Desempeño de las PyME industriales argentinas, 2005-2011: Medición de eficiencia en la producción a través de un enfoque no-paramétrico.₁Este artículo está basado en la Tesis “Medición de eficiencia de las PyME industriales argentinas mediante el enfoque DEA” presentada en la Maestría en Generación y Análisis de Información Estadística de la Universidad Nacional de Tres de Febrero por Laura Mastroscello en 2013, y defendida en mayo de 2016. El director de Tesis es Carlos A. Romero.

Introducción

Las Pequeñas y Medianas Empresas (de aquí en adelante PyME) desempeñan un importante rol en los países de desarrollo, generando un mayor aporte al crecimiento de la economía y a la generación de empleo que las empresas grandes.₃Hallberg (1999).

Pero a pesar del rol clave que tienen las PyME en el entramado productivo, las fallas de mercado en los países en desarrollo muchas veces restringen sus posibilidades de alcanzar mayores niveles de eficiencia en la producción. Estas empresas corren con ciertas desventajas en relación a las grandes firmas del sector, tanto para acceder al crédito (y por lo tanto obtener financiamiento para la inversión), como para iniciarse en el negocio exportador y competir en mercados internacionales, o en el mercado interno con bienes importados de bajo precio; y para sostener la rentabilidad ante subas en los costos de producción. Además de que tienen baja disponibilidad de capital de trabajo; poco acceso a información; limitaciones para incorporar nuevas tecnologías; baja capacidad para tomar ventaja de economías de escala, entre otras cuestiones.₄Álvarez & Crespi (2003); Arroyo Venegas (2008); Batra & Tan (2003); FOP (2012); Minh et al. (2007); Peres & Stumpo (2002).

De hecho, de acuerdo a los datos de la Encuesta Estructural a PyME industriales (EE) de la Fundación Observatorio PyME (FOP), sólo una de cada cuatro PyME industriales argentinas exporta (y aún las exportadoras presentan en general una marcada orientación al mercado interno), la tercera parte tiene problemas para competir en el mercado local con bienes importados, cerca del 30% tiene algún proyecto de inversión frenado por falta de financiamiento bancario, y cada año solo la mitad invierte.₅FOP (2012).

Por lo tanto, y dada su relevancia en el tejido empresarial argentino, un mejor entendimiento de los factores que influyen en el nivel de desempeño de las PyME genera información de vital importancia sobre buenas prácticas en materia de organización industrial, para ser aprovechada tanto por el empresariado como desde el sector público, y puede aumentar la capacidad de los policy makers de asistir al crecimiento de estas empresas.₆Batra & Tan (2003); Burki & Terrell (1998); Castellanos Domínguez et al (2005).

Esto refleja la importancia de estudiar cómo medir el desempeño productivo de estas firmas, para lo cual existen distintas metodologías. Si bien posiblemente la más conocida es a partir de indicadores de productividad parcial (como la productividad del trabajo), también es factible medir el nivel de eficiencia en la producción siguiendo el criterio de productividad total de los factores. Así, por ejemplo, es viable obtener medidas de eficiencia técnica como la introducida por Farrell (1957). Entendiendo por eficiencia técnica de una unidad productiva la obtención de la mayor cantidad posible de uno o más productos, a partir de un nivel dado fijo de insumos y/o factores productivos. Se obtiene de esta manera un indicador más integral que permite considerar la presencia de múltiples productos y múltiples insumos/factores productivos.

El objetivo de este trabajo es aportar evidencia empírica para resolver el problema de cómo se mide el nivel de eficiencia de las PyME industriales argentinas, y evaluar qué factores internos y exógenos a las firmas están potencialmente asociados a su nivel de eficiencia en la producción. En este sentido, las preguntas que se pretende contestar son: ¿cómo se mide el nivel de eficiencia técnica de las PyME industriales?, ¿existen diferencias en el nivel de eficiencia técnica alcanzado por estas empresas según su tamaño, sector de actividad de pertenencia o su localización geográfica?, ¿las empresas que logran exportar alcanzan mayores niveles de eficiencia en la producción?, ¿las restricciones al financiamiento que afrontan las PyME afectan su nivel de eficiencia?

Para esto, se estima el nivel de eficiencia a nivel empresa para una muestra de 1024 PyME industriales argentinas₇Sobre la base de datos de la Encuesta Estructural a PyME industriales, de periodicidad anual, de la Fundación Observatorio PyME (www.observatoriopyme.org.ar). encuestadas entre 2005 y 2011₈Al momento de realizarse este trabajo aún no estaban disponibles los datos de la EE correspondientes al año 2012 en adelante., determinando un parámetro a partir del cual se califica el nivel de eficiencia de cada una en relación al resto.

Se implementa el enfoque Análisis Envolvente de Datos (DEA por sus siglas en inglés), basado en el trabajo de Farrell (1957) y las extensiones introducidas por Charnes et al. (1978) y Banker et al. (1984). DEA provee una metodología para medir el nivel de desempeño (eficiencia relativa) de las empresas pertenecientes a una muestra, a partir de información disponible para cada una de estas respecto al nivel de inputs (insumos y/o factores de producción) utilizados para producir cierto nivel de output (producto). El DEA implica la realización de un benchmark como un instrumento de comparación entre las unidades de toma de decisiones –en este caso empresas- pertenecientes a la muestra analizada. A partir de los resultados obtenidos se explora si se encuentran diferencias de eficiencia media y los potenciales determinantes de la misma. Finalmente, se presentan las conclusiones de la investigación.

2 CARACTERÍSTICAS Y DESEMPEÑO DE LAS DE LAS PYME INDUSTRIALES, 2005-2011

2.1 Definición y características principales de la PyME

En líneas generales no existe consenso internacional respecto a cuál es la definición de PyME. Según Cardozo et al (2012) una PyME puede definirse teóricamente como “una unidad económica (…) dirigida por su propietario, de una forma personalizada y autónoma, de pequeña dimensión en cuanto a número de trabajadores y cobertura de mercado”.

En lo operativo, y con el fin de implementar parámetros medibles, se utilizan distintos criterios de clasificación, siendo los más comunes la facturación por ventas y la cantidad total de ocupados para un período determinado₉Cardozo et al. (2012); FOP (2013)..

En este estudio se define como PyME industrial a toda empresa que tenga entre 10 y 200 ocupados cuya actividad principal corresponda a la industria manufacturera₁₀Actividades comprendidas en las divisiones 15 a 37 de la Clasificación Internacional Industrial Uniforme–CIIU Revisión 3.1- de Naciones Unidas (http://unstats.un.org/unsd/cr/registry/regcst.asp?Cl=17&Lg=3), siguiendo los parámetros de la EE de la FOP.

La condición de PyME no necesariamente es transitoria, estas empresas no siempre crecen, sino que se mantienen en su condición de PyME a lo largo del tiempo, con lo cual no están en transición hasta ser grandes empresas, sino que su tamaño es en general el óptimo, dadas las condiciones estructurales de cada economía₁₁FOP (2013). Así, en su condición estructural de PyME, cumplen un rol fundamental en el desarrollo económico de los países, contribuyendo a lograr mejoras en términos de distribución del ingreso de las economías al ser más intensivas en mano de obra que las empresas más grandes₁₂Aggrey et al. (2010); Batra & Tan (2003); Charoenrat & Harvie (2012); Cortes et al (1987).. En Argentina, las PyME industriales tienen una importante participación en el total de la industria manufacturera nacional en cantidad de empresas, de ocupados y en términos de valor agregado₁₃Las PyME generan el 28% del valor agregado de la industria (Fuente: Censo Nacional Económico 2004, INDEC, año 2003. Tomando como PyME a aquellas empresas que tienen entre 11 y 100 trabajadores) constituyen el 44% de la cantidad de empresas del sector y representan el 41% del empleo industrial (Fuente: Observatorio de Empleo y Dinámica Empresarial, MTEySS, correspondientes al año 2012. La definición del tamaño de una empresa se realiza a partir del empleo promedio declarado, y los rangos de empleo utilizados varían según rama de actividad dentro de la industria manufacturera, y son determinados a partir del nivel de ventas de las empresas definido por la SEPyME en la Resolución 24/2001)..

Los datos de la Encuesta Estructural a PyME industriales de la FOP muestran que estas empresas son en su mayoría pequeñas (alrededor del 75% tiene entre 10 y 50 ocupados, mientras que el restante 25% emplea entre 51 y 200 ocupados), y están fuertemente concentradas en las regiones AMBA y Centro del país, al igual que la mayor parte de la actividad económica nacional₁₄La provincia de Buenos Aires representa el 33% del PIB nacional, mientras que la ciudad de Buenos Aires participa con el 22%, seguidas de las provincias de Córdoba y Santa Fe, que contribuyen cada una con el 8% del producto (Fuente: CEPAL)..

En cuanto a su configuración sectorial, si bien las PyME pertenecen a distintos sectores de la industria manufacturera, se advierte una importante concentración en determinadas ramas de actividad, que además se sostiene en el tiempo, como Alimentos y bebidas; Textiles, prendas de vestir, productos de cuero y calzado; y Metales comunes y productos de metal₁₅Acosta (2010); FOP (2012)..

Por otro lado, una de cada tres PyME industriales exporta parte de su producción cada año. Y el 36% solicita crédito bancario, de las cuales la mayor parte lo obtiene (28% del total) y al resto le es rechazada la solicitud (9%).

2.2 Desempeño de las PyME industriales, en 2005-2011

Durante la década que va de 2002 a 2012, luego del estallido de la crisis económica en 2001, Argentina atravesó una fase de fuerte crecimiento económico (si bien a lo largo del período también se registraron breves lapsos de desaceleración o estancamiento), en el marco de la cual se produjo una expansión del conjunto de la industria nacional, con incrementos en la producción y el nivel de ocupación, que también se verificó en el segmento de las PyME de la industria manufacturera.

Esta investigación se focaliza en el período expansivo 2005-2011, cuando el producto interno bruto de Argentina (PIB) registró un crecimiento acumulado del 51%, y la tendencia positiva fue generalizada entre los distintos sectores de actividad de la economía₁₆Acosta (2010); FOP (2012).. Aunque entre la segunda mitad de 2008 y la primera de 2009 se atravesó un período de estancamiento (el PIB sólo aumentó un 0,9% anual en 2009), que de todas maneras fue breve. Durante los siguientes dos años siguientes el producto aumentó a una tasa promedio anual del 9%₁₇Acosta (2010); FOP (2012)..

En particular, el sector de la Industria Manufacturera fue reflejo del crecimiento económico de Argentina: registró un aumento de la producción del 43% entre 2005 y 2011₁₈Fuente: Estimador Mensual Industrial –EMI-, INDEC., y el crecimiento estuvo impulsado fundamentalmente por los sectores Automotriz y de la Siderurgia, aunque prácticamente toda la actividad manufacturera aumentó su nivel de producción₁₉Con excepción del sector Refinación de petróleo..

Al analizar el segmento PyME de la industria manufacturera, también se advierte una tendencia expansiva a lo largo de 2005-2011, período en el que las cantidades vendidas por estas empresas registraron un incremento acumulado del 16%₂₀Acosta (2010); FOP (2012)..

Sin embargo, es importante destacar que para las PyME el efecto de la crisis de 2008-2009 fue mayor que para el promedio industrial nacional (liderado por las grandes empresas del sector), y en dichos años el volumen de ventas de estas empresas se contrajo a una tasa promedio anual del –9%₂₁FOP (2012)..

El Gráfico 1 presenta la evolución de las cantidades vendidas por las PyME industriales entre 2005 y 2011 en relación al comportamiento del nivel de actividad del total del sector industrial (medido a través del EMI) y del PIB, distinguiendo en tres etapas bien marcadas para las PyME: crecimiento con generación de empleo (2005-2007, aunque había iniciado dos años antes); contracción de ventas y ocupación (2008-2009) y expansión sin aumento de la ocupación (2010-2011).

Gráfico 1: Evolución del Producto Bruto Nacional (PIB), la Producción Industrial nacional y las Cantidades Vendidas por las PyME industriales en el período 2005-2011 (Índices base 2005=100)

3 METODOLOGÍA DE ESTIMACIÓN DE LA PRODUCTIVIDAD TOTAL DE LOS FACTORES: ANÁLISIS ENVOLVENTE DE DATOS (DEA)

El desempeño de una unidad de toma de decisiones (DMU por sus siglas en inglés₂₂Se utiliza este término porque las medidas de eficiencia y cambio de productividad no necesariamente tienen que aplicarse a empresas. Por ejemplo, es común su utilización en las áreas de salud, educación o en áreas dentro de la organización de las firmas (sucursales de bancos, departamentos de ventas regionales, entre otros).) en un momento del tiempo es un concepto relativo, ya sea respecto a otro momento del tiempo, o en relación a otras empresas para un mismo período Existen distintos métodos para medir este nivel de desempeño, que varían en distintos aspectos, como pueden ser la información requerida para efectuar la medición₂₃Para medir eficiencia técnica se requiere información sobre la función de producción. Es decir, niveles de producción y de utilización de insumos en términos físicos. En cambio para medir eficiencia de costos se requieren adicionalmente datos en términos monetarios como niveles de costos y precios de los insumos. y los supuestos que se toman en términos de comportamiento y tecnología de las DMU analizadas₂₄Coelli et al.(1998).. En este trabajo las DMU son empresas PyME.

La productividad total de los factores (PTF) mide eficiencia técnica en la producción de una firma (capacidad de una empresa de hacer un buen uso de sus factores productivos para lograr el máximo de producción posible), y es una medida más completa del desempeño relativo de una empresa que la productividad parcial, que se limita a un solo factor de producción (como puede ser la productividad laboral). A partir de la PTF la eficiencia resulta expresada como el cociente entre la suma de productos ponderada y la suma de los insumos/factores productivos ponderada. Por ejemplo, para la firma “B,” la PTF se mediría de la siguiente manera:

Siendo y_i,B el nivel de producción cada uno de los R bienes producidos por una empresa (i=1…R) y x_j,_B la utilización de cada uno de los M insumos/factores productivos utilizados por parte de la firma B (j=1…M)₂₅Esto permite ilustrar la diferencia con respecto a un indicador de productividad parcial, como la productividad del trabajo. Si el insumo j=1 fuera el empleo, tendríamos un indicador.. Esto permite obtener una sola medida de eficiencia a partir de calcular los ponderadores (u₁, u₂,…, u_R) y (v₁, v₂,…, v_M) implícitos en la información de las empresas.

De esta forma, para cuantificar la eficiencia relativa deben definirse los productos (outputs) e insumos y factores productivos (inputs) que cada empresa provee. Y una vez que se cuenta con la información estadística sobre los mismos, para medir en forma sistemática y consistente la eficiencia relativa de las empresas para las que se dispone de los datos, se requiere construir un estándar de comparación que represente el mejor desempeño que podría alcanzarse con las mejores prácticas, y al que se denomina frontera de eficiencia.

Hay dos grandes líneas metodológicas para estimar fronteras de eficiencia y así medir la eficiencia relativa de las diferentes unidades bajo análisis: econometría y programación lineal. Dentro de los métodos de programación lineal, el denominado Análisis Envolvente de Datos (DEA) es uno de los más utilizados para estimar eficiencia de una muestra de unidades productivas.

Cada metodología -DEA o econometría- tiene sus ventajas y desventajas. El DEA es muy simple de implementar y no requiere considerar a priori una determinada función de producción o costos, pero es esencialmente determinístico (no separa de la ineficiencia el margen de error estadístico). La econometría requiere como punto de partida estimar los parámetros de una determinada función y permite separar de la estimación de eficiencia el ruido estadístico.

DEA₂₆El origen de la medición de eficiencia relativa se remonta al trabajo de Farell (1957). Pero no es hasta 1978, con la publicación del paper de Charnes et al. (1978), que aparece el método DEA que permite cuantificar la medida de Farrell, bajo el supuesto de rendimientos constantes a escala (RCE). Luego fue extendido por Banker et al. (1984) al desarrollar el modelo bajo el supuesto de rendimientos variables a escala (RVE). compara los inputs y outputs observados para todas las unidades de toma de decisiones bajo estudio, identifica la mejor práctica para definir una frontera, y así mide el grado de ineficiencia de todas las unidades relativa a esa frontera.

El Gráfico 2 muestra a partir de un ejemplo simplificado cómo estima DEA la eficiencia relativa a partir de calcular la distancia entre las unidades y la frontera. Representa el caso que supone rendimientos variables a escala, siendo el tamaño de las empresas medido por el nivel de producción. En este caso simple, existe un único output “Y”, y un único input de producción “X”, mientras que cada punto representa el nivel de input utilizado y el nivel de output alcanzado para cada empresa de la que se dispone información.

Gráfico 2: Frontera de eficiencia con rendimientos variables a escala

Las empresas 1, 12, 18 y 19 forman la frontera de eficiencia. Todas las demás se comparan contra esta frontera. Esto indica que la frontera es construida a partir de las mejores prácticas de gerenciamiento y no corresponde a una función ingenieril o teórica.

Hay varias medidas alternativas a partir del DEA en cuanto a su orientación: (i) Orientado a insumos: cuando el producto no está bajo el control del encargado de la empresa (la firma 2 para llegar a la frontera debería disminuir la cantidad de inputs X manteniendo constante el output Y); (ii) Orientado a productos: cuando los inputs de producción no están bajo el control de la autoridad de la empresa (la empresa 3 podría aumentar su producción de Y dada su dotación de input X); (iii) No-orientado: cuando tanto el nivel de output como de input están bajo el control de la autoridad de la empresa (para la empresa 20 la flecha muestra la distancia más corta para alcanzar la frontera, aumentando Y y disminuyendo X simultáneamente).

Las unidades que están ubicadas (y por lo tanto la forman) sobre la frontera tienen un indicador de eficiencia obtenido a partir del DEA (que llamaremos θ) que es igual a 1, las que están fuera de la frontera un valor de eficiencia menor a 1. Así, por ejemplo, la empresa 2 del gráfico arrojaría un nivel de eficiencia de 0.45 (o, alternativamente, 0.55 de ineficiencia). La distancia de cada empresa a la frontera eficiente es (1- θ).

Técnicamente, el problema de programación lineal que resuelve el DEA básicamente se refiere a resolver para cada firma un problema de optimización sujeto a una serie de restricciones.

Bajo el supuesto de rendimientos variables a escala (RVE), el problema a resolver es el siguiente:

Donde, de una muestra de I empresas, para cada empresa i Є I se tiene un vector de yi outputs y otro de xi inputs, con lo cual Y y X son las correspondientes matrices de outputs e inputs que representan los datos de las I empresas, y donde e es un vector fila con todos sus elementos iguales a uno. Este problema se resuelve I veces, para cada una de las I empresas de la muestra, con lo cual se obtiene el nivel o score de Eficiencia Técnica (θ) de cada empresa i, variable que toma un valor entre 0 y 1.

La llamada restricción de convexidad (eλ=1) incorpora al DEA la posibilidad de distinguir entre ineficiencia técnica pura y la ineficiencia que puede deberse a diferencias en la escala de producción, con lo cual añade el supuesto de existencia de RVE.

La importancia de poder estimar la frontera bajo RVE radica en que no siempre es posible mantener el supuesto de que existen rendimientos constantes a escala para el conjunto de empresas que se analiza, porque esto implica que todas están produciendo a una escala óptima. Por lo que, si hay diferencias de tamaño entre las empresas de la muestra analizada, al suponer la existencia de RCE se podría considerar como ineficiente una empresa por el hecho de tener una escala de producción menor a otras, aún si es técnicamente eficiente en la producción.

Al suponer RVE, en cambio, sólo se compara la eficiencia entre empresas de escala similar (es lo que asegura la restricción de convexidad), por lo que ciertas empresas que con el análisis bajo RCE resultan ineficientes, bajo el análisis de RVE en cambio sí son eficientes. La resolución del problema bajo RVE provee scores de eficiencia para cada unidad de decisión que siempre son mayores o iguales que los obtenidos bajo el supuesto de RCE.

Es importante analizar si hay diferencias en la medición de eficiencia suponiendo RCE y RVE, porque esto permite determinar si efectivamente la escala es relevante para el sector estudiado.

Un desarrollo pormenorizado de la metodología puede encontrarse en Coelli et al. (1998), Cooper et al. (2011).

4 ESPECIFICACIÓN DEL MODELO: VARIABLES CENTRALES PARA MEDIR LA EFICIENCIA DE LAS PYME INDUSTRIALES MEDIANTE EL ENFOQUE DEA

Para poder llevar a cabo un análisis de benchmark a una muestra de DMU a partir del enfoque DEA es fundamental contar con una base de datos confiable y homogénea que contenga información estadística a nivel de cada DMU, insumo fundamental en la implementación de este método.

Como se dijo antes, con el fin de medir el nivel de eficiencia de las PyME industriales argentinas, en este estudio se utilizan datos de la Encuesta Estructural (EE) a PyME industriales llevada a cabo con periodicidad anual por la Fundación Observatorio PyME₂₇www.observatoriopyme.org.ar, a través de la cual se releva información sobre una muestra de 1.024 empresas distribuidas en todo el territorio nacional y de todas las ramas de actividad de la industria manufacturera. En base a los parámetros de la encuesta, se define como PyME industrial a toda empresa que tenga entre 10 y 200 ocupados cuya actividad principal corresponda a la industria manufacturera, y que no pertenezca a un grupo de empresas controladas directa o indirectamente por una misma firma que en conjunto ocupen a más de 200 ocupados.

A partir de los datos disponibles, se mide el nivel de eficiencia técnica de las empresas pertenecientes a la EE para los años 2005 a 2011₂₈Datos disponibles al momento de realizarse este estudio., aplicando el enfoque DEA orientado a insumos –suponiendo que las PyME industriales controlan en mayor medida la cantidad de inputs utilizados buscando producir el máximo output posible- bajo el supuesto de rendimientos variables a escala.₂₉Para seleccionar el modelo bajo el supuesto de RVE se estimaron tanto el RCE como el RVE y se evaluó que existe diferencia significativa en los resultados encontrados para ambos.

La variable seleccionada como output es Ventas anuales de las empresas₃₀Monto total de facturación por ventas durante el año anterior al de la encuesta (sin IVA - en pesos, $).. Mientras que se utilizan como inputs los dos factores de producción tradicionales en la función de producción de bienes industriales: Trabajo (medido a partir de la cantidad total de trabajadores de la empresa) y Capital físico (estimado mediante el valor de los activos no corrientes en base a los datos de balance)₃₁Tanto en el caso de Ventas como de Activo no corriente, que son variables nominales, se deflactó el valor informado por las empresas en pesos en cada año por el índice de precios de venta de los productos de las PyME industriales argentinas medido por la FOP, utilizando como año base el 2011, y logrando así que los valores registrados en cada año sean comparables entre sí..

Para hacer este análisis se descartaron las empresas para las que no se dispone de información completa en todas las variables utilizadas para aplicar el DEA, lo que varía año a año. La Tabla 1 presenta el valor medio y la cantidad de registros de empresas con información sobre cada una de las variables a partir de la base disponible de la EE para cada uno de los años bajo análisis₃₂Como se ve en la Tabla 1, la evolución en el tiempo del monto promedio de ventas (en términos reales) y de Ocupación de las empresas analizadas no sigue exactamente la tendencia explicada anteriormente en la que se diferenció en tres etapas marcadas respecto a evolución de cantidades vendidas y ocupación (Gráfico 1), ya que en este caso se acota el análisis a una menor cantidad de firmas (descartando aquellas sin información en la variable ventas)..

Tabla 1: Media y cantidad de casos con respuesta de las variables de output e inputs, por año de la encuesta

El análisis DEA se hace de manera independiente para cada uno de los años de la encuesta (2005 a 2011), con lo cual el estudio es cross-section para distintos períodos, y no analizando datos de panel. Es decir que el efecto de la variación en el tiempo de los precios de venta de los productos de las empresas no afectará el análisis estático en cada año. De todas formas, para poder interpretar mejor los resultados obtenidos para cada año en relación a la evolución de ventas en el tiempo se computa una variable de ventas en términos reales a precios de 2011, deflactando el nivel de facturación de cada empresa en cada año por un deflactor obtenido del índice de precios de ventas de las PyME industriales elaborado por la FOP.

Se utiliza el valor de ventas anuales como una variable proxy (medida aproximada) de la producción física en cada año₃₃Otros trabajos también han utilizado las ventas anuales de las firmas como variable output: Álvarez & Crespi (2003); Burki & Terrell (1998); Le & Harvie (2010); Liu & Wang (2009); Reverte & Guzmán (2010); Yang (2006)., ya que es esperable que el aumento (o la disminución) en el nivel de producción de las empresas resulte en un incremento (o caída) de las cantidades vendidas, y por ende afecte positivamente (negativamente) a la facturación por ventas. Así, las ventas dependen positivamente del volumen de bienes vendido, que a su vez también depende positivamente del volumen de producción, ya que la producción de las empresas crece cuando aumenta la capacidad de colocarla en el mercado₃₄Si bien parte de la producción anual de una empresa puede destinarse a aumentar el nivel de stock y no ser colocada en el mercado, es esperable que los cambios en el nivel de producción se correspondan con variaciones en las cantidades vendidas.. En suma, hay una relación positiva entre el nivel de producción de las empresas y el valor de ventas alcanzado.

El factor de producción Trabajo es medido a partir de la cantidad de trabajadores₃₅Otros estudios utilizan cantidad de ocupados como proxy del factor de producción Trabajo: Batra & Tan (2003); Charoenrat & Harvie (2012); Gumbau Albert (1998); Liu & Wang (2009); Minh et al (2007), yYang (2006).. Debe tenerse en cuenta que esta variable no capta el efecto que puede tener en el nivel de eficiencia de las empresas el capital humano (grado de calificación o instrucción de los trabajadores, y su experiencia en las funciones que llevan a cabo) o la cantidad de horas trabajadas. A modo de ejemplo, en caso que dos empresas tengan la misma cantidad de trabajadores, una de ellas podría resultar más eficiente en términos del factor de producción Trabajo que la otra (es decir que puede producir un mayor nivel de output con el mismo nivel de input) si sus empleados estuvieran más capacitados o tuvieran mayor experiencia en el desempeño de sus funciones, o bien si la cantidad de horas trabajadas por sus empleados fuera mayor, con lo cual podría producir más.

El input Capital (físico) es más difícil de medir, ya que no resulta tan claro cómo cuantificar la dotación utilizada de este factor de producción por parte de las empresas, teniendo en cuenta que abarca distintos tipos de maquinarias y equipos, inmuebles e instalaciones utilizadas en los procesos de producción, que además varía significativamente en los diferentes sectores de actividad, que implican distintas tecnologías de producción utilizadas para la elaboración de bienes, muy disímiles entre sí. La dificultad que se presenta para identificar y cuantificar el nivel del factor Capital interviniente en los procesos productivos de las empresas implica que deban utilizarse medidas aproximadas de este. Lo ideal sería poder contar con datos a nivel empresa sobre el valor de los bienes de uso, que constituye una parte de los activos no corrientes, abarcando específicamente aquellos bienes durables no destinados a la venta utilizados por la empresa para desarrollar su actividad.

En este estudio, y a partir de la información disponible a nivel empresa en base a la EE, se utiliza como variable para aproximar el nivel de Capital utilizado por las empresas para producir, el valor del activo no corriente de las firmas para el último ejercicio finalizado al momento de la encuesta, en base a los datos de balance relevados y que incluye el valor de aquellos bienes y derechos de la empresa con duración de más de un año contable (ejercicio), abarcando maquinaria y equipo que interviene en los procesos productivos o inmuebles como edificios utilizados como fábricas y/o galpones (bienes de uso). Pero también abarca bienes intangibles (como derechos de traspaso o propiedad intelectual) e inversiones de largo plazo, como compras de acciones o adquisiciones)₃₆Distintos trabajos utilizan el valor de los activos no corrientes como variable proxy del nivel del input Capital, con ciertas diferencias en la metodología de medición, que en algunos casos sólo abarca ciertos tipos de activos (fijos, productivos), o bien aplican una tasa de depreciación que substraen del valor de los activos. Ver Batra & Tan (2003); Burki & Terrell (1998); Charoenrat & Harvie (2012); Gumbau Albert (1998); Le & Harvie (2010); Yang (2006)..

5 ANÁLISIS DE RESULTADOS

El análisis DEA para medir el nivel de eficiencia técnica de las PyME industriales se realizó para todos los años bajo análisis y tanto bajo el supuesto de rendimientos contantes a escala como bajo el de rendimientos variables a escala. Los resultados de ambas especificaciones de modelos serían iguales si existieran RCE, pero se encontraron diferencias que demuestran que en el segmento PyME industrial existen diferencias de escala₃₇Se llevaron a cabo dos tests que evalúan si existe diferencia estadísticamente significativa en la medición de la eficiencia de las empresas en cada año bajo ambas especificaciones de modelo (prueba t por pares y test de Kolmogorov-Smirnov), y en ambos se rechaza la hipótesis nula de que las medias son iguales o que tienen la misma distribución bajo RCE y bajo RVE. Ver resultados en Tablas A1 y A2 de Anexo., por lo que se selecciona este modelo para el análisis de los resultados.

Tabla 2 Eficiencia técnica promedio obtenida por año, bajo RCE y bajo RVE

Una vez seleccionado el modelo bajo RVE, se evalúa si se encuentran diferencias significativas de eficiencia al interior del segmento PyME industrial de acuerdo a su tamaño, sector de actividad de pertenencia, la región geográfica de localización, su capacidad exportadora y su grado de acceso al crédito bancario.

El análisis busca evaluar si estos factores definidos a priori son potenciales determinantes del nivel de eficiencia de las PyME industriales, explorando si existe asociación entre ellos y el score de eficiencia medio obtenido mediante el enfoque DEA. Pero es importante decir aquí que en orden de poder profundizar este análisis puede realizarse una extensión a este trabajo que busque explicar las causas de las asociaciones encontradas.

A continuación se implementan tests no paramétricos (o de distribución libre) para contrastar la hipótesis nula de que el nivel de eficiencia técnica promedio es el mismo para los distintos grupos o segmentos de empresas analizados. La selección de este tipo de test se debe a que no es posible llevar a cabo pruebas t de hipótesis que implican tests paramétricos para evaluar diferencias de medias entre muestras independientes ya que no se puede suponer que el nivel de eficiencia técnica se distribuye normalmente para los distintos grupos de empresas analizados₃₈Para analizar si el score de eficiencia técnica obtenido se ajusta a una distribución normal o no en cada uno de los grupos o segmentos de empresas analizados (de acuerdo a sus características) se hicieron las correspondientes pruebas de normalidad, para lo que se implementó el programa SPSS, a través del comando EXAMINE VARIABLES, contrastando la hipótesis nula de que la distribución de la variable se ajusta a la distribución normal en todos los grupos. En ningún caso fue posible suponer normalidad en todos los grupos analizados. (para los cuales en ocasiones tampoco se dispone de un número grande de observaciones que permita aplicar el teorema central del límite₃₉El teorema central del límite (TLC) postula que si se tienen n observaciones de una variable correspondientes a una muestra aleatoria con media µ y varianza σ2, entonces si n es lo suficientemente grande, la variable tiene aproximadamente una distribución normal con media µ y varianza σ2/n. Cuanto más grande sea el tamaño de la muestra (n), mejor es la aproximación. (Devore (1998), p. 221).).

Cuando se analiza la diferencia en el valor medio de la eficiencia técnica entre dos grupos de empresas se lleva a cabo la prueba de Mann-Whitney, mientras que cuando se busca comparar el valor medio de la eficiencia entre más de dos grupos de empresas se utiliza la prueba Kruskal-Wallis₄₀Devore (1998), p. 617-631..

En primer lugar, se encuentra que el tamaño de las empresas está asociado con la eficiencia en la producción, aunque en el sentido contrario al esperado, ya que las firmas pequeñas (entre 10 y 50 ocupados, en torno al 75% del total) resultan ser más eficientes en promedio que las medianas (de 51 a 200 trabajadores, alrededor del 25% de las PyME)₄₁Fuente: Encuesta Estructural a PyME industriales, Fundación Observatorio PyME..

Tal como muestra la Tabla 3, las empresas pequeñas registran valores medios de nivel de eficiencia técnica por encima de los observados para las empresas medianas para todo el período bajo análisis₄₂la diferencia en el score promedio del nivel de eficiencia técnica de las empresas pequeñas y las medianas es estadísticamente significativa en todos los años (la prueba de Mann-Whitney siempre rechaza la hipótesis nula de que las medias son iguales para ambos grupos a un nivel de significación del 1%).. En líneas generales, si bien desde el punto de vista teórico no queda claro cuál es la relación entre el nivel de eficiencia de las empresas y su tamaño, autores manifiestan que las empresas de menor tamaño pueden ser más eficientes en su producción porque cuentan con estructuras internas más simples y flexibles, por lo que pueden hacer ajustes más rápidamente en términos de factores productivos para poder sostener su nivel de eficiencia, o por el compromiso y la participación directa del dueño de la firma en las actividades productivas, o bien, sobre todo en países subdesarrollados, porque estas empresas pueden beneficiarse de la informalidad al tener menos restricciones que las grandes en el ajuste de los inputs de acuerdo a sus necesidades productivas₄₃Aggrey et al (2010); Chapelle & Plane (2005) y Charoenrat and Harvie (2012).. Asimismo, las empresas medianas, al ser más intensivas en el uso del factor capital, invierten más (en promedio, cada año el 52% de las empresas medianas invierte en maquinaria y equipo, mientras que entre las pequeñas es el 33%₄₄Fuente: Encuesta Estructural a PyME industriales. Fundación Observatorio PyME.), capitalizándose, lo que afecta negativamente su nivel de eficiencia en la producción al aumentar el stock de capital.

Tabla 3: Nivel de Eficiencia Técnica promedio de las PyME industriales argentinas, por tamaño y año, bajo RVE. Test de Mann-Whitney

Desde el punto de vista sectorial, las distintas ramas de actividad dentro de la industria manufacturera abarcan sectores muy disímiles entre sí en el tipo de producto elaborado, las tecnologías de producción y la intensidad de uso de los distintos factores productivos. Con lo cual, se presenta una importante heterogeneidad sectorial dentro del segmento de las PyME industriales argentinas, que sin embargo tiene una preponderancia de determinadas actividades, como Alimentos y bebidas; Textiles, prendas de vestir, productos de cuero y calzado; Metales comunes y productos de metal; y Maquinaria y equipo (Tabla 4)₄₅Acosta (2010); FOP (2012)..

Tabla 4: Distribución de las PyME industriales argentinas por sector de actividad
(% de empresas. Promedio 2005-2011)

Un primer análisis descriptivo de los resultados obtenidos en la medición de eficiencia de estas empresas se ve reflejado en la Tabla 5, que muestra el valor de eficiencia promedio obtenido para cada una de las trece ramas de actividad bajo análisis en todo el período 2005-2011. Puede verse que los sectores de actividad que presentan los mayores niveles de eficiencia promedio en cada año son Metales comunes y productos de metal; Aparatos eléctricos, electrónicos e instrumentos de precisión; Productos de caucho y plástico, y Automotores y autopartes.

En este caso, sorprende que las PyME de Sustancias y productos químicos no se encuentren entre las más eficientes, a pesar de que este sector en general presenta un buen desempeño relativo respecto al resto . Sin embargo este sector también es de los más intensivos en capital, y cerca de la mitad de las firmas invierte en maquinarias y equipos cada año, lo que implica incurrir en gastos para incrementar el stock de capital, y hace que disminuya la eficiencia técnica en la producción al aumentar la dotación de factores productivos.

Como contraparte, los valores medios más bajos de eficiencia técnica se registran en general para los sectores de Minerales no metálicos; Textiles, prendas de vestir y productos de cuero y calzado y Muebles. Esto sí se corresponde con lo esperado, ya que estos son sectores que en general tienen un bajo grado de desarrollo relativo en la industria manufacturera₄₇FOP (2012).

Tabla 5: Nivel de Eficiencia Técnica promedio de las PyME industriales argentinas, por rama de actividad y año, bajo RVE. Test de Kruskal-Wallis

Sin embargo, estos resultados no son suficientes para afirmar que hay una asociación entre el nivel de eficiencia de las empresas y su sector de actividad de pertenencia. De hecho, al llevar a cabo la prueba Kruskal-Wallis para evaluar si puede concluirse que los score promedio de eficiencia son iguales o no entre los sectores para cada año, casi siempre se concluye que no es posible rechazar la hipótesis nula contrastada que postula que los niveles medios de eficiencia entre sectores son iguales₄₈sólo se rechaza para los años 2010 y 2011..

Dados estos resultados, y teniendo en cuenta que para determinados rubros en general se cuenta con una cantidad muy baja de casos para aplicar el enfoque DEA y medir eficiencia, siguiendo el análisis realizado por Acosta (2010) respecto a la configuración sectorial de las PyME industriales argentinas, se agrupa las distintas ramas de actividad industriales en cuatro tipologías de acuerdo a su contenido tecnológico, en base a la clasificación desarrollada por Pavitt (1984).

Acosta (2010) afirma que más allá de la dotación de factores de producción (trabajo y capital físico), el nivel de producción de las empresas también está determinado por el desarrollo tecnológico, que abarca aspectos cualitativos como el desarrollo organizacional de los procesos productivos, de gestión y comerciales, y el “grado de desarrollo e incorporación de innovaciones productivas y el nivel de eficiencia en el modo de utilización de los factores de producción”.

Las distintas ramas de la industria manufacturera se caracterizan por implementar diferentes procesos de producción relacionados con el tipo de bien producido, y, desde el punto de vista de la innovación, las firmas presentan capacidades diferentes para realizar modificaciones que permitan “mejorar la eficiencia en la asignación de los recursos productivos, los métodos de producción, los procesos de gestión, organización y comercialización y, fundamentalmente, la calidad de los productos, bienes y servicios”₄₉Acosta (2010)..

Teniendo esto en cuenta, se clasifica a las distintas actividades de la industria manufacturera por su contenido tecnológico –características de proceso de innovación y fuentes de cambio tecnológico– en las siguientes categorías:₅₀Acosta (2010); Pavitt (1984)

• Oferentes de bienes especializados: Empresas con una oferta de bienes especializados, y capacidad de desarrollar internamente procesos innovadores. Abarca sectores de actividad que producen maquinarias, equipos, componentes e instrumentos para la industria.
• Alta tecnología: Firmas que basan sus procesos productivos en el desarrollo interno o la incorporación de innovaciones en materia de procesos. Son importantes oferentes de productos que son bienes intermedios de producción de otros sectores de actividad. Entre los sectores que componen este grupo están aparatos eléctricos, electrónicos e instrumentos de precisión.
• Intensivos en escala: Empresas que presentan una interrelación importante entre su desarrollo innovador interno y los productos finales. Se trata de las firmas de papel, edición e impresión; sustancias y productos químicos; productos de caucho y plástico; minerales no metálicos; metales comunes; y automotores y autopartes.
• Tradicionales: En general estos sectores no presentan un alto nivel de innovación y desarrollo interno, sino que los cambios técnicos derivan de la incorporación de nuevas maquinarias y equipos o insumos de producción que hacen que deban realizarse adaptaciones en los procesos. Mayormente son sectores tradicionales como alimentos y bebidas; textiles, prendas de vestir, productos de cuero y calzado; madera, corcho y paja; productos elaborados de metal; y muebles.

Al interior del segmento de las PyME industriales argentinas se presenta una importante concentración de los sectores Tradicionales que agrupan alrededor de la mitad de las empresas, seguidos en orden de importancia por aquellas actividades incluidas en la categoría denominada como Intensivos en escala (en torno a la tercera parte de las PyME). Mientras que sólo una proporción cercana al 15% de las firmas se corresponde con sectores de actividad Oferentes de bienes especializados, y apenas el 4% son firmas de rubros de Alta tecnología.

Pero al analizar la asociación de la eficiencia en la producción de las PyME industriales argentinas con su sector de actividad de pertenencia de acuerdo al contenido tecnológico, tampoco se encuentran diferencias significativas. Con lo cual, los resultados no permiten confirmar que haya sectores de actividad más eficientes en su producción que otros, dada su dotación de factores de producción.

La Tabla 6 muestra que a priori el nivel de eficiencia de las PyME de sectores Oferentes de bienes especializados, Intensivos en escala y Tradicionales presentan una evolución similar en el tiempo. Mientras que se observa un comportamiento diferenciado para el grupo de empresas clasificadas como de Alta tecnología (que de todas maneras conforman una parte minoritaria del total de las empresas en torno al 4%), que en general se muestran más eficientes en su producción.

Tabla 6: Nivel de Eficiencia Técnica promedio de las PyME industriales argentinas, por clasificación Pavitt de contenido tecnológco y año, bajo RVE. Test de Kruskal-Wallis

Sin embargo, al llevar a cabo las pruebas Kruskal-Wallis se concluye que tampoco puede suponerse que existe una asociación entre el nivel de eficiencia en la producción de las PyME industriales y el grado de contenido tecnológico de su actividad₅₁para todos los años analizados se encuentran diferencias estadísticamente significativas entre los score de eficiencia promedio de las diferentes categorías (no se rechaza la hipótesis nula de que son iguales)..

A continuación se evalúa como potencial determinante del nivel de eficiencia de las PyME industriales argentinas su estatus exportador₅₂Álvarez & Crespi (2003) y Aggrey et al (2010) analizan este aspecto, aunque no encuentran resultados concluyentes.. En el segmento PyME el análisis del desempeño exportador cobra especial relevancia, ya que en líneas generales estas firmas encuentran mayores dificultades para poder insertarse en mercados internaciones en relación a las grandes empresas, por no poder incurrir en los costos que implica exportar, o por no alcanzar los estándares de calidad requeridos para competir internacionalmente. Es así que la proporción de PyME industriales argentinas que exporta cada año se mantiene en torno al 33%, sin cambios significativos a lo largo del período bajo análisis₅₃Fuente: Encuesta Estructural a PyME industriales, Fundación Observatorio PyME.

Tal como muestra la Tabla 7, en todos los años sistemáticamente las PyME que exportan registran niveles de eficiencia que en promedio son menores a los de aquellas firmas que no exportan₅₄Los resultados de la prueba Mann-Whitney corroboran la asociación entre la condición exportadora de las empresas y su nivel de eficiencia medio obtenido mediante el enfoque DEA en todos los años.. Este resultado es interesante, y contrario a lo esperado, pensando en que en líneas generales las firmas que exportan muestran tener un mejor desempeño relativo que las que no lo hacen₅₅FOP (2012).. Pero parecen ser menos eficientes en su producción, lo que puede deberse a que estas firmas estén más capitalizadas y requieran mayores inversiones para alcanzar ciertos niveles de producción y diferenciación de producto que les permita alcanzar mayores niveles de competitividad. De hecho, entre las PyME exportadoras hay una mayor concentración de firmas de sectores de Oferentes de bienes especializados₅₆de acuerdo a la clasificación de Pavitt (1984)., que abarcan ramas de actividad intensivas en capital como Maquinaria y equipo, con lo cual es posible que el menor nivel de eficiencia se deba a que estas empresas requieran una mayor dotación del factor capital, disminuyendo su score de eficiencia productiva. En este sentido, también se registra una mayor propensión a invertir en maquinaria y equipo entre las PyME exportadoras (cada año la mitad invierte) en relación al resto (en promedio el 32% realiza inversiones por año)₅₇Fuente: Encuesta Estructural a PyME industriales, Fundación Observatorio PyME..

Tabla 7: Nivel de Eficiencia Técnica promedio de las PyME industriales argentinas, por condición exportadora y año, bajo RVE. Test de Mann-Whitney

Por otra parte, la región geográfica en donde se localizan las empresas también puede ser considerada a priori como un factor determinante de su nivel de eficiencia en la producción. Lo que además fue verificado en distintas investigaciones₅₈Aggrey et al (2010); Batra & Tan (2003); Minh et al (2007); y Yang (2006)..

En argentina las PyME industriales presentan una fuerte concentración geográfica en las regiones AMBA y Centro del país, al igual que la mayor parte de la actividad económica nacional (Tabla 8)₅₉Las regiones tomadas en cuenta son: AMBA (Área Metropolitana de Buenos Aires): Ciudad Autónoma de Buenos Aires y partidos de Gran Buenos Aires. Centro: los demás partidos de la provincia de Buenos Aires, y las provincias de Córdoba, Entre Ríos y Santa Fe. Cuyo: las provincias de Mendoza, San Juan y San Luis. NEA (Noreste Argentino): las provincias de Chaco, Corrientes, Formosa y Misiones. NOA (Noroeste Argentino): las provincias de Catamarca, Jujuy, La Rioja, Salta, Santiago del Estero y Tucumán. Sur: las provincias de Chubut, La Pampa, Neuquén, Río Negro, Santa Cruz y Tierra del Fuego..

Tabla 8: Distribución de las PyME industriales argentinas por región geográfica
(% de empresas. Promedio 2005-2011)

Al analizar las mediciones de eficiencia técnica de acuerdo al territorio en donde se desarrollan las PyME, se ve que los niveles promedio de eficiencia más altos se registran para las regiones del AMBA, Centro, Cuyo y Sur. Mientras que las regiones del NEA y el NOA son las que agrupan a las empresas menos eficientes. Esto se corresponde con lo esperado respecto a que las PyME de las regiones del país con mayor desarrollo relativo en términos socioeconómicos sean las que pueden alcanzar mayores niveles de eficiencia en la producción, viéndose beneficiadas de este contexto₆₀Los resultados de las pruebas de Kruskal-Wallis, que permite concluir que efectivamente hay una asociación entre la localización de las PyME industriales y dicha eficiencia. En líneas generales se rechaza la hipótesis de que el valor promedio de eficiencia es el mismo entre las diferentes regiones en cada año (salvo para el año 2007, aunque el p-valor es bajo, muy cercano a 0,1)..

Sin embargo, es importante destacar que en el año 2008, cuando se atravesaba una fase recesiva, si bien en promedio las PyME industriales aumentaron su nivel de eficiencia media, este comportamiento se dio aún de manera más acentuada para la región NOA, en la cual el contexto recesivo hizo que la cantidad de ocupados por empresa bajara mucho más que en el resto de las regiones, provocando un aumento en su eficiencia. Aunque al año siguiente la eficiencia técnica promedio del NOA vuelve a bajar en forma significativa, posiblemente debido a que las empresas ya hayan ajustado su nivel de producción a su nueva dotación de inputs, volviendo a los ratios anteriores a 2008.

Tabla 9: Nivel de Eficiencia Técnica promedio de las PyME industriales argentinas, por condición exportadora y año, bajo RVE. Test de Kruskal-Wallis

Finalmente, como las PyME encuentran dificultades para acceder a fuentes de financiamiento bancario viendo limitadas sus posibilidades de realizar inversiones productivas, esto puede afectar su eficiencia en la producción. Diversos autores encuentran que el grado de acceso al financiamiento es un determinante del nivel de eficiencia de las empresas₆₁Álvarez & Crespi (2003); Cortes et al (1987); Chapelle & Plane (2005)..

En base a los datos de la EE, es posible analizar el nivel de eficiencia de las empresas en función de su acceso al financiamiento, medido a partir de la solicitud y obtención de créditos bancarios, esperando encontrar una asociación positiva entre la accesibilidad al crédito y la eficiencia productiva de las empresas.

Es importante destacar que las PyME industriales argentinas presentan cierto grado de desvinculación con el sistema crediticio, ya que en líneas generales la mayor parte de las empresas no solicita créditos bancarios (64% del total). El porcentaje de firmas que solicita crédito bancario cada año es en promedio del 36%, si bien la proporción que obtiene el crédito solicitado es solo del 9% (el restante 28% ve rechazada su solicitud)₆₂Fuente: Encuesta Estructural a PyME industriales, Fundación Observatorio PyME..

Cuando se analiza el nivel de eficiencia de las firmas que solicitan y obtienen créditos bancarios, respecto a las que encuentran rechazadas las solicitudes, e incluso en relación a aquellas que directamente no efectúan solicitudes, no se observa una tendencia clara (Tabla 10), sino que los resultados son volátiles.

Si bien no se encuentra un patrón definido, el hecho de que el nivel de eficiencia técnica promedio de las PyME que solicitan crédito y lo obtienen en general esté por debajo del obtenido para las otras dos categorías de empresas puede explicarse porque las empresas que consiguen el financiamiento bancario son aquellas que más invierten en maquinaria y equipo (más del 50% invierte en promedio cada año, mientras que para las que directamente no solicitan crédito el porcentaje baja al 31%₆₃Fuente: Encuesta Estructural a PyME industriales, Fundación Observatorio PyME.) y que están más capitalizadas, lo que impacta negativamente en el nivel de eficiencia técnica al aumentar la dotación del factor capital₆₄El test Kruskal-Wallis permite concluir que hay diferencia significativa en el valor promedio de eficiencia entre los tres grupos de empresas (excepto en el año 2007, en el que la eficiencia promedio es muy similar en los tres segmentos debido a una caída en el score promedio de las empresas que no solicitan), en general el segmento de PyME más eficiente es el de las empresas que directamente no solicitan crédito..

Tabla 10: Nivel de Eficiencia Técnica promedio de las PyME industriales argentinas, por solicitud y otorgamiento de crédito bancario, y año, bajo RVE. Test de Kruskal-Wallis

6 CONCLUSIONES

La presente investigación sienta un antecedente sobre cómo medir la eficiencia en la producción de las PyME industriales argentinas (mediante el enfoque DEA), llenando un vacío de información hasta el momento.

Hace un aporte sobre una primera aproximación para medir la productividad total de los factores (PTF) de las PyME argentinas en base a la información estadística disponible, y mediante el método Análisis Envolvente de Datos (DEA por sus siglas en inglés), basado en el trabajo de Farrell (1957) y las extensiones introducidas por Charnes et al (1978) y Banker et al (1984). Para lo cual se utiliza información estadística a nivel empresa de medidas aproximadas de inputs de producción y output obtenido, a partir de la Encuesta Estructural a PyME industriales de la Fundación Observatorio PyME, de cobertura nacional y periodicidad anual entre 2005 y 2011.

El output de una firma es su nivel de producción alcanzado. En este trabajo se utiliza como medida aproximada de output el monto total de ventas de las empresas, considerando que es una medida que se aproxima a su nivel de producción. Es importante tener en cuenta que el hecho de utilizar una variable nominal y no física para output permite que la medida sea homogénea para PyME de distintos sectores de actividad, que producen bienes muy disímiles entre sí, y sus cantidades físicas se miden en diferentes unidades de medida.

Mientras que los inputs más comúnmente utilizados en los estudios que aplican DEA en el sector industrial son los dos principales factores de producción que se implementan en los procesos productivos de la actividad manufacturera: capital y trabajo.

El factor trabajo se aproxima a partir de la cantidad de trabajadores de la empresa, como en la mayoría de los estudios analizados. Sin embargo, al medir el input trabajo mediante cantidad de trabajadores no se está captando el efecto que puede tener en el nivel de eficiencia de las empresas el capital humano -que abarca el grado de formación, capacitación y experiencia de los trabajadores-, ni la cantidad de horas trabajadas, por lo que disponer de información para poder medir estas variables a nivel empresa constituiría un aporte para mejorar la medición del factor trabajo.

Mientras que para el factor capital, en el marco de este estudio, y a partir de la información disponible, se utiliza el valor del activo no corriente de las empresas. Sin embargo, debe tenerse en cuenta que la medición del factor capital es compleja, ya que no resulta tan claro cómo cuantificar la cantidad utilizada de este factor productivo por parte de las empresas. Aún más teniendo en cuenta que varía significativamente en los diferentes sectores de actividad, que implican distintas tecnologías de producción. Lo ideal sería poder contar con datos a nivel empresa sobre el valor de los bienes de uso, que constituye sólo una parte de los activos no corrientes, abarcando específicamente aquellos bienes durables no destinados a la venta utilizados por la empresa para desarrollar su actividad.

Una vez medido el nivel de eficiencia por empresa, a partir de los resultados obtenidos se puede demostrar que hay evidencia de que las PyME industriales presentan rendimientos variables a escala (RVE). Así como explorar la asociación del nivel de eficiencia de las empresas con distintos factores exógenos e internos.

Teniendo en cuenta que la eficiencia de una empresa no solo está determinada por las propias decisiones que toman los empresarios respecto a la organización del proceso productivo, sino que además distintas características estructurales de la firma o factores exógenos a la misma pueden afectar su nivel de eficiencia en la producción, y que distintas investigaciones han encontrado evidencia empírica que lo demuestra, se evalúa si existen diferencias significativas de eficiencia al interior del segmento PyME industrial de acuerdo a su tamaño, su sector de actividad de pertenencia, la región geográfica de localización, su capacidad exportadora y su grado de acceso al crédito bancario.

En primer lugar, se encuentra que la eficiencia está asociada al tamaño de la empresa, aunque en sentido contrario al que se suponía, ya que las firmas más pequeñas son las que presentan mejores indicadores en este sentido. Esto probablemente pueda deberse a que las empresas más pequeñas son más intensivas en mano de obra y con menos requerimientos de stock de capital que las medianas, que invierten más para capitalizarse, lo que hace que tengan menores niveles de eficiencia en la producción dada su dotación de factores.

Por otra parte, también se encuentra una asociación entre el nivel de eficiencia de las PyME industriales argentinas y su condición exportadora, aunque, contrariamente a lo esperado, las firmas que no exportan registran mayores niveles de eficiencia en relación a las que no exportan. Una vez más, esto puede tener una explicación en el hecho de que las empresas exportadoras pueden requerir un mayor grado de capitalización que las no exportadoras, incurriendo en inversiones en maquinarias y equipos, y de esta manera afectando su nivel de eficiencia.

También aparece como un factor determinante la región geográfica de localización de las empresas, pero ahora sí en el sentido esperado: son las PyME industriales ubicadas en los territorios de mayor grado de desarrollo económico relativo las que en líneas generales muestran ser más eficientes en la producción.

En sentido contrario, los resultados muestran que no se encuentra una relación contundente entre el sector de actividad de pertenencia de las PyME y su eficiencia en la producción, aun analizando este aspecto teniendo en cuenta el contenido tecnológicos de las distintas ramas de actividad, en función de su capacidad de introducir mejoras en sus procesos y organización interna. Si bien, aunque no puede demostrarse de manera concluyente, las PyME de los sectores de Alta tecnología presentan un comportamiento diferenciado al resto respecto a la evolución de su nivel de eficiencia, lo que probablemente esté dado por su capacidad de lograr mejoras tecnológicas que permitan mejorar su eficiencia en la producción.

Por último, el grado de acceso al crédito de las PyME industriales tiene cierta correspondencia con la eficiencia, aunque una vez más el resultado obtenido a priori no es el esperado, ya que en líneas generales se observa que las firmas más eficientes son aquellas que directamente no solicitan préstamos, prefiriendo autofinanciarse a contraer deuda. Mientras que las menos eficientes parecen ser las que solicitan y, aún más, obtienen créditos bancarios, aunque esto posiblemente se deba a que estas firmas son también las que más invierten y se capitalizan, aumentando su stock de capital, y disminuyendo así su score de eficiencia al incrementar su dotación de factores productivos para un nivel de producción.

De todas formas, es importante destacar que el análisis llevado a cabo sobre factores asociados a la eficiencia busca evaluar si estos son potenciales determinantes del nivel de eficiencia de las PyME industriales, explorando si existe asociación entre ellos y el score de eficiencia medio obtenido mediante el enfoque DEA. Pero en orden de poder profundizar este análisis puede realizarse una extensión a este trabajo que busque explicar las causas de las asociaciones encontradas, por ejemplo a partir del estudio de la relación entre el nivel de eficiencia técnica y el stock de capital de las PyME industriales. También pueden realizarse combinaciones de las segmentaciones analizadas, viendo si hay una relación por ejemplo entre el sector de actividad de pertenencia y la capacidad de exportar. O entre el tamaño de la firma y su grado de acceso al crédito. Sin embargo, esto escapa a los objetivos planteados en este estudio respecto a responder la pregunta sobre cómo medir nivel de eficiencia de las firmas y encontrar su grado de relación con sus determinantes analizados.

7 ANEXO

Tabla A1: Resultado de Prueba t por pares para evaluar diferencia de medias del nivel de Eficiencia Técnica bajo RCE y bajo RVE, por año (p-valor del test).

Tabla A2: Resultado de Test de Kolmogorov Smirnov para evaluar diferencia distribución de medición de Eficiencia Técnica bajo RCE y bajo RVE, por año (estadístico K-S y p-valor).

8 Bibliografía

Acosta, S. B. (2010), “Las PyMI argentinas en el escenario postconvertibilidad”, Boletín Informativo Techint, Vol. 332, 81-104.
Aggrey, N.; Eliab, L. & Joseph, S. (2010), “Firm size and technical efficiency in east African manufacturing firms”, Current Research Journal if Economic Theory, Vol. 2, 69-75.
Álvarez, R. & Crespi, G. (2003), “Determinants of Technical Efficiency in Small Firms”, Small Business Economics, Vol. 20, 233-244.
Arroyo Venegas, I. C. (2008), “La cultura y el proceso de globalización en el desarrollo de las pequeñas y medianas empresas latinoamericanas”, Revista Ciencias Económicas, Vol. 26, 381-395.
Banker, R. D.; Charnes, A. & Cooper, W. W. (1984), “Some models for estimating technical and scale inefficiencies in data envelopment analysis”, Management Science, Vol. 30(9), PP. 1078-1092.
Batra, G. & Tan, H. (2003), “SME Technical efficiency ant its correlates: cross-national evidence and policy implications”, World Bank Institute Working Paper.
Burki, A. A. & Terrell, D. (1998), “Measuring production efficiency of small firms in Pakistan”, World Development, Vol. 26, 155-169.
Cardozo, E.; Velásquez de Naime, Y. & Rodríguez Monroy, C. (2012), “El concepto y la clasificación de PyME en América Latina”, Global Conference on Business and Finance Proceedings, Vol. 7, Num. 2, 1630-1641.
Castellanos Domínguez, O. F.; Jiménez Hernández, C. N. & Montañez, F. (2005), Víctor M, “El benchmark como instrumento de generación de conocimiento empresarial”, Altec 2005, XI Seminario Latino-Iberoamericano de Gestión Tecnológica.
Chapelle, K. & Plane, P. (2005), “Productive efficiency in the Ivorian manufacturing sector: an exploratory study using a data envelopment analysis approach”, The Developing Economies, XLIII-4, 450-471.
Charnes, A.; Cooper, W. W. & Rhodes, E. (1978), “Measuring the efficiency of decision making units”, European Journal of Operational Research, Vol. 2, 429-444.
Charoenrat, T. & Harvie, C. (2012), "Technical efficiency performance of Thai manufacturing small and medium sized enterprises", Proceedings of the 41st Australian Conference of Economists, 1-29. Melbourne: Victoria University.
Coelli, T.; Prasada Rao, D. S. & Battese, G. (1998), ”An Introduction to Efficiency and Productivity Analysis”, Kluwer Academic Publishers.
Cooper, W. E.; Seiford, L. M. & Zhu, J. (2011), “Handbook on Data Envelopment Analysis, Second Edition”, Springer Science+Business Media, Inc.
Cortes, M.; Berry, A. & Ishaq, A. (1987), "Success in small and medium-scale enterprises. The evidence from Colombia", The World Bank.
Devore, J. L. (1998), “Probabilidad y estadística para ingeniería y ciencias, 4° ed.”, International Thomson Publishing, México.
Farrell, M. J. (1957), “The measurement of productive efficiency”, Journal of Royal Statistical Society, Vol. 120, 253-281.
Fundación Observatorio PyME (FOP) (2012), “Informe 2011-2012. Evolución reciente, situación actual y desafíos para 2013”, Informe Anual, Fundación Observatorio PyME, Buenos Aires.
Fundación Observatorio PyME (FOP) (2013), “Informe Especial: Definiciones de PyME en Argentina y el resto del mundo”, Fundación Observatorio PyME, Buenos Aires.
Gumbau Albert, M. (1998), “La eficiencia técnica de la industria española”, Revista Española de Economía, Vol. 15, 67-84.
Hallberg, K. (1999), “Small and Medium Scale Enterprises: A Framework for Intervention,” Small Enterprise Unit, Private Sector Development Department, The World Bank.
Le, V. & Harvie, C. (2010), "Technical efficiency of manufacturing SMEs in a transitional economy: Evidence from Vietnam", International Council for Small Business (ICSB) World Conference, Cincinnati, Ohio.
Liu, S-T. & Wang, R-T. (2009), “Efficiency measures of PCB manufacturing firms using relational two-stage data envelopment analysis”, Expert Systems with Applications, Vol. 36, 4935-4939.
Minh, N. K.; Long, G. T. & Thang, B. N. (2007), “Technical efficiency of small and medium manufacturing firms in Vietnam: parametric and non-parametric approaches”, The Korean Economic Review, Vol. 23, 187-221.
Pavitt, K. (1984), “Sectoral patterns of technical change: towards a taxonomy and a theory”, Research Policy Nº 13 especially, 353-369.
Peres, W. & Stumpo, G. (2002), “La dinámica de las pequeñas y medianas empresas industriales en América Latina y el Caribe”, en Peres, W. & Stumpo, G. (eds), Las pequeñas y medianas empresas industriales en América Latina y el Caribe, CEPAL, Siglo XXI editores, México.
Reverte, C. & Guzmán, I. (2010), "The predictive ability of relative efficiency for future earnings: an application using data envelopment analysis to Spanish SMEs", Applied Economics, Vol. 42, 2751-2757.
Yang, J-C. (2006), “The efficiency of SMEs in the global market: measuring the Korean performance”, Journal of Policy Modeling, Vol. 28, 861-876.