Risk of survival of commercial micro and small enterprises

O presente trabalho tem como objetivo investigar os fatores condicionantes do risco de sobrevivência das MPE comerciais da tecelagem tradicional de Resende Costa (MG). Os dados utilizados são referentes a uma pesquisa em 69 estabelecimentos comerciais, realizada no mês julho de 2009. Para operacionalizar o modelo de probabilidade foi utilizada a regressão logística em que a variável dependente se constituiu a partir de variáveis que poderiam reproduzir a organização e estrutura do comércio. O modelo obtido, baseado nos estudos de SEBRAE (2007), Lussie e Corman (2006) e Ercolin (2006), foi significativo para todos os testes de significância, com um poder preditivo de 94,2%. As variáveis que representam a tendência de crescimento da comercialização, inovação dos produtos, tempo de atividade comercial, cursos e treinamentos definiram a função que possibilita a previsão de empreendimentos com maior probabilidade de sobrevivência no mercado. Desta maneira este estudo mostrou uma contribuição aos estudos sobre mortalidade das micro e pequenas empresas, sugerindo-se ampliação geográfica da amostra e das variáveis abordadas.This study was carried out to investigate the conditioning factors of risk in survival of the weaving stores of Resende Costa (MG). The data come from a survey in 69 stores, held last July 2009. According to SEBRAE (2007), Lussie e Corman (2006) e Ercolin (2006), the model of logistic regression was used and the dependent variable was formed from variables that could reproduce the organization and structure of the enterprises. The model was significant for all tests of significance, with a predictive power of 94.2%. The variables that represent the 'growing trend of trading', 'product innovation', 'time in the market', 'courses and training' defined the function that allows the prediction of enterprises most likely to survive in the marketplace. Thus this study showed a contribution to studies about mortality of micro and small enterprises, suggesting geographical expansion of both the sample and the variables