Análisis sectorial y regional del ciclo d vida de las ...

555Economía, Sociedad y Territorio, vol. V, núm. 19, 2005, 555-593Economía, Sociedad y Territorio, vol. V, núm. 19, 2005, 555-593

Análisis sectorial y regional delciclo de vida de las firmas

colombianas en el periodo 1995-2000: un modelo datos de panel

MARLENY CARDONA ACEVEDO

CARLOS ANDRÉS CANO GAMBOA*

Abstract

The specificity of industrial development in a region is not only a matterof evolution and adaptive abilities, but also of taking advantage of thelocal conditions as well as the creation of the territorial model relations-hips at a local level. The purpose of this paper is to recognise the structuralelements that determine the life cycle of Colombian companies. The mea-surement is carried out through a panel data model that allows us to buildrelationships between industrial organisation, geographical and socialvariables in the interpretation of life cycle in 19 productive sectors andthree regions in Colombia.

Keywords: life cycle, territoriality, productive enterprises, industrial lo-calisation.

Resumen

La especificidad del desarrollo industrial en las regiones no es un asun-to sólo de evolución y de capacidades de adaptación, sino que busca elaprovechamiento de las condiciones locales y la generación de rela-ciones de un modelo territorial en un ambiente local. El propósito deeste artículo es reconocer los determinantes estructurales del ciclo devida de las firmas colombianas. La medición se hace a través de unmodelo datos de panel, que permite la construcción de relacionesentre las variables de organización industrial, geográficas y sociales enla interpretación del ciclo de vida en 19 sectores productivos y tresregiones colombianas.

Palabras clave: ciclo de vida, territorialidad, firmas productivas, loca-lización industrial.

* Estudios Sectoriales y Territoriales, Universidad Eafit de Medellín. Correos-e:[email protected] y [email protected].

556 Cardona, M. y C. Cano: Ciclo de vida de las firmas...

Introducción1

El territorio, escenario de localización de firmas, responde a laflexibilidad de los procesos sociales y económicos que potencianu obstaculizan la continuidad de los encadenamientos producti-vos, que trascienden los límites fijados administrativamente y lasmismas relaciones sociales.2 El territorio es una construcciónsocial que da pie a las dinámicas económicas y sociales tantointernas como externas, a las relaciones y estructuras de poder,a las manifestaciones culturales de la población y a las restriccio-nes y potencialidades en la oferta ambiental que le imprimen ras-gos característicos.

La dinámica industrial, como expresión del crecimiento, serefleja en el proceso de acumulación en dos niveles: 1) acumula-ción de capital físico y 2) acumulación de capital humano; ambasson condiciones del desarrollo. Los territorios, y en ellos lasempresas, actúan en forma individual y colectiva participandoen sistemas regionales que enfrentan fuertes competencias y ge-neran la recomposición y el diseño de instrumentos de políticapara responder a los modelos productivos, donde la organiza-ción industrial y la dinámica regional, en forma conjunta, sonexpresión de las interrelaciones sociales en la localidad.

En este contexto, las firmas productivas aparecen como elmecanismo por el cual se estructuran las relaciones inter e intra-sectoriales;3 en ellas, las decisiones pasan primero por el territo-rio, el cual posibilita y define las relaciones productivas. De ma-nera similar, el espacio geográfico sufre procesos de cambio porla concentración industrial, la lógica de acumulación y la compe-tencia local, nacional y global en una relación firma-territorio,donde sus dinámicas reestructuran y transforman la espaciali-dad industrial.

1 La investigación base de este trabajo es: Ciclo de vida y localización espacial de lasfirmas en Colombia 1995-2000, realizada en la Universidad Eafit de Medellín (Colom-bia), por el Grupo de Estudios Sectoriales y Territoriales (ESYT), durante 2003. Lainvestigación contó con la participación de Ana Rocío Osorio, a quien se agradecen susaportes durante todo el proceso. También agradecemos a Marcela Orozco por sucolaboración.

2 La instancia regional se convierte en un punto clave para la formulación depolíticas que consideran la diversidad y la heterogeneidad, y sobre las cuales puederealizarse una evaluación de impactos de la organización espacial de las firmas.

3 Los convenios, acuerdos y tratados de libre comercio son expresión de las nuevasdinámicas en los territorios. Se expresan, por un lado, en la generación de firmaslocalizadas espacialmente, y, por el otro, en la refuncionalización del Estado en favorde la política económica como directriz para participar en las cadenas de producción ycomercialización.

557Economía, Sociedad y Territorio, vol. V, núm. 19, 2005, 555-593

El objeto de estudio –las firmas en el territorio–, sin embar-go, no es nuevo. La literatura revisada como antecedente mues-tra una aproximación a la dinámica industrial desde los enfoquestradicionales del desarrollo regional. Entre los estudios que invi-tan al replanteamiento de los análisis regionales y las políticas delocalización industrial, ciclo de vida y emprendimiento están, enla esfera internacional, los liderados por Acs y Audretsch (1989,1994, 1998), Feldman y Audretsch (1998), Roper y Love (1999)y Audretsch y Fritsch (1999); y en el ámbito de América Latina yColombia, los de Durán et al. (1998), Burachik (2000), Cardonay Ángel (1999), Cardona et al. (2001), Cardona, Osorio y Cano(2003), Cepal (2000) y Lora (2001).

Las economías regionales resurgen motivando el desarrollode identidades e interdependencias sociales, económicas y cultu-rales entre los territorios, con estrategias generadas para la in-serción en los mercados de los productos regionales a partir delas cuales emergen formas de organización del trabajo y ocurrencambios en la forma de producir que son importantes para laspolíticas empresariales y gubernamentales en los territorios.4

En la dinámica regional se han establecido lógicas que van delo social a lo económico y viceversa, cuyos resultados se expre-san en cuatro comportamientos básicos: 1) firmas y regiones queganan, 2) firmas que ganan y regiones que pierden, 3) firmas quepierden y regiones que ganan y 4) firmas y regiones que pierden.

En el estudio de estas dimensiones se construye un objeto deestudio complejo, dinámico y con múltiples aristas, que se re-únen en dos unidades de análisis: 1) el espacio sectorial (la fir-ma) y 2) el espacio geográfico (la región), con un punto de en-cuentro que denominamos ciclo de vida y localización espacialde la industria.

En el espacio sectorial, el concepto de empresa (firma) encie-rra una multiplicidad de nociones que pueden ser entendidas asu vez con complementariedad.5 En el espacio geográfico, la rela-

4 Así, la región en el marco de la globalización es un espacio de interés en el cualcobran importancia las economías locales, en particular, como expresión de la superpo-sición de los procesos de descentralización y vaciamiento de poder del Estado central.

5 Así, por ejemplo, para Tirole (1997: 15) la empresa (firma) es aquella capaz deproducir (o vender) con más eficiencia de lo que lo harían sus partes constituidas actuan-do por separado. Schumpeter (1975: 84) define la empresa como la realización de nuevascombinaciones, y a los empresarios, como los individuos encargados de dirigirla; por esointegra la definición de empresario a la de innovador, tanto así que el carácter de empren-dedor se pierde una vez que se inicia el negocio y se empieza a producir. Méndez yCaravaca (1996: 35) consideran a la firma como una entidad con capacidad de decisión,gestión y administración, que presenta una determinada estructura interna y declara un


ción ciudad-región ha ido reforzándose en cada una de las etapasde la evolución económica y social, al grado de ser difícil referir-se hoy a la economía local sin una visión de economía de áreametropolitana.6

Este artículo analiza la dinámica industrial y sectorial con ladiscusión teórica sobre el ciclo de vida y la localización indus-trial de las firmas colombianas durante el periodo 1995-2000,por medio de variables de organización industrial, geográficas ysociales, y la formulación de un modelo datos de panel regional yotro sectorial.7

El estudio del ciclo de vida industrial8 representa la dinámicadel surgimiento y desaparición de firmas en el tiempo. El proce-so consiste en una intensa entrada de nuevas empresas que bus-can formarse un espacio en una industria introduciendo innova-ciones en productos y procesos que les permiten generar lasbarreras de entrada al sector.9

El análisis de las unidades productivas debe hacerse conside-rando no sólo un cierto tamaño o un sector en particular, sinotambién el marco de la organización industrial y su entorno es-

domicilio o razón social, aunque la localización de sus actividades pueda situarse en unoo varios establecimientos en lugares diversos. En este trabajo se asume la firma como unaunidad sectorial integrada por recursos humanos, financieros y físicos que ofrece un bienterminado; está sujeta a ajustes permanentes ante cambios en las disposiciones legales ypolíticas; busca reducir costos de transacción y está conformada por individuos quetoman decisiones racionales, donde la información no puede ser transmitida sin costos;la empresa no persigue un objetivo único y constituye coaliciones entre participantes conintereses muchas veces divergentes.

6 La región alude a un territorio y a la dotación de recursos productivos. En ellaocurre un conjunto de interacciones que conforman un sistema compuesto por subsis-temas productivos, institucionales y culturales, que encierran un cúmulo de relacionestales como capital-trabajo, los flujos de intercambio, las relaciones monetarias y laspautas de comportamiento social.

7 La dinámica industrial se explica desde el ciclo de vida industrial como partefundamental del proceso de desarrollo. La innovación, la generación de empleo y lasactividades de cooperación son elementos esenciales para su entendimiento. En estetipo de análisis algunos autores otorgan mayor poder explicativo al nivel macroeconó-mico espacial; otros se concentran en el análisis microeconómico, en particular en lateoría de la organización industrial.

8 En este documento, el ciclo de vida industrial es calculado como la diferenciaentre el surgimiento y la desaparición de las firmas en cada sector y en cada región,según la información suministrada por las distintas cámaras de comercio de cada regiónen Colombia.

9 Los estudios precedentes a esta investigación han establecido que las micro,pequeñas y medianas empresas (mipymes) tienen un ciclo de vida industrial inestable yde menor duración que el de las grandes empresas. El reconocimiento de las diferenciasentre las grandes y las pequeñas empresas facilita la mejor comprensión de la realidadde la base empresarial del país, la construcción de teoría económica relativa al creci-miento económico nacional y la recuperación del papel de los empresarios como dina-mizadores de la actividad económica.


pacial. Las estrategias empresariales son determinantes en el ci-clo de vida de las firmas; su objetivo común es la generación deventajas competitivas que aseguren a las firmas beneficios a lar-go plazo. A continuación se estudian el contexto económico ylos determinantes estructurales del ciclo de vida de las firmas en19 sectores productivos y tres regiones colombianas:10 Bogotá-Soacha, Cali-Yumbo y Medellín-Valle de Aburrá.11

1. Contexto económico de las unidades productivas enColombia

El proceso de industrialización colombiano y los patrones deacumulación sobre los cuales se ha desarrollado transcurren deun modo más o menos similar al del resto de los países de Amé-rica Latina. Pueden distinguirse, en este proceso, dos etapas: 1)una etapa sustitutiva de importaciones, que si bien se inició des-de la década de 1930, adquirió su configuración precisa en ladécada de 1950 y mantuvo su carácter estrictamente sustitutivohasta 1967; 2) la otra etapa, que puede distinguirse a partir de ladécada de 1970, sin abandonar su carácter sustitutivo, apoyó laexpansión productiva basada en la exportación de manufactu-ras, lo que modificó, en parte, las condiciones de acumulacióndesarrolladas desde los años de la década de 1950.12

10 Los resultados de la investigación Ciclo de vida y localización espacial de lasfirmas en Colombia 1995-2000 son para seis regiones colombianas. En este artículo, losresultados se presentan para las tres arriba mencionadas. Los resultados globales sepresentan en el anexo del artículo.

11 La información del modelo datos de panel sobre la dinámica del ciclo de vida esel número de registros de instalación y liquidación de firmas año por año realizados enseis regiones, y para los siguientes sectores: fabricación de productos alimenticios,excepto bebidas (311-312); industria de bebidas (313); fabricación de textiles (321);fabricación de prendas de vestir, excepto calzado (322); fabricación de calzado y suspartes, excepto el de caucho o plástico (324); industria de la madera y productos de lamadera y el corcho, excepto muebles (331); fabricación de muebles y accesorios,excepto los que son principalmente metálicos (332); fabricación de papel y productosde papel (341); imprentas, editoriales e industrias conexas (342); fabricación de sus-tancias químicas industriales (351); fabricación de otros productos químicos (352);fabricación de productos de caucho (355); fabricación de productos plásticos (356);fabricación de otros productos minerales no metálicos (369); fabricación de productosmetálicos, exceptuando maquinaria y equipo (381); construcción de maquinaria, ex-ceptuando la eléctrica (382); construcción de equipo y material de transporte (384), yotras industrias manufactureras (390).

12 A partir de la década de 1970, pocas empresas industriales colombianas crecieronrealmente más allá de las oportunidades del mercado interior. Colombia siguió viviendode las exportaciones primarias de café, carbón, petróleo y otros productos, protegiendoel mercado interior y manteniendo una industria que para la década de 1980 erapequeña, poco competitiva y con una baja participación en el mercado internacional.


Entre 1974 y 1991, la industria colombiana registró un agota-miento del proceso de sustitución de importaciones. El compor-tamiento industrial en esos años estuvo marcado por la sucesiónde fases cortas de expansión (1975-1980), crisis (1981-1983) yleve recuperación (1984-1989). Según Lotero (1998), en eseperiodo, caracterizado por algunos analistas como de crisis es-tructural de la industria, se presentaron acontecimientos y cam-bios en el manejo económico que, sin duda, afectaron el desem-peño sectorial. Entre otros, las bonanzas de precios del café(1976-1978 y 1985-1987), las políticas de ajuste fiscal (1974-1978 y 1984-1986), la liberación parcial del régimen de comer-cio exterior (1978-1982) y su reversión posterior (1982-1984) yla fuerte caída de la tasa de cambio real (1978-1982).13

Sin duda, la estructura de la economía colombiana cambió en-tre los decenios de 1980 y 1990.14 Al finalizar la década de 1980apareció el modelo de liberalización económica, que aplicó aper-turas de choque en el supuesto de que el mercado internacionalharía una distribución justa de los recursos y de que los países endesarrollo crecerían rápidamente gracias a las nuevas condicionesresultantes. De otra parte, también hubo cambios en la composi-ción de las exportaciones totales entre un periodo y otro.15

13 De acuerdo con Lotero (1998), en Colombia se habían introducido algunosajustes y llevado a la práctica procesos de reconversión industrial, sin que por ellopuedan catalogarse como estructurales. A estas peculiaridades del manejo macroeconó-mico y del comportamiento de la industria, se suma la del sistema urbano-regional delpaís. Colombia ha contado con un sistema descentralizado y relativamente flexible queha permitido que a lo largo de la historia del desarrollo económico se produzcan ajustesparciales de cierta magnitud.

14 Así, en la economía colombiana viene ganando participación el sector de servi-cios, incluidos los servicios financieros, los cuales pasaron de representar 26.7% delproducto interno bruto (PIB) en 1980, a 30.7% en 1998. Igualmente, la explotación deminas y canteras, que incluye hidrocarburos, ganó participación en la producción en esedecenio, de 1.3% a 4.9%. Por el contrario, la agricultura y la industria han mostradouna tendencia decreciente dentro de la producción total, especialmente acentuadadesde 1994. En efecto, la agricultura pasó de representar 22.7% del producto en 1980,a 20.6% en 1993 y 18.4% en 1998. La participación de la industria en el PIB pasó derepresentar 22.4% en 1980, a 17.9% en 1998 (información recopilada en el Departa-mento Administrativo Nacional de Estadística de Colombia, DANE).

15 En efecto, según Echeverry (1999), en 1980 el café exportado equivalía a 59% delas exportaciones totales; a partir de entonces empezó a perder participación hastarepresentar 17.5% en 1998. Esto hacía que la economía colombiana estuviera másexpuesta a las variaciones del precio internacional del café. Por otra parte, se observa unaumento sustancial en la participación de las exportaciones de hidrocarburos, es decir,de carbón y petróleo. De hecho, en 1980 las exportaciones por este concepto represen-taron 2.9% del total exportado, mientras que en 1998 aumentaron a 30.3%. Al mismotiempo, otras exportaciones no tradicionales como las flores y el banano representaron2.4% en 1980, y aumentaron a 9.5% del total en 1998.


La apertura económica, la reforma al sector financiero, lasmodificaciones del régimen cambiario, la promulgación de unanueva Constitución política en 1991 –con los consiguientes cam-bios institucionales, que entre otros factores determinaron en granparte la evolución del gasto público– modificaron el panoramaeconómico que había en el decenio de 1980. Por lo tanto, en elanálisis de los ciclos económicos es indispensable tener en cuentalos cambios estructurales causados por los factores mencionados.

La economía colombiana enfrentó un proceso de desacele-ración del crecimiento desde 1996 y de recesión a partir delúltimo trimestre de 1998. Después de haber registrado tasasanuales de crecimiento superiores a 5% real anual promedioentre 1993 y 1995, el crecimiento calculado de 1998 fue de0.6% (DANE), el crecimiento para el primer trimestre de 1999fue de –5.9%, y lo fue de un nivel similar para el primer semes-tre del año 2000. Por su parte, la tasa de desempleo alcanzóniveles cercanos a 20%. En este contexto global, se aprecia undeterioro significativo, en los últimos años, en las cifras del sec-tor productivo privado colombiano.

Desde el análisis de la organización industrial, tanto en elperiodo preapertura como en el de postapertura, las micro, pe-queñas y medianas empresas (mipymes)16 en Colombia genera-ron cerca de 40% de la producción bruta y 34% del valor agrega-do nacional (Echeverri, 1999).17 Sin embargo, se observarondiferencias importantes a lo largo del periodo 1985-1995 encuanto al comportamiento por tamaño de empresa: 1) la media-na empresa se destacó por haber presentado mayor estabilidaden su crecimiento (ciclos de auge y recesión menos pronuncia-dos), y 2) la pequeña empresa ha seguido una dinámica indepen-diente que en varios años se aleja del patrón de crecimiento de laindustria global en Colombia (véase gráfica I).

En el cuadro 1 se observa que la participación por tamaño deempresas en los últimos 20 años no se ha modificado mucho en

16 La microempresa se define en Colombia como aquella constituida con uno a 10trabajadores; la pequeña empresa, aquella con 11 a 50 trabajadores, y la medianaempresa, con 51 a 200 trabajadores.

17 En el periodo postapertura (1991-1995), según el Departamento Nacional dePlaneación (DNP) de Colombia, el mejor comportamiento promedio lo presentó lamediana empresa, que sostuvo un crecimiento anual de 6.4% en promedio, frente a4.8% de la gran empresa y a 4.4% de la pequeña empresa. La dinámica de la medianaempresa en ese periodo se debió al desempeño positivo de los bienes de capital, losbienes intermedios y los bienes de consumo no durables, mientras que la acentuadacaída promedio en la producción de la pequeña empresa se presentó por descensos enla producción de los bienes de consumo duradero y no duradero.


Colombia. La microempresa y la pequeña empresa se han man-tenido en niveles promedio de 70%, son así las de mayor ponde-ración. La mediana empresa colabora con 22% en promedio,mientras que la gran empresa representa para el sistema econó-mico colombiano 7%, en promedio.

Partiendo de este panorama, la investigación realizó un análi-sis de acuerdo con el modelo datos de panel para determinar lasvariables de organización industrial, geográficas y sociales quehan incidido en el ciclo de vida de las firmas colombianas en elperiodo 1995-2000.

2. Consideraciones metodológicas del modelo datos de panel

El sistema económico depende de la interacción entre las varia-bles económicas en la sociedad y el espacio. Por eso la propuestametodológica considera correr el modelo datos de panel en dosetapas. La primera relaciona la influencia de las variables geo-

Gráfica I

Patrón de crecimiento de la industria global 1980-2000

FUENTE: Departamento Administrativo Nacional de Estadística (2003).


Cuadro 1Participación en el número de establecimientos según tamaño

de empresa 1985-1995

Pequeña empresa (incluye la microempresa): entre 10 y 49 trabajadores; medianaempresa, entre 50 y 199 trabajadores; y gran empresa, más de 200 empleados.FUENTE: Echeverri (1999).

Año Pequeña Mediana Grande Total

1985 70.9% 22% 7.1% 100%1986 71.3% 21.7% 6.9% 100%1987 71.2% 21.7% 7.1% 100%1988 72.1% 21.2% 6.6% 100%1989 72.8% 20.7% 6.4% 100%1990 72.0% 21.3% 6.7% 100%

Promedio 1985-1990 71.7% 21.5% 6.8% 100%

1991 70.7% 22.2% 7.1% 100%

1992 70.7% 22.1% 7.2% 100%1993 68.6% 23.6% 7.7% 100%1994 68.1% 23.9% 8.0% 100%1995 69.7% 22.8% 7.5% 100%

Promedio 1991-1995 69.6% 22.9% 7.5% 100%

1996 69.6% 23.2% 7.2% 100%1997 72.4% 21.1% 6.5% 100%1998 72.6% 21.0% 6.4% 100%1999 74.4% 19.6% 6.0% 100%2000 74.6% 19.5% 6.0% 100%Promedio 1996-2000 72.7% 20.9% 6.4% 100%

gráficas específicas en el ciclo de vida de las firmas; y la segundaestablece el impacto de las características industriales sobre losfactores geográficos. Dichos modelos están asociados a las si-guientes ecuaciones:

(1)

(2)


El objeto de este estudio son las variables que influyeron en ladinámica del ciclo de vida de las firmas de Colombia en el perio-do 1995-2000. Las variables seleccionadas como explicativas deeste fenómeno se dividen entre las asociadas al sector, que seexpresan como variables de organización industrial, y las asocia-das al territorio,18 llamadas variables geográficas específicas;además de variables sociales.

El ciclo de vida de las firmas es la variable dependiente sobrela cual se analizan las relaciones respecto a las variables explica-tivas. En las variables de organización industrial se tienen en cuen-ta: 1) intensidad del capital,19 2) relación capital producto,20 3)costo laboral unitario21 y 4) salario promedio industrial.22 En lasvariables geográficas están: 5) tasa de desempleo, 6) tamaño dela población, 7) índice de tasa de cambio real y 8) índice de loca-lización industrial.23 Las variables sociales son: 9) logro educati-vo y 10) tasa de homicidios.

Estructura y localización de las firmas son parte del mismoasunto y pertenecen a un proceso de evolución donde se condi-cionan variables que interactúan entre sí y permiten la consoli-dación o el declive de los aparatos productivos. Estas variablespueden ser tanto externas como inherentes al proceso sectorial.

18 En las investigaciones del Grupo de Estudios Sectoriales y Territoriales de laUniversidad Eafit de Medellín, se ha evidenciado que el territorio tiene alto impacto enlas condiciones del crecimiento industrial. En la investigación ya referida (Cardona,Osorio y Cano, 2003), se confirmó que el ciclo de vida, la estructura y localización delas firmas no son indiferentes al paso del tiempo, sino que permanecen en un procesode evolución donde se condicionan variables que interactúan entre sí permitiendoconsolidación o declive de los aparatos productivos. Estas variables pueden ser tantoexternas como inherentes al proceso productivo sectorial y regional.

19 Relación entre el valor de los activos fijos reales de cada industria (Kijt) (deflacta-do por el índice de precios al productor [IPP], base 1998) y el total de personal ocupadoen cada una de ellas (Nijt). Incluye personal permanente y temporal.

20 Muestra la razón entre el valor de los activos fijos reales (Kijt) y el valor agregadoreal de cada industria (VAijt), deflactados por el IPP, base 1998.

21 Relación entre la remuneración laboral unitaria y la productividad laboral unita-ria de cada industria. Éstas se definen, respectivamente, como la razón de sueldos ysalarios de la industria, y la razón producción bruta real de la industria; la primeradeflactada por el índice de precios al consumidor (IPC), base 1998, y la segunda, por elIPP, base 1998. En otras palabras, se definen como la razón sueldos y salarios (Wijt), y laproducción industrial (Yijt) para cada sector considerado.

22 Razón entre el valor de los sueldos y salarios para el total de la industria manufac-turera de cada área metropolitana (Wjt) deflactado por el IPC, base 1998, y el total delpersonal ocupado en la industria (Njt). Incluye personal permanente y temporal.

23 Está basado en el número de establecimientos, de manera que da cuenta del gradode aglomeración de los sectores económicos en las regiones. Se define como la razónentre la proporción de establecimientos (Eijt) de cada sector y región, respecto al totalde establecimientos del total de la industria manufacturera en cada región (Emjt) y lamisma proporción, pero calculada para el total nacional (n).


La transformación estructural de las relaciones de producción yde poder en los sistemas económicos forma parte de la dinámica deuna nueva sociedad, donde la necesidad de ser entes flexibles ycompetitivos es un proceso esencial de la economía.

El desarrollo en la década de 1970 sobre la especificación demodelos econométricos regionales propició un número impor-tante de aplicaciones a regiones de Estados Unidos y países eu-ropeos. Algunos modelos son unirregionales y analizan las rela-ciones entre diversas variables en una región a lo largo del tiempo.Los modelos multirregionales analizan las diferencias entre losdistintos niveles de desarrollo de varias regiones, bien elaboran-do un modelo con una serie temporal de cada región y compa-rando los resultados, bien mediante modelos interregionales quese obtienen con una muestra conjunta de varias regiones en unmomento determinado, modelo cross-section, o en varios mo-mentos mediante un pooling o muestra combinada.

El estudio Surgimiento de firmas regionales colombianas (1995-2000) (Cardona, et al., 2001) encuentra en tres regiones colom-bianas y tres sectores económicos (alimentos, textil y confeccio-nes) crecimiento exponencial en el surgimiento de firmas entre1995 y 2000. Se concluye que la instalación de firmas en las regio-nes y los sectores es diferente y por tanto requiere distintas for-mas de intervención en Colombia. Mientras en los modelos secto-riales las variables más significativas se asocian a los factoresgeográficos y regionales, en los modelos regionales prevalece ladinámica en la organización industrial dentro de las localidades.

El análisis del ciclo de vida de las firmas colombianas muestralos cambios en el tiempo de las variables estructurales de la in-dustria en las regiones. Se establece que: 1) el modelo datos depanel sectorial da cuenta del efecto regional sobre el ciclo devida en un mismo sector industrial, y 2) el modelo datos de panelregional analiza la estructura industrial de cada región en térmi-nos de la información sobre los sectores analizados. En total, elmodelo está conformado por tres regiones, 19 sectores, 10 va-riables explicativas y una dependiente: surgimiento neto de lasfirmas,24 como se aprecia en el esquema I.

24 Las bases de datos y su estructuración para la modelación generaron algunasdificultades en la calidad y cantidad de los datos, lo que limitó el tipo de método quepodría utilizarse en el momento de realizar las predicciones. En este caso, se encontró: 1)poca homogeneización de la información disponible; 2) diferencias regionales y sectoria-les en el tipo de variables construidas; 3) en el ámbito de las economías regionales enColombia no existe información oficial por tamaño de firmas; 4) la construcción deldato, y 5) la heterogeneidad estructural de las regiones y de los sectores en Colombia.


El modelo de ciclo de vida de las firmas colombianas surgiódel trabajo Labor Market Approach utilizado por Audretsch yFritsch (1999). Además se consideró la metodología empleadapor Armington y Acs (2000), quienes examinan el papel del capi-tal humano, la capacitación, el nivel de educación y el nivel em-presarial en el surgimiento de firmas. El resultado empírico dacuenta de diferencias en la tasa de formación de nuevas empre-sas en las regiones, explicadas principalmente por la densidadindustrial, el crecimiento poblacional y el ingreso per cápita. Es-tos resultados son consistentes con las competencias laborales yla intensidad del capital con el efecto spillovers que se tiene en el

Esquema IProceso metodológico en la medición del ciclo de vida de las

firmas colombianas en el periodo 1995-2000

Objeto de estudio Ciclo de vida de las firmas

:TSN F (Variables de organización industrial, variables geográficas y variables sociales)

Variables principales

Ecuación general del

modelo

ijtTSN = iiα 1 2ijt jtL O C A L P Bβ β+ + +

3 4 5ijt ijt ijtDSM CLU SPIβ β β+ + 6 i j tI Kβ+

7 8 9 10ijt jt jt jtRKP ITCR LE HMDβ β β β+ + + +

ijtε+

:Donde

ijtTSN = Tasa de Surgimiento Neto (surgimiento de

firmas-desaparición de firmas).

i = Representa la industria.

j = Representa la región.

t = Representa el tiempo.

Objeto de estudioCiclo de vida de las firmas

Variablesprincipales

TSN : F (Variables de organizaciónindustrial, variables geográficas y

variables sociales)

Ecuación generaldel modelo

TSNijt = i i + i LOCALijt + 2 PBjt + 3

DSMijt + 4 CLUijt + 5 SPIijt + 6 IKijt + 7RKPijt + 8 ITCRjt + 9 LEjt + 10 HMDjt +

jt

Donde:

TSNijt = Tasa de Surgimiento Neto(surgimiento de firmas-desapariciónde firmas).i = Representa la industria.j = Representa la región.t = Representa el tiempo.


sistema económico.25 También se atendieron los trabajos de Kee-ble y Walker (1994) y Davidson et al. (1994) en la metodologíade la construcción de las variables utilizadas en el modelo.

En la formulación, el modelo datos de panel considera que loserrores variantes a través del tiempo no están correlacionadoscon valores presentes y pasados de ciertas variables condicio-nantes, de modo que son predeterminados respecto a los erroresvariantes en el tiempo. Este tipo de modelo satisface la condi-ción de momentos secuencial, como se expone a continuación:

(1)

El modelo es el siguiente:

(2)

Junto con el supuesto:

(3)

Donde

y

es una versión secuencial del modelo de ajuste parcial propuestopor Arellano y Bond (1991). Un ejemplo del modelo anterior es:

(4)

Donde:

(t =1,..., T; i=1,..., N)

Una versión general del modelo (ecuación 2) es la siguiente:

(5)

25 Las variables utilizadas en este modelo fueron: el tamaño de las firmas (comoproxy de la estructura de la industria en las regiones), el crecimiento poblacional, elingreso per cápita, la tasa de desempleo, la concentración industrial y el logro educativo.


Con el supuesto:

(6)

La ecuación 7 es una versión general del modelo de la ecua-ción 4 (Arellano y Bond, 1991), con zt

i= (zi1,...,zit) . La estima-ción del método generalizado de momentos (GMM) de en 7(Mátyás, 1999) se basa en la siguiente condición de momentos:

(7)

O utilizando desviaciones ortogonales, según lo planteado porArellano y Bover (1995):

(8)

Una expresión compacta que integra las ecuaciones 7 y 8 es lasiguiente:

(9)

Donde K representa cualquier matriz de transformación trian-gular superior de (T –1)*T con rango (T –1) tal que K =0, donde es un vector de unos de T*1. La ortogonalidad entre K y

asegura que la transformación elimina el efecto fijo. zi es unamatriz de bloques diagonales cuyo i-ésimo bloque está dado porzt

i’; así:

(10)

Donde:

y .

El estimador GMM de se obtiene minimizando

(11)


y queda como resultado:

(12)

Tal como lo demuestra Hansen (1982), la elección de AN debeser tal que sea proporcional a la inversa de la matriz de covarian-zas de la condición de ortogonalidad. Dados los elementos teóri-cos discutidos anteriormente, la ecuación básica para el modelodatos de panel es la siguiente:

(13)

Donde:

i = 1,...,N t = 2,...,T

Yit = Tasa de surgimiento neto de la industria i en el periodo t.xit= Representa un vector de variables explicativas clasifica-

das en: 1) organización industrial, 2) variables geográficas y 3)variables sociales.

t = Representa el efecto temporal que captura cambios en laproductividad comunes a todos los sectores industriales.

La construcción del modelo y la base de datos fue un procesoque concentró la atención en el análisis del comportamiento delos resultados en las mediciones, teniendo en cuenta los delinea-mientos teóricos y la selección de las variables de acuerdo concriterios econométricos sobre los cuales se basaría la elección delas mejores estimaciones.

A continuación se muestran los resultados de los modelos, loscuales fueron validados26 mediante las pruebas de Hausman27 yBreusch y Pagan.28

26 Si los errores en niveles son serialmente independientes, presentarán en primerasdiferencias correlación serial de orden 1, pero no de orden 2. Arellano y Bond (1991)desarrollan un test formal conocido como el estadístico . En la hipótesis nulade no correlación serial, este estadístico es calculado de los residuales en primerasdiferencias, excepto cuando la estimación es en niveles. El estadístico mj está basado en

la autocovarianza de orden j–th promedio, rj, la cual está planteada por: ,

donde rtj= E( it i,t–j). En la hipótesis nula H0: rj=0, el estadístico está dado por ,

donde rj es la contraparte muestral de , basado en los residuales en primeras diferencias

it, y , , donde es la varianza asintótica de rj.

rj= rtj

1 T

T – 3 – j t=4+j


3. Comportamiento de las variables de organización industrial,geográficas y sociales en los sectores industriales colombianosen el periodo 1995-2000

La comprensión de la dinámica industrial pasa primero por elanálisis del comportamiento de las variables elegidas para unapropuesta de modelo estructural de la realidad industrial, y, se-gundo, por la aplicación del modelo y el reconocimiento de larealidad en él. Así, los resultados de la medición dan cuenta delsurgimiento neto de las firmas, lo que se determinó como el nú-mero de firmas que surgen menos el número de las que se liqui-dan. De esta forma, una disminución del surgimiento o un incre-mento del total de firmas liquidadas generan un ciclo de vidamenor; del mismo modo, un incremento del número de firmas

27 El test de especificación de Hausman se utiliza para verificar la ortogonalidad delos efectos aleatorios y los regresores. Está basado en la idea de que en la hipótesis deno correlación, el modelo de mínimos cuadrados ordinarios en el modelo de variablesdummies de mínimos cuadrados y el modelo de mínimos cuadrados generalizados sonconsistentes, pero el modelo de mínimos cuadrados ordinarios es ineficiente. La otraalternativa es que mínimos cuadrados ordinarios es consistente, pero mínimos cuadra-dos generalizados no lo es. De esta forma, en la hipótesis nula los dos estimadorespodrían no diferir sistemáticamente, y el test puede estar basado en la diferencia.

( ) ( ) ar( ) ( ) ( )Var b Var b V Cov b Cov bβ β β β∧ ∧ ∧ ∧

− = + − − − − (1)

El resultado esencial del test de Hausman es que la covarianza de un estimadoreficiente con la diferencia de un estimador ineficiente es cero, lo que implica que:

(( ), ) ( , ) ( ) 0Cov b Cov b Varβ β β β∧ ∧ ∧ ∧

− = − = (2)

o que:

( , ) ( )Cov b Varβ β∧ ∧

= (3)

Insertando este resultado en (1) se produce la matriz de covarianza requerida parael test:

( ) ( ) ( )Var b Var Varβ β β ψ∧ ∧

− = − =

El test de chi-cuadrada está basada en el criterio Wald:

[ ]2 11W K b bχ β ψ β∧ ∧

−′⎡ ⎤ ⎡ ⎤= − = − −⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦

Para se utiliza la matriz de covarianzas estimadas del coeficiente del estimadordel modelo de mínimos cuadrados de variables dummies y la matriz de covarianzasestimadas en el modelo de efectos aleatorios, excluyendo el término constante. En lahipótesis nula, W tiene una distribución chi-cuadrada con K–1 grados de libertad(Greene, 2003: 300-302).

28 El test para efectos aleatorios de Breusch y Pagan se presenta en un multiplicadorde Lagrange basado en los residuales de los mínimos cuadrados ordinarios. La pruebacontrasta las hipótesis:


que surgen o la disminución del número de firmas que se liqui-dan generan un mayor ciclo de vida.

3.1. Análisis sectorial de la industria colombiana en lasdimensiones de organización industrial, geográfica,territorial y social

El análisis de las unidades productivas debe hacerse consideran-do no sólo un cierto tamaño o un sector en particular, sino tam-bién el marco de organización y su entorno. Las estrategias em-presariales y la organización espacial son determinantes en elciclo de vida de las firmas; su objetivo común es el estableci-miento de ventajas competitivas que aseguren a las firmas bene-ficios a largo plazo.29

En la economía, como en las demás ciencias sociales, común-mente se ha caído en el error de considerar que su campo deacción tiene que ver con la asignación y el acrecentamiento delos recursos materiales y tangibles, y, de esta manera, la confinanal estrecho campo del crecimiento, subvaluando la dimensiónhumana, que es la verdadera razón de ser del desarrollo. Si bienla identidad entre crecimiento y desarrollo está hoy en día enentredicho, no sólo desde la reflexión teórica sino también, yprincipalmente, desde la evidencia empírica, es necesario insistiren el carácter complejo del desarrollo y en la necesidad de unavisión interdisciplinaria que permita esclarecer los componentese identificar las variables significativas que deben considerarse.

En esta perspectiva pretenden otorgarse a la política económicaobjetivos sociales y tener siempre presentes sus implicaciones, así

[ ]2

21

: 0 ( , 0)

: 0o u it is

u

H Corr

H

σ η η

σ

= =

≠

r

El test estadístico es:

2 22 2

1 1 1

2 2

1 1 1 1

( )1 1

2( 1) 2( 1)

n T n

it it t t

n n n n

it iti t i t

TnT nTLMT T

−

= = =

= = = =

⎡ ⎤ ⎡ ⎤⎡ ⎤⎢ ⎥ ⎢ ⎥⎢ ⎥⎣ ⎦⎢ ⎥ ⎢ ⎥= − = −⎢ ⎥ ⎢ ⎥− −⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎣ ⎦⎣ ⎦

∑ ∑ ∑

∑∑ ∑∑

l l

l l

En la hipótesis nula, LM es distribuida como una chi-cuadrada con un grado delibertad.

29 Méndez y Caravaca (1996) definen este tipo de ventajas como el dominio y control,por parte de una empresa, de una característica, habilidad, recurso o conocimiento queincrementa su eficiencia y le permite distanciarse de la competencia. Este aspecto suponeque las empresas con ventajas competitivas logran tener un ciclo de vida mayor.


como hacer explícita la contribución económica de la política so-cial. A continuación presentamos los resultados obtenidos con dosvariables sociales que tuvimos en cuenta en la modelación: tasa dehomicidios (HMD) y logro educativo (LE) (véase cuadro 2).

En el caso del sector alimentos y bebidas se obtuvo que lavariable logro educativo tenía influencia positiva en el ciclo, mien-tras que tasa de homicidios explica la reducción del surgimientoneto, lo que llevaría a establecer que altos niveles de homicidiosrepercuten negativamente en la madurez productiva de las fir-mas de este sector.

En el caso del sector textiles y calzado, el comportamiento deíndice de tasa de cambio real (ITCR) permite consolidar el ciclo devida, lo correcto con ampliación de mercados y diversificaciónexportadora lograda por las firmas textileras colombianas. Ellogro educativo (LE) también presenta el signo esperado. Al igualque en el sector alimentos y bebidas, una disminución de la tasade homicidios (TH) permite ampliar el ciclo de vida de las firmas.

La inclusión de la variable logro educativo (LE) busca aportar almodelo efectos con las calificaciones laborales que permitan pro-

Cuadro 2Resultado de un modelo regional por sectores, de variables deorganización industrial, geográficas y sociales para el análisis

del ciclo de vida de las firmas colombianas 1995-2000

El modelo incluyó estimaciones en desviaciones ortogonales.Los errores estándar son robustos para heteroscedasticidad.Los instrumentos utilizados en el modelo están en niveles.El método de estimación es paneles incompletos o desbalanceados por efectos fijos.El contraste del multiplicador de Lagrange para el modelo de efectos aleatorios de Breusch y Pagan

muestra evidencias en favor del modelo de componentes del error.El contraste de Hausman valida el método utilizado.

Sector IL SPI CLU IK RKP PB DSM LE HMD ITCR R2Ajustado

Alimentos y bebidas + + – + + + + + – – 0.522Textiles y calzado – + – – – – + + – + 0.999Madera y fabricaciónde muebles + + – – + + – + – – 0.999Papel e imprentas yeditoriales + + – – + – + + – + 0.397Químicos + – + – – + – – – – 0.999Caucho y productosplásticos + – + + – + – – – + 0.997Minerales no metálicos + + – – + + + – + – 0.989Metálicos, maquinaria,construcción de equipo + + + + + + – – – – 0.999Otras industriasmanufactureras + + + + – + – – – – 0.999


ductividad sectorial, lo que se espera influya en un mayor ciclo devida de las firmas. Este comportamiento se observó, como ya sedijo, en los sectores alimentos y bebidas, textiles y calzado, made-ra y fabricación de muebles y papel e imprentas y editoriales. En elresto de los sectores analizados no se encuentra relación positivaentre el logro educativo y el surgimiento neto de las firmas.

El índice de tasa de cambio real (ITCR) explica, dentro delmodelo, la apertura exportadora de los sectores, y se espera queun mayor índice permita mayor surgimiento neto de las firmas;en el caso contrario, dada la pérdida de competitividad vía tasade cambio, hay una liquidación de firmas que se refleja en meno-res ciclos de vida. Se obtuvo: 1) que los sectores textilero, papele imprentas y editoriales, y minerales no metálicos presentanrelación positiva con el índice de tasa de cambio real; 2) los de-más sectores no mejoran el surgimiento neto por medio del sec-tor externo, o también puede ser que tengan una alta carga dedeuda externa, lo que influye negativamente en su ciclo de vidaal aumentar la tasa de cambio.

Finalmente, la medición del ciclo de vida considerando lastres dimensiones: organización industrial (salario promedio in-dustrial, costo laboral unitario, intensidad del capital y relacióncapital producto), geográfica (índice de localización, tamaño dela población, índice de tasa de cambio real y tasa de desempleo)y social (logro educativo y tasa de homicidios), identifica la rela-ción directa e inversa que tienen dichas variables. Por ejemplo:índice de localización y tamaño de la población son las variablescon mayor incidencia directa, mientras que tasa de homicidiostiene una relación inversa; esto puede explicarse por el impactoen la capacidad productiva de las firmas; mientras que en rela-ción capital producto, intensidad del capital y logro educativo, lacorrespondencia depende del tipo de sector analizado.

El territorio como escenario de localización de firmas res-ponde hoy a los procesos de flexibilidad tanto productiva comosocialmente; allí se potencia u obstaculiza la continuidad de losprocesos productivos y sus encadenamientos. La relación firma-territorio explica en parte la forma en que se han manifestadolos procesos de reestructuración y las transformaciones espacia-les de la dinámica industrial.

Una aproximación regional al objeto de estudio permite, porun lado, conocer el comportamiento sectorial dentro de una re-gión, y, por otro lado, da cuenta de las diferencias en la estructu-ra industrial interregional. A continuación se analizan modelos


datos de panel para cada región, de forma similar a los realiza-dos sectorialmente.30

4. Modelo de datos de panel por regiones colombianas

En la discusión desde las esferas sectorial y geográfica es perma-nente la relación de interdependencia entre firma y territorio, ala que se liga el desarrollo, como expresión de las potencialida-des endógenas del territorio, a la dinámica industrial. El creci-miento en las firmas genera progreso económico; al mismo tiem-po, condiciones macroeconómicas adecuadas permiten que lasempresas puedan mantener su competitividad interna y externa.

El desarrollo aparece como un proceso intangible que depen-de de elementos tangibles (acumulación de capital físico y huma-no) y de una adecuada organización y estructura interna de lasregiones, que garantice el establecimiento de unidades producti-vas que potencien el crecimiento territorial y el flujo de inversio-nes externas. Se plantea entonces el desarrollo como el efectoconjunto de factores exógenos y endógenos del territorio.

A continuación se presenta un análisis sectorial para cada re-gión del estudio mediante un modelo que relaciona las variablesde organización industrial, geográficas y sociales (véase cuadro 3).

4.1. Análisis de los sectores en la región Bogotá-Soacha

La localización es importante en el surgimiento neto de las fir-mas asentadas en Bogotá-Soacha, por las ventajas que genera eltamaño de la población y la condición de centro administrativo,político y económico. En este caso, la variable tasa de desempleono suscita impacto positivo en el surgimiento de nuevos proyec-tos productivos.

Las variables de organización industrial no tienen relaciónestrecha; no obstante, el costo laboral unitario incide en el in-cremento del surgimiento neto de las firmas de la región Bogotá-Soacha, porque a menores costos laborales los empresarios ob-tienen ganancias relativas que se traducen en consolidación desu firma.

30 Se consideran como unidades de sección cruzada la organización industrial:salario promedio industrial (SPI), costo laboral unitario (CLU), intensidad del capital (IK)y relación capital producto (RKP); variables geográficas: índice de localización (IL),tamaño de la población (PB), tasa de desempleo (DSM) e índice de tasa de cambio real(ITCR); y variables sociales: logro educativo (LE), y tasa de homicidios (HMD)


La variable índice de tasa de cambio real no muestra efectosen el ciclo de vida de las firmas, ya que una mejora de competiti-vidad vía tasa de cambio no incide en el surgimiento neto. Estetipo de comportamiento se justificaría en que los empresarios deBogotá-Soacha no han cifrado en la tendencia de la tasa de cam-bio sus posibilidades de exportar, por el contrario, han desarro-llado ventajas dinámicas y métodos empresariales que los apar-tan del vaivén cambiario; otra razón podría encontrarse en elnivel de endeudamiento externo que tengan los empresarios ex-portadores de la región, ya que con incrementos de la tasa decambio se genera mayor carga de deuda, lo que obstruye el pro-ceso productivo y deriva en un alto porcentaje de liquidación defirmas, lo que se traduce en un menor surgimiento neto.

4.2. Análisis de los sectores en la región Cali-Yumbo

La localización en Cali-Yumbo no tiene relación positiva con sur-gimiento neto de las firmas, lo que muestra que los empresariosno se asientan en esta región por las posibilidades que les brinda;quizá lo hagan por decisiones de cultura, tradición o lazos fami-liares. La variable tamaño de la población tampoco incide positi-vamente en el ciclo de vida de las firmas.

Dados los resultados, puede decirse que en Cali-Yumbo el sur-gimiento de firmas se dinamiza por variables distintas de las deorganización industrial y las geográficas, lo que implica que laspolíticas industriales son ineficientes o tienen bajo impacto.

Cuadro 3Resultado de un modelo regional de variables de organizaciónindustrial y geográficas para el análisis del ciclo de vida de las

firmas colombianas en el periodo 1995-2000

El modelo incluyó estimaciones en desviaciones ortogonales.Los errores estándar son robustos para heteroscedasticidad.Los instrumentos utilizados en el modelo están en niveles.El método de estimación es paneles incompletos o desbalanceados por efectos fijos.El contraste del multiplicador de Lagrange para el modelo de efectos aleatorios de Breusch y Pagan


Región IL SPI CLU IK RKP PB DSM ITCR R2 FAjustado Estadístico

Bogotá-Soacha + + – – + + – – 0.670 0.000Cali-Yumbo – – + + – – – – 0.856 0.000Medellín-Valledel Aburrá + – – + – + + + 0.969 0.000


4.3. Análisis de los sectores en la región Medellín-Valle delAburrá

En el caso de Medellín-Valle de Aburrá, de acuerdo con las va-riables seleccionadas para explicar el ciclo de vida, se evidenciauna lógica regional importante, pues la variable que incide en unmayor surgimiento de firmas es índice de localización, se apro-vechan así las condiciones locales y se genera en redes un mode-lo territorial en un ambiente local.

Además, se encontró que: 1) tamaño de la población, tasa dedesempleo, costo laboral unitario, intensidad del capital e índicede tasa de cambio real tienen efectos positivos en el surgimiento defirmas en la región, y 2) las variables con un comportamiento con-trario son: salario promedio industrial y relación capital producto.

5. Datos de Panel por regiones colombianas: modelo deorganización industrial, localización y variables sociales

El territorio es más que un mero receptáculo o soporte físico delas actividades sociales, económicas y culturales del hombre;constituye un tejido social e histórico, resultado de las relacio-nes sociales que se expresan en diversas formas de uso, ocupa-ción, apropiación y distribución. Las políticas sociales brindanposibilidades para el ordenamiento y desarrollo sostenible delterritorio, mediante la planificación de las formas de aprovecha-miento, su ocupación y la capacidad de integrar el sistema alconjunto de la población.

Para obtener consolidación y madurez de los aparatos pro-ductivos colombianos, no sólo hay que pensar en precios, capitaly tecnología, sino también en la interacción social. En el siguien-te modelo se incluyen las variables sociales, desde las cuales sebusca entender la incidencia que presenta la situación social enel ciclo de vida de las firmas regionales, adicional a la localiza-ción y a la organización industrial (véase cuadro 4).

5.1. Análisis de la región Bogotá-Soacha

El índice de localización en la región de Bogotá-Soacha muestraeconomías de aglomeración. La población es un factor impor-tante en este caso. Aparentemente, esta región no ha pasado elumbral de urbanización, lo que aún favorece el surgimiento defirmas, y se generan economías de escala que contribuyen a la


consolidación de las firmas asentadas. Este resultado resalta elpeso que posee la aglomeración de los factores respecto a susimple acumulación, que es además un catalizador para el creci-miento, pues contribuye, por un lado, a elevar la productividadal facilitar la combinación de factores y difusión de innovación yconocimiento, y, por otro, a la eficiencia por su incidencia en lareducción de costos de transporte, transacción e informaciónpara los agentes.

Bogotá-Soacha presenta signo positivo en la variable tamañode la población, lo que indica lo significativo de este factor en laconsolidación de las firmas que se localizan en la región. La exis-tencia de economías de aglomeración y la relación directa quehay entre el surgimiento de firmas y el tamaño poblacional esta-rían indicando que esas economías de aglomeración se asocian aeconomías de urbanización.

El índice de localización sugiere que el número de empresasen el sector todavía no sobrepasa ciertas bondades de la aglome-ración. Se postula como hipótesis que este índice, con signo po-sitivo, podría ser indirectamente un indicador de mejor organi-zación de los productores y, en general, de los actores queconcurren en la producción para establecer mejores relacionessociales entre organizaciones gremiales.

La tasa de desempleo, con signo negativo, explica cómo unamayor tasa de desempleo puede estar asociada a una menor en-trada de nuevas firmas al mercado, en el sentido de que se redu-ce la posibilidad de consumo en el mercado por parte de las per-sonas que quedan cesantes. Bogotá-Soacha, por ser el gran centrode consumo del país, ha alineado su propio crecimiento econó-mico y el de los municipios aledaños.

Las variables de organización industrial resultan significati-vas, pero su aporte al surgimiento neto de las firmas es marginaly con poca incidencia, cuestión que no se esperaba a priori, yaque la región Bogotá-Soacha debería tener alta relación intensi-dad del capital y relación capital producto con la fase de conso-lidación de las firmas en el ciclo de vida. Este análisis se amplía ala variable externa índice de tasa de cambio real, la cual presentósigno negativo.

El análisis de las variables sociales presentó ciertas inconsis-tencias teóricas en relación con los resultados. El logro educati-vo no incide en el surgimiento de empresas, lo que llevaría apensar que las firmas de la región no requieren trabajadores conalta calificación.


5.2. Análisis de la región Cali-Yumbo

En los resultados de esta región destaca una relación inversa conel índice de localización, lo cual sugiere que las economías deaglomeración ocurren para un cierto tamaño de ciudades y deaglomeración de firmas. Esta región muestra que para los em-presarios no es de relevancia el territorio donde se ubican susfirmas. Tal comportamiento es similar respecto al tamaño de lapoblación: se revela que la magnitud del mercado local no tieneincidencia en el ciclo de vida de las firmas allí asentadas.

El desempleo obtiene un signo negativo, lo que significa que aun mayor nivel de desocupación corresponde una menor entra-da de nuevas firmas al mercado y un mayor ritmo de liquidación,en el sentido de que se reduce la posibilidad de consumo porparte de las personas que quedan cesantes, y esto contribuye areducir el ciclo de vida de las firmas de los sectores analizados.

Costo laboral unitario presentó incidencia directa en el surgi-miento neto de las firmas, lo que representa relación positivacon el ciclo de vida que podría estar asociado a mayor grado decalificación de los trabajadores. De igual forma, relación capitalproducto presentó signo negativo, y es elocuente pues demues-tra que en esta región el aporte del capital como factor producti-vo al valor agregado de la empresa es en alguna medida un indi-cador de poca eficiencia.

Las variables sociales presentaron relación positiva con elsurgimiento neto; eso indica que en Cali-Yumbo la educación es

Cuadro 4Resultados de un modelo regional de variables de organización

industrial, geográficas y sociales para el análisis del ciclo devida de las firmas colombianas en el periodo 1995-2000

El modelo incluyó estimaciones en desviaciones ortogonales.Los errores estándar son robustos para heteroscedasticidad.Los instrumentos utilizados en el modelo están dados en niveles.El método de estimación es paneles incompletos o desbalanceados por efectos fijos.El contraste del multiplicador de Lagrange para el modelo de efectos aleatorios de Breusch y Pagan


Región IL SPI CLU IK RKP PB DSM LEI TCR R2 FAjustado Estadístico

Bogotá-Soacha + – – – – + – – – 0.999 0.000Cali-Yumbo – – + + – – – + + 0.999 0.000Medellín-VA + – + + – – – + + 0.999 0.000


un factor condicionante de los procesos de inserción del indivi-duo en la sociedad del conocimiento, y que juega un papel funda-mental en el ejercicio de la ciudadanía, ya que, con todas suslimitaciones, el sistema escolar constituye en esta región uno delos agentes de socialización que contribuye a la formación y aldesarrollo de los individuos.

El índice de tasa de cambio real presentó relación positivacon el surgimiento neto, lo que demuestra que la actitud expor-tadora de los empresarios del valle del Cauca puede generarlessinergias positivas en un escenario de seguridad y con mayoreslogros educativos en sus trabajadores, lo cual permite un ciclode vida prolongado de sus firmas.

5.3. Análisis de la región Medellín-Valle de Aburrá

Esta región presenta el índice de localización con signo positivoy alta significancia estadística que sería producto, por un lado,de estrategias empresariales diferenciales que interiorizan el va-lor de uso complejo del territorio en su afán por conseguir mejo-res niveles de competitividad; y, por el otro lado, del aprovecha-miento de condiciones locales y la generación de redes en unmodelo territorial. El desempleo es un flagelo que golpea el ciclode vida de las firmas antioqueñas al reducir su estabilidad y pro-ducir mayores procesos de liquidación.

En cuanto a las variables de organización industrial se esta-blece que, aunque todas ellas son significativas estadísticamente,no presentan relación estrecha con el ciclo de vida de las firmas.Caso contrario ocurre con la variable externa, donde una mayortasa de cambio otorgaría a las firmas un ciclo extenso. Esto mues-tra que la ampliación de mercados externos con mayor competi-tividad permite mayores tasas de surgimiento de firmas e impidesu liquidación, lo que prolonga su ciclo y les genera madurezproductiva.

La variable social tiene un alto significado para esta región,dado que el logro educativo presentó signo positivo y alto nivelde significación estadística. Podría decirse que cuando se alcan-za a una masa crítica de la población se contribuye a una mejordefinición de las instituciones y de las reglas de juego colectivas,y que aumentos de las capacidades humanas permiten que lasempresas accedan a mayores competencias laborales, lo que ge-nera ventajas competitivas dentro de sus firmas y establece si-


nergias positivas a la región. Esto repercutiría en mayores ciclosde vida de las firmas.

Conclusiones

El territorio, como espacio donde se localizan los sectores, seconstituye en un aporte y soporte para elevar la eficacia de lagestión empresarial local. Es allí donde la dinámica productivase vuelve eje de las políticas de fomento que elevan la capacidadpara la asistencia técnica, el acceso a los canales de crédito y a lainformación.

En este estudio, el objetivo básico fue identificar los factoresdeterminantes del ciclo de vida de las firmas (resta entre el surgi-miento y la liquidación de firmas) y la distribución espacial de laindustria manufacturera en Colombia en la segunda mitad de ladécada de los noventa. Se partió de que el ciclo de vida y la loca-lización de los sectores es diferente y cambiante, y para compro-bar lo anterior se hicieron mediciones con el modelo datos depanel por regiones y por sectores que permitieran observar elcomportamiento a través del tiempo.

La medición evidenció que las fuerzas competitivas influyendirectamente en el ciclo de vida y la localización industrial pormedio de su relación con la estructura interna y con las condi-ciones que propician un potencial crecimiento o una etapa rece-siva. Las condiciones que marcan la competencia influyen sobrela estructura y las estrategias de las firmas. La participación deesa competencia sobre los beneficios potenciales y el entornoque delimita el ciclo de vida de las firmas explica la existencia debarreras de entrada y salida, el grado de rivalidad entre las fir-mas existentes, la presión de los bienes sustitutos y complemen-tarios y el poder de negociación existente en la cadena de comer-cialización.

En los resultados de los modelos del ciclo de vida se encontróque siendo las mismas variables medidas por sectores y por re-giones, son distintos los resultados. Algunas variables que en lamedición por regiones influyen directamente, en el análisis porsectores son inversas. Esto muestra el grado de heterogeneidadque presentan las regiones colombianas y la forma en que losdeterminantes inciden en el proceso de surgimiento neto.

El comportamiento de las variables de los sectores en las dis-tintas regiones en términos de las dimensiones propuestas nopresenta una lógica donde podamos separar impactos de la orga-


nización industrial, por un lado, y de las variables geográficas,por el otro, sino unas relaciones entre las variables que las defi-nen como determinantes del ciclo de vida en un territorio deter-minado. Por ejemplo: el comportamiento del tamaño de la po-blación por economías de aglomeración tiene una relaciónpositiva en Medellín-Valle de Aburrá, Bogotá-Soacha y Cali-Yum-bo. El desarrollo tecnológico, visto a través de relación capitalproducto, mostró un impacto en el ciclo de vida de las firmassólo en Bogotá-Soacha.

Estos resultados son importantes en el diseño de políticas lo-cales para los sectores productivos en la industria. La distribu-ción espacial de las actividades económicas y de la población esresultado de múltiples decisiones individuales y, por tanto, co-lectivas. La inclusión de variables sociales en un modelo de rela-ciones que tienen que ver con la teoría de la organización indus-trial (microeconomía) y la localización (mesoeconomía) adquiererelevancia, ya que agrega explicaciones de la realidad social delterritorio al comportamiento sectorial.

En cuanto al análisis de localización, dicha variable explicó elaumento del ciclo de vida en las regiones Bogotá-Soacha y Me-dellín-Valle de Aburrá, mas no en Cali-Yumbo. Debe destacarseel comportamiento de esta variable en Medellín-Valle de Aburrá,pues muestra en todas las regresiones una alta significación. Espreocupante el comportamiento, por un lado, de la variable rela-ción capital producto, ya que tiene signo inverso, por lo que po-siblemente está restándose importancia al desarrollo tecnológi-co; y, por otro, de la variable tamaño de la población, que presentael mismo signo, lo cual significa que la aglomeración no es deter-minante en el ciclo de vida de algunos sectores.

El ciclo de vida de las firmas no depende sólo de variablesmicro, asociadas a la organización industrial, sino también devariables sociales, que aunque son limitadas y tienen poca infor-mación, expresan algunas relaciones. Además, son necesarias parala consolidación y madurez de los aparatos productivos colom-bianos porque no sólo hay que pensar en precios, capital y tec-nología, sino también en interacción social.

La estructura productiva de un territorio es el fruto de unproceso acumulativo que arranca de los factores estáticos –ven-tajas comparativas– que determinan la capacidad para atraer yconsolidar proyectos empresariales, y se vuelve un proceso diná-mico de interacciones en los espacios productivos. Las ventajasiniciales de la región le definen su especialización inicial, pero


luego van incorporándose características de las economías deíndole externa y del crecimiento económico.

Los territorios generan un comportamiento sectorial nacio-nal que responde a comportamientos en el ciclo de vida desde:1) la localización, el tamaño de la población y el salario prome-dio industrial, variables que, de acuerdo con los resultados, lohacen reaccionar de forma directa; 2) el costo laboral unitario yla tasa de desempleo lo hacen reaccionar de forma contraria; 3)la relación capital producto es positiva al ciclo de vida de lasfirmas en la mayoría de los sectores, excepto en alimentos y be-bidas, metálicos y otras industrias manufactureras, lo cual ame-rita una política de ciencia y tecnología que dé respuesta al tipode empresas que emergen en cada sector; 4) es importante ana-lizar con detenimiento el signo de la tasa de desempleo frente ala propuesta de política económica donde se plantea que los in-centivos empresariales pueden disminuir la tasa de desempleo, y,por último, 5) es importante analizar la relación de salario pro-medio industrial y costo laboral unitario, que caminan en direc-ciones contrarias.

Los resultados de la modelación muestran que el grado deheterogeneidad estructural y la poca especialización de algunossectores y regiones son determinados por distintos factores. Esteplanteamiento necesita ser tenido en cuenta en el delineamientode una política industrial que potencie ventajas de cada regiónpara la localización, la especialización y la competencia.

Aunque en el estudio se evidenciaron las relaciones estructu-rales por regiones y sectores, resultó difícil verificar las relacio-nes intersectoriales, pues no se establecen parámetros en los quepueda observarse el comportamiento empresarial, el emprendi-miento y la dinámica de localización que genera cada territorio alos sectores analizados, asimismo la relación existente de los sec-tores entre sí y su dinámica en el surgimiento y en la liquidaciónde las firmas.

Se propuso el modelo con dos variables sociales que reflejanla realidad del territorio colombiano: tasa de homicidio y logroeducativo. En la medición que incluía dichas variables se encon-tró que el segundo podía ser un determinante del surgimientoneto, y que tasa de homicidios no generaba surgimientos netospositivos, como era lo esperado.

Estos resultados, en una propuesta institucional de políticaindustrial, resultan significativos en la medida que la dinámicade sectores productivos no tiene los mismos énfasis ni en los


sectores ni en las regiones; por lo tanto, las demandas de califi-cación en tecnologías y recursos son diferentes. Un ejemplo:mientras que costo laboral unitario es negativo al surgimientoneto en Bogotá-Soacha, en Cali-Yumbo y Medellín-Valle de Abu-rrá es positivo.

¿Cuál es la apuesta, o cuáles son las preocupaciones que tie-nen que asumirse en términos de los territorios y de los sectores,y cuáles son las razones por las que surgen y se liquidan las em-presas en Colombia? Estas son interrogantes que emergen conmiras a hacer un aporte a la construcción de políticas para eldesarrollo productivo desde los impactos en el territorio y lossectores. En última instancia, la consolidación del ciclo de vidade las firmas lo que hace es fortalecer en su interior a los territo-rios, y en ellos, a los sectores que allí se localizan.


AN

EXO

Cua

dro

1aR

esul

tado

s de

un

mod

elo

regi

onal

por

sec

tore

s de

var

iabl

esde

org

aniz

ació

n in

dust

rial

, geo

gráf

icas

y s

ocia

les

para

el a

nális

is d

el c

iclo

de

vida

de

las

firm

as c

olom

bian

as e

nel

per

iodo

199

5-20

00

Sect

orIL

SPI

CLU

IKR

KP

PBD

SMLE

HM

DIT

CR

R2

FM

odel

oA

just

ado

Est

adís

tico

Alim

ento

s y0.

4690

860.

90E

-07

–0.3

0132

14.

56E

-07

0.01

1817

4.19

E-0

90.

0075

020.

2538

57–0

.264

856

–0.0

0807

2Pr

imer

abe

bida

st

(5.1

9227

4)(0

.566

691)

(–3.

0880

)(0

.892

114)

(0.2

6896

5)(0

.131

651)

(1.2

4103

2)(0

.361

174)

(–3.

5316

01)

(–3.

2686

09)

0.52

2151

0.00

0000

med

ició

nPr

ob(0

.000

0)(0

.572

5)(0

.002

8)(0

.375

0)(0

.078

86)

(0.8

956)

(0.2

1)(0

.718

9)(0

.000

7)(0

.001

6)

–0.2

4162

–1.1

8E07

0.00

9909

9.15

E-0

8–0

.003

412

1.07

E-0

80.

0056

828.

4694

52–0

.394

129

–0.0

1291

0Se

gund

at

(–12

.113

12) (

–80.

9338

1)(1

9.16

561)

(120

.768

8)(–

21.3

2518

) (14

.097

41)

(76.

8636

2)(5

37.5

486)

(–21

54.4

78)

(–40

2.12

21)

0.99

9999

0.00

0000

med

ició

n*Pr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)Te

xtile

s y

–0.0

9284

32.

17E

-06

–0.1

9543

6-6

.54E

-06

–0.3

7933

–5.3

2E-0

80.

0096

631.

4505

91.

4505

9–0

.245

289

0.00

2335

Prim

era

calz

ado

t(–

151.

7572

)(1

43.2

760)

(–62

0.88

66) (

–192

.06)

(–97

.263

35)(

–163

.154

3)(1

74.1

129)

(746

.685

8)(–

419.

4774

)(3

64.7

855)

0.99

9999

0.00

0000

med

ició

nPr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)M

ader

a y

0.81

3453

7.64

E-0

6–0

.031

166

–7.5

8E-0

63.

49E

-05

1.76

E-0

7–0

.008

474

0.64

4425

–0.3

3978

6–0

.015

969

Prim

era

fabr

icac

ión

t(3

9.05

626)

(18.

1030

6)(7

.107

474)

(–4.

2229

73)

(9.3

2733

6)(6

.849

959)

(–4.

8491

12)

(1.7

9261

8)(–

46.8

1684

)(–

977.

6152

)0.

9999

990.

0000

00m

edic

ión

de m

uebl

esPr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

1)(0

.000

0)(0

.000

00)

(0.0

000)

(0.0

071)

(0.0

000)

(0.0

000)

Pape

l e0.

6622

255.

78E

-07

–0.3

9465

0–1

.33E

-06

0.17

2817

–3.3

7E-0

70.

0233

110.

2829

95–0

.097

748

0.01

8151

Prim

era

impr

enta

s yt

(4.8

4289

1)(0

.801

866)

(–12

.314

4)(–

2.42

19)

(9.2

528)

(–3.

4907

)(6

.055

901)

(–0.

4747

40)

(–7.

2844

47)

(9.0

5360

6)0.

3971

680.

0014

14m

edic

ión

edit

oria

les

Prob

(0.0

000)

(0.4

264)

(0.0

000)

(0.0

191)

(0.0

000)

(0.0

010)

(0.0

000)

(0.6

370)

(0.0

000)

(0.0

000)

–1.5

8360

8–4

.52E

-05

1.69

3984

2.34

E-0

50.

5085

143.

76E

-06

–0.1

3740

0–6

7.32

261

–0.4

2083

0–0

.050

510

Segu

nda

t(–

9.69

1763

) (–1

3.47

132)

(6.9

9001

1)(1

3.04

965)

(5.5

0059

9)(8

.938

310)

(–6.

0036

13) (

–4.3

0351

4)(–

2.06

1152

)(–

2.33

7100

)0.

9999

790.

0000

0m

edic

ión*

*Pr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

3)(0

.052

5)(0

.029

9)


El m

odel

o in

cluy

ó es

tim

acio

nes e

n de

svia

cion

es o

rtog

onal

es.

Los

err

ores

est

ánda

r so

n ro

bust

os p

ara

hete

rosc

edas

tici

dad.

Los

inst

rum

ento

s ut

iliza

dos

en e

l mod

elo

está

n en

niv

eles

.E

l mét

odo

de e

stim

ació

n es

pan

eles

inco

mpl

etos

o d

esba

lanc

eado

s por

efe

ctos

fijo

s.E

l con

tras

te d

el m

ultip

licad

or d

e La

gran

ge p

ara

el m

odel

o de

efe

ctos

ale

ator

ios d

e B

reus

ch y

Pag

an m

uest

ra e

vide

ncia

s en

favo

r del

mod

elo

de c

ompo

nent

es d

el e

rror

.E

l con

tras

te d

e H

ausm

an v

alid

a el

mét

odo

utili

zado

.*

La

segu

nda

regr

esió

n de

l mod

elo

se e

fect

uó s

in la

info

rmac

ión

regi

onal

sob

re r

esto

del

paí

s.**

La

segu

nda

regr

esió

n de

l mod

elo

se e

fect

uó s

in la

info

rmac

ión

regi

onal

sob

re B

arra

nqui

lla-S

oled

ad, M

edel

lín-V

alle

del

Abu

rrá

y el

res

to d

el p

aís.

FUE

NT

E: C

álcu

los

de lo

s au

tore

s co

n ba

se e

n da

tos

de la

s C

ámar

as d

e C

omer

cio

y de

l Dep

arta

men

to A

dmin

istr

ativ

o N

acio

nal d

e E

stad

ísti

ca.

Quí

mic

os0.

5326

85–4

.87E

-07

0.11

5257

–2.2

3E-0

6–0

.206

04.

70E

-07

–0.0

2354

–2.5

6303

6–0

.219

702

–0.0

0443

08Pr

imer

at

(11.

1266

)(–

4.67

18)

(12.

8315

)(–

38.0

53)

(–10

.613

9)(1

99.0

36)

(–20

.146

8)(–

54.0

8814

)(–

32.7

3857

)(–

22.4

9182

)0.

9991

170.

0000

0m

edic

ión

Prob

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

Cau

cho

y0.

0646

77–8

.06E

-06

0.08

0793

8.76

E-0

6–0

.063

969

2.53

E–0

7–0

.014

778

–1.7

6082

2–0

.116

037

0.01

4756

Prim

era

prod

ucto

st

(8.5

9967

0)(–

6.23

8616

)(3

.458

744)

(13.

8209

0)(–

8.57

1508

)(34

.969

44)(

–6.8

0213

2)(1

6.25

590)

(–16

.538

73)

(9.6

1000

1)0.

9970

380.

0000

0m

edic

ión

plás

tico

sPr

ob(0

.000

0)(0

.000

0)(0

.001

1)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)

Min

eral

es0.

0715

047.

87E

–06

–0.7

9199

4–6

.07E

–06

0.22

2053

3.47

-07

0.02

8979

–2.1

2663

70.

0648

45–0

.009

700

Prim

era

no m

etál

icos

t(1

4.04

936)

(7.3

9120

8)(–

6.29

1345

)(–6

.726

435)

(0.4

.479

058)

(3.5

3441

8)(1

3.88

577)

(–3.

9492

70)

(8.3

0765

3)(–

11.1

1306

)0.

9899

990.

0000

00m

edic

ión

Prob

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

002)

(0.0

021)

(0.0

000)

(0.0

008)

(0.0

000)

(0.0

000)

Met

álic

os,

0.1

2420

96.

49E

–06

0.06

3045

2.08

E-0

60.

0345

431.

17E

–07

–0.0

5590

5–1

.484

111

–0.3

3427

8–0

.003

743

Prim

era

maq

uina

ria,

t(2

8.03

191)

(30.

3114

3)(7

.585

561)

(7.6

5722

7)(1

6.51

549)

(23.

9571

3)(–

162.

5408

)(–1

4.22

319)

(–18

8.37

44)

(–25

.648

33)

0.99

9999

0.00

0000

med

ició

nco

nstr

ucci

ónPr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0) (0

.000

0)(0

.000

0)de

equ

ipo

ym

ater

ial d

etr

ansp

orte

Otr

as in

dus-

1.08

3533

8.87

E–0

60.

2963

074.

50E

-05

–0.4

4199

67.

55E

–07

–0.0

2965

2–2

6.93

581

–0.1

7812

1–0

.026

192

Prim

era

tria

s man

u-t

(27.

2630

1)(4

.736

477)

(13.

2131

9)(2

9.18

492)

(–27

.375

77)(

42.3

5478

)(–9

.946

827)

(44.

9123

1)(–

16.7

4924

)(–

23.9

4398

)0.

9999

530.

0000

00m

edic

ión

fact

urer

asPr

ob(0

.000

0)(0

.000

1)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)

Sect

orIL

SPI

CLU

IKR

KP

PBD

SMLE

HM

DIT

CR

R2

FM

odel

oA

just

ado

Est

adís

tico

cont

inua

ción

...


Cua

dro

2aR

esul

tado

s de

un

mod

elo

regi

onal

de

vari

able

s de

org

aniz

ació

n in

dust

rial

y g

eogr

áfic

as p

ara

el a

nális

is d

el c

iclo

de

vida

de

las

firm

as c

olom

bian

as e

n el

per

iodo

199

5-20

00

Reg

ión

ILSP

IC

LUIK

RK

PPB

DSM

ITC

RR

2F

Mod

elo

Aju

stad

oE

stad

ísti

co

Bar

ran-

–0.0

0804

5–3

.79E

-06

–0.0

2286

8–1

.08E

-06

–0.0

0981

02.

21E

-06

0.01

3214

0.00

273

Prim

era

Sole

dad

t(–

20.5

2601

)(–

34.2

0699

)(–

5.34

8330

)(–

13.2

1397

)(–

2.74

8626

)(1

05.9

663)

(20.

5284

6)(3

2.72

9)0.

9998

570.

0000

med

ició

nPr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.007

3)(0

.000

0)(0

.000

0)(0

.000

0)

Bogo

tá-

0.58

6385

3.34

E-0

6–0

.024

752

–1.1

2E-0

61.

70E

-05

1.90

E-0

7–0

.039

773

–0.0

1120

2Pr

imer

aSo

acha

t(6

.126

578)

(15.

0768

8)(–

14.2

2562

)(–

13.8

7752

)(6

.979

856)

(15.

3122

8)(–

35.8

5404

)(–

26.8

0979

)0.

6702

890.

0000

med

ició

nPr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)

Buc

ar-G

irón

-0.

4889

425.

51E

-06

–0.1

0239

1–3

.07E

060.

0494

73–4

.60E

-06

0.02

0957

–0.0

0115

7Pr

imer

aFl

orid

abl.

t(7

.306

347)

(5.2

8423

0)(–

3.30

2840

)(–

4.17

8322

)(3

.672

257)

(–8.

2613

06)

(5.3

3217

0)(–

1.13

442)

0.60

0630

0.00

00m

edic

ión

Prob

(0.0

000)

(0.0

000)

(0.0

014)

(0.0

000)

(0.0

004)

(0.0

000)

(0.0

000)

(0.2

597)

Cal

i-Yum

bo–0

.205

356

–2.2

3E–0

53.

1257

735.

99E

-06

–0.1

5498

6–2

.55E

–06

–0.0

1212

5–0

.016

995

Prim

era

t(–

10.4

9313

)(–

41.6

0588

)(4

5.68

016)

(162

.785

5)(–

48.4

7052

)(–

63.5

5554

)(–

30.4

2185

)(–

70.4

7105

)0.

8566

730.

0000

med

ició

nPr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)0.

0000

)(0

.000

0)(0

.000

0)(0

.000

0)

MED

-VA

2364

359

–2.6

3E–0

5–0

.373

923

1.01

E–0

5–0

.101

095

4.19

E-0

60.

0155

710.

0710

18Pr

imer

at

(6.0

9777

4)(–

17.2

131)

(–5.

4105

27)

(18.

6332

4)(–

3.62

7318

)(1

5.34

488)

(2.2

8968

5)(2

7.51

588)

0.96

9296

0.00

00m

edic

ión

Prob

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

005)

(0.0

000)

(0.0

245)

(0.0

000)


cont

inua

ción

...

El m

odel

o in

cluy

ó es

tim

acio

nes e

n de

svia

cion

es o

rtog

onal

es.

Los

err

ores

est

ánda

r so

n ro

bust

os p

ara

hete

rosc

edas

tici

dad.

Los

inst

rum

ento

s ut

iliza

dos

en e

l mod

elo

está

n en

niv

eles

.E

l mét

odo

de e

stim

ació

n es

pan

eles

inco

mpl

etos

o d

esba

lanc

eado

s por

efe

ctos

fijo

s.E

l con

tras

te d

el m

ulti

plic

ador

de

Lag

rang

e pa

ra e

l mod

elo

de e

fect

os a

leat

orio

s de

Bre

usch

y P

agan

mue

stra

evi

denc

ias

en fa

vor

del m

odel

o de

com

pone

ntes

del

err

or.

El c

ontr

aste

de

Hau

sman

val

ida

el m

étod

o ut

iliza

do.

* L

a se

gund

a re

gres

ión

del m

odel

o se

efe

ctuó

sin

la in

form

ació

n se

ctor

ial s

obre

tex

til y

cal

zado

y q

uím

icos

.

FUE

NT

E: C

álcu

los

de lo

s au

tore

s co

n ba

se e

n da

tos

de la

s C

ámar

as d

e C

omer

cio

y de

l Dep

arta

men

to A

dmin

istr

ativ

o N

acio

nal d

e E

stad

ísti

ca.

Res

to d

el–0

.002

581

9.58

E-0

8–0

.100

112

–6.1

5E-0

7–0

.014

983

1.22

E-0

7–0

.011

082

–0.0

0084

1Pr

imer

apa

íst

(–0.

3503

32)

(0.4

4975

8)(–

10.3

5035

)(–

3.86

7433

)(–

1.39

9316

)(1

4.32

552)

(–5.

9062

77)

(–2.

3362

61)

0.60

9158

0.00

00m

edic

ión

Prob

(0.7

269)

(0.6

540)

(0.0

000)

(0.0

002)

(0.1

653)

(0.0

000)

(0.0

000)

(0.0

218)

0.01

5595

8.29

E-0

7–0

.117

220

–5.8

0E–0

7–0

.002

983

1.28

E-0

7–0

.015

552

–0.0

0180

9Se

gund

at

(2.3

6883

0)(2

.268

198)

(–10

.434

14)

(–3.

7482

77)

(–0.

2469

41)

(14.

1824

4)(–

6.15

1303

)(–

3.89

1800

)0.

6719

890.

0000

med

ició

n*Pr

ob(0

.020

7)(0

.026

5)(0

.000

0)(0

.000

4)(0

.805

7)(0

.000

0)(0

.000

0)(0

.000

2)

Reg

ión

ILSP

IC

LUIK

RK

PPB

DSM

ITC

RR

2F

Mod

elo

Aju

stad

oE

stad

ísti

co


Cua

dro

3aR

esul

tado

s de

un

mod

elo

regi

onal

de

vari

able

s de

org

aniz

ació

n in

dust

rial

, geo

gráf

icas

y s

ocia

les

para

el a

nális

is d

elci

clo

de v

ida

de la

s fi

rmas

col

ombi

anas

en

el p

erio

do 1

995-

2000

Reg

ión

ILSP

IC

LUIK

RK

PPB

DSM

LEIT

CR

R2

FA

just

ado

Est

adís

tico

Bar

r-So

leda

d0.

0372

31–2

.22E

-06

–0.0

4994

43.

53E

-07

0.04

1844

–9.4

4E-0

70.

0418

44–2

0.33

518

0.00

3055

t(1

6.20

507)

(–46

.076

71)

(–21

.587

86)

(15.

9496

0)(3

9.85

146)

(–92

.032

24)

(126

.874

3)(–

702.

8945

)(3

3.30

720)

0.91

0020

0.00

00Pr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)

Bogo

tá-S

oach

a0.

2162

27–8

.75E

-07

–0.1

1827

6–2

.82E

-09

–0.0

0016

31.

72E

-06

–0.1

0026

8–1

8.25

736

–0.0

1166

5t

(70.

8661

1)(–

74.3

7479

)(–

259.

3380

)(–

0.84

9986

)(–

1.71

6856

)11

50.4

51(–

496.

9383

)(–

772.

8175

)(–

152.

418)

0.99

9663

0.00

00Pr

ob(0

.000

0)(0

.000

0)(0

.577

0)(0

.397

7)(0

.089

6)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)

Buc

ar-G

irón

-0.

4506

55.

20E

-06

–0.0

6514

7–2

.88E

060.

0417

09–4

.74E

-06

0.02

0304

1.10

224

–0.0

0168

Flor

idab

l*t

(8.0

794)

(4.6

085)

(–2.

1736

)(–

4.92

845)

(4.1

7625

)(–

4.23

99)

(3.0

568)

(0.4

179)

(–0.

7338

)0.

5914

230.

0000

Prob

(0.0

000)

(0.0

000)

(0.0

325)

(0.0

000)

(0.0

001)

(0.0

001)

(0.0

030)

(0.6

770)

(0.4

651)

Cal

i-Yum

bo–0

.198

042

–2.7

8E-0

54.

7712

326.

70E

-06

–0.1

1293

0–1

.66E

-05

–0.0

9037

394

.142

360.

1038

93t

(–10

.075

31)

(–68

.488

74)

(71.

7441

1)(1

25.0

954)

(–49

.584

72)

(–11

0.26

55)

(–13

8.88

71)

(124

.747

5)(1

01.3

551)

0.99

9990

0.00

00Pr

ob(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.053

8)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)


El m

odel

o in

cluy

ó es

tim

acio

nes e

n de

svia

cion

es o

rtog

onal

es.

Los

err

ores

est

ánda

r so

n ro

bust

os p

ara

hete

rosc

edas

tici

dad.

Los

inst

rum

ento

s ut

iliza

dos

en e

l mod

elo

está

n en

niv

eles

.E

l mét

odo

de e

stim

ació

n es

pan

eles

inco

mpl

etos

o d

esba

lanc

eado

s por

efe

ctos

fijo

s.E

l con

tras

te d

el m

ulti

plic

ador

de

Lag

rang

e pa

ra e

l mod

elo

de e

fect

os a

leat

orio

s de

Bre

usch

y P

agan

mue

stra

evi

denc

ias

en fa

vor

del m

odel

o de

com

pone

ntes

del

err

or.

El c

ontr

aste

de

Hau

sman

val

ida

el m

étod

o ut

iliza

do.

* L

a re

gres

ión

efec

tuad

a pa

ra B

ucar

aman

ga-G

irón

-Flo

rida

blan

ca tu

vo e

n cu

enta

la v

aria

ble

soci

al ta

sa d

e ho

mic

idio

s. E

n es

te c

aso,

se

obtu

vo u

n co

efic

ient

e de

–0.

0235

,au

nque

res

ultó

insi

gnif

icat

iva

esta

díst

icam

ente

.

FUE

NT

E: C

álcu

los

de lo

s au

tore

s co

n ba

se e

n da

tos

de la

s C

ámar

as d

e C

omer

cio

y de

l Dep

arta

men

to A

dmin

istr

ativ

o N

acio

nal d

e E

stad

ísti

ca.

Med

-VA

0.34

9563

–2.3

3E-0

70.

1078

476.

61E

-08

–0.0

0512

0–4

.47E

-06

–0.0

4747

647

.531

870.

1063

71t

(15.

0923

8)(–

3.10

3262

)(1

4.56

951)

(3.2

2965

9)(–

7.91

6509

)(–

293.

1454

)(-

252.

4939

)(7

64.2

103)

(841

.169

6)0.

9992

910.

0000

Prob

(0.0

000)

(0.0

026)

(0.0

000)

(0.0

018)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

(0.0

000)

Res

to d

el p

aís

0.34

9563

–2.3

3E–0

70.

1078

476.

61E

-08

–0.0

0512

0–4

.47E

-06

–0.0

4747

647

.531

870.

1063

71t

(15.

0923

8)(–

3.10

3262

)(1

4.56

951)

(3.2

2965

9)(–

7.91

6509

)(–

293.

1454

)(2

52.4

939)

(764

.210

3)(8

41.1

696)

0.99

9291

0.00

00Pr

ob(0

.000

0)(0

.002

6)(0

.000

0)(0

.001

8)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)(0

.000

0)

Reg

ión

ILSP

IC

LUIK

RK

PPB

DSM

LEIT

CR

R2

FA

just

ado

Est

adís

tico

cont

inua

ción

...


Bibliografía

Acs, Zoltan J. y David B. Audretsch (1989), “Patents as a Mea-sure of Innovative Activity”, KYKLOS, XLII (2): 171-180.

______ (1994), “New-Firm Startups, Technology, and Macroeco-nomic Fluctuations”, Small Business Economics, Sprin-ger, 6 (6): 439-449.

______ (1998). “Innovación, estructura del mercado y tamañode la empresa”, en Hugo Kantis, Gabriel Yoguel et al.,Desarrollo y gestión de pymes: aportes para un debatenecesario, Universidad Nacional de General Sarmiento,colecc. Libros de la Universidad, Buenos Aires.

Arellano, Manuel y Stephen R. Bond (1991), “Some Test of Spe-cification for Panel Data: Monte Carlo Evidence and anApplication to Employment Equations”, Review of Eco-nomic Studies, 58 (2): 277-297.

______ y Olimpia Bover (1995), “Another Look at the Instru-mental-Variable Estimation of Error-Components Mo-dels”, Journal of Econometrics, 68 (1): 29-51.

Armington, Catherine y Zoltan Acs (2000), The Determinants ofRegional Variation in New Firm Formation, University ofBaltimore, Baltimore, MD, octubre.

Audretsch, David B. y Michael Fritsch (1999), “The IndustryComponent of Regional New Firm Formation Processes”,Review of Industrial Organization, 15 (3): 239-252.

Burachik, Gustavo (2000), “Cambio tecnológico y dinámica in-dustrial en América Latina”, Revista de la Cepal, agosto71: 85-104.

Cardona Marleny y Adriana Ángel (1999), Impacto de las redesindustriales en la política sectorial: el caso de los alimen-tos, textil-confección y metalmecánica, investigación ins-titucional, Universidad Eafit, Medellín, Colombia.


______, Ana Rocío Osorio y Camilo Coronado (2001), Surgi-miento de firmas regionales colombianas (1995-2000),investigación institucional, Universidad Eafit, Medellín,Colombia.

______, Ana Rocío Osorio y Carlos Andrés Cano (2003), Ciclode vida y localización espacial de las firmas en Colombia1995-2000, investigación institucional, Universidad Eafit,Medellín, Colombia.

Cepal (Comisión Económica para América Latina y el Caribe)(2000), “Un crecimiento más dinámico”, Equidad, desa-rrollo y ciudadanía, Naciones Unidas-Cepal, México.

Davidson, Per, Leif Lindmark y Christer Olofsson (1994), “NewFirm Formation and Regional Development in Sweden”,Regional Studies, 28 (4): 395-410.

Departamento Administrativo Nacional de Estadística (DANE), En-cuesta anual manufacturera 1980-2000, DepartamentoNacional de Planeación (DNP), Colombia, www.dnp.gov.co.

Durán, Xavier et al. (1998), La innovación tecnológica en Co-lombia. Características por tamaño y tipo de empresa, DNP-Colciencias, Bogotá.

Echeverry Garzón, Juan Carlos (1999), “La recesión actual enColombia: flujos, balances y política anticíclica, Archivosde Macroeconomía, 113, DNP, Unidad de Análisis Ma-croeconómico, Bogotá.

Feldman, Maryann P. y David B. Audretsch (1998), “Innovationin Cities: Science-Based Diversity, Specialization and Lo-calized Competition”, European Economic Review, 43:409-429.

Greene, William H. (2003), Econometric Analysis, Prentice Hall,Nueva Jersey.

Hansen, Lars Peter (1982), “Large Sample Properties of Gene-ralized Method of Moments Estimator”, Econometrica,50: 1029-1053.


Keeble, David y Sheila Walker (1994), “New Firms, Small Firmsand Dead Firms: Spatial Patterns and Determinants in theUnited Kingdom”, Regional Studies, 28 (4): 411-427.

Lora, Eduardo (2001), Los obstáculos al desarrollo empresarial yel tamaño de las firmas en América Latina, Banco Intera-mericano de Desarrollo, Washington, DC.

Lotero, Jorge (1998), “Crisis, reconversión industrial y cambiotécnico en el sistema urbano colombiano (1975-1991)”,en Carlos A. de Mattos, Daniel Hiernaux y Darío Restre-po (comps.), Globalización y territorio. Impactos y pers-pectivas, Pontificia Universidad Católica de Chile-Fondode Cultura Económica, Santiago de Chile.

Mátyás, László (ed.) (1999), Generalizad Method of MomentsEstimation, Cambridge University Press, Cambridge.

Méndez, Ricardo e Inmaculada Caravaca (1996), Organizaciónindustrial y territorio, Síntesis, Madrid.

Roper, Stephen y James H. Love (1999), “Determinants of Inno-vation: R&D, Technology Transfer and NetworkingEffects”, Review of Industrial Organization, 15: 43-64.

Schumpeter, Joseph A. (1975), Teoría del desenvolvimiento eco-nómico. Una investigación sobre ganancias, capital, crédi-to, interés y ciclo económico, Fondo de Cultura Econó-mica, México.

Tirole, Jean (1997), The Theory of Industrial Organization, TheMIT Press, Massachusetts.

Recibido: 22 de septiembre de 2004.Reenviado: 3 de junio de 2005.

Aceptado: 7 de octubre de 2005.


Marleny Cardona Acevedo es directora del Grupo de EstudiosSectoriales y Territoriales (ESYT) y profesora de la UniversidadEafit de Medellín (Colombia). Economista de la Universidad deAntioquia (Colombia) y doctora en ciencias sociales de El Cole-gio de la Frontera Norte (México). Entre sus investigaciones másrelevantes se encuentran: La cadena productiva como estrategiacompetitiva en la industria del vestido: los casos de Monterrey yMedellín (1997); Las cadenas productivas como estrategia de com-petitividad en los sectores: alimentos, textil, confección y metal-mecánico (1998); Evaluación del sector floricultor en Colombia(1998); Impacto de las redes productivas en la política sectorial(1999) con Adriana Ángel; Trayectorias profesionales y laboralesde los egresados de Administración (2000) con Ana Rocío Osorioy Carlos Londoño; Determinantes en el surgimiento y localiza-ción de firmas (2001) con Camilo Coronado; Sociedad en red,innovación y sistemas de información: análisis de caso en las tele-comunicaciones y el software para la industria en Colombia(2003); El ciclo de vida y localización espacial de las firmas enColombia 1995-2000 (2003), y Las mipymes en el crecimientoindustrial colombiano 1980-2000 (2004).

Carlos Andrés Cano Gamboa es economista por la UniversidadEafit, Joven Investigador Colciencias (2004), asistente de inves-tigación del Grupo de Estudios Sectoriales y Territoriales ESYT,profesor de Macroeconomía, Microeconomía y Procesos de In-vestigación Aplicada de la Universidad Eafit de Medellín. Entresus investigaciones más relevantes se encuentran: El ciclo de viday localización espacial de las firmas en Colombia 1995-2000(2003); Las mipymes en el crecimiento industrial colombiano1980-2000 (2004), Composición, concentración y combinaciónde factores productivos de las mipymes en la industria colombia-na (1980-2000): Un análisis de datos de panel.

Análisis sectorial y regional del ciclo d vida de las ...

Documents

Transcript of Análisis sectorial y regional del ciclo d vida de las ...