Post on 28-Jul-2020
Satisfacción del cliente y desempeño financiero corporativo
1
XIX CONGRESO INTERNACIONAL DE INVESTIGACIÓN EN CIENCIAS
ADMINISTRATIVAS
Satisfacción del cliente y desempeño financiero corporativo
Capítulo 12. Mercadotecnia
Mtro. Leopoldo Riquelme Carranza
Facultad de Contaduría y Administración, UNAM
Doctorado en Ciencias de la Administración
Cel. 225 436 2311
leopoldo_riquelme@hotmail.com
Dr. Héctor Salas Harms
Facultad de Contaduría y Administración, UNAM
División de Investigación, cubículo 4
Circuito Exterior S / N; Ciudad Universitaria, 04510, D. F.
Tel. 55 5622 8465 x 104
Fax 55 5622 8463
hsalas@fca.unam.mx
Durango, Dgo., 21-24Abril 2015
Satisfacción del cliente y desempeño financiero corporativo
2
Resumen1.- Elpropósito de este estudio es probar la significancia que ha adquirido la
satisfacción del cliente (SC) como variable explicativa de la rentabilidad operativa;
variable que se supone positivamente relacionada con este fenómeno.Primeramente, se
seleccionó,entrela investigación previa,un modelo explicativo de la rentabilidad en
función de variables micro, que explicara una porción importante de la varianza de la
rentabilidad corporativacon variables significativas, al cual se incorporó la SC.Se
obtuvieron datos financieros de Bloomberg y datos de SC reportados por el Índice
Americano de Satisfacción del Cliente, (ACSI, por sus siglas en inglés),que cuentan con
grandes muestras de datos, por largos periodos, medidos a través de metodologías
estandarizadas.Se encontró que, como señalaban distintos autores, la SC,en
modelosuni y multivariados,erasignificativa, explicando la rentabilidad corporativa;pero
su poder explicativo era prácticamente nulo; y el comportamiento del modelo básico no
era satisfactorio. Así, se planteóincorporar nuevas variables micro, e incluso macro, que
teóricamente están relacionadas con el desempeño financiero corporativo, tales como
variables económicas y el tamaño de las empresas, entre otras, planteándose incluso
desagregar los datos por sector.Pruebas con las variables económicas produjeron
resultados mixtos:la R2 aumenta a .75 y .79, incorporando o no la SC,
respectivamente;algunas variables del modelo básico muestran coeficientes
significativos; ylo mismo ocurre con las variables económicas; pero, sobre todo, la ACSI
no mantiene la significación buscada.
Palabras clave: satisfacción del cliente, desempeño financiero corporativo, análisis econométrico
1 INTRODUCCIÓN
La competencia en los diferentes mercados e industrias se hace más difícil cada día. El
desarrollo tecnológico, la globalización y las comunicaciones hacen que las diferentes
empresas perfeccionen sus productos y procesos. La diversificación en los sectores que
atienden las grandes empresas así como la apertura de los mercados internacionales,
han derivado en la homogeneización de los productos, precios y estándares de calidad.
1 Un texto con los avances preliminares de esta investigación aparece en la memoria del XVIII Congreso
Internacional en Contaduría, Administración e Informática de la FCA, UNAM, México, D. F. octubre de 2013.
Satisfacción del cliente y desempeño financiero corporativo
3
La era de la tecnología permite a los consumidores el acceso a información de manera
instantánea. Las redes sociales nos permiten hacer consultas sobre los productos que
estamos pensando en comprar y sobre las experiencias que otros han tenido con cada
una de las opciones. De la mano de todo este movimiento, en los últimos años, los
teóricos de la mercadotecnia y la administración han resaltado la importancia de la
satisfacción del cliente (SC) para mejorar el desempeño tanto operativo como financiero
de las organizaciones. Bajo estas premisas, las empresas han buscado diferenciarse a
través del servicio para alcanzar conseguir el objetivo de tener un cliente satisfecho.
Los departamentos de mercadotecnia en numerosas empresas medianas, grandes,
trasnacionales y multinacionales han introducido métricas de SC, que son utilizadas por
los altos directivos para realizar la planeación estratégica desde los corporativos y
oficinas centrales de cada una de estas empresas con la idea de generar un cambio en
la cultura de todos los empleados, para migrar del enfoque meramente de eficiencia a
un enfoque de SC. Las medidas que emanan de la planeación estratégica corporativa
comprenden desde pequeñas acciones correctivas hasta reestructuraciones en la
filosofía de las organizaciones, que representan fuertes sumas de dinero invertido.
Sin embargo, todos estos esfuerzos que han realizado las empresas de manera aislada,
apenas están derivando en la formación de una nueva rama de la mercadotecnia, la
teoría de la satisfacción del cliente. Poco a poco han ido surgiendo mediciones de SC
realizadas por organizaciones académicas y de investigación de mercado y junto con
éstas, los teóricos de la mercadotecnia analizamos y evaluamos las metodologías más
utilizadas y el impacto financiero y operativo que puede alcanzarse al incrementar la SC.
En la práctica, las inversiones realizadas en este rubro pocas veces son evaluadas a
través del criterio de maximización económica. Diversos estudios han mostrado que
existe una correlación positiva entre el nivel de SC y los resultados financieros de la
empresa. Pero no se ha profundizado en la generación de modelos que permitan
determinar su impacto aislando otros factores de negocios y económicos. Mucho menos
puede decirse que existen estudios segmentando por tipo de negocio como para hacer
afirmaciones acerca de las implicaciones que puede tener la SC en diferentes entornos.
Satisfacción del cliente y desempeño financiero corporativo
4
Durante la investigación se profundizó en el repaso de modelos realizados previamente
por diferentes autores. Son distintas las variables que han sido explicadas en términos
financieros por la satisfacción del cliente como los ingresos, diferentes niveles de
utilidad contable, la creación de valor para los accionistas y hasta las recomendaciones
de los analistas bursátiles.
Entre los modelos más destacados se encuentra el de Ittner y Larcker (1998) que
encuentran una relación positiva y significativa entre la Satisfacción del Cliente y la
retención, el ingreso y el cambio en el ingreso. Sin embargo, ninguno de los tres
modelos alcanza una R2 mayor a 0.05. La tabla 1 muestra los resultados de esa
publicación.
Tabla 1 Modelos Ittner y Larcker (1998)
OLS Regressions Examining the Association between 1995 Customer Satisfaction 1996 Customer Retention, Revenues, and Revenue Change for 2,491 Customers of a Telecommunications Firm
a
Retention Revenue Revenue Change
Intercept 0.482*** -535.29 -0.447***
(13.41) (-1.38) (-8.89)
CSI 0.002*** 19.464*** 0.003*** (6.16) (4.92) (5.74)
AGE 0.013*** 48.137 0.004 (3.99) (1.34) (0.90)
SIZE 0.000 0.003*** 0.000 (0.39) (9.85) (1.44)
Adjusted R2
0.021 0.049 0.013
F-Statistic
19.04*** 43.36*** 12.07***
***Statistically significant at the 1% level (two-tail)
aA customer in 1995 is defined as retained in 1996 if that customer also purchased the service in 1996. Revenue
change is defined as [(1996 revenues divided by 1995 revenues) -1]. Customers that were not retained are given a revenue change score of -1.0. 1996 revenue from customers that were not retained is set to zero. Customer satisfaction (CSI) score range from 0 (least satisfied) to 100 (most satisfied). AGE is the number of years the customer has been in business. SIZE is the customer’s total revenue.
Fuente: Ittner y Larcker (1998)
Satisfacción del cliente y desempeño financiero corporativo
5
Ataollah, Nakha y Saravanan (2010) realizan un análisis de estadística descriptiva en el
que encuentran cierta relación positiva entre el crecimiento en ventas y la satisfacción
del cliente, sin embargo no desarrollan un modelo predictivo, por lo que ni siquiera
podemos hablar del poder explicativo del ejercicio.
Riquelme (2013) realizó un ejercicio de enfoque más financiero que de negocios en el
cual mostró que la SC forma parte del modelo predictivo de la creación de valor bursátil,
tanto para los inversionistas, usando las variables dependientes Q de Tobin y ROIC,
como para los administradores de la empresa a través de la razón EBITDA/Ventas y
ROA. A pesar de encontrar significancia en los modelos, los niveles de R2 de dichos
modelos tampoco pasaron del nivel de 0.05.
En general, los teóricos de la satisfacción del cliente han llegado a la conclusión de que
la satisfacción del cliente incide positivamente en los resultados financieros, sin
embargo no han desarrollado un modelo de fácil aplicación, utilizando variables que en
general sean reportadas por las empresas y que sean de fácil interpretación para que
puedan implementarse dichos modelos en la empresa.
Este estudio surge como una respuesta natural a la afirmación de dicha relación entre la
satisfacción del cliente y los resultados financieros. Surge como una solución para el día
a día en las organizaciones que buscan optimizar sus inversiones en estrategias de
satisfacción del cliente y que necesitan saber cuál será el beneficio de éstas.
Así, esta investigación busca hacer una aportación al conocimiento desarrollando un
modelo que establezca la relación entre desempeño financiero corporativo y la SC,
controlando las variables micro que afectan la rentabilidad, y corroborando así la
importancia de este indicador para el resultado financiero, como ha sido afirmado en la
literatura. Esta aportación tendría implicaciones relevantes tanto para el desarrollo de la
teoría de la satisfacción del cliente como para la práctica en el ámbito corporativo.
2 METODOLOGÍA
2.1 Preguntas de investigación
I. ¿Cuál es el mejor modelo básico que explique una parte importante de la varianza
de la rentabilidad corporativa con variables microeconómicas significativas?
Satisfacción del cliente y desempeño financiero corporativo
6
II. ¿Qué bases de datos miden mejor la SCy las variables del modelo básico?
III. ¿Puede hacerse una aportación original al conocimiento, estableciendo la relación
funcional de la rentabilidadcorporativa con la SC? ¿Qué signo muestra esta relación? Y
IV. ¿Con qué confianza estadística puede afirmarse que la SC impacta positivamente
en los resultados financieros de las empresas?
A partir de los resultados iniciales, se añadió la siguiente pregunta de investigación:
V. ¿Cuál es el desempeño global del modelo de Barth, Beaver, Hand y Landsmancon
las nuevas bases de datos,y cuál es la significación de sus variables--cambios en
cuentas por cobrar, en inventarios y en cuentas por pagar, depreciación, valor en libros
y de mercado del capital, con y sin la variable que mide la SC (ACSI)?
A partir del análisis con los modelos iniciales, se añadieron las siguientes preguntas
VI. ¿Cuáles sonlas posibles causas de diferencias sistemáticas en los coeficientes?
VII. ¿Cuáles son otros determinantes micro y macroeconómicos de la rentabilidad
corporativa que pueden mejorar el desempeño y poder explicativo del modelo básico?
VIII. ¿Cómo se desempeñan las variables económicas, PIB, inflación y tasa de interés?
IX. ¿Se mostraría más claramente el impacto de la SC desagregando por sector?
2.2 Hipótesis de investigación
H1: El incremento en la calificación de la SC tendrá un impacto positivo en la
utilidad operativa, este efecto será consistente y significativo estadísticamente.
2.3 Objetivos de la investigación.
2.3.1 Objetivo General
Hacer una aportación original al conocimiento asociando significativamente la
satisfacción del cliente como variable explicativa del desempeño financiero, una vez
controlados los efectos de diversas variables que teóricamente son fundamentales para
la explicación del fenómeno del desempeño financiero.
2.3.2 Objetivos Específicos
I. Seleccionar un modelo básico a partir de la investigación previaque explique una
porción importante de lautilidad operativamediante variables micro significativas.
II. Determinar las bases de datos pertinentes sobre el modelo básico y la SC.
III. Replicar el estudio anterior sobre el modelo básico con las nuevas bases de datos.
IV. Determinar el impacto que tiene la SC en la utilidad operativa.
Satisfacción del cliente y desempeño financiero corporativo
7
V. (segunda etapa) Correr el análisis con el modelo de Barth, et al.
VI. (tercera etapa) Correr el análisis con variables macroeconómicas y sectoriales
2.4 Tipo de investigación
Este es un estudio explicativo que busca establecer con confianza estadística un
modelo básico del desempeño financiero en función de varios de sus determinantes, al
cual se incorpore la satisfacción del cliente, como variable explicativa de tal desempeño.
3 INVESTIGACIÓN EMPÍRICA PREVIA
Desde principios de los 60’s se empezaron a dar estudios acerca del comportamiento
de la rentabilidad de las empresas y su predicción. Esta ola de investigaciones dio inicio
con los estudios de eficiencia de mercado de Little (cf. 1962) y posteriormente con Little
y Rayner (cf. 1966) en higgledypiggledygrowth, donde se comprobó que los ingresos
corporativos en el Reino Unido se distribuyen normalmente. Bajo este supuesto, Fama
(cf. 1965) se consolidó como pionero de los estudios de eficiencia de mercado y
posteriormente Fama y French (cf. 2000) presentaron estudios en los que los autores
tratan de hacer predicciones sobre la rentabilidad en empresas norteamericanas.
Existen una gran variedad de técnicas que se pueden utilizar para la predicción de la
rentabilidad de las empresas, sin embargo, destacan los modelos econométricos.
Dentro de éstos, las metodologías más usadas son las series de tiempo en modelos
predictivos de utilidades, modelos de corto horizonte, modelos basados en indicadores
macroeconómicos, modelos basados en estados de resultados, modelos de series de
tiempo, modelos sencillos con rezagos, modelos basados en procesos operativos
inherentes a cierta industria o negocio y modelos basados en estados financieros
Los modelos predictivos de las utilidades corporativasanalizados son:
Saltzman (1967) utilizó datos trimestrales de 9 años de una empresa fabricante y
comerciante de diversos modelos de una pieza utilizada en la elaboración de
productos de línea blanca como lavadoras y secadoras, esta empresa conforma un
oligopolio. El autor obtuvo como variable significativa solamente las ventas. Este
modelo, al ser una simulación del estado de resultados, obtiene niveles muy altos de
R2. Se encontró que para esta industria es muy alta la elasticidad precio.
Satisfacción del cliente y desempeño financiero corporativo
8
Horvitz, Nesh y Stern (1992) utilizaron los datos de las utilidades de 897 empresas
públicas entre 1979-1986 para realizar cinco modelos predictores distintos. En los
cinco casos, los datos de 1969-1978 fueron utilizados para predecir el periodo de
1979-1986. Estos modelos cuentan con niveles de R2 bajos porque solamente toman
en cuenta al ingreso, la tasa de rendimiento y la evolución de estos indicadores. A
continuación se hace un resumen de cada uno de estos modelos:
o El modelo determinístico funciona bajo el supuesto de que existe una tasa de
crecimiento constante de las utilidades con cierto factor de error.La R2fue muy baja.
o El Offset modelo modelo de compensación es útil para los casos en los que existen
eventualidades que modifican drásticamente el ingreso. Es una variante del modelo
determinista y obtuvo una R2 de 0.16.
o El modelo estocástico exponencial asume que las utilidades fluctúan de manera
aleatoria alrededor de una tendencia exponencial y obtuvo una R2 de 0.28.
o El modelo del movimiento Browniano asume que las utilidades anuales crecen de
manera exponencial a una tasa constante pero son afectadas permanentemente por
choques aleatorios, siguiendo así un camino irregular. La R2fue de 0.31.
o El modelo de tiempo discreto asume que las utilidades son generadas
determínisticamente, sin embargo se mantiene una tendencia tan irregular que se
simula a la tendencia generada a través de los modelos de series de tiempo
estocásticas. Este modelo obtuvo una R2 de 0.26.
Abarbanell y Bushee (1997) utilizaron datos entre 1991 y 1992 de empresas que
cotizan en bolsa utilizando variables y razones financieras del estado de resultados y
del estado de posición financiera, obteniendo como variables significativas los
inventarios, el margen bruto, la tasa impositiva efectiva, las utilidades y la fuerza
laboral. Este modelo trata de predecir las utilidades a corto plazo, generando una
metodología útil para los analistas financieros y bursátiles a través de herramientas
comunes de análisis fundamental.
Ittner y Larcker (1998) utilizaron datos entre 1995 y 1996 de empresas grandes de
telecomunicaciones, encontrando que todas las variables que contemplaron eran
significativas, sin embargo se obtuvo una R2 muy baja porque existen muchas otras
variables importantes. En este modelo se comprueba que existe relevancia y
Satisfacción del cliente y desempeño financiero corporativo
9
significancia de los indicadores de satisfacción del cliente en los resultados
financieros. Al igual se tiene impacto de estas métricas en los mercados financieros,
aunque no de manera muy marcada porque el modelo no es muy completo.
Fama y French (2000) utilizaron datos entre 1964 y 1996 de empresas que cotizan en
bolsa obteniendo como la totalidad de las variables utilizadas como significativas. Sin
embargo, al igual que el modelo anterior, este es un modelo muy limitado en cuanto a
poder explicativo, con una R2 de 20%.
Ribeiro de Medeiros (2005) utilizó datos anuales de estados financieros de 1991 a
2001 de una empresa petrolera monopólica brasileña obteniendo la totalidad de
variables como variables significativas. Se hace énfasis en la utilización de variables
contables, macro y microeconómicas para explicar el comportamiento de los estados
financieros. Los niveles de R2 para las ecuaciones relevantes para este análisis son
mayores a 0.71.
Barth, Beaver, Hand y Landsman (2005) utilizaron datos de 1987 al 2001 de
empresas públicas en CompuStat. Este estudio realiza una desagregación del
balance general para poder predecir el valor del capital (que puede ajustarse al valor
de las utilidades realmente realizadas si se aplica una diferencia). Este modelo obtuvo
como variables significativas ingreso neto, cambio en cuentas por cobrar, cambio en
inventarios, depreciación y valor de libros del capital, teniendo como variable
dependiente al valor de mercado del capital. Este modelo es muy significativo, con
una R2 de 0.86. Este es el modelo seleccionado como base de la investigación.
Allen (2005)utilizaron datos de 1982 a 2000 de 987 firmas que cotizan en la bolsa de
Londres, obteniendo como variable significativa el cambio en utilidades. Este modelo
tiene una R2 muy baja, de 11%.
Banker y Chen (2006) utilizaron datos anuales de 1988 a 2002 de 4334 firmas
diferentes obteniendo como variables significativas las ventas y la ROE. Este modelo
tiene una R2 de 0.36
Bathke, Allen W. et al. (2006) utilizaron datos entre 1978 y 1996 de empresas que
cotizan en bolsa, este modelo ARIMA utiliza series de tiempo univariadas, es por esta
razón que posee un poder predictivo muy bajo.
Satisfacción del cliente y desempeño financiero corporativo
10
Cannon, Randall y Terwiesch (2008) utilizaron datos desde 1993 a 2007 de empresas
en la industria norteamericana de aerolíneas obteniendo como variables significativas
algunos indicadores operativos propios del sector. Los autores concluyen que utilizar
variables relacionadas a operaciones incrementan el poder predictivo de los modelos
basados en variables contables.
Virbukaitė (2010) utilizó datos de 2002 a 2009 con datos trimestrales de empresas
grandes lituanas de comunicaciones, manufactureras de alimentos, refrigeradores y
producción y distribución eléctrica. Este modelo obtuvo como variables significativas
al PIB, la tasa de interés, los ingresos, y una razón COGS/costos totales.
Ayrga (2012) realizó una proposición teórica de un modelo que considera las cifras del
balance general interactuando con algunas cifras de otros estados financieros.
Leppähaara (2012) utilizó datos entre 1990 y 2010 de empresas alta tecnología, este
estudio busca entender la forma en la que se pueden predecir los ingresos de las
empresas tecnológicascon datos de los estados financieros. El autor desarrolla tres
modelos, en los cuales solamente se tiene una variable significativa en el segundo
modelo, esta variable es la recomendación de los analistas.Las R2 para cada uno de
los modelos son 0.44, 0.23 y 0.18, respectivamente.
4 DESARROLLO DEL MODELO ECONOMÉTRICO
4.1 Modelo Econométrico
4.1.1 Primera aproximación
El primer paso del análisis cuantitativo consistió en correr una regresión univariada de
datos panel que explicara la utilidad operativa en función de la SC. Esos resultados
constatarían las investigaciones de distintos autores sobre de la teoría de la satisfacción
del cliente y la importancia dela SC en la explicación de los resultados financieros
4.1.2 Aportación al conocimiento teórico
Dada la pequeña proporción que intuitivamente tiene esta variable en la explicación total
del fenómeno de la rentabilidad corporativa, este estudio propone la contrastación del
resultado del modelo univariado con un modelo multivariado en interacción con
variables financieras relevantes para la explicación del desempeño financiero,
Satisfacción del cliente y desempeño financiero corporativo
11
esperando tener un nivel explicativo alto para el tipo de estudio realizado, y que se
mantenga la significancia de la satisfacción del cliente.
4.1.3 Modelo Base
Como punto de partida para la elaboración del nuevo modelo, se revisaronlos modelos
propuestos en la investigación previa,para encontrar un modelo probado. El modelo
seleccionado fue desarrollado por Barth Beaver, Hand y Landsman (cf. 2005) en su
escrito Accruals, Accounting-BasedValuationModels, and thePrediction of
EquityValuespublicado en 2005 por el Journal of Accounting. Este modelo usa
estimaciones del valor de capitalización de las empresas para determinar la
desagregación de las utilidades, generando modelos de información lineal. Ellos
sugieren que para realizar una valuación más precisa del capital, las utilidades deben de
ser desagregadas en los grandes rubros de los estados financieros y que el
comportamiento de los factores financieros principales varía sustancialmente a través
de las industrias.
Los autores basan su modelo en distintos componentes financieros y de los estados de
posición financiera y de resultados como los ingresos anormales, y algunos indicadores
que pueden tener implicaciones diferentes en el valor de mercado del capital como los
cambios en cuentas por cobrar, en inventariosy en cuentas por pagar,la depreciación y
el valor en libros. Este modelo se seleccionó por ser sencillo, porque contiene variables
accesibles, sus coeficientes son significativos y la R2 es de 0.73. El modelo resultante
es el siguiente, al que los autores llaman modelo C.
Ecuación 1 Modelo Base Barth, Beaver, Hand y Landsman (cf. 2005:45)
Fuente: Barth, Beaver, Hand y Landsman (cf. 2005:45)
Donde:
es el valor de mercado del capital.
son las ganancias anormales, definidas como los ingresos menos el retorno. normal
sobre el valor en libros del periodo t.
es el cambio en cuentas por cobrar en el periodo t.
Satisfacción del cliente y desempeño financiero corporativo
12
es el cambio en inventarios en el periodo t.
es el cambio en cuentas por pagar en el periodo t.
es la depreciación en el periodo t.
es el valor en libros del capital en el periodo t.
es el valor de mercado del capital en el periodo t.
es el término de error.
Los subíndices i y t significan empresa y año respectivamente.
Vt es otra información, que es definida como MVEt-1 – MVEt-1, donde MVEt-1 es el valor
ajustado de MVEt-1
4.1.4 Desarrollo del Modelo
Dado que el dato que se busca como variable dependiente son las utilidades, se
despejará el factor , de las ganancias anormales para predecir un factor de ingreso.
Ecuación 2 Modelo Modificado Fase 1
Fuente: Elaboración Propia
Para simplificar el modelo, se integrarán los factores que hacen
referencia al valor de mercado del capital, integrándolo en la variable y se
eliminarán los signos negativos, ya que al trabajar con modelos econométricos, los
signos se asignarán automáticamente durante la regresión. A continuación se presenta
el modelo modificado previo a la integración de la variable de la satisfacción del cliente.
Ecuación 3 Modelo Modificado Fase 2
Fuente: Elaboración Propia
Finalmente, se incorpora al modelo la variable SC (ACSI).Asimismo, el factor
significará lautilidad operativa.Se tomóeste dato para hacer análisis puramente
Satisfacción del cliente y desempeño financiero corporativo
13
sobre la operación y el negocio de la empresa y dejar por fuera el efecto del gasto
financiero neto y del saldo impositivo neto. A continuación se presenta el modelo
definitivo.
Ecuación 4 Modelo Definitivo
Fuente: Elaboración Propia
Donde:
es el ingreso operativo.
es el índice de satisfacción del cliente desarrollado por el ACSI.
4.1.5 Verificación de los supuestos econométricos
Para que los estimadores de mínimos cuadrados ordinarios (MCO) sean mejores
estimadores lineales insesgados (MELI) se deben cumplir los supuestos econométricos.
4.2 Datos
Para la obtención de las cifras de los estados de resultados, estados de posición
financiera y flujos de efectivo de las empresas, así como los cálculos de capitalización y
otros indicadores operativos y de mercado se utilizó el servicio de datos del sistema
Terminal Bloomberg.Específicamente, se consultó el apartado de análisis financiero
Bloomberg(cf. 2013). La consulta se hizo por periodos anuales y se obtuvieron datos
desde 1994 hasta 2012 para todas las compañías que analiza el ACSI. Se decidió
utilizar esta base de datos porque permite hacer consultas predeterminadas para un
gran número de compañías simultáneamente, es la base de datos financiera con más
datos históricos disponibles, arroja la información en el mismo formato para todas las
empresas y cuenta con una gran cantidad de indicadores financieros disponibles.
Bloomberg es una de las plataformas más utilizadas para análisis financiero profesional.
4.2.1 Muestra
Se encontraron los tickers de Bloomberg para 257 empresas de las 339 que reportó el
ACSI en 2012, estas empresas representan a 41 industrias diferentes de un total de 43
que reportó el ACSI este año, de 10 sectores económicos. De estas 257 empresas, 236
tienen datos de ingreso operativo y satisfacción del cliente interactuando en mismos
Satisfacción del cliente y desempeño financiero corporativo
14
periodos, lo que permite hacer cruces econométricos entre esas variables. Dado que
algunas empresas no reportan en Bloomberg algunas de las otras variables
involucradas en el modelo, cuando se hace la regresión completa, son 171 empresas
las que participan con todas las variables seleccionadas. Todas estas empresas se
encuentran entre las empresas más grandes con actividades en los Estados Unidos.
5 RESULTADOS
La base de datos se ha estructuró en el formato panel, dado que el análisis es
multidimensional, dando valor a las variables declaradas para cada empresa y para
cada año. Para el desarrollo de modelos se utilizó el programa estadístico STATA 11.
Como se mencionó, el punto de partida de este análisis cuantitativo implicó generar un
modelo econométrico univariado para entender la forma en la que se comporta la
variable de satisfacción del cliente de manera aislada explicando la rentabilidad.
Dado que se tiene una base de datos panel, se puede intuir que el modelo correcto a
estimar será un modelo panel efectos fijos o efectos aleatorios. Para discernir entre
estos dos modelos se realizará la prueba de Hausman para ver si existe una diferencia
significativa en la estructura de las variables a través de las empresas, de tal manera
que la heterogeneidad de las empresas, de manera significativa, haga distinciones
afectando a las variables del modelo.
5.1 Modelo Univariado
5.1.1 Prueba de Hausman
A continuación se presenta la prueba de Hausman, misma que plantea como hipótesis
nula que la diferencia existente en los coeficientes de las variables explicativas no
muestra un patrón de diferencias sistemático con respecto a la población muestreada.
En este caso, el P-Value, indicado por la leyenda Prob>chi2 muestra un valor de 0.0000,
lo cual indica que con un 99.99% de confiabilidad, los individuos que participan en el
estudio presentan diferencias sistemáticas, lo que no permite al análisis excluir los
factores y choques que derivan de esta heterogeneidad. Razón por la cual, se favorece
al uso de la regresión de efectos fijos,mismo que será el modelo a utilizar.
Tabla 2 Prueba de Hausman para modelo univariado
Satisfacción del cliente y desempeño financiero corporativo
15
Prob>chi2 = 0.0000 = 17.81 chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg acsi 163.6076 112.346 51.26159 12.14825 FEU REU Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients
Fuente: Elaboración propia
5.1.2 Verificación de supuestos
Para dar validez a este resultado se deberán realizar pruebas de supuestos para saber
si el modelo seleccionado cumple con lo estipulado para que en el análisis econométrico
sus estimadores sean MELI. El supuesto que con más frecuencia se viola en la
generación de modelos econométricos basados en información real, y particularmente
en los modelos financieros es el de la ausencia de autocorrelación en los datos panel.
Es por este motivo que este supuesto será el primero en ser verificado, ya que si se da
esta violación, la comprobación de los supuestos anteriores habría sido en vano.
A continuación se procederá a la verificación de la no autocorrelación a través del test
de Wooldridge que tiene la hipótesis nula de no autocorrelación en el modelo.
Ilustración 1Prueba de Wooldridge para el modelo univariado
Prob > F = 0.0000 F( 1, 208) = 56.733H0: no first-order autocorrelationWooldridge test for autocorrelation in panel data
Fuente: Elaboración propia
Como se puede verificar, se rechaza la hipótesis nula, se acepta la existencia de
autocorrelación en el modelo. Por este motivo, se procederá a hacer correcciones.
5.1.3 Corrección del modelo (Regresión no paramétrica Bootstrap)
La metodología bootstrap tiene como propósito ganar información acerca de la
distribución de un estimador. Sin embargo según Alonso (cf. 2008), en regresiones no
paramétricas, la metodología bootstrap es utilizada fundamentalmente para dos tareas:
la primera es la de elegir el parámetro de suavizamiento o ancho de banda y la segunda
Satisfacción del cliente y desempeño financiero corporativo
16
es la de construir intervalos de confianza para la curva de regresión. En este caso
particular, es posible utilizar esta metodología dado que no asume la distribución normal
sobre los errores y considera la heteroscedasticidad y autocorrelación de los datos.
Cabe señalar que si bien el número de observaciones mínimo para estimar los
parámetros es suficiente para cumplir con el factor deseable de que la regresión
mediante Bootstrap use muestras grandes, como soporte adicional a la metodología, se
cumple con la regla empírica de que la relación que guarde el número de variables
explicativas respecto al número de observaciones sea menor al 5%, requerimiento que
es ampliamente mejorado en este caso, que cuenta con miles de observaciones.
5.1.4 Modelo univariado corregido
Dicho lo anterior, se procederá a la ejecución del modelo bajo la metodología Bootstrap.
Regresión 1 Modelo univariado corregido
rho .61519448 (fraction of variance due to u_i) sigma_e 3221.2403 sigma_u 4072.9464 _cons -9694.687 6041.563 -1.60 0.109 -21535.93 2146.558 acsi 163.6076 79.89399 2.05 0.041 7.018232 320.1969 ni Coef. Std. Err. z P>|z| [95% Conf. Interval] Observed Bootstrap Normal-based (Replications based on 236 clusters in id)
corr(u_i, Xb) = -0.2444 Prob > chi2 = 0.0406 Wald chi2(1) = 4.19
overall = 0.0004 max = 19 between = 0.0038 avg = 10.3R-sq: within = 0.0205 Obs per group: min = 1
Group variable: id Number of groups = 236Fixed-effects (within) regression Number of obs = 2431
.................................................. 300
.................................................. 250
.................................................. 200
.................................................. 150
.................................................. 100
.................................................. 50 1 2 3 4 5 Bootstrap replications (300)
Fuente: Elaboración propia
La regresión Bootstrap, con trescientas réplicas del modelo, suficientes para demostrar
consistencia a través de las diferentes pruebas a realizar, obtiene resultados que
favorecen a la hipótesis del estudio. Esta metodología no requiere de la verificación de
supuestos, que no son vigentes para la metodología Bootstrap, ya que esta regresión no
Satisfacción del cliente y desempeño financiero corporativo
17
funciona bajo los principios teóricos de regresiones paramétricas. Cabe mencionar que
esta metodología sigue tomando en cuenta la característica de los efectos fijos.
Como se puede apreciar, el coeficiente de la satisfacción del cliente muestra un valor de
163.60 y una significancia de 0.041, lo cual cumple con los requerimientos normalmente
aceptados para garantizar la confiabilidad de un estudio, que en este caso quiere decir,
que con un 96% de confiabilidad la satisfacción del cliente resulta ser una variable muy
significativa para la explicación de la utilidad operativa de las empresas encuestadas.
5.2 Aportación cuantitativa a la teoría de la satisfacción del cliente
Hasta ahora se han corroborado resultados obtenidos por otros autores, pero, como se
puede apreciar en los modelos univariados, los niveles explicativos bajo cualquiera de
las metodologías son muy pobres. Este resultado es obvio, pues, a pesar de que los
teóricos de la SC argumentemos la importancia de dicha variable, su beneficio potencial
es marginal en comparación a otras variables explicativas, que como se da cuenta en el
marco teórico, son muy relevantes para el análisis de la rentabilidad corporativa.
Estainvestigación propone realizar por primera vez la corroboración de la importancia de
la variable SC, una vez controlada una buena proporción del fenómeno a través de un
modelo válido en sus supuestos teóricos, que prediga la rentabilidad corporativa a
través de distintas variables. Esto puede dar cuenta de un valor más cercano a la
realidad del coeficiente que en su momento obtenga la variable de SC.
5.3 Modelo multivariado
Se realizó el análisis cuantitativo sobre el modelo multivariado seleccionado, siguiendo
los mismos pasos del análisis econométrico del modelo univariado.
5.3.1 Resumen de modelos
La tabla 3 muestra los modelos de efectos fijos y aleatorios, así como sus
modificaciones robustas,con los coeficientes de regresión para cada uno de los modelos
probados. De estos modelos, posteriormente, con apoyo en la prueba de Hausman, se
obtendrá el modelo definitivo.No obstante, se puede tener certidumbre de que el
parámetro de la variable de SC (ACSI) tendrá un valor positivo. También puede
observarse que para las demás variables, existe congruencia en cuanto al signo a
Satisfacción del cliente y desempeño financiero corporativo
18
través de los modelos, con valores no muy dispersos:Esto constituye un signo de
confianza y congruencia en el planteamiento del modelo.
Tabla 3 Comparación de modelos multivariados
rho 0.6738 0.6738 0.2695 0.2695 sigma_e 1.8e+03 1.8e+03 1.8e+03 1.8e+03 sigma_u 2.6e+03 2.6e+03 1.1e+03 1.1e+03 r2_w 0.6384 0.6384 0.6213 0.6213 r2_b 0.5944 0.5944 0.8074 0.8074 r2_o 0.6471 0.6471 0.7437 0.7437 r2 0.6384 0.6384 N 1604 1604 1604 1604 _cons -3.3e+03 -3.3e+03 -9.5e+02 -9.5e+02 mve 0.0283 0.0283 0.0334 0.0334 bv 0.1997 0.1997 0.1576 0.1576 dep -0.1445 -0.1445 -0.0538 -0.0538 dap 0.1050 0.1050 0.1308 0.1308 dinv 0.4805 0.4805 0.4306 0.4306 drec 0.0958 0.0958 0.0736 0.0736 acsi 55.1772 55.1772 16.8910 16.8910 Variable FE FE_rob RE RE_rob
Fuente: Elaboración Propia
5.3.2 Prueba de Hausman
La prueba de Hausman para determinar si como se espera, se debe de utilizar el
modelo de regresión panel de efectos fijos.
Tabla 4 Prueba de Hausman
Prob>chi2 = 0.0000 = 140.82 chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg mve .0282528 .0333531 -.0051003 .0007009 bv .199714 .1575701 .042144 .0040787 dep -.1445387 -.0538483 -.0906904 .0102319 dap .1049799 .1307639 -.025784 .0087094 dinv .48046 .4305566 .0499034 .018912 drec .095802 .0736255 .0221765 .0057251 acsi 55.17722 16.89102 38.2862 12.54443 FE RE Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients
Satisfacción del cliente y desempeño financiero corporativo
19
Fuente: Elaboración propia
La prueba de Hausman nos indica que la hipótesis nula de que no existe diferencia
sistemática en los coeficientes de regresión como resultado de la heterogeneidad de las
empresas en la muestra se rechaza, y se selecciona el modelo de efectos fijos.
5.3.3 Modelo seleccionado
Después de haber seleccionado el modelo de efectos fijos, se tiene un resultado
tentativo, mismo que se puede apreciar en la versión robusta del modelo, donde,
después de corregir por violaciones a los supuestos, se tiene que la variable de SC no
es estadísticamente significativa;aunque, para que este resultado sea validado, tiene
que cumplir con los supuestos econométricos, que se comprobarán a continuación.
5.3.4 Verificación de supuestos
Para el modelo seleccionado, a continuación se realiza la prueba de autocorrelación, la
cual postula como hipótesis nula que no existe autocorrelación de primer orden, sin
embargo, esta hipótesis se rechaza.
Tabla 5 Prueba de autocorrelación
Prob > F = 0.0005 F( 1, 140) = 12.791H0: no first-order autocorrelationWooldridge test for autocorrelation in panel data
Fuente: Elaboración Propia
5.3.5 Corrección del modelo (Regresión no paramétricaBootstrap)
A continuación se presenta la regresión utilizando el método no paramétrico Bootstrap
utilizando la variable de valor de mercado en su formato de rendimientos.
Como puede observarse en la regresión posterior, con el modelo no paramétrico, la
variable SC sigue siendo significativa. Así,puede afirmarse que la variable de estudio
presenta con un 96% de confiabilidad los argumentos suficientes para ser considerada
una variable explicativa relevante en la predicción de rentabilidad corporativa.
Es importante aclarar que la finalidad de este estudio no es la generación de un modelo
predictor de utilidades, sino la validación de la significancia de la satisfacción del cliente
explicando a la utilidad operativa, a pesar de encontrarse en un modelo interactuando
con variables que la literatura ha sustentado como determinantes de la rentabilidad.
Satisfacción del cliente y desempeño financiero corporativo
20
Asimismo, toda vez que la SC no forma parte de la operación productiva de la mayoría
de los negocios, debe mantenerse una postura realista en cuanto al rol que puede jugar
en un modelo predictivo de utilidades. Así, surge una pregunta sobre la comparación del
modelo de regresión no paramétrica con y sin la SC.
Al incluir la SC, se pierden casi 20 puntos en el poder explicativo del modelobásico (la
R2 de .66 en el modelo sin la SCbaja a .47con ella), aunquedos variables del mismo
sonsignificativas, y la variable con peor desempeño tiene un 75% de confiabilidad.Por
otra parte, al omitirla SC, los estimadores de las otras variables se desestabilizan, de
manera que sólo una variable es significativa y se observan P-values hasta de 0.97.
Este fenómeno puede estar relacionado con las argumentaciones de Ngobo, et al. (cf.
2011) y otros trabajos citados en el marco conceptual que afirman que la variable de
satisfacción del cliente, en diversos estudios, se ha identificado como una variable que,
al incrementarse, reduce la dispersión en diferentes indicadores financieros como las
ganancias, el valor de mercado del capítal o las recomendaciones de los analistas.
Regresión 2 Modelo multivariado Bootstrap
rho .75337272 (fraction of variance due to u_i) sigma_e 2003.5175 sigma_u 3501.6887 _cons -5153.384 3268.705 -1.58 0.115 -11559.93 1253.16 mveLag1 -94.15904 58.02906 -1.62 0.105 -207.8939 19.57583 bv .2622955 .0740339 3.54 0.000 .1171916 .4073994 dep -.1990896 .0867208 -2.30 0.022 -.3690591 -.02912 dap .262208 .2303184 1.14 0.255 -.1892078 .7136239 dinv .3723141 .2019264 1.84 0.065 -.0234543 .7680826 drec .1200082 .0841617 1.43 0.154 -.0449457 .284962 acsi 89.2734 43.13068 2.07 0.038 4.738819 173.808 ni Coef. Std. Err. z P>|z| [95% Conf. Interval] Observed Bootstrap Normal-based (Replications based on 169 clusters in id)
corr(u_i, Xb) = -0.1326 Prob > chi2 = 0.0000 Wald chi2(7) = 93.96
overall = 0.4690 max = 18 between = 0.2904 avg = 9.2R-sq: within = 0.5525 Obs per group: min = 1
Group variable: id Number of groups = 169Fixed-effects (within) regression Number of obs = 1562
.................................................. 500
.................................................. 450
.................................................. 400
.................................................. 350
.................................................. 300
.................................................. 250
.................................................. 200
.................................................. 150
.................................................. 100
.................................................. 50 1 2 3 4 5 Bootstrap replications (500)
Fuente: Elaboración Propia
Satisfacción del cliente y desempeño financiero corporativo
21
De esta manera, puede concluirse que la SC es una variable que en los últimos años ha
empezado a tomar relevancia. Este efecto, ha tenido como consecuencia la
profundización en su estudio y el incremento en los esfuerzos de las organizaciones por
tener datos relacionados de manera más confiable y abundante.
Sin embargo, tanto las variables auxiliares como el modelo en conjunto, no alcanzaron
un desempeño adecuado, por lo que se tomó la decisión de buscar nuevas alternativas
para mejorar los resultados. A continuación se presentan los avances más recientes.
6 AVANCES DE INVESTIGACIÓN
Durante las primeras aproximaciones se obtuvieron mejores resultados utilizando
regresiones de efectos aleatorios que de efectos fijos; tanto a nivel modelo, con un
mejor nivel explicativo en su R2, así como las variables de manera individual; siempre
manteniendo niveles de significancia destacados de la variable de satisfacción del
cliente. Sin embargo, dado que la prueba de Hausman arrojó como resultado la
diferencia sistemática en los coeficientes que componen el modelo, se tomó la decisión
de correr las regresiones con efectos fijos.
Diversos cuestionamientos surgieron a raíz de este análisis; ¿es una condición
coercitiva e inherente a la diversa naturaleza de las empresas estudiadas la diferencia
sistemática en los coeficientes?, ¿existe alguna manera de controlar estas diferencias
sistemáticas?, de existir una alternativa, ¿cuáles serían los elementos que deberían de
incluirse en el análisis?, ¿cómo se modificarían los resultados de la investigación una
vez modificada la ecuación? Para responder estas preguntas se tiene que ir al origen
del motivo que genera este problema; es decir, las posibles causas de diferencias
sistemáticas.
En general, podríamos responder estas preguntas con un solo supuesto; si se logra
controlar una buena parte de los factores que generan una diferencia sistemática en los
estimadores, se afirmaría que la misma sea coercitiva e inherente a los datos
presentados, dando pie a la posibilidad de regresar a una estimación por efectos
aleatorios. Aunque no podemos determinar desde ahora cuáles serían los nuevos
resultados, se tiene evidencia de que este modelo se comporta de mejor manera con
efectos aleatorios. Por otra parte, al agregar elementos que controlen diferencias entre
Satisfacción del cliente y desempeño financiero corporativo
22
las empresas seleccionadas, se tendría que incrementar el poder explicativo del modelo
a través de la R2. Después de esto, la pregunta que quedaría por responder sería
¿cuáles serían los elementos que deberían de incluirse en el análisis?, es por eso que
se procederá a identificar los principales factores generadores de diferencias
sistemáticas entre los estimadores del modelo y la forma en que intuitivamente se
podrían incluir en la ecuación final.
6.1 Factores diferenciadores en los coeficientes
Cuando se corren modelos comparando una cantidad importante de empresas se deben
de tomar en cuenta diversos factores que pueden originar diferenciación entre las
mismas. Primeramente, vienen a la mente los factores inherentes a la operación de las
empresas, mismos que están abarcados en el modelo presentado; en este rubro entran
las variables que responden a los conceptos contables más relevantes; valores como el
endeudamiento, las cuentas por cobrar, el manejo de los inventarios e indicadores de
inventarios.Sin embargo, para controlar las diferencias entre las condiciones de las
empresas, deberían incluirse en el análisis variables que controlen la situación
económica, los ciclos de la economía y las tendencias de tiempo, las ventas, los costos,
el tamaño de las empresas e inclusive la industria a la que pertenecen. Basado en el
razonamiento anterior se ha decidido proceder paulatinamente a ir controlando todos
estos factores. A continuación se enlistan los efectos que se supone se mitigarán al
controlar cada fuente de diferenciación.
6.1.1 Factor económico
Dado que el cúmulo de empresas incluidas en el estudio tienen actividades diversas, las
condiciones económicas pueden afectar de manera particular a cada sector o industria.
Este sin duda, es un generador de diferencia sistemática entre los coeficientes
resultantes del modelo. Las principales variables a analizar deben ser el PIB, la
inflación, la tasa de interés y el desempleo.
6.1.2 Factor sectorial
El modelo presentado concentra datos de empresas pertenecientes a cuarenta y un
industrias; después de agregar todas las variables al modelo, interactúan más de treinta
y cinco, por lo que se hace vital hacer una distinción por actividad económica. Esta
dimensión, como se menciona en la sección anterior, afecta sinérgicamente al resultado
Satisfacción del cliente y desempeño financiero corporativo
23
en conjunto con los datos económicos, ya que estos influyen de manera muy distinta a
través de las industrias. Por ejemplo, los productores de bienes de consumo masivo no
se verán tan afectados por un aumento en la tasa de interés como lo serán los
constructores que gran parte de sus ventas las hacen a crédito. La complicación con
este punto surge porque sería muy complicado tanto desarrollar como leer un modelo
con treinta y cinco variables dicotómicas; de hecho, los softwares econométricos con
fines académicos no podrían soportar un cálculo tan complejo.
Para simplificar este cálculo, se puede hacer un planteamiento por sector industrial
agregado. Dicho lo anterior, se tiene en mente agregar a las empresas en cuatro
grandes sectores: el sector de tecnología y telecomunicaciones, el sector bancario y
financiero, el de la transformación y el sector de servicios. Para hacer distinción entre
los mismos se tendrían que agregar a la base de datos cuatro variables dicotómicas,
aunque a la ecuación del modelo se agregarían solamente tres, ya que la cuarta sería
absorbida por la constante.
6.1.3 Factor temporal
El tiempo medido en años es una variable que al ser incluida en modelos econométricos
permite controlar los ciclos económicos, las tendencias en los diferentes mercados e
industrias, es auxiliar en el control de procesos económicos progresivos como la
inflación e incluye en el modelo eventos como las crisis o las expansiones económicas.
Incluir esta variable en la ecuación se hace muy complejo porque tendría que incluirse
de igual manera el factor sectorial, a través de variables dicotómicas; teniendo en
cuenta que se tienen datos desde 1995 hasta 2012.Tendrían que incluirse en la
ecuación dieciocho coeficientes dicotómicos incluidos en la dimensión tiempo.
6.1.4 Ventas y costos
El desempeño financiero de una empresa depende en buena medida de la eficiencia
que tiene en su estado de resultados, donde las variables que mueven la aguja son las
ventas y los costos. En primera instancia, estas variables se dejaron fuera del análisis
porque se empezó trabajando bajo los supuestos que rigen a los modelos paramétricos,
los cuales, de manera lógica, descalificarían estas variables por la autocorrelación
natural que existiría con la variable dependiente. Sin embargo, dada la complejidad y el
Satisfacción del cliente y desempeño financiero corporativo
24
volumen del estudio, se tuvo a bien usar modelos de estimación no paramétricos, por lo
tanto, se valida el uso de las ventas y costos como variables de control que aíslen
efectos diferenciadores en la base de datos.
6.1.5 El tamaño de la empresa
La diferencia en la escala en que operan todas estas empresas, en definitiva atenta
contra la posibilidad de usar estimaciones por efectos aleatorios. Es por eso que se
debe de incluir una variable relacionada que brinde información diferente a la que se
obtiene de variables ya incluidas como el valor en libros, o el valor de mercado; donde la
primera, por estrategias contables o por la naturaleza de los bienes productivos de cada
industria puede llegar a variar y la segunda, es más bien un indicador de la generación
de ganancias extraordinarias a la operación per se de la empresa. En consecuencia, se
podrían incluir variables como los activos contables.
6.2 Implementación de los nuevos factores.
A raíz de todo lo surgido como avances recientes de investigación se han empezado a
incluir los valores económicos. Los resultados se comentan a continuación.
6.2.1 Factores económicos
Las variables macroeconómicas son determinantes en el desempeño financiero de las
empresas.Se incluyeron en nuestra base de datos las variables PIB (ec_pib), Inflación
(ec_inf), tasa de interés activa (ec_int_act), desempleo (ec_desempleo).
En primera instancia, se corrió el modelo sin incluir la variable del ACSI. Como se puede
ver en la tabla 6, se encontró que las variables de inflación y desempleo son muy
significativas. Al incluir la variable de la satisfacción del cliente, la variable de inflación
se mantiene como muy significativa y la variable de desempleo se mantiene como
significativa; resulta llamativo que el PIB no resultara significativo sin embargo, no
debería descartarse de manera definitiva.
Como se puede apreciar en la tabla 7, el problema que existía con la SC, que perdía
significancia estadística al correrla con Bootstrap se mantiene desgraciadamente; y de
hecho, el valor de significancia que, dependiendo de la iteración aleatoria de Bootstrap
se encontraba entre niveles de 0.03 y 0.06, provocando inconsistencia en la validez
estadística de la variable, se ha incrementado, recorriendo la brecha de la variable
Satisfacción del cliente y desempeño financiero corporativo
25
aniveles de significancia de entre 0.05 y 0.08, alejándola del umbral de significancia
estadística. Acá, es importante recordar que el método Bootstrap no puede cambiarse
dado que no se cumplen supuestos econométricos en la serie de datos.
Tabla 6 Comparación de modelo con variables macroeconómicas
Fuente: Elaboración Propia
Sin embargo, cabe recalcar que el modelo, en general recibe bien estas inclusiones y se
eleva la R2 a .78 y .73 con y sin ACSI respectivamente. Estos son los niveles más altos
de R2 que hemos logrado con estimaciones no paramétricas, lo que nos puede indicar
que vamos por buen camino.
Tabla 7 Comparación de modelo con variables macroeconómicas y ACSI
Satisfacción del cliente y desempeño financiero corporativo
26
Fuente: Elaboración Propia
A continuación, en la sección de conclusiones se da cuenta de las interpretaciones
finales y de los hallazgos relevantes para la ciencia administrativa.
7 CONCLUSIONES
Esta investigación ha puesto en práctica diferentes técnicas estadísticas para mostrar la
forma en que interactúa la satisfacción del cliente con los resultados financieros.
La ACSI provee suficientes datos para la realización de estudios estadísticos, estos son
confiables y suficientes ya que se mide a una gran cantidad de empresas, tiene series
de tiempo por veinte años y una metodología constante y bien definida.
Dado que la autocorrelación es un problema frecuente en los modelos financieros, se
recurrió a métodos no paramétricos. La metodología Bootstrap ofrece la posibilidad de
correr modelos con variables que no cumplen los supuestos econométricos. Los
resultados significativos bajo esta metodología lo han sido a pesar de ser probados bajo
estimadores robustos.
Satisfacción del cliente y desempeño financiero corporativo
27
Como resultado de los modelos probados de manera univariada se puede concluir que
la variable de la satisfacción del cliente mostró ser relevante para explicar la utilidad
operativa. Como se postuló en la hipótesis, la relación tiene signo positivo.
En el modelo multivariado, la SC, la depreciación y el valor en libros son significativos al
0.05. El cambio en inventarios tiene una significación al menos de 0.10. Finalmente, la
satisfacción del cliente forma parte del modelo predictor de utilidades operativas en un
97% de los casos. Esto confirma la hipótesis de estudio.
Dicho lo anterior, por primera vez se ha generado un modelo en el que se ratifica la alta
significancia de la variable de SC en un modelo con un poder explicativo de dos a tres
veces mayor a lo logrado por otros modelos predictores de utilidad que incluían la SC.
Los resultados obtenidos, a pesar de ser buenos presentan ciertas incongruencias a
través de la interpretación de las variables auxiliares; el modelo en general, presenta
grandes oportunidades de mejorar si se logran disminuir las fuentes de diferencia
sistemática, permitiendo así la estimación por efectos aleatorios.
Se han identificado fuentes diferenciadoras de los coeficientes a incluir como variables
de control, estas variables se dividen en cinco dimensiones, la dimensión económica, la
de actividad o sectorial, la dimensión temporal, la dimensión de resultados a través de
ventas y costos y el tamaño de la empresa.
Las primeras pruebas con las variables económicas produjeron buenos resultados, en el
sentido de que ahora casi todas las variables financieras del modelo básico muestran
coeficientes significativos o altamente significativos, tanto en los modelos que
incorporan a la ACSI como en los que no la contienen en análisis paramétricos; aunque
estos resultados se mantienen sólo parcialmente en el análisis no paramétrico. No
obstante, las variables económicas mismas producen resultados mixtos, pero, sobre
todo, la ACSI no mantiene la significación buscada. Por lo tanto, deben a continuación
hacerse modificaciones a los planteamientos, para intentar superar las insuficiencias
actuales.
REFERENCIAS BIBLIOGRÁFICAS
Abarbanell, J. (Abril de 1991). Do analysts’ earnings forecasts incorporate information in
prior stock price changes? Journal of Accounting and Economics(14), 147-165.
Abarbanell, J., & Bushee, B. (1997). Fundamental analysis, future earnings, and stock
prices. Journal of Accounting Research, 35, 1-24.
ACSI. (1995). Methodology Report. Ann Arbor: University of Michigan Business School.
ACSI. (12 de Mayo de 2014). ACSI. Obtenido de ACSI Methodology Woldwide:
http://www.theacsi.org/global-partnerships/acsi-methodology-worldwide
ACSI. (s.f.). The American Customer Satisfaction Index. Recuperado el 2013, de
http://www.theacsi.org/
Allen, D. E. (2005). Forecasting profitability and earnings: a study of the UK market (1982 -
2000). Applied Economics, 37, 2009-2018.
Alonso, A. (2008). Predicción de tablas de mortalidad dinámicas mediante un procedimiento
bootstrap. Madrid. España: Fundación MAPFRE.
Anderson, E., Fornell, C., & Lehmann, D. (1994). Customer satisfaction, market share, and
profitability: Findings from Sweden. Journal of Marketing, 53-66.
Annas, J. (1993). The Morality of Happiness. New York: Oxford University Press.
Aristóteles. (1999). Nicomachean Ethics. (T. Irwin, Trad.) Indiana: Hackett Publishing Co.
Ataollah, M., Nakha, R., & Saravanan, M. (2010). Non- Financial Performance for Firm’s
Evaluation. European Journal of Economics, Finance and Administrative Sciences, 126.
Ayrga, A. (2012). Corporate Finance: An Econometric Approach. International Journal of
Social Science Tomorrow.
Banker, R., & Chen, L. (2006). Predicting Earnings Using a Model Based on Cost Variability
and Cost Stickiness . The Accounting Review, 285-307.
Bannock, G.,et al. (2007). Diccionario de Economía. México D.F.: Trillas.
Barth, M.,et al. (2005). Accruals, Accounting-Based Valuation Models, and the Prediction of
Equity Values. Journal of Accounting, 311-345.
Bartov, E., & Mohanram, P. (2004). Private Information, Earnings Manipulation, and
Executive Stock-Option Exercises. The Accounting Review, 79(4), 889-920.
Bathke, A. W. (2006). Long-Term Earnings Forecast Models for Nonseasonal Firms. The
Journal of Business Inquiry.
Bernhardt, K. L., N., D., & Kennett, P. (2000). A Longitudinal Analysis of Satisfaction and
Profitability. Journal of Business Research, Vol. 47, 161-171.
Bloomberg. (2013). Bloomberg Professional Service.
BMV. (2013). Empresas Emisoras (http://www.bmv.com.mx/ ed.). México DF: BMV.
Boulding, W., et al. (Febrero de 1993). A Dynamic Process Model of Service Quality: From
Expectations to Behavioral Intentions. The Journal of Marketing Research(30), 7-27.
Brown, P., Foster, G., & Noreen, E. (1985). Security analyst multi-year earning forecast and
the capital market. Studies in accounting research(21).
Cannon, J., Randall, T., & Terwiesch, C. (2008). Evaluating operations-based data in
earnings prediction: a study of the US airline industry. University of Utah.
Carhart, M. (Marzo de 1997). On persistence in mutual fund performance. The journal of
finance, 52, 57-82.
Cheng, Q., & Warfield, T. (2005). Equity incentives and earnings management. The
accounting review, 80(2), 441-476.
Christodoulou, D. (2009). The Indispensable Double Entry Constraint and the Unbiased
Estimation of the Equilibrium Level of Accruals (second ed.). Sydney: University of Sydney.
Chuan, Z. (2009). The impacts of customer satisfaction on profitability: a study of state-
owned enterprises in china. Service Science, Num 1, 21-29.
Cohen, D., Gan, C., Yong, H., & Choong, E. (2006). Customer Satisfaction: A study of bank
customer retention in New Zealand.Cantebury: Lincoln University.
Cruz, J. M. (Marzo de 2010). La paciencia en Finanzas tiene nombre: Reversión a la media.
Dinero, 58-59.
Dechow, P., et al. (1997). The relation between earnings and cash flows (2nd ed.). New
York: University of Rochester.
Díaz, P. (2011 de Febrero de 2012). Mercados Eficientes: Teoría. Magdalena Contreras,
Distrito Federal, México.
Emery, F. (1969). Some Psychological Aspects of price. London: Staples Press.
European Organization for Quality. (12 de Mayo de 2014). Obtenido de History, Facts and
Figures: http://www.eoq.org/about_eoq/history_facts_and_figures.html
Fama, E. (Mayo de 1970). Efficient Capital Markets: A Review of Theory and Empirical
Work. The Journal of Finance, 25(2), 383-417.
Fama, E., & French, K. (1993). Common risk factors in the returns on stocks and bonds.
Journal of financial economics, 33, 3-56.
Fama, E.& French, K. (2000). Forecasting Profitability and Earnings. Journal of Business,
73(2), 161 – 175.
Fornell, C. (1992). A National Customer Satisfaction Barometer: The Swedish Experience.
Journal of Marketing Vol. 56, 6-21.
Fornell, C., et al. (1996). The American customer satisfaction index: nature, purpose, and
findings. Journal of Marketing, Vol. 60, 7-18.
Foro Consultivo Científico y Teconológico. (2013). Rankings de Competitividad: WEF,
IMCO e IMD.México DF: FCCT.
Geroski, P., & Jacquemin, A. (1988). The Persistence of Profits: A European Comparison.
Economic Journal, 98, 375-389.
Gerpott, T., et al. (2001). Customer retention, loyalty, and satisfaction in the German mobile
cellular telecommunications market. Telecommunications Policy, Num 25, 249-269.
Goddard, J., & Wilson, J. (1999). The persistence of profit: a new empirical interpretation.
International Journal of Industrial Organisation, 17, 662-687.
Gómez-Lobo, A. (1998). Exposición breve de la ética Aristotélica. Santiago: Estudios
Públicos.
González, B. (2009). Cálculo del índice de Gini . Los Reyes: Universidad Nacional Mayor
de San Marcos: UNMSM. Obtenido de
http://economia.unmsm.edu.pe/docentes/JNavarroL/CursosJNL/EPS_2013-
I/Calculo_IndiceGini.pdf
Gruca, T. S., & Rego, L. L. (2005). Customer satisfaction, cash flow, and shareholder value.
Journal of Marketing, Vol. 69, 115–130.
Guiza, J. (2012). Contabilidad Financiera Básica. Magdalena Contreras, México DF.
Horvitz, S., Nesh, R., & Stern, L. (1992). An Empirical Analysis of Five Models for
Forecasting Lost . The Journal of Risk and Finance.
IMCO. (2013). Instituto Mexicano para la Competitividad. Recuperado el 2 de Agosto de
2013, de http://mexicocompetitivo.org/indices-de-competitividad/instituto-mexicano-para-la-
competitividad
IMCO. (2013). Resultados del Índice de Competitividad Internacional 2013. México DF.
IMD WCC. (2013). IMD World Competitiveness Center. Recuperado el 2 de Agosto de
2013, de http://www.imd.org/wcc/#tab=2
Ittner, C. D., & Larcker, D. F. (1998). Are nonfinancial measures leading indicators of
financial performance? An analysis of customer satisfaction. Journal of Accounting
Research, Vol. 36, 1-35.
J.D. Power. (9 de March de 2005). Measuring Customer Satisfaction in Today's Highly
Competitive Enviroment. Obtenido de http://www.authorstream.com/Presentation/Francisco-
27724-Measuring-Customer-Satisfaction-PURPOSE-DISCUSSION-Power-AssociatesA-
Worldwide-Information-Resource-Global-InfluenceSyndi-as-Entertainment-ppt-powerpoint/
J.D. Power. (2013). J.D. Power History. http://www.jdpower.com/about/history.htm
Johnson, M. & Fornell, C. (1991). A framework for comparing customer satisfaction across
individuals and product categories. Journal of Economic Psychology(12), 267-286.
Johnson, M., et al. (2001). The evolution and future of national customer satisfaction index
models. Journal of Economic Psychology, 22(2), 217-245.
Jones, S. (1991). Was there a Hawthorne Effect? Ontario: McMaster University.
Kant, I. (1996). Fundamentos de la metafísica de las costumbres.Barcelona: Ariel.
Keiningham et al. (2007). The value of different customer satisfaction and loyalty metrics in
predicting customer retention, recommendation, and share-of-wallet. Emerald Insight, 361-
384.
Kotler, P., & G., A. (2007). Marketing (11a ed.). México DF: Pearson Educación.
Leppähaara, R. (2012). Usefulness of financial statement information in forecasting
earnings of high-technology companies. Helsinki: Aalto University School of Economics.
Litner, J. (1965). The valuation of risk assets and the selection of risky investments in stock
portfolios and capital budgets. Review of Economic and Statistics, 47, 13-37.
Little, I. (1962). Higgledy Piggledy Growth. Oxford Bulletin of Statistics, 24(4), 387-412.
Little, I., & A., R. (1966). Higgledy Piggledy Growth Again, An Investigation of the
Predictability of Company Earnings and Dividends in the UK.Oxford: Basil Blackwell.
López Rey, F. (19 de Junio de 2005). El Impacto de la Inversión | El País. Recuperado el 28
de Julio de 2013, de http://elpais.com/diario/2005/06/19/negocio/1119186867_850215.html
Luo, X., Homburg, C., & Wieseke, J. (2010). Customer satisfaction, analyst stock
recommendations, and firm value. Journal of Marketing Research, Vol. 47, 1041–1058.
Maslow, A. (1943). A Theory of Human Motivation. Psychological Review(50), 370-396.
Melo, S. (2011). Eudaimonía y la economía de la felicidad. Serie Documentos CEDE, 1-40.
Mueller, D. (1986). Profits in the Long Run. Cambridge: Cambridge University Press.
Mueller, D. (s.f.). The Persistence of Profits above the Norm. Enconomica, 44, 369-380.
Muñoz de Bustillo, R. (2012). Delimitación de mercado e índice de concentración.
Salamanca: Universidad de Salamanca.
Ngobo, P.-V., Casta, J.-F., & Ramond, O. (2011). Is customer satisfaction a relevant metric
for financial analysts? Journal of the Academy of Marketing Science.
Nicholson, W. (2007). Microeconomía Intermedia y sus Aplicaciones (Novena ed.). México
DF: Thomson Learning.
Ohlson, J. A. (1995). Earnings, Equity Book Values, and Dividends in Equity Valuation.
Contemporary Accounting Research, 66-687.
Paredes, A. M. (2007). Aplicabilidad del enfoque agregado para medir la satisfaccion de los
usuarios de servicios. México D.F.: Universidad Nacional Autónoma de México.
Parkin, M. (2009). Economía (8ª ed.). Naucalpan, Distrito Federal, México: Pearson.
Perdomo, A. (2009). Análisis e Interpretación de Estados Financieros.México DF:
CENGAGE Learning.
Peterson, R. A., & Wilson, W. R. (1992). Measuring customer satisfaction: fact and artifact.
Journal of the Academy of Marketing Science, Vol. 20, 61–71.
Ribeiro de Medeiros, O. (2005). An Econometric Model of a Firm’s Financial
Statements.University of Brasilia.
Riquelme, L. (2013). La Satisfacción del Cliente y la Creación de Valor Financiero
Corporativo. En L. Riquelme. México D.F.: ITAM.
Saltzman, S. (1967). An Econometric Model of a Firm. The Review of Economics and
Statistics, 49(3), 332-342.
Schneider, B. (1991). Service Quality and Profits: Can You Have Your Cake and Eat It Too?
Human Resource Planning, 14, 151-157.
Schumpeter, J. (1934). Theory of Economic Development. Cambridge: Harvard U. Press.
Seneca, L. A. (1951). “De Vita Beata (58 d.C.)”. In Seneca: Moral Essays v. II, translated by
J. W. Basore. Cambridge: Harvard University Press.
Sharpe, W. (1964). Capital asset prices: A theory of market equilibrium under conditions of
risk. Journal of Finance, 19, 425-442.
Solarte, R. (1999). La responsabilidad social de las organizaciones. Bogotá: Universidad
Javeriana de Bogotá. Obtenido de
http://www.javeriana.edu.co/Facultades/Teologia/servicios_formacion_int_univ/ecoteo1/pret
-01b.pdf
Tornow, W., & Wiley, J. (1991). ServiceQuality and Management Practices: A Look at
Employee Attitudes, Customer Satisfaction, and Bottom-Line Consequences. Human
Resource Planning, Num 14, 110-115.
University of Michigan. (2013). Stephen M. Ross School of Business at the University of
Michigan. Obtenido de http://www.bus.umich.edu/
Urban, G. L. (2005). The emerging era of customer advocacy. MIT Sloan Management
Review, Vol. 45, 77–82.
Urruti, L., & Muñoz, R. (2009). Concentración de la propiedad en el mercado de generación
eléctrica en Chile. Recuperado el 30 de Julio de 2013, de
http://web.ing.puc.cl/~power/alumno09/concentra/indices/indices.htm
Virbukaitė, L. (2010). Econometric modelling and forecasting company's fcf
components.Tesis de Maestría en Ciencias en Economía Financiera Universidad ISM.
Wiley, J. (1991). Customer Satisfaction: A Supportive Work Environment and Its Financial
Costs. Human Resource Planning, Num 14, 117-127.
Wooldridge, J. (2010). Introducción a la econometría. Un enfoque moderno.México DF:
CENGAGE Learning.
World Economic Forum. (2013). The Global Competitiveness Index. 3 de Agosto de 2013,
http://spotfire.weforum.org/embed/ViewAnalysis.aspx?file=/users/tgeiger/Public/GCI_data_p
latform&waid=b21861032cb99de070803-b83e&options=2-0%2C10-0%2C9-0
World Economic Forum. (2013). The Global Competitiveness Report.Geneva: World
Economic Forum.
Zofío, J. (2008). El oligopolio. Madrid, España: Universidad Autónoma de Madrid.