Procesos de fracaso empresarial en PYMES. Identificación y contrastación empírica.

José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa ISSN: 1989 – 1725 Vol.1. nº 2 64 PROCESOS DE FRACASO EMPRESARIAL EN PYMES. IDENTIFICACIÓN Y CONTRASTACIÓN EMPÍRICA José Luis Arquero Montaño (Universidad de Sevilla), María Cristina Abad Navarro (Universidad de Sevilla) y Sergio Manuel Jiménez Cardoso (Universidad de Sevilla). RESUMEN La investigación sobre fracaso empresarial tiene como objetivo el diseño de modelos pred ictivos. Hasta ahora, la investigación existente utiliza un mismo planteamiento: la separación de las empresas en dos categorías , sanas y fracasadas. Aunque estos mod elos llegan a proporcionar tasas iniciales de éxito aceptables, su uso posterior muestra una cierta inestabilidad predictiva y escasa fiabilidad en contextos diferentes a los iniciales. Este trabajo investiga la existencia de diferentes procesos de fracaso, primer paso para el desarrollo de un nuevo marco teórico para futuros diseños experimentales, que superen el modelo simplista de dicotomía sanas / fracasadas. Palabras clave: fracaso empresarial, síndromes de fracaso 1. ANTECEDENTE Y OBJETIVO DE LA INVESTIGACIÓN El principal referente de la investigación en predicción del fracaso empresarial es el trabajo de Altman (1968), donde propone un modelo multivariante que explota las diferencias entre empresas pertenecientes a dos muestras (fracasadas y no fracasadas), emparejadas por tamaño y sector. Su éxito al pronosticar el fracaso (superior al 90% en la muestra de control, al 80% en una muestra de empresas de bajo rendimiento y al 70% dos años antes del fracaso) supuso una revolución en la investigación contable. Este modelo permite aumentar la eficiencia del esfuerzo de análisis, dirigiéndolo a las empresas situadas en la “zona gris”. Sin embargo, ni explica por qué algunas empresas fracasan ni reproduce la estrategia de decisión de los analistas. La investigación posterior se aplicó a la mejora del Z -score de Altman (por ejemplo, ver las revisiones efectuadas por Laffarga y Mora, 2002 y por Balcaen y Ooghe, 2006). El esfuerzo fue impresionante. El diseño experimental de Altman se aplicó a otros perío dos, sectores y países, empleando técnicas estadísticas, variables, horizontes temporales y diseños muestrales idénticos o levemente diferentes. Sin embargo, no sufrieron alteraciones sustanciales ni el diseño experimental ni el enfoque instrumental que lo sustentaba. Sistemáticamente se compararon muestras de empresas fracasadas y no fracasadas y se calificaban como aceptables los modelos que proporcionasen un éxito clasificatorio comparable al obtenido por el Z -score. La elección del modelo y de las varia bles discriminantes se consideraron asuntos empíricos, que debían resolverse siempre en favor de aquellos que mostrasen un mayor éxito clasificatorio. Durante todos estos años, parece que los investigadores creyeron que la identificación del modelo predictivo definitivo estaba tan próxima que podía justificarse el empleo de técnicas estadísticas inadecuadas, de “minería de datos” o la ausencia de una teoría del fracaso (Belkaoui, 1980). Posiblemente creyeron que el modelo definitivo surgiría al emplear ot ras variables, otras técnicas estadísticas o muestras más homogéneas. La confianza en lograr un modelo predictivo definitivo llegó a ser tan grande que se jugó con la idea de sustituir los criterios profesionales (o directamente a los profesionales) por modelos matemáticos (Ashton, 1982 y Libby y Lewis, 1982). José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 65 La disponibilidad de bases de datos amplias y de equipos informáticos, así como la novedad que supuso la aplicación de sofisticadas técnicas estadísticas en la investigación contable, incentivó la publicación de numerosos trabajos, normalmente desarrollados sin el adecuado soporte teórico. En estas circunstancias, es probable que el modelo seleccionado empíricamente esté significativamente influido por relaciones estadísticas espurias existentes en la muestra de empresas (Zavgren, 1983). Este problema, que se manifiesta en la escasa validez externa de los modelos predictivos, recibe el nombre de sobreajuste o sobreespecificación y sólo puede afrontarse eficazmente rechazando el instrumentalismo puro. Es decir, aceptando que las variables y/o los modelos contrastados deben estar soportados por teorías a priori del fenómeno. Recientemente, el diseño experimental típico está sufriendo una evidente crisis, observable en la reducción de los artículos public ados que lo emplean. Esta crisis, sin embargo, parece no haber sobrevenido por ninguna de las razones expuestas anteriormente, sino por mostrarse incapaz de proporcionar modelos estables (los propuestos por cada investigador para cada período, sector o país son diferentes) y con tasas de éxito adecuadas en muestras de control. En estas circunstancias el fin instrumental se incumple, debido al riesgo que entraña emplear sistemática y automáticamente los modelos en decisiones reales en las que sólo resulta ad misible un pequeño porcentaje de errores. Desde luego, tampoco contribuye a su popularidad entre los profesionales el que las decisiones propuestas no puedan justificarse, ni en base a la doctrina financiera, ni empleando las políticas de decisión usualmen te aceptadas en las instituciones financieras. La crisis del modelo investigador predominante no ha reducido la necesidad de contar con instrumentos de predicción del fracaso. Al contrario, los acuerdos de Basilea II han incrementado el interés de las ins tituciones financieras en contar con métodos rigurosos para evaluar la probabilidad de impago. Por ello, parece justificado el esfuerzo en desarrollar modelos predictivos que superen las deficiencias detectadas. Algunos autores alegan que una de estas defi ciencias estriba en la posibilidad de que algunas empresas, que están experimentando tensiones financieras o formas leves de fracaso, manipulen la información contable para aumentar la confianza del público (Beaver, 1968 y Wilcox, 1971), probablemente alte rando las magnitudes más populares en el análisis financiero. También se argumenta que las empresas parecen seguir diferentes procesos que desembocan en el fracaso financiero (Laitinen, 1991 y 1993). Por último, otros afirman que las técnicas estadísticas sobreajustan los modelos predictivos para alcanzar el máximo éxito clasificatorio en la muestra, reduciendo su validez externa (por ejemplo, Hair et al., 1999). El problema de la fiabilidad podría resolverse empleando estados contables auditados (sin salvedades o ajustados por las salvedades). Esta restricción no supondría la modificación del diseño experimental típico, aunque: a) impediría el desarrollo de modelos aplicables a las empresas más pequeñas y el empleo de grandes bases de datos sin cuestionar se su fiabilidad, y b) exigiría que se depurasen los datos de las empresas fracasadas, que frecuentemente presentan informes de auditoría con salvedades. En nuestra opinión, esta restricción confinaría la aplicación del análisis contable o financiero a un contexto que nunca debería abandonar: aquél en el que se cuenta con información contable fiable. Uno de los principales escollos del diseño experimental típico es que, al distinguir únicamente empresas sanas y fracasadas, se basa en la hipótesis de la exi stencia de un proceso común, mientras que las empresas parecen seguir diferentes procesos que desembocan en el fracaso (Laitinen, 1991 y 1993). Si la hipótesis subyacente es falsa, existiendo diferentes procesos de fracaso, el éxito clasificatorio de un mo delo sólo podría reproducirse en muestras con una combinación de procesos equivalente a la experimental. En el peor de los casos, y en nuestra opinión más probable, el intento de capturar con un único modelo diferentes procesos de fracaso ocasionaría la el ección de variables y modelos espurios, inválidos y no fiables en otros contextos. José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 66 Esta limitación, sin embargo, no se ha visto reflejada en los últimos trabajos publicados, que continúan utilizando una distinción básica entre empresas sanas y fracasadas ( ver por ejemplo Balcaen y Ooghe; 2004 y 2007 o Chakraborty y Sharma, 2007). Únicamente el trabajo de Jones y Hensher (2007), aunque no llega a proponer distintos procesos de fracaso, utiliza técnicas multinomial nested logit para la predicción, obteniendo en su trabajo cuatro categorías finales: sanas, insolventes, quebradas y fusionadas En este sentido, el principal objetivo de este trabajo es proponer un primer paso hacia el desarrollo de un nuevo diseño experimental, que permita reconocer diferentes p rocesos o síndromes de fracaso empresarial. Para ello, analizamos un conjunto de PYMES fracasadas. El estudio se centra en PYMES dada la enorme importancia de este tipo de empresas en el tejido empresarial español. Como punto de partida teórico para el a nálisis de las PYMES fracasadas empleamos, con ligeras variaciones, la concepción de fracaso de Beaver (1966). Para Beaver, la empresa es una reserva de activos líquidos, en la que hay flujos de entrada y de salida de tesorería. La reserva sirve como colchón que permite salvar diferencias temporales entre estas entradas y salidas. En estos términos, la solvencia se define en función de la probabilidad de que la reserva se agote hasta un punto en el que la empresa sea incapaz de atender a sus obligaciones al vencimiento. Nuestra concepción establece que el fracaso financiero se produce cuando el deudor es incapaz de atender a sus compromisos. Puesto que cualquier acreedor estaría dispuesto a aplazar el cobro de una deuda (o a conceder un préstamo) si se le compensa suficientemente y se le garantiza el reembolso, podría decirse que las empresas no fracasarían si los agentes externos confiasen en su capacidad para cumplir con sus compromisos en el futuro. Esto sería cierto incluso cuando parte de los acreedore s prefiriesen cancelar sus créditos, ya que la empresa siempre podría recurrir a los que siguen confiando en ella. Las expectativas favorables no sólo aumentarían la capacidad de endeudamiento, también atraerían a los inversores. Por lo tanto, el fracaso financiero sólo se produciría al deteriorarse la confianza de los agentes externos. En nuestra opinión, esta confianza se basa en los siguientes datos: ? El patrimonio neto. La diferencia entre el activo real y el pasivo es la última garantía del cumplimiento de las obligaciones con los acreedores. Las expectativas de pérdidas degrada esta garantía. Se consideraran variables representativas de esta garantía el valor del patrimonio neto, ratio patrimonio neto / activo total y la rentabilidad. ? Los activos extra funcionales actuales, los fondos generados esperados y la capacidad de captar financiación adicional (de inversores y acreedores). Todos ellos constituyen recursos que pueden ser empleados para atender los compromisos representados por la financiación ajena no espontánea, las previsibles inversiones necesarias de renovación o ampliación y el aumento previsto del capital circulante típico. Se consideraran variables representativas de estos recursos y compromisos: la cifra de fondos generados ordinarios, el r atio (financiación ajena no espontánea - activos extrafuncionales)/fondos generados ordinarios (tras impuestos), el ratio amortización acumulada/inmovilizado amortizable (indicador de la necesidad de inversiones de renovación) y el incremento esperado del capital circulante típico. Dada la importancia de las deudas no espontáneas, se consideró que la cobertura de los gastos financieros (BAIT/gastos financieros) era una variable que proporcionaba información sobre la garantía del cobro del servicio de la deu da. Esta concepción del fracaso no impide que el proceso de degradación de las garantías pueda producirse de múltiples formas. José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 67 2. SELECCIÓN DE LA MUESTRA DE EMPRESAS FRACASADAS El estudio se realiza en un contexto español. La información se obtuvo a partir de los datos contenidos en las bases de datos de Baratz y SABI. Para formar parte de la muestra de empresas fracasadas, se exigieron los siguientes requisitos: 1. La suspensión de pagos debió solicitarse al menos 3 años antes de la realización del estudio, con el fin de poder contar con una empresa sana de características similares para la que se tuviera la certeza de inexistencia de fracaso posterior durante un periodo razonable. 2. Debía disponerse de datos contables de los tres ejercicios publicados i nmediatamente antes de la suspensión de pagos. Para asegurar la calidad de la información disponible, exigimos la disponibilidad de los informes de auditoría y se desecharon las empresas con opiniones denegadas o informes negativos (datos no fiables). 3. Inexistencia de otras suspensiones de pagos, quiebras o interrupciones de actividad de la sociedad anteriores a la suspensión de pagos que se estudia. El objetivo de este requisito es evitar la contaminación de la muestra, lo que se produciría si no pudiésemo s identificar sin error el momento en el que se produce el fracaso. 4. Tamaño suficientemente grande para ser auditadas (lo que proporciona una información de suficiente calidad y fiabilidad), pero sin exceder los límites europeos para PYMES 1. Dado que la investigación reciente (Abad et al 2003) indica que las salvedades valoradas provocan diferencias significativas en las magnitudes utilizadas en el análisis financiero, se utilizaron los datos ajustados para aquellos casos con salvedades valoradas en el i nforme de auditoría. Cada empresa fracasada se emparejó con una sana del mismo sector (primeros cuatro dígitos del CNAE93), tamaño similar (medido por activo total y cifra de negocios) con estados contables auditados sin salvedades y que no hubiesen frac asado en los tres ejercicios siguientes al último empleado en la comparación. Se identificaron 36 parejas de empresas que cumpliesen todas estas condiciones. 3. ANÁLISIS EMPÍRICO 3. 1. ANÁLISIS DE CASOS Y AGRUPAMIENTOS: SÍNDROMES Para cada empresa, se calculó un conjunto de variables y ratios sobre la información proporcionada en los tres años anteriores a la fecha suspensión (ver anexo). Estas variables cubrían información sobre rentabilidad, solvencia y liquidez, etc. Como paso posterior, el equipo de investigadores, con un grado elevado de conocimiento de análisis financiero, analizó cada caso particular obteniendo un conjunto de informes en el que, para cada firma , se resaltaba la situación actual, su evolución pasada y las variables principales que e xplicaban dicha evolución. Los analistas, siguiendo un procedimiento similar al diagnóstico médico, se centraron en la búsqueda de los síntomas que pudiesen explicar la evolución de la firma hacia el fracaso y que pudiesen discriminar diferentes proceso s. La ventaja de este procedimiento, particularmente 1 Según la recomendación de la Comisión de la Unión Europea de 6 de mayo de 2003, basándose en la Carta de la Pequeña Empresa emitida en el Consejo Europeo de Santa María da Feira en junio de 2000, con entrada en vigor el 1 de enero de 2005, PYME es la unidad económica con personalidad jurídica o física que reúne los siguientes requisitos: menos de 250 empleados y alguno de los siguientes: facturación igual o menor de 50 millones de euros o total de balance igual o menor a 43 millones de euros. José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 68 cuando no existe conocimiento previo sobre los síndromes, es que permite prestar atención a detalles significativos que las técnicas estadísticas al uso ignorarían. El análisis de los informes confirmó que las empresas no presentaban situaciones similares ni seguían un proceso común. Para un porcentaje considerable de las empresas (cercano al 50%) el fracaso podía predecirse utilizando las medidas más usuales, dado que presentaban flujos de fondos negativos que desembocaban en cifras muy bajas, o negativas, de fondos propios. Sin embargo, el resto de las empresas no presentaban las mismas características. Un segundo análisis sobre este conjunto de empresas, centrándose en variables menos utilizadas, perm itió averiguar que un porcentaje superior al 25% de las empresas sufrían una súbita degradación de la cobertura de deudas tras un periodo de inversiones significativas financiadas con pasivos. Por último, un grupo algo más reducido de empresas mostraban un a situación relativamente estable, aunque la rentabilidad y las coberturas de pasivo mostraban valores muy bajos. Una vez que los diferentes grupos se habían identificado en términos generales, se obtuvieron reglas de adscripción más detalladas que definieran y permitieran la clasificación de un caso a un síndrome concreto. La aplicación estricta de estas reglas de adscripción permitió la clasificación inmediata de dos tercios de los casos en tres grupos, cuyos componentes tenían un comportamiento homogéneo dentro del grupo y distinto al de los elementos incluidos en los otros dos. Estos grupos son: - Agujero negro (10 casos, 28%). Son empresas con fondos generados ordinarios negativos en, al menos, dos de los tres años anteriores a la suspensión, mostrando una situación financiera muy débil. El último año el patrimonio neto se hace negativo o muy pequeño (el ratio activo total / pasivo es inferior a 1,25 y este exceso puede ser consumido sustancialmente si las pérdidas del último ejercicio se repiten). Las p érdidas ordinarias que sufren degradan de forma evidente la garantía proporcionada por el patrimonio neto. A pesar de ello, el patrimonio neto no siempre muestra una tendencia decreciente, pues las empresas de este grupo amplían capital, revalorizan activo s o realizan resultados extraordinarios. No obstante, todos estos recursos son devorados rápidamente por las pérdidas ordinarias. En nuestra opinión, estas empresas pueden ser detectadas y deben ser evitadas. - Crecimiento fracasado (10 casos, 28%). En los últimos ejercicios el activo crece significativamente (media anual superior al 10%). Este crecimiento se financia con un incremento significativo de la financiación ajena no espontánea. Los fondos generados, sin embargo, no crecen o lo hacen sólo puntualme nte, cayendo finalmente por debajo del punto de partida. Como consecuencia, las coberturas de intereses y de la financiación ajena no espontánea se degradan significativamente. La empresa es incapaz de atender los vencimientos de la deuda. A diferencia del grupo anterior, los fondos generados ordinarios y los resultados (tanto los ordinarios como los netos) son típicamente positivos durante los tres años analizados. La probabilidad de fracaso en las empresas de este grupo es difícil de detectar con mucha antelación, pues el deterioro de la situación financiera se hace patente uno o, a lo sumo, dos ejercicios antes de la suspensión de pagos. Es nuestra opinión, el único indicio del riesgo incurrido por estas empresas es el implícito en el rápido incremento d e tamaño. En esta situación, el decisor debería: a) vigilar con especial atención la evolución financiera de las empresas con crecimientos excesivamente rápidos, b) diversificar las inversiones en empresas en crecimiento y/o c) elevar la prima por riesgo e n las empresas con estas características. - Revés (3 casos, 8%). Las empresas de este grupo son poco rentables (las rentabilidades económicas nunca excedieron en más de dos puntos al coste medio del pasivo) y con coberturas de financiación ajena no espont ánea e intereses muy pequeñas. En el último José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 69 ejercicio sufren importantes pérdidas que superan los beneficios acumulados de los últimos ejercicios y hacen que los fondos generados ordinarios sean negativos. Las empresas de este grupo, al igual que las del g rupo “crecimiento fracasado”, hasta el año antes de la suspensión de pagos han tenido beneficios. La diferencia estriba en la estabilidad que han mostrado las cifras de activo (fuerte crecimiento en el grupo anterior) y la situación financiera de partida (más débil en las de este grupo). Puesto que el número de casos agrupados es muy pequeño, las características de este grupo deben entenderse tentativas. En estas empresas, la probabilidad de fracaso era fácil de intuir varios ejercicios antes de la suspens ión de pagos, debido a las escasas coberturas de intereses y del pasivo no espontáneo. No obstante, la obtención de beneficios y la relativa estabilidad de los datos en los años –3 y –2, que en nada presagiaban una degradación de la situación, hacen que sea difícil anticipar el momento del fracaso o considerar éste como una situación inevitable. En esta situación, el decisor debería evitar las empresas con bajas coberturas de intereses y pasivos no espontáneos, al menos cuando no muestran evoluciones favorables. Quedaron sin agrupar 13 empresas (un tercio de la muestra) que, aunque presentaban rasgos muy similares a los grupos reseñados, incumplían alguna característica para ser incluidos en ellos. Ninguna de ellas mostró comportamientos contrarios a nuestra teoría del fracaso. Respecto a los informes de auditoría, el 83% de las dudas por continuidad las recibieron empresas “agujero negro” (60%) o similares (23%) . Se consideraron “similares a agujero negro” aquellas empresas que, excepto uno, cumplían todos los requisitos para ser incluidas en el grupo “agujero negro”. La concentración de las dudas por continuidad en este grupo es muy destacable ya que, en conjunto, sólo representan el 40% de las empresas de la muestra. 3.2. ANÁLISIS CONFIRMATORIO: REGRESIONES NOMINALES Para validar estadísticamente la clasificación teórica realizada en el análisis de casos, utilizamos regresiones nominales (multilogit). Las regresiones nominales generan un conjunto de n-1 modelos, sobre un total de n categorías. Cada mo delo permite el cálculo de la probabilidad de que un elemento pertenezca a la categoría modelizada frente a la de referencia. En nuestro caso, contamos con cuatro posibles categorías no ordenadas: empresas sanas (categoría de referencia) y las tres corres pondientes a empresas fracasadas “agujero negro”, “crecimiento fracasado” y “revés”. Para la selección de las variables independientes partimos del conjunto de variables relevantes para la definición de los síndromes en el estudio de casos, filtrando los ratios de contenido redundante2. Las variables seleccionadas fueron las siguientes: V14: Incremento de Fondos Generados V15: (Financiación Negociada Corto Plazo + Otra Financiación (Sin Coste Explícito) Corto Plazo- Activos Extrafuncionales)/FGO (Tras Impuestos) V23: Incremento de Activo Total V26: Patrimonio Neto / Activo Total V33: BAIT / Gastos Financieros por Intereses V61: Rentabilidad Económica - Coste Medio Pasivo 2 Las técnicas basadas en regresiones logísticas son muy sensibles a la existencia de problemas de multicolinealidad, de forma que, si se introducen como variables independientes dos que estén fuertemente correlacionadas entre sí, los parámetros estimados suelen aparecer compensados entre sí, careciendo de sentido económico. José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 70 Los estadísticos descriptivos correspondientes a estas variables, segmentados por d istancia al fracaso y cat egoría se muestran en la tabla I. TABLA I DESCRIPTIVOS POR CATEGORÍA – AÑO Panel A, año t-1 Categoría V14 V15 V23 V26 V33 V61 Sana Media 0,1315 6,8554 0,1263 0,4205 233,5755 0,0510 Desviación Est. 0,2299 18,4462 0,2042 0,2253 1079,7303 0,0667 Mínimo -0,3100 0,0000 -0,2800 0,0478 -23,1890 -0,0500 Máximo 1,1700 109,3500 0,9000 0,9484 6367,6000 0,2300 N 36 36 36 36 36 36 Aguj. negro Media 0,2293 856,7841 0,0399 0,0064 -4,1340 -0,2212 Desviación Est. 0,7444 315,6477 0,2324 0,1458 7,4582 0,1682 Mínimo -0,3100 15,0600 -0,3300 -0,3078 -23,9879 -0,4900 Máximo 2,2900 962,0000 0,3900 0,1639 0,3031 -0,0300 N 10 9 10 10 10 10 Crec. fracasado Media 0,0763 316,0939 0,2425 0,1192 0,5408 -0,0359 Desviación Est. 0,3772 446,6908 0,4254 0,0817 1,3680 0,0694 Mínimo -0,2400 8,8400 -0,3700 -0,0166 -2,3045 -0,1800 Máximo 1,0500 962,0000 1,1100 0,2557 2,1555 0,0200 N 10 10 10 10 10 10 Revés Media -0,0605 962,0000 -0,1210 0,0440 -2,1877 -0,2640 Desviación Est. 0,1665 0,0000 0,0471 0,1624 2,4194 0,1630 Mínimo -0,2100 962,0000 -0,1600 -0,1402 -3,8450 -0,3700 Máximo 0,1200 962,0000 -0,0700 0,1668 0,5887 -0,0800 N 3 2 3 3 3 3 Panel B, año t-2 Categoría V14 V15 V23 V26 V33 V61 Sana Media 0,1183 6,7951 0,1686 0,4236 618,3909 0,0703 Desviación Est. 0,1619 18,5983 0,2429 0,2252 3580,6875 0,0863 Mínimo -0,2900 0,0000 -0,2600 0,0232 -2,1339 -0,1200 Máximo 0,5000 110,0000 0,8600 0,8799 21504,5000 0,3000 N 36 36 36 36 36 36 Aguj. Negro Media 0,7512 962,0000 0,2094 0,0977 -3,3250 -0,2065 Desviación Est. 2,4439 0,0000 0,3263 0,3419 4,6698 0,2039 Mínimo -0,4400 962,0000 -0,1600 -0,4795 -13,4685 -0,7600 Máximo 7,6900 962,0000 0,9000 0,6490 0,0379 -0,0200 N 10 9 10 10 10 10 Crec. Fracasado Media 0,1808 117,7500 0,4108 0,1919 1,4368 0,0001 Desviación Est. 0,1721 298,1172 0,4051 0,1045 0,8139 0,0293 Mínimo -0,0700 2,7900 0,0400 0,0246 0,2115 -0,0600 Máximo 0,4800 962,0000 1,4600 0,3388 3,0219 0,0400 N 10 10 10 10 10 10 Revés Media -0,0138 25,9387 0,1808 0,1450 1,1492 -0,0040 Desviación Est. 0,0734 23,2677 0,1282 0,1582 0,1388 0,0131 Mínimo -0,0800 11,7100 0,1000 -0,0281 1,0540 -0,0200 Máximo 0,0700 52,7900 0,3300 0,2822 1,3084 0,0100 N 3 3 3 3 3 3 José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 71 TABLA I (CONT.) Panel C, año t-3 Categoría V14 V15 V23 V26 V33 V61 Sana Media 0,1455 6,9093 0,1716 0,4044 10,8092 0,0448 Desviación Est. 0,2052 19,1775 0,2179 0,2338 15,3765 0,0726 Mínimo -0,2900 0,0000 -0,2500 0,0300 -0,4562 -0,0800 Máximo 0,7900 110,0000 1,0300 0,8908 67,0109 0,2500 N 33 36 33 36 36 36 Aguj. negro Media 0,2939 643,1218 0,0332 0,3367 -7,2140 -0,2170 Desviación Est. 0,8197 478,3399 0,2060 0,2750 18,6815 0,2320 Mínimo -0,1400 0,0000 -0,4100 -0,0045 -59,9155 -0,7800 Máximo 2,5500 962,0000 0,2200 0,8485 1,2897 0,0100 N 10 9 10 10 10 10 Crec. fracasado Media 0,3291 6,0894 0,1515 0,2324 3,2784 0,0239 Desviación Est. 0,5905 7,8426 0,1879 0,1558 4,1540 0,0395 El primer modelo que presentamos se obtuvo empleando las variables anteriores y c onsiderando todas las observaciones empresa-año como independientes. La tabla II presenta los tres (n -1) modelos, en los que la categoría de empresa sana es la referencia. Así, cada modelo proporciona, para un caso determinado, la probabilidad de que pueda considerarse que la empresa está aquejada de un síndrome concreto, teniendo como alternativa que pertenezca a la categoría de referencia (sana). Estos modelos no son mutuamente excluyentes, lo que quiere decir que pueden indicar una probabilidad alta de que una empresa forme parte de más de un grupo de fracaso. Una empresa es considerada como sana cuando la probabilidad de pertenecer a alguna de las categorías es inferior al 50%. En caso contrario, es asignada a la categoría a la que pertenece con mayor probabilidad. La interpretación de los parámetros B no es tan inmediata como en una regresión lineal (ver Greene, 1997, 787 y ss.), aunque el sentido de la relación (signo) sí es idéntico. TABLA II MODELO MULTILOGITA PARA TODOS LOS CASOS EMPRESA-AÑO Panel A, Agujero negro B Error estánd. Wald Sig Intercepto -1,202 ,934 1,655 ,198 V14 b ,956 1,185 ,651 ,420 V15 ,005 ,004 1,843 ,175 V23 ,783 1,826 ,184 ,668 V26 -7,356 2,619 7,890 ,005 V33 -,075 ,149 ,254 ,614 V61 -30,630 10,807 8,033 ,005 Panel B, Crecimiento Fracasado B Error estánd. Wald Sig Intercepto ,340 ,572 ,353 ,552 V14 ,430 ,985 ,191 ,662 V15 ,004 ,004 ,983 ,321 V23 2,227 1,202 3,429 ,064 V26 -6,147 1,737 12,518 ,000 V33 -,047 ,046 1,055 ,304 V61 -12,663 8,247 2,358 ,125 José Luis Arquero Montaño, María Cristina Abad Navarro y Sergio Manuel Jiménez Cardoso Procesos de fracaso empresarial en PYMES identificación y contrastación empírica ________________________________________________________________________________________________ Revista Internacional de la Pequeña y Mediana Empresa Vol.1. nº 2 72 TABLA II (CONT.) Panel C, Revés B Error estánd. Wald Sig Intercepto -,065 ,773 ,007 ,933 V14 -2,921 2,181 1,794 ,180 V15 ,002 ,004 ,154 ,695 V23 ,760 1,884 ,163 ,687 V26 -8,554 2,710 9,965 ,002 V33 -,063 ,131 ,232 ,630 V61 -29,599 10,912 7,358 ,007 Pseudo R2 Nagelkerke ,850 a La categoría de referencia para los modelos Logit es “sana”. b V14: Incremento de Fondos Generados V15: (Financiación Negociada Corto Plazo + Otra Financiación (Sin Coste Explícito) Corto Plazo- Activos Extrafuncionales)/FGO (Tras Impuestos) V23: Incremento de Activo Total V26: Patrimonio Neto / Activo Total V33: BAIT / Gastos Financieros por Intereses V61: Rentabilidad Económica - Coste Medio Pasivo De los resultados, se desprende que las empresas con el síndrome “agujero negro” se distinguen de las sanas básicamente por las variable V26 y V61, de forma que es más probable clasificar a una empresa como fracasada “agujero negro” cuanto menor sea el ratio patrimonio neto/activo total y cuanto menor sea la diferencia entre la rentabilidad económica y el coste medio del pasivo. Para el síndrome de “crecimiento fracasado”, las variables más significativas son la V23 (crecimiento del activo) y, de nuevo, la V26 (patrimonio neto/activo total). Para el último síndrome, “revés”, las variables más significativas son, de nuevo, la V26 y la V61. El grado de ajuste puede considerarse satisfactorio (pseudo R2 de Nagelkerke 85%). En la tabla III se compara la categoría pronosticada por el modelo con la asignada a priori, tomando todas las observaciones a un tiempo. Como puede observarse, el porcentaje global de aciertos es del 80%. Especialmente destacable es el hecho de que el modelo clasifica correctamente el 95% de las observaciones empresa -año sanas y un 81% de las observaciones correspondientes al síndrome “agujero negro”. El grado de acierto es muy inferior para los otros síndromes (“crecimiento fracasado” y “revés”) siendo pronosticadas como sanas en un número elevado de ocasiones. TABLA III PREDICCIÓN FRENTE A C LASIFICACIÓN A PRIORI PARA TODOS LOS CASOS EMPRESA-AÑO Predicción total empresas - año Observado A. negro Cto.frac. Revés Sana Aciertos Aguj. Negro 22 3 1 1 81,5% Cto. fracasado 2 14 0 14 46,7% Revés 2 2 1 3 12,5% Sana 1 3 1 96 95,0% 16,3% 13,3% 1,8% 68,7% 80,1% Aunque la distancia al fracaso es un dato desconocido para el decisor, consideramos que a efectos ilustrativos permite apreciar el diferente comportamiento de las empresas según el grupo al que se adscriben, y por ende la posibilidad de predecir este comport amiento. Por ello, realizamos una nueva estimación del modelo segmentado los datos por distancia al fracaso. La