Análisis de la Decisión de Compra en Internet de las...

Análisis de la Decisión de Compra en Internet de las Empresas Españolas

Francesco D. Sandulli

Departamento de Organización de Empresas

Cátedra UCM-DMR Consulting de Administración de Negocios en Internet

Universidad Complutense de Madrid

Análisis de nuevas tecnologías de la información a la empresa

Dirección de Contacto

Departamento de Organización de Empresas

Facultad de Ciencias Económicas y Empresariales

Universidad Complutense de Madrid

28223 Madrid

Tfno. 913942506

Fax. 913942371

E-mail: [email protected]


1

Análisis de la Decisión de Compra en Internet de las Empresas Españolas.

Resumen: En los últimos tiempos, algunas empresas han decidido empezar a realizar transacciones

comerciales de compra a través de Internet. El presente estudio define un modelo de utilidad que

explica la decisión de compra en Internet en una muestra de 2350 empresas españolas. Los resultados

del trabajo empírico permiten concluir que la utilidad obtenida por menores precios y por la reducción

de costes de transacción son los factores más determinantes en la decisión de compra en Internet.

Abstract: During the last years, several firms adopted the Internet in the corporate procurement

process. This paper describes a utility model that explains the Internet procurement adoption on a

sample of 2350 Spanish firms. The results show that lower prices and lower transaction costs are the

most determinant factors on the Internet procurement adoption.

Palabras Clave: Comercio Electrónico entre Empresas, Mercados Electrónicos, Internet, Modelos de

Utilidad, Decisión Discreta.

JEL: O33, C25, L21, M21, O14


2


Introducción.

Muy pocos dudan de que Internet y las Tecnologías de la Información tendrán un considerable

impacto sobre el entorno económico actual. De hecho, ya se pueden empezar a observar algunos de los

cambios que estas nuevas tecnologías producirán sobre el diseño de los procesos o incluso de los

modelos de negocio, los tamaños y los límites de los mercados o incluso la dinámica competitiva

dentro de un sector (Porter, 2001). En este sentido, uno de los fenómenos que mayor atención ha

despertado en los ámbitos académico y empresarial es el incremento en el número de transacciones

comerciales realizadas a través de Internet. En la realización de sus transacciones comerciales algunas

empresas y consumidores están empezando a sustituir un medio físico de negociación por un medio

electrónico y virtual, en el que ya no es necesario el mismo grado de contacto físico (Rayport y

Sviokla, 1995). Este trabajo va a centrar su atención sobre este proceso de sustitución de medios

físicos por medios virtuales en la realización de transacciones comerciale s por parte de las empresas.

Aunque el fenómeno de sustitución de medios virtuales por medios físicos se viene observando desde

hace algún tiempo, todavía no se tienen claras las razones más importantes que llevan a las empresas a

comprar en Internet, en lugar de utilizar otros medios alternativos como las tiendas físicas, el fax, el

teléfono o el correo entre otros. Por tanto el principal objetivo de este trabajo será la identificación de

estas razones. Para lograr este objetivo utilizaremos, al igual que un gran número de estudios sobre el

comportamiento de compra de agentes económicos, un enfoque basado en modelos de utilidad.

El resto del trabajo se estructura en los siguientes apartados: en primer lugar, describimos desde el

punto de vista teórico cuáles son los factores tenidos en cuenta por las empresas a la hora de decidir la

compra en Internet1. Más explícitamente, este desarrollo teórico se basará en el concepto de

proposición de valor de Keeney (1999). En segundo lugar, elaboramos un modelo de utilidad que

explica la decisión de compra en Internet de las empresas. En tercer lugar, analizamos la validez del

modelo y la relevancia de cada uno de sus componentes del mismo a través de un trabajo empírico

realizado sobre una muestra de 2.350 empresas españolas. Finalizamos el trabajo con las conclusiones


3

obtenidas de los resultados del trabajo empírico y sus posibles implicaciones tanto desde el punto de

vista académico como empresarial, sus limitaciones y las líneas futuras de investigación que surgen

del mismo.

Marco Teórico.

Bakos (1997:1676) afirma que un mercado electrónico es “un sistema de información

interorganizativo que permite a los compradores y vendedores participantes en un determinado

mercado intercambiar información sobre los precios y la oferta de los productos”. Atendiendo a esta

definición podemos afirmar que también Internet es un mercado electrónico porque es sistema de

información que a través de tecnologías basadas en el protocolo de red IP permite intercambiar

información sobre los precios y la oferta de numerosos productos. Por tanto, a la hora de decidir cómo

comprar un producto, las empresas deberán tener en cuenta la posibilidad de hacerlo a través de

Internet. La empresa, suponiendo que tiene un comportamiento maximizador de su utilidad, decidirá

comprar en Internet si la compra de un determinado producto en este medio le reporta mayor valor que

la compra del mismo producto en otros mercados diferentes, que de aquí en adelante denominaremos

mercados convencionales siguiendo la terminología de Keeney (1999). En este trabajo vamos a

construir un modelo de utilidad que explique cómo Internet puede contribuir a la maximización de la

utilidad asociada a la compra de un producto por parte de una empresa. Este modelo va a estar basado

en el concepto de proposición de valor dee Keeney (1999). Este autor afirma que “la proposición de

valor de un cliente es la combinación de los beneficios esperados derivados de comprar un

determinado producto y el precio de dicho producto” (Keeney, 1999: 533). Aplicando este concepto al

comercio en Internet, Keeney (1999) afirma que la proposición de valor de un producto en Internet es

igual al valor neto de los beneficios y de los costes tanto del producto como de su proceso de compra,

incluyendo dentro de estos costes, los de búsqueda de información, los de elaboración de l pedido y los

de entrega del producto.

A partir del concepto de proposición de valor identificamos los primeros tres elementos de

nuestro modelo de utilidad: los beneficios del producto, los costes del producto y los costes de la


4

transacción. Además de las variables identificadas por Keeney, añadimos a nuestro modelo una nueva

variable que consideramos especialmente relevante dentro las transacciones comerciales en Internet:

las rentas de intermediación. Las rentas de intermediación son aquellas rentas que deben pagar las

empresas por realizar sus compras a través de intermediarios ya sean o no electrónicos 1. La necesidad

de considerar dentro de nuestro modelo las rentas de intermediación se explica por el importante

impacto que tiene Internet sobre el papel que desempeñado por los intermediarios en el proceso de

compra (Chircu y Kauffman, 2000). En este sentido, la sustitución de mercados convencionales por

Internet ha implicado la eliminación de algunos intermediarios : los compradores y los vendedores

utilizan Internet para ponerse en contacto directamente y evitar así la participación de intermediarios

en el proceso de compra. En otros casos, los intermediarios de los mercados tradicionales han sido

reemplazados por otros intermediarios diferentes en Internet. Por estas razones, Internet obliga a los

intermediarios a redefinir sus servicios y las rentas que se derivaban de ellos2.

Una modificación adicional al modelo de proposición de valor de Keeney va a ser la eliminación en

nuestro modelo de los beneficios obtenidos del producto, es decir el conjunto de recompensas

materiales e inmateriales que obtiene un individuo por la compra de un producto. La eliminación de

esta variable se justifica por el hecho de que normalmente el valor neto de los beneficios de un

producto, definido como la diferencia entre el beneficio del producto comprado en Internet y el

beneficio del mismo producto adquirido en un mercado convencional, es igual a cero. El producto del

que disfruta una empresa, suele ser exactamente igual independientemente del mercado en el que se

adquiere, ya sea Internet o un mercado convencional. Esta afirmación, aunque válida para la mayor

parte de las transacciones realizadas en Internet, limitará nuestro modelo en dos aspectos. En primer

lugar, nuestro modelo no podrá recoger el proceso de compra de productos que De Figueiredo (2001)

define como productos de calidad variable. El elemento característico de un producto de calidad

variable es que cada producto es único: dentro de esta categoría podemos incluir los coches usados

analizados por Garicano y Kaplan (2001), la fruta, las obras de arte o incluso los proyectos de

consultoría estratégica. Como cada producto de calidad variable es único, es imposible encontrar dos

iguales y que por tanto generen los mismos beneficios. En el caso de estos productos, Internet puede

ayudar al comprador a encontrar coches usados de mejor calidad que en los mercados convencionales


5

(Lee, 1998) o fruta tropical más fresca (De Figueiredo, 2001) y por tanto el beneficio neto de Internet

podría ser distinto a cero. Sin embargo, el propio De Figueiredo (2001) considera que la ausencia de

contacto físico con el producto en la compra de Internet, hace muy improbable la compra de estos

productos a través de la red, y por tanto nuestro modelo de utilidad seguiría siendo válido en la gran

mayoría de los casos.

La segunda limitación derivada de la eliminación del beneficio neto del producto de nuestro modelo

de utilidad se refiere a la imposibilidad de recoger el fenómeno de las complementariedades de

producto en Internet. Amit y Zott (2001) afirman que una de las principales fuentes de creación de

valor en los negocios en Internet son precisamente las complementariedades entre productos. Éstas se

producen cuando la oferta conjunta de un grupo de productos le reporta mayor utilidad al comprador

que la suma de la oferta individual de cada uno de los productos (Amit y Zott, 2001: 504). Las

complementariedades entre productos en Internet son especialmente significativas cuando los

productos se basan en información. Por tanto, nuestro supuesto de valor neto del beneficio del

producto igual a cero será más restrictivo para los productos que más basados en información.3

En la definición de proposición de valor de Keeney se incluyen también los costes de

transacción. El concepto de coste de transacción recoge costes de naturaleza muy dispar, como los

costes de búsqueda de información o los costes derivados del comportamiento oportunista de los

participantes en una transacción. En este sentido, los estudios anteriores sobre el impacto de Internet

sobre los costes de transacción observan que dicho impacto es muy diferente dependiendo de la clase

de coste de transacción analizada. Por tanto, no podemos analizar los costes de transacción en su

conjunto, sino que debemos realizar un análisis pormenorizado para cada clase de coste. A la hora de

determinar cuáles son las distintas clases de coste de transacción vamos a emplear la clasificación de

costes de transacción de Milgrom y Roberts (1992: 36-37) 4. Esta clasificación identifica dos grandes

categorías de costes de transacción: 1) Los costes de coordinación, que nacen de la necesidad de

“determinar los precios y otros detalles de la transacción, de hacer que la existencia y localización de

compradores y vendedores potenciales sea recíprocamente conocida y de reunir a compradores y

vendedores para negociar” en un lugar físico o virtual; y 2) Los costes de motivación que recogen los


6

costes asociados a información incompleta y los costes derivados de un compromiso imperfecto. Los

costes de motivación asociados a información incompleta se producen cuando “las partes que

participan en una transacción real o potencial no disponen de toda la información relevante y necesaria

para determinar tanto si los términos de un acuerdo son mutuamente aceptables o no y si estos

términos son efectivamente cumplidos”. Los costes de motivación asociados al compromiso

imperfecto se producen por “la incapacidad de las partes de comprometerse a hacer cumplir las

amenazas y promesas que quisieran hacer, pero a las que una vez hechas, les gustaría más tarde

renunciar”. Siguiendo el planteamiento de trabajos anteriores (Kulkarni y Heriot, 1999; Lee y Clark,

1996) realizaremos una ulterior clasificación de los costes de coordinación. De este modo, dentro del

concepto de costes de coordinación distinguiremos los costes de búsqueda de la información sobre

productos y precios, que denominaremos costes de búsqueda, los costes de procesamiento de la

información necesaria para llevar a cabo una transacción, que denominaremos costes de

procesamiento , los costes de comunicación de la información necesaria para realizar una transacción,

que denominaremos costes de comunicación, los costes necesarios para reunir en un lugar físico o

virtual y en un mismo momento del tiempo al comprador y al vendedor, que denominaremos costes de

reunión.

Recapitulando, una vez eliminados los beneficios de los productos y establecidas las diferentes

categorías de coste de transacción la decisión de compra en Internet de las empresas estará

determinada en nuestro modelo por los siguientes siete atributos : los costes de búsqueda, los costes de

procesamiento de la información, los costes de comunicación, los costes de reunión, los costes de

motivación, los costes del producto y las rentas de intermediación.

Definición del modelo.

Una vez que conocemos los componentes de nuestro modelo, es necesario definirlo de forma

operativa. Para ello vamos a emplear un enfoque utilizado con bastante frecuencia en el análisis de las

decisiones de compra: la construcción de un modelo de utilidad a partir de las preferencias de los

individuos. Dentro de los diferentes modelos de utilidad, suele emplearse el modelo aditivo, por su


7

simplicidad y porque proporciona buenas aproximaciones a diversos tipos de estructuras de

preferencia (Jia et al., 1997). Aplicando el concepto de proposición de valor a la forma más genérica

de un modelo de utilidad aditivo para una empresa K se obtiene la siguiente expresión:

V(r1, r2, …., r7)1k – V(r1, r2, …, r7)0k = w1ku1k + w2ku2k+ w3ku3k+ w4ku4k+ w5ku5k +w6ku6k+ w7ku7k <<1>>

donde la diferencia V(r1, r2, … , r7)1k - V(r1, r2, … , r7)0k representa la utilidad neta generada por la

compra en Internet, siendo V(r1, r2, … , r7)1k la utilidad bruta obtenida por la compra de un producto en

Internet, y V(r1, r2, … , r7)0k la utilidad bruta de la compra del mismo producto en un mercado

convencional. Los valores de wik en la ecuación 1 reflejan la importancia relativa de mover un atributo

desde su peor hasta su mejor nivel. Vamos a denominar uik a la diferencia entre la utilidad de compra

en Internet y la utilidad de compra en mercados convencionales para cada atributo i en la empresa K,

siendo los 7 atributos recogidos en el modelo: i=1, los costes de búsqueda, i=2, los costes de

procesamiento de la información, i=3, los costes de comunicación de la información, i=4, los costes

de reunión física y temporal, i=5, los costes de motivación, i=6, el coste de los productos, i=7, las

rentas de intermediación. La empresa K, a la hora de decidir comprar en Internet analizará el valor de

la utilidad neta de la compra en Internet.

Una vez planteado nuestro modelo será necesario redefinirlo para poder contrastarlo

empíricamente. De hecho, la medición en la realidad de las funciones utilidad está caracterizada por

elevada incertidumbre y gran complejidad (Smith y Brynjolfsson, 2001). Por esta razón, muchos

estudios que analizan el concepto de utilidad adoptan un enfoque basado en funciones de utilidad

latentes o en funciones índice (Greene, 1999). Este enfoque es una práctica aceptada en la literatura

económica (Smith y Brynjolfsson, 2001) y consiste en representar las decisiones de los consumidores,

en nuestro caso las empresas, en términos de índices de utilidad latente.


8

En nuestro estudio , el valor de la variable dependiente, es decir la utilidad neta de la compra

en Internet, no es observable, pudiéndose observar sólo la decisión de cada empresa K, que vamos a

representar como yk = j , siendo j = 1 en el caso de que se decida a comprar en Internet, o j = 0 en el

caso de que se decida a comprar en mercados convencionales. De tal forma que, bajo el supuesto de

empresas que buscan maximizar su utilidad, podemos inferir que yk = j, si y sólo si V(r1, r2, … , r7)jk =

arg max [V(r1, r2, … , r7)1k,V(r1, r2, … , r7)0k].

Los variables uik de nuestro modelo , es decir la utilidad neta generada por cada atributo i para

la empresa k, son también funciones de utilidad y por tanto tampoco podemos observar su valor

directamente. En la realidad podemos observar solamente si uik es mayor, igual, o menor que cero. Por

tanto nos vemos forzados a transformar cada variable uik en una variable binaria xik para la que se

cumple que:

- Si uik > 0 entonces la compra en Internet genera utilidad para el atributo i y la empresa K,

tomando la correspondiente variable xik un valor igual a 1.

- Si uik = 0 entonces la compra en Internet no genera utilidad para el atributo i y la empresa K,

tomando la correspondiente variable xik un valor igual a 0.

Una vez descrito el planteamiento de las variables dependientes e independientes explicaremos su

relación en nuestro modelo. Tal y como hemos comentado anteriormente, para una empresa K, la

variable independiente xik tomará un valor igual a 1 cuando la empresa considere que la compra en

Internet le genera utilidad para dicho atributo i, en tanto en cuanto uik > 0. Si además para la misma

empresa K, la variable dependiente yk toma un valor igual a 1, podemos afirmar que el atributo i es

determinante para la adopción de Internet en las compras de esa empresa, ya que se obtiene un

beneficio neto de dicha adopción, siendo V (r1, r2, … , r7)1k - V(r1, r2, … , r7)0k > 0. Si por el contrario,

para una empresa K, la variable independiente xik toma un valor igual a 1, es decir, la compra en

Internet genera utilidad para dicho atributo i, siendo uik > 0, pero la variable dependiente yk toma un

valor igual a 0 y por tanto la empresa no compra en Internet, podemos afirmar que el atributo i no es

determinante para la adopción de Internet en las compras corporativas, ya que la utilidad generada por


9

el atributo i no es suficiente para generar un beneficio neto de la compra en Internet, siendo V(r1, r2, …

, r7)1k - V(r1, r2, … , r7)0k = 05.

Una vez realizada la transformación de las variables independientes, podemos aproximar la

función de utilidad a una combinación lineal de las variables xik, recogidos en el vector X, y las

preferencias de las empresas por esos atributos, recogidas en el vector ß (McFadden, 1999):

V(r1, r2, …., r3)1k – V(r1, r2, …, r7)0k = f(Xß) – e <<2>>

En nuestro caso, ß es un vector 1x7 de parámetros desconocidos y X es un vector 1x7 de

transformaciones de uik, y e es la desviación de f respecto a su valor esperado en la población. La

perturbación e es conocida por la empresa K, pero no es conocida por nosotros, sin embargo sí

conocemos su distribución acumulativa F(e). Las empresas decidirán comprar en Internet si V(r1, r2,

… , r7)1k - V(r1, r2, … , r7)0k es mayor que cero, o bien e < X ß. La probabilidad de que esto ocurra es

igual a:

Prob [V(r1, r2, …., r3)1k – V(r1, r2, …, r7)0k > 0] = Prob ( Xß- e>0) = F(Xß) <<3>>

Si la distribución es simétrica, como lo son la normal y la logística:

Prob [V(r1, r2, …., r3)1k – V(r1, r2, …, r7)0k > 0] = Prob ( e < Xß) = F(Xß) <<4>>

A partir de este punto podemos estimar la decisión de compra en Internet utilizando el modelo de

regresión logística binaria (Hosmer y Lemeshow, 1989) siendo la variable dependiente Y, la compra

en Internet: si la empresa compra en Internet la variable dependiente tomará valor 1, mientras que si la

empresa no compra en Internet la variable dependiente tomará valor 0.


10

Partiendo del hecho de que P es la probabilidad de que a partir de un determinado conjunto de valores,

capturados en el vector X, una empresa compre en Internet, podemos estimar los coeficientes del

vector ß a través de técnicas de máxima verosimilitud.

eß´X

Prob (Y =1) = P = ————— <<5>>

1+ eß´X

Aplicando logaritmos a la fórmula <<5>> obtenemos:

ln ( P/ 1-P) = ß´X = ß0 + ß1X1 + ß2X2 +ß3X3 +ß4X4 +ß5X5 +ß6X6 +ß7X7 + e <<6>>

A partir de este punto, nos centraremos en estimar los valores ßi: cuanto mayor sea ßi, más

determinante será el atributo i sobre la decisión de compra en Internet.

Medición de las variables independientes del modelo.

En el apartado anterior se ha comentado que la variable independiente xik será igual a uno cuando la

empresa k considere que la compra en Internet le reporta utilidad en términos del atributo i. Por tanto,

debemos determinar bajo qué circunstancias podemos afirmar que la compra en Internet produce

mayor utilidad para un atributo i. Para poder realizar esta tarea nos apoyamos en planteamientos

clásicos de los estudios sobre el comportamiento de compradores, en especial en el planteamiento

realizado por Batra y Athola (1990). Según estos autores las fuentes del comportamiento de los

compradores son de dos tipos, hedónicas y utilitaristas: en nuestro caso, en el que estamos intentando

definir el comportamiento de los compradores a partir de su función de utilidad nos encontramos

frente a fuentes de comportamiento utilitaristas. Ante fuentes utilitaristas, las preguntas en los

cuestionarios se deben expresar en términos de ventaja/desventaja, útil/inútil, beneficioso / perjudicial,

sensato/insensato (Batra y Athola, 1990). A partir de este razonamiento, podemos observar el signo de


11

uik y sus correspondientes transformaciones xik preguntando por las ventajas de la compra en Internet.

De tal forma que si una empresa k nos dice que una de las ventajas de la compra en Internet es el

menor precio de los productos, nos está diciendo en realidad que la expresión u6K es mayor que cero y

por tanto x6k = 1. Si por el contrario, la empresa no nombra como una de las ventajas de comprar a

través de Internet algún factor relacionado con los menores costes de motivación, esto implicará que la

expresión u5k será menor o igual a cero, y por tanto x5k = 0. En la Tabla 1 identificamos todos los

posibles valores de las variables independientes de nuestro modelo.

Insertar Tabla 1

Uno de los problemas que se nos plantea es la medición del impacto de Internet sobre los atributos del

modelo. La medición del impacto de Internet sobre el coste del producto es sencilla ya que las

empresas pueden comparar sin excesivas dificultades los precios de los productos en Internet y los

precios de los productos en mercados convencionales. Sin embargo, la medición del impacto de

Internet sobre los costes de transacción presenta mayores dificultades. La medición de los costes de

transacción es normalmente una tarea ardua (Masten, 1996). De hecho, aunque en algunos casos se

pueden medir de forma directa, muchos autores optan por la medición indirecta, utilizando medidas

aproximadas. Los estudios que analizan el impacto de Internet sobre los costes de transacción también

aplican en muchos casos este tipo de medición indirecta. A continuación pasamos a comentar cuáles

son las medidas que utilizaremos en nuestro estudio para medir la relación entre uso de Internet y

costes de transacción, obteniendo dichas medidas de otros estudios anteriores que estudian problemas

similares.

Empezaremos analizando el impacto de Internet sobre los costes de búsqueda. Algunos de los

estudios que analizan la relación entre uso de Internet y costes de búsqueda (Malone et al., 1987, Lee

y Clark, 1996; Bakos, 1997; Lee, 1998; Choudhury et al., 1998;) optan por plantear la medición

indirecta. Concretamente, estos estudios emplean como medidas indirectas de los costes de búsqueda


12

el número de ofertas alternativas a las que accede un comprador en un mercado electrónico y el

número de atributos necesarios para identificar satisfactoriamente el precio relevante y el producto

deseado. De estos trabajos se desprende en primer lugar, que a mayor número de alternativas

disponibles en Internet menores costes de búsqueda, y en segundo lugar, que a mayor número de

atributos necesarios para describir un producto, mayores serán los costes de búsqueda. En nuestro

estudio empírico vamos a utilizar el mismo enfoque que los estudios anteriores, y por tanto vamos a

medir la reducción de los costes de búsqueda preguntando a las empresas si Internet reduce el número

de atributos necesarios para describir satisfactoriamente un producto y aumenta el número de ofertas

alternativas disponibles para un producto.

Al medir los costes de procesamiento, debemos tener en cuenta que la utilización de

tecnologías de la información como Internet en el proceso de compra permite la sustitución de tareas

manuales por tareas mecánicas, aumentando la eficiencia global de dicho proceso (Truman, 2000). El

impacto de los mercados electrónicos sobre los costes de procesamiento de la información ha sido

medido utilizando diferentes variables. Malone et al., (1987), Truman (2000), Heizer y Render (2000),

Kenney y Curry (2001) miden este impacto por medio del número de errores que se producen al

introducir las órdenes de compra, de tal forma que a mayor número de errores en la introducción de

órdenes de compra, mayores costes de procesamiento de información. Otros estudios utilizan como

medida de los costes de procesamiento la duración del proceso de compra, cumpliéndose que a menor

duración del proceso de compra, menores costes de procesamiento (Malone et al., 1987; Pekala , 2000;

Garicano y Kaplan, 2001; McAfee, 2002). Por otro lado, Lucking-Reiley y Spulber (2001) miden la

reducción de los costes de procesamiento de la información por medio del tiempo que la información

de los productos ofertados está disponible para los compradores: a mayor disponibilidad horaria de la

información, se incurrirá en menores costes de procesamiento. Por su parte Marti, (2000), Truman,

(2000) y Kenney y Curry, (2001) miden la reducción de los costes de procesamiento por medio del

número de tareas administrativas realizadas en el departamento de compras: si la utilización de

Internet permite reducir el número de tareas administrativas realizadas en el proceso de compra, se

estarán reduciendo los costes de procesamiento de la información. Finalmente, Keeney (1999) y Smith

y Brynjolfsson (2001) introducen el concepto de comodidad o facilidad percibida del proceso de


13

compra, generalmente medida por medio de percepciones subjetivas de los encuestados. En nuestro

estudio vamos a recoger todas las medidas de los costes de procesamiento descritas anteriormente y

preguntaremos si a través de la compra en Internet se reduce el tiempo necesario para realizar el

proceso de compra, se reduce el número de errores que se producen al introducir órdenes de compra,

aumenta la disponibilidad o flexibilidad horaria de los proveedores, se reduce el número de tareas

administrativas realizadas por personal del departamento de compras, o aumenta la comodidad

percibida del proceso de compra.

Al medir los costes de comunicación se debe reconocer el hecho de que el coste de

transmisión del bit de información se ha reducido sensiblemente en las últimas décadas. La difusión

de la tecnología sobre la que se apoya Internet ha permitido una ulterior reducción de los costes de

comunicación de información en relación a otros medios de comunicación como pueden ser el correo,

el teléfono o el fax (Malone et al., 1987; Gurbaxani y Whang, 1991; Starr, 2000; McAfee, 2001).

Malone et al., (1987): siguiendo el enfoque de estos estudios preguntaremos si la compra en Internet

permite aumentar la cantidad de información transmitida en un intervalo de tiempo, o bien reducir el

tiempo necesario para transmitir una cantidad de información, siendo ambos indicadores de la

reducción de los costes de comunicación.

Son varios los estudios que han medido el impacto de Internet y los mercados electrónicos

sobre los costes de reunión. Lee y Clark (1996) y Garicano y Kaplan (2001) se centran en medir los

costes de reunión física y por ello miden el tiempo que emplea un comprador en llegar al lugar físico

de la compra y el periodo de tiempo durante el que dicho comprador se encuentra en el mercado físico,

pero no está participando en una transacción, es decir, el tiempo no aprovechado. El segundo

componente de los costes de reunión está compuesto por los costes de reunión temporal. Hemos

observado que de forma frecuente se utilizan los niveles de inventario como indicador de los costes de

reunión temporal. En los trabajos de Milgrom y Roberts (1988), Gavirneni et al., (1999) o Pekala

(2000), entre otros, se llega a la conclusión que el inventario y la información son productos

sustitutivos. Si la utilización de Internet permite obtener mayor información se podrán reducir los


14

niveles de inventario. Un fenómeno interesante en la relación entre uso de Internet en la cadena de

suministro y los niveles de inventario es el efecto “Bullwhip”. Este efecto consiste en el incremento de

la variabilidad de los pedidos en los eslabones superiores de la cadena de suministro. La utilización de

Internet para integrar los flujos de información en la cadena de suministro permite atenuar este efecto

(Lee y Whang, 1998). Los beneficiosos efectos del uso de Internet y mercados electrónicos sobre el

efecto “Bullwhip” se pueden observar a través de la reducción del tamaño medio de los pedidos (Lee

et al., 1997), o de la reducción del número de errores y retrasos en la entrega de pedidos (McAfee,

2001). En función de las medidas de los costes de reunión utilizadas en los trabajos anteriores en

nuestro trabajo vamos a preguntar si la compra en Internet reduce el coste de desplazamiento hasta el

lugar donde se va a realizar la transacción, reduce los niveles medios de inventario y reduce el tamaño

medio de los pedidos emitidos.

A pesar de ser un medio en el que se reduce el contacto físico entre las partes de una

transacción, Internet también puede reducir los costes de motivación de una transacción. La utilización

de ciertos mecanismos como los controles de calidad o el desarrollo de comunidades virtuales o redes

sociales autorreguladas pueden producir este resultado (Ba et al 2000). A pesar de la dificultad que

entraña la medición de la reducción de los costes de motivación, existen ciertos indicadores que nos

pueden dar una idea de la evolución de estos costes como la calidad media de los productos

negociados (Lee, 1998; Garicano y Kaplan, 2001), la cantidad de información disponible sobre la

fiabilidad de los proveedores, el grado de complejidad de los contratos, número de conflictos resueltos

por vía judicial, etc. Otros estudios como los de Essig y Arnold (2001), Choudhury et al. (1998) o

Deeter-Schmelz et al. (2001) miden los costes de motivación a partir de valoraciones subjetivas de las

empresas sobre la confianza alcanzada con el proveedor, o bien por medio de la existencia o no de

referencias sobre proveedores. Incluimos estas medidas en nuestro estudio de forma tal que

preguntaremos si la compra en Internet mejora la calidad percibida del producto adquirido, aumenta el

nivel de control sobre a quién se compra y lo que se compra, aumenta el nivel de confianza con el

proveedor y permite mayor disponibilidad de referencias de transacciones anteriores de los

proveedores.


15

Los distintos trabajos que analizan el impacto de Internet y los mercados electrónicos sobre los

precios de los productos suelen centrarse en los conceptos de precio medio negociado y de dispersión

de precios Clay et al., (2001), Baye et al., (2001), Lee (1998), Choudhury et al., (1998) Pekala (2000)

Brynjolfsson y Smith (2000) Smith y Brynjolfsson (2001). Por simplicidad, en nuestro estudio

preguntaremos si la compra en Internet permite una reducción del precio medio de los productos

adquiridos.

Finalmente, la medición de las rentas de intermediación es una tarea complicada. Los estudios

que han tenido en cuenta el fenómeno de la intermediación en las compras a través de Internet, no han

medido de forma directa dichas rentas. Por ejemplo, Rasheed y Geiger (2001), tienen en cuenta

variables subjetivas como el nivel de confianza de la función de compras en Intermediarios

electrónicos, y objetivas como el porcentaje de compras realizadas a través de los intermediarios.

Choudhury et al., (1998) utilizan como variable la valoración por parte de las empresas compradores

del grado en el que el mercado electrónico permite la reducción de la utilización de intermediarios en

las compras. Lee y Clark (1996) miden cuántas empresas acuden a brokers, además de realizar

compras en el mercado electrónico CATS. En nuestro estudio optaremos por la misma opción de

Choudhury et al., (1998) o de Lee y Clark (1996) y preguntaremos si la compra en Internet reduce el

número de intermediarios que intervienen en el proceso de compra. Asimismo, preguntaremos si las

comisiones de intermediación de los intermediarios en Internet son menores que las comisiones de los

intermediarios tradicionales.

Además de las variables anteriores deberemos introducir algunas variables de control, porque

ciertas características del sector en el que opera la empresa, al igual que determinadas variables a nivel

de empresa pueden derivar en efectos que distorsionen la relación entre la probabilidad de compra en

Internet y los factores definidos en nuestro modelo. Una primera variable de control interesante es el

sector en el que opera la empresa: Forman (2002) encontró un efecto industria muy importante en la

adopción del comercio electrónico. Este efecto, no solo captura las externalidades de red dentro de una


16

industria o la dinámica competitiva de dicha industria, sino que puede explicar patrones de

heterogeneidad en la obtención de beneficios derivados de la adopción del comercio electrónico. En

nuestro estudio, clasificaremos los sectores utilizando la clasificación CNAE 93 a dos dígitos. Para

completar la información sobre el sector introduciremos también otra variable que nos permita

conocer si en los sectores considerados de Alta Tecnología según el INE, existe mayor propensión a

realizar compras a través de Internet. Esta variable debería explicar si la mayor base tecnológica de las

empresas es un factor explicativo de las compras por Internet (Forman, 2002).

El tamaño de la empresa también puede explicar distintos niveles de adopción de las compras en

Internet. De hecho en el estudio de Forman (2002) existe una relación estrecha entre el tamaño de las

empresas y la adopción del comercio electrónico. Esta relación se explica por el hecho de que esta

adopción exige costes fijos elevados, los cuales sólo pueden ser recuperados si la empresa tiene una

escala suficiente. Mediremos el tamaño por el número de empleados (Rasheed y Geiger, 2001; Martin

y Hafer, 2002; Forman, 2002), aunque otros estudios también tienen en cuenta el nivel de facturación

(Zaheer y Zaheer, 2001). La tercera variable de control será la familiaridad de la empresa con la

tecnología relacionada con la compra en Internet. Concretamente, vamos a analizar el impacto de dos

tecnologías: la tecnología de Internet y la tecnología de Interconexión con proveedores. Para medir la

familiaridad de la empresa con la tecnología de Internet preguntando por la existencia o no de página

web corporativa, aplicando así una versión simplificada del planteamiento de Martin y Hafer (2002).

La utilización previa a la realización de compras en Internet de sistemas electrónicos de intercambio

de información con proveedores como por ejemplo el Intercambio Electrónico de Datos (EDI) nos

servirá para medir la familiaridad de la empresa con sistemas de interconexión con proveedores.

Estudios anteriores (Deeter-Scmelz et al., 2001; Martin y Hafer, 2002; Daniel et al., 2002) indican la

existencia de una fuerte relación entre la decisión de compra en Internet y esta s dos variables.

Datos Utilizados en el Trabajo Empírico.

Para realizar la encuesta se ha diseñado una muestra representativa de las 743.640 sociedades

mercantiles que con al menos un empleado operan en España. El tamaño representativo final de la


17

muestra ha sido de 2.350 empresas para un error estándar de 5% p=q. El método de selección de

unidades muestrales ha sido aleatorio, orientado por cuotas según sector de actividad y tamaño de la

plantilla total6. La distribución muestral ha sido semi proporcional por estratos de tamaño7. Para las

restantes variables la distribución muestral ha mantenido la proporcionalidad estricta. La encuesta se

ha realizado mediante entrevista telefónica, con un pretest inicial de 50 entrevistas, utilizando el

sistema CATI-Bellview en la gestión de las entrevistas. Normalmente, las personas encargadas de

responder la encuesta han sido Gerentes (en el caso de empresas más pequeñas), Responsables

Financieros o Responsables de Compras (muchas veces eran la misma persona), y Responsables

Informáticos. Una vez completada la encuesta y como paso previo a la estimación econométrica fue

necesario redimensionar la muestra porque se observó que uno de los estados de la variable

dependiente estaba sobre-representado. Concretamente, el número de empresas que no compraban en

Internet, 1.994, era mucho mayor que el número de empresas que compraban en Internet, 356. Esta

divergencia en el tamaño relativo de los grupos podía dar lugar a errores en la clasificación de las

observaciones (Hair et al., 1999). Por este motivo, fue necesario seguir un procedimiento de muestreo

por estados (state-based-sampling) y construir una muestra compensada, incluyendo similar número

de observaciones para los dos estados de la variable dependiente. Manski y McFadden (1981) afirman

que el muestreo por estados permite obtener mejores estimadores que el muestreo puramente aleatorio

cuando en una población uno de los estados se encuentra sobre-representado, como en nuestro caso

sucede con las empresas que no compran en Internet. Además, Costlett (1981) demuestra que cuando

las variables dependientes son discretas, la estimación se acerca a la estimación óptima cuando se

construyen submuestras del mismo tamaño para cada estado. Por tanto, hemos decidido definir una

muestra en la que la proporción de la muestra total que escoge el estado s, Hs, sea igual a 0,5. Dentro

del grupo mayor, las empresas que no compran en Internet, escogemos 356 observaciones siguiendo

una vez más un procedimiento aleatorio estratificado. El resultado de esta operación (state-based

sampling) fue una muestra compensada en la que tenemos 712 observaciones, de las que 356

corresponden a empresas que han comprado en Internet, y 356 corresponden a empresas que no han

comprado en Internet. Además, siguiendo el procedimiento propuesto por Hosmer y Lemeshow

(1989) , se optó por convertir las variables de control de sector y tamaño, que son variables nominales,


18

en un conjunto de m-1 variables de diseño dicotómicas. En la Tabla 2 se describe la composición

definitiva de nuestra muestra.

Insertar Tabla 2

Resultados.

En la Tabla 3 se presentan los estadísticos descriptivos de la muestra: las ventajas de la compra en

Internet percibidas por un mayor número de empresas españolas, independientemente de que la

empresa compre o no en Internet, son la reducción de los costes de procesamiento, percibida por el 85

por ciento de las empresas de la muestra, la reducción de los costes de comunicación de información,

percibida por un 84 por ciento, y la reducción de los costes de búsqueda de información, percibida por

un 67 por ciento. Por otro lado, parece que el potencial de Internet para reducir las rentas de

intermediación, los costes de reunión y los costes de motivación es muy limitado en España.

Insertar Tabla 3

Estos resultados están en línea con gran parte de la literatura que hemos revisado en apartados

anteriores, según la cual Internet producirá un importante impacto sobre los costes de búsqueda,

procesamiento y comunicación. Ahora bien, el hecho de que muchas empresas consideren que Internet

les permite reducir estos costes de transacción, no significa que estas empresas vayan a comprar a

través de Internet. Puede que en el caso de muchas empresas la magnitud de la reducción de estos

costes de transacción no sea suficiente para justificar la decisión de compra en Internet: una empresa

puede considerar que Internet permite la reducción de los costes de procesamiento, pero al mismo

tiempo supone un incremento en otros costes de transacción, en el precio o en las rentas de

intermediación. Para analizar qué variables inciden de forma más significativa sobre la probabilidad de

compra en Internet será necesario realizar la estimación del modelo por medio de la regresión


19

logística. Sin embargo, y como paso previo a la estimación del modelo, resulta conveniente analizar la

correlación existente entre las variables que lo forman (ver Tabla 4).

Insertar Tabla 4

Tal y como se puede observar en la tabla anterior , existe cierta correlación entre las variables del

modelo. La correlación entre algunas variables del modelo no es sorprendente, ya que era previsible

desde el punto de vista teórico: por ejemplo, parece lógico que menores costes de comunicación

permitan mayor capacidad de búsqueda de información. Consideramos que el problema de

multicolinealidad no es excesivamente grave ya que los coeficientes de correlación, aunque

significativos, no son demasiado elevados y por tanto están lejos de niveles alarmantes de

multicolinealidad8. De todas formas, la multicolinealidad no producirá coeficientes sesgados, siendo

su principal perjuicio la sobrestimación de los errores estándar de los mismos. Asimismo, una vez

realizada la regresión, comprobaremos si la no significatividad de algunas variables del modelo puede

deberse a un problema de multicolinealidad.

De acuerdo con lo aconsejado por Hosmer y Lemeshow (1989), como el estudio empírico se

refiere a un fenómeno relativamente novedoso en el que no están muy claras las relaciones entre las

variables, se ha utilizado como método de inclusión de variables en el modelo, el método condicional

hacia delante por pasos 9, por el que una variable entra o sale del modelo en función de valor de la

probabilidad del estadístico de puntuación. En nuestro caso, el modelo de máxima verosimilitud que se

obtiene tras nueve pasos está formado por todas las variables de nuestro modelo teórico: X1, X2, X3, X4,

X5, X6, X7 además de las variables de control Sector y Tamaño. En la Tabla 5 resumimos el modelo en

el paso 9.

Insertar Tabla 5

En la tabla anterior observamos como todas las variables incluidas en el modelo en el paso 9 inciden

positivamente sobre la probabilidad de compra en Internet. El factor que más incide sobre esta


20

probabilidad es la reducción de los precios (X6) con ß6 = 3,671. Esto significa que si una empresa

considera que por medio de la compra en Internet obtendrá una reducción en el precio de los

productos, muy probablemente decida comprar a través de Internet10. En lo que se refiere a los costes

de transacción, los elementos que más inciden sobre la probabilidad de compra en Internet son la

reducción de los costes de comunicación (X3), con ß3 = 1,53, y la reducción de los costes de

procesamiento de la información (X2), con un ß1 = 1,492. Aunque en menor medida, la reducción de

los costes de búsqueda (X1) y la reducción de los costes de motivación (X5), con ß1 y ß5 igual a 1,339 y

1,376 respectivamente también tienen cierta influencia sobre la probabilidad de compra en Internet. La

reducción de los costes de reunión (X4) o de las rentas de intermediación (X7) no incide de forma

estadísticamente significativa sobre la probabilidad de compra en Internet, y por tanto serán las únicas

variables del modelo que no podremos interpretar económicamente11. Finalmente, hemos detectado un

significativo efecto tamaño, la probabilidad de compra en Internet en las empresas más grandes es

mayor, y un significativo efecto sector, con sectores más proclives a la compra en Internet, como es el

caso de la Industria, y sectores menos proclives como por ejemplo la Construcción.

Para analizar la significación del modelo final obtenido utilizaremos dos contrastes

estadísticos : en primer lugar, realizaremos un contraste chi-cuadrado para el cambio en el valor del

logaritmo de verosimilitud (Tabla 6).

Insertar Tabla 6

Además del contraste chi-cuadrado, podemos utilizar el test de Hosmer y Lemeshow para analizar si

existen diferencias estadísticamente significativas entre las clasificaciones observadas y las

pronosticadas. En la Tabla 7 se observa que en el paso 9 obtenemos un buen ajuste del modelo ya que

obtenemos valores de chi-cuadrado no significativos.

Insertar Tabla 7

Además de la significatividad del modelo, valoramos su grado de ajuste global. En primer lugar

podemos analizar el valor del logaritmo de verosimilitud y observamos que en el paso 9 se ha reducido


21

respecto al modelo base, ya que ha pasado de 893,425 a 628,413, indicando una mejora en el ajuste.

Otra posibilidad para analizar la bondad del ajuste de una regresión logística consiste en analizar la R2

de Cox y Snell. A mayor valor del indicador, mejor será el ajuste. En la Tabla 8 observamos cómo

este indicador mejora a medida que incorporamos variables al modelo base, para terminar obteniendo

un valor de 0,396 que podemos considerar satisfactorio. Finalmente, disponemos de una tercera

medida para analizar la bondad del ajuste, el indicador R2 de Nagelkerke, que con un valor de 0,528

también refleja una mejora de la bondad del ajuste en relación al modelo inicial.

Insertar Tabla 8

Las matrices de clasificación son un último instrumento que vamos a emplear para medir la valoración

del ajuste del modelo : Estas matrices muestran las ratios de acierto en la clasificación de los casos para

cada etapa del proceso de estimación.

Insertar Tabla 9

La Tabla 9 refleja que las ratios de aciertos globales de nuestro modelo son altas, con una ratio de

acierto de clasificación del 77,8 por ciento de los casos. Asimismo, las ratios de aciertos de grupo

individuales son consistentemente elevadas y no son indicativas de la existencia de problemas al

predecir cualquiera de los dos grupos, al obtener porcentajes de acierto bastante parejos para ambos

grupos: el 75,8 por ciento para las empresas que no compran en Internet y el 79,8 por ciento para las

empresas que compran en Internet.

Conclusión.

En nuestro trabajo hemos construido un modelo de utilidad aditivo que explica la decisión de compra

en Internet de las empresas. Como atributos del modelo hemos incluido aquellas variables que con

mayor recurrencia han sido analizadas por la literatura sobre transacciones comerciales en Internet.


22

Estos atributos han sido los costes de búsqueda de la información, los costes de procesamiento de la

información, los costes de comunicación de la información, los costes de reunión física y temporal, los

costes de motivación, los precios de los productos y especialmente debemos destacar la inclusión de

las rentas de intermediación, factor al que la literatura sobre Internet y mercados electrónicos ha

prestado hasta el momento poca importancia. El modelo de utilidad ha sido validado sobre una

muestra de empresas españolas, obteniendo un buen ajuste y la significatividad de todos los atributos

salvo para las variables que miden los costes de reunión física y temporal y las rentas de

intermediación.

La principal conclusión del estudio está relacionada con el debate existente en la literatura

sobre qué es más importante para que una empresa se decida a comprar en Internet, el precio del

producto o la eficiencia del proceso de compra. Por lo observado en nuestra muestra, el precio es un

factor más determinante que la eficiencia del proceso de compra. Para la empresa española son más

importantes los ahorros obtenidos por los menores precios de los productos comprados en Internet,

que los ahorros derivados de una mayor eficiencia del proceso de compra. La explicación a este

comportamiento se puede encontrar en la complejidad del producto adquirido y el tipo de mercado

electrónico en el que se realiza la transacción. En estudios anteriores (ver por ejemplo Choudhury et

al., 1998) se observa que si el producto adquirido es sencillo, en tanto en cuanto es una “commodity”,

el factor determinante de la compra en Internet es el precio, mientras que si el producto adquirido es

más complejo, el factor determinante es la reducción de los costes de transacción12. Por tanto, el

resultado obtenido podría indicar que los productos adquiridos por las empresas españolas en Internet

sean productos sencillos o “commodities”. Un segundo factor que podría explicar el resultado

obtenido es el tipo de mercado electrónico utilizado en la transacción. Los mercados electrónicos en

Internet se pueden clasificar en dos categorías: mercados electrónicos genéricos y mercados

electrónicos organizados. En los mercados electrónicos genéricos las empresas comercializan sus

productos a través de sus propios portales o sitios web, mientras que en los mercados electrónicos

organizados, un agente económico, ya sea un comprador, un vendedor, un intermediario o incluso un

organismo público, crea un portal o sitio web en el cual se reúne la oferta y la demanda de varias


23

empresas, de un conjunto de productos, o de un sector. Algunos estudios describen cómo los mercados

electrónicos organizados permiten reducciones de costes de transacción mayores que los mercados

electrónicos genéricos (ver por ejemplo el caso de Autodaq en Garicano y Kaplan, 2001). Dicho esto y

si observamos nuestra muestra, sólo el 15 por ciento de las empresas que compraron en Internet lo

hicieron a través de mercados electrónicos organizados. Por tanto, puede que las empresas españolas,

al no comprar a través de mercados electrónicos organizados, estén obteniendo reducciones en los

costes de transacción poco significativas. Finalmente, la compra de productos sencillos y la escasa

utilización de mercados electrónicos organizados son características de países con una escasa

implantación del comercio electrónico, como es el caso de España13. Presumiblemente, a medida que

el comercio electrónico penetre en la economía española, se negociarán productos más complejos y se

utilizarán más los mercados electrónicos organizados. En ese momento, las empresas españolas

percibirán mayores reducciones en los costes de transacción y también aumentará el impacto de las

mayores mejoras potenciales de la eficiencia del proceso de compra sobre la probabilidad de compra

en Internet.

Además de la conclusión principal, podemos extraer del trabajo una serie de conclusiones

interesantes. En primer lugar, debemos analizar la no significatividad de la variable relacionada con

los costes de reunión, que puede explicarse por el hecho de que sólo el 1,8 por ciento de las empresas

consideren que a través de la compra en Internet pueden reducir los costes de reunión. Esta situación

puede deberse a varias razones: en relación con los costes de reunión física, puede suceder que aunque

no utilicen Internet, las empresas no necesiten desplazarse a un lugar de negociación ya que disponen

de otros medios como el fax o el teléfono y por tanto Internet no suponga una mejora en relación a los

mercados convencionales. En relación a los costes de reunión temporal, en la literatura que hemos

revisado se comenta que la reducción de los niveles de inventario y del efecto bullwhip se produce

sólo si aumenta la cantidad de información intercambiada en la cadena de suministro. Puede estar

sucediendo que aunque las empresas compren a través de Internet, no haya aumentado la cantidad de

información que intercambian con los proveedores14. Finalmente, los resultados coinciden con la


24

literatura que remarca la importancia, aunque menor de la esperada, del impacto de Internet sobre los

costes de búsqueda y procesamiento de la información.

La no significatividad de las rentas de intermediación es otro resultado interesante de nuestro estudio.

Este resultado se explica por el hecho de que sólo el 1,4 por ciento de las empresas consideren que la

compra en Internet puede suponerles una reducción en los costes de intermediación La escasa

utilización de mercados electrónicos organizados, principales intermediarios electrónicos, nos indica

que en España todavía no se ha iniciado el proceso de desintermediación electrónica descrito por

Chircu y Kauffman (2000) y por tanto el impacto de Internet sobre los intermediarios es casi

inexistente.

En relación a las variables de control, los resultados de nuestro estudio confirman algunos fenómenos

ya observados en la literatura. En primer lugar, se confirma la existencia de heterogeneidad en la

utilidad generada por la compra en Internet dentro de los distintos sectores analizados. Las empresas

del sector de la Construcción son muy reticentes a la hora de adoptar esta nueva tecnología en la

realización de sus compras. Probablemente esta resistencia se deba a las peculiaridades e idiosincrasia

del proceso de compra en este sector que hacen que el proceso de compra de la Construcción sea

difícilmente replicable en el mundo on-line. Las reticencias son menores en el sector Servicios y en el

sector Comercio, indicando que en estos sectores la compra en Internet produce mayor utilidad, y

siendo el sector de Industria en el que claramente se obtienen mayores beneficios. En segundo lugar,

se confirma que el tamaño de la empresa es determinante en la decisión de compra en Internet. La

relevancia del tamaño nos hace suponer que los costes en los que deben incurrir las empresas para

conseguir la tecnología necesaria para poder replicar sus procesos de compra en Internet parecen

constituir una importante barrera a la adopción de esta tecnología. Es necesario disponer de una escala

suficiente para poder recuperar las inversiones realizadas en sistemas de compra por Internet. En tercer

lugar, hemos observado que la sofisticación tecnológica de la empresa no se traduce en una mayor

probabilidad de compra en Internet. Para analizar dicha sofisticación tecnológica hemos introducido

una serie de variables cómo la experiencia anterior de la empresa con sistemas de interconexión con

proveedores, que nos indica su conocimiento de sistemas electrónicos de negociación con

proveedores, la existencia de sitio web corporativo, que nos indica la familiaridad de la empresa con


25

Internet, y su inclusión dentro de un sector de Alta Tecnología, que nos indica el nivel general

tecnológico de la empresa. Ninguna de estas tres variables tiene influencia sobre la decisión de compra

en Internet. Forman (2002) llega a una conclusión bastante parecida. La existencia de costes de

cambio tecnológico puede explicar que las empresas que disponen de EDI para realizar sus compras

prefieran no migrar a Internet. Asimismo, la diferencia entre el coste de adopción de la tecnología

Internet y el coste de adopción de la tecnología de compra en Internet, siendo mucho mayor el

segundo, puede explicar cómo muchas empresas optan por adoptar la primera tecnología y no la

segunda (Martin y Hafer, 2002). Finalmente, la dinámica competitiva, las relaciones entre proveedores

y compradores o la existencia de externalidades de red, efectos recogidos en la variable Sector,

parecen tener más importancia que la intensidad tecnológica del sector.

Desde el punto de vista académico, creemos que el trabajo realiza una serie de contribuciones

interesantes. En primer lugar, se ha realizado un esfuerzo de elaboración de un modelo de decisión de

compra en Internet de las empresas basado en la dirección estratégica basada en la Teoría de los

Valores de Kenney. En segundo lugar, la inclusión de las rentas de intermediación como factor

determinante de la decisión de compra en Internet es un elemento bastante novedoso, y que no había

sido tenido en cuenta hasta ahora en los estudios revisados , aunque esta aportación se queda por el

momento en el ámbito teórico, ya que no ha sido contrastada por resultados empíricos. Por último,

dentro de este trabajo cabe destacar una contribución de carácter empírico, como es la utilización de

una muestra relativamente amplia , de las mayores empleadas hasta el momento para el análisis

académico del fenómeno del Comercio Electrónico en España, y con una representatividad relevante,

que permite que el contraste del modelo propuesto pueda ser estadísticamente generalizable a la

población de empresas del ámbito de estudio.

La principal aportación a la práctica empresarial consiste en el desarrollo de un modelo que, a

pesar de algunas limitaciones, ha sido contrastado contra una muestra representativa de prácticamente

la totalidad del tejido industrial español y que puede predecir con bastante acierto, por encima del 70

por ciento, si una empresa española va a comprar o no en Internet. Por tanto, las empresas que deseen


26

vender sus productos en Internet o en mercados electrónicos en España, pueden optimizar su política

comercial en Internet utilizando el modelo. En este sentido y por los resultados obtenidos en el trabajo,

las empresas que deseen tener éxito en sus ventas a través de Internet deben primar políticas

comerciales basadas en precios, frente a políticas más dirigidas, por ejemplo , a conseguir mejoras en la

eficiencia del proceso de compra (costes de procesamiento de la información) o en la cadena de

aprovisionamiento (costes de reunión). Este último punto podría explicar la escasa penetración de las

compras en Internet en España. El factor principal de compra en Internet es el precio, por tanto los

proveedores si desean vender en Internet deberán empezar una guerra de precios. Ahora bien, la lógica

empresarial nos dice que un proveedor estaría dispuesto a iniciar una guerra de precios en el mundo

on-line sólo si la reducción del margen derivado de ofertar menores precios es compensada por un

significativo aumento de la cuota de mercado. Lo que sucede es que por el momento son tan pocas las

empresas que compran a través de Internet, que será difícil que un proveedor obtenga un incremento

en la cuota de mercado suficiente para compensar la pérdida de márgenes: pocos proveedores estarán

dispuestos a ofertar sus productos en Internet a precios menores y por tanto pocas empresas estarían

interesadas en comprar en Internet. Este círculo vicioso se podrá superar cuando las empresas

empiecen a realizar compras de productos complejos en las que los costes del proceso de compra

tendrá mucho mayor peso sobre la utilidad.

Limitaciones y Líneas Futuras de Investigación.

Las limitaciones de nuestro trabajo pueden agruparse en dos grandes bloques, limitaciones del

modelo teórico y limitaciones del trabajo empírico. Una primera limitación desde el punto de vista

teórico consiste en la no inclusión del tipo de producto en el modelo. Bajo este supuesto, nuestro

modelo podría no recoger el hecho de que las empresas tienen distintos comportamientos de compra

en Internet en función del producto. Hemos observado en la revisión de la literatura cómo en la

realidad sí se verifican pautas de comportamiento distintas en función del producto adquirido, así por

ejemplo la compra de productos sencillos o “commodities” suele privilegiar el factor precio, mientras


27

que la compra de otros productos más complejos suele privilegiar factores como los costes de

intercambio de la información (ver por ejemplo Choudhury et al., 1998). Incluso puede darse el caso

de que para ciertos productos la compra en Internet suponga mayor valor para la empresa compradora,

mientras que para otros distintos no. El desconocimiento del tipo de producto adquirido también limita

la capacidad explicativa del modelo en los casos de productos de calidad variable y de

complementariedades de producto. Una limitación añadida está constituida por la no inclusión

explícita dentro de l modelo de los costes de adopción de la nueva tecnología Internet. Los costes de

adopción de tecnología se producen en el largo plazo generalmente (McAfee, 2002), y suelen incluir

factores como la adquisición de equipos adecuados para realizar transacciones en Internet, la

formación de los trabajadores, los costes de rediseño de los procesos de compra, etc. De los costes de

cambio, en nuestro modelo sólo se incluyen los costes de pérdida de eficiencia ya que son más

fácilmente imputables a las transacciones, mientras que los costes de formación o los costes de

rediseño quedan excluidos. En momentos como el actual, en el que el Comercio Electrónico a través

de Internet o de los mercados electrónicos no ha alcanzado todavía un desarrollo considerable, la no

inclusión de los costes de cambio distorsionará en cierto modo el modelo, ya que las empresas que no

han comprado nunca en Internet, al evaluar si van a comprar o no en Internet seguro que tienen en

cuenta dichos costes: los resultados relacionados con el tamaño y la utilización de EDI parecen

confirmar la importancia de los costes de cambio. Sin embargo, a medida que la tecnología vaya

generalizándose en todas las empresas, los costes de cambio dejarán de ser un criterio de decisión de

compra en Internet y por tanto nuestro modelo ganará capacidad explicativa. Finalmente, debemos

reconocer que nuestro modelo de adopción de Internet en las compras corporativas no incluye aspectos

institucionales o bien aspectos relacionados con los recursos y capacidades de cada empresa y que

perfectamente pueden explicar la decisión de compra en Internet. Ya existen trabajos (Rasheed y

Geiger, 2001) en este sentido que descubren la influencia de dichos aspectos en la decisión de compra

en Internet. Este análisis queda como punto pendiente para nuestro trabajo futuro y como uno de los

campos de mejora de nuestro modelo. Dentro de las limitaciones del trabajo empírico realizado,

podemos resaltar la imposibilidad de incluir las variables de control Sector con mayor nivel de detalle :


28

para conseguir capacidad explicativa del modelo, hemos tenido que agrupar algunos sectores a un

nivel superior incluso que el código del CNAE 93 a dos dígitos.

Con las conclusiones e implicaciones de este trabajo se abre un nuevo campo de investigación

en la influencia de los menores costes de transacción, precios y rentas de intermediación sobre la

decisión de compra de las empresas. En primer lugar, y por razones obvias, las líneas futuras de

investigación más intuitivas van encaminadas a la superación de las limitaciones identificadas en este

trabajo. Por esta razón, la primera línea de investigación va encaminada a la incorporación del tipo de

producto sujeto de la transacción dentro del modelo. Esta línea de investigación debe permitir

corroborar los resultados obtenidos en este trabajo en función del tipo de producto adquirido por las

empresas. En este sentido, se debería utilizar el modelo para comprobar si efectivamente los productos

sencillos o las “commodities” se caracterizan por un proceso de decisión de compra orientado

principalmente a reducir los precios, mientras que los productos más complejos se caracterizan por

una decisión de compra más encaminada a la optimización de l proceso de compra. La inclusión del

tipo de producto dentro del modelo permitiría analizar también el fenómeno de las

complementariedades de producto y su impacto sobre la decisión de compra en Internet de las

empresas. Una segunda línea de investigación debe ir dirigida a la identificación de posibles

diferencias en el modelo en función del tipo de mercado electrónico en el que se realizan las

transacciones. Convendría analizar desde este punto de vista si es cierta la relación, que se atisba en

este trabajo y en otra literatura, entre mercados electrónicos no organizados y compra basada en

precio, y entre mercados electrónicos organizados y compra basada en optimización del proceso de

compra. Además, otra línea de investigación interesante consistiría en la realización de estudios

sectoriales para validar si existe distinto comportamiento en las compras en Internet en función de las

características del sector analizado, incorporando análisis sectoriales cercanos al enfoque de Porter

(2001). También pensamos que el modelo puede mejorarse a través de la inclusión de variables que

recojan los recursos y las capacidades de las empresas, así como aspectos políticos e institucionales

que puedan determinar la decisión de compra en Internet. En definitiva, creemos que el modelo es un

punto de partida interesante para futuros análisis de las compras a través de Internet. Los objetivos de


29

este trabajo estarían más que cumplidos si el modelo desarrollado y contrastado sirviera como sólida

base para un elevado número de investigaciones futuras sobre el proceso de compra en Internet y

mercados electrónicos, investigaciones que seguramente podrán responder las numerosas preguntas

dejadas abiertas en este trabajo.


30

Referencias .

- Amit, R., y C. Zott (2001).- “Value creation in e-Business”, Strategic Management

Journal, vol. 22, nº 6, pp. 493 - 520.

- Ba, S., A. Whinston, y H. Zhang (2000).- “Small business in the digital economy: digital

company of the future”, en Brynjolfsson, E. y B. Kahin (eds.): Understanding the Digital

Economy. Data, Tools and Research, MIT Press, Cambridge, Ma.

- Bakos, J.Y. (1997).- “Reducing buyer search costs: Implications for electronic

marketplaces”, Management Science, vol. 43, nº 12, pp. 1676 - 1692.

- Bakos, J.Y., y E. Brynjolfsson (1999).- “Bundling information goods: Pricing, profit and

efficiency”, Management Science, vol. 45, nº 12, pp. 1613 – 1630.

- Batra R. y O.T. Athola (1990).- “Measuring the hedonic and utilitarian sources of

consumers attitudes”, Marketing Letters, vol. 2, nº 2, pp. 159 – 170.

- Baye, M.R., J. Morgan, y P. Scholten (2002).- ”Persistent price dispersion in online

markets”, en Jansen, D.W. (ed.).- The New Economy, University of Chicago Press, Chicago.

- Bell, R.A. y R.C. Morey (1996).- “Purchase situation modeling: The case of hotel

selection criteria for corporate travel departments”, Journal of Travel Research, vol. 35, nº1, pp.

57-63.

- Bhargava, H., V. Choudhary, y R. Krishnan (2000).- “Pricing and product design:

Intermediary strategies in an Electronic Market”, International Journal of Electronic

Commerce, vol. 5, nº 5, pp. 37 – 56.

- Brown, J.R., y A. Goolsbee (2002).- “Does the Internet make markets more competitive?

Evidence from the life insurance industry”, The Journal of Political Economy, vol. 110, nº 3,

pp. 481 - 507.

- Brynjolfsson, E., y M. Smith (2000).- “Frictionless Commerce? A comparison of Internet

and conventional retailers”, Management Science, vol. 46, nº 4, pp. 563 - 585.

- Chircu, A.M., y R.J. Kauffman (2000).- “Reintermediation strategies in business-to-

business electronic commerce”, International Journal of Electronic Commerce, vol. 4, nº 4, pp.

7 - 42.

- Choudhury, V., K.S. Hartzel, y B.R. Konsynski (1998).- “Uses and consequences of

electronic markets: an empirical investigation in the aircraft parts industry”, MIS Quarterly, vol.

22, nº 4, pp. 471 - 507.

- Clay, K., R. Krishnan, y E. Wolff (2001).- “Prices and price dispersion on the web:

Evidence from the online book industry”, The Journal of Industrial Economics, vol. 49, nº 4,

pp. 521 - 539.


31

- Costlett, S. (1981).- “Efficient estimation of discrete-choice models” en C.F. Manski y

D. McFadden (eds.), Structural Analysis of Discrete Data with Econometric Applications, MIT

Press, Cambridge, Mass.

- Daniel E., H.Wilson, y A. Myers (2002).- “Adoption of E-commerce by SMEs in the

UK“ , International Small Business Journal, vol. 20, nº 3, pp. 253-270.

- De Figueiredo, J.M. (2001).- “Finding sustainable profitability in electronic commerce”,

MIT Sloan Management Review, vol. 41, nº 4, pp. 41 - 52.

- Deeter-Schmelz, D.R., A. Bizzari, R. Graham, y C. Howdyshell (2001).- “Business-to-

Business online purchasing: Suppliers impact on buyers’ adoption and usage intent”, The

Journal of Supply Chain Management, vol. 37, nº 1, pp. 4 - 10.

- DMR Consulting – SEDISI (2003).- Las Tecnologías de la sociedad de la información en

la empresa española 2002, SEDISI, Madrid.

- Essig, M. y U. Arnold (2001).- “Electronic procurement in supply chain management: An

information economics based analysis of electronic markets”, The Journal of Supply Chain

Management, vol. 37, nº 4, pp. 43 - 49.

- Forman, C. (2002).- “The Corporate digital divide: Determinants of Internet adoption”,

Working Paper, Kellogg School of Management, Northwestern University.

- Garicano, L., y S.N. Kaplan (2001).- “The effects of business-to-business e-commerce on

transaction costs”, The Journal of Industrial Economics, vol. 49, nº 4, pp. 463 - 485.

- Gavirneni, S., R. Kapuscinski, y S. Tayur. (1999).- “Value of information in capacitated

supply chains”, Management Science, vol. 45, nº 1, pp. 16 - 24.

- Greene, W.H. (1999).- Análisis Econométrico, Prentice Hall, Madrid, 3ª ed.

- Gurbaxani, V., y S. Whang (1991).- “The impact of information systems on organizations

and markets”, Communications of the ACM , vol. 34, nº 1, pp. 59 - 73.

- Hair, J.F., R.E. Anderson, R.L. Tatham, y W.C. Black (1999).- Análisis Multivariante,

Prentice Hall, Madrid, 5ª ed.

- Heizer, J., y B. Render (2000).- Operations Management. Prentice Hall, Englewood

Cliffs, NJ, 6ª ed.

- Hosmer, D.W. y S. Lemeshow (1989).- Applied Logistic Regression, Wiley, New York.

- Jia, J., G.W. Fischer y J.S. Dyer (1998).- “Evaluating multiattribute decision quality: A

simulation study”, Journal of Behavioral Decision Making, vol. 11, nº 2, pp. 85-105.

- Kaplan, S., y M. Sawhney (2000).- “E-hubs: The new B2B marketplaces”, Harvard

Business Review, vol. 78, nº 3, pp. 97 - 104.

- Keeney, R.L. (1999).- “The value of Internet commerce to the customer”, Management

Science, vol. 45, nº 4, pp. 533 - 542.


32

- Kenney, M. y J. Curry (2001).- “Beyond transaction costs: E-commerce and the power of

Internet dataspace”, en (Leinbach, T. y S.Brunn, eds.) Worlds of E-Commerce: Economic,

Geographical and Social Dimensions, Wiley, New York.

- Kulkarni, S.P. y Heriot, K.C. (1999).- “Transaction costs and information costs as

determinants of the organizational form: A conceptual analysis”, American Business Review,

vol. 17, nº 2, pp. 43 - 52.

- Lee G. H., y T.H. Clark (1996).- “Market process reengineering through electronic

market systems: Opportunities and challenges”, Journal of Management Information Systems,

vol. 13, nº 3, pp. 113 - 136.

- Lee, G. H. (1998).- “Do electronic marketplaces lower the price of goods?”

Communications of the ACM, vol. 41, nº 1, pp. 73 - 80.

- Lee, H.L., V. Padmanabhan, y S. Whang (1997).- “Information distortion in a supply

chain: The bullwhip effect”, Management Science, vol. 43, nº 4, pp. 546 - 558.

- Lee, H.L., y S. Whang (1998).- “Information sharing in a supply chain”, International

Journal of Manufacturing Technology and Management, vol. 1, nº 1, pp. 79 - 93.

- Lucking-Reiley, D., y D.F. Spulber (2001).- “Business to Business electronic commerce”,

Journal of Economic Perspectives, vol. 15, nº 1, pp. 55 - 68.

- Malone, T., J. Yates, y R. I. Benjamin (1987).- “Electronic markets and electronic

hierarchies”, Communications of the ACM , vol. 30, nº 6, pp. 484 - 497.

- Manski, C.F. y D, McFadden (1981).- “Alternative estimators and sample designs for

discrete choice analysis” en C.F. Manski y D. McFadden (eds.), Structural Analysis of Discrete

Data with Econometric Applications, MIT Press, Cambridge, Mass.

- Marti, E. (2000b).- “SAP and the online procurement market”, Business Case EC-5,

Graduate School of Business Stanford University.

- Martin, T.N., y J.C. Hafer (2002).- “Internet procurement by corporate purchasing agents:

Is it all hype?”, SAM Advanced Management Journal, vol. 67, nº 1, pp. 41 -48.

- Masten, S.E. (1996).- “Empirical research in transaction costs economics: Challenges,

progress, directions”, en Groenewegen, J. (ed.).-Transaction Costs Economics and Beyond,

Kluwer Academic Publishers, Norwell, Ma.

- McAfee, A. (2001).- “Manufacturing: Lowering boundaries, improving productivity”, en

(Litan, R. y A. Rivlin, eds.).- The Economic Payoff from the Internet Revolution, Brookings

Institutions Press, Washington D.C.

- McAfee, A. (2002).- “The impact of enterprise information technology adoption on

operational performance: an empirical investigation”, Production and Operations Management,

vol. 11, nº 1, pp. 33-53.


33

- Milgrom, P., y J. Roberts (1992).- Economics, organization and management, Prentice

Hall, Englewood Cliffs, NJ.

- Milgrom, P., y J. Roberts (1988).- “Communications and inventory as substitutes in

organizing production”, Scandinavian Journal of Economics, vol. 90, nº 3, pp. 275 -289.

- Pekala, N. (2000).- “B2B or not B2B? You better shop around”, Journal of Property

Management, vol. 65, nº 6, pp. 60-68.

- Porter, M.E. (2001).- “Strategy and the Internet”, Harvard Business Review, vol. 79, nº 3,

pp. 62 - 78.

- Rasheed, H.S., y S.W. Geiger (2001).- “Determinants of governance structure for the

electronic value chain: Resource dependency and transaction costs perspectives”, Journal of

Business Strategies, vol. 18, nº 2, pp. 159 - 176.

- Rayport, J.F., y J.J. Sviokla (1995).- “Exploiting the virtual va lue chain”, Harvard

Business Review, vol. 73, nº 6, pp. 75 - 85.

- Reichheld, F.F., y P. Schefter (2000).- “The economics of e-loyalty”, Harvard Business

Review, vol. 78, nº 4, pp. 105 - 113.

- Smith M.D. y E. Brynjolfsson (2001).- “Consumer decisison-making at an Internet

shopbot: Brand still matters”, Journal of Industrial Economics, vol. 49, 4, pp. 541-558.

- Starr, M.K. (2000).- “POM and the e-shift”, Proceedings from the First World

Conference on Production and Operations Management POM Sevilla 2000.

- Truman, G.E., (2000).- “Integration in electronic exchange environments”, Journal of

Management Information Systems, vol. 17, nº 1, pp. 209 - 244.

- Zaheer, S., y A. Zaheer (2001).- “Market microstructure in a global B2B network”,

Strategic Management Journal, vol. 22, nº 9, pp. 859 - 873.


34

Tabla 1: Valores de las variables independientes.

Utilidad Descripción Valor Variable Xi

U1k > 0 U1k = 0

Internet permite reducir los costes de búsqueda X1 = 1 X1 = 0

U2k > 0 U2k = 0

Internet permite reducir los costes de procesamiento de la información X2 = 1 X2 = 0

U3k > 0 U3k = 0

Internet permite reducir los costes de comunicación de la información X3 = 1 X3 = 0

U4k > 0 U4k = 0

Internet permite reducir los costes de reunión X4 = 1 X4 = 0

U5k > 0 U5k = 0

Internet permite reducir los costes de motivación X5 = 1 X5 = 0

U6k > 0 U6k = 0

Internet permite reducir los costes de los productos adquiridos X6 = 1 X6 = 0

U7k > 0 U7k = 0

Internet permite reducir los costes de intermediación X7 = 1 X7 = 0

Fuente: Elaboración Propia.


35

Tabla 2: Composición de la muestra final por sector de actividad y tamaño.

SECTOR n. Industria 130 Construcción 108 Comercio 174 Servicios 300 Total 712 TAMAÑO n. 1 a 2 Empleados 277 3 a 5 Empleados 133 6 a 9 Empleados 101 10 a 19 Empleados 101 Más de 20 Empleados 100 Total 712

Fuente: Elaboración Propia


36

Tabla 3: Estadísticos descriptivos de las variables independientes.

Media Desv. típ. Coste de Búsqueda 0.67 0.47 Coste de Procesamiento 0.85 0.36 Coste de Comunicación 0.84 0.36 Coste de Reunión 0.018 0.13 Coste de Motivación 0.0478 0.21 Precio 0.10 0.30 Renta de Intermediación 0.0140 0.12 Alta Tecnología 0.0787 0.27 Página Web Corporativa 0.51 0.50 Interconexión con Proveedores 0.0969 0.30



37

Tabla 4: Correlaciones entre las variables del modelo.

X1 X2 X3 X4 X5 X6 X7 Interconexió

n

Web Alta

Tecnología

X1 .230* .282** -.016 .086* .145* .007 .076* .206** .070 X2 .258* -.001 .021 .116** -.016 .099** .195** .051 X3 .030 .042 .132** .019 .102** .146** .083* X4 .019 .059 -.016 .026 .050 .038 X5 - .034 .029 .016 .075* .057 X6 - .000 .126** .115** -.046 X7 - .001 .070 .009 Interco

-nexión

- .123* .063

Web - .120**

Alta

Tecnología

-



38

Tabla 5: Resultados del modelo de regresión logística en la etapa 9.

Variable Beta E.T. Wald Sig. Exp(ß)

X1 1.339 0.232 33.292 .000 3.815 X2 1.492 0.363 16.895 .000 4.446 X3 1.530 0.355 18.570 .000 4.620 X4 8.040 14.675 0.300 .584 3101.729 X5 1.376 0.504 7.447 .006 3.958 X6 3.727 1.025 13.219 .000 41.567 X7 8.565 16.363 0.274 .601 5247.228 SECTOR 17.338 .001 Industria 0.709 0.293 5.858 .016 2.031 Construcción -1.477 0.356 17.188 .000 0.228 Comercio 0.805 0.317 6.457 .011 0.447 Servicios -0.709 0.293 5.858 .016 0.492 TAMAÑO 39.145 .000 De 3 a 5 Empl. -0.216 0.267 0.655 .418 0.806 De 6 a 9 Empl. 0.603 0.290 4.306 .038 1.827 De 10 a 19 Empl. 0.286 0.287 0.989 .320 1.330 Más de 20 Empl. 2.568 0.451 32.359 .000 13.034 Constante -3.52215 0.532 43.861 .000 0.030 Fuente: Elaboración Propia.


39

Tabla 6: Contraste Chi Cuadrado para el modelo.

Chi-cuadrado gl Sig. Paso 1 93.616 1 .000 Paso 2 186.131 5 .000 Paso 3 249.820 6 .000 Paso 4 280.504 7 .000 Paso 5 298.192 8 .000 Paso 6 320.450 11 .000 Paso 7 334.860 12 .000 Paso 8 350.313 13 .000 Paso 9 358.628 14 .000

Fuente: Elaboración propia.


40

Tabla 7: Contraste de Hosmer y Lemeshow.

Paso Chi-cuadrado Gl Sig. 2 2.209 6 .899 3 3.493 7 .836 4 4.155 8 .843 5 3.428 8 .905 6 8.240 8 .410 7 7.133 8 .522 8 8.018 8 .432 9 6.551 8 .586



41

Tabla 8: Valoración del ajuste global del modelo.

Paso -2LL R2 de Cox y Snell R2 de Nagelkerke 1 893.425 .123 .164 2 800.911 .230 .307 3 737.222 .296 .395 4 706.538 .326 .434 5 688.850 .342 .456 6 666.591 .362 .483 7 652.181 .375 .500 8 636.729 .389 .518 9 628.413 .396 .528



42

Tabla 9: Matriz de Clasificación Muestra

Pronosticado Compra en Internet

Observado 0 1 Porcentaje Correcto

0 284 72 79.8 Compra en Internet 1 270 86 75.8

Muestra Ampliada

Porcentaje Global 77.8 Fuente: Elaboración Propia.


43

1 La importancia de la inclusión de las rentas de intermediación en el modelo se refleja en algunas

estadísticas sobre la aparición de intermediarios electrónicos en Internet. En España por ejemplo, ya

existen más de cien mercados electrónicos organizados, según un censo de la Asociación Española de

Comercio Electrónico y además, según el informe de DMR Consulting – SEDISI (2003), el 15 por

ciento de las empresas que compran en Internet ya lo hacen a través de estos intermediarios

electrónicos.

2 Para analizar el impacto de Internet sobre el papel de los Intermediarios es interesante analizar el

trabajo de Chircu y Kauffman (2000) y para conocer mejor el impacto sobre las rentas de

intermediación es interesante estudiar el trabajo de Bhargava et al. (2000).

3 Ver por ejemplo Bakos y Brynjolfsson (1999) para un análisis de los efectos de las

complementariedades en el valor de productos basados en la información.

4 Ver por ejemplo el trabajo de Garicano y Kaplan (2001).

5 El planteamiento utilizado en nuestro estudio es similar al utilizado por otros estudios del

comportamiento de compra de las empresas (ver por ejemplo Bell y Morey, 1996).

6 En la estratificación de la muestra se han tomado las variables tamaño y sector de la empresa porque

en otros estudios anteriores se ha observado que son variables que determinan diferentes pautas de

adopción del comercio electrónico (Rasheed y Geiger, 2001; Martin y Hafer, 2002; Forman, 2002).

7 La semi proporcionalidad se explica porque de haber seguido un criterio estrictamente proporcional

por estratos de tamaño hubiera sido difícil asegurar una base analítica mínimamente autosuficiente

para los estratos de empresas de mayor tamaño. Por esta razón los estratos de tamaños de empresas de

más de 6 empleados están ligeramente sobredimensionados.

8 La variable que presenta mayores coeficientes de correlación es X3, costes de comunicación: hemos

analizado si su exclusión producía mejoras significativas en la estimación de otras variables, llegando

a la conclusión de que su presencia en el modelo no distorsiona de forma relevante las estimaciones.

9 Cuando se emplea un muestreo por estados, se pueden emplear los mismos estimadores de máxima

verosimilitud que los empleados en un muestreo aleatorio: únicamente deberemos realizar un ajuste de


44

la estimación del término constante, al que deberemos restar el logaritmo natural de la relación entre

H(i), probabilidad de que en la muestra se de un estado i, y Q(i), la proporción de la población

representada por el estado i (Manski y McFadden, 1981).

10 Si X6= 1 siendo todas las demás variables igual a 0, P=0,55.

11 La falta de significatividad de esta variable no es atribuible a problemas de multicolinealidad, ya que

no está correlacionada de forma significativa con otras variables.

12 Normalmente, a mayor complejidad del producto, mayores serán los costes de transacción y por

tanto también mayores serán los potenciales ahorros derivados de la compra en Internet o en mercados

electrónicos (Malone et al., 1988).

13 Según DMR Consulting – SEDISI (2003) España se encuentra muy por detrás de otros países de la

OCDE en tasa de penetración de comercio electrónico.

14 Este fenómeno vendría a demostrar que los productos adquiridos son principalmente productos

sencillos y commodities, para los que no es necesario intercambiar mucha información en la

transacción.

15 La constante debe ser ajustada por el valor 1.07, resultante del ln [H(i)/Q(i))]. Siendo H(i) = 0.5 y

Q(i) = 0.17, obteniéndose este último dato del número de empresas que compran en Internet según el

informe DMR Consulting – SEDISI (2003). El modelo tras este ajuste empeora en cierto modo su

capacidad explicativa, obteniéndose una ratio de acierto en la matriz de clasificación cercana al 73 por

ciento.

Análisis de la Decisión de Compra en Internet de las...

Documents

Transcript of Análisis de la Decisión de Compra en Internet de las...