Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INDICADORES DE PRODUCTIVIDAD Y
RENTABILIDAD DE LAS EMPRESAS
MANUFACTURERAS DEL SECTOR
ALIMENTICIO EN LA CIUDAD DE GUAYAQUIL.
Elizabeth Jaime Catagua, Universidad Católica Santiago de Guayaquil
Juleydi Pacheco Toala, Universidad Católica Santiago de Guayaquil
Félix Sánchez Pérez, Universidad Católica Santiago de Guayaquil
Resumen
This research article analyzes the productivity and profitability indicators of the companies in
the food manufacturing sector in the city of Guayaquil. For the methodology, the productivity and
profitability indicators of the 32 companies that belong to the indicated activity were calculated.
Therefore, an applied, quantitative and inductive research was carried out with the use of
Discriminant Analysis that allowed analyzing the aforementioned indicators. As a result, we can
see in the shapiro-wilk test show that the statistic and the number of observations in all the
indicators are above the allowed range for 2015 but in the year 2017 is below the allowed range.
In the box test we can see that the contrast statistic is higher than the significant level allowing
us to reject the null hypothesis, therefore there is no difference between the matrices. For the
selection of variables, the distance D2 of Mahalanobis was used, it is showing that variables are
tolerant to consider future forecasts with a reliability of 62.5%. In conclusion, we can say that
the sector is contracting due to the fact that companies haven’t decided to invest their money in
the purchase of raw materials or machinery. In this way, they want to maintain their liquidity
without taking risks while they are waiting for new regulatory policies from a new government,
which was thought to follow the same line as the previous government but is now moving away
from the previous political model by opting for its own economic measures.
INTRODUCCIÓN
La productividad es muy importante ya que nos permite conocer la eficiencia y eficacia que posee
una empresa, la capacidad de esta para manejar correctamente los recursos que posee. En nuestro
país, las empresas solo hace poco han tomado conciencia de ver que tan productivas y rentables
son, esto les ha ayudado a ver qué tan buenas son aprovechando recursos, lastimosamente la
productividad en muchos casos solo es revisada en relación a la mano de obra y las horas
trabajadas dejando muchas variables sin analizar por lo que se desconoce qué tan productivas y
rentables son en realidad.
REVISIÓN LITERARIA
Los indicadores financieros han sido una buena herramienta para aportar información que servirá
para la gestión de una empresa, existen diversos indicadores, pero para este artículo solo se
considerara los indicadores de productividad y rentabilidad. Para los cuales se les empleara la
metodología que otorga el análisis discriminante, el cual según diversos autores menciona que la
aplicación de este método sirve para poder investigar la competitividad en las organizaciones. La
primera ocasión que se utilizó esto fue en el año de 1939 Ronald Aylmer Fisher, un estadístico y
biólogo que desarrollo la discriminación lineal de Fisher, una técnica usada para la clasificación
de patrones en términos de reducción de dimensionalidad, pero este estudio fue derivado de
investigación anteriores las cuales fueron Karl Pearson (1920), quien propuso el término de
“coeficiente de parecido racial” y más tarde por Mahalanobis (1930), cuyo nombre ha mantenido
la medida de distancia entre grupos.
Existe algunos autores que han tomado esta forma metodológica como uso para sus diversos
estudios por considerarla eficaz para el análisis de su investigación. Para Vivanco, Martines y
Taddei (2010) mencionaron que la importancia de realizar un tipo de estudio como este era para
poder evidenciar los diferentes niveles de competitividad de las organizaciones mediante el
estudio y análisis de las variables. Así mismo Coronel y Cardona (2009) comentaron que esta
metodología toma en consideración el comportamiento sistemático de las empresas, lo que
pretende es identificar las variables que describan el comportamiento mediante herramientas que
toman en consideración la diferencia e igualdades de lo que se está analizando. Otro autor más
reciente ha comentado su importancia del uso de esta metodología como es el caso de Vallejo
(2012) el cual sostiene que esta herramienta estadística permite al investigador analizar las
diversos contrastes que pueden tener los grupos objetos en relación a las variables que se están
empleando en el análisis.
Alguno de los trabajos realizados antes de nuestra investigación que han utilizado la misma
metodología se detallaran a continuación en la tabla 1.
Para finalizar se podría decir que esta metodología pese a que se ha tomado ha realizado estudios
sobre los indicadores de una empresa este estudio tiene la capacidad de permitir analizar variables
en otros campos de estudio.
METODOLOGÍA
Muestra
Para realizar esta investigación se seleccionaron las empresas que conforman la industria del
sector manufacturero, pero de la rama elaboración de productos alimenticios para el cual se tomó
en consideración la base de datos de la superintendencia de compañías del Ecuador, el cual, según
los datos de este organismo público existen 34 empresas conformadas de forma legal. Por lo tanto,
para calcula el tamaño de la muestra utilizamos la ecuación mostrada a continuación.
z 2 ∗ p (1 − p)
Tamaño de la muestra = e2
2
z ∗ p (1 − p)
1+( )
e 2N
Fuente de información
Esta investigación se basa en los indicadores de productividad y rentabilidad, por lo tanto, para
realizar la metodología elegida debemos armar nuestra base de datos numéricos que será
analizados, para esto se ha procedido a buscar en la página oficial de la superintendencia de
compañía de Ecuador los valores requeridos para el cálculo de los 6 indicadores de productividad
y 3 de rentabilidad los cuales cuenta con sus respectivas ecuaciones del 1 al 9, las cuales están
distribuidas en la tabla 1 y 2 mostradas a continuación. Además de que los datos numéricos para
el análisis los puede encontrar en la sección de anexos.
Indicador Ecuación
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑏𝑟𝑢𝑡𝑎
IP1 ∗ 100
𝑉𝑎𝑙𝑜𝑟 𝑎𝑔𝑟𝑒𝑔𝑎𝑑𝑜 ( 𝑣𝑒𝑛𝑡𝑎𝑠 − 𝑝𝑎𝑔𝑜𝑠 𝑎 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟𝑒𝑠 + 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑠 (1)
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙
IP2 ∗ 100
𝑉𝑎𝑙𝑜𝑟 𝑎𝑔𝑟𝑒𝑔𝑎𝑑𝑜 ( 𝑣𝑒𝑛𝑡𝑎𝑠 − 𝑝𝑎𝑔𝑜𝑠 𝑎 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟𝑒𝑠 + 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑠 (2)
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑛𝑒𝑡𝑎
IP3 ∗ 100
𝑉𝑎𝑙𝑜𝑟 𝑎𝑔𝑟𝑒𝑔𝑎𝑑𝑜 ( 𝑣𝑒𝑛𝑡𝑎𝑠 − 𝑝𝑎𝑔𝑜𝑠 𝑎 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟𝑒𝑠 + 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑠 (3)
𝑉𝑎𝑙𝑜𝑟 𝑎𝑔𝑟𝑒𝑔𝑎𝑑𝑜 ( 𝑣𝑒𝑛𝑡𝑎𝑠 − 𝑝𝑎𝑔𝑜𝑠 𝑎 𝑝𝑟𝑜𝑣𝑒𝑒𝑑𝑜𝑟𝑒𝑠 + 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑠
IP4 ∗ 100
𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑜𝑝𝑒𝑟𝑎𝑡𝑖𝑣𝑜 ( 𝑎𝑐𝑡𝑖𝑣𝑜 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 𝑦 𝑓𝑖𝑗𝑜) (4)
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙
IP5 ∗ 100
𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑜𝑝𝑒𝑟𝑎𝑡𝑖𝑣𝑜 ( 𝑎𝑐𝑡𝑖𝑣𝑜 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 𝑦 𝑓𝑖𝑗𝑜) (5)
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑛𝑒𝑡𝑎
IP6 ∗ 100
𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑜𝑝𝑒𝑟𝑎𝑡𝑖𝑣𝑜 ( 𝑎𝑐𝑡𝑖𝑣𝑜 𝑐𝑜𝑟𝑟𝑖𝑒𝑛𝑡𝑒 𝑦 𝑓𝑖𝑗𝑜) (6)
Tomado de http://www.redalyc.org/html/772/77243535011/.
Indicador Ecuación
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝐵𝑟𝑢𝑡𝑎
Margen bruto ∗ 100
𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠 (7)
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙
Margen operacional ∗ 100
𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠 (8)
𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎𝑠 𝑦 𝑝𝑒𝑟𝑑𝑖𝑑𝑎𝑠
Margen neto ∗ 100
𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙𝑒𝑠 (9)
Tomado de http://www.redalyc.org/articulo.oa?id=265425848005.
RESULTADOS
Una vez calculado la muestra necesaria para la investigación se calculan los indicadores que son
necesarios en esta investigación y se procede a realizar la verificación estadística y probabilística
mediante el uso de un software estadístico llamado SPSS el cual nos sirvió para llevar a cabo la
metodología elegida, permitiendo realizar las inferencias soportadas en el criterio de validez
estadístico de los dos años seleccionados, logrando como resultados un enfoque empirista y
racionalista. A continuación, se va a detallar los pasos mencionados anteriormente del análisis
discriminante.
Verificación de los supuestos
Para la verificación de los supuestos tenemos la tabla 4 y 5 en donde se presentan los resultados
de la normalidad de los datos para los periodos 2015 y 2017 respectivamente, para este tipo de
análisis se pueden realizar diversas pruebas como: Shapiro & Wilk, Anderson-Darling, Darling-
Pearson, Kolmogorov-Smirnov y X2 de bondad de ajuste, pero para efecto de esta investigación
se procedió a realizar la prueba de Shapiro & Wilk, en cual se recomienda que el número de
observaciones sea inferior a 30 y se necesita que los estadísticos estén por encima del 0,8. Una
vez realizado la prueba de normalidad para las variables por separado de los dos períodos que se
está analizando nos da como resultados que alguna no se comportan como variables normales, se
viola el supuesto de multinormalidad.
Shapiro-Wilk
Estadístico gl Sig.
MB 0,970 32 0,499
MO 0,814 32 0,000
MN 0,907 32 0,009
IP1 0,586 32 0,000
IP2 0,913 32 0,014
IP3 0,926 32 0,031
IP4 0,876 32 0,002
IP5 0,964 32 0,353
IP6 0,947 32 0,115
*Esto es un límite inferior de la significación verdadera. Elaboración propia
Shapiro-Wilk
Estadístico gl Sig.
MB 0,315 32 0,000
MO 0,206 32 0,000
MN 0,204 32 0,000
IP1 0,643 32 0,000
IP2 0,272 32 0,000
IP3 0,252 32 0,000
IP4 0,845 32 0,000
IP5 0,969 32 0,471
IP6 0,837 32 0,000
*. Esto es un límite inferior de la significación verdadera. Elaboración propia
M de Box 505,989
F (Aprox.) 12,114
gl1 36
gl2 12934,498
Sig. 0,000
La tabla 6 muestra los resultados de la prueba M de Box, donde se puede observar que el estadístico de contraste M=
505,989 (mayor al nivel de significación=0,05) para un F de Snedecor aproximado de 12,114 y un p-valor= 0,000
(significación), permite acepta el alto grado de confianza de la hipótesis nula, por lo que nos quiere decir es que no existe
diferencia en las matrices de covarianza de las empresas manufactureras del sector alimenticio para los dos años.
Elaboración propia.
En el caso del supuesto de linealidad no serán revisados por los siguientes motivos: en primera
instancia por que al momento de realizar el estudio del análisis discriminante en el Software SPSS
se utilizó en mecanismo paso a paso y segundo que al momento de realizar los cálculos ya se
consideró el nivel de tolerancia al momento de elegir las variables discriminantes.
Años
2015 2017
MB 0,195 0,179
MO 0,525 0,382
MN -0,550 -0,457
IP1 -0,047 -0,031
IP2 0,228 0,221
IP3 0,182 0,041
IP4 0,039 0,033
IP5 -0,215 -0,112
(Constante) -6,574 -5,450
Funciones discriminantes lineales de Fisher. Elaboración Propia
Con los resultados que se obtuvo en la tabla anterior se procedió a calcular las funciones
discriminantes que ayudaran a la predicción de los futuros comportamientos de indicadores de
productividad y rentabilidad elegidos, dando como resultado las ecuaciones presentadas a
continuación.
z1 = MB ∗ (0,195) + MO ∗ (0,525) + MN ∗ (−0,550) + IP1 ∗ (−0,047) + IP2
∗ (0,228) + IP3 ∗ (0,182) ∗ + IP4 ∗ (−0,215) − K ∗ (−6,574) (10)
Pertenencia a grupos
pronosticada
Original Año 2015 2017 Total
Recuento 2015 17 15 32
2017 9 23 32
% 2015 53,1 46,9 100,0
2017 28,1 71,9 100,0
Elaboración propia
Análisis
Con la base de datos creada a partir de los indicadores se pudo analizar los estadísticos
descriptivos como son la media y la desviación descriptiva, el cual se pudo evidenciar las
variaciones de cada uno de los indicadores, pero en relación a los dos años.
Con la aplicación del análisis discriminante de los indicadores de rentabilidad y productividad en
las empresas del sector alimenticio de la ciudad de Guayaquil se puede concluir que los
indicadores de rentabilidad (MG) margen bruto, (MO) margen operativo, (MN) margen neto han
tenido un cambio significativo de un periodo a otro y los indicadores de productividad IP1, IP2 e
IP3 tuvieron cambios de forma positiva en comparación de un año a otro y los indicadores IP4,
IP5 e IP6 tuvieron cambios negativos en comparación de un año a otro en el sector estudiado.
Desv.
Media
Desviación
MB 27,682151 16,475986
MO 5,957169 6,574004
MN 3,261056 5,524741
IP1 20,260592 41,417613
2015 IP2 5,059773 7,264172
IP3 3,771360 4,855221
IP4 141,872814 89,491099
IP5 6,245705 6,474048
IP6 3,969984 5,313467
Elaboración propia
Continuación de la tabla 10 sobre las medias de los indicadores de rentabilidad y productividad.
MB 11,885128 95,453362
MO -11,839748 89,836318
MN -14,702425 96,276392
IP1 33,941162 33,929038
2017 IP2 10,079351 34,005602
IP3 8,723801 36,911556
IP4 126,565044 92,147664
IP5 4,686658 5,703956
IP6 2,764218 5,609608
Elaboración propia
CONCLUSIONES
El análisis discriminante que se utilizó en esta investigación para la construcción del modelo se
realizó tomando en consideración una población de 34 empresas con un margen de error de un
5% el cual es el máximo permitido para considerar los datos confiables nos dio como resultado
que el tamaño de la muestra de 32 empresas del sector alimenticio de la ciudad de Guayaquil, el
modelo presento una buena efectividad en la clasificación. En muestra original la percepción del
modelo en el año 2015 es del 100% al igual que el año 2017 dando como promedio total de
clasificación del 100% de las empresas, lo que demuestra la confiabilidad para predecir el
comportamiento de los indicadores de productividad y rentabilidad en el sector escogido.
Los indicadores de rentabilidad, los cuales son MB, MO, MN Y los de productividad IP4 al IP6
se ha evidenciado una disminución, mientras que el IP1 al IP3 ha aumentado con respecto al año
2015 y 2017. Lo que nos dice estas variaciones es que el valor agregado que contiene las ventas,
pagos a proveedores e inventario han reducido en el año 2017 por lo que provoca indicadores
bajos es por tal motivo que los últimos indicadores de productividad mencionado se han visto en
alza. Pero que es lo que ha provocado que en el año 2015 muestre un panorama favorable para el
sector y solo un año más tarde se muestre tan negativo. Para el 2015 el país contaba con un
panorama económico positivo el cual se venía dando desde el año 2008 mostrando un tasa de
crecimiento del sector 3,4% pese a esto se consideraba que el sector iba por buen rumbo, la tasa
de desempleo era baja según el Banco Mundial la tasa de desempleo de la población activa era
3,63% pero a partir de ese año hubo cambio, el primero fue la reforma tributaria del incremento
del IVA a un 14 % por lo que esto provoco una disminución de los consumidores a la hora de
realizar sus compras y a pesar de que la medida fue temporal afecto mucho en las decisiones de
que producto dejar de adquirir.
Para el año 2017 el panorama de este sector fue distinto con el cambio de gobierno en marcha
provoco que muchas de las empresas tenían incertidumbre del futuro. Los puestos de trabajo, las
remuneraciones y falta de circulante fueron los primeros cambios que se manifestaron debido a
que los empresarios decidieron dejar de invertir a la espera del nuevo régimen de gobierno y
políticas económicas más estables. Según el Presidente Ejecutivo, Asociación Nacional de
Fabricantes de Alimentos y Bebidas, Christian Walhi (2017) menciono que era un año de alta
inseguridad no solo para negocios nuevos en el sector sino para la innovación. Por tal motivo
muchas empresas no se veían motivas a invertir en comprar insumo para producir de más porque
consideraban el costo de producción y el esfuerzo por realizar la orden de producción era
demasiado tomando en cuenta que tenían que terminar vendiendo sus productos más barato para
competir en el mercado. El cual estaba siendo muy crítico a los precios debido a que el 2017 la
tasa de desempleo de la población activa era 4,84% dando con un incremento del 1,21% en
consideración con el año 2015 esto provoco que muchas familias se veían afectadas en su poder
de compra. Por otro lado, los empresarios si tomaban la decisión de invertir en producción demás
lo hacían cuando ya tenía fijado el futuro comprador de ese producto de esta forman evitaban
asumir algún tipo de riesgo. Se considera que la reacción de los empresarios de este sector se debe
a inseguridad jurídica lo que dificultad predicciones confiables al 100%.
Para finalizar se puede decir que futuras líneas de investigación se podría considerar analizar el
sector por tipo de empresas pequeña, mediana y grande para conocer cuál es el más afectado.
También se podría analizar todo el sector manufacturero para buscar evoluciones y constatar si
solo la actividad de alimentos es la que se ha visto afectada. Además, este trabajo constituye como
un modelo de referencia para el desarrollo de nuevos sondeos que no solo evalúen variables e
indicadores financieros sino cualquier otro tipo de variable que permita predecir futuros
comportamientos del sector. Así como también evaluar la relación de este otro tipo de variables
que permitan mejorar la toma de decisiones.
BIBLIOGRAFÍA
Fontalvo Herrera, T., & Morelos Gómez, J., & de La Hoz Granadillo, E. (2012). Aplicación de
análisis discriminante para evaluar el comportamiento de los indicadores financieros en las
empresas del sector carbón en Colombia. Entramado, 8 (2), 64-73.
Pulido Fernández, J. I., & Sánchez Rivera, M. (2010). Competitividad versus crecimiento en
destinos turísticos. Un análisis mediante técnicas multivariantes.
Herrera, T. F., Gómez, J. M., & de la Hoz Granadillo, E. (2012). Análisis financiero del Sector
Inmobiliario del departamento de Bolívar. Ingeniare, (12), 35-45.
Fontalvo Herrera, T., De la Hoz Granadillo, E., & Vergara, J. C. (2012). Aplicación de análisis
discriminante para evaluar el mejoramiento de los indicadores financieros en las empresas del
sector alimento de Barranquilla-Colombia. Ingeniare. Revista chilena de ingeniería, 20(3), 320-
330.
Fontalvo Herrera, T., Vergara Schmalbach, J. C., & de la Hoz, E. (2012). Evaluación del impacto
de los sistemas de gestión de la calidad en la liquidez y rentabilidad de las empresas de la Zona
Industrial Vía 40. Pensamiento & Gestión, (32), 165-189.
Gómez, J. M., Herrera, T. J. F., & Schmalbach, J. C. V. (2013). Incidencia de la certificación ISO
9001 en los indicadores de productividad y utilidad financiera de empresas de la zona industrial
Mamonal en Cartagena. Estudios Gerenciales: Journal of Management and Economics for
Iberoamerica, 29(126), 99-109.
Gómez, J. M., & Bottini, M. Á. N. (2017). Productividad de las empresas de la zona extractiva
minera-energética y su incidencia en el desempeño financiero en Colombia. Estudios
gerenciales, 33(145), 330-340.
de la Hoz Granadillo, E. J., Herrera, T. J. F., & Gómez, J. M. (2014). Evaluación del
comportamiento de los indicadores de productividad y rentabilidad financiera del sector petróleo
y gas en Colombia mediante el análisis discriminante. Contaduría y administración, 59(4), 167-
191.
Fontalvo Herrera, Tomás, de la Hoz Granadillo, Efraín, & Vergara, Juan Carlos. (2012).
Aplicación de análisis discriminante para evaluar el mejoramiento de los indicadores financieros
en las empresas del sector alimento de Barranquilla-Colombia. Ingeniare. Revista chilena de
ingeniería, 20(3), 320-330. https://dx.doi.org/10.4067/S0718-33052012000300006