Buscar en
Cuadernos de Economía
Toda la web
Inicio Cuadernos de Economía Contribución de la tecnología a la productividad de las pymes de la industria ...
Journal Information
Vol. 41. Issue 115.
Pages 140-150 (January - April 2018)
Share
Share
Download PDF
More article options
Visits
5560
Vol. 41. Issue 115.
Pages 140-150 (January - April 2018)
Artículo
Full text access
Contribución de la tecnología a la productividad de las pymes de la industria textil en Ecuador
Contribution of technology to the productivity of small and medium-sized enterprises in the textile industry in Ecuador
Visits
...
Juan M. Ibujés Villacís
Corresponding author
juan.ibujes@epn.edu.ec

Autor para correspondencia.
, María A. Benavides Pazmiño
Escuela Politécnica Nacional, Quito, Ecuador
Article information
Abstract
Full Text
Bibliography
Download PDF
Statistics
Figures (5)
Show moreShow less
Tables (8)
Tabla 1. Clasificación CIIU a 3 dígitos pertenecientes a CIIU C13
Tabla 2. Criterios de clasificación de empresas según tamaño
Tabla 3. Análisis de regresión con datos agrupados
Tabla 4. Análisis de regresión con efectos aleatorios
Tabla 5. Prueba de multiplicador de Lagrange para efectos aleatorios
Tabla 6. Análisis de regresión por efectos fijos
Tabla 7. Test de Hausman
Tabla 8. Regresión con el método de mínimos cuadrados generalizados
Show moreShow less
Resumen

La tecnología tiene actualmente un papel importante en la gestión empresarial a nivel mundial, y se ha convertido en un instrumento fundamental para que las empresas sean cada vez más eficaces, eficientes y competitivas. El presente documento realiza un estudio de cómo el uso de la tecnología se relaciona con el grado de productividad de las pequeñas y medianas empresas (pymes) de la industria textil en Ecuador. Este sector industrial es uno de los priorizados de la industria ecuatoriana y las pymes que son el objeto de este estudio pertenecen a la Clasificación Industrial Internacional Uniforme (CIIU) C13 «Fabricación de prendas textiles» distribuidas en todo el país. Para conocer la relación que existe entre tecnología y productividad se aplicó el modelo econométrico de Solow, que utiliza las variables: producción, capital, mano de obra y tecnología, las mismas que al ser combinadas permiten determinar cómo se encuentran los procesos productivos de dichas organizaciones empresariales. Los resultados del estudio, en forma general, muestran la medida en que las variables antes descritas aportan a la productividad de las empresas de la industria textil, y en forma particular, cuál es la influencia del uso de la tecnología en el crecimiento o decrecimiento de la productividad.

Palabras clave:
Productividad
Tecnología
Modelo econométrico de Solow
Industria textil
Pymes
Códigos JEL:
C33
D24
M20
O14
Abstract

Technology currently has an important role in global business management, and has become a key tool for companies to become more effective, efficient and competitive. This paper studies how the use technology relates to the productivity of small and medium-sized enterprises (SMEs) in the textile industry in Ecuador. This industrial sector has been prioritised in Ecuadorian industry, and the SMEs that are the purpose of this study is within the International Standard Industrial Classification of all Economic Activities (ISIC) C13, “Textile manufacturing” distributed throughout the country. In order to determine the relationship between technology and productivity, Solow's economic model was applied, using the variables: production, capital, workforce, and technology, which are found in production procedures of these business organisations. The results of the study, in general, show the scope that the previously mentioned variables contribute to the productivity of companies of the textile industry, and in particular, the influence of the use of the technology in the increase or decrease of the productivity.

Keywords:
Productivity
Technology
Solow econometric model
Textile industry
SMEs
JEL classification:
C33
D24
M20
O14
Full Text
1Introducción

En algunos estudios de la literatura empresarial se indica la relación que existe entre la tecnología, el capital, el trabajo y la productividad, e inclusive, yendo un poco más allá, se determina la correlación que existe entre el stock tecnológico, el capital humano y la eficiencia técnica esperada en las industrias. Según una investigación realizada sobre la eficiencia técnica en la industria manufacturera de México, se hallaron evidencias de que no obstante la inversión y los cambios en tecnología, las industrias no tienden a acercarse al nivel de producción de mejor práctica (Ana Liliana Valderrama, 2015, p. 98).

Otra referencia a considerar para este estudio es que el gobierno del Ecuador, a través de la Secretaría Nacional de Planificación y Desarrollo del Ecuador (SENPLADES, 2012), ha determinado como política pública el cambio de la matriz productiva, entendida como la transformación la industria primaria exportadora y extractivista, a una que se enfoque en la producción diversificada, ecoeficiente y con mayor valor agregado, así como los servicios basados en la economía del conocimiento y la biodiversidad.

Según (SENPLADES, 2012), el gobierno del Ecuador ha identificado catorce sectores productivos y cinco industrias estratégicas para el proceso de cambio de la matriz productiva del Ecuador. La industria textil que corresponde a la Clasificación Industrial Internacional Uniforme (CIIU C13) que involucra a las compañías dedicadas a las confecciones de ropa y calzado se encuentra priorizada en tercer lugar. Además, según la Asociación de Industrias Textiles del Ecuador (AITE), es la segunda industria manufacturera en ofrecer más plazas de empleo para los ecuatorianos. Además, según la AITE (2016), son 153.350 personas que laboraron en la actividad textil y confección en todo el Ecuador al cierre del año 2015.

Según Corona (2011), en el año 2011 existieron 27.646 pequeñas y medianas empresas (pymes) en Ecuador. A nivel de concentración, Pichincha y Guayas siguen siendo las provincias que agrupan la mayor cantidad de pymes. En la primera provincia se estima que existen el 43,29% y en Guayas el 40,46%, debido a la concentración de la población en estas localidades, así como de las empresas más grandes a las que las pymes proveen de bienes y servicios especializados. Además, en el año 2016, según el Gobierno del Ecuador, las pymes contribuyeron con cerca del 50% del empleo nacional, y según el Servicio de Rentas Internas, entre 2007 y 2013 las pymes crecieron en un 41%, incrementando de 66.000 a 93.000 pymes; en ese mismo periodo su volumen de ventas se amplió en un 60%, llegando a 208 millones de dólares (ANDES, 2015).

En materia productiva, la industria textil es la tercera más representativa de la manufactura nacional, y aporta aproximadamente 1.000 millones de dólares al producto interno bruto (PIB) ecuatoriano; este aporte representa el 7,5% de toda la industria del país (AITE, 2016); de ahí la relevancia de este estudio enfocado en el aporte del uso de la tecnología a la productividad de las pymes del sector industrial textil ecuatoriano, siendo la hipótesis del presente estudio: el grado de uso de tecnología afecta positivamente al aumento de productividad de las pymes del sector textil del Ecuador.

2El sector textil y confecciones en el Ecuador

Según el portal de Ecuadorencifras (2012), en el Ecuador existen tres grandes grupos de actividades que componen el sector textil —clasificación que fue obtenida de los resultados del Censo Nacional Económico 2010—; estos son: Manufactura, Comercio y Servicios, con una participación en el sector textil del 23, del 68 y del 9%, respectivamente. Adicionalmente, Pichincha (27%), Guayas (17%), Tungurahua (8,1%), Azuay (7,5%) e Imbabura (4,5%) son las provincias en donde se localizan el mayor número de establecimientos del sector textil, totalizando 47.043 establecimientos a nivel nacional.

Para Proecuador (2013), el sector textil generó en el año 2013 un total de 107.000 plazas de trabajo; adicionalmente, el sector representó 603 millones del PIB, y la producción, entre los años 2007 y 2013, fue del 8,16%. El sector industrial manufacturero del que forma parte el sector textil creció en un 4,03% entre los años 2010-2013. Por otra parte, el costo anual de las industrias textiles que operan en Ecuador es un 18% menor del promedio de los países competidores de la región, como Chile, Argentina, Colombia y Costa Rica. A esta ventaja de las empresas del sector se suman otras, como: incentivos en el pago del impuesto a la renta, reducción de impuestos a la salida de divisas, reducción de aranceles en bienes de capital importados y facilidades aduaneras.

La diversificación del sector textil del Ecuador con la elaboración de múltiples productos textiles tiene una gran clasificación de productos. El hilado y los tejidos son las actividades principales, con el mayor volumen de producción. Sin embargo, la fabricación de prendas textiles, como prendas de vestir y de manufacturas para el hogar, cada vez aumenta su nivel de producción.

Según la AITE, en su informe del año 2016, las empresas textiles ecuatorianas generan empleo directo e indirecto y son la segunda industria manufacturera en ofrecer más empleo a los ecuatorianos. El 72,5% de personas que trabajan son mujeres, el 30% de trabajadores están entre los 18 y los 30 años, mientras que el 65% están entre 31 y 65 años de edad. Además, según la misma AITE, esta industria es la tercera en importancia de todo el sector manufacturero y contribuye con más de 1.040 millones de dólares al PIB del Ecuador (AITE, 2016).

3La productividad y el modelo de Solow: elementos teóricos

Según Hidalgo (1999, p. 1), a partir de la mitad de la década de los ochenta el factor tecnológico ha pasado a constituir un vector estratégico que permite que la empresa mejore su posición competitiva; es tan importante su aporte, que su ausencia produce una grave insuficiencia para generar innovaciones en productos y procesos. Con el fin de interpretar correctamente este artículo, se definirá a la tecnología como los medios o herramientas para transformar las materias primas en productos o servicios.

El cambio tecnológico, según Marcano y García (1997), es un proceso mediante el cual la ciencia y la tecnología se propagan en las actividades humanas y económicas, interpretado además como la fase de agregación a una actividad productiva de un conocimiento desarrollado fuera de ella. También es la implementación de tecnologías nuevas o mejoradas para perfeccionar la producción. El cambio tecnológico se realiza externa o internamente dentro de los sectores económicos o unidades productivas en un mismo país.

Para Jiménez et al. (2009), la productividad puede definirse como la relación entre la cantidad de bienes y servicios producidos y la cantidad de recursos utilizados. En la fabricación la productividad sirve para evaluar el rendimiento de los talleres, las máquinas, los equipos de trabajo y los empleados. La productividad en las máquinas y equipos está dada como parte de sus características técnicas, mas no con el recurso humano. Además de la relación de la cantidad producida por recursos utilizados en la productividad, entran en juego otros aspectos, como calidad, mano de obra, materia prima, maquinaria, energía, capital y productos finales.

«Productividad en término de empleados es sinónimo de rendimiento. En un enfoque sistemático decimos que algo o alguien es productivo cuando con una cantidad de recursos (insumos) en un período de tiempo dado, obtiene el máximo de productos» (Jiménez et al., 2009). Este significado se puede traducir con el término productividad marginal o producto marginal que mide la variación de la producción influenciada directamente por el empleo.

A través de su modelo tradicional de crecimiento, Solow enfatiza en su propuesta distintas variables que determinan el crecimiento, como son la acumulación del capital, las tasas exógenas de cambio en la población y el progreso tecnológico. Adicionalmente plantea que el modelo asume que los ejecutores de políticas están fuera del alcance de modificar las tasas de crecimiento a largo plazo, lo que quiere decir que si todas las economías basadas en el mercado tienen una similar tasa de progreso tecnológico y de crecimiento de la población, eventualmente dichas economías alcanzarán la misma tasa de crecimiento constante (Shapiro, 1975).

Con respecto a la estructura del modelo de Solow, de una manera matemática los autores (Carrillo et al., 2007) manifiestan que la «producción de una economía» (Y) se obtiene con la combinación de tres factores. El primer factor es el «trabajo» (L), es decir, la cantidad de trabajadores de la economía en el momento (t). El segundo factor de producción es el «capital» (K), concerniente a las máquinas u otros utensilios físicos que utilizan las organizaciones para procesos productivos; en estos también se incluyen edificios, instrumentos, computadores, etc. El tercer factor es el «nivel de tecnología» (A), que al contrario de los otros dos no es tangible y además se mantendrá fijo en el análisis del modelo de Solow.

El modelo econométrico básico de Solow es una función de producción agregada, suponiendo en primer lugar que existen dos factores de producción y un bien homogéneo. La función de producción agregada se muestra matemáticamente en la ecuación (1).

Las aplicaciones de los conjuntos de datos o datos de panel que combinan una dimensión temporal con otra transversal son cada vez más utilizadas en la investigación empírica. En estos datos de panel aún se emplean métodos de regresión múltiple, como se hace con estudios de corte transversal y de series de tiempo (Gujarati y Porter, 2010).

Al momento de extraer una muestra aleatoria en cada período se combina los resultados de cada muestra obteniendo una combinación por cortes transversales independientes. Esta combinación de muestras aleatorias extraídas de la misma población, pero en distintos años, permite la obtención de estimadores más precisos y estadísticos con mayor potencia de prueba. No obstante, esta mixtura solo será útil en la medida en que la variable dependiente y las independientes permanezcan constantes con el paso del tiempo; es decir, se mantengan las mismas variables durante todos los años de estudio (Wooldridge, 2010).

4Metodología del estudio

El trabajo de esta investigación se divide en dos etapas. En la primera se hace un estudio descriptivo en el que se selecciona y obtiene una serie de indicadores a lo largo de un periodo de tiempo (Hernandez Sampieri et al., 2014). Estos indicadores históricos están relacionados con el uso de la tecnología de las pymes del sector textil entre los años 2000 y 2014, es decir, los datos del año 2014 los más actualizados en el portal Web de la Superintendencia de Compañías del Ecuador.

En la segunda etapa se organiza la información y se aplica el modelo econométrico de Solow con el fin de analizar el grado de la productividad de las pymes a partir de los resultados del modelo.

Describiendo en forma más sistemática la investigación, esta se desarrolló en las pymes de la industria manufacturera categorizadas según la Superintendencia de Compañías del Ecuador como pertenecientes al sector CIIU C13 «Fabricación de productos textiles», tal como se muestra en la tabla 1.

Tabla 1.

Clasificación CIIU a 3 dígitos pertenecientes a CIIU C13

Clasificación CIIU  Descripción 
C131  Hilatura, tejedura y acabados de productos textiles 
C139  Fabricación de otros productos textiles 

Con la información de todas las empresas del sector CIIU C13 se utilizaron los criterios que se indican en la tabla 2, a fin de encontrar las empresas que se enmarcan en la definición de pequeñas y medianas empresas del sector textil y que serán objeto del presente estudio.

Tabla 2.

Criterios de clasificación de empresas según tamaño

Tipo de empresa  Criterios (ventas anuales [V] y personas ocupadas [P]) 
Grande  V: US$ 5.000.001 en adelante. P: 200 en adelante 
Mediana B  V: US$ 2.000 001 a US$ 5.000.000. P: 100 a 199 
Mediana A  V: US$ 1.000.001 a US$ 2.000.000. P: 50 a 99 
Pequeña  V: US$ 100.001 a US$ 1.000.000. P: 10 a 49 
Microempresa  V:<a US$ 100.000. P: 1 a 9 

Elaborado por los autores.

Fuente: INEC (2014a), INEC (2014b).

Según la clasificación descrita en la tabla 2, las empresas consideradas son las que en cuanto a las ventas anuales (V) los valores se encuentran entre US$ 100.001 y US$ 5.000.000 de dólares estadounidenses (USD), mientras que el número de personas ocupadas (P) se encuentra en el intervalo de 10 a 199 trabajadores, dando como resultado que las empresas a ser tomadas como muestra en este estudio son las pequeñas y las medianas del grupo A y B.

Las bases de datos que se utilizaron para el estudio corresponden a los obtenidos de las bases de datos de la Encuesta de Manufactura y Minería publicadas por el Instituto Ecuatoriano de Estadísticas y Censos (INEC), las mismas que se analizaron durante el período de tiempo 2000-2013. Todos los datos fueron segmentados mediante el uso del programa de software de procesamiento estadístico de datos Stata 12, según los criterios de valor de ventas y número de trabajadores mencionados anteriormente.

Luego de la tabulación realizada en el programa estadístico, en la figura 1 se muestran los primeros resultados referentes a las pymes que serán consideradas en el estudio por cada uno de los años.

Figura 1.

Pymes encuestadas desde 2000 a 2013.

Elaborado por los autores.

(0.1MB).

En la figura 1 se muestran el número de pymes por año que son consideradas en este estudio, siendo en promedio 70 empresas por año. El valor máximo de 110 pymes corresponde al año 2002, y el mínimo, de 36 pymes al año, a 2013.

Una vez analizadas las bases de datos de la Encuesta de Manufactura y Minería desde el año 2000 hasta el 2013, se determinaron las variables que serán utilizadas en la aplicación del modelo econométrico con el fin de evaluar la contribución del uso de la tecnología en la productividad de las pymes del sector textil en el país.

Las principales variables que se utilizaron son: producción total, capital, personal ocupado y tecnología.

  • Producción total (PT). Valor en dólares estadounidenses por: ventas de artículos producidos, venta de artículos sin transformación, ingresos por servicios, otros ingresos por servicios, construcción de activos fijos por cuenta propia, variación de existencias de los productos en proceso, productos terminados y mercaderías; menos el costo de los artículos vendidos sin transformación (INEC, 2012).

  • Capital. Valor en dólares estadounidenses que la empresa invierte en un período; en la investigación se reemplazará el capital por la formación bruta de capital definida como: las inversiones que llevan a cabo las unidades productivas para incrementar sus activos fijos; los bienes están valorados a precios de comprador y pueden ser obtenidos mediante compra directa o ser producidos por cuenta propia. No se toman en cuenta terrenos, yacimientos mineros ni bosques maderables (INEC, 2012). Al final de la investigación se reemplazará la variable de capital por el stock de capital, definido según Marconi y Salcedo (2014) como el conjunto de maquinaria, equipos, medios de transporte y edificios poseídos en determinada fecha por los agentes económicos. No se incluyen, por tanto, los bienes de capital no reproducibles y los bienes inmateriales; entre los primeros constan las tierras y los terrenos, y entre los otros, las patentes, las licencias, las marcas registradas, etc.

  • Personal ocupado. Se refiere al número de personas o trabajadores que tiene una empresa en un año específico. Entre otros, los grupos que forman parte de la variable personal ocupado son: propietarios y socios activos no remunerados, trabajadores familiares y otros no remunerados, trabajadores ejecutivos y gerenciales remunerados, obreros y empleados. Se excluye a todos los trabajadores a domicilio, las personas en uso de licencia indefinida y las que se encuentran en el servicio militar (INEC, 2012).

  • Tecnología. De acuerdo al modelo de Solow, esta variable se obtendrá como resultado en términos de residuos de la aplicación de una regresión multivariable de las variables independientes capital y personal ocupado. Específicamente, la variable dependiente es la producción total, mientras que las variables independientes son el capital y el personal ocupado.

De igual manera se realizó un análisis por años, tomando en cuenta las mismas bases de datos desde el año 2000 al 2013, los cuales, de acuerdo a la producción, el capital y el trabajo, presentan comportamientos que se indican en las siguientes gráficas, y además se incluye su línea de tendencia.

La figura 2 muestra la producción total de las pymes de la industria textil en los años de estudio. Como se puede observar, existe variación de año a año, y se debe principalmente a que el número de pymes que fueron encuestadas en cada uno de los años fue diferente.

Figura 2.

Producción total desde 2000 a 2013.

Elaborado por los autores.

(0.1MB).

La figura 3 muestra la cantidad de personas ocupadas del sector textil estudiado en el periodo de tiempo entre los años 2000 y 2013. Como se nota, las pymes han ido disminuyendo el número de trabajadores desde el año 2001 en adelante.

Figura 3.

Personal ocupado desde 2000 a 2013.

Elaborado por los autores.

(0.08MB).

La figura 4 muestra el comportamiento de la inversión de las pymes. Existe variabilidad del valor del capital entre los años 2000 y 2013, correspondiendo el valor máximo a US$ 50.000.000 en el año 2000.

Figura 4.

Capital desde 2000 a 2013.

Elaborado por los autores.

(0.09MB).
5Aplicación del modelo de crecimiento de Solow

La aplicación del modelo de Solow se llevó a cabo a través del método de «datos de panel», por medio de una base unificada de datos de las pymes textiles CIIU C13 «Fabricación de prendas textiles» del Ecuador desde el año 2000 al 2013.

Como se explicó anteriormente, el modelo de Solow toma en cuenta variables dependientes e independientes, que se expresan en la ecuación (2).

Definiendo las variables, tenemos lo siguiente:

K: capital total=Capi

L: fuerza laboral o trabajo total usado en la producción=Peroc

A: constante matemática que representa el factor tecnología asociada al trabajo=Tec

Y: producción total=Prodα: coeficiente de los rendimientos marginales.

Para la aplicación del modelo de Solow se procedió a transformar a las variables de la ecuación (2) como logaritmos naturales, dando como resultado la ecuación (3):

Para poder determinar cuál es el mejor modelo se deben realizar pruebas con los datos de panel, pudiendo ser un modelo con datos agrupados, con efectos fijos o con efectos aleatorios.

El modelo con datos agrupados es el más simple de aplicar cuando se analizan datos tipo panel, toda vez que se omiten las dimensiones de espacio y tiempo y solo se calcula la regresión mínimos cuadrados ordinarios (MCO) usual. El modelo con efectos aleatorios supone que el intercepto de la regresión es la misma para todas las unidades transversales. El modelo con efectos fijos no supone que las diferencias entre estados sean aleatorias, sino constantes o fijas (Aparicio y Márquez, 2005).

En la tabla 3 se obtiene el modelo con datos agrupados.

Tabla 3.

Análisis de regresión con datos agrupados

Fuente  SS  df  MS    Número de obs.  197 
Modelo  42,9246666  14,3082222    F(3,193)  82,53 
Residual  33,4585591  193  0,17336041    Prob > F  0,00000 
Total  76,3832358  196  0,389710336    R-squared  0,562 
          Adj R-squared  0,5552 
          Root MSE  0,41637 
             
ln_prod  Coef  Std. Err.  P > l t l  [95% Conf. Intervalo]   
ln_peroc  0,0238906  0,0102082  2,34  0,020  0,0037566  0,0440246 
ln_capi  (−) 0,0439102  0,0229374  (−) 1,91  0,057  −0,0891503  0,0013299 
ln_tec  0,3085779  0,0196498  15,7  0,000  0,2698221  0,3473337 
_cons  10,8198  0,331893  32,6  0,000  10,1652  11,4744 

Elaborado por los autores.

De acuerdo a los resultados de la tabla 3, el análisis de regresión con datos agrupados se considera válido, pues las variables independientes son significativas a menos del 3%, excepto el capital, que es relevante con el 5,7% de probabilidad (p) de error tipo 1. Si se analizan los coeficientes de las variables, el del capital presenta signo negativo, lo que significa que no existe una relación directa con la variable producción total. Adicionalmente se observa que el modelo es «aceptable» globalmente, debido a que el valor del estadístico F es alto y su probabilidad de error tipo 1 es cero, lo que significa que por lo menos una de las variables independientes es diferente de cero.

En la tabla 4 se estima el modelo con el método de efectos aleatorios.

Tabla 4.

Análisis de regresión con efectos aleatorios

Regresión GLS de efectos aleatorios    Número de obs.  197   
Variable de grupo: id    Número de grupos  71   
        Obs. por grupo:  min 
R-sq  Dentro  0,4179      prom  2,8 
  Entre  0,569      max  10 
  En general  0,5508         
        Wald chi2 (3)  157,21   
corr (u_i, X)=  0 (assumed)      Prob>chi2  0,0000   
ln_prod  Coef  Std. Err.  P>lzl  [95% Conf. Intervalo]   
ln_peroc  0,0019304  0,0075995  0,25  0,799  −0,0129643  0,0168251 
ln_capi  −0,0354499  0,0197722  −1,79  0,073  −0,0742027  0,0033028 
ln_tec  0,2371921  0,0193525  12,26  0,000  0,1992619  0,2751223 
_cons  11,78557  0,3204993  36,77  0,000  11,1574  12,41373 
sigma_u  0,35580588           
sigma_e  0,2385119           
rho  0,68995997  (fracción de varianza debido a u_i)

Elaborado por los autores.

La tabla 4 muestra que el modelo se podría considerar aceptable según los valores de probabilidad de las variables, con la excepción de la variable del personal ocupado (ln_peroc), que tiene una p de 0,799, haciéndole irrelevante a la variable al 0,05.

Sin embargo, para poder determinar cuál es el mejor modelo, ya sea con datos agrupados o con efectos aleatorios, Aparicio y Márquez (2005) proponen la elaboración de una prueba del multiplicador de Lagrange para efectos aleatorios, de la cual se obtuvo el resultado que se muestra en la tabla 5.

Tabla 5.

Prueba de multiplicador de Lagrange para efectos aleatorios

ln_prod[id,t]= Xb+u[id]+e[id,t] 
Resultados estimados:   
    Var  sd=sqrt(Var) 
  ln_prod  0,3897103  0,6242678 
  0,0568879  0,2385119 
  0,1265978  0,3558059 
Prueba: Var(u) =0   
  chibar2(01)  46,37   
  Prob>chibar2  0,0000   

Elaborado por los autores.

Según Montero Granados (2011), si el valor del test es bajo (probabilidad mayor a 0,095) la hipótesis nula se confirma y se utiliza mínimos cuadrados ordinarios (MCO) o datos agrupados, mientras que si el test es alto (probabilidad menor a 0,05) la hipótesis nula se rechaza y se elige el modelo con efectos aleatorios. En el presente caso, como la probabilidad (p) fue de 0,000, se rechaza la hipótesis nula, es decir, es conveniente utilizar la estimación de efectos aleatorios en lugar de la de datos agrupados.

Luego se corrió el modelo por el método de efectos fijos y los resultados que se obtuvieron se indican en la tabla 6.

Tabla 6.

Análisis de regresión por efectos fijos

xtreg ln_prod ln_peroc ln_tec si capi ≤ 250000 & capi ≥ −100000, fe   
        Número de obs. =  197   
Regresión de efectos fijos  Número de grupos =  71   
Variable de grupo: id         
        Obs por grupo:  min = 
R-sq  Dentro  0,4316      prom =  2,8 
  Entre  0,5068      max =  10 
  En general  0,5174         
        F(3,123) =  31,13   
        Prob > F =  0,0000   
ln_prod  Coef  Std. Err.  P > ltl  [95% Conf. Intervalo]   
ln_peroc  −0,007318  0,0074021  −0,99  0,325  −0,02197  0,007334 
ln_capi  −0,05  0,0213516  2,234  0,021  −0,092304  −0,0077758 
ln_tec  0,1861564  0,0211643  8,8  0,000  0,1442629  0,2280499 
_cons  12,61478  0,3489732  36,15  0,000  11,9240  13,30555 
sigma_u  0,50261111           
sigma_e  0,2385119           
rho  0,81619758  (fracción de varianza debido a u_i)
             
F prueba que todos u_i=0: F(70,123) = 6,64 Prob > F = 0,0000

Elaborado por los autores.

El modelo obtenido a través del análisis de regresión por efectos fijos nos muestra que la prueba F se rechaza, lo que significa que al menos una de las variables dicotómicas sí pertenece al modelo; por lo tanto, se podría utilizar el modelo con el método de efectos aleatorios.

La probabilidad p con el valor de 0 nos indica que podemos rechazar la hipótesis H0, por lo que se podrían escoger efectos fijos. Sin embargo, la variable de personal ocupado tiene una probabilidad alta de 0,325, haciéndola irrelevante.

Después de realizar las pruebas para la elección del mejor modelo mediante los métodos de efectos aleatorios o fijos y decidir cuál de los dos es el mejor método, se procedió a realizar el test de Hausman, cuyos resultados se visualizan en la tabla 7.

Tabla 7.

Test de Hausman

hausman FIJO ALEATORIO
  −--------- Coeficientes ---------- 
  (b) FIJO  (B)
ALEATORIO 
(b-B)
Diferencia 
sqrt (diag(V_b-V_B))
S.E. 
ln_peroc  −0,007318  0,0019304  −0,0092484   
ln_capi  −0,0500399  −0,0354499  −0,01459  0,0080592 
ln_tec  0,1861564  0,2371921  −0,510357  0,0085679 
b=consistente bajo Ho y Ha; obtenido de xtreg
B=inconsistente bajo Ha, eficiente bajo Ho; obtenido de xtreg
Prueba: H0: diferencia de coeficientes no sistemática
    Chi2(3) =  (b-B) ‘[(V_b-V_B)^(-1)] (b-B)   
      38   
    Prob>chi2  0,0000   

Elaborado por el autores.

El test de Hausman indica que se rechaza la hipótesis H0, lo que indica que los estimadores sí difieren; es decir, los efectos fijos son más convenientes que los efectos aleatorios. Además, al rechazar la hipótesis H0, hay sesgo de especificación que es producto de la estimación de la gran cantidad de dummies que se estimó en el modelo, haciéndolo un modelo ineficiente.

Finalmente, después de haber analizado el mejor modelo por los tres métodos, se escogió el modelo con datos agrupados. Así mismo, el determinar el mejor modelo permitió corregir el problema de heterogeneidad.

En este punto se realizaron algunos análisis para el diagnóstico y la corrección de la violación de los supuestos. Por medio de la aplicación de métodos estadísticos se emplearon los métodos propuestos por Aparicio y Márquez (2005) mediante el uso del programa STATA 12.0. Las pruebas que se realizaron fueron respecto de autocorrelación, heterocedasticidad y correlación contemporánea.

El resultado del análisis fue la existencia de los tres supuestos: autocorrelación, heterocedasticidad y correlación contemporánea. La presencia de los tres supuestos viola las condiciones de un modelo aceptable, lo que ha obligado realizar su corrección con el fin de llegar a tener un modelo sin errores y óptimo para su diagnóstico. Aparicio y Márquez (2005) proponen dos métodos de análisis para corregir la violación de estos supuestos. El primer método es mediante estimadores de mínimos cuadrados generalizados factibles (MCGF) y el segundo método es por errores estándar corregidos para panel (EECP).

En la tabla 8 se muestra el modelo corregido después de la aplicación de los métodos MCGF y EECP, con los consiguientes resultados.

Tabla 8.

Regresión con el método de mínimos cuadrados generalizados

Coeficientes  Mínimos cuadrados generalizados  Número de obs. =    197 
Paneles  Heterocedastic      Número de grupos =    71 
Correlación:  Sin autocorrelación      Obs. por grupo: min =  min = 
          prom =  2,774648 
          max =  10 
Covarianzas estimadas =71    Wald chi2 (3)  2.202,01 
Autocorrelaciones estimadas =  Prob>chi2  0,00000 
Coeficientes estimados =       
ln_prod  Coef  Std. Err.  P>lzl  [95% Conf. Intervalo]
ln_peroc  0,0174747  0,0064975  2,69  0,007  0,0047399  0,0302095 
ln_capi  0,0519717  0,004415  11,77  0,0000  0,0606248  0,0433185 
ln_tec  0,3196667  0,0078302  40,82  0,0000  0,3043198  0,3350137 
_cons  10,76198  0,1311875  82,04  0,0000  10,5049  11,01910 

Elaborado por los autores.

La tabla 8 muestra que se han corregido los supuestos, y se mejora el modelo haciendo las variables personal ocupado, capital y tecnología relevantes, con un coeficiente mayor y una probabilidad p baja, de 0,007, 0,000 y 0,000, respectivamente.

Al intentar aplicar el método de EECP, el programa Stata no pudo determinar debido a que este método es utilizado para bases de datos balanceadas. En el caso de nuestra investigación, se empleó una base de datos desbalanceada.

6Medición de la productividad

Para la medición de la productividad se empleó el modelo corregido expresado como un modelo de datos agrupados presentado en la tabla 8. Este modelo asigna los siguientes coeficientes para las variables personal ocupado, capital y tecnología, según se indica en la ecuación (4).

La sumatoria de los coeficientes de las variables (β1+β2+β3) asciende al valor de 0,3891131, lo que indica que la industria textil CIIU C13 en el Ecuador tuvo rendimientos decrecientes en el período del 2000 a 2013. El valor del resultado del análisis del sector no es lo suficientemente representativo como para aseverar que la industria textil haya decrecido de manera única con rendimientos decrecientes. No obstante, lo que sí se puede afirmar es que la industria textil ha mantenido rendimientos decrecientes en ciertas industrias del grupo de estudio durante el período de estudio.

La teoría de crecimiento de Solow supone que la función de producción del modelo en estudio tiene rendimientos crecientes o decrecientes constantes a escala; en el caso de nuestra investigación los rendimientos decrecientes muestran que si la producción aumenta en menor proporción que el aumento de todos los insumos, su consecuencia es la escala operacional, lo que genera problemas laborales, tornando complejo el manejo de la organización al empresario.

Es importante indicar el significado de los signos de las variables. El signo positivo indica que la variable es relevante y significativa para el modelo; si alguna de las variables en algún momento dado aumenta o disminuye, hará que la producción se comporte de la misma forma.

El modelo econométrico empleado en la investigación tiene una naturaleza de logarítmico doble notado así: log-log, que muestra los coeficientes de las variables medidos como elasticidades expresadas en términos porcentuales.

Al analizar los coeficientes del modelo representado por la ecuación (4), el coeficiente β1, que corresponde al personal ocupado (ln_peroc), tienen un valor de 0,174747, y cuando la elasticidad de la variable aumente el 1% manteniendo las variables capital y tecnología constantes, la producción total crecerá en un 0,017%. En lo que se refiere a la variable del capital β2 (ln_capi), si su elasticidad aumenta el 1% con las variables personal ocupado y tecnología constantes, la producción crecerá en un 0,051%. Finalmente, el aumento del 1% de la elasticidad de la variable tecnología β3(ln_tec), manteniendo el personal ocupado y el capital constantes, hará que la producción crezca en un 0,32%, valor muy significativo para la investigación por cuanto nos muestra que la variable tecnología es un factor importante en el aumento de la producción en el sector textil del Ecuador.

De acuerdo a las probabilidades de las variables en estudio que se muestran en la tabla 8, se determinó que el capital y la tecnología son las más relevantes, con una probabilidad del 0% en ambos casos, mientras que la variable de personal ocupado tiene una probabilidad del 0,007%, lo que significa que es menos relevante, pero no irrelevante para el análisis del modelo estimado.

7Proyección al año 2014

La proyección para el año 2014 se realizó en base a las elasticidades de las variables en estudio, como se muestra en la ecuación (5).

Donde las variaciones porcentuales Δ%peroc, Δ%capi y Δ%tec mostradas en la ecuación (5) provienen del análisis que se hace a continuación.

  • 1.

    La variación porcentual del personal ocupado (Δ%peroc) se obtuvo de los datos publicados por el INEC (2015a); véase la figura 5.Como la figura 5 nos muestra la comparación del año 2014 respecto al año 2013, el valor de la variación de la elasticidad de la variable personal ocupado es del 2,48%, representada por la tasa de empleo adecuado.

    Figura 5.

    Evolución de los indicadores laborales a nivel nacional.

    Elaborado por los autores.

    Fuente: INEC, 2015.

    (0.15MB).
  • 2.

    La variación de la elasticidad del capital se obtuvo de una publicación de la revista Ekos. Según Maldonado et al. (2015), la industria textil se establece como un sector dinámico debido a que en el año 2014 registra un crecimiento del 4,3% respecto del año anterior y representa el 0,9% del PIB nacional y el 7,24% del PIB manufacturero.

  • 3.

    La variación de la elasticidad de la variable tecnología asumió un valor constante del 1%, lo que es sustentado con la falta de información respecto al uso de la tecnología en los procesos productivos o en la producción de las pymes del Ecuador.

Después de reemplazar las variaciones porcentuales en la ecuación (5), la ecuación queda de la siguiente manera:

Analizando la ecuación (7) se puede afirmar que la variable de mayor aportación a la productividad es la tecnología (0,3196667), seguido por el capital (0,0542064831), y por último por el personal ocupado (0,3196667). Además, el resultado total es de 0,391783, valor que indica que el sector textil del CIIU C13 del Ecuador para el año 2014 va a presentar un decrecimiento en un 0,002 en algunas de las pymes respecto al año 2013, o lo que es lo mismo, el estado de la industria de las pymes textiles para el año 2014 en sus factores capital, personal ocupado y tecnología va a mantenerse casi constante.

8Discusión de los resultados

Analizando el modelo obtenido se obtiene como resultado que las variables más importantes en la producción de las pymes textiles son la tecnología y el capital, y como menos relevante, el personal ocupado. La variable tecnología es relevante para la productividad en el proceso de producción; es decir, las pymes del sector textil necesitan emplear un nivel elevado de maquinaria y tecnología en la elaboración de sus productos, con el fin de que estos tenga un alto estándar de calidad, dándoles las posibilidad de ser competitivos en el mercado global. La variable personal ocupado es la menos importante para el modelo, debido a que en las empresas textiles la mano de obra generalmente realiza tareas repetitivas, siendo la experiencia y la capacitación de los trabajadores en muchos casos las que aportan la productividad en los procesos productivos.

La aplicación del modelo econométrico de Solow a las pymes de la industria textil del Ecuador evidenció que el grado del uso de la tecnología en los procesos de producción tienen rendimientos decrecientes que llegan hasta el 0,389% anual; el porcentaje nos muestra que durante el período de 2000 a 2013 algunas de las pymes textiles en estudio han ido adoptando de manera paulatina el factor tecnológico con el afán de elevar el nivel de productividad. Sin embargo, por los resultados obtenidos no todas las pymes han invertido en la adquisición de tecnología y con mucha seguridad aún mantienen métodos manuales en los procesos de producción.

El uso de la tecnología para el año 2014 se obtuvo por medio de proyecciones, y para ello se determinó que el grado del uso de la tecnología en los procesos de producción fue del 0,391% anual, obteniendo como resultado rendimientos decrecientes a escala. Para la proyección se utilizó el valor de uno (1) como constante en la variación de elasticidades de la variable tecnología, valor que se asignó a razón de que en el país hay pocos estudios que valoren el uso de tecnología en las pymes. Según Maldonado et al. (2015), la industria textil para el año 2014 logró diversificar su producción por medio de la elaboración de productos provenientes de todo tipo de fibras y por la incorporación de tecnología en la maquinaria que usan en la producción. Sin embargo, existe la preocupación por la fijación de aranceles a la importación de bienes de capital necesarios para sus procesos de producción.

9Conclusiones

De los resultados obtenidos de analizar las pymes pertenecientes al CIIU C13 del Ecuador a lo largo del período de tiempo entre 2000 y 2014 se evidencia que la productividad se ve más influenciada por el uso de la tecnología, seguido por el capital y la mano de obra, en ese orden. Sin embargo, cabe aclarar que el modelo encontrado en esta investigación, al igual que las variables utilizadas, presentan rendimientos decrecientes a escala, lo que significa que si se aumentan los factores como capital, trabajo y tecnología, se incrementará el producto, pero en menor proporción.

La importancia de las variables tecnología y capital se debe a que en los últimos años la industria textil ha invertido en la incorporación de nueva maquinaria y tecnología con el objetivo de elevar el nivel de eficiencia en los procesos productivos. Sin embargo, de acuerdo al modelo obtenido, todavía no se evidencian los impactos positivos de su agregación en la productividad de las pymes del sector textil.

Se comprobó la hipótesis referente al efecto que tiene el uso de la tecnología en la productividad en las pymes textiles, ya que si se invierte en insumos tecnológicos y se modernizan e incrementan la maquinaria y los equipos, estas acciones traerán como consecuencia un incremento de la productividad, situación que podrá verse fortalecida si existe un marco legal que fomente el desarrollo industrial de las pymes ecuatorianas.

Aunque es muy temprano para evaluar el efecto de las políticas relacionadas con el cambio de la matriz productiva en el Ecuador, que básicamente apuntan al fortalecimiento del sistema productivo basado en eficiencia e innovación (SENPLADES, 2013), los resultados obtenidos todavía no permiten afirmar que hay evidencias de que las pymes están jugando un papel importante en este proceso, toda vez que apenas reportan un pequeño crecimiento empresarial y económico, o lo que es lo mismo, sus resultados de crecimiento de productividad todavía están muy lejos de las expectativas gubernamentales.

Agradecimientos

Agradezco a la Escuela Politécnica Nacional en Quito (Ecuador), particularmente a Dirección de Investigación y Proyección Social, por haberme permitido desarrollar el proyecto PII-DESODEH-006-2015.

Bibliografía
[AITE, 2016]
AITE (30 de marzo de 2016). AITE de Industria Textil y Confección [consultado 28 Ene 2017]. Disponible en: http://www.aite.com.ec/boletines/2016/industria-textil.pdf
[Ana Liliana Valderrama, 2015]
O.N. Ana Liliana Valderrama.
Eficiencia técnica en la industria manufacturera en México.
Investigación Económica, 74 (2015), pp. 98
[ANDES, 2015]
ANDES (10 de junio de 2015). ANDES. Obtenido de Presidente Correa plantea fortalecer la pequeña y mediana empresa [consultado 10 Ene 2017]. Disponible en: http://www.andes.info.ec/es/noticias/inauguracion-cumbre-empresarial-belgica-presidente-correa-plantea-fortalecer-pequena
[Aparicio y Márquez, 2005]
Aparicio J., Márquez J. (2005). Diagnóstico y Especificación de Modelos Panel en STATA 8.0. División de Estudios Políticos CIDE.
[Carrillo et al., 2007]
M. Carrillo, J. Cerón, M. Reyes.
Análisis de Crecimiento Económico.
Instituto Politécnico Nacional, (2007),
[Corona, 2011]
L. Corona.
Pequeña y mediana empresa.
Ekos Negocios, (2011), pp. 34-40
[Ecuadorencifras, 2012]
Ecuadorencifras (octubre de 2012). Ecuadorencifras [consultado 27 Ene 2017]. Disponible en: http://www.ecuadorencifras.gob.ec/wp-content/descargas/Infoconomia/info6.pdf
[Gujarati y Porter, 2010]
D. Gujarati, D. Porter.
Econometría.
McGraw Hill Educación, (2010),
[Hernandez Sampieri et al., 2014]
R. Hernandez Sampieri, C. Fernandez Collado, P. Baptista Lucio.
Metodología de la Investigación.
McGraw Hill, (2014),
[Hidalgo, 1999]
A. Hidalgo.
La gestión de la tecnología como factor estratégico de la competividad industrial.
Economía Industrial, 6 (1999), pp. 1-12
[INEC, 2012]
INEC (2012). Ecuador en cifras. Síntesis Metodológica Encuesta de Manufactura y Minería [consultado 25 Ene 2017]. Disponible en: http://www.ecuadorencifras.gob.ec/documentos/web-inec/Estadisticas_Economicas/Encuesta_Manufactura/Manufactura_2012/Manu_Tomo_I/3.%20EMM2012_SINTESIS_METODOLOGICA.pdf
[INEC, 2014a]
INEC (2014). Directorio de Empresas y Establecimientos 2012. Quito.
[INEC, 2015a]
INEC (septiembre de 2015). Ecuador en cifras [consultado 13 Ene 2017]. Disponible en: http://www.ecuadorencifras.gob.ec/documentos/web-inec/EMPLEO/2015/Septiembre-2015/Presentacion_Empleo.pdf
[INEC, 2015b]
INEC (16 de abril de 2015). Ecuador en Cifras. Encuesta Nacional de Empleo, Desempleo y Subempleo. Indicadores Laborales [consultado 29 Ene 2017]. Disponible en: http://190.152.152.74//documentos/web-inec/EMPLEO/2015/Marzo-2015/Presentacion_Empleo_Marzo_2015.pdf
[Jiménez et al., 2009]
Jiménez J., Castro A., Brenes, C. (2009). Productividad. Argentina: El Cid Editor/Apuntes [consultado 27 Ene 2017]. Disponible en: http://www.ebrary.com
[Maldonado et al., 2015]
F. Maldonado, G. Proaño, S. González, M. Muñoz.
Ranking 1000 empresarial 2015.
Ekos Negocios, (2015), pp. 48-78
[Marcano y García, 1997]
Luis Marcano, L. Garcia.
Las empresas de base tecnologica: Opciones para la región.
Revista Espacios, 2 (1997),
[Marconi y Salcedo, 2014]
Marconi R.S., Salcedo B.J. (agosto de 2014). Banco Central del Ecuador [consultado 28 Ene 2017]. Disponible en: http://contenido.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/NotasTecnicas/nota15.pdf
[Montero Granados, 2011]
Montero Granados, R. (junio de 2011). Efectos fijos o aleatorios: test de especificación [consultado 24 Ene 2017]. Disponible en: http://www.ugr.es/∼montero/matematicas/especificacion.pdf
[Proecuador, 2013]
Proecuador (2013). Proecuador [consultado 27 Ene 2017]. Disponible en: http://www.proecuador.gob.ec/wp-content/uploads/2014/11/PERFIL-DE-TEXTIL-IED.pdf
[SENPLADES, 2012a]
SENPLADES (2012). Secretaría Nacional de Planificación y Desarrollo del Ecuador. Folleto informativo de la transformación de la matriz productiva [consultado 22 Ene 2017]. Disponible en: http://www.planificacion.gob.ec/wp-content/uploads/downloads/2013/01/matriz_productiva_WEBtodo.pdf
[SENPLADES, 2012b]
SENPLADES (2012). Secretaría Nacional de Planificación y Desarrollo del Ecuador. Transformación de la matriz productiva [consultado 10 Ene 2017]. Disponible en: http://www.planificacion.gob.ec/wp-content/uploads/downloads/2013/01/matriz_productiva_WEBtodo.pdf
[SENPLADES, 2013]
SENPLADES (2013). Plan Nacional del Buen Vivir 2013-2017. Quito.
[Shapiro, 1975]
Shapiro, E. (1975). Análisis macroeconómico. ICE, España.
[Wooldridge, 2010]
J. Wooldridge.
Introducción a la econometría. Un enfoque moderno.
Cengage Learning, (2010),
Copyright © 2017. Asociación Cuadernos de Economía
Article options
Tools