunhão de adquiridos representam 63,7% do segmento.

O agregado familiar é composto por duas pessoas (38,3%) e a média é de 2,25 pessoas.
Segmento 2

O tipo de propriedade que predomina é o sem hipoteca (38,7%) com uma presença importante de
inquilinos (16,5%).

Sector onde as pessoas trabalham: Outros (Segurança, serviços domésticos, desporto, espectáculos,
etc.): 41,3%. Apesar de ter uma quota apenas de 8,4% da construção civil, absorve o maior
percentagem (40,2%) destes trabalhadores.

Observa-se a maior incidência de trabalhadores não especializados (54,9%)

Segunda maior quota de rendimento auferido na classe até 1.000€ : 55,2%.

O artigo mais adquirido com o recurso ao crédito é o computador: 21,4%.

Permanecem em média 9,6 anos no emprego.

33,6% dos créditos efectuados estão no intervalo até 400€. Valor médio do 1º crédito é de 703€.

A prestação mensal com o crédito à habitação é de 319€.

Maior concentração de clientes maus pagadores (32,2%) - idêntico ao do segmento 4.

98
Tabela 5.20– Resumo do segmento 3

Descrição do segmento 3

E o segmento mais pequeno com 11,2% dos registos.

Observa-se um equilíbrio entre géneros: Mulheres com 48,9% e homens com 51,1%.

Apresenta a idade média mais elevada: 60,35 anos.

Tem a maior quota de clientes localizado em Lisboa (24,6%).

A classe de idade com maior representatividade é a de mais de 55 anos (79,9% - maior na classe).

Casados com comunhão de adquiridos: 66,3% de quota.

Tem a maior percentagem com 2 pessoas (62,1%) na variável Nº de componentes do agregado


familiar.

Tipo de propriedade sem hipoteca: 69,3% - é a maior percentagem dos vários segmentos.

As pessoas trabalham na sua esmagadora maioria na Função pública: 98,7%.


Segmento 3

É o segmento com a maior incidência de reformados com 68,6%.

A classe de rendimentos mais representativa neste segmento é a de até 1.000€ (41,4%). Rendimento
médio de 1.384€.

O artigo mais adquirido com o recurso ao crédito é o televisor: 18%.

Permanecem em média 7,74 anos no emprego.

Tem em média 1,86 pessoas por agregado familiar, dos mais baixos dos 5 segmentos.

30,5% dos créditos efectuados estão no intervalo até 400€. Valor médio do 1º crédito é de 767,11€.

O valor médio do recibo emitido é de 81,15€.

Utilizam proporcionalmente mais operações sem juros (80,3%), juntamente com segmento 1.

Tem o menor valor médio da prestação mensal do crédito à habitação – 289€, dos mais baixos dos 5
segmentos.

Detém a maior concentração de clientes que pagam bem (97,6%) sendo também o segmento com a
melhor percentagem de clientes que sempre pagaram a tempo e horas as suas prestações (80,5%).

99
Tabela 5.21– Resumo do segmento 4

Descrição do segmento 4

Percentagem de homens no segmento: 56,3%.

Tem a idade média mais baixa: 31,97 anos.

É um segmento composto quase só por solteiros: 88%.

Com uma maior quota de clientes localizado em Lisboa (24,2%) e Porto (19,3%).

A classe de idade com maior representatividade é a de 26 a 35 (63,9% - maior dos segmentos).

O agregado familiar é composto apenas por uma pessoa (91,6%).

77,2% das pessoas vivem em casa de familiares.

Sector onde as pessoas trabalham: Outros (Segurança, serviços domésticos, desporto, espectáculos,
etc.): 41,3%.

É o segmento com a maior incidência de empregados não especializados com 59%. Tem também a
Segmento 4

maior distribuição de trabalhadores a prazo (33,3%).

Tem a maior quota de rendimento na classe até 1.000€: 88%. Rendimento médio de 784€ é o mais
baixo de todos os segmentos.

O artigo mais adquirido com o recurso ao crédito é o equipamento fotográfico: 26,4%.

Tem o valor mais baixo de permanência no emprego: 5,08 anos

Observa-se a maior quota de operações com juros: 35,4%.

40,5% dos créditos efectuados estão no intervalo até 400€.O valor medo do crédito é de 607€, valor
mais baixo dos 5 segmentos.

Apresenta o menor valor médio da prestação mensal do crédito à habitação: 274€.

É o segmento com o valor médio por recibo mais baixo (63,86€).

Tem a maior quota de operações de crédito com prazos até 12 meses (86,1%).

É o segmento onde existe a maior percentagem de clientes incumpridores (8,9%) sendo também o
segmento com o pior registo de clientes que sempre pagaram a tempo os seus recibos (66,5%).

100
Tabela 5.22– Resumo do segmento 5

Descrição do segmento 5

Detém o maior peso do género mulheres: 52,9%, único segmento onde as mulheres têm maior
representatividade.

O local de residência está essencialmente repartido entre Lisboa (18,9%), Porto (18,8%) e Aveiro
(16,9%).

A classe de idade com maior representatividade é a de 46 a 55 anos (33,6%).

A média de idade é de 47,93 anos.

Os casados com comunhão de adquiridos representam 84,3% da variável estado civil.

O agregado familiar é composto apenas por uma pessoa (91,6%) com um nº médio de 2,65 pessoas.

O tipo de habitação predominante é o com hipoteca: 46,1%.

Sector onde as pessoas trabalham: Função publica (72,7% - segmento com a segunda maior
representatividade de pessoas a trabalhar na função pública).
Segmento 5

A classe de rendimentos mais representativa neste segmento é a de 1000€ a 1500€ (37,5%). É o


segmento com o rendimento médio mais elevado no valor de 1.543€. Tem também a maior quota de
agregados com rendimentos acima de 2.000€: 17,3%.

Forte incidência de trabalhadores administrativos (32,2%) e quadros intermédios e altos (31,3%).

O artigo mais adquirido com o recurso ao crédito é o computador: 20,2%.

É dos segmentos com mais operações sem juros: 79,6%.

28,5% dos créditos efectuados estão no intervalo até 400€ e 25,4% no intervalo 601€ a 1.000€. Tem o
maior valor médio do 1º crédito com 798€

80,1% dos créditos (1ª compra) são efectuados até ao prazo de 12 meses.

É o segmento com a maior estabilidade no emprego: 15,39.

Tem o maior valor médio da prestação mensal do crédito à habitação (381€).

Apresenta o recibo médio a pagar mais elevado (81,82€).

Tem apenas 3,2% de clientes que não honraram os seus compromissos e cerca de 79% dos clientes
pagaram sempre sem qualquer atraso.

101
6. Conclusão
6.1. Segmentação de mercado

Na linha de Kotler et al. (2008), e enquanto estratégia de marketing, a análise de mercado


deve preceder o desenvolvimento das ofertas de modo a permitir a aplicação de programas
de marketing diferenciados para cada um dos segmentos. Recorde-se que a segmentação de
mercados é um dos quatro passos no desenvolvimento de uma estratégia de marketing
orientado para o cliente: Segmentação, targeting, diferenciação e posicionamento.

Descendo um pouco na análise, após a identificação de grupos de consumidores


homogéneos, é crucial verificar que são grupos mensuráveis, com uma natureza e
dimensão suficientes para serem rentabilizados pelas organizações, que sejam
conceptualmente distinguíveis e que respondam de forma diferenciada aos estímulos de
marketing. Em função dos resultados obtidos, discutidos mais à frente, os segmentos
identificados neste estudo obedecem a estes requisitos. Importa chamar a atenção para o
facto de estas exigências serem muito dependentes da base (variáveis ou critérios) e dos
métodos usados para os definir. Como seria expectável, a selecção do método de
classificação irá depender das propriedades específicas das bases de segmentação
utilizadas e dos objectivos a atingir com o projecto em questão.

É prática comum recorrer-se às variáveis demográficas, geográficas, socioeconómicas,


comportamentais e psicográficas como critérios de segmentação. Para o presente trabalho
utilizou-se as primeiras 4. Seguindo a classificação dos critérios de segmentação de Wedel
& Kamakura (2000), as bases de segmentação utilizadas neste estudo foram as Gerais e
Observáveis (critérios demográficos, geograficos, socioeconómicas) e as Específicas do
produto Observáveis (comportamental). As bases utilizáveis neste estudo permitem uma
boa identificabilidade, sustentabilidade, acessibilidade e estabilidade dos segmentos
obtidos.

Após a definição das bases de segmentação a utilizar houve necessidade de se escolher um


método de análise classificatória. Optou-se por seguir a proposta de Hruschka (1986), i.e.,
agrupamento organizado em função do padrão de sobreposição dos grupos obtidos,
especificamente o agrupamento sobreposto, não sobreposto e difuso.

102
6.2. Crédito ao consumo

Apesar do crédito ao consumo existir há mais de 3000 anos (Lewis, 1992) a concessão de
crédito aos consumidores particulares de forma massificada é um fenómeno dos últimos 50
anos. O aparecimento dos cartões de crédito na década de 60 permitiu aos consumidores
comprarem praticamente tudo a crédito, desde um simples jantar, passando pela compra de
um livro ou de um computador e acabando nas viagens.

O crédito ao consumo assume uma importância muito grande na função procura, sendo um
factor relevante na dinamização das economias de mercado. Quando ocorrem problemas
do lado da oferta (actual crise financeira) ou do lado da procura (endividamento excessivo)
as economias ressentem-se, apresentando de imediato níveis de crescimento mais baixos,
inclusive taxas de crescimento negativas.

Do lado da procura, e segundo Modigliani e Brumberg (1954), a principal implicação do


comportamento de consumo suavizante, na perspectiva do ciclo de vida nas finanças de
uma família, traduz-se no facto de as pessoas pouparem para terem uma reforma. De
acordo com as hipóteses do Rendimento Permanente, a diferença entre rendimento e
consumo (poupança ou empréstimos) é determinada por considerações relacionadas com a
perspectiva de rendimentos futuros. Assim, as famílias escolhem o seu nível óptimo de
consumo em cada período sujeito a uma restrição orçamental inter-temporal, de forma a
controlar a sua volatilidade

Do lado da oferta, os principais problemas das entidades que fornecem o crédito são a
selecção adversa de consumidores, a questão do “moral hazard” e assimetria de
informação, tornando a concessão de crédito um processo complexo e difícil (Freixas &
Rochet, 1997).

Procedeu-se também a uma breve análise dos modelos de scoring, simplesmente uma
ferramenta estatística para estimar o risco de concessão de crédito, segmentando os clientes
que têm determinada probabilidade de incumprimento. De salientar que todos os registos
da base de dados utilizada neste estudo passaram pelo crivo de sistemas de scoring, i.e., na
base de dados apenas temos clientes aos quais o scoring apresentou uma baixa
probabilidade de incumprimento.
103
6.3. Principais resultados obtidos

Antes de se passar à análise dos resultados obtidos importa salientar que o objectivo do
estudo era a classificação dos clientes da base de dados, em função das bases gerais e
específicas observáveis, em dois ou mais segmentos de forma a identificar perfiles de
clientes homogéneos entre si e diferenciados entre os segmentos. O segundo objectivo era
ver se existem diferenças de comportamento dos clientes nos diferentes segmentos.

De acordo com Myers (1996), se os segmentos obtidos não tiverem necessidades, valores e
desejos diferentes, não responderem de forma diferenciada a programas de marketing
específicos, se não forem úteis em termos de planeamento de marketing, então não os
poderemos considerar como segmentos de mercados e não serão úteis para os gestores.
Esta mensagem norteou todo o trabalho de análise dos 5 segmentos identificados,
indagando sobre se para alem de serem estatisticamente significativos para um nível de
significância de 1%, eram também ao nível da gestão válidos e úteis para um gestor.

Como já se teve a oportunidade de referir chegou-se a um resultado final de 5 segmentos


com os seguintes perfiles e comportamento:
- Segmento 1 (É o maior segmento com 27,6% dos registos)
• Perfil médio
 Preponderância forte do género masculino (74%), localizada
essencialmente no Porto (20,8%) e Aveiro (19,1%), com uma média de
idade de 42,7 anos, casados com comunhão de adquiridos e com a
percentagem mais elevada de registos com 4 ou mais agregados na
família (média de 3 pessoas por agregado familiar);
 Aufere em média 1502€, trabalha na indústria (41,3%), tem uma
profissão não especializada ou a administrativa e tem uma hipoteca para
com o banco (73,5%).
• Comportamento
 O produto que mais compra com recurso ao crédito é o computador
(24%) por um valor médio de 794€, utilizando para isso um prazo

104
médio de 11,6 meses aproveitando ao máximo as facilidades de
aquisição a crédito sem juros (80,5%);
 Em função do perfil e tipo de crédito (sem juros) a que recorre seria
de esperar um bom comportamento de pagamento, o que se vem a
comprovar com uma taxa de clientes bons pagadores acima da
média (75,3% vs a média de 73,8%)

- Segmento 2 (É o segundo maior segmento com 24,8% dos registos)


• Perfil médio
 57% de homens, localizados essencialmente em Lisboa (21,5%) e
Porto (20,9%), com uma média de idade de 41 anos mas com a
maior percentagem de clientes entre os 26 a 35 anos (32,9%)
casados com comunhão de adquiridos (63,7%) e com uma média de
2,25 pessoas por agregado familiar;
 Aufere em média 1.082€ e trabalha em actividades como a
segurança, serviços domésticos, desporto e espectáculos (41,3%),
tem uma profissão não especializada (54,9%). Há também um
elevado nº de trabalhadores que trabalham na construção civil.
Pessoa que vive maioritariamente em casa sem hipoteca (38,7%) ou
alugada (16,5%).
• Comportamento
 O produto que mais compra com recurso ao crédito é o computador
(21%,) por um valor médio de 703€. Contudo, 33,6% dos seus
créditos estão inseridos no intervalo até 400€;
 Em função do perfil e tipo de crédito (com juros e de baixo valor) a
que recorre seria de esperar fraco comportamento de pagamento, o
que se vem a comprovar com uma taxa de clientes com algum tipo
de atraso de 27,3% acima da média de 26,2%.

- Segmento 3 (É o segmento mais pequeno com 11,2% dos registos)


• Perfil médio
 Há um equilíbrio entre géneros (48,9% de mulheres), localizados
essencialmente em Lisboa (24,6%), reformados (68,6%) e por isso

105
com a média de idade mais elevada (60,3 anos), o agregado familiar
é maioritariamente constituído por 2 pessoas (62,1%), casados com
comunhão de adquiridos (66,3%);
 Aufere em média 1.384€ e trabalha na função pública (98,7%).
Pessoa que vive maioritariamente em casa sem hipoteca (68,6%).
• Comportamento
 O produto que mais compra com recurso ao crédito é a Televisão
(18%) por um valor médio de 767€. Saliente-se que 30,5% dos seus
créditos estão inseridos no intervalo até 400€.
 Em função do perfil e tipo de crédito (sem juros) a que recorre seria
de esperar bom comportamento de pagamento, o que se vem a
comprovar com a melhor taxa de clientes cumpridores, que nunca
tiveram nenhum recibo devolvido (97,6%).

- Segmento 4 (É o terceiro maior segmento com 19% dos registos)


• Perfil médio
 56,3% de homens, solteiros (88,1%) localizados essencialmente em
Lisboa (24,2%) e Porto (19,3%), com uma média de idade de 32
anos. O segmento tem a maior percentagem de clientes até 25 anos
(15,6%) e entre os 26 a 35 anos (32,9%), com 91,6% das famílias
apenas com um elemento a fazer parte do agregado familiar.
 Aufere o rendimento mais baixo, em média 784€ e trabalha em
actividades como a segurança, serviços domésticos, desporto e
espectáculos (41,3%), tem uma profissão não especializada (59% - a
maior dos 5 segmentos). É o segmento com maior percentagem de
pessoas a trabalhar com contrato de trabalho com prazo definido
(33,3%). Pessoa que vive maioritariamente em casa de familiares
(77,2%).
• Comportamento
 O produto que mais compra com recurso ao crédito é a máquina
fotográfica (26,4%,) por um valor médio de 607€. Contudo, 40,5%
dos seus créditos estão inseridos no intervalo até 400€;

106
 Quer o perfil quer o tipo de credito (com juros (27,5% - maior
quota) e de baixo valor) indiciam claramente um comportamento
muito fraco ao nível do cumprimentos dos créditos assumidos. Os
dados validam esta análise ao apresentar para este segmento a pior
percentagem de clientes que sempre pagaram sem atrasos (apenas
66,5%) e a mais elevada taxa de clientes que ainda deviam dinheiro
às IC.

- Segmento 5 (É o segundo segmento mais pequeno com 17,5% dos registos)


• Perfil médio
 É o único segmento onde predominam as mulheres, casados com
comunhão de adquiridos (84,3%), com residência dispersa por
Lisboa, Porto e Aveiro, com uma média de idade de 42,7 anos. O
segmento tem a maior percentagem de clientes até 25 anos (15,6%).
Mais de 42% dos clientes pertencem a um agregado familiar com 2
pessoas (média 2,65)
 Aufere o rendimento mais elevado, em média 1.543€ e
predominantemente na função pública (72,7%) e desempenham
funções de nível alto e intermédio (31,3%). Tem a maior quota de
pessoas com rendimentos acima dos 2.000€. Pessoa que vive
maioritariamente em casa própria sem hipoteca (46,1%). É ainda o
segmento onde existe mais estabilidade ao nível do emprego com
um prazo médio de permanência na actual empresa de 15,39 anos.
• Comportamento
 O produto que mais compra com recurso ao crédito é o computador
(20,2%,) por um valor médio de 798€.
 A par do segmento 3 é onde se encontra as melhores performances
ao nível do pagamento dos créditos. Inclusive, em função do perfil
deste segmento (um pouco melhor que o do segmento 3 em termos
de concessão de crédito) seria de esperar um comportamento de
pagamento melhor que o do segmento 3. No entanto, a explicação
poderá estar relacionada com a própria dimensão do segmento 3,
pequena e que comporta apenas (quase) funcionários da função

107
pública. No segmento 5 apesar de predominar o perfil já descrito, há
ainda a presença de outros perfiles mesclados que poderão estar a
prejudicar a performance ao nível dos pagamentos. Apesar disso,
96,8% dos clientes liquidaram as suas dívidas com 79,1% de
clientes que nunca tiveram nenhum recibo devolvido.

Ao nível das ilações para a gestão que se podem retirar dos resultados a que se chegou,
pode-se concluir que o presente estudo comprovou o conhecimento estabelecido na
indústria do crédito ao consumo, nomeadamente:
- Que os jovens têm maior risco de crédito, quer pelos menores níveis de rendimento
auferidos, passando pela maior instabilidade de emprego, maior incidência de
contratos de trabalho a termo e menor nº de anos no emprego. Refira-se que os
jovens tendem a solicitar mais créditos de forma a suavizar o consumo durante o
ciclo de vida melhorando assim o seu estilo de vida, conforme a teoria do ciclo de
vida. Os resultados do estudo corroboram o trabalho de Boyes et al. (1989) segundo
a qual existe uma relação negativa entre a probabilidade de incumprir e a idade e o
estar casado.
- Um dos importantes motivos para os funcionários públicos apresentarem uma boa
performance no pagamento dos créditos é o facto de não correrem o risco de
perderem o emprego. Sabe-se que um dos motivos que mais contribui para o
excesso de endividamento e incumprimento é justamente o desemprego (Centro de
estudos Sociais, 2008).
- Os reformados têm um bom desempenho na hora de pagar os seus créditos, i.e.,
atrasam-se menos a pagar as mensalidades e há uma menor taxa de incumprimento
definitivo. A este facto também não será alheio a questão da segurança dos
rendimentos auferidos, semelhante aos funcionários públicos;

Não se conseguiu confirmar com este estudo as conclusões do trabalho de Crook et al.
(1992) no qual afirmaram que existia uma relação negativa entre probabilidade de
incumprir e a estabilidade das famílias medido através dos anos no emprego. No presente
estudo, aparecem dois segmentos com resultados diferentes: o segmento 3 com um nível
reduzido de anos de emprego (segundo mais baixo) tem a melhor performance no
cumprimento, enquanto o segmento 5 com a mais elevada estabilidade (nº de anos no

108
emprego) apresenta bons níveis de cumprimento. Apesar desta inconsistência, e se não se
considerasse o segmento 3, os outros 4 cumprem com relação defendida por Crook et al.
(1992): mais estabilidade menor probabilidade de incumprimento.

Segundo Bridges e Disney (2003) o rendimento mensal auferido é uma das variáveis
utilizadas nos modelos de scoring de previsão de mora. Da análise aos resultados pode-se
concluir que existe uma correlação negativa entre rendimento auferido e incumprimento.
Os segmentos com maior rendimento (3 e 5) têm as menores taxas de incumprimento. Os
segmentos com menor nível de rendimento (2 e 4) apresentam índices de incumprimentos
mais elevados.

Uma característica que também é identificada como causador de incumprimento é o


divórcio (Thorne & Warren, 2008), justificando-se pela quebra abruta dos rendimentos não
acompanhado na mesma medida pelos encargos. Da análise aos resultados não podemos
retirar conclusões já que os divorciados estão mais representados em dois segmentos com
comportamentos antagónicos, ou seja, no segmento 3 (com 14,3%) com os melhores níveis
de cumprimento e no segmento 2 com uma das piores performances em termos de
pagamento.

Saliente-se ainda que os segmentos onde predominam as denominadas operações sem juros
têm um melhor comportamento de pagamento. Esta constatação poderá ser explicada pelo
facto de as pessoas que recorrem ao crédito sem juros poderem estar a fazê-lo não por uma
necessidade de recorrer ao crédito para a aquisição do produto mas pelos simples facto que
pagando a pronto ou a crédito o preço cobrado pelos retalhista na maioria das vezes ser o
mesmo. Trata-se de uma escolha racional já que entre pagar hoje 100€ ou daqui a um ano
os mesmos 100€, será preferível fazê-lo dentro de um ano.O resultado desta lógica acaba
por resultar em perfiles com melhor qualidade em termos de risco de crédito.

Outra relação interessante encontrada nos resultados foi a observação de que os segmentos
com os maiores valores de mensalidade no crédito à habitação são os que apresentam taxas
de incumprimento mais baixas. Pode-se inferir que quanto maior o valor mensal a pagar do
crédito à habitação, com os seus devidos limites, melhor será o perfil do cliente. Não se
poderá esquecer que esse crédito à habitação teve que ser previamente avaliado por um

109
banco o que desde logo implica uma triagem nos perfiles dos clientes, i.e., quem tem
acesso a um crédito de valor mais elevado terá, em teoria, maiores probabilidades de
cumprir.

De forma mais resumida pode-se caracterizar o perfil dos clientes nos 5 segmentos da
seguinte forma:
- Segmento 1: Forte predominância dos homens, com residência concentrada no Porto e
Aveiro, com uma idade média de 42 anos, casados com comunhão de adquiridos, com
2 ou mais dependentes e com casa com hipoteca.
- Segmento 2: Maior presença de homens com idades no intervalo dos 26 a 35 anos,
com residência entre Lisboa e Porto, casados com comunhão de adquiridos mas sem
dependentes. Vivem em casas sem hipoteca e alugadas e trabalham em actividades
como a segurança e serviços domésticos).
- Segmento 3: Existe um equilibro entre mulheres e homens, com uma idade média
elevada (60 anos), vivem em Lisboa em casas sem hipoteca e são funcionários públicos
ou reformados.
- Segmento 4: Predominam os solteiros com uma idade entre os 26 a 35 anos, vivem em
casa dos familiares, são trabalhadores não especializados e com contratos a termo, com
um baixo nível de rendimento.
- Segmento 5: Mulher com uma idade média de 48 anos, a viver em Lisboa / Porto /
Aveiro, casada com comunhão de adquiridos, trabalhando na função pública e vivendo
em casa com hipoteca. Tem um nível de rendimento acima dos 2.000€.

6.4. Limitações /sugestões para investigação futura

As limitações que serão apontadas servirão também como linhas orientadoras para
possíveis desenvolvimentos em futuros trabalhos:
- A ausência de uma base de dados com clientes a quem as IC lhes recusaram
conceder crédito para assim se poder comparar os perfiles com os da base de dados

110
utilizada neste trabalho (clientes a quem lhes foram concedidos créditos). Seria
interessante testar as conclusões de Bridges e Disney (2003) onde afirmaram que o
desemprego e as questões relacionadas com o facto de possuírem ou não habitação
própria, para poderem utilizá-la como garantia para empréstimos, são factores de
restrição ao crédito. Através da base de dados com as operações recusadas poder-
se-ia confirmar aquelas conclusões.
- Análise das possíveis relações existentes entre as várias bases de segmentação de
forma a tentar descobrir padrões e/ou comportamentos distintos, i.e., perceber se
um cliente com determinada característica (idade, com residência no Algarve, com
ou sem filhos, etc.) tem mais ou menos probabilidade de recorrer ao crédito, de
optar por prazos mais longos ou de pagar melhor;
- Na sequencia do estudo de Thomas et al. (2002), seria interessante ter disponível
outras variáveis que medissem melhor os factores económicos (mercado de acções,
da habitação, confiança dos consumidores e taxas de juros) para testar se, como
afirmam, os factores demográficos, ainda que importantes, são secundários em
relação aos factores económicos;
- Uma das conclusões que não se pôde retirar deste estudo, devido à falta de
informação mais completa ao nível da riqueza de cada agregado familiar, é o do
comportamento do crédito em função da riqueza das famílias;
- Procurar através de 3 segmentos identificar os perfiles dos clientes que cumpriram
sempre com os seus compromissos mensais, aqueles que cumpriram mas com
atrasos e aqueles que não pagaram. Confrontar estes perfiles com os 5 obtidos neste
trabalho com o objectivo de encontrar possíveis semelhanças com os segmentos
com melhor e pior performance ao nível de pagamentos.
- A maior parte dos estudos efectuados nos EUA encontram um efeito positivo mas
não linear do rendimento no recurso ao crédito, independentemente do tipo de
crédito (Crook, 2003), havendo apenas um estudo de Cox e Jappelli (1993) que
encontra um efeito negativo, podendo reflectir as expectativas de aumento de
rendimentos no futuro, e por isso, as famílias com baixos rendimentos recorrerão
ao crédito para suavizar o padrão de consumo. Como não se tinha uma variável que
medisse o nível de endividamento dos consumidores não foi possível confirmar ou
não os trabalhos de Crook, Cox e Jappeli, Magri e Padula.

111
Bibliografia
Abell, D. F. (1978). Strategic windows. Journal of Marketing, pp. 21-26.

Alary, D. & Gollier, C. (2001). Strategic Default and Penalties on the Credit Market with
Potential Judgment Errors. EUI working paper.

Ali, J. &Rao, C. (2001). Micro-market segmentation using a neural network model


approach. Journal of International Consumer Marketing, 13, pp. 7-27.

Anderson, R. (2007). The credit scoring toolkit: Theory and practice for retail credit risk,
management and decision automation. UK: Oxford University Press.

Andrade, F. W. M. & Sicsú, A. L. (2008). A credit risk model for consumer loans
portfolios.Latin American Business Review (Binghamton).

Arabie, P., Douglas, C. J., Desarbo, W. & Wind, J. (1981). Overlapping clusters: A new
method for product positioning. Journal of Marketing Research, 18, pp. 310-317.

Assael, H. & Roscoe, M. (1976). Approaches to market segmentation analysis. Journal of


Marketing, 40 (4), pp. 67-77.

Attanasio, O. (1999). An essay on the Life Cycle: Characterizing intertemporal behavior


with uncertainty, human capital, taxes, durables, imperfect capital markets, and non-
separable preferences. Thomas MaCur. Research in Economics, Elsevier, 53(1), pp.
1-3.

Banco de España (2005). The impact of unsecured debt on financial distress among british
households (Documentos de trabajo nº 0512). Espanha: Río, A. & Young, G.

Bank For International Settlements (2004). Consumer credit scoring: Do situational


circumstances matter? (BIS Working Papers, 146). Basel, Switzerland: Avery, R. B.,
Calem, P. S. & Canner, G. B.

Bertola, G. & Hochguertel, S. (2005). Household Debt and Credit. LSW White paper.

Bertola, G., Disney, R & Grant, C. (Eds.). (2006). The economics of consumer credit.
Cambridge, Massachusetts: MIT Press.

112
Bertola, G., Hochguertel, S. & Koeniger, W. (2005). Dealer Pricing Of Consumer Credit.
International Economic Review, 46 (4), pp. 1103-1142.

Bijmolt, T. H. A., Paas, L. J. &Vermunt, J. K. (2003). Country and consumer


segmentation: Multi-level latent class analysis of financial product Ownership.
Tilburg University, 75.

Blattberg, R. C. (1974). Market segmentation using models of multidimensional


purchasing behavior. Journal of Marketing, 38, pp. 17-28.

Blozan, W. & Prabhaker, P. (1984).Notes on aggregate criteria in market segmentation.


Journal of Marketing Research, 21, pp. 332-335.

Boyes, W. J., Hoffman, D. L. & Law, S. A. (1989). Econometric analysis of bank scoring
problems. Journal of Econometrics, 40, pp.3-14.

Bridges, S. & Disney, R. (2003). Use of credit and arrears on debt among low income
families in the United Kingdom. UK: University of Nottingham, School of
Economics.

Brito, D. L. & Hartley, P. R. (1995).Consumer rationality and credit cards. Journal of


Political Economy, 103 , pp. 400-433.

Brochado, A. O. (2002). A segmentação de Mercado: Bases de segmentação e métodos de


classificação – Aplicação ao Mercado de vinho verde. Dissertaçao de mestrado não
publicada, Escola de Gestão do Porto, Portugal.

Brochado, A. O. & Martins, F. V. (2008). Aspectos metodológicos da segmentação de


Mercado: Base de segmentação e métodos de classificação. Porto, Portugal: FEP
Working Papers, 261.

Brusco, M. J., Cradit, J. D. &Stahl, S. (2002, ). A simulated annealing heuristic for a


bicriterion partitioning problem in market segmentation. Journal of Marketing
Research, 39, pp. 99-109.

Camões, F. & Hill, M. M. (2001). Prediction of loan defaults using a credit card scoring
model incorporating worthiness. Lisboa: UNIDE-ISCTE Working Paper.

Cano, C. R. (2003). The recent evolution of market segmentation concepts and thoughts
primarily by marketing academics. In The romance of Marketing History, pp. 119-
130.

113
Centre of European Policy Documents (2009). Consumer bankruptcy regimes and credit
default in the US and Europe: A comparative study (Working document nº 318).
Brussels, Belgium: Gerhardt, M.

Centro de Estudos Sociais (2008). Um perfil dos sobrendividado sem Portugal. Coimbra,
Portugal: Frade, C., Lopes, C., Jesus, F. & Ferreira, T.

Clancy, K. J. & Roberts, M. L. (1983). Toward an optimal market target: A strategy for
market segmentation. The Journal of Consumer Marketing, 1, pp. 64-66.

Claycamp, J. H. & Massy, F. W. (1968).A theory of market segmentation. Journal of


Marketing Research, 5, pp. 388-394.

Consumer Credit in Europe: Riding the Wave. Mercer Oliver Wyman. Europe Credit
Research Institute (ECRI), 2005

Consumer Finance in Europe: Back to reality. (2008). European Financial Management


and Marketing Association (EFMA).

Cox, D. & Jappelli, T. (1993). The Effect of Borrowing Constraints on Consumer


Liabilities. Journal of Money, Credit and Banking, 25 (2), pp. 197-213.

Crook, J. N., Hamilton, R. & Thomas, L. C. (1992). Alternative definitions of default: A


comparison of discriminators under alternative definitions of credit default. In
Thomas, L. C., Crook, J. C. & Edelman, D. B. (Ed.), Creditscoring and credit
control, pp- 217-245, Oxford University Press.

Crook, J.N.(2005) The demand and supply of household: debt a cross country comparison.
In Bertola, G., Disney, R & Grant, C. (2006). The economics of consumer credit
demand and supply, (pp. 1-26). Cambridge, Massachusetts: MIT Press.

Crook, N. J, Edelman, D. B. & Thomas, L. C. (2006). Developments in consumer credit


risk assessment. University of Southampton, Centre for Risk Research Working
Papers School of Management.

Deaton, A. (1992). Understanding Consumption. Oxford: Clarendon Press.

Debelle, G.(2004). Macroeconomic implications of rising household debt.BIS Working


Papers 153, Bank for International Settlements.

114
Del’Ariccia, G. (2001). Asymmetric Information and the Structure of the Banking
Industry. European Economic Review, 45, pp. 1957–1980.

Desarbo, W. S., & Wu, J. (2001). The joint spatial representation of multiple variable
batteries collected in marketing research. Journal of Marketing research, 38, pp.
244-253.

Dhalia, N. K. & Mahatoo, W. H. (1976). Expanding the scope of segmentation research.


Journal of Marketing, 40, pp. 34-40.

Dibb, S. (1999). Criteria guiding segmentation implementation: Reviewing the evidence.


Journal of Strategic Marketing, 7 (2), pp. 107-129.

Dibb, S. (2005). Market segmentation implementation barriers and how to overcome them.
The Marketing Review, 5, pp. 13-30.

Dibb, S. & Simkin L. (1994). Implementation Problems in Industrial Market


Segmentation, Industrial Marketing Management, 23, pp. 55-63.

Dibb, S. & Simkin, L. (2001). Marketing segmentation: Diagnosing and treating the
barriers. Industrial Marketing Management, 30, pp. 609-625.

Dickson, P. R. (1982). Person-Situation: Segmentation's Missing Link.Journal of


Marketing,46, pp. 56-64.

Dickson, P. R. & Ginter J. L. (1987): Market segmentation, product differentiation, and


marketing strategy. Journal of Marketing, pp. 1-10.

Dittmar, H. (2000). The role of self-image in excessive buying. In Benson, A. L. (Ed.), I


Shop, therefore I am: Compulsive buying and the search for self, Jason Aronson Inc.,
Northvale, NJ, pp. 105-132.

Elliehasen, G. E. &Wolken, J. D. (1990).Market definition and product segmentation for


household credit. Journal of Financial Services Research, 4, pp. 21-35.

Eurofinas (2008). Dados estatísticos sobre o sector do crédito ao consumo na União


Europeia. Recolhido a 5 de Maio, 2009, de
http://www.eurofinas.org/index.php?page=key-facts-figures

115
European Central Bank (2006). Household debt sustainability: What explains household
non-performing loans? An empirical analysis (Working papers nº 570). Frankfurt,
Germany: Rinaldi, L. &Sanchis-Arellano, A.

European Credit Research Institute (2005). Consumer Credit in Europe: Riding the wave.
Mercer Oliver Wyman

European University Institute (2005). Household dept and credit (Finance and
Consumption in the EU Chair research program).Luxembourg Wealth meeting study
in Perugia: Bertola, G. &Hochguertel, S.

Fabbri, D. & Padula, M. (2004). Does poor legal enforcement make households credit-
constrained?. Journal of Banking and Finance, 28 (10), pp. 2369-2397.

Finlay, S. (2008). The management of consumer credit. UK: Palgrave Macmillan

Finlay, S. (2009). Consumer credit fundamentals (2nd ed.). UK: Palgrave Macmillan

Frank, R. E., Massy W. F. & Wind, Y. (1972). Market Segmentation.Engelwood Cliffs:


Prentice-Hall.

Frederick, S., Loewenstein, G. & O’Donoghue, T. (2002). Time discounting and tine
preference: A critical review. Journal of Economic Literature, 40 (2), pp. 351-401.

Freixas, X. & Rochet, J. C. (1997). Microeconomics of banking. Cambridge,


Massachusetts: MIT Press.

Fullerton,R. A. (1988). How modern is marketing? Marketing’s evolution and the myth of
“production era”. Journal of Marketing, 52, pp. 108-125.

Galitz, L. C. (1983). Consumer credit analysis. Managerial Finance, 9(3/4), pp. 27-33.

Gensch, D. H. (1985). Empirically testing a disaggregate choice model for segments.


Journal of Marketing Research, 22, pp. 462-467.

Goldberg, M. E. (1976). Identifying relevant psychographics segments – How specifying


product functions can help. Journal of Consumer Research, 3, pp. 163-171.

116
Grover, R. & Srinivasan, V. (1992). Reflections on “a simultaneous approach to market
segmentation and market structuring. Journal of Marketing Research, 24, pp. 474-
476

Haley, R. (1968). Benefit Segmentation: A Decision-oriented Research Tool. Journal of


Marketing, 32, pp. 30-35.

Haley, R. (1985). Benefit Segments: Backwards and Forwards.Journal of Advertising


Research, 24, No. 1, pp. 19- 25

Hanley, A., &Wilhelm, M. (1992). Compulsive buying: an exploration into self-esteem


and money attitudes. Journal of Economic Psychology, 13, pp.5-18.

Hoek, J., Gendall, P. &Esslemont, D. (1996). Market segmentation: A search for the Holy
Gray? Journal of Marketing Practice: Applied Marketing Science, 2 (1), pp. 25-34.

Hooley, G., Broderick, A. & Moller, K. (1998). Competitive positioning and the resource-
based view of the firm. Journal of Strategic Marketing, 6, pp. 97-115.

Institute for Financial Services (2003). Consumer overindebtedness and consumer law in
the European Union. Reifner, U., Kiesilainen, J., Huls, N. &Springeneer, H.

Jappelli, T. & Pagano, M. (2005). Role and effects of credit information sharing (CESF
Working paper 136).Fisciano, Italy: Università degli Studidi Salerno, Departamento
di Scienze Economiche

Jentzsch, N. & Riestra, A. S. J. (2003). Information sharing and its implications for
consumer credit markets: United States vs Europe. Paper prepared for the European
University Institute Workshop “The economics of consumer credit: European
experience and lessons from the U.S.”, Florence, Italy.

Kaiser, U. & Szczesny, A. (2000a). Einfache ökonometrische Verfahren für die


Kreditrisikomessung: Logit- und Probit-Modelle. Goethe Universit at Frankfurt am
Main, Working Paper Series: Finance and Accounting, 61,

Kamleitner, B. &Kirchler, E. (2007). Consumer credit use: A process model and literature
review. Revue Européenne de Pscologie Appliquée, 57, pp. 267-283

Kehoe, T. J. & Levine, D. K (1993). Debt-Constrained Asset Markets. Review of


Economic Studies, Blackwell Publishing, 60(4), pp. 865-88.

117
Ketchen, Jr D.J. & Shook, C. L. (1996). The application of cluster analysis in Strategic
Management Research: An analysis and critique. Strategic Management Journal, 17
(6),pp. 441–458.

Kirchler, E. & Hubert, A. C. (1989). Savings and investment decisions within private
households: Spouses’ dominance in decisions on various forms of
investment.Journal of Economic Psychology, 20 (5), pp. 499-519.

Komorád, K. (2002). On credit scoring estimation. Unpublished master’s thesis, Humboldt


University, Institute for Statistics and Econometrics, Berlin.

Kotler, P., Amstrong, G., Wong, V.,& Saunders, J. (2008).Principals of marketing


(5thEuropean Ed.). Prentice Hall.

Lea, S. E. G., Webley, P. & Levine, M. R. (1993). The economic psychology of consumer
debt. Journal of Economic Psychology, 14 (1), pp. 85-119.

Lending to Households in Europe (1995-2008), ECRI Statistical Package 2009, ECRI,


Brussels.

Lessig, V. P. (1975). A consistency between two different market segmentation


approaches. Review of Business an Economic Research, 11(2), pp. 82-88.

Lewis, E. M. (1992). An introduction to credit scoring (2nd Ed.). Athena Press.

Lewis, M (1990). The credit card industry: A history (1st Ed.). Twayne Publishers.

Li, I (2004).An essay on the economics of consumer debt. Unpublished doctoral


dissertation, Graduate School of Clemson University, USA.

Lien, C. (2005). Revisiting the problem of marketing segmentation: A new approach using
sel-organizing maps, a data mining technique, in database marketing. Unpublished
doctoral dissertation, Carleton University – Eric Sprott School of Business, Ottawa,
Canada.

MacLachlan, F. L. &Johansson, J. K. (1981).Market Segmentation with multivariate AID.


Journal of Marketing, 45 (1), pp. 74-84.

MaCraw, T. K. (2000). American business, 1920-2000: How it worked. Wheeling: Hartlan


Davidson, Inc.

118
Magri, S. (2002). Italian household’s debt: Determinants of demand and supply. Mimeo.
Rome: Bank of Italy.

Maki, D. M. (2000). The Growth of Consumer Credit and the Household Debt Service
Burden. Board of Governors of the Federal Reserve System Finance and Economic
Discussion Paper 2000-12 .

Malhotra, N. K. (2006). Pesquisa de Marketing: uma orientação aplicada. Tradução Laura


Bocco. 4ª edição. Porto Alegre: Bookman.

McCann, J. M. (1974). Market segment response to the marketing decision variables.


Journal of Marketing Research, 11, pp. 399-412.

McCrohoan, K. F. (1980). An application of the social character construct in market


segmentation. Journal of the Market Research Society, 22, pp. 263-280.

McNab, H. & Taylor, P. (2008). Consumer credit risk management. London: Global
Professional Publishing.

Mester, L. J. (1997). What’s the Point of Credit Scoring.Business Review, Federal Reserve
Bank of Philadelphia, September/October 1997.

Miller , S. J. (1978). Source of income as a market descriptor. Journal of Marketing


Research, 15, pp. 129-134.

Modigliani, F. (1966). The life cycle hypothesis, the demand for wealth, and the supply of
capital. Social Research, 33 (2), pp. 160-217.

Modigliani, F. & Brumberg, R. (1954). Utility analysis and the consumption function: An
interpretation of cross-section data. In Bertola, G., Disney, R & Grant, C. (2006).
The economics of consumer credit demand and supply, (pp. 1-26). Cambridge,
Massachusetts: MIT Press.

Montgomery and Weinberg (1979) “Toward Strategic Intelligence Systems”. Journal of


Marketing, 43, pp.41-52.

Moorthy, K. S. (1984). Market segmentation, self selection, and product line design.
Market Science, 3, pp. 228-247.

119
Myers, J. (1996). Segmentation and positioning for strategic marketing decisions. Chicago:
American Marketing Association.

Naseri, M. B. & Elliot, G. (2006). Market Segmentation Revisited: The predictive utility of
demographics. Macquarie University.

Oliver Wyman (2008). Consumer Finance in Europe: Back to reality. Coumaros, J.


&Zuccoli, L.

Olsson, C. (2002). Risk management in emerging markets. London: Pearson Education.

Plummber, J. T. ( 1974). The concept and application of life cycle style segmentation.
Journal of Marketing, 38 (1), pp. 33-37.

Qi , M. & Yang, S. (2003). Forecasting consumer credit card adoption: What can we learn
about the utility function? International Journal of Forecasting, 19 (1), pp. 71-85.

Ranyard, R. & Craig, G. (1995). Evaluating and budgeting with installment credit: An
interview study. Journal of Economic Psychology, 16 (3), pp. 449-467.

Rinaldi, L. & Sanchis-Arellano, A. (2006). Household Debt Sustainability: What Explains


Household Non-Performing Loans? An Empirical Analysis. ECB Working Paper
No. 570

Sausen, K. (2004). The resource-based and dynamic views as a foundation for a market
segmentation theory.Paper for Academy of Marketing Annual Conference 2004
“Virtue in Marketing”.

Scroggins, W. A., Fielding, W. T. & Clark, L. J. (2004). Borrower segmentation and credit
scoring in bank consumer lending. Jacksonville State University.

Sheth, J. N., Sisodia, R. S. &Sharma, A. (2000). The antecedents and consequences of


customer-centric marketing. Journal of the Academy of Marketing Science, 28, pp.
55-66-

Smith, W. (1956). Product differentiation and market segmentation as alternative


marketing strategies. The Journal of Marketing, pp. 3-8.

Sommers, M. &Barnes, J. (2003).Introduction to marketing(10th ed.). New York:


MacGraw-Hill.

120
Stavins (2000)

Stiglitz, J. E, &Weiss, A. (1981). Credit Rationing in Markets with Imperfect Information.


American Economic Review, 71 (3), pp. 393-410.

Sullivan, T., Westbrook, J. L. & Warren, E. (1989). As we forgive our debtors: Bunkruptcy
and consumer credit in America. New York: Oxford University Pres.

Teixeira, A. A. C. & Brochado, A. M. (2005). Quando o sonho se torna


realidade..:Avaliação estatística do impacto das tecnologias de informação nos
serviços de consulta externa hospitalar. Revista Poruguesa de Saúde Pública, 23 (1),
pp. 43-55.

Teixeira, A. A. C., Santos, P. & Brochado, A. B. (2008). International R&D Cooperation


between Low-tech SMEs: The Role of Cultural and Geographical Proximity'.
European Planning Studies, 16 (6), pp. 785- 810

Thomas, L. C. (2000). A survey of credit and behavioral scoring: forecasting financial risk
of lending to consumers, International Journal of Forecasting, 16, Pg. 149–172.

Thomas, L. C. (2003). Consumer credit modelling: context and current issues. Working
Paper presented on the Banff Credit Risk Conference 2003, Banff International
Research Station.

Thomas, L. C., Edleman, D. B. & Crook, J. N. (2002). Credit scoring and its applications.
Philadelphia, Penn.: SIAM.

Thomas, L. C., Ho, J. & Scherer, W. T. (2001). Time will tell: Behavioural scoring and the
dynamics of consumer credit assessment. IMA Journal of Management
Mathematics, 12, (1), pp. 89-103

Thomas, L., Thomas, S., Tang, L. & Gwilym, A. O. (2005). The impact of demographic
and economic variables on financial policy purchase timing decisions.Journal of the
Operational Research Society, 56, (9), pp. 1051-1062.

Thorne, D., Sullivan, A. T. & Warren, E. (2008). Generations of struggle. Washington,


DC: Research report, AARP-Public Policy Institute.

Tonks, D. G. (2004). Identifying market segments in consumer markets: Variable selection


and data interpretation. Lancaster University Management School. Working paper
28.

121
Tonks, D. G. (2009).Validity and the design of market segments. Journal of Marketing
Managment, 25, Nº 3-4, pp. 341-356.

Vandone, D. (2007). Consumer credit in Italy. Diffusion and territorial differences (paper
nº 3) .Milano: UniversitàdegliStudidiMilano.

Voorhees, C. M. (2006). A customer equity-based segmentation of service consumers: An


application of multicriterion clusterwise regression for joint segmentation settings.
Unpublished doctoral dissertation, The Florida State University College of Business,
Florida.

Webley, P. & Nyhus, E. (2001). Life-Cycle and Dispositional Routes into Problem Debt.
British Journal of Psychology, 92 (3). pp. 423-446.

Webley, Paul and Nyhus, Ellen (2001). Life-Cycle and Dispositional Routes into Problem
Debt. British Journal of Psychology, 92 (3).pp. 423-4

Wedel, M. (2002). Introduction to the special issue on market segmentation. International


Journal of Research in Marketing, 19, pp. 181-183.

Wedel, M., & Kamakura, W., (2000). Market segmentation: Conceptual and
methodological foundations (2nd Ed.). Boston: Kluwer Academic Publishers.

Weinstein, A. (1993). Market segmentation: Using demographics, psychographics and


other niche marketing techniques to predict and model consumer behavior.
(Rev.ed.). New York: MacGraw-Hill.

Weinstein, A. (2004). Handbook of market segmentation: Strategic targeting for business


and technology firms (3rd.ed.). New York: The Haworth Press Inc.

Wells, W.(1975). Psychographics: A critical review. Journal of Marketing Research, 23


(1), pp. 196-213.

Whitley, J., Windram, R. & Cox, P (2004). An empirical model of household arrears.
Working paper nº 214. Bank of England.

Wilkie, W. L. &Cohen, J. B.(1977). An overview of market segmentation: Behavioral


concepts and research approaches. Working Paper, Marketing Science Institute.

122
Wind, Y. (1978). Issues and Advances in Segmentation Research, Journal of Marketing
Research, vol. XV, pp. 317-337.

Wind, Y. (1978). Issues and advances in segmentation research. Journal of Marketing


Research, 15, pp. 317-337.

Wind, Y. (1978).Introduction to special section on market segmentation research. Journal


of Marketing Research, 15(3), p. 315.

Wind, Y. & Cardozo, R. (1974).Industrial market segmentation. Industrial Marketing


Management, 3, pp. 153-166.

Young, S., Ott, L. & Feigin, B. (1978).Some practical considerations in market


segmentation. Journal of Marketing Research, 15(3), pp.405-412.

123
Anexos
Escolhas das dimensões
Model Summary
Variance Accounted For
Cronbach's
Dimension Total
Alpha Inertia
(Eigenvalue)

1 ,774 3,374 ,307


2 ,720 2,892 ,263
3 ,667 2,540 ,231
4 ,590 2,156 ,196
5 ,580 2,116 ,192
6 ,557 2,026 ,184
7 ,553 2,012 ,183
8 ,553 2,010 ,183
9 ,551 2,003 ,182
10 ,548 1,993 ,181
11 ,471 1,749 ,159
12 ,298 1,372 ,125
13 ,272 1,329 ,121
14 ,175 1,189 ,108
15 ,158 1,167 ,106
16 ,153 1,162 ,106
17 ,109 1,110 ,101
18 ,086 1,084 ,099
19 ,055 1,053 ,096
20 ,051 1,048 ,095
21 ,046 1,043 ,095
22 ,033 1,031 ,094
23 ,029 1,027 ,093
24 ,022 1,020 ,093
25 ,014 1,013 ,092
26 ,011 1,010 ,092
27 ,005 1,004 ,091
28 -,001 ,999 ,091
29 -,002 ,998 ,091
30 -,004 ,996 ,091
Total 45,526 4,139
a
Mean ,375 1,518 ,138

124
Discrimination Measures
Dimension
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
CodPostalDistrito ,030 ,032 ,064 ,008 ,020 ,021 ,008 ,015 ,004 ,004 ,031 ,200 ,187 ,074 ,371 ,216
Género ,000 ,056 ,012 ,027 ,165 ,001 ,000 ,001 ,000 ,004 ,007 ,020 ,017 ,043 ,080 ,001
Idade2 ,450 ,296 ,044 ,011 ,016 ,003 ,001 ,001 ,000 ,003 ,091 ,245 ,041 ,115 ,012 ,161
EstadoCivil2 ,537 ,165 ,012 ,066 ,027 ,004 ,005 ,002 ,000 ,007 ,112 ,113 ,189 ,343 ,053 ,259
nº de componentes ,432 ,224 ,007 ,064 ,024 ,005 ,002 ,002 ,000 ,009 ,107 ,318 ,056 ,032 ,049 ,072
do agregado
(Binned)
Tipo de vivenda ,472 ,295 ,215 ,019 ,036 ,004 ,004 ,000 ,001 ,020 ,320 ,115 ,039 ,080 ,082 ,120
CredHabBin ,093 ,294 ,199 ,000 ,031 ,001 ,003 ,000 ,000 ,020 ,185 ,063 ,011 ,000 ,002 ,036
ActEconEmp2 ,371 ,520 ,700 ,864 ,869 ,980 ,988 ,994 ,998 ,958 ,362 ,037 ,061 ,039 ,027 ,004
rendimento2 ,298 ,067 ,061 ,011 ,002 ,002 ,001 ,001 ,001 ,004 ,004 ,016 ,012 ,040 ,071 ,062
Profissão2 ,308 ,419 ,483 ,207 ,054 ,026 ,011 ,001 ,000 ,006 ,160 ,198 ,191 ,093 ,026 ,165
Actividade ,383 ,525 ,742 ,877 ,872 ,980 ,988 ,994 ,998 ,958 ,372 ,046 ,524 ,329 ,393 ,066
económca empresa

Active Total 3,374 2,892 2,540 2,156 2,116 2,026 2,012 2,010 2,003 1,993 1,749 1,372 1,329 1,189 1,167 1,162

Discrimination Measures

17 18 19 20 21 22 23 24 25 26 27 28 29 30 Mean
CodPostalDistrito ,396 ,228 ,233 ,386 ,416 ,425 ,441 ,426 ,518 ,377 ,829 ,684 ,740 ,784 ,272
Género ,039 ,008 ,004 ,002 ,001 ,016 ,008 ,001 ,000 ,000 ,000 ,000 ,001 ,000 ,017
Idade2 ,040 ,218 ,119 ,098 ,038 ,150 ,011 ,237 ,036 ,012 ,017 ,017 ,001 ,004 ,083
EstadoCivil2 ,131 ,039 ,041 ,055 ,037 ,045 ,087 ,004 ,010 ,019 ,048 ,007 ,017 ,025 ,082
nº de ,005 ,298 ,007 ,006 ,018 ,002 ,012 ,017 ,003 ,002 ,005 ,000 ,002 ,032 ,060
componentes do
agregado
(Binned)
Tipo de vivenda ,036 ,019 ,024 ,024 ,121 ,006 ,002 ,003 ,001 ,001 ,003 ,007 ,006 ,005 ,069
CredHabBin ,000 ,000 ,001 ,001 ,007 ,003 ,001 ,001 ,000 ,000 ,000 ,000 ,000 ,002 ,032
ActEconEmp2 ,007 ,006 ,010 ,009 ,006 ,003 ,003 ,003 ,002 ,001 ,001 ,002 ,000 ,001 ,294
rendimento2 ,036 ,119 ,089 ,027 ,124 ,024 ,051 ,071 ,035 ,238 ,010 ,002 ,034 ,028 ,051
Profissão2 ,248 ,034 ,082 ,065 ,076 ,053 ,014 ,046 ,225 ,047 ,012 ,218 ,091 ,014 ,119
Actividade ,171 ,116 ,444 ,375 ,199 ,303 ,398 ,213 ,182 ,313 ,080 ,061 ,106 ,101 ,437
económca
empresa
Active Total 1,110 1,084 1,053 1,048 1,043 1,031 1,027 1,020 1,013 1,010 1,004 ,999 ,998 ,996 1,518

125
Multiple Correspondence

Iteration History

Variance Accounted For


Iteration
Number Total Increase Loss
a
100 1,517546 ,000010 9,482454

a. The iteration process stopped because the


maximum number of iterations was reached.

Output ACM

Iteration History

Variance Accounted For


Iteration
Number Total Increase Loss
a
28 3,133138 ,000010 7,866862

a. The iteration process stopped because the


convergence test value was reached.

Model Summary

Variance Accounted For

Dimensi Cronbach's Total


on Alpha (Eigenvalue) Inertia

1 ,774 3,374 ,307

2 ,720 2,892 ,263

Total 6,266 ,570


a
Mean ,749 3,133 ,285

a. Mean Cronbach's Alpha is based on the mean


Eigenvalue.

126
Model Summary

Variance Accounted For

Dimensi Cronbach's Total


on Alpha (Eigenvalue) Inertia

1 ,774 3,374 ,307

2 ,720 2,892 ,263

Total 6,266 ,570


a
Mean ,749 3,133 ,285

a. Mean Cronbach's Alpha is based on the mean


Eigenvalue.

Género

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

masculino 32482 ,001 ,195

feminino 22297 -,002 -,284

Variable Principal Normalization.

Idade2

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

até 25 1958 -1,795 -,407

de 26 a 35 15141 -,769 ,029

de 36 a 45 15520 ,125 ,514

de 46 a 55 12917 ,397 ,204

mais de 55 9243 ,876 -1,109

Variable Principal Normalization.

127
EstadoCivil2

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

Solteiro 13153 -1,275 -,390

Casado (c/adquir.) 35104 ,471 ,244

Casado (sep. bens) 1057 -,091 ,544

Viúvo 1109 ,459 -1,835

Separado/Divorciado 4356 -,039 -,453

Variable Principal Normalization.

nº de componentes do agregado (Binned)

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

1 15785 -1,028 -,541

2 17999 ,467 -,196

3 12503 ,299 ,536

4oumais 8492 ,480 ,632

Variable Principal Normalization.

nº de componentes do agregado (Binned)

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

1 15785 -1,028 -,541

2 17999 ,467 -,196

3 12503 ,299 ,536

4oumais 8492 ,480 ,632

128
nº de componentes do agregado (Binned)

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

1 15785 -1,028 -,541

2 17999 ,467 -,196

3 12503 ,299 ,536

4oumais 8492 ,480 ,632

Variable Principal Normalization.

CredHabBin

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

c/Cred. Hab. 19973 ,403 ,723

s(Cre.Hab. 34806 -,231 -,415

Variable Principal Normalization.

129
ActEconEmp2

Points:Coordinates

Cen troid Coordinates

Dimension

Category Frequency 1 2

Agricultura e Pescas 367 -,069 ,253

Fu ncionário Pú blico 14619 ,854 -1,096

Miltar-Polícia 2048 -,208 ,752

Con strução Civi l 2822 -,465 ,518

Mecância e Maquinaria - 4443 -,005 ,529


Fá brica

In dústria - diversos 11106 ,072 ,719

Serviços Fina nceiros 3604 -,198 ,593

Comércio e Hotel aria 3977 -,185 ,291

Outro s 10950 -,874 -,061

10 843 -,570 -,052

Variable Principal Normalization.

rendimento2

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

até €1.000 24413 -,572 -,288

de €1.000 a €1.500 17842 ,263 ,257

de €1.501 a €2.000 7687 ,619 ,242

mais de €2.000 4837 ,931 ,123

Variable Principal Normalization.

130
Profissão2

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

Fixo - Quandros Intermédios 6034 ,648 -,371


e Altos

Fixo - Administrativos 15681 -,089 ,164

Fixo - Emp. Não 21390 -,498 ,155


Especializados

Fixo - Outros 113 -,293 ,579

Prazo 675 -,440 -,126

ENI - Prof. Liberais 6286 ,395 ,818

Outros - Reformados 4596 1,301 -1,908

Missing 4

Variable Principal Normalization.

Actividade económca empresa

Points:Coordinates

Centroid Coordinates

Dimension

Category Frequency 1 2

Agricultura e pesca 367 -,069 ,253

Funcionário público 14619 ,854 -1,096

Militar - Polícia 2048 -,208 ,752

Construção civil 2822 -,465 ,518

Maquinaria 1820 -,094 ,330

Mecânica - Fábricas 2623 ,057 ,666

Indústria Têxtil e vestuário 3884 ,260 ,772

Ind. Madeiras e móveis 2835 ,241 ,851

Ind. alimentar e bebidas 1155 -,210 ,499

Ind. couro e peles 166 -,071 ,748

Extracção de minérios 277 -,037 ,707

131
Metalurgia - Fab. prod. 1698 -,300 ,628
metálicos

Ind. química 1091 -,114 ,559

Transportes e comunicação 3604 -,198 ,593

Serviços financeiros 3977 -,185 ,291

Comércio - Hotelaria 10950 -,874 -,061

Outros 843 -,570 -,052

Variable Principal Normalization.

132
133
134
135
136
137
138
139
140
141
142
Correlations O riginal Variables
nº de Activida
compon de
CodPost entes do económ
alDistrit EstadoCi agregado T ipo de CredHab ActEcon rendime Profissã ca
o Género Idade2 vil2 (Binned) vivenda Bin Emp2 nto2 o2 empresa
CodPostalDistri 1,000 ,020 ,043 ,026 -,099 ,021 -,056 ,025 -,006 -,010 ,037
to
Género ,020 1,000 -,044 ,112 -,045 ,007 ,010 ,001 -,039 -,050 ,011
Idade2 ,043 -,044 1,000 ,311 ,166 -,459 ,070 -,272 ,189 ,315 -,259
EstadoCivil2 ,026 ,112 ,311 1,000 ,057 -,233 -,059 -,080 ,081 ,083 -,078
nº de -,099 -,045 ,166 ,057 1,000 -,319 -,225 -,023 ,287 -,016 -,040
componentes
do agregado
(Binned)
T ipo de vivenda ,021 ,007 -,459 -,233 -,319 1,000 ,129 ,145 -,251 -,146 ,144

CredHabBin -,056 ,010 ,070 -,059 -,225 ,129 1,000 -,003 -,284 ,131 -,010
ActEconEmp2 ,025 ,001 -,272 -,080 -,023 ,145 -,003 1,000 -,143 -,165 ,967
rendimento2 -,006 -,039 ,189 ,081 ,287 -,251 -,284 -,143 1,000 -,060 -,121
Profissão2 -,010 -,050 ,315 ,083 -,016 -,146 ,131 -,165 -,060 1,000 -,232
Actividade ,037 ,011 -,259 -,078 -,040 ,144 -,010 ,967 -,121 -,232 1,000
económca
empresa
Dimension 1 2 3 4 5 6 7 8 9 10 11
Eigenvalue 2,531 1,696 1,327 1,114 1,017 ,800 ,752 ,683 ,605 ,448 ,029

Correlations Transformed Variables


Dimension:1
nº de Activida
compone de
CodPost ntes do económc
alDistrit EstadoCi agregado T ipo de CredHab ActEcon rendimen Profissão a
o Género Idade2 vil2 (Binned) vivenda Bin Emp2 to2 2 empresa
CodPostalDistrit 1,000 ,030 ,075 ,096 ,074 ,116 ,034 ,065 ,089 ,046 ,061
o
Género ,030 1,000 ,040 ,025 ,047 ,004 ,010 -,077 ,042 -,012 -,084
Idade2 ,075 ,040 1,000 ,484 ,355 ,455 -,011 ,286 ,211 ,378 ,295
EstadoCivil2 ,096 ,025 ,484 1,000 ,823 ,526 ,194 ,132 ,352 ,142 ,140
nº de ,074 ,047 ,355 ,823 1,000 ,457 ,205 ,081 ,341 ,073 ,088
componentes do
agregado
(Binned)
Tipo de vivendaa ,116 ,004 ,455 ,526 ,457 1,000 ,443 ,151 ,347 ,190 ,158
CredHabBin ,034 ,010 -,011 ,194 ,205 ,443 1,000 -,001 ,305 -,036 -,002
ActEconEmp2 ,065 -,077 ,286 ,132 ,081 ,151 -,001 1,000 ,162 ,526 ,985
rendimento2 ,089 ,042 ,211 ,352 ,341 ,347 ,305 ,162 1,000 ,230 ,163

Profissão2a ,046 -,012 ,378 ,142 ,073 ,190 -,036 ,526 ,230 1,000 ,546
Actividade ,061 -,084 ,295 ,140 ,088 ,158 -,002 ,985 ,163 ,546 1,000
económca
empresa
Dimension 1 2 3 4 5 6 7 8 9 10 11
Eigenvalue 3,374 2,105 1,105 1,015 ,958 ,734 ,714 ,466 ,351 ,163 ,014

143
144
145
146
147
Case Processing Summary
Cases
Included Excluded Total
N Percent N Percent N Percent
NumCred * Cluster 54779 100,00% 0 0,00% 54779 100,00%
Number of Case
Idade * Cluster 54779 100,00% 0 0,00% 54779 100,00%
Number of Case
Rendimento * 54779 100,00% 0 0,00% 54779 100,00%
Cluster Number of
Case
nº anos no emprego 54779 100,00% 0 0,00% 54779 100,00%
* Cluster Number of
Case
nº de componentes 54779 100,00% 0 0,00% 54779 100,00%
do agregado *
Cluster Number of
Case
Limite de crédito 54779 100,00% 0 0,00% 54779 100,00%
dado * Cluster
Number of Case

148
Report
nº de
componen Limite de
Cluster Number Rendimen nº anos no tes do crédito
of Case NumCred Idade to emprego agregado dado
1 Mean 1,0406 48,35 1592,35 15,81 2,73 1193,81
N 8691 8691 8691 8691 8691 8691
Std. 0,26509 9,601 723,547 10,27 0,957 382,51
Deviation
2 Mean 1,0376 42,76 1515,77 11,95 3,03 1114,5
N 14215 14215 14215 14215 14215 14215
Std. 0,25413 7,587 606,192 8,257 0,896 345,854
Deviation
3 Mean 1,0507 62,04 1396,81 7 1,94 1111,89
N 5420 5420 5420 5420 5420 5420
Std. 0,2885 6,813 758,754 11,312 0,677 487,284
Deviation
4 Mean 1,0501 43,41 942,72 10,18 1,46 802,52
N 4433 4433 4433 4433 4433 4433
Std. 0,30596 12,254 403,743 9,365 0,742 351,623
Deviation
5 Mean 1,0476 40,49 1108,17 9,51 2,34 925,45
N 13164 13164 13164 13164 13164 13164
Std. 0,28739 9,037 450,064 7,879 1,019 358,821
Deviation
6 Mean 1,0399 30,94 774,03 4,77 1,13 506,13
N 8856 8856 8856 8856 8856 8856
Std. 0,26566 6,572 263,936 4,195 0,444 234,157
Deviation
Total Mean 1,0432 43,15 1251,91 10,18 2,27 957,79
N 54779 54779 54779 54779 54779 54779
Std. 0,27385 11,762 629,79 9,145 1,088 424,604
Deviation

149
Measures of Association

Eta Eta Squared

NumCred * Cluster Number ,018 ,000


of Case

Idade * Cluster Number of ,688 ,473


Case

Rendimento * Cluster ,471 ,222


Number of Case

nº anos no emprego * Cluster ,374 ,140


Number of Case

nº de componentes do ,622 ,387


agregado * Cluster Number
of Case

Limite de crédito dado * ,541 ,293


Cluster Number of Case

150
Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Cluster Number of Case * 54779 100,0% 0 ,0% 54779 100,0%


Incumprimento

Cluster Number of Case * 54779 100,0% 0 ,0% 54779 100,0%


Atraso

151
Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Sq uare 598,732 4 ,000

Likelihood Ratio 591 ,087 4 ,000

Linear-by-Line ar 8,209 1 ,004


Association

N of Valid Cases 54779

a. 0 cells (,0 %) have expected count l ess th an 5. The minimum


expecte d count is 321,62.

Crosstab

Atraso

atrasado em ordem T otal

Clu ster N umber of Case 1 C ount 3739 11370 15109

% within Cluster N umber of 2 4,7% 75,3% 100,0%


C ase

% within Atraso 2 6,1% 28,1% 27,6%

% of Total 6,8% 20,8% 27,6%

2 C ount 3918 9645 13563

% within Cluster N umber of 2 8,9% 71,1% 100,0%


C ase

% within Atraso 2 7,3% 23,9% 24,8%

% of Total 7,2% 17,6% 24,8%

3 C ount 1198 4930 6128

% within Cluster N umber of 1 9,5% 80,5% 100,0%


C ase

% within Atraso 8,4% 12,2% 11,2%

% of Total 2,2% 9,0% 11,2%

4 C ount 3491 6926 10417

% within Cluster N umber of 3 3,5% 66,5% 100,0%


C ase

% within Atraso 2 4,3% 17,1% 19,0%

% of Total 6,4% 12,6% 19,0%

5 C ount 1999 7563 9562

% within Cluster N umber of 2 0,9% 79,1% 100,0%


C ase

% within Atraso 1 3,9% 18,7% 17,5%

% of Total 3,6% 13,8% 17,5%

Total C ount 14345 40434 54779

% within Cluster N umber of 2 6,2% 73,8% 100,0%


C ase

% within Atraso 100,0% 100,0% 100,0%

% of Total 2 6,2% 73,8% 100,0%

152
Chi-Square Tests

Asymp. Sig . (2-


Value df sided)
a
Pearson Chi-Sq uare 634,229 4 ,000

Likelihood Ratio 634,250 4 ,000

Linear-by-Line ar Association 1,3 77 1 ,241

N of Valid Cases 547 79

a. 0 cells (,0%) have expe cted count less than 5. The minimum expected
count is 1604,74.

Case Processing Summary

Cases

Included Excluded Total

N Percent N Percent N Percent

valorReciMédio * Cluster 53685 98,0% 1094 2,0% 54779 100,0%


Number of Case

Report

valorReciMédio

Cluster
Number
of Case Mean N Std. Deviation

1 82,8942 8633 68,84664

2 81,8979 14077 70,66056

3 82,2698 5365 69,62529

4 71,9011 4338 57,20172

5 70,9795 12828 54,82117

6 62,3115 8444 44,12936

Total 75,5978 53685 62,46388

153
Measures of Association

Eta Eta Squared

valorReciMédio * Cluster ,121 ,015


Number of Case

Quick Cluster

a
Iteration History

Change in Cluster Centers

Iteration 1 2

1 1,837 2,019

2 ,105 ,300

3 ,082 ,244

4 ,029 ,078

5 ,014 ,038

6 ,008 ,023

7 ,004 ,012

8 ,002 ,007

9 ,002 ,005

10 ,001 ,004

a. Iterations stopped because the


maximum number of iterations was
performed. Iterations failed to
converge. The maximum absolute
coordinate change for any center is
,004. The current iteration is 10. The
minimum distance between initial
centers is 5,379.

154
Final Cluster Centers

Cluster

1 2

Object scores dimension 1 -,32 ,87

Object scores dimension 2 ,41 -1,12

Number of Cases in each Cluster

Cluster 1 40043,000

2 14736,000

Valid 54779,000

Missing ,000

Quick Cluster
a
Iteration History

Change in Cluster Centers

Iteration 1 2 3

1 1,621 1,539 1,506

2 ,121 ,025 ,050

3 ,053 ,015 ,025

4 ,027 ,008 ,012

5 ,015 ,003 ,007

6 ,006 ,002 ,003

7 ,003 ,002 ,001

8 ,001 ,001 ,001

9 ,001 ,001 ,001

10 ,000 ,000 ,000

155
a
Iteration History

Change in Cluster Centers

Iteration 1 2 3

1 1,621 1,539 1,506

2 ,121 ,025 ,050

3 ,053 ,015 ,025

4 ,027 ,008 ,012

5 ,015 ,003 ,007

6 ,006 ,002 ,003

7 ,003 ,002 ,001

8 ,001 ,001 ,001

9 ,001 ,001 ,001

10 ,000 ,000 ,000

a. Iterations stopped because the maximum


number of iterations was performed. Iterations
failed to converge. The maximum absolute
coordinate change for any center is ,000. The
current iteration is 10. The minimum distance
between initial centers is 4,669.

Final Cluster Centers

Cluster

1 2 3

Object scores dimension 1 ,99 -1,28 ,31

Object scores dimension 2 -1,29 -,38 ,75

156
Number of Cases in each Cluster

Cluster 1 11575,000

2 15540,000

3 27664,000

Valid 54779,000

Missing ,000

Quick Cluster

a
Iteration History

Change in Cluster Centers

Iteration 1 2 3 4

1 1,012 1,211 1,070 ,979

2 ,078 ,083 ,179 ,064

3 ,055 ,040 ,235 ,031

4 ,042 ,019 ,336 ,139

5 ,042 ,024 ,289 ,187

6 ,029 ,033 ,164 ,120

7 ,010 ,017 ,076 ,071

8 ,008 ,012 ,021 ,041

9 ,007 ,007 ,009 ,025

10 ,004 ,005 ,005 ,016

a. Iterations stopped because the maximum number of iterations


was performed. Iterations failed to converge. The maximum
absolute coordinate change for any center is ,014. The current
iteration is 10. The minimum distance between initial centers is
3,025.

Final Cluster Centers

Cluster

1 2 3 4

Object scores dimension 1 -1,32 ,22 1,18 ,67

Object scores dimension 2 -,38 ,93 -1,87 -,31

157
Number of Cases in each Cluster

Cluster 1 14928,000

2 22050,000

3 5972,000

4 11829,000

Valid 54779,000

Missing ,000

Quick Cluster

a
Iteration History

Change in Cluster Centers

Iteration 1 2 3 4 5

1 ,872 ,902 ,940 ,739 ,813

2 ,104 ,178 ,151 ,060 ,494

3 ,057 ,084 ,024 ,127 ,209

4 ,011 ,038 ,018 ,067 ,057

5 ,015 ,020 ,018 ,036 ,018

6 ,013 ,012 ,012 ,022 ,009

7 ,011 ,008 ,008 ,014 ,005

8 ,007 ,007 ,006 ,008 ,002

9 ,006 ,006 ,004 ,007 ,003

10 ,004 ,005 ,002 ,005 ,003

158
a
Iteration History

Change in Cluster Centers

Iteration 1 2 3 4 5

1 ,872 ,902 ,940 ,739 ,813

2 ,104 ,178 ,151 ,060 ,494

3 ,057 ,084 ,024 ,127 ,209

4 ,011 ,038 ,018 ,067 ,057

5 ,015 ,020 ,018 ,036 ,018

6 ,013 ,012 ,012 ,022 ,009

7 ,011 ,008 ,008 ,014 ,005

8 ,007 ,007 ,006 ,008 ,002

9 ,006 ,006 ,004 ,007 ,003

10 ,004 ,005 ,002 ,005 ,003

a. Iterations stopped because the maximum number of iterations was


performed. Iterations failed to converge. The maximum absolute coordinate
change for any center is ,004. The current iteration is 10. The minimum distance
between initial centers is 2,520.

Final Cluster Centers

Cluster

1 2 3 4 5

Object scores dimension 1 ,85 1,15 ,42 -


-,37 -1,59

Object scores dimension 2 -,31 -1,87 1,13 ,20 -,54

159
Number
umber of Cases in each Cluster

Cluster 1 9694,000

2 6031,000

3 15235,000

4 13490,000

5 10329,000

Valid 54779,000

Missing ,000

Frequencies

Cluster Number of Case = 1

Frequency Table
a
CodPostalDistrito

Cumulative
Frequency Percent Valid Percent Percent

Valid Aveiro 1634 16,9 16,9 16,9

Beja 54 ,6 ,6 17,4

Braga 1186 12,2 12,2 29,6

Bragança 21 ,2 ,2 29,9

Castelo Branco 221 2,3 2,3 32,1

Coimbra 632 6,5 6,5 38,7

160
Évora 85 ,9 ,9 39,5

Faro 156 1,6 1,6 41,1

Guarda 4 ,0 ,0 41,2

Ilha da Madeira 127 1,3 1,3 42,5

Ilha dos Açores 23 ,2 ,2 42,7

Leiria 630 6,5 6,5 49,2

Lisboa 1842 19,0 19,0 68,2

Porto 1806 18,6 18,6 86,9

Santarém 463 4,8 4,8 91,6

Setúbal 664 6,8 6,8 98,5

Viana do Castelo 114 1,2 1,2 99,7

Vila Real 32 ,3 ,3 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

a
Género

Cumulative
Frequency Percent Valid Percent Percent

Valid masculino 4539 46,8 46,8 46,8

feminino 5155 53,2 53,2 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

a
Idade2

Cumulative
Frequency Percent Valid Percent Percent

Valid até 25 15 ,2 ,2 ,2

de 26 a 35 1238 12,8 12,8 12,9

de 36 a 45 2703 27,9 27,9 40,8

de 46 a 55 3257 33,6 33,6 74,4

mais de 55 2481 25,6 25,6 100,0

Total 9694 100,0 100,0

161
a
Idade2

Cumulative
Frequency Percent Valid Percent Percent

Valid até 25 15 ,2 ,2 ,2

de 26 a 35 1238 12,8 12,8 12,9

de 36 a 45 2703 27,9 27,9 40,8

de 46 a 55 3257 33,6 33,6 74,4

mais de 55 2481 25,6 25,6 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

a
EstadoCivil2

Cumulative
Frequency Percent Valid Percent Percent

Valid Solteiro 547 5,6 5,6 5,6

Casado (c/adquir.) 8123 83,8 83,8 89,4

Casado (sep. bens) 144 1,5 1,5 90,9

Viúvo 166 1,7 1,7 92,6

Separado/Divorciado 714 7,4 7,4 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

a
nº de componentes do agregado (Binned)

Cumulative
Frequency Percent Valid Percent Percent

Valid 1 872 9,0 9,0 9,0

2 4160 42,9 42,9 51,9

3 2614 27,0 27,0 78,9

4oumais 2048 21,1 21,1 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

162
a
Tipo de vivenda

Cumulative
Frequency Percent Valid Percent Percent

Valid Propriedade sem hipoteca 4149 42,8 42,8 42,8

Propriedade com hipoteca 4421 45,6 45,6 88,4

Inquilino / Outro 706 7,3 7,3 95,7

Pai / familia 418 4,3 4,3 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

a
CredHabBin

Cumulative
Frequency Percent Valid Percent Percent

Valid c/Cred. Hab. 4413 45,5 45,5 45,5

s(Cre.Hab. 5281 54,5 54,5 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

a
ActEconEmp2

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e Pescas 64 ,7 ,7 ,7

Funcionário Público 7058 72,8 72,8 73,5

Miltar-Polícia 74 ,8 ,8 74,2

Construção Civil 77 ,8 ,8 75,0

Mecância e Maquinaria - Fábrica 535 5,5 5,5 80,5

Indústria - diversos 996 10,3 10,3 90,8

Serviços Financeiros 202 2,1 2,1 92,9

Comércio e Hotelaria 463 4,8 4,8 97,7

Outros 185 1,9 1,9 99,6

10 40 ,4 ,4 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

163
a
rendimento2

Cumulative
Frequency Percent Valid Percent Percent

Valid até €1.000 2371 24,5 24,5 24,5

de €1.000 a €1.500 3620 37,3 37,3 61,8

de €1.501 a €2.000 2046 21,1 21,1 82,9

mais de €2.000 1657 17,1 17,1 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

a
Profissão2

Cumulative
Frequency Percent Valid Percent Percent

Valid Fixo - Quandros Intermédios e 3013 31,1 31,1 31,1


Altos

Fixo - Administrativos 3112 32,1 32,1 63,2

Fixo - Emp. Não Especializados 2159 22,3 22,3 85,5

Fixo - Outros 4 ,0 ,0 85,5

Prazo 137 1,4 1,4 86,9

ENI - Prof. Liberais 921 9,5 9,5 96,4

Outros - Reformados 347 3,6 3,6 100,0

Total 9693 100,0 100,0

Missing System 1 ,0

Total 9694 100,0

a. Cluster Number of Case = 1

164
a
Actividade económca empresa

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e pesca 64 ,7 ,7 ,7

Funcionário público 7058 72,8 72,8 73,5

Militar - Polícia 74 ,8 ,8 74,2

Construção civil 77 ,8 ,8 75,0

Maquinaria 274 2,8 2,8 77,9

Mecânica - Fábricas 261 2,7 2,7 80,5

Indústria Têxtil e vestuário 441 4,5 4,5 85,1

Ind. Madeiras e móveis 273 2,8 2,8 87,9

Ind. alimentar e bebidas 79 ,8 ,8 88,7

Ind. couro e peles 7 ,1 ,1 88,8

Extracção de minérios 23 ,2 ,2 89,0

Metalurgia - Fab. prod. metálicos 80 ,8 ,8 89,9

Ind. química 93 1,0 1,0 90,8

Transportes e comunicação 202 2,1 2,1 92,9

Serviços financeiros 463 4,8 4,8 97,7

Comércio - Hotelaria 185 1,9 1,9 99,6

Outros 40 ,4 ,4 100,0

Total 9694 100,0 100,0

a. Cluster Number of Case = 1

165
Cluster Number of Case = 2

Statistics a

nº de
componentes do Actividade
CodPostalDistrit ag regad o económca
o Género Idade2 EstadoCivil2 (Bi nned) Tipo de vivenda CredHabBin ActEconEmp2 rendimento2 Profissão2 empresa

N Valid 60 31 6031 6031 6031 6031 6031 6031 6031 6031 6031 6031

Missing 0 0 0 0 0 0 0 0 0 0 0

a. Cluster Number of Case = 2

Frequency Table

a
CodPostalDistrito

Cumulative
Frequency Percent Valid Percent Percent

Valid Aveiro 744 12,3 12,3 12,3

Beja 42 ,7 ,7 13,0

Braga 592 9,8 9,8 22,8

Bragança 4 ,1 ,1 22,9

Castelo Branco 94 1,6 1,6 24,5

Coimbra 510 8,5 8,5 32,9

Évora 22 ,4 ,4 33,3

Faro 69 1,1 1,1 34,4

Guarda 2 ,0 ,0 34,5

Ilha da Madeira 49 ,8 ,8 35,3

Ilha dos Açores 18 ,3 ,3 35,6

Leiria 365 6,1 6,1 41,6

Lisboa 1464 24,3 24,3 65,9

Porto 1199 19,9 19,9 85,8

Santarém 327 5,4 5,4 91,2

Setúbal 436 7,2 7,2 98,4

Viana do Castelo 72 1,2 1,2 99,6

Vila Real 22 ,4 ,4 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

166
a
Género

Cumulative
Frequency Percent Valid Percent Percent

Valid masculino 3115 51,6 51,6 51,6

feminino 2916 48,4 48,4 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

a
Idade2

Cumulative
Frequency Percent Valid Percent Percent

Valid até 25 2 ,0 ,0 ,0

de 26 a 35 135 2,2 2,2 2,3

de 36 a 45 200 3,3 3,3 5,6

de 46 a 55 813 13,5 13,5 19,1

mais de 55 4881 80,9 80,9 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

a
EstadoCivil2

Cumulative
Frequency Percent Valid Percent Percent

Valid Solteiro 470 7,8 7,8 7,8

Casado (c/adquir.) 4011 66,5 66,5 74,3

Casado (sep. bens) 24 ,4 ,4 74,7

Viúvo 672 11,1 11,1 85,8

Separado/Divorciado 854 14,2 14,2 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

167
a
nº de componentes do agregado (Binned)

Cumulative
Frequency Percent Valid Percent Percent

Valid 1 1663 27,6 27,6 27,6

2 3748 62,1 62,1 89,7

3 433 7,2 7,2 96,9

4oumais 187 3,1 3,1 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

a
Tipo de vivenda

Cumulative
Frequency Percent Valid Percent Percent

Valid Propriedade sem hipoteca 4188 69,4 69,4 69,4

Propriedade com hipoteca 579 9,6 9,6 79,0

Inquilino / Outro 1001 16,6 16,6 95,6

Pai / familia 263 4,4 4,4 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

a
CredHabBin

Cumulative
Frequency Percent Valid Percent Percent

Valid c/Cred. Hab. 574 9,5 9,5 9,5

s(Cre.Hab. 5457 90,5 90,5 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

168
a
ActEconEmp2

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e Pescas 6 ,1 ,1 ,1

Funcionário Público 5955 98,7 98,7 98,8

Miltar-Polícia 3 ,0 ,0 98,9

Construção Civil 2 ,0 ,0 98,9

Mecância e Maquinaria - Fábrica 45 ,7 ,7 99,7

Indústria - diversos 6 ,1 ,1 99,8

Comércio e Hotelaria 5 ,1 ,1 99,9

Outros 6 ,1 ,1 100,0

10 3 ,0 ,0 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

a
rendimento2

Cumulative
Frequency Percent Valid Percent Percent

Valid até €1.000 2475 41,0 41,0 41,0

de €1.000 a €1.500 1697 28,1 28,1 69,2

de €1.501 a €2.000 1027 17,0 17,0 86,2

mais de €2.000 832 13,8 13,8 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

169
a
Profissão2

Cumulative
Frequency Percent Valid Percent Percent

Valid Fixo - Quandros Intermédios e 925 15,3 15,3 15,3


Altos

Fixo - Administrativos 511 8,5 8,5 23,8

Fixo - Emp. Não Especializados 366 6,1 6,1 29,9

Fixo - Outros 1 ,0 ,0 29,9

Prazo 12 ,2 ,2 30,1

ENI - Prof. Liberais 17 ,3 ,3 30,4

Outros - Reformados 4199 69,6 69,6 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

a
Actividade económca empresa

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e pesca 6 ,1 ,1 ,1

Funcionário público 5955 98,7 98,7 98,8

Militar - Polícia 3 ,0 ,0 98,9

Construção civil 2 ,0 ,0 98,9

Maquinaria 45 ,7 ,7 99,7

Indústria Têxtil e vestuário 5 ,1 ,1 99,8

Ind. química 1 ,0 ,0 99,8

Serviços financeiros 5 ,1 ,1 99,9

Comércio - Hotelaria 6 ,1 ,1 100,0

Outros 3 ,0 ,0 100,0

Total 6031 100,0 100,0

a. Cluster Number of Case = 2

170
Cluster Number of Case = 3

Statistics a

nº de
componentes do Actividade
CodPostalDistrit ag regad o económca
o Género Idade2 EstadoCivil2 (Bi nned) Tipo de vivenda CredHabBin ActEconEmp2 rendimento2 Profissão2 empresa

N Valid 152 35 15235 15235 15235 15235 15234 15235 15235 15235 15233 15235

Missing 0 0 0 0 0 1 0 0 0 2 0

a. Cluster Number of Case = 3

Frequency Table

a
CodPostalDistrito

Cumulative
Frequency Percent Valid Percent Percent

Valid Aveiro 2910 19,1 19,1 19,1

Beja 42 ,3 ,3 19,4

Braga 2410 15,8 15,8 35,2

Bragança 15 ,1 ,1 35,3

Castelo Branco 184 1,2 1,2 36,5

Coimbra 463 3,0 3,0 39,5

Évora 110 ,7 ,7 40,3

Faro 182 1,2 1,2 41,5

Guarda 10 ,1 ,1 41,5

Ilha da Madeira 73 ,5 ,5 42,0

Ilha dos Açores 16 ,1 ,1 42,1

Leiria 1435 9,4 9,4 51,5

Lisboa 2388 15,7 15,7 67,2

Porto 3173 20,8 20,8 88,0

Santarém 571 3,7 3,7 91,8

Setúbal 1139 7,5 7,5 99,3

Viana do Castelo 97 ,6 ,6 99,9

Vila Real 17 ,1 ,1 100,0

Total 15235 100,0 100,0

171
a
CodPostalDistrito

Cumulative
Frequency Percent Valid Percent Percent

Valid Aveiro 2910 19,1 19,1 19,1

Beja 42 ,3 ,3 19,4

Braga 2410 15,8 15,8 35,2

Bragança 15 ,1 ,1 35,3

Castelo Branco 184 1,2 1,2 36,5

Coimbra 463 3,0 3,0 39,5

Évora 110 ,7 ,7 40,3

Faro 182 1,2 1,2 41,5

Guarda 10 ,1 ,1 41,5

Ilha da Madeira 73 ,5 ,5 42,0

Ilha dos Açores 16 ,1 ,1 42,1

Leiria 1435 9,4 9,4 51,5

Lisboa 2388 15,7 15,7 67,2

Porto 3173 20,8 20,8 88,0

Santarém 571 3,7 3,7 91,8

Setúbal 1139 7,5 7,5 99,3

Viana do Castelo 97 ,6 ,6 99,9

Vila Real 17 ,1 ,1 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

a
Género

Cumulative
Frequency Percent Valid Percent Percent

Valid masculino 11247 73,8 73,8 73,8

feminino 3988 26,2 26,2 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

172
a
Idade2

Cumulative
Frequency Percent Valid Percent Percent

Valid até 25 37 ,2 ,2 ,2

de 26 a 35 2697 17,7 17,7 17,9

de 36 a 45 6998 45,9 45,9 63,9

de 46 a 55 4887 32,1 32,1 96,0

mais de 55 616 4,0 4,0 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

a
EstadoCivil2

Cumulative
Frequency Percent Valid Percent Percent

Valid Solteiro 241 1,6 1,6 1,6

Casado (c/adquir.) 14074 92,4 92,4 94,0

Casado (sep. bens) 399 2,6 2,6 96,6

Viúvo 17 ,1 ,1 96,7

Separado/Divorciado 504 3,3 3,3 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

a
nº de componentes do agregado (Binned)

Cumulative
Frequency Percent Valid Percent Percent

Valid 1 301 2,0 2,0 2,0

2 4471 29,3 29,3 31,3

3 5835 38,3 38,3 69,6

4oumais 4628 30,4 30,4 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

173
a
Tipo de vivenda

Cumulative
Frequency Percent Valid Percent Percent

Valid Propriedade sem hipoteca 3454 22,7 22,7 22,7

Propriedade com hipoteca 11136 73,1 73,1 95,8

Inquilino / Outro 428 2,8 2,8 98,6

Pai / familia 216 1,4 1,4 100,0

Total 15234 100,0 100,0

Missing Não informa 1 ,0

Total 15235 100,0

a. Cluster Number of Case = 3

a
CredHabBin

Cumulative
Frequency Percent Valid Percent Percent

Valid c/Cred. Hab. 11103 72,9 72,9 72,9

s(Cre.Hab. 4132 27,1 27,1 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

a
ActEconEmp2

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e Pescas 114 ,7 ,7 ,7

Funcionário Público 6 ,0 ,0 ,8

Miltar-Polícia 1105 7,3 7,3 8,0

Construção Civil 1020 6,7 6,7 14,7

Mecância e Maquinaria - Fábrica 2092 13,7 13,7 28,5

Indústria - diversos 6138 40,3 40,3 68,8

Serviços Financeiros 1623 10,7 10,7 79,4

174
Comércio e Hotelaria 1455 9,6 9,6 89,0

Outros 1525 10,0 10,0 99,0

10 157 1,0 1,0 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

a
rendimento2

Cumulative
Frequency Percent Valid Percent Percent

Valid até €1.000 2973 19,5 19,5 19,5

de €1.000 a €1.500 6954 45,6 45,6 65,2

de €1.501 a €2.000 3329 21,9 21,9 87,0

mais de €2.000 1979 13,0 13,0 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

a
Profissão2

Cumulative
Frequency Percent Valid Percent Percent

Valid Fixo - Quandros Intermédios e 900 5,9 5,9 5,9


Altos

Fixo - Administrativos 4727 31,0 31,0 36,9

Fixo - Emp. Não Especializados 5361 35,2 35,2 72,1

Fixo - Outros 51 ,3 ,3 72,5

Prazo 127 ,8 ,8 73,3

ENI - Prof. Liberais 4044 26,5 26,5 99,8

Outros - Reformados 23 ,2 ,2 100,0

Total 15233 100,0 100,0

Missing System 2 ,0

Total 15235 100,0

a. Cluster Number of Case = 3

175
a
Actividade económca empresa

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e pesca 114 ,7 ,7 ,7

Funcionário público 6 ,0 ,0 ,8

Militar - Polícia 1105 7,3 7,3 8,0

Construção civil 1020 6,7 6,7 14,7

Maquinaria 676 4,4 4,4 19,2

Mecânica - Fábricas 1416 9,3 9,3 28,5

Indústria Têxtil e vestuário 2365 15,5 15,5 44,0

Ind. Madeiras e móveis 1784 11,7 11,7 55,7

Ind. alimentar e bebidas 466 3,1 3,1 58,8

Ind. couro e peles 88 ,6 ,6 59,3

Extracção de minérios 151 1,0 1,0 60,3

Metalurgia - Fab. prod. metálicos 777 5,1 5,1 65,4

Ind. química 507 3,3 3,3 68,8

Transportes e comunicação 1623 10,7 10,7 79,4

Serviços financeiros 1455 9,6 9,6 89,0

Comércio - Hotelaria 1525 10,0 10,0 99,0

Outros 157 1,0 1,0 100,0

Total 15235 100,0 100,0

a. Cluster Number of Case = 3

Cluster Number of Case = 4


Statistics a

nº de
componentes do Actividade
CodPostalDistrit ag regad o económca
o Género Idade2 EstadoCivil2 (Bi nned) Tipo de vivenda CredHabBin ActEconEmp2 rendimento2 Profissão2 empresa

N Valid 134 90 13490 13490 13490 13490 13489 13490 13490 13490 13489 13490

Missing 0 0 0 0 0 1 0 0 0 1 0

a. Cluster Number of Case = 4

176
Frequency Table
a
CodPostalDistrito

Cumulative
Frequency Percent Valid Percent Percent

Valid Aveiro 2113 15,7 15,7 15,7

Beja 53 ,4 ,4 16,1

Braga 1801 13,4 13,4 29,4

Bragança 23 ,2 ,2 29,6

Castelo Branco 184 1,4 1,4 30,9

Coimbra 460 3,4 3,4 34,4

Évora 79 ,6 ,6 34,9

Faro 265 2,0 2,0 36,9

Guarda 5 ,0 ,0 36,9

Ilha da Madeira 243 1,8 1,8 38,7

Ilha dos Açores 19 ,1 ,1 38,9

Leiria 998 7,4 7,4 46,3

Lisboa 2911 21,6 21,6 67,9

Porto 2813 20,9 20,9 88,7

Santarém 576 4,3 4,3 93,0

Setúbal 801 5,9 5,9 98,9

Viana do Castelo 120 ,9 ,9 99,8

Vila Real 26 ,2 ,2 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

a
Género

Cumulative
Frequency Percent Valid Percent Percent

Valid masculino 7762 57,5 57,5 57,5

feminino 5728 42,5 42,5 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

177
a
Idade2

Cumulative
Frequency Percent Valid Percent Percent

Valid até 25 284 2,1 2,1 2,1

de 26 a 35 4444 32,9 32,9 35,0

de 36 a 45 4270 31,7 31,7 66,7

de 46 a 55 3469 25,7 25,7 92,4

mais de 55 1023 7,6 7,6 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

a
EstadoCivil2

Cumulative
Frequency Percent Valid Percent Percent

Valid Solteiro 2785 20,6 20,6 20,6

Casado (c/adquir.) 8540 63,3 63,3 84,0

Casado (sep. bens) 427 3,2 3,2 87,1

Viúvo 145 1,1 1,1 88,2

Separado/Divorciado 1593 11,8 11,8 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

a
nº de componentes do agregado (Binned)

Cumulative
Frequency Percent Valid Percent Percent

Valid 1 3512 26,0 26,0 26,0

2 4989 37,0 37,0 63,0

3 3407 25,3 25,3 88,3

4oumais 1582 11,7 11,7 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

178
a
Tipo de vivenda

Cumulative
Frequency Percent Valid Percent Percent

Valid Propriedade sem hipoteca 5178 38,4 38,4 38,4

Propriedade com hipoteca 3592 26,6 26,6 65,0

Inquilino / Outro 2230 16,5 16,5 81,5

Pai / familia 2489 18,5 18,5 100,0

Total 13489 100,0 100,0

Missing Não informa 1 ,0

Total 13490 100,0

a. Cluster Number of Case = 4

a
CredHabBin

Cumulative
Frequency Percent Valid Percent Percent

Valid c/Cred. Hab. 3565 26,4 26,4 26,4

s(Cre.Hab. 9925 73,6 73,6 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

a
ActEconEmp2

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e Pescas 128 ,9 ,9 ,9

Funcionário Público 345 2,6 2,6 3,5

Miltar-Polícia 457 3,4 3,4 6,9

Construção Civil 1131 8,4 8,4 15,3

Mecância e Maquinaria - Fábrica 1097 8,1 8,1 23,4

Indústria - diversos 2633 19,5 19,5 42,9

Serviços Financeiros 1150 8,5 8,5 51,5

Comércio e Hotelaria 1188 8,8 8,8 60,3

Outros 4972 36,9 36,9 97,1

10 389 2,9 2,9 100,0

Total 13490 100,0 100,0

179
a
ActEconEmp2

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e Pescas 128 ,9 ,9 ,9

Funcionário Público 345 2,6 2,6 3,5

Miltar-Polícia 457 3,4 3,4 6,9

Construção Civil 1131 8,4 8,4 15,3

Mecância e Maquinaria - Fábrica 1097 8,1 8,1 23,4

Indústria - diversos 2633 19,5 19,5 42,9

Serviços Financeiros 1150 8,5 8,5 51,5

Comércio e Hotelaria 1188 8,8 8,8 60,3

Outros 4972 36,9 36,9 97,1

10 389 2,9 2,9 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

a
rendimento2

Cumulative
Frequency Percent Valid Percent Percent

Valid até €1.000 7481 55,5 55,5 55,5

de €1.000 a €1.500 4492 33,3 33,3 88,8

de €1.501 a €2.000 1164 8,6 8,6 97,4

mais de €2.000 353 2,6 2,6 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

180
Profissão2a

Cumulative
Frequency Percent Valid Percent Percent

Valid Fixo - Quandros Intermédios e 524 3 ,9 3,9 3,9


Al tos

Fixo - Administrativos 4303 31 ,9 31,9 35,8

Fixo - Emp. Não Especializados 7405 54 ,9 54,9 90,7

Fixo - Outros 33 ,2 ,2 90,9

Pra zo 174 1 ,3 1,3 92,2

ENI - Prof. Liberais 1036 7 ,7 7,7 99,9

Outros - Reformados 14 ,1 ,1 100,0

Total 13489 100 ,0 100,0

Missin g System 1 ,0

Total 13490 100 ,0

a. Cluster Number of Case = 4

Actividade económca empresaa

Cu mulative
Frequency Percent Vali d Percen t Percent

Valid Agricultura e pesca 128 ,9 ,9 ,9

Funcionário público 345 2,6 2,6 3,5

Militar - Polícia 457 3,4 3,4 6,9

Construção civil 1131 8,4 8,4 15,3

Maquinaria 489 3,6 3,6 18,9

Mecânica - Fábricas 608 4,5 4,5 23,4

Indústria Têxtil e vestuário 810 6,0 6,0 29,4

Ind. Madeiras e móveis 546 4,0 4,0 33,5

Ind. alimentar e bebidas 406 3,0 3,0 36,5

Ind. couro e peles 53 ,4 ,4 36,9

Extracção de minérios 63 ,5 ,5 37,3

Meta lurgia - Fab. prod. metálicos 481 3,6 3,6 40,9

Ind. química 274 2,0 2,0 42,9

Transportes e comunicação 1150 8,5 8,5 51,5

Serviços financeiros 1188 8,8 8,8 60,3

Comércio - Hotelaria 4972 36,9 36,9 97,1

Outros 389 2,9 2,9 100,0

Total 13490 100,0 100,0

a. Cluster Number of Case = 4

181
Cluster Number of Case = 5

Statistics a

nº de
componentes do Actividade
CodPostalDistrit ag regad o económca
o Género Idade2 EstadoCivil2 (Bi nned) Tipo de vivenda CredHabBin ActEconEmp2 rendimento2 Profissão2 empresa

N Valid 103 29 10329 10329 10329 10329 10329 10329 10329 10329 10329 10329

Missing 0 0 0 0 0 0 0 0 0 0 0

a. Cluster Number of Case = 5

Frequency Table

a
CodPostalDistrito

Cumulative
Frequency Percent Valid Percent Percent

Valid Aveiro 1407 13,6 13,6 13,6

Beja 49 ,5 ,5 14,1

Braga 1254 12,1 12,1 26,2

Bragança 22 ,2 ,2 26,4

Castelo Branco 223 2,2 2,2 28,6

Coimbra 332 3,2 3,2 31,8

Évora 59 ,6 ,6 32,4

Faro 303 2,9 2,9 35,3

Guarda 10 ,1 ,1 35,4

Ilha da Madeira 483 4,7 4,7 40,1

Ilha dos Açores 22 ,2 ,2 40,3

Leiria 683 6,6 6,6 46,9

Lisboa 2494 24,1 24,1 71,1

Porto 2002 19,4 19,4 90,5

Santarém 319 3,1 3,1 93,5

Setúbal 551 5,3 5,3 98,9

Viana do Castelo 83 ,8 ,8 99,7

Vila Real 33 ,3 ,3 100,0

Total 10329 100,0 100,0

182
a
CodPostalDistrito

Cumulative
Frequency Percent Valid Percent Percent

Valid Aveiro 1407 13,6 13,6 13,6

Beja 49 ,5 ,5 14,1

Braga 1254 12,1 12,1 26,2

Bragança 22 ,2 ,2 26,4

Castelo Branco 223 2,2 2,2 28,6

Coimbra 332 3,2 3,2 31,8

Évora 59 ,6 ,6 32,4

Faro 303 2,9 2,9 35,3

Guarda 10 ,1 ,1 35,4

Ilha da Madeira 483 4,7 4,7 40,1

Ilha dos Açores 22 ,2 ,2 40,3

Leiria 683 6,6 6,6 46,9

Lisboa 2494 24,1 24,1 71,1

Porto 2002 19,4 19,4 90,5

Santarém 319 3,1 3,1 93,5

Setúbal 551 5,3 5,3 98,9

Viana do Castelo 83 ,8 ,8 99,7

Vila Real 33 ,3 ,3 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

a
Género

Cumulative
Frequency Percent Valid Percent Percent

Valid masculino 5819 56,3 56,3 56,3

feminino 4510 43,7 43,7 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

183
a
Idade2

Cumulative
Frequency Percent Valid Percent Percent

Valid até 25 1620 15,7 15,7 15,7

de 26 a 35 6627 64,2 64,2 79,8

de 36 a 45 1349 13,1 13,1 92,9

de 46 a 55 491 4,8 4,8 97,7

mais de 55 242 2,3 2,3 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

a
EstadoCivil2

Cumulative
Frequency Percent Valid Percent Percent

Valid Solteiro 9110 88,2 88,2 88,2

Casado (c/adquir.) 356 3,4 3,4 91,6

Casado (sep. bens) 63 ,6 ,6 92,3

Viúvo 109 1,1 1,1 93,3

Separado/Divorciado 691 6,7 6,7 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

a
nº de componentes do agregado (Binned)

Cumulative
Frequency Percent Valid Percent Percent

Valid 1 9437 91,4 91,4 91,4

2 631 6,1 6,1 97,5

3 214 2,1 2,1 99,5

4oumais 47 ,5 ,5 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

184
a
Tipo de vivenda

Cumulative
Frequency Percent Valid Percent Percent

Valid Propriedade sem hipoteca 937 9,1 9,1 9,1

Propriedade com hipoteca 324 3,1 3,1 12,2

Inquilino / Outro 1052 10,2 10,2 22,4

Pai / familia 8016 77,6 77,6 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

a
CredHabBin

Cumulative
Frequency Percent Valid Percent Percent

Valid c/Cred. Hab. 318 3,1 3,1 3,1

s(Cre.Hab. 10011 96,9 96,9 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

a
ActEconEmp2

Cumulative
Frequency Percent Valid Percent Percent

Valid Agricultura e Pescas 55 ,5 ,5 ,5

Funcionário Público 1255 12,2 12,2 12,7

Miltar-Polícia 409 4,0 4,0 16,6

Construção Civil 592 5,7 5,7 22,4

Mecância e Maquinaria - Fábrica 674 6,5 6,5 28,9

Indústria - diversos 1333 12,9 12,9 41,8

Serviços Financeiros 629 6,1 6,1 47,9

Comércio e Hotelaria 866 8,4 8,4 56,3

Outros 4262 41,3 41,3 97,5

10 254 2,5 2,5 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

185
a
rendimento2

Cumulative
Frequency Percent Valid Percent Percent

Valid até €1.000 9113 88,2 88,2 88,2

de €1.000 a €1.500 1079 10,4 10,4 98,7

de €1.501 a €2.000 121 1,2 1,2 99,8

mais de €2.000 16 ,2 ,2 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

a
Profissão2

Cumulative
Frequency Percent Valid Percent Percent

Valid Fixo - Quandros Intermédios e 672 6,5 6,5 6,5


Altos

Fixo - Administrativos 3028 29,3 29,3 35,8

Fixo - Emp. Não Especializados 6099 59,0 59,0 94,9

Fixo - Outros 24 ,2 ,2 95,1

Prazo 225 2,2 2,2 97,3

ENI - Prof. Liberais 268 2,6 2,6 99,9

Outros - Reformados 13 ,1 ,1 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

186
Actividade económca empresaa

Cu mulative
Frequency Percent Vali d Percen t Percent

Valid Agricultura e pesca 55 ,5 ,5 ,5

Funcionário público 1255 12,2 12,2 12,7

Militar - Polícia 409 4,0 4,0 16,6

Construção civil 592 5,7 5,7 22,4

Maquinaria 336 3,3 3,3 25,6

Mecânica - Fábricas 338 3,3 3,3 28,9

Indústria Têxtil e vestuário 263 2,5 2,5 31,4

Ind. Madeiras e móveis 232 2,2 2,2 33,7

Ind. alimentar e bebidas 204 2,0 2,0 35,7

Ind. couro e peles 18 ,2 ,2 35,8

Extracção de minérios 40 ,4 ,4 36,2

Meta lurgia - Fab. prod. metálicos 360 3,5 3,5 39,7

Ind. química 216 2,1 2,1 41,8

Transportes e comunicação 629 6,1 6,1 47,9

Serviços financeiros 866 8,4 8,4 56,3

Comércio - Hotelaria 4262 41,3 41,3 97,5

Outros 254 2,5 2,5 100,0

Total 10329 100,0 100,0

a. Cluster Number of Case = 5

187
Crosstabs
Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Cod PostalDistrito * Cluster 54779 100,0% 0 ,0% 54779 100,0%


Number of Case

Género * Cluster Number of 54779 100,0% 0 ,0% 54779 100,0%


Case

Id ade2 * Cluster Number of Case 54779 100,0% 0 ,0% 54779 100,0%

EstadoCivil2 * Cluster Number of 54779 100,0% 0 ,0% 54779 100,0%


Case

nº de componen tes do agregado 54779 100,0% 0 ,0% 54779 100,0%


(Binned) * Cluster Number of
Case

Tipo de vivenda * Cluster 54777 100,0% 2 ,0% 54779 100,0%


Number of Case

Cred HabBin * Cluster Number of 54779 100,0% 0 ,0% 54779 100,0%


Case

ActEconEmp2 * Cluster Number 54779 100,0% 0 ,0% 54779 100,0%


of Case

rendimento2 * Cluster Number of 54779 100,0% 0 ,0% 54779 100,0%


Case

Profissão2 * Cluster Number of 54775 100,0% 4 ,0% 54779 100,0%


Case

Actividade económca empresa * 54779 100,0% 0 ,0% 54779 100,0%


Clu ster Number of Case

188
CodPostalDistrito * Cluster Number of Case

Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 2330,038 68 ,000

Likelihood Ratio 2197,299 68 ,000

Linear-by-Linear Association 8,344 1 ,004

N of Valid Cases 54779

a. 1 cells (1,1%) have expected count less than 5. The minimum expected count is
3,41.

189
Género * Cluster Number of Case

Crosstab

Count

Cluster Number of Case

1 2 3 4 5 Total

Género masculino 4539 3115 11247 7762 5819 32482

feminino 5155 2916 3988 5728 4510 22297

Total 9694 6031 15235 13490 10329 54779

Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 2157,880 4 ,000

Likelihood Ratio 2218,304 4 ,000

Linear-by-Linear Association 173,999 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
2454,83.

Idade2 * Cluster Number of Case


Crosstab

Count

Cluster Number of Case

1 2 3 4 5 Total

Idade2 até 25 15 2 37 284 1620 1958

de 26 a 35 1238 135 2697 4444 6627 15141

de 36 a 45 2703 200 6998 4270 1349 15520

de 46 a 55 3257 813 4887 3469 491 12917

mais de 55 2481 4881 616 1023 242 9243

Total 9694 6031 15235 13490 10329 54779

190
Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 38362,397 16 ,000

Likelihood Ratio 33036,571 16 ,000

Linear-by-Linear Association 15118,438 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
215,57.

EstadoCivil2 * Cluster Number of Case

Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 35594,249 16 ,000

Likelihood Ratio 34766,679 16 ,000

Linear-by-Linear Association 3458,873 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
116,37.

191
nº de componentes do agregado (Binned) * Cluster Number of Case

Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 32347,721 12 ,000

Likelihood Ratio 33572,439 12 ,000

Linear-by-Linear Association 7540,157 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
934,94.

Tipo de vivenda * Cluster Number of Case

192
Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 38208,236 12 ,000

Likelihood Ratio 36280,061 12 ,000

Linear-by-Linear Association 13692,475 1 ,000

N of Valid Cases 54777

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
596,42.

CredHabBin * Cluster Number of Case

Crosstab

Count

Cluster Number of Case

1 2 3 4 5 Total

CredHabBin c/Cred. Hab. 4413 574 11103 3565 318 19973

s(Cre.Hab. 5281 5457 4132 9925 10011 34806

Total 9694 6031 15235 13490 10329 54779

Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 16509,617 4 ,000

Likelihood Ratio 18491,385 4 ,000

Linear-by-Linear Association 3087,284 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
2198,97.

193
ActEconEmp2 * Cluster Number of Case
Crosstab
Count
Cluster Number of Case
1 2 3 4 5 Total
ActEcon Agricultura e Pescas 64 6 114 128 55 367
Emp2 Funcionário Público 7058 5955 6 345 1255 14619
Miltar-Polícia 74 3 1105 457 409 2048
Construção Civil 77 2 1020 1131 592 2822
Mecância e Maquinaria - 535 45 2092 1097 674 4443
Fábrica
Indústria - diversos 996 6 6138 2633 1333 11106
Serviços Financeiros 202 0 1623 1150 629 3604
Comércio e Hotelaria 463 5 1455 1188 866 3977
Outros 185 6 1525 4972 4262 10950
10 40 3 157 389 254 843
Total 9694 6031 15235 13490 10329 54779

Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 45431,948 36 ,000

Likelihood Ratio 48020,416 36 ,000

Linear-by-Linear Association 17930,305 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
40,41.

rendimento2 * Cluster Number of Case

Crosstab

Cou nt

Cluster Number of Case

1 2 3 4 5 Total

rendimento2 até €1.000 2371 2475 2973 7481 9113 24413

de €1.0 00 a €1.500 3620 1697 6954 4492 1079 17842

de €1.5 01 a €2.000 2046 1027 3329 1164 121 7687

mais de €2.000 1657 832 1979 353 16 4837

Total 9694 6031 15235 13490 10329 54779

194
Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 15509,799 12 ,000

Likelihood Ratio 17239,837 12 ,000

Linear-by-Linear Association 9026,746 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
532,54.

Profissão2 * Cluster Number of Case

Crosstab
Count

Cluster Number of Case


1 2 3 4 5 Total
Profissão Fixo - 3013 925 900 524 672 6034
2 Quandros
Intermédio
s e Altos
Fixo - 3112 511 4727 4303 3028 15681
Administra
tivos
Fixo - 2159 366 5361 7405 6099 21390
Emp. Não
Especializ
ados
Fixo - 4 1 51 33 24 113
Outros
Prazo 137 12 127 174 225 675
ENI - Prof. 921 17 4044 1036 268 6286
Liberais
Outros - 347 4199 23 14 13 4596
Reformad
os
Total 9693 6031 15233 13489 10329 54775

195
Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 45329,030 24 ,000

Likelihood Ratio 32091,320 24 ,000

Linear-by-Linear Association 709,410 1 ,000

N of Valid Cases 54775

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
12,44.

Actividade económca empresa * Cluster Number of Case

Crosstab
Count
Cluster Number of Case
1 2 3 4 5 Total
Activid Agricultura e pesca 64 6 114 128 55 367
ade Funcionário público 7058 5955 6 345 1255 14619
econó
Militar - Polícia 74 3 1105 457 409 2048
mca
empre Construção civil 77 2 1020 1131 592 2822
sa Maquinaria 274 45 676 489 336 1820
Mecânica - Fábricas 261 0 1416 608 338 2623
Indústria Têxtil e 441 5 2365 810 263 3884
vestuário
Ind. Madeiras e 273 0 1784 546 232 2835
móveis
Ind. alimentar e 79 0 466 406 204 1155
bebidas
Ind. couro e peles 7 0 88 53 18 166
Extracção de minérios 23 0 151 63 40 277

Metalurgia - Fab. prod. 80 0 777 481 360 1698


metálicos
Ind. química 93 1 507 274 216 1091
Transportes e 202 0 1623 1150 629 3604
comunicação
Serviços financeiros 463 5 1455 1188 866 3977
Comércio - Hotelaria 185 6 1525 4972 4262 10950
Outros 40 3 157 389 254 843
Total 9694 6031 15235 13490 10329 54779

196
Chi-Square Tests

Asymp. Sig. (2-


Value df sided)
a
Pearson Chi-Square 46232,753 64 ,000

Likelihood Ratio 48882,648 64 ,000

Linear-by-Linear Association 15717,851 1 ,000

N of Valid Cases 54779

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is
18,28.

197