Metodología integral para la determinación de una gran superficie comercial. Aplicación empírica en Gran Canaria
Abstract
Programa de Gestión en la Nueva Economía
Full text
TESIS DOCTORAL Jose Luis Gutiérrez Acuña Las Palmas de Gran Canaria, julio de 2014 Metodología integral para la determinación de una gran superficie comercial. Aplicación empírica en Gran Canaria.
Agradecimientos través de estas líneas quiero expresar mi profundo y sincero agradecimiento a todas aquellas personas que me han prestado su apoyo y ánimo continuos, lo que ha contribuido, sin lugar a duda, a que este trabajo haya podido realizarse. A la Fundación Universitaria de Las Palmas, por su apoyo financiero para llevar a cabo este proyecto a través del Programa Innova Canarias 2020 y a la familia Megías Martínez. Del mismo modo, no quisiera olvidarme de agradecer la importante ayuda prestada por los gerentes de los centros comerciales entrevistados, especialmente a Alexis Martín de la Peña, sin cuya ayuda no hubiéramos podido llevar la realidad de la gestión al modelo propuesto en esta investigación. A mis padres por su paciencia, apoyo y aliento infinitos y por convertirme en la persona que soy hoy. A Montse, por estar siempre ahí cuando más lo necesito, por creer en mí y por animarme para terminar esta etapa de mi vida. Finalmente, y muy especialmente, a mis directores, Manuel Rodríguez Díaz y Rafael Suárez Vega, porque sin su orientación científica y amistad no podría haber realizado esta investigación. Gracias por vuestra ayuda y tiempo y por la dedicación y motivación que me habéis proporcionado durante todo este camino que a veces no ha sido fácil. Gracias a todos. A
i Índice General Índice General .......................................................................... i Índice de Ilustraciones ........................................................... vii Índice de Tablas .................................................................... xv Introducción ........................................................................ xxv 1 Localización.......................................................................... 1 1.1 Introducción .................................................................................................. 2 1.2 Principales modelos de localización de áreas comerciales. ................. 3 1.2.1 Enfoque Descriptivo – Determinista ............................................................................ 4
Índice General ii 1.2.1.1 Enfoque de los Supuestos Normativos ................................................................ 5 1.2.1.2 Técnicas de observación empírica ................................................................... 11 1.2.1.3 Modelos de Gravitación Comercial ................................................................. 12 1.2.2 Enfoque Explicativo – Estocástico ............................................................................. 14 1.2.2.1 Enfoque de las Preferencias Reveladas ........................................................... 14 1.2.2.2 Enfoque de la evaluación directa de la utilidad ............................................ 21 1.3 La localización como herramienta de marketing .................................. 22 1.3.1 La importancia del dónde en el marketing actual: el Geomarketing ............... 24 1.3.2 Sistemas de Información Geográfica ....................................................................... 25 1.3.3 Aplicaciones del Geomarketing ............................................................................... 27 1.3.4 El proceso de decisión de localización al por menor usando SIG ...................... 29 2 Gestión de centros comerciales y de ocio ............................. 31 2.1 Centros Comerciales y de Ocio ............................................................... 32 2.1.1 Definición y tipologías. ................................................................................................ 32 2.1.2 Factores determinantes de la expansión de los centros comerciales ................ 33 2.1.2.1 Razones por parte de los consumidores: demanda. ..................................... 34 2.1.2.2 Razones por parte de la oferta. ......................................................................... 37 2.1.2.3 Razones institucionales. ....................................................................................... 39 2.1.3 Repercusiones de la tendencia del comercio a la agrupación en centros de compra ................................................................................................................................... 40 2.1.3.1 Repercusiones económicas. .............................................................................. 41 2.1.3.2 Repercusiones sociales. ...................................................................................... 42 2.1.3.3 Repercusiones urbanísticas y medioambientales. .......................................... 43 2.1.4 La cadena de valor de un centro comercial ......................................................... 44 2.1.5 Los centros comerciales en España. ........................................................................ 45 2.2 Rentabilidad de centros comerciales. ..................................................... 50 2.2.1 Introducción ................................................................................................................. 50 2.2.2 Función de Productividad .......................................................................................... 51 2.2.3 Tasa de Esfuerzo ........................................................................................................... 55 2.3 Atractivo y costes de un centro comercial. ............................................ 57 2.3.1 Atractivo e imagen de un centro comercial .......................................................... 57 2.3.2 Gastos generales de un centro comercial. ............................................................. 61
Índice General iii 2.3.2.1 Inversión ................................................................................................................ 61 2.3.2.2 Gastos de comunidad y mantenimiento ........................................................ 64 2.3.2.3 Enfoque financiero de centros comerciales: análisis integrado de viabilidad. ......................................................................................................................... 65 3 Objetivos y metodología ..................................................... 69 3.1 Objetivos de la investigación .................................................................... 70 3.1.1 Introducción ................................................................................................................. 70 3.1.2 Objetivos y elementos de partida ............................................................................ 74 3.1.3 Metodología propuesta ............................................................................................. 75 3.2 Análisis geográfico del mercado ............................................................. 76 3.2.1 El modelo multiplicativo de interacción competitiva (MCI) ................................ 78 3.2.2 Estimación de los parámetros en un modelo MCI ................................................. 81 3.2.2.1 Regresión por mínimos cuadrados ordinarios ................................................. 82 3.2.2.2 Regresión Ponderada Geográficamente ....................................................... 84 3.2.2.3 Estimación global y local de los parámetros del modelo MCI .................... 90 3.2.2.4 El modelo MCI considerando pérdida de demanda .................................... 92 3.3 Análisis de la función de productividad de un centro comercial ........ 93 3.3.1 Función de atractivo .................................................................................................. 95 3.3.1.1 Planteamiento de la función de atractivo de un centro comercial .......... 95 3.3.2 Función de gastos generales de un centro comercial ......................................... 97 3.3.2.1 Planteamiento de la función de gastos generales de un centro comercial ............................................................................................................................................ 97 3.3.3 Restricciones de la función de productividad de un centro comercial ............ 99 3.3.4 Formulación del problema de localización y diseño de un centro comercial ............................................................................................................................................... 101 3.3.4.1 Programa no líneal entero mixto (PT) ............................................................. 104 3.3.4.2 Programa Individual (PI) ................................................................................... 106 4 Aplicación. Análisis geográfico del mercado ...................... 109 4.1 Motivación de la zona considerada. ..................................................... 110 4.2 Análisis de la geo-demanda ................................................................... 113
Índice General iv 4.2.1 Encuesta para el análisis geográfico de la demanda comercial. ................... 114 4.2.2 Delimitación del universo, tamaño muestral y método de muestreo .............. 115 4.2.3 Base de datos y análisis estadístico de la demanda .......................................... 116 4.3 Análisis de la geo-competencia ............................................................ 120 4.3.1 Base de datos y análisis estadístico de la oferta ................................................. 121 4.3.2 Consideración de la compra local o compra de proximidad ......................... 122 4.3.2.1 Método próximo ................................................................................................ 122 4.3.2.2 Método de radios de influencia ..................................................................... 123 4.4 Modelo Global .......................................................................................... 126 4.4.1 Resultados Alimentación ......................................................................................... 126 4.4.1.1 Método próximo ................................................................................................ 126 4.4.1.2 Metodo de radios de influencia ..................................................................... 132 4.4.2 Resultados No Alimentación ................................................................................... 135 4.4.2.1 Método próximo ................................................................................................ 135 4.4.2.2 Método de radios de influencia ..................................................................... 140 4.4.3 Conclusiones ............................................................................................................. 145 4.5 Modelo Local ............................................................................................ 147 4.5.1 Resultados Alimentación ......................................................................................... 147 4.5.1.1 Método próximo ................................................................................................ 147 4.5.1.2 Método de radios de influencia ..................................................................... 153 4.5.2 Resultados No Alimentación ................................................................................... 159 4.5.2.1 Método próximo ................................................................................................ 159 4.5.2.2 Método de radios de influencia ..................................................................... 175 4.5.3 Conclusiones ............................................................................................................. 190 4.6 Distribución espacial de la función de atractivo .................................. 192 4.6.1 Método de radios de influencia ............................................................................. 193 4.6.2 Método próximo ....................................................................................................... 197 4.7 Conclusiones ............................................................................................. 200 5 Aplicación. Análisis de la función de productividad de un centro comercial .................................................................. 203 5.1 Consideraciones previas ......................................................................... 204
Índice General v 5.1.1 Simulaciones realizadas ........................................................................................... 204 5.1.2 Inputs ........................................................................................................................... 205 5.1.2.1 Parámetros urbanísticos ................................................................................... 208 5.1.2.2 Cálculo del valor residual ................................................................................. 211 5.2 Resultados .................................................................................................. 213 5.2.1 Global próximo .......................................................................................................... 213 5.2.2 Global por radios ....................................................................................................... 218 5.2.3 Local próximo ............................................................................................................ 225 5.2.4 Local por radios ......................................................................................................... 234 5.3 Conclusiones ............................................................................................. 243 6 Conclusiones .................................................................... 245 6.1 Conclusiones, contribuciones e implicaciones prácticas ................... 246 6.2 Principales limitaciones del estudio y propuestas para futuras investigaciones ............................................................................................... 250 Bibliografía .......................................................................... 253 Anexos A Encuesta .......................................................................... 279 B Fichas comerciales de las parcelas seleccionadas ............... 285 C Código gams para el problema de productividad ............... 289 D Establecimientos considerados en la compra local ............. 301
Índice de Ilustraciones xii Ilustración 5-10 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Global por radios sin restricción de viabilidad (Elaboración propia) ................................................... 222 Ilustración 5-11 Evolución de beneficios en función del LD para cada localización seleccionada – Global por radios con restricción de viabilidad (Elaboración propia) ............................................................................................... 223 Ilustración 5-12 Evolución de beneficios en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) ............................................................................................... 226 Ilustración 5-13 Evolución de la superficie edificada bajo rasante óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) ................................................... 227 Ilustración 5-14 Evolución de la superficie edificada sobre rasante óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) ................................................... 228 Ilustración 5-15 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) ............................................................................. 229 Ilustración 5-16 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) ................................................... 229 Ilustración 5-17 Evolución de beneficios en función del LD para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) ............................................................................................... 230 Ilustración 5-18 Evolución de la superficie edificada bajo rasante óptima en función del LD para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) ................................................... 232 Ilustración 5-19 Evolución de la superficie edificada sobre rasante óptima en función del LD para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) ................................................... 232 Ilustración 5-20 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) ....................................................................... 233 Ilustración 5-21 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) ................................................... 234
Índice de Ilustraciones xiii Ilustración 5-22 Evolución de beneficios en función del LD para cada localización seleccionada – Local por radios sin restricción de viabilidad (Elaboración propia) ................................................................................................ 235 Ilustración 5-23 Evolución de la superficie edificada bajo rasante óptima en función del LD para cada localización seleccionada – Local por radios sin restricción de viabilidad (Elaboración propia) .................................................... 236 Ilustración 5-24 Evolución de la superficie edificada sobre rasante óptima en función del LD para cada localización seleccionada – Local por radios sin restricción de viabilidad (Elaboración propia) .................................................... 237 Ilustración 5-25 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Local por radios sin restricción de viabilidad (Elaboración propia) ....................................................................... 238 Ilustración 5-26 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Local por radios sin restricción de viabilidad (Elaboración propia) .................................................... 238 Ilustración 5-27 Evolución de beneficios en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) ................................................................................................ 239 Ilustración 5-28 Evolución de la superficie edificada bajo rasante óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) .................................................... 241 Ilustración 5-29 Evolución de la superficie edificada sobre rasante óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) .................................................... 241 Ilustración 5-30 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) ....................................................................... 242 Ilustración 5-31 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) .................................................... 243
xv Índice de Tablas Tabla 1-1 Clasificación de los modelos de elección discreta (Medina Moral (2003) ....................................................................................................................................... 20 Tabla 2-1 Clasificación de Centros Comerciales (Fuente: A.E.C.C (2013)) ............ 33 Tabla 2-2 Repercusiones de la tendencia del comercio a la agrupación en centros de compra (Fuente: Cerdá (2008)) ........................................................... 43 Tabla 2-3 Apertura de centros comerciales en España: 1973-2012 (Fuente: A.E.C.C (2013)) ............................................................................................................ 45 Tabla 2-4 Distribución centros comerciales por tipo de centro a 31-12-12 (Fuente: A.E.C.C (2013)) ............................................................................................................ 48 Tabla 2-5 Distribución centros comerciales por comunidades autónomas a 31-1212 (Fuente: A.E.C.C (2013)) ....................................................................................... 49 Tabla 2-6 Atributos utilizados para medir la imagen de los centros comerciales (Fuente: Rodríguez Díaz (2004)) ................................................................................ 61 Tabla 4-1 Análisis comparativo de la atracción comercial total en la Zona Noroeste de Gran Canaria – Gasto comercializable anual medio residentes (Fuente: Rodríguez Díaz y Gutiérrez-Acuña (2010)) ............................................ 111
Índice de Tablas xvi Tabla 4-2 Demanda potencial evadida en la Zona Noroeste de Gran Canaria por municipios y categorías de productos (Fuente: Rodríguez Díaz y GutiérrezAcuña (2010)) ........................................................................................................... 111 Tabla 4-3 Características socio-demográficas del área de estudio (Fuente: Anuario Económico de la Caixa (2013)) .............................................................. 114 Tabla 4-4 Encuestas telefónicas realizadas por municipios (Elaboración propia) .................................................................................................................................... 116 Tabla 4-5 Principales variables empleadas en la encuesta (Elaboración propia) .................................................................................................................................... 117 Tabla 4-6 Principales variables empleadas en la explotación de la Base de Datos (Elaboración propia) ............................................................................................... 118 Tabla 4-7 Resumen del método próximo (Elaboración propia) ............................. 123 Tabla 4-8 Resumen del método de radios de influencia (Elaboración propia) .. 124 Tabla 4-9 Resultados de las regresiones sobre el comportamiento de compra en productos de alimentación en la Zona Noroeste – rural (476 encuestas), empleando el método próximo (Elaboración propia) ...................................... 128 Tabla 4-10 Resultados de las regresiones sobre el comportamiento de compra en productos de alimentación en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método próximo (Elaboración propia) ........ 129 Tabla 4-11 Resultados de las regresiones sobre el comportamiento de compra en productos de alimentación en la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método próximo (Elaboración propia) ............................................................................................... 130 Tabla 4-12 Resultados de las regresiones sobre el comportamiento de compra en productos de alimentación en la Zona Noroeste – rural (476 encuestas), empleando el método de radios de influencia (Elaboración propia) ........... 132 Tabla 4-13 Resultados de las regresiones sobre el comportamiento de compra en productos de alimentación en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método de radios de influencia (Elaboración propia) ....................................................................................................................... 133 Tabla 4-14 Resultados de las regresiones sobre el comportamiento de compra en productos de alimentación en la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método de radios de influencia (Elaboración propia) ............................................................................. 134
Índice de Tablas xvii Tabla 4-15 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento de la persona en la Zona Noroeste – rural (476 encuestas), empleando el método próximo (Elaboración propia) ................. 135 Tabla 4-16 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento del hogar en la Zona Noroeste – rural (476 encuestas), empleando el método próximo (Elaboración propia) ................. 136 Tabla 4-17 Resultados de las regresiones sobre el comportamiento de compra en productos de ocio en la Zona Noroeste – rural (476 encuestas), empleando el método próximo (Elaboración propia) ................................................................. 136 Tabla 4-18 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento de la persona en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método próximo (Elaboración propia) ................................................................................................ 137 Tabla 4-19 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento del hogar en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método próximo (Elaboración propia) ................................................................................................ 137 Tabla 4-20 Resultados de las regresiones sobre el comportamiento de compra en productos de ocio en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método próximo (Elaboración propia) ................. 138 Tabla 4-21 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento de la personaen la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método próximo (Elaboración propia) ................................................................................ 139 Tabla 4-22 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento del hogaren la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método próximo (Elaboración propia) ................................................................................................ 139 Tabla 4-23 Resultados de las regresiones sobre el comportamiento de compra en productos de ocioen la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método próximo (Elaboración propia) ........................................................................................................................ 139 Tabla 4-24 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento de la persona en la Zona Noroeste – rural (476 encuestas), empleando el método de radios de influencia (Elaboración propia) ........................................................................................................................ 141
Índice de Tablas xviii Tabla 4-25 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento del hogar en la Zona Noroeste – rural (476 encuestas), empleando el método de radios de influencia (Elaboración propia) ....................................................................................................................... 141 Tabla 4-26 Resultados de las regresiones sobre el comportamiento de compra en productos de ocio en la Zona Noroeste – rural (476 encuestas), empleando el método de radios de influencia (Elaboración propia) ...................................... 142 Tabla 4-27 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento de la persona en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método de radios de influencia (Elaboración propia) ............................................................................. 142 Tabla 4-28 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento del hogar en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método de radios de influencia (Elaboración propia) ............................................................................. 143 Tabla 4-29 Resultados de las regresiones sobre el comportamiento de compra en productos de ocio en la Zona Las Palmas de Gran Canaria – urbana (248 encuestas), empleando el método de radios de influencia (Elaboración propia) ....................................................................................................................... 143 Tabla 4-30 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento de la persona en la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método de radios de influencia (Elaboración propia) ........................................................... 144 Tabla 4-31 Resultados de las regresiones sobre el comportamiento de compra en productos de equipamiento del hogaren la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método de radios de influencia (Elaboración propia) ....................................................................... 144 Tabla 4-32 Resultados de las regresiones sobre el comportamiento de compra en productos de ocio en la Zona Noroeste (rural) y Las Palmas de Gran Canaria (urbano) (724 encuestas), empleando el método de radios de influencia (Elaboración propia) ............................................................................................... 145 Tabla 4-33 Resumen del rendimiento de los distintos modelos – Alimentación con método próximo (Elaboración propia) ................................................................ 148 Tabla 4-34 Análisis de colinealidad de los modelos locales – Alimentación con método próximo (Elaboración propia) ................................................................ 151
Índice de Tablas xix Tabla 4-35 Descripción de los parámetros locales en los puntos de demanda – Alimentación con método próximo (Elaboración propia) ................................ 151 Tabla 4-36 Descripción de los parámetros locales para los puntos de demanda – Alimentación con método próximo (Elaboración propia) ................................ 151 Tabla 4-37 Resumen del rendimiento de los distintos modelos – Alimentación con método de radios de influencia (Elaboración propia) ...................................... 153 Tabla 4-38 Análisis de colinealidad de los modelos locales – Alimentación con método de radios de influencia (Elaboración propia) ...................................... 156 Tabla 4-39 Descripción de los parámetros locales en los puntos de demanda – Alimentación con método de radios de influencia (Elaboración propia) ..... 157 Tabla 4-40 Descripción de los parámetros locales para los puntos de demanda – Alimentación con método de radios de influencia (Elaboración propia) ..... 157 Tabla 4-41 Resumen del rendimiento de los distintos modelos - Equipamiento de la persona con método próximo (Elaboración propia) ..................................... 160 Tabla 4-42 Análisis de colinealidad de los modelos locales - Equipamiento de la persona con método próximo (Elaboración propia) ......................................... 162 Tabla 4-43 Descripción de los parámetros locales en los puntos de demanda - Equipamiento de la persona con método próximo (Elaboración propia) ..... 162 Tabla 4-44 Descripción de los parámetros locales para los puntos de demanda - Equipamiento de la persona con método próximo (Elaboración propia) ..... 163 Tabla 4-45 Resumen del rendimiento de los distintos modelos - Equipamiento del hogar con método próximo (Elaboración propia) ............................................. 165 Tabla 4-46 Análisis de colinealidad de los modelos locales - Equipamiento del hogar con método próximo (Elaboración propia) ............................................. 167 Tabla 4-47 Descripción de los parámetros locales en los puntos de demanda - Equipamiento del hogar con método próximo (Elaboración propia) ............ 168 Tabla 4-48 Descripción de los parámetros locales para los puntos de demanda - Equipamiento del hogar con método próximo (Elaboración propia) ............ 168 Tabla 4-49 Resumen del rendimiento de los distintos modelos – Ocio con método próximo (Elaboración propia) ................................................................................ 170 Tabla 4-50 Análisis de colinealidad de los modelos locales - Ocio con método próximo (Elaboración propia) ................................................................................ 173 Tabla 4-51 Descripción de los parámetros locales en los puntos de demanda - Ocio con método próximo (Elaboración propia) ............................................... 173 Tabla 4-52 Descripción de los parámetros locales para los puntos de demanda - Ocio con método próximo (Elaboración propia) ............................................... 173
Índice de Tablas xx Tabla 4-53 Resumen del rendimiento de los distintos modelos – Equipamiento de la persona con método de radios de influencia (Elaboración propia) .......... 175 Tabla 4-54 Análisis de colinealidad de los modelos locales - Equipamiento de la persona con método de radios de influencia (Elaboración propia) .............. 177 Tabla 4-55 Descripción de los parámetros locales en los puntos de demanda - Equipamiento de la persona con método de radios de influencia (Elaboración propia) ............................................................................................... 178 Tabla 4-56 Descripción de los parámetros locales para los puntos de demanda - Equipamiento de la persona con método de radios de influencia (Elaboración propia) ............................................................................................... 178 Tabla 4-57 Resumen del rendimiento de los distintos modelos - Equipamiento del hogar con método de radios de influencia (Elaboración propia) .................. 180 Tabla 4-58 Análisis de colinealidad de los modelos locales - Equipamiento del hogar con método de radios de influencia (Elaboración propia) .................. 183 Tabla 4-59 Descripción de los parámetros locales en los puntos de demanda - Equipamiento del hogar con método de radios de influencia (Elaboración propia) ....................................................................................................................... 183 Tabla 4-60 Descripción de los parámetros locales para los puntos de demanda - Equipamiento del hogar con método de radios de influencia (Elaboración propia) ....................................................................................................................... 183 Tabla 4-61 Resumen del rendimiento de los distintos modelos - Ocio con método de radios de influencia (Elaboración propia) ..................................................... 185 Tabla 4-62 Análisis de colinealidad de los modelos locales - Ocio con método de radios de influencia (Elaboración propia) ........................................................... 188 Tabla 4-63 Descripción de los parámetros locales en los puntos de demanda - Ocio con método de radios de influencia (Elaboración propia) .................... 188 Tabla 4-64 Descripción de los parámetros locales para los puntos de demanda - Ocio con método de radios de influencia (Elaboración propia) .................... 188 Tabla 4-65 Resumen de resultados obtenidos – comparativa modelo global y modelo local con método próximo (Elaboración propia) ................................ 190 Tabla 4-66 Comparativa indicadores modelo global y modelo local con método próximo (Elaboración propia) ................................................................................ 190 Tabla 4-67 Resumen de resultados obtenidos – comparativa modelo global y modelo local con método de radios de influencia (Elaboración propia) ..... 191 Tabla 4-68 Comparativa indicadores modelo global y modelo local con método próximo (Elaboración propia) ................................................................................ 191
Índice de Tablas xxi Tabla 4-69 Comparativa de las atracciones para las localizaciones analizadas con el método de radios de influencia (Elaboración propia) .......................... 196 Tabla 4-70 Comparativa de las atracciones para las localizaciones analizadas con el método próximo (Elaboración propia) ..................................................... 200 Tabla 5-1 Resumen de simulaciones realizadas sobre la Función de Productividad (Elaboración propia) ................................................................................................ 204 Tabla 5-2 Parámetros relacionados con los función de atractivo (Elaboración propia) ........................................................................................................................ 205 Tabla 5-3 Parámetros relacionados con los gastos generales (Elaboración propia) ..................................................................................................................................... 208 Tabla 5-4 Cálculo del valor residual con renta infinita (Elaboración propia) ....... 211 Tabla 5-5 Cálculo del valor residual con renta finita a 10 años (Elaboración propia) ........................................................................................................................ 212 Tabla 5-6 Cálculo del valor residual con renta finita a 15 años (Elaboración propia) ........................................................................................................................ 212 Tabla 5-7 Cálculo del valor residual con renta finita a 20 años (Elaboración propia) ........................................................................................................................ 212 Tabla 5-8 Beneficios máximos y mínimos para cada localización seleccionada – Global Próximo sin restricción de viabilidad (Elaboración propia) .................. 213 Tabla 5-9 Tamaños óptimos por categoría para cada localización seleccionada – Global Próximo sin restricción de viabilidad (Elaboración propia) ............... 214 Tabla 5-10 Superficie edificada bajo rasante y sobre rasante óptimas por categoría para cada localización seleccionada – Global Próximo sin restricción de viabilidad (Elaboración propia) .................................................... 215 Tabla 5-11 Superficie de parking aéreo y edificado óptimas para cada localización seleccionada – Global Próximo sin restricción de viabilidad (Elaboración propia) ................................................................................................ 215 Tabla 5-12 Beneficios máximos y mínimos para cada localización seleccionada – Global Próximo con restricción de viabilidad (Elaboración propia) ................ 216 Tabla 5-13 Tamaños óptimos por categoría para cada localización seleccionada – Global Próximo con restricción de viabilidad (Elaboración propia) ............. 217 Tabla 5-14 Superficie edificada bajo rasante y sobre rasante óptimas por categoría para cada localización seleccionada – Global Próximo con restricción de viabilidad (Elaboración propia) .................................................... 217
Introducción xxviii obtenida a través de entrevistas con los gerentes de los principales centros comerciales de la Isla, en un modelo matemático bajo la forma de función de productividad. El resultado del modelo no sólo consiste en seleccionar una localización entre varias posibles y obtener un valor de beneficios esperados, sino que también proporciona las principales variables asociadas al diseño del futuro centro, entre otras, superficie de parking aéreo y edificado, tamaño necesario de parcela o superficie bruta alquilable de cada sector (alimentación, equipamiento de la persona, ocio y equipamiento del hogar). A partir de los resultados obtenidos se podrán tomar decisiones de diferente orden, pues pueden afectar tanto a las estrategias competitivas de las empresas que concurren en ese mercado como a la planificación urbana decidida desde las Administraciones Públicas, al objeto de cubrir las necesidades de aprovisionamiento de la población. La metodología propuesta consta de varias etapas que se resumen a continuación: 1. Análisis geográfico del mercado: determinación de la función de atractivo Se analiza la información relativa a la demanda y la oferta comercial a través de su visualización en un Sistema de Información Geográfica, es decir, se analiza la geo-demanda y la geo-competencia. Con esta primera etapa se pretende explicar el comportamiento de compra de los consumidores de la zona considerada a través de la determinación del atractivo que supone la oferta comercial existente. Se consideran dos subetapas: 1.1. Establecimiento de un modelo global de comportamiento de compra de los consumidores a través del modelo de Huff. Empleo del modelo de Mínimos Cuadrados Ordinarios (OLS) para la estimación de los parámetros asociados a la superficie y al tiempo de desplazamiento. 1.2. Refinamiento del modelo global a través de la aplicación de la GWR (Regresión Ponderada Geográficamente). Se propone el uso de la GWR en lugar de los OLS globales con el objetivo de considerar la no estacionariedad espacial en los parámetros del modelo. 2. Análisis de la función de productividad de un centro comercial.
Introducción xxix Se formula el problema de localización de un centro comercial con el que se determinan tanto la localización como el diseño que optimizan la función de productividad. El documento se ha estructurado de la forma siguiente. En los dos primeros capítulos se realiza una revisión teórica del estado actual del arte. El primer capítulo está dedicado a revisar lo modelos de localización de áreas comerciales, así como la integración de éstos con las herramientas proporcionadas por el Geomarketing. El segundo capítulo comienza con una introducción sobre el concepto de centro comercial y los factores que influyen en la proliferación de los mismos, para dar paso posteriormente a los principales aspectos que intervienen en su gestión, tanto desde el punto de vista del atractivo como de los costes. Además, se introduce el concepto de tasa de esfuerzo, fundamental para simplificar la función de productividad. Con el tercer capítulo se concluye la parte teórica de la tesis. En él se desarrollan los objetivos y la metodología integral seguida. Se finaliza este capítulo con la formulación del problema de localización y diseño de un centro comercial a patir de la función de productividad. La aplicación de la metodología propuesta se recoge en los capítulos 4 (análisis geográfico del mercado a partir del modelo global y del modelo local) y 5 (resolución del problema de localización y diseño de un centro comercial en la zona norte de Gran Canaria). Finalmente, el capítulo 6 se dedica a resumir las principales conclusiones, contribuciones, implicaciones prácticas y limitaciones del estudio realizado así como propuestas para futuras investigaciones.
1 Capítulo 1 1 Localización ntre los diversos problemas empresariales que exigen su consideración espacial, destaca el que se plantea al inicio de cualquier actividad industrial o comercial: la elección de la localización más adecuada. Si bien este tema ha sido objeto de tratamientos científicos profundos desde hace un siglo, no se ha contado con soluciones realmente operativas hasta hace poco tiempo. No sólo la decisión de dónde ubicar un establecimiento es una de las más cruciales para las empresas comerciales minoristas, sino también el disponer de una estrategia o metodología que les ayude a tomar dichas decisiones. Por consiguiente, es necesaria una mayor investigación en las estrategias de localización de las empresas comerciales minoristas para lograr una mejor planificación comercial. Cualquier aspecto de mejora conceptual o metodológica puede contribuir a la búsqueda de dicha estrategia. E
Capítulo 1: Localización 2 1.1 Introducción Durante años, la elección de la localización de nuevos establecimientos o negocios por parte de las grandes organizaciones, se ha basado en criterios primitivos (en el mejor de los casos). Con mucha frecuencia, se escogía un lugar porque representaba un terreno “extraordinariamente bueno”, en lugar de considerar las características del lugar en cuanto a la demanda. Las propiedades de la demanda se medían de una forma muy elemental, principalmente considerando el contexto socioeconómico de la población circundante, la intensidad y circulación del tráfico, las condiciones de estacionamiento, la ubicación de la competencia y unos cuantos factores más. Los profesionales raramente recurrían a la teoría de la localización porque gran parte de ella era abstracta y explicaba la ubicación de la actividad económica o el límite del área comercial entre dos ciudades, en vez de ayudarles a estimar las ventas en un lugar particular (Chasco, 2003). Son muchos los autores que basan el éxito de las empresas comerciales minoristas en tres factores clave: “localización, localización y localización”, independientemente de las demás decisiones tomadas a lo largo de todo el proceso de planificación comercial (Baviera-Puig et al, 2012). En estas empresas, la apertura de un nuevo establecimiento o punto de venta comporta inherentemente un riesgo debido a los elevados costes monetarios asociados. Asimismo, el que una tienda no funcione por haber elegido una mala ubicación puede tener un significativo impacto negativo en la propia imagen de la empresa. Por tanto, el análisis de la localización es vital para las empresas comerciales minoristas (Gil, 1995; Medina, 1995). El fin de la estrategia de la localización de los establecimientos minoristas es determinar el patrón espacial que mejor se adapte a los objetivos corporativos de la empresa. La estrategia suele desarrollar unas líneas generales para la selección óptima de las aperturas, y estimar las ventas esperadas y los beneficios de las tiendas. La decisión de la ubicación de un establecimiento no es únicamente una cuestión de elección de lugar, sino que también incluye la yuxtaposición de las características espaciales del mercado junto con los objetivos corporativos y comerciales de la empresa (Ghosh y McLafferty, 1987). Si el proceso de elección de la localización de un establecimiento minorista ha resultado siempre complicado, las circunstancias del entorno lo han agravado recientemente. Cada vez más, la situación se caracteriza por una creciente competitividad, que provoca la disminución de los márgenes y la explotación de los distintos segmentos de mercado. Cualquier elemento competitivo que se pueda conquistar en este ambiente tiene un valor muy elevado (Clarke, 1998). La búsqueda de una estrategia de localización óptima tiene el potencial de convertirse en el citado elemento diferenciador.
Principales modelos de localización de áreas comerciales. 3 Así pues, no sólo la decisión de dónde ubicar un establecimiento es una de las más cruciales para las empresas comerciales minoristas, sino también el disponer de una estrategia o metodología que les ayude a tomar dichas decisiones. Por consiguiente, es necesaria una mayor investigación en las estrategias de localización de las empresas comerciales minoristas para lograr una mejor planificación comercial. Cualquier aspecto de mejora conceptual o metodológica puede contribuir a la búsqueda de dicha estrategia. 1.2 Principales modelos de localización de áreas comerciales. Un área comercial se puede definir como el área geográfica en la cual un minorista atrae a clientes y genera ventas durante un período específico (Applebaum y Cohen, 1961; Baviera-Puig et al., 2012). Según Chasco (1997; cit. en Gázquez y Sánchez, 2000), la delimitación de las áreas/subáreas comerciales y el estudio de la interacción competitiva a la que dan lugar sobre el espacio, puede llevarse a cabo mediante técnicas y modelos, más o menos sofisticados. Estos modelos presentan formas funcionales y variables (endógenas y exógenas) diversas, dando lugar a verdaderos grupos o “familias” de modelos de determinación de áreas de mercado del comercio detallista, los cuales han sido divididos en dos grandes bloques, el Enfoque Descriptivo-Determinista y el Enfoque Explicativo-Estocástico, y que, a su vez, se subdividen en varios enfoques y subgrupos de modelos. El análisis de las áreas de mercado trata de responder a la siguiente pregunta: ¿quién compra dónde? Los modelos que intentan responder a esta pregunta podrían dividirse en deterministas y estocásticos. Las técnicas y modelos deterministas se fundamentan en presupuestos sencillos. Los modelos estocásticos explican la probabilidad de que un individuo situado en un lugar concreto elija un establecimiento determinado, teniendo en cuenta una serie de características propias del individuo y del establecimiento, así como la separación geográfica existente entre ambos. En el fondo, esos modelos explican la probabilidad de que un individuo desarrolle un determinado hábito (Chasco, 2003). En la Ilustración 1-1 se recoge una propuesta sintética de los distintos enfoques en torno a las áreas comerciales. Se han resaltado en negrita los modelos utilizados en la presente investigación. No obstante, a continuación se describen brevemente las principales características del resto de modelos de determinación de áreas comerciales.
Capítulo 1: Localización 4 Ilustración 1-1 Modelos de determinación de áreas comerciales (Fuente: elaboración propia, a partir de Chasco y García (1997)) 1.2.1 Enfoque Descriptivo – Determinista Esta familia de modelos incluye todas aquellas técnicas y modelos encaminados a la determinación de las áreas de mercado del comercio minorista, sin pretender explicar los motivos por los cuales se producen dichas áreas, a diferencia de otros enfoques, más centrados en la búsqueda de variables determinantes de los flujos comerciales y del comportamiento del consumidor. Este Enfoque está constituido por un conjunto de técnicas y modelos que, tomando como centro el establecimiento comercial, determinan su área comercial unas veces a partir de la observación empírica, como es el caso de las Técnicas de Observación Empírica, otras veces a partir de hipótesis más o menos simplistas acerca del comportamiento de los consumidores, como es el caso del Enfoque de los Supuestos Normativos, y otras veces como resultado de la aplicación de Modelos deterministas de Gravitación Comercial. El Enfoque de los Supuestos Normativos se inicia con los trabajos de Christaller (1935) y Lösch (1954), y se centra en el análisis de la estructura espacial ENFOQUE DESCRIPTIVODETERMINISTA TÉCNICAS DE OBSERVACIÓN EMPÍRICA ENFOQUE DE LOS SUPUESTOS NORMATIVOS LEY DE GRAVITACIÓN COMERCIAL ENFOQUE EXPLICATIVOESTOCÁSTICO ENFOQUE DE PREFERENCIA REVELADAS MODELOS DE INTERACCIÓN ESPACIAL MODELO DE HUFF MODELOS MULTIPLICATIVOS MCI MODELOS DE ELECCIÓN DISCRETA MODELOS DINÁMICOS ESPACIALES ENFOQUE DE EVALUACIÓN DE LA UTILIDAD
Principales modelos de localización de áreas comerciales. 5 que caracteriza los sistemas minoristas; las Técnicas de Observación Empírica, que arrancan de Applebaum y Cohen (1961), giran en torno a problemas prácticos de localización de las empresas detallistas y a las decisiones de planificación de las autoridades públicas. No obstante, se ha producido una tendencia hacia la reconciliación de estas dos posturas, a través del reconocimiento mutuo de sus aportaciones respectivas (Jones y Simmons, 1990; Bennison et al, 1995; González, 1999). 1.2.1.1 Enfoque de los Supuestos Normativos Este Enfoque incluye la Teoría del Valor de la Renta de la Tierra, de Von Thünen (1826), el Principio de diferenciación mínima (1929), aplicado por Hotelling, la Teoría de los Lugares Centrales, de Christaller (1935) y Lösch (1954) y la técnica de los Polígonos Thiessen (Thiessen y Alter, 1911) y de Jones y Mock (1984). Todas estas técnicas suponen, de un modo un tanto simplista, que todos los establecimientos venden un mismo producto (sin diferencias debidas a distintas marcas, imágenes, envoltorios, etc.), así como que todos los individuos pueden moverse sobre el territorio libremente, en cualquier dirección (sin barreras geográficas). Por eso, las áreas de mercado construidas por estas técnicas tienen una forma totalmente geométrica: hexágonos regulares, en el caso de la Teoría de los Lugares Centrales y polígonos más o menos irregulares, en el caso de los Polígonos Thiessen. La Teoría del Valor de la Renta de la Tierra es una de las primeras y más importantes aproximaciones a la configuración espacial de las actividades minoristas en el espacio. Centrada inicialmente en un modelo aplicado a la agricultura por Von Thünen (1826), esta teoría analiza la asignación competitiva del terreno o del espacio físico de las ciudades entre diferentes funciones o usos alternativos, y cuya aplicación al ámbito comercial se produce hacia 1926 por Haig (aun cuando la formalización más aceptada es la de Alonso, 1964; cit. en Suárez, 1997). Bajo supuestos simples [entre otros: i) un espacio homogéneo en fertilidad donde se producen diversos productos agrícolas; ii) una ciudad centro del mercado; iii) consumidores idénticos en preferencias], Von Thünen muestra que los productos que se cultivan cerca de las ciudades son aquellos con menores costos de transporte, alta productividad y rentas altas de la tierra. Conforme la ubicación de los productos se aleja del centro de la ciudad, la renta de la tierra, y la productividad de la tierra disminuyen con crecientes costos de transporte. A través del análisis de los criterios de localización de las diferentes actividades minoristas en un determinado ámbito geográfico, esta teoría sostiene que las distintas funciones o formas comerciales compiten por las localizaciones más céntricas, asumiendo que es en ellas donde la demanda potencial es más alta (Brown, 1993a y
Capítulo 1: Localización 6 b). Como resultado de la puja competitiva entre las empresas por las diferentes localizaciones, esta teoría predice que, a largo plazo, cada una de las ubicaciones será ocupada por la actividad o formato comercial que esté dispuesto a pagar la mayor renta o precio por ella, estableciéndose en consecuencia una jerarquía en el territorio urbano en términos de asignación eficiente de la tierra (Clarkson et al, 1996; Clarke et al, 1997). La razón se debe a que las distintas actividades se diferencian entre sí en la importancia que para ellos tienen el ubicarse en el centro de las ciudades o pueblos, y en el coste que están dispuestos a pagar por ello. Así, mientras que las localizaciones más céntricas son las ubicaciones preferidas por las actividades comerciales más especializadas –como el comercio de ropa y calzado-, las periféricas o más alejadas del centro urbano son las elegidas por establecimientos dedicados a actividades de más bajo orden, como los productos de compra cotidiana o de conveniencia –por ejemplo, el comercio de alimentación-. A pesar de las limitaciones que presenta esta teoría, que se explican en términos de las hipótesis restrictivas sobre las que descansa –maximización de los beneficios de las empresas minoristas, comportamiento económico racional de los consumidores, información perfecta en el mercado, costes homogéneos de transporte…-, gran parte de las ciudades tradicionales europeas se ajustan a lo que predice esta teoría. Así, las aglomeraciones comerciales del centro de los municipios se diferencian de las más periféricas en función de la mezcla comercial que presentan estas dos zonas: de bienes de elección o de comparación en el centro y de compra frecuente en la periferia –lo que, desde un punto de vista espacial, implica una ordenación concéntrica de los distintos usos del suelo-. Por otra parte, y particularizando al caso de la actividad minorista, esta teoría permite una explicación de la localización de las distintas actividades no sólo en las distintas áreas urbanas, sino también en la disposición espacial en el interior de las distintas zonas y centros comerciales (entre calles principales y secundarias, por ejemplo; o, incluso, en la ubicación concreta del establecimiento dentro de una misma calle). Su aportación más relevante descansa en considerar conjuntamente el equilibrio entre los beneficios proporcionados por la accesibilidad y el coste de ésta, lo que determina la configuración de las actividades comerciales en la estructura de la ciudad. No obstante, los supuestos tan restrictivos que presenta se han visto sometidos a críticas importantes (Ball, 1985, cit. en Suárez, 1997; Brown, 1992; González, 1999). Además de los problemas de congestión del tráfico de muchas ciudades, la dificultad de acceder a las zonas comerciales a través del automóvil, la estructura física de las calles (sinuosas, estrechas, mal pavimentadas, etc, en especial en el centro de las urbes), los problemas de estacionamiento, la distribución irregular de la población en el territorio atendiendo a sus características demográficas (de modo que las localizaciones más céntricas de las ciudades están ocupadas en su mayoría por
Principales modelos de localización de áreas comerciales. 7 población marginal, y en la periferia se encuentran residentes de alto –y de bajo– poder adquisitivo), etc., hacen que la realidad de muchos municipios no se adapte totalmente a lo que predice la teoría. Por otro lado, la noción de accesibilidad tiene una interpretación que varía según el tipo de negocio que se considere, de modo que muchas de estas actividades no dependen de una exposición o proximidad general a todo el mercado (lo que no se contempla en las versiones más básicas de este modelo). Así mismo, la accesibilidad puede entenderse como proximidad a competidores o actividades complementarias (Scott, 1970; cit. en González, 1999; Camagni, 2005). Junto a esto se señala, así mismo, el carácter estático de la teoría, que no recoge la importancia de los factores dinámicos sobre la configuración espacial de la actividad comercial. Discusiones extensas son las desarrolladas en Fujita (1989), Brown (1992b), o Guy (1994b), entre otros. A pesar de todo ello, es indudable su interés como aproximación a la localización de los establecimientos en el territorio. La segunda de las explicaciones de las pautas de localización de los establecimientos comerciales es la desarrollada por Hotelling (1929), a través del Principio de Diferenciación Mínima, aunque inicialmente se centraba en la interpretación de una situación de duopolio en la que es posible que exista equilibrio sin llegar a la colusión. Frente a los enfoques basados en el precio que dominaban la explicación económica del comportamiento de la demanda, este postulado sostiene que existen factores diferentes, como los costes de transporte, que explican asimismo el comportamiento de compra del consumidor. De acuerdo con esta teoría, el comportamiento maximizador de los beneficios de las empresas las lleva a ubicarse en estrecha proximidad a las que venden idéntico tipo de bienes, de modo que la totalidad del mercado potencial se reparte entre las distintas firmas instaladas (originalmente, dos en el modelo de Hotelling). El principio de diferenciación mínima establece cómo la aglomeración de establecimientos minoristas resulta beneficiosa para las empresas, en especial para bienes como muebles, vehículos o ropa, en los que el precio, el diseño, la calidad y la moda resultan atributos muy valorados para explicar el comportamiento de compra del consumidor (Medina, 1997; Suárez, 1997; Medina et al, 1999). Así, esta teoría parte de que existe un comportamiento que maximiza los beneficios por parte de los minoristas, que venden productos idénticos, con costes nulos de producción y que están ubicados en un mercado lineal donde los costes de producción son constantes, la demanda es idéntica –así como la distribución de la misma en el territorio-, los productos se eligen en función de su precio y, además, los comerciantes tienen libertad para localizarse. Siendo esto así, este principio establece que en el equilibrio ninguna empresa podrá incrementar sus beneficios alterando sus precios, ya que si así lo
Capítulo 1: Localización 14 1.2.2 Enfoque Explicativo – Estocástico El Enfoque Explicativo-Estocástico permite la introducción y el estudio de nuevas variables influyentes en la decisión individual de elección de un establecimiento comercial. Se distinguen dos familias de modelos: la que sigue el enfoque de las preferencias reveladas y la que sigue el enfoque de la evaluación directa de la utilidad 1.2.2.1 Enfoque de las Preferencias Reveladas Teniendo en cuenta que la elección del consumidor, en muchas ocasiones, se basa en un comportamiento no racional que atendería más a modelos probabilísticos que a enfoques deterministas, este nuevo tipo de modelos busca aquellas variables que influyen en la conducta del individuo a la hora de realizar su elección. Los modelos que se agrupan bajo este enfoque tratan de explicar los flujos de negocio en función de variables relativas al punto de origen y destino, cuyos datos son extraídos a partir de preferencias expresadas por una muestra de consumidores relativas a establecimientos comerciales ya existentes. Esta familia de modelos utilizan la elección real como variable a explicar e incluyen, a su vez, tres grandes grupos de modelos: los Modelos de Interacción Espacial, los Modelos de Elección Discreta y los Modelos Dinámicos Espaciales. Veamos a continuación las principales características de cada uno de ellos. Sin negar la importancia de la primera aproximación realizada por Reilly (1931) con su ley sobre gravitación del comercio (y de la derivación posterior de Converse, 1949), las limitaciones de su simplicidad teórica o empírica (Medina, 1997; Suárez, 1997) llevaron en el tiempo a la aparición de modelos basados en planteamientos probabilísticos, frente al enfoque determinista que predominaba en las primeras aportaciones teóricas. Aunque con formulaciones diversas, los Modelos de Interacción Espacial tratan de determinar la utilidad que las diferentes opciones de compra disponibles proporcionan al consumidor, considerando factores adicionales a la localización de los establecimientos. Así, es la utilidad global que proporciona cada una de las alternativas de compra, y no sólo la ubicación del negocio, la que atrae al cliente hacia el centro de compras (Suárez, 1997; De Juan, 1998; Rodríguez Díaz, 2004), en respuesta a motivaciones muy variadas por parte del comprador (racionales, emocionales, etc). David Huff (1963) propone un modelo de interacción espacial de tipo multiplicativo y competitivo basado en el Axioma de Utilidad de Luce (1959) que postula que, cuando existen varias alternativas de compra, la probabilidad de que un individuo elija una alternativa en concreto es igual al cociente de la utilidad de dicha
Principales modelos de localización de áreas comerciales. 15 alternativa y la suma de las utilidades de todas las alternativas consideradas por dicho individuo. La probabilidad de que un consumidor visite un establecimiento en concreto, por tanto, es igual al cociente de la utilidad de ese establecimiento y la suma de las utilidades de todos los establecimientos considerados por el consumidor: donde: Pij: Probabilidad de que un consumidor i visite el establecimiento j. n: Número de establecimientos considerados por el consumidor. Uij: Utilidad del establecimiento j para el consumidor i. Sj: Variable masa de tamaño o atractivo del establecimiento j. dij: Distancia que separa el establecimiento j del consumidor i. α: Parámetro que refleja la sensibilidad de los consumidores a la variable masa. : Parámetro que refleja la sensibilidad de los consumidores a la variable de fricción. De esta forma Huff abre una nueva perspectiva en los modelos de gravitación comercial: la estructuración de un modelo en el que son los consumidores, y no los establecimientos comerciales, el centro de atención. Según Reilly, los almacenes son los que ejercen atracción sobre los consumidores; Huff pone de manifiesto un enfoque más realista, al considerar que son los consumidores los que deciden, con mayor o menor probabilidad, comprar en unos determinados centros comerciales. Además, el modelo de Huff tiene en cuenta también la competencia, factor muy importante en la determinación del área comercial de un establecimiento. Huff identificó la variable S de tamaño con la superficie comercial. Además, afirmó que cuando los consumidores tienen un número de alternativas de compra, consideran el hecho de visitar varios establecimientos, en vez de restringirse a una única tienda. Cada uno de los establecimientos de una zona geográfica, con los que el consumidor se encuentra familiarizado, tiene alguna oportunidad de ser visitado. Es más, para Huff las áreas comerciales son probabilísticas, y no deterministas, de modo que cada negocio tiene alguna probabilidad (aunque sea pequeña) de ser visitado. El modelo de Huff permite unir, mediante una curva de equiprobabilidad, todos aquellos puntos de origen tales que los individuos situados en ellos tengan igual probabilidad de comprar en un centro en cuestión. Trazando todas las posibles curvas de equiprobabilidad para un negocio, desde aquellas que tienen un valor de
Capítulo 1: Localización 16 probabilidad muy cercano a uno, a aquéllas que lo tienen muy próximo a cero, se obtiene una estimación del área de mercado del centro de forma gradual a modo de capas. Sobre la base de este modelo, autores posteriores (Spiggle y Sewall, 1987; Wee y Pearce, 1985, cit. en De Juan, 1998) han modificado este planteamiento original teniendo en cuenta solamente los centros comerciales evocados por los clientes, y no todos los que forman parte del conjunto de opciones disponibles para éstos, llegando a la conclusión de que considerar, en la función de utilidad de los consumidores, los comercios o centros de compra escogidos por aquellos proporciona una mejor explicación del fenómeno. A pesar de la importancia de este primer modelo y de las variaciones que con posterioridad realizan otros autores, estas primeras aproximaciones carecen de factores explicativos adicionales que van a ser incorporados en momentos posteriores, mejorando este análisis previo. Así, estos modelos originarios ignoran elementos explicativos importantes como los psico-demográficos, los relativos a la accesibilidad o movilidad del consumidor o las características particulares de los centros comerciales, ni tienen en cuenta el tipo de producto, o la tipología concreta de los centros utilizados. Estudios posteriores han matizado el modelo original de Huff, afirmando que sus aportaciones teóricas han de entenderse en función del tipo de compra que se está realizando, en tanto que ni el tamaño del centro comercial ni la distancia van a influir de la misma forma cualquiera que sea el tipo de compra que se considere (Ruiz de Maya y Flores, 1995). En la misma línea de superación y mejora del modelo original de Huff, Gautschi (1981) demuestra que la consideración de características relativas a los centros comerciales y a las formas de transporte utilizadas por el consumidor para llegar al establecimiento mejora la capacidad explicativa del modelo, tesis que es discutida o matizada por otros autores (De Juan, 1998). Lo mismo se puede decir de la inclusión de aspectos como la localización geográfica (centro de la ciudad frente a la periferia) o de parámetros relativos a la importancia de la imagen como atributo determinante que ayuda a explicar la elección de centro comercial por parte de los compradores (Stanley y Sewall, 1976), en tanto que desde la perspectiva del consumidor los distintos elementos caracterizadores de la imagen son aquellos en virtud de los cuales decide el cliente (Gil, 1995). La relevancia de estas críticas ha planteado la formulación de los denominados modelos Multiplicativos de Interacción Competitiva (MCI), para superar las limitaciones conceptuales de las propuestas anteriores, abriendo nuevas vías de investigación. El deseo de incluir múltiples medidas del atractivo de la tienda y de la accesibilidad llevan a Nakanishi y Cooper (1974) a definir un modelo de interacción espacial más generalizado (MCI), que se define de la siguiente manera:
Principales modelos de localización de áreas comerciales. 17 Donde: Pij = la probabilidad de que un consumidor en la situación de elección i elija el establecimiento j. Akj = medida de la variable k que describe la atracción del establecimiento j. αk = parámetro de sensibilidad con respecto a la variable k. q = número total de variables consideradas en la medida de la atracción. dij = distancia existente entre la localización i del consumidor y el establecimiento j. = parámetro de sensibilidad con respecto a la distancia. n = número de empresas comerciales minoristas consideradas por el consumidor en la situación de elección i. El modelo MCI tiene las siguientes ventajas: 1. La estimación de las cuotas de mercado que obtiene es mayor que 0 y suman la unidad, cumpliendo el teorema de cuotas de mercado propuesto por Bell et al. (1975). Esta condición es difícil de conseguir en los modelos lineales multivariantes (Naert y Bultez, 1973). 2. Permite introducir un mayor número de variables que el modelo de Huff, sin restricciones (Rosa, 1997). 3. Los MCI pueden ser utilizados también para predecir el impacto de los cambios en las características del establecimiento de una determinada empresa comercial minorista o de la apertura de un nuevo establecimiento. No obstante, una de las ventajas citadas puede llegar a convertirse en su principal defecto: la Independencia de las Alternativas Irrelevantes (Suárez et al., 2004). Esta propiedad indica que la llegada de una nueva elección (un nuevo establecimiento) competirá de igual manera con los establecimientos existentes en base a sus atributos. Esto se deriva de que la definición de la utilidad de un establecimiento de Luce (1959) se realiza con independencia del contexto competitivo y, en consecuencia, los efectos de sus políticas comerciales en sus competidores son uniformes, independientemente del competidor considerado. Esta propiedad puede plantear inconvenientes, si los establecimientos no son percibidos por los consumidores como un conjunto de elección uniforme. La transformación zeta
Capítulo 1: Localización 18 cuadrado, aunque desarrollada con otro propósito, contribuye a la superación de esta limitación (González-Benito et al., 2001). Asimismo, González et al. (1998) indican que las críticas que con mayor frecuencia se le atribuyen al modelo MCI son las siguientes: 1. Los problemas que se presentan en el intento de búsqueda de localizaciones para nuevas formas de establecimientos minoristas, al realizarse el calibrado del modelo en base a las pautas de compra pasadas. 2. El contexto de dependencia del modelo con respecto a los consumidores y al número de opciones investigado, de lo que se deriva que los resultados del modelo no son extrapolables de una zona geográfica a otra. Cliquet (1990) distingue dos tipos de modelos MCI: los modelos objetivos y los modelos subjetivos. Los primeros son aquéllos cuyas variables explicativas están medidas de manera objetiva, mientras que las variables de los segundos son subjetivas. Esto se debe, por un lado, a que las percepciones de los atributos de un establecimiento minorista juegan un papel esencial durante el proceso de elección y, por otro lado, evolucionan más rápidamente que las características reales. Sin embargo, se pueden mezclar ambos tipos de variables en un mismo modelo. Por ejemplo, Jain y Mahajan (1979) al analizar el sector minorista de alimentación utilizan, además de la superficie de venta y la distancia, la posibilidad de poder pagar con tarjeta de crédito, el número de cajas registradoras para poder efectuar el pago, y si el establecimiento está ubicado o no en una intersección. De manera similar, Hansen y Weinberg (1979) descubren que la disponibilidad de ascensor en un centro comercial y la novedad de una marca determinan el patrón de comportamiento del consumidor en el sector bancario. Tanto Cliquet (1995) como González-Benito et al. (2001) resaltan la utilidad del modelo MCI, no sólo para la localización de empresas comerciales minoristas, sino también como instrumento de gestión gerencial al prever el impacto de posibles estrategias de marketing. Cliquet (1995) utiliza el modelo, una vez calibrado, para simular varias campañas de promoción de ventas en el sector del mueble, mientras que González-Benito et al. (2001) lo hacen mediante el cálculo de elasticidades entre la variable dependiente y las variables independientes. También, el modelo MCI se ha aplicado a la determinación de cuotas de mercado de distintos productos (Bronnenberg et al., 2000; DeSarbo et al., 2002), a la medida de la atracción de las categorías de productos dentro de un establecimiento (Campo et al., 2000; Campo y Gijsbrechts, 2004; Verhetsel, 2005), y a la elección de la estrategia de internacionalización de las empresas comerciales minoristas (Gripsrud y Benito, 2005). Los Modelos de Elección Discreta constituyen el segundo grupo de modelos componentes de la familia del Enfoque de Preferencias Reveladas. Estos modelos
Principales modelos de localización de áreas comerciales. 19 están fundamentados en la Teoría de la Elección Discreta y también continuadores, en alguna medida, del Modelo de Huff. Los Modelos de Elección Discreta tratan de estimar la probabilidad de elegir una determinada alternativa, tomando como punto de partida los atributos de estas alternativas de elección y las características individuales, integradas en una función de utilidad. La utilidad de los modelos de elección discreta frente a la econometría tradicional radica en que los primeros permiten la modelización de variables cualitativas, a través del uso de técnicas propias de las variables discretas. Se dice que una variable es discreta cuando está formada por un número finito de alternativas que miden cualidades. Esta característica exige la codificación como paso previo a la modelización, proceso por el cual las alternativas de las variables se transforman en códigos o valores cuánticos, susceptibles de ser modelizados utilizando técnicas econométricas. La modelización de este tipo de variables se conoce genéricamente con el nombre de modelos de elección discreta, dentro de la cual existe una amplia tipología de modelos. En concreto, según el número de alternativas incluidas en la variable endógena, se distinguen los modelos de respuesta dicotómica frente a los denominados modelos de respuesta o elección múltiple. Según la función utilizada para la estimación de la probabilidad existe el modelo de probabilidad lineal truncado, el modelo Logit y el modelo Probit. Según sean las alternativas de la variable endógena excluyentes o incorporen información ordinal, se distingue entre los modelos con datos no ordenados y los modelos con datos ordenados. Dentro de los primeros, según que los regresores hagan referencia a aspectos específicos de la muestra o de las alternativas entre las que se ha de elegir, se distingue entre los modelos multinomiales y los condicionales. Teniendo en cuenta todos los elementos que influyen en el proceso de especificación de los modelos de elección discreta, se puede establecer una clasificación general de los mismos, que queda recogida en la Tabla 1-1:
Capítulo 1: Localización 20 Nº de alternativas Tipo de alternativas Tipo de función El regresor se refiere a características de los individuos El regresor se refiere a atributos de las alternativas Modelos de respuesta dicotómica (2 alternativas) Complementarias Lineal Modelo de Probabilidad Lineal Truncado Logísitca Modelo Logit Normal tipificada Modelo Probit Modelos de respuesta múltiple (más de dos alternativas) No ordenadas Logística Logit Multinomial - Logit Anidado - Logit Mixto Logit Condicional - Logit Anidado - Logit Mixto Normal tipificada Probit Multinomial Probit Multivariante Probit Condicional Probit Multivariante Ordenadas Logística Logit Ordenado Normal tipificada Probit Ordenado Tabla 1-1 Clasificación de los modelos de elección discreta (Medina Moral (2003) Finalmente, los Modelos Dinámicos Espaciales constituyen el tercer grupo de modelos del Enfoque de las Preferencias Reveladas los cuales, partiendo de los fundamentos teóricos de los Modelos de Interacción Espacial y de los Modelos Logit de Elección Discreta, incorporan el tiempo a la modelización, analizando la evolución espacio-temporal de las áreas de mercado. Aunque estos modelos han sido fundamentalmente aplicados a problemas de elección de transporte, lugar de residencia, etc., cada vez existen más aplicaciones de modelos dinámicos a la elección espacial del comercio detallista. En concreto, nos referimos al Modelo de Difusión Espacial de Áreas de Mercado (Allaway et al., 1992), basado en la Teoría de la Difusión, que estudia la evolución espacio-temporal de las áreas de mercado del comercio al por menor. Estos autores ponen de manifiesto que las áreas de mercado de los nuevos establecimientos comerciales evolucionan hacia una situación de equilibrio y que el ritmo de crecimiento puede tener importantes consecuencias e implicaciones. A los empresarios, de un modo especial, les interesa conocer la velocidad de crecimiento del área de mercado de un nuevo establecimiento comercial (su progresiva extensión en el espacio y su grado de aceptación en el tiempo), pues afectan tanto a la política de inversiones como al estudio de la competencia.
Principales modelos de localización de áreas comerciales. 21 1.2.2.2 Enfoque de la evaluación directa de la utilidad Como se ha visto en la sección anterior, los modelos de Preferencias Reveladas se centran en el análisis de las elecciones reales de compra efectuadas por los individuos (Ben-Akiva y Lerman, 1985), es decir, en la preferencias reveladas a través de la elección real de compra. Existe una segunda familia de modelos perteneciente al Enfoque ExplicativoEstocástico que siguen un enfoque de evaluación directa de la utilidad. Estos modelos examinan la ordenación o puntuación manifestada por los individuos acerca de sus preferencias sobre alternativas de elección hipotéticas. Esta aproximación se apoya en la Teoría de la Integración de la Información y en la Teoría de los Juicios Sociales, y asume que el decisor es capaz de ordenar las alternativas de acuerdo con sus preferencias (Timmermans y Golledge, 1989; Batsell y Louviere, 1991). Al contrario del caso anterior, el analista no observa la elección real de compra, puesto que el individuo sólo efectúa una declaración de intenciones acerca de sus preferencias. Por ello estos modelos también reciben el nombre de Preferencias Declaradas. Se trata de evaluar la función de utilidad mediante una “evaluación directa” de establecimientos reales o simulados, utilizando la técnica de Análisis Conjunto (“Conjoint”). Los autores que más han desarrollado este enfoque han sido Louviere y Woodworth (1983). Este enfoque viene a solucionar un problema propio de los modelos de preferencias reveladas: su dependencia de contexto. Es decir, que los parámetros estimados en estos modelos reflejan las características de los establecimientos comerciales existentes en el área considerada. De este modo, los parámetros correspondientes a variables o características en las cuales los establecimientos existentes no difieran mucho tendrán un valor absoluto más bajo. Esto no querrá decir, sin embargo, que estas características no sean importantes para los consumidores, sino que, debido a la similitud existente entre los establecimientos comerciales, éstos tendrán en cuenta otras variables para discriminar entre ellos. Esta propiedad tiene implicaciones importantes en la predicción de nuevos establecimientos, ya que la cuota de mercado estimada no será significativa en el caso en que surjan establecimientos comerciales nuevos y éstos tengan características sensiblemente diferentes de los anteriores. En la presente investigación se han utilizado los modelos de interacción espacial. Por ello, en el capítulo 3 se van a desarrollar los principales modelos de interacción espacial, esto es, el modelo de Huff y el modelo Multiplicativo de Interacción Competitiva.
Capítulo 1: Localización 22 1.3 La localización como herramienta de marketing La microeconomía es la parte de la economía que estudia el comportamiento económico de los agentes individuales (consumidores, empresas, trabajadores e inversores), así como de los mercados. A mediados del siglo XIX, la microeconomía da sus primeros pasos proponiendo el principio de la utilidad marginal decreciente, según el cual el valor de los bienes no vendría dado únicamente por cuestiones objetivas (costes de producción y del trabajo), sino también por el comportamiento subjetivo o psicológico del consumidor. En esta época da también sus primeros pasos el marketing que, según algunos autores, podría considerarse como la expresión social y la transposición operacional de los principios enunciados por los economistas clásicos. No hay que olvidar que el fin último del marketing consistiría en conocer todo lo que rodea al comportamiento del individuo o consumidor de acuerdo a unas preferencias (Chasco y Sánchez, 2012). Todos estos fenómenos eran estudiados por la microeconomía a partir de modelos matemáticos y posteriormente (con el desarrollo de la estadística), econométricos, que se fundamentaban en supuestos sobre el comportamiento de los agentes económicos. Dada la naturaleza de algunos fenómenos económicos (como la moneda, el capital o el riesgo) que suelen ser evaluados en el tiempo, los modelos econométricos se centraron en el análisis de series temporales. A esto contribuyó también el hecho de que, en el siglo XIX, la principal preocupación de los economistas clásicos fuera la realización de la revolución industrial, que fundamentaba el éxito del «despegue» industrial en una fuerte concentración de recursos en lugares donde la localización estaba impuesta por las condiciones naturales (por ejemplo, la existencia o no de minas). Es decir, en estos primeros tiempos, el problema de la localización industrial no se planteaba (Chasco, 2003). La dimensión geográfica o espacial ha sido largamente marginada, en favor de la dimensión temporal, por un análisis económico clásico que, en palabras de Isard (1956), consideraba el sistema económico como “un mundo maravilloso sin dimensión espacial”. Así pues, pese a las innegables relaciones existentes entre marketing y geografía, no es hasta un período relativamente reciente, fundamentalmente la década de los 90, cuando se han iniciado la investigación y las aplicaciones en este campo. El motivo de este olvido reside en el propio origen del Geomarketing: las teorías económicas del espacio geográfico (Chasco y Sánchez, 2012). A partir de los años 50 del pasado siglo, se ponen las bases de las teorías espaciales y se especifican los primeros modelos. Cabe destacar el desarrollo que experimenta la ciencia regional, que aborda temas y problemas concernientes a las ciudades y las regiones mediante el diseño de formulaciones teóricas que explican el comportamiento humano en el espacio. En esta época también, se postula el carácter
La localización como herramienta de marketing 23 interdisciplinar del marketing, que se relaciona con áreas de conocimiento como la teoría económica, política, ciencias del comportamiento y otras disciplinas sociales. De este modo, el marketing incorpora nuevos conceptos y herramientas con el objetivo de proporcionar a los gestores y analistas un mejor conocimiento, e incluso un mayor control, de este entorno cada vez más complejo y cambiante. Una de esas incorporaciones es la geografía, que introduce en el campo del marketing la dimensión espacial de los fenómenos socioeconómicos Hacia finales de los años 80 y, sobre todo, en la década de los 90, se ha producido una demanda creciente de este tipo de análisis espacial tanto desde las instituciones privadas como públicas, debido fundamentalmente a las siguientes razones (Chasco, 2003): a) El auge, dentro del campo de las ciencias sociales y la teoría económica de lo que se ha dado en llamar la “nueva geografía económica”, que encuentra su máximo exponente en el economista norteamericano Paul Krugman (1992), entre otros. Esta atención renovada por el tema espacial no se limita a la economía, sino que también tiene sus exponentes en otras ciencias sociales que anteponen a disciplinas clásicas el prefijo “geo” (geodemográfica, geoestadística, geomarketing, geopolítica, etc.) o el apellido “espacial” (economía espacial, econometría espacial). b) La creciente disponibilidad de grandes bancos de datos socioeconómicos de carácter territorial, con observaciones georreferenciadas (censos, directorios, encuestas), muchas de las cuales son ofrecidas por instituciones públicas, como la base “Tiger” o “Reis” en EE.UU., “Regio” en la UE. c) El desarrollo de una tecnología eficiente y de bajo coste, capaz de manejar observaciones georeferenciadas: los Sistemas de Información Geográfica (SIG o GIS, en la terminología anglosajona) y, en general, software para el análisis de datos espaciales. El uso de un SIG hace posible el almacenamiento eficaz y una rápida recuperación y visualización interactiva de las formas correspondientes a conjuntos de datos geográficos. La geografía se ha convertido en una variable más para el responsable comercial. El espacio, la geografía y los datos se convierten por tanto en un valioso recurso para minimizar el riesgo en la toma de decisiones para el responsable de marketing y, en definitiva, para quien tenga una responsabilidad sobre una decisión comercial. Ya no solamente importan quiénes son los clientes y la competencia, sino también donde se encuentran, así como, la ubicación de la propia empresa (BavieraPuig et al., 2009). A medida que las necesidades, deseos y preferencias de los distintos grupos de consumidores van siendo cada vez más variados, los negocios se ven obligados a comprender estas peculiaridades. Con el paso de los años, el mercado de masas se ha ido fragmentando en una serie de micromercados, produciéndose una competencia
Capítulo 1: Localización 30 Church (2002) afirma que el éxito de muchos aplicaciones para la selección de la localización de establecimientos de venta al por menor podría estar íntimamente ligado a los SIG porque éstos son los sistemas usados al trabajar con la información espacial. Una de las razones del éxito de los SIG es su capacidad de generar visualizaciones de los datos, lo que ayuda considerablemente en un proceso de decisión tan complejo como el de la localización al por menor (Hernández, 2007; Musyoka et al., 2007). Esta característica de los SIG permite a gerentes que tienen limitaciones para comprender la información geográfica, ayudándoles a tomar decisiones tan difíciles e importantes (Ozimec et al., 2010). Además, los SIG son capaces de tratar grandes cantidades de información y de enlazar mapas digitales con las bases de datos relacionadas. Las características descritas convierten a los SIG en herramientas imprescindibles en el desarrollo de los procesos de decisión asociados a la selección de la localización al por menor de establecimientos (Mendes y Themido, 2004). Uno de los factores que influyen en la cuota de mercado y en los patrones de sustitución entre las opciones comerciales disponibles es la dispersión espacial tanto de los consumidores como de los vendedores (Davis, 2006). Esta dispersión espacial puede ser útil en la determinación de nuevos establecimientos comerciales (BavieraPuig et al., 2011). Dos conceptos claves se erigen de esta idea: la “geo-demanda” y la “geo-competencia”. La “geo-demanda” se puede definir como la localización de los clientes que compran un producto o servicio en un mercado específico. La “geocompetencia” es la localización de los competidores de un negocio y la delimitación de sus áreas comerciales en un mercado particular. Las localizaciones posibles para un nuevo establecimiento al por menor pueden ser identificadas analizando conjuntamente la “geo-demanda” y la “geo-competencia”. Sin embargo, en muchas ocasiones, la complejidad e importancia de decidir si abrir un nuevo establecimiento va mucho más allá que simplemente identificar varias posibles localizaciones. La estrategia de localización implica también tomar una decisión en cuanto a la localización más conveniente de una lista de posibilidades (Wood y Reynolds, 2012). Aunque la teoría de la localización y la teoría de los SIG se han desarrollado prácticamente independientemente, actualmente se apoyan mutuamente. Estas teorías pueden complementar el estudio de los modelos de toma de decisión, donde ambas técnicas son aplicables tanto en campos espaciales como no-espaciales (Church y Murray, 2009).
31 Capítulo 2 2 Gestión de centros comerciales y de ocio a rentabilidad de los centros comerciales se genera a partir de diferentes factores. En primer lugar, se encuentra la selección de una adecuada localización que facilite la accesibilidad al mayor número de clientes potenciales posibles. En segundo lugar, se precisa de la configuración de una oferta comercial lo suficientemente poderosa como para estimular a los clientes a moverse con el fin de realizar sus compras. En tercer lugar, es necesario contar con unas infraestructuras de servicios e instalaciones que supongan un atractivo diferencial frente al resto de ofertas comerciales competitivas. En cuarto lugar, desarrollar una acción de comunicación y promoción constante del centro comercial. Para poder tener un éxito continuado en el tiempo, es preciso que todos estos factores sean gestionados de forma profesional con modelos actualizados, que permitan adaptar la oferta del centro comercial a las necesidades cambiantes de los clientes y a las acciones que realicen los competidores. L
Capítulo 2: Gestión de centros comerciales y de ocio 32 2.1 Centros Comerciales y de Ocio 2.1.1 Definición y tipologías. La corriente más importante de estudios relacionados con el concepto de centro comercial se ha centrado de forma mayoritaria en el sentido de agrupación planificada de establecimientos minoristas. De ellos, una de las primeras y más importantes, plenamente aceptada y que en la actualidad sigue siendo válida, es la definición dada por Dawson (1983), para quien un centro comercial planificado es “un grupo de establecimientos comerciales unificados arquitectónicamente, construido sobre un asentamiento planificado, desarrollado, poseído y gestionado como unidad en relación con su localización, tamaño y tipo de tiendas al área comercial a la que sirve”. De acuerdo con Frasquet (2000), el dinamismo del sector de la distribución comercial, la constante aparición de nuevos formatos comerciales y la necesidad de unificar criterios y delimitar las fronteras del concepto, ha llevado a los investigadores a aceptar como válida una definición procedente del ámbito profesional, como es la establecida por la Asociación Española de Centros Comerciales (A.E.C.C., 1992), que define el término centro comercial como “un conjunto de establecimientos comerciales independientes, planificados y desarrollados por una o varias entidades, con criterio de unidad; cuyo tamaño, mezcla comercial, servicios comunes y actividades complementarias están relacionados con su entorno, y que dispone permanentemente de una imagen y gestión unitaria”. La característica que distingue a un centro comercial es la de ser concebido, realizado y gestionado como una unidad. El objetivo que se persigue en su diseño y funcionamiento es la creación de un valor global superior a la suma de todos los comercios y actividades que lo integran, mediante la formación de un entorno único que atrae a los clientes y, por ello, les incita a volver de nuevo. La caracterización de los centros comerciales engloba una gran variedad de factores asociados al contexto distributivo (concentración, globalización, mercados marquistas, franquicias, servicios,…) pero, además, aparecen otros elementos que son propios de actividades terciarias y que complementan los recursos y capacidades de los centros comerciales (restauración, bares, cafeterías, agencias de viaje, espacios de ocio y esparcimiento, recreo infantil) (Marín y Martín, 2013). Ante la ambigüedad conceptual y terminológica acerca del concepto de centro comercial, existe una gran diversidad de tipologías relacionadas con este fenómeno. Así, como señala Guy (1994b), la clasificación de las formas comerciales ha sido un tema recurrente en la literatura sobre distribución, que se ha tratado desde muy diferentes perspectivas y criterios y en el que no se puede afirmar que exista una propuesta aceptada con carácter general por parte de los diferentes autores, aunque,
Centros Comerciales y de Ocio 33 según se afirma en Cerdá (2008), hay algunas que utilizan criterios más coherentes, flexibles y fácilmente interpretables que otras (Muñoz, 1993; De la Ballina, 1996; Frasquet, 2000). La categorización de centros comerciales establecida por la A.E.C.C toma como unidad el metro cuadrado de superficie bruta alquilable (SBA), que es la superficie comercial útil, excluyendo áreas de parking y zonas comunes. En 2006 fue adaptada al nuevo marco europeo común de clasificación de centros comerciales. Esta clasificación, que será a la que se haga referencia en los siguientes apartados, se resume en la Tabla 2-1: DENOMINACIÓN DESCRIPCIÓN Muy Grande SBA superior a 79.999 m2 Grande SBA desde 40.000 hasta 79.999 m2 Mediano SBA desde 20.000 hasta 39.999 m2 Pequeño SBA desde 5.000 hasta 19.999 m2 Hipermercado Galería Comercial fundamentada en un hipermercado Parque Comercial Parque de actividades comerciales que tenga un espacio común urbanizado, realice actividades comerciales al por menor, y esté formado, principalmente, por medianas y grandes superficies. Parque de Fabricantes Centro de Tiendas de Fabricantes (Factory Outlet): centro comercial, de ubicación normalmente periférica o en zonas turísticas, integrado por una agrupación de tiendas de fabricante y marcas, que venden con descuento sus propios productos. Centro de Ocio Centro especializado en ocio, restauración y tiempo libre Tabla 2-1 Clasificación de Centros Comerciales (Fuente: A.E.C.C (2013)) En los siguientes apartados se van a explicar los factores que han propiciado la proliferación de centros comerciales en España y que, por tanto, justifican el interés de la metodología propuesta en la presente investigación. 2.1.2 Factores determinantes de la expansión de los centros comerciales Los factores que han contribuido a la acelerada expansión de los centros comerciales son muy variados, pero algunos autores (Munuera y Cuestas, 2006; Cerdá, 2008) los han clasificado en tres grupos:
Capítulo 2: Gestión de centros comerciales y de ocio 34 los vinculados a los consumidores (demanda), los relacionados con los propios centros comerciales (oferta) y los que hacen referencia a la intervención de instituciones públicas. Los clientes no consideran a los centros comerciales como sustitutivos de los establecimientos tradicionales donde efectúan sus compras de productos y servicios, sino como puntos de encuentro, donde las funciones de ocio y socialización cobran una importancia especial, y donde a la vez existen posibilidades múltiples de consumo. Ello ha configurado un formato de entretenimiento y comercial que es muy popular en la actualidad. A continuación, se presentan las razones que explican las transformaciones operadas en el ámbito minorista, y por ende, en la tendencia hacia la aparición de centros comerciales. 2.1.2.1 Razones por parte de los consumidores: demanda. Según Cerdá (2010), en relación con la demanda, los factores más significativos son: El incremento de la renta de los consumidores; La incorporación masiva de la mujer al mercado de trabajo; La creciente proporción de recursos gastados en los nuevos formatos minoristas; El incremento de la población debido al aumento de la esperanza de vida, El baby boom de los años sesenta y la inmigración de los últimos lustros; La desestructuración familiar y el consiguiente aumento de hogares más pequeños y más diseminados geográficamente (Batey y Brown, 1995; Sweeney y Soutar, 2001); Los cambios de los consumidores en la valoración del tiempo dedicado al trabajo y al ocio (Verhetsel, 2005); La posibilidad de realizar compras más voluminosas gracias a la mejora del equipamiento automovilístico (Bell y Lattin, 1998; Arrondo et al., 2002); La tendencia a agrupar las compras rutinarias en compras esporádicas multipropósito dentro de grandes superficies con incentivos lúdicos (Dunne y Lusch, 1999; Dennis et al., 2002; Cliquet et al., 2006). Analicemos más detenidamente algunos de los factores indicados anteriormente, que se resumen en la Ilustración 2-1: El incremento en la renta personal y familiar disponible. El aumento de la renta, así como los cambios producidos en la proporción que destinan los consumidores a la
Centros Comerciales y de Ocio 35 adquisición y consumo de distintos bienes y servicios, afecta de manera significativa a la actividad minorista, en tanto que sirve de estímulo a la expansión de los formatos comerciales, tanto a los tradicionales como a los más actuales (Cerdá, 2008). El incremento de la movilidad de los consumidores. Se trata de uno de los factores más importantes que se manifiesta en el ámbito de la distribución comercial (Alzubaidi et al, 1997; Whyatt, 2004), y que se materializa en los siguientes rasgos: incremento del número de vehículos particulares, extensión de su propiedad entre amplias capas de la población y una mayor necesidad de infraestructuras viarias. Estos fenómenos han transformado la manera en que los establecimientos comerciales satisfacen las necesidades de compra y consumo de los ciudadanos. El automóvil no sólo mejora la accesibilidad sino que también permite la realización de compras más espaciadas en el tiempo y más voluminosas, que a su vez son posibles por la disponibilidad de tecnologías de almacenamiento y conservación de los hogares (Casares y Rebollo, 2005; Vázquez y Trespalacios, 2006). La aparición y el éxito de las grandes superficies y centros comerciales cuya forma de acceso se basa mayoritariamente en el automóvil, junto con la tendencia hacia la especialización de los diferentes establecimientos y formatos y su localización en zonas del extrarradio, tiene profundas repercusiones en la actividad comercial y, en gran medida, determinados grupos de población (los consumidores de edad avanzada, los individuos que carecen de vehículo privado o los discapacitados: los “disadvantaged consumers”) pueden quedar excluidos al desaparecer gran parte de los equipamientos comerciales tradicionales (Schiller, 1994; Bromley y Thomas, 1995; Alzubaidi et al, 1997). Estrechamente relacionado con el incremento de la movilidad de los consumidores se encuentra el problema del tráfico rodado y la congestión del mismo en los centros urbanos. El creciente uso del automóvil particular para realizar cualquier tipo de desplazamiento genera una alta densidad de tráfico rodado que deteriora el entorno residencial y de compra. En este contexto, la disponibilidad de aparcamientos se convierte en un factor determinante del éxito de los nuevos formatos comerciales (Dawson, 1983; Jones y Simmons, 1990) y cuya ausencia explica, en parte, la falta de respuesta del consumidor al comercio de proximidad y su pérdida de interés por el negocio tradicional urbano (Alzubaidi et al, 1997; Molinillo, 2000 y 2002; López de Lucio, 2002). Incorporación de la mujer al mercado laboral. El desarrollo del empleo a tiempo parcial y la incorporación masiva de la mujer al mercado de trabajo se encuentran detrás de una transformación en los estilos de vida y hábitos de compra, que tiene su efecto sobre la actividad del comercio minorista (Rodríguez del Bosque et al, 2005). Así, algunos autores consideran que el “hacer la compra” ya no forma parte del tiempo empleado en las actividades obligatorias, sino del dedicado al ocio (Carlson, 1991; Sáinz de Vicuña, 1996; Frasquet, 1999) y adquiere una dimensión social y
Capítulo 2: Gestión de centros comerciales y de ocio 36 lúdica de la que carecía hasta no hace mucho tiempo, por lo que se busca la eficiencia en la compra. De ahí, la preferencia por formatos comerciales más accesibles y en los que se puedan realizar compras multipropósito. Tendencias demográficas y cambios en la población. Estos fenómenos, como el crecimiento demográfico de las ciudades y los nuevos hábitos residenciales, el envejecimiento de la población, la llegada de inmigrantes y su concentración en determinados barrios de las ciudades, comunes en toda Europa y casi en todo el mundo desarrollado, corren paralelos a procesos como la reducción del tamaño medio del hogar, el incremento del número de viviendas y su diseminación en el continuo urbano, el aumento de familias monoparentales y hogares con un solo miembro (Alonso, 1997; Alonso et al, 2000; Sánchez et al, 2001). Estos factores se señalan como los determinantes fundamentales del éxodo residencial y urbano, que constituye una oportunidad para el comercio de grandes superficies (Dawson, 1983; Guy, 1994b; Frasquet, 2000), y una amenaza para el negocio tradicional urbano (Bromley y Thomas, eds., 1993; Couch, 1997; Cruz, 1997), puesto que el desplazamiento hacia la periferia está protagonizado en su mayor parte por los grupos sociales de mayor renta. Cambios sociales y en los estilos de vida, valores e intereses de los consumidores. Búsqueda de una mayor calidad en los bienes o una mayor atención a variables comerciales distintas del precio, como la publicidad, el surtido, la promoción y el ambiente general del entorno de compras. Junto a ello, la forma en que los clientes actuales valoran el tiempo (tanto el dedicado al trabajo como al ocio) crea nuevas oportunidades para que los minoristas introduzcan innovaciones respecto del uso del mismo. Así, el tiempo que los compradores dedican a la actividad de compra, e incluso la consideración de ésta como más o menos obligada, tiene su correlato en la mayor disposición por parte de ciertos distribuidores a ofrecer servicios de venta y entrega a domicilio, o en la ampliación de horarios comerciales como herramientas competitivas (Cruz, 1997), así como en la preferencia por ubicaciones en centros de compra, sean o no planificados.
Centros Comerciales y de Ocio 37 Ilustración 2-1 Tendencia del comercio a la agrupación en centros de compra: elementos de demanda. (Fuente: Cerdá (2008)). 2.1.2.2 Razones por parte de la oferta. Según Cerdá (2010), en cuanto a la oferta, los factores más relevantes son: Las estrategias de segmentación de los minoristas para adaptarse a la heterogeneidad de los consumidores (Collis et al., 2000; Baker et al., 2002); Los procesos de concentración de establecimientos para atraer a más compradores y retener un mayor porcentaje de su gasto (Goss, 1995; Sinha, 2000; Baker et al., 2002); La activa participación de las grandes superficies en la promoción inmobiliaria de centros comerciales, como parte de su estrategia de negocio (Arnold et al., 1998; Suárez et al., 2002; González-Benito et al., 2005); La extensión de la gama de bienes y servicios comercializados; La ampliación de los horarios de apertura al público y la mejora de los servicios ofrecidos al cliente (Ghost y McLafferty, 1987; Bloch et al., 1994; Birkin, 1995; Alzubaidi et al., 1997; Frasquet et al., 2001); La aparición de formatos especializados (parques comerciales, centros de ocio y de fabricantes) para responder a la creciente demanda de actividades de ocio y entretenimiento; La expansión de los centros comerciales hacia nuevos mercados mediante la apertura de centros en territorios no cubiertos, la implantación de parques o Tendencia a la agrupación en centros de compra: elementos de demanda Renta disponible Tráfico rodado Tendencias demográf. Cambios sociales Movilidad personal Mujer trabajadora
Capítulo 2: Gestión de centros comerciales y de ocio 38 centros en sitios turísticos, e incluso la ampliación y remodelación de los existentes dentro de las ciudades. Por otra parte, la competencia entre los propios establecimientos dedicados a la alimentación (especialmente de los más grandes) por un porcentaje cada vez menor del presupuesto del consumidor, les conduce a la preferencia por hipermercados o centros comerciales planificados, acuerdos contractuales y, en definitiva, procesos de crecimiento corporativo que se traducen en una mayor internacionalización y concentración en el sector (Cerdá, 2008). En consecuencia, estas tendencias hacia una mayor especialización y concentración en el sector minorista responden a la mayor planificación en la toma de decisiones de localización de las empresas, y se manifiestan en la preferencia de los distribuidores detallistas por centros de compra, sean o no planificados. Así, por un lado, y mayoritariamente en el caso de los formatos especializados en la alimentación, ya que sus requerimientos de tamaño condicionan sus demandas de espacio comercial, siendo un componente esencial de la viabilidad económica de su propio proyecto empresarial (Dawson, 1983; Jones y Simmons, 1990; Guy, 1994a y b). Y, por otro lado, en lo que se refiere a los comerciantes de equipamiento de la persona y del hogar, porque los efectos sinérgicos derivados de la aglomeración y complementariedad de los establecimientos orientados hacia un determinado tipo de compra son una traducción directa del comportamiento comparativo y multipropósito del comprador actual (Brewis-Levie y Harris, 2000; Cruz, coord., 2002). En definitiva, se trata de fenómenos que se manifiestan en los minoristas en pautas de localización y de preferencia por agrupaciones de compra (Ilustración 2-2). Ilustración 2-2 Tendencia del comercio a la agrupación en centros de compra: elementos de oferta. (Fuente: Cerdá (2008)) Tendencia a la agrupación en centros de compra: elementos de oferta Especialización Concentración Competencia Diversificación
Centros Comerciales y de Ocio 39 2.1.2.3 Razones institucionales. Finalmente, aunque no por ello en último lugar, se presenta un conjunto de razones que explican la tendencia mencionada, y que se relacionan con instituciones económicas y legislativas, así como con las actuaciones de organismos públicos que intervienen en el ámbito del comercio minorista. En este sentido, Cerdá (2010) destaca lo siguiente: Mejora de las infraestructuras y de la red de transportes; Planificación de centros comerciales en zonas periurbanas, que han facilitado a los consumidores los desplazamientos de larga distancia para adquirir productos de compra frecuente (Wakefield y Baker, 1998; Arentze et al., 2005); Incentivos fiscales para atraer los centros comerciales hacia ciertas zonas geográficas (Louviere y Gaeth, 1987; Roy, 1994; Cerdá, 2008). Analicemos más detenidamente algunos de los factores indicados anteriormente, resumidos en la Ilustración 2-3: Mejoras en la red de transportes. Resulta de especial importancia mencionar las mejoras en la red viaria de transportes, que favorecen la expansión de los centros comerciales planificados y sus patrones de localización en zonas periurbanas, lo que facilita a los consumidores los desplazamientos incluso de larga distancia para la adquisición de productos de compra frecuente o rutinaria (Guy, 1994a y b; Marjanen, 1995; Medina, 1997; Medina et al, 1999), y permite vivir en el extrarradio o en urbanizaciones alejadas de las ciudades. Nuevos modelos de desarrollo urbanístico. Estrechamente relacionado con lo anterior se encuentra el desarrollo de modelos de vivienda unifamiliar y de manzana abierta, que dificultan la proliferación de comercios independientes diseminados y favorecen la agrupación del mismo en centros comerciales (Cruz, coord., 2002; Ruiz, 2002; López de Lucio, 2002). Disponibilidad de financiación. Por un lado, y según indican Dawson (1983), Carlson (1991) y Guy (1994b), entre otros, el acceso a fuentes de financiación fácilmente disponibles se argumenta como una razón determinante de la expansión de los centros comerciales, en especial de los planificados. Por otro lado, dentro de los planes de modernización del comercio interior y de mejora de la competitividad del negocio tradicional urbano, las distintas administraciones públicas sostienen financieramente a los comerciantes de las ciudades a través de acciones como planes de formación y de adaptación a las nuevas demandas del consumidor, la potenciación de los centros comerciales abiertos y la creación de la figura del gerente de centro urbano (Castresana, 1997; Martín, 1998; Sánchez del Río, 1999). Actuación de las administraciones públicas. Algunos autores señalan razones de índole fiscal por parte de los gobiernos locales como aquellos elementos que explican
Capítulo 2: Gestión de centros comerciales y de ocio 46 De acuerdo con la A.E.C.C, el desarrollo de los centros comerciales en España se puede analizar por periodos: 1. 1973-1980 A finales de 1980, en España había solo 20 Centros Comerciales, la mayoría basados en Hipermercados, ya que, en 1973 había comenzado el desarrollo de este formato con las cadenas Pryca y Continente, ambas de origen francés y fusionadas posteriormente en la enseña Carrefour. En 1980, abre el primer Centro Comercial Grande, Baricentro, cerca de Barcelona. El incipiente desarrollo de los Centros Comerciales se mostraba con una densidad muy baja, de solo 13,4 m2 de SBA en Centros Comerciales por cada 1.000 habitantes 2. 1981-1990 En el periodo 1981-1990, sobre todo en su segunda mitad, los Centros Comerciales españoles inician su fuerte desarrollo. En esta década, se abren 75 nuevos Centros. En los años 80, ven la luz los 3 primeros Centros Comerciales Muy Grandes, que marcarán una de las tendencias de los años siguientes. La densidad al final del periodo alcanza los 53,1 m2 de SBA por cada 1.000 habitantes. 3. 1991-2000 La última década del pasado siglo es, junto a la primera del presente, la de mayor desarrollo de los Centros Comerciales españoles. Entre 1991 y 2000, se inauguraron 197 nuevos Centros, con más de 5.000.000 de m2 de SBA. En esta década abren los primeros Centros de Ocio y Centros de Fabricantes y los Parques Comerciales empiezan a consolidarse como un formato con futuro, al amparo del notable desarrollo que empiezan a tener las medianas superficies especializadas. A menor ritmo, pues su dimensión solo se justifica en las grandes aglomeraciones urbanas, continúan apareciendo Centros Comerciales Muy Grandes. Aparecen los primeros Parques Comerciales de gran dimensión. La densidad de Centros Comerciales en el año 2000 era ya de 175,7 m2 de SBA por cada 1.000 habitantes, pero aún estaba muy lejos de las cifras de los países europeos con mayor presencia de Centros Comerciales. 4. 2001-2010 Durante el periodo 2001-2010, se crean 226 nuevos Centros Comerciales, con más de 7.000.000 de m2 de SBA. La densidad de Centros Comerciales, 303,1 m2 por cada 1.000 habitantes, está ya cerca de la media europea.
Centros Comerciales y de Ocio 47 5. 2011 – 2012 Los cambios en la situación económica en España a partir de 2008 y la madurez alcanzada por los Centros Comerciales españoles, llevan necesariamente a una notable disminución en el ritmo de aperturas. A pesar de ello, en los dos primeros años de la presente década, abrieron 17 nuevos Centros, con más de 1.000.000 de m2 de nueva SBA, incluyendo las ampliaciones de Centros existentes. Al finalizar 2012, se contabilizan 535 Centros Comerciales españoles, con más de 15 millones de m2 de Superficie Bruta Alquilable (SBA). Por su parte, Marín y Martín (2013) afirman que la evolución de los centros comerciales en España desde 1981 hasta 2012 puede explicarse en cuatro etapas diferentes: 1. Desde 1981 hasta 1996 se produce una progresiva apertura de centros comerciales y la SBA crece de manera significativa (por ejemplo, entre 1993 y 1996 llegan a abrirse 88 nuevos centros comerciales que suponen una SBA creada de 2.2216.732 m2). 2. En el periodo 1997-2000, se produce un retroceso en el avance de los centros comerciales puesto que se reduce el número de aperturas hasta 84 centros comerciales y la SBA se queda en 1.882.051 m2. 3. Entre el año 2000 y 2008 los centros comerciales experimentan su mayor crecimiento en el mercado español: entre 2001 y 2004 se abren 109 centros comerciales y entre 2005 y 2008 otros 105 centros comerciales. 4. Durante los últimos cuatro años (2009-2012), los centros comerciales han experimentado una clara reducción en su crecimiento. Se han abierto menos centros (concretamente, 21) y también se ha creado menos SBA (1.891.352 m2). La A.E.C.C cifra en 535 y 15.119.355 m2 la oferta disponible a 31-12-12 en el entorno distributivo español. De forma conjunta se contabilizan 33.693 locales comerciales y 842.448 plazas de aparcamiento. En la Tabla 2-4 puede observarse la distribución de centros comerciales por tipo de centro a 31 de diciembre de 2012:
Capítulo 2: Gestión de centros comerciales y de ocio 48 Tipo de centro Número centros % SBA (m2) % Nº locales % Plazas Aparcam. % Muy grande 0 3,74 2.339.045 15,47 3.798 11,27 105.300 12,50 Grande 5 4,02 3.884.588 25,69 9.038 26,82 213.758 25,37 Mediano 16 21,68 3.381.966 22,37 8.934 26,52 187.079 22,21 Pequeño 36 25,42 1.609.090 10,64 7.272 21,58 84.465 10,03 Hipermercado 9 18,50 1.576.688 10,43 2.098 6,23 119.414 14,17 Parque Comercial 7 10,65 1.708.060 11,30 1.051 3,12 88.823 10,54 Centro de Fabricantes 2 2,24 195.726 1,29 854 2,53 18.312 2,17 Centro de Ocio 0 3,74 424.192 2,81 648 1,92 25.297 3,00 Total 35 100 15.119.355 100 33.693 100 842.448 100 Tabla 2-4 Distribución centros comerciales por tipo de centro a 31-12-12 (Fuente: A.E.C.C (2013)) Con los datos disponibles por comunidades autónomas a 31 de diciembre de 2012, se observa que de los 535 centros abiertos, se concentran en Andalucía 105 unidades, que representan el 19,63 %, mientras que en Madrid se contabilizan 94 unidades, que representan el 17,57 % del total, seguidos de la Comunidad Valenciana (57 centros y 10,65 %) y Cataluña (45 centros y 8,41 %) (Tabla 2-5). Comunidad Autónoma Nº de Centros % SBA (m2) % Densidad comercial Andalucía 105 19,63 2.602.268 17,21 308 Aragón 14 2,62 640.025 4,23 474 Asturias 14 2,62 478.872 3,17 444 Baleares 8 1,50 190.389 1,26 170 Canarias 33 6,17 811.557 5,37 383 Cantabria 5 0,93 126.165 0,83 212 Castilla-La Mancha 22 4,11 503.393 3,33 237 Castilla y León 25 4,67 657.959 4,35 258 Cataluña 45 8,41 1.388.728 9,19 183
Centros Comerciales y de Ocio 49 Comun. Valenciana 57 10,65 1.783.126 11,79 348 Extremadura 15 2,80 245.536 1,62 222 Galicia 38 7,10 920.115 6,09 331 Madrid 94 17,57 2.971.430 19,65 457 Murcia 21 3,93 692.808 4,58 470 Navarra 7 1,31 197.641 1,31 307 País Vasco 27 5,05 793.551 5,25 362 Rioja 4 0,75 101.311 0,67 313 Ceuta 1 0,19 14.481 0,10 172 ESPAÑA 535 100 15119355 100 314 Tabla 2-5 Distribución centros comerciales por comunidades autónomas a 31-12-12 (Fuente: A.E.C.C (2013)) La clasificación de las comunidades autónomas según los metros cuadrados de superficie bruta alquilable de sus centros comerciales es similar a la clasificación por el número de centros: el primer lugar lo ocupa Madrid con 2.971.430 m2 (19,65 %), seguida de Andalucía con 2.602.268 m2 (17,21 %), la Comunidad Valenciana con 1.783.126 m2 (11,79 %) y Cataluña con 1.388.728 m2 de SBA (9,19 %). Entre las cuatro comunidades autónomas más pobladas suponen el 57,84 % de la superficie bruta alquilable en centros comerciales. En la Tabla 2-5 también se ha incluido la densidad comercial por comunidades autónomas, medida por el número de metros cuadrados de superficie bruta alquilable de centro comercial por cada 1.000 habitantes. La Ilustración 2-4 muestra la heterogeneidad en la implantación de centros comerciales por comunidades autónomas atendiendo a la densidad comercial. Se observa que la media nacional es 314 m2 por cada 1.000 habitantes. Destaca por su densidad comercial Aragón (474 m2), Murcia (470 m2) y la Comunidad de Madrid, con 457 m2 por cada 1.000 habitantes. Le siguen Asturias (444 m2) y Canarias (364 m2). Del resto de comunidades autónomas con mayor población, la Comunidad Valenciana está algo por encima de la media nacional, con 348 m2 por cada 1.000 habitantes; Andalucía está ligeramente por debajo de la media nacional, con 308 m2 cada 1.000 habitantes; y Cataluña tiene una baja densidad de superficie de centro comercial, con 183 m2 por cada 1.000 habitantes. De hecho, Cataluña ocupa el antepenúltimo lugar en cuanto a densidad, sólo por delante de Baleares y Ceuta.
Capítulo 2: Gestión de centros comerciales y de ocio 50 Ilustración 2-4 Distribución de CC por CCAA a 31-12-12 (Fuente: A.E.C.C (2013)) Finalmente, en cuanto al número de trabajadores empleados en los Centros Comerciales en España, según la A.E.C.C, al finalizar 2012 era de 317.000, lo que supuso un incremento del 1,3% respecto al año anterior. Así mismo durante el año 2012 estos Centros tuvieron una afluencia de 1.713 millones de visitas, lo que supuso un incremento del 0,8% con respecto a 2011. 2.2 Rentabilidad de centros comerciales. 2.2.1 Introducción La rentabilidad de los centros comerciales se genera a partir de diferentes factores. En primer lugar, se encuentra la selección de una adecuada localización que facilite la accesibilidad al mayor número de clientes potenciales posibles. En segundo lugar, se precisa de la configuración de una oferta comercial lo suficientemente poderosa como para estimular a los clientes a moverse con el fin de realizar sus compras. En tercer lugar, es necesario contar con unas infraestructuras de servicios e instalaciones que supongan un atractivo diferencial frente al resto de ofertas comerciales competitivas, como es el caso del aparcamiento, la seguridad, etc. En 105 14 14 8 33 5 22 25 45 57 15 38 94 21 7 27 4 1 0 20 40 60 80 100 120 Andalucía Aragón Asturias Baleares Canarias Cantabria Castilla-La Mancha Castilla y León Cataluña Comun. Valenciana Extremadura Galicia Madrid Murcia Navarra País Vasco Rioja Ceuta Distribución de CC por CCAA Nº de Centros
Rentabilidad de centros comerciales. 51 cuarto lugar, desarrollar una acción de comunicación y promoción constante del centro comercial. Finalmente, gestionar con eficiencia los diferentes costes que se producen a lo largo del año, de tal forma que se genere una remuneración razonable del capital invertido. Para poder tener un éxito continuado en el tiempo, es preciso que todos estos factores sean gestionados de forma profesional con modelos actualizados, que permitan adaptar la oferta del centro comercial a las necesidades cambiantes de los clientes y a las acciones que realicen los competidores. No obstante, el fin último de todo centro comercial es conseguir una rentabilidad en el tiempo que le garantice su supervivencia. Para ello, hay que desarrollar modelos de localización y gestión que tengan en cuenta los dos elementos claves para obtener resultados: 1) el atractivo del centro comercial, de forma que consiga captar la mayor demanda posible, y 2) los costes que se necesitan para mantener y consolidar ese atractivo comercial. Esto lleva al planteamiento de modelos basados en la función de productividad, es decir, donde se tengan en cuenta ambos aspectos básicos para la gestión eficaz de los centros comerciales. Este apartado está dedicado a desarrollar de forma general y simplificada el concepto de función de productividad para, posteriormente, desarrollar el concepto de tasa de esfuerzo sobre el que se fundamente el modelo propuesto en el siguiente capítulo. Esto permitirá conectar la productividad individual de cada comercio con la productividad global de todo el centro comercial. Finalmente, se abordan la función de atractivo y de costes, donde se detallan los principales costes que hay que gestionar, evaluar y planificar para conseguir una productividad en el tiempo que justifique las inversiones a realizar. 2.2.2 Función de Productividad La función de productividad tiene la finalidad de determinar la rentabilidad de los centros comerciales en función de sus ingresos y sus costes. En la medida en que los ingresos superan a los costes, la inversión para implantar un nuevo centro comercial estará justificada (Suárez Vega et al., 2001). Los ingresos dependerán del atractivo que tenga un centro en relación a los competidores. Por lo tanto, el atractivo se debe estimar en función de la demanda que logra atraer en términos monetarios. Los factores que determinan el atractivo son la oferta comercial que logra articular el centro comercial, la localización y la competencia. La oferta comercial es gestionada por la dirección de los centros comerciales, que tienen el objetivo de configurar la oferta más competitiva en cada momento en función de las preferencias de los consumidores. La oferta comercial se
Capítulo 2: Gestión de centros comerciales y de ocio 52 considera tanto desde la perspectiva de los bienes y servicios ofrecidos como de las infraestructuras a disposición de los clientes para realizar sus compras. Evidentemente, todo esto depende de la superficie disponible para instalar las tiendas y construir servicios complementarios como aparcamientos y zonas de paseo y relax. La localización es una decisión a largo plazo que condiciona la rentabilidad y viabilidad económica del centro comercial. En la toma de decisión de la localización se ha de tener en cuenta la competencia existente en ese momento, con el fin de conseguir un posicionamiento en el mercado competitivo a largo plazo. Asimismo, en la medida en que la localización sea acertada, no sólo se logra captar a la mayor demanda posible sino que se disuade a la competencia para entrar en un mercado ya atendido adecuadamente. Por otra parte, también se deben tener en cuenta los costes de los centros comerciales, que pueden ser genéricos al centro o individuales a cada establecimiento implantado en el mismo (Suárez Vega et al., 2001). Los costes generales al centro se simplifican en los siguientes: inversión inicial, gastos de comunidad, gastos de mantenimiento de las infraestructuras, gastos de gestión, gastos de promoción y gastos de cada uno de los establecimientos. En la medida en que se logre obtener unos ingresos superiores a los costes se justificará la inversión, siendo la dimensión en un emplazamiento competitivo la variable clave. La dimensión es la que determina la oferta comercial y la capacidad para disponer de servicios complementarios que incrementan el atractivo de los centros (aparcamientos, zonas de paseo, parques infantiles, etc.). De lo comentado anteriormente podemos expresar de forma matemática la función de productividad de un centro comercial en los siguientes términos: donde: FP = Función de productividad FA = Función de atractivo FC = Función de costes La función de atractivo se determina en función de la oferta de valor del centro comercial, que dependerá de las probabilidades de atracción comercial de los diferentes clientes potenciales que, a su vez, obedecen a diferentes factores, como la variedad y calidad de los establecimientos, la localización, la competencia y las infraestructuras a disposición del centro. La función de atractivo se puede expresar matemáticamente de la siguiente forma:
Rentabilidad de centros comerciales. 53 Siendo las ai las distintas variables o factores que inciden en la atracción comercial de un centro comercial. Según se muestra en la Ilustración 2-5, la función de atractivo se incrementará cuanto mayor sea la superficie bruta alquilable disponible o SBA (es la suma de las superficies de los locales comerciales del Centro Comercial excluyéndose zonas comunes, servicios y paseos para el público, mall, aparcamiento y patios de carga/descarga), hasta un punto a partir del cual comienzan los rendimientos decrecientes y no por incrementar la SBA se logra incrementar las ventas. UNIDADES MONETARIAS SUPERFICIE (SBA ) Ilustración 2-5 : Función de productividad de un Centro Comercial (Elaboración propia) La función de costes de un centro comercial está integrada por tres tipos de gastos: 1) Inversión inicial. 2) Gastos anuales genéricos a todo el centro. 3) Gastos individuales a cada comercio. Dentro del primero se encuentra la inversión financiera que hay que realizar para adquirir el solar donde se ubica el centro comercial, llevar a cabo toda la obra de edificación y cumplimentar todos los trámites administrativos necesarios para su
Capítulo 2: Gestión de centros comerciales y de ocio 54 construcción y apertura, según las normativas vigentes. Esta inversión se ha de amortizar en un periodo de tiempo determinado, y se recupera por la vía de los alquileres de la SBA del centro. Por otra parte, los gastos anuales están integrados por los gastos de comunidad, los de gestión del centro, los de promoción y los gastos de mantenimiento de las infraestructuras. En muchas ocasiones los tres primeros se encuentran integrados en una misma partida, que se cobra con el concepto de gastos de comunidad, mientras que el gasto de mantenimiento habitualmente forma parte de un plan plurianual para el mantenimiento y conservación de las infraestructuras. Finalmente, cada comercio dedica sus ingresos a pagar los gastos derivados del centro comercial (alquiler, comunidad y mantenimiento), el pago a los proveedores, los costes de distribución (personal, agua, luz, etc.) y beneficios. Por lo tanto, la función de costes se puede expresar matemáticamente de la siguiente forma: Donde: I = Inversión inicial C = Gastos de comunidad M = Gastos de mantenimiento GCOM = Gastos individuales de los comercios Como los gastos de comunidad, mantenimiento e individuales de los comercios están referidos a un periodo de tiempo anual, mientras que la inversión inicial es plurianual dependiendo de los años de amortización, la fórmula de la función de costes anual es la siguiente: Donde “T” es el periodo de tiempo de amortización de la inversión. No obstante, los promotores de los centros comerciales también pretenden obtener un beneficio por el riesgo que asumen al llevar a cabo una inversión de este calibre. Este ingreso se computa en los alquileres por la SBA conjuntamente con la amortización de la inversión. En función de esta circunstancia podemos establecer que la función de costes final anual de un centro comercial es la siguiente: Donde “A” son los ingresos anuales por alquiler que tienen que pagar los comercios a los promotores del centro comercial. A su vez, esta expresión se puede simplificar en gastos genéricos al centro (GGEN) y gastos individuales a los comercios (GCOM) de la siguiente forma:
Rentabilidad de centros comerciales. 55 La clave del éxito de la implantación de un centro comercial consiste, por tanto, en conseguir posicionarse en la zona de beneficios definida en la Ilustración 2-5. Esto significa que para una inversión en un centro comercial de dimensión comprendida en dicha zona, los establecimientos comerciales no sólo podrán hacer frente a todos sus costes sino que obtendrán un beneficio adicional. Se puede dar el caso de que ante un éxito de ventas muy rotundo del centro comercial, los promotores decidan subir los alquileres ante las expectativas de aumento de beneficios. En este caso, la curva de costes subiría y, mientras los establecimientos individuales sigan obteniendo beneficios, los promotores no tendrán problemas para obtener una renta adicional. 2.2.3 Tasa de Esfuerzo Según la A.E.C.C, se entiende por tasa de esfuerzo (effort index) “el valor expresado en porcentaje, resultante de dividir los costes que soporta un arrendatario de un local en el centro comercial (renta más gastos comunes) entre el valor de su cifra de ventas total. Normalmente se utiliza para valorar la viabilidad de la actividad comercial de un arrendatario”. El concepto de tasa de esfuerzo es muy interesante para simplificar el cálculo de los costes que permiten determinar la localización óptima de un centro. Esto se debe a que es muy difícil determinar los gastos individuales de cada establecimiento comercial, ya que cada uno realiza una actividad diferente con estrategias comerciales distintas que requieren gastos específicos a cada actividad. Una buena forma de armonizar o estandarizar estos gastos con el fin de determinar la demanda que se debe atraer para garantizar la viabilidad económica del centro es la tasa de esfuerzo. Esto es, todo establecimiento que pueda pagar la tasa de esfuerzo está en zonas de beneficios y, por lo tanto, estará interesado por seguir localizado en el centro comercial. En términos matemáticos la tasa de esfuerzo desde la perspectiva de la gestión del centro comercial se puede expresar así: Donde: te = Tasa de esfuerzo de los comercios (determina la capacidad que tiene una empresa para cubrir los costes comunes, sus propios costes y obtener beneficio). A = Alquileres anuales de toda la superficie bruta alquilable del centro comercial. C = Gastos de comunidad anuales del centro comercial. M = Mantenimiento de las infraestructuras del centro comercial.
Capítulo 2: Gestión de centros comerciales y de ocio 62 Precio terreno (€/m2), que depende de la superficie edificable permitida y el tipo de calificación del terreno (urbano o rural recalificado). El valor de tasación de los terrenos depende principalmente del “precio de mercado”, que se obtiene tras la realización de un estudio de mercado. En este estudio se comparan los precios de terrenos de características similares que están a la venta en el momento de la tasación o que han sido vendidos recientemente. Los principales aspectos que influyen en el precio del terreno son: o Distancia a núcleos de población o puntos de interés. o Infraestructuras existentes y previstas. o Cualidades del entorno. o Morfología del terreno. o Aprovechamiento urbanístico. De estas características la que mayor influencia va a tener en el precio del terreno es el “aprovechamiento urbanístico”. Esta magnitud sirve para cuantificar el beneficio procedente de edificar en un terreno, y depende de su clasificación y ordenación en el planeamiento municipal. En función de la clasificación, el aprovechamiento se materializa siguiendo distintos modelos: o Suelo no urbanizable o rústico: son suelos en los que no se puede construir con carácter general. o Suelo urbanizable y suelo urbano no consolidado: son suelos en los que se deben construir una serie de infraestructuras antes de poder edificar. Por lo general, estas infraestructuras corren a cargo de los promotores. o Suelo urbano consolidado: son suelos que cuentan con las infraestructuras fijadas por el planeamiento, por lo que se puede proceder directamente a su edificación. La magnitud que sirve para valorar el aprovechamiento de estos suelos es directamente el "coeficiente de edificabilidad”. La clasificación, ordenación y aprovechamiento del suelo municipal se fijan en el Plan General o en las Normas Subsidiarias y puede consultarse en el Ayuntamiento. Antes de comprar un terreno se debe solicitar la "ficha urbanística", ya que en este documento, el Ayuntamiento resume los parámetros urbanísticos que afectan a la parcela. En la compra del terreno se deben considerar el precio de compra, los honorarios de notario y registrador, y el impuesto de transmisiones patrimoniales. Los honorarios de notario y registrador se estipulan mediante aranceles fijados por ley. La suma de ambos está en torno al 0,5% del precio de compra. El tipo impositivo del Impuesto de Transmisiones Patrimoniales depende de cada Comunidad Autónoma. En
Atractivo y costes de un centro comercial. 63 Canarias el tipo impositivo a aplicar por este impuesto es del 6,5% del valor reflejado en la Escritura de Compraventa. Construcción: obra civil e instalaciones, donde se incluyen todos los gastos originados por la construcción del inmueble, las superficies anexas y las conexiones de accesibilidad al centro comercial. En la construcción se deben considerar los gastos de ejecución material, los gastos y beneficio del constructor y los impuestos. El presupuesto de ejecución material es la suma de los costes de ejecutar cada una de las partidas que figuran en las mediciones del proyecto. El rango de precios es muy amplio, dependiendo de las características de la construcción, del terreno y de la empresa que se contrate. Los principales aspectos que influyen en el precio de construcción son: o Superficie del centro comercial. o Calidad de materiales y acabados o Complejidad de la construcción o Características del terreno: geometría, geología, facilidad de acceso... o Calidad de la empresa constructora Un gasto que suele ignorar el promotor y puede llegar a ser representativo, es el gasto de urbanización de la vía pública. Otros gastos a considerar son los suministros de obra (agua y electricidad) necesarios para la ejecución de las obras. Estos gastos se componen de la instalación de las acometidas provisionales y el pago de los correspondientes consumos. Su cuantía depende de la distancia de la parcela a la red general, de la superficie y de los sistemas constructivos empleados. Un aspecto que ha aumentado considerablemente el precio de ejecución de las nuevas construcciones es el Código Técnico de la Edificación aprobado en 2007. Esta normativa ha mejorado sustancialmente la calidad de la edificación, pero como contrapartida ha supuesto un incremento del coste de ejecución del orden del 10-20% respecto a la normativa anterior. A continuación se detalla un listado orientativo de gastos de ejecución material: o Movimiento de tierras: excavación/rellenos. o Cimentación. o Saneamiento. Enterrado. o Estructura mixta (hormigón + metálica). o Albañilería: cerramientos. Cubiertas. o Solados, pavimentos, alicatos, recubrimientos. o Carpintería.
Capítulo 2: Gestión de centros comerciales y de ocio 64 o Agua (fontanería y saneamiento externo). o Electricidad (BT y MT) y telecomunicaciones. o Urbanización (aceras, árboles). Maquinaria e instalaciones específicas, donde se recogen los gastos de diversas maquinarias necesarias para el funcionamiento del centro comercial, como escaleras automáticas, ascensores, grupo electrógeno, aire acondicionado, limpieza, vigilancia, control de vehículos en el parking, etc. Coste proyectos; se incluyen el desembolso que hay que efectuar para pagar los proyectos de arquitectura e ingeniería. Precio licencias; toda edificación tiene que pagar la licencia de construcción otorgada por los ayuntamientos. Los gastos relacionados con la licencia municipal se dividen en dos partes: la tasa por licencia urbanística y el impuesto sobre construcciones, instalaciones y obras. Cada ayuntamiento establece un tipo impositivo para cada una. La licencia urbanística sirve para que el Ayuntamiento controle la adecuación del proyecto a lo establecido en la normativa municipal. Para obtener el permiso de obra se debe presentar en el ayuntamiento el proyecto de ejecución y pagar el Impuesto sobre Construcciones, Instalaciones y Obras. En los centros comerciales se puede dar la circunstancia de que tengan que pagar adicionalmente una licencia comercial específica, para poder desarrollar la actividad comercial dentro de un centro o para obtener un permiso previo al de la licencia de construcción que les faculte para llevar a cabo este tipo de actividad comercial integrada. Dentro de las licencias hay que tener en cuenta los diferentes conceptos que hay que valorar para conocer la edificabilidad de un solar. En primer lugar, se puede construir bajo rasante y sobre rasante, pudiendo cambiar la normativa del índice de ocupación, el índice de edificabilidad y del número de plantas permitidas. Otro factor a tener en cuenta es la posibilidad de disponer de aparcamientos al aire libre o, por el contrario, edificado. Es mucho más económico el coste de construcción al aire libre, lo que repercute directamente en la viabilidad económica del centro comercial. 2.3.2.2 Gastos de comunidad y mantenimiento En este grupo de gastos se incluyen los gastos necesarios para el funcionamiento diario de los centros comerciales. Los principales gastos de comunidad son los siguientes: Dirección del centro; todo centro comercial que desee mantener un nivel alto de competitividad requiere de un equipo directivo. Entre sus objetivos se encuentra el de gestionar los gastos comunes, pero la responsabilidad más importante radica
Atractivo y costes de un centro comercial. 65 en conformar y actualizar una oferta comercial competitiva. De su gestión depende que los inversores puedan recuperar los recursos financieros aportados para construir y dinamizar el centro comercial. Limpieza, donde se incluyen todos los gastos para mantener el centro comercial limpio y en condiciones higiénicas. Seguridad; es muy importante mantener un nivel de seguridad alto, que vigile por la integridad de los clientes, que no se produzcan robos o alteraciones del orden y controle las entradas y salidas de personas. Consumo eléctrico, de las zonas comunes del centro comercial. Consumo agua, para el agua sanitaria del centro así como para el mantenimiento y limpieza del mismo. Promoción y publicidad; para facilitar la promoción del Centro Comercial, el promotor debe asumir unos gastos de publicidad y animación. Posteriormente, estos gastos serán sufragados por todos los comercios. Gastos diversos, donde se incluyen una serie de gastos de diverso orden, que son necesarios para realizar las diversas actividades del personal encargado de la dirección y mantenimiento del centro comercial. Plan plurianual de grandes reparaciones (PPGR). El Plan Plurianual se puede definir como la planificación a medio y largo plazo del conjunto de medidas y reformas correctivas, tanto de obra civil como de instalaciones, que por su elevada cuantía económica deben regularse a través de una programación decenal, que será asignada anualmente en función de las acciones previstas. En esencia, el Plan Plurianual de Grandes Reparaciones consiste en el desarrollo de una filosofía que en Europa viene aplicándose desde hace muchos años a todo tipo de complejos inmobiliarios, tengan o no una finalidad comercial, y que progresivamente se va implantando en España entre los propietarios de los mismos con objeto de revalorizar el inmueble en cuestión a lo largo del tiempo. Se trataría de esa manera de evitar la existencia de derramas ocasionales, periodificando el gasto anticipadamente en un período de tiempo predeterminado. 2.3.2.3 Enfoque financiero de centros comerciales: análisis integrado de viabilidad. De acuerdo con Lopes y Paula (2009) hay que subrayar la importancia de los conceptos financieros básicos en la especificidad del negocio de centros comerciales debido a varios factores: El valor, medible por la expectativa de generación de futuros cash-fIows procedentes de la operación (por medio de la explotación y/o venta del centro comercial), descontando los factores tiempo y riesgo.
Capítulo 2: Gestión de centros comerciales y de ocio 66 El riesgo, asociado a la incertidumbre en las múltiples variables, más o menos controlables, que condicionan el rendimiento de un centro comercial. La eficiencia de los mercados, o más bien la ineficiencia relativa del mercado de centros comerciales, característica intrínseca a la clase de activos en que se insiere el inmobiliario. Los elevados costes de transacción y fiscales, la información asimétrica y gravosa, la segmentación de los mercados (resultado de los dispares encuadres legislativos, jurídicos y procesales) y la reducida liquidez relativa (resultado de los elevados valores, indivisibilidad y heterogeneidad de estos activos) son vectores de esta ineficiencia. El análisis financiero, de acuerdo con Baum y Crosby (2008), implica, más que la evaluación de la propiedad inmobiliaria, un análisis de las condiciones contractuales establecidas con los inquilinos instalados y de los cash-flows resultantes de ello. Por lo general, el proyecto de desarrollo de un centro comercial asume el formato de residual to profit valuation, traduciéndose en la deducción al valor de los ingresos futuros estimados (ingresos de la operación y valor de venta del centro comercial en rendimiento al final del holding period) del total de gastos estimados para el desarrollo del activo con características que lo tornen apto para generar los futuros ingresos estimados. El método discounted cash flow o flujo de fondos descontados determina el valor actual de los flujos de fondos futuros descontándolos a una tasa que refleja el coste de capital aportado. Esto es necesario porque los flujos de fondos en diversos períodos no pueden ser comparados directamente puesto que no es lo mismo contar con una cantidad de dinero ahora, que en el futuro. Por lo general, es la opción para estimar el valor de un proyecto de desarrollo de un centro comercial. Está complementado por métodos de análisis de riesgo (análisis de sensibilidad multivariada y análisis de escenarios) y métodos comparativos (utilizando los centros comerciales comparables del portafolio o benchmarks de mercado). En la proyección de las diversas rúbricas se impone la utilización de valores de mercado, de modo que la delimitación del periodo de proyección deberá estar alineada con el holding period previsto por el promotor que se sitúa, en el caso de los centros comerciales, entre los 5 y los 15 años. En lo referente a los ingresos, partiendo del Programa Comercial definido y respectivo tenant-mix estructural (afinado gradual y progresivamente a medida que la comercialización se concretiza) se estiman los cash-flows futuros derivados de los contratos con los inquilinos (bajo la forma de derechos de ingreso, remuneración fija y/o variable) y otros de índole atípica (entre otros, ingresos derivados del alquiler de espacios temporales, explotación de parking y acciones de marketing). En el caso de los gastos destacan en términos generales y a lo largo de la Fase de Promoción y Desarrollo del Centro Comercial, como se comentó anteriormente, los
Atractivo y costes de un centro comercial. 67 gastos de inversión incluyendo los encargos de adquisición del terreno, notariales y de registro, de estudios y proyectos, de construcción, de licencia y fiscales, de marketing y promoción inicial, de comercialización previa, las primas de los seguros de riesgo de promoción y los fees asociados a la gestión del proyecto y construcción (Lopes y Paula (2009)). De acuerdo con Lopes y Paula (2009), se pueden identificar como variablesclave en el análisis financiero de un proyecto de desarrollo de un centro comercial, entre otras: el factor temporal (principalmente el tiempo empleado en los procesos de licencia y construcción del centro comercial), el nivel de rentas, la tasa de descuento de los cash-flows, la tasa de capitalización utilizada en el valor residual, y, con creciente importancia, el nivel global de ventas del centro comercial. La incertidumbre asociada a la evolución futura de cada una de estas variables se acrecienta en el proyecto de inversión, por lo que el modelo de análisis debe internalizar esta volatilidad potencial. Con referencia a la tasa de depreciación y obsolescencia del edificio es importante exponer que, puesto que la componente de depreciación del edificio es relativamente previsible, en el caso de los centros comerciales hay que destacar la dificultad añadida en la estimación de la inversión permanente necesaria para el reposicionamiento del espacio según las aspiraciones del mercado, mitigando así los índices de obsolescencia. Las tendencias en los centros comerciales cambian con relativa rapidez y provocan que, por lo general, la obsolescencia funcional se produzca mucho antes que la deterioración física del edificio. Empíricamente se percibe que esta cuestión es de particular relevancia de 5 a 10 años después de la inauguración del centro comercial. Mediante la función de productividad propuesta en el siguiente capítulo se integran todas estas variables en un modelo que permite determinar la localización y el diseño de un nuevo centro comercial. Como ya se ha comentado anteriormente, uno de los principales problemas para llevar a cabo un análisis financiero de la rentabilidad de un centro comercial es determinar el valor residual o terminal, existiendo varias metodologías para su cálculo. Normalmente los estudios de viabilidad económica se llevan a cabo en un espacio temporal de diez años, donde se espera la recuperación de la inversión realizada. Es en este punto, donde hay que fijar el valor residual de la inversión en el centro comercial en el año diez (o en el que se determine para realizar el estudio financiero). Siguiendo al profesor Vega Fernández (2008), el valor residual (VR) se ha de determinar en función del Cash Flow Libre (CFL) según diferentes escenarios que se pueden plantear en función de dos variables. La primera de ellas es la tasa de crecimiento del CFL según las expectativas comerciales del centro comercial, siendo una variable que condiciona el VR del mismo. La segunda variable que incide en el cálculo del VR es el horizonte temporal, que se concreta por el número de años sobre
Capítulo 2: Gestión de centros comerciales y de ocio 68 los cuales se va a proyectar la obtención de CFL en el tiempo, que puede ser finito para un número determinado de años o infinito. Teniendo en cuenta estas consideraciones la fórmula para determinar el VR en un periodo de tiempo finito a n años, con una tasa de crecimiento c, con un CFL previsto a partir del año z con un tipo de interés i es la siguiente: En el caso de que se opte por calcular el VR según una renta infinita, donde el centro comercial genera fondos eternamente, la fórmula a aplicar es la siguiente: Y en el caso de que el crecimiento c sea considerado igual a cero, porque se espera que no crezca en el tiempo, la fórmula a aplicar en este caso sería:
69 Capítulo 3 3 Objetivos y metodología l objetivo de esta investigación es establecer una metodología integral y práctica, basada en la función de productividad, que permita determinar nuevas localizaciones para grandes superficies y las características de diseño que éstas deben cumplir. Por una parte, el comportamiento de compra de los consumidores determina la geografía comercial de la demanda, en la medida en que la oferta comercial se ha de localizar en función de las características de la demanda comercial. Por otra parte, para determinar la viabilidad de una gran superficie comercial es necesario determinar su atractivo, que se traduce en una demanda potencial, y los costes que se generan para construir y mantener la competitividad del mismo, relacionado todo ello a través de la función de productividad y de la tasa de esfuerzo. E
Capítulo 3: Objetivos y metodología 70 3.1 Objetivos de la investigación 3.1.1 Introducción En los últimos años ha proliferado la implantación de diferentes tipos de grandes superficies integradas con la finalidad de posicionar a las principales enseñas comerciales en las mejores localizaciones. El crecimiento urbano de las poblaciones ha supuesto una nueva oportunidad para implantar diferentes tipos de establecimientos comerciales. Las grandes superficies han sido las que más se han empleado en este proceso, al utilizar las estructuras comerciales integradas para planificar las nuevas áreas urbanas (Lowe, 2005; Elizagárate, 2006). Este crecimiento urbano se ha caracterizado por la descentralización de las ciudades y la creación de nuevos núcleos de residencia y trabajo, donde las grandes superficies juegan un papel esencial en la concreción de la centralidad comercial y el desarrollo de la trama urbana (Uduku, 1999). Canarias no ha estado ajena a este fenómeno. Es más, el planeamiento de las principales ciudades de la Comunidad Autónoma ha utilizado a las grandes superficies integradas con el fin de definir el crecimiento de las ciudades más importantes como son Las Palmas de Gran Canaria, Santa Cruz de Tenerife, La Laguna y Telde, por citar alguna de ellas. Esto ha generado una gran concentración de centros comerciales planificados en las principales ciudades de Canarias. Tanto es así, que las ratios de superficie comercial alquilable por habitante en las islas capitalinas se encuentran entre las más altas de toda España. No obstante, la mayor parte de los centros comerciales se han concentrado en los principales núcleos de población ya que es donde se consigue una mayor capacidad de atracción. Esta circunstancia ha derivado en un incremento de competencia muy sustancial en los últimos años en zonas muy concretas, concentrándose fundamentalmente en los ejes Las Palmas de Gran CanariaTelde y Santa Cruz de Tenerife-La Laguna. Se podría considerar que, en términos generales, se ha llegado a un nivel de saturación de este tipo de equipamiento comercial, pero esta afirmación debe ser analizada con detenimiento. Por una parte, los indicadores que se utilizan para medir el nivel de implantación son genéricos y agregan las diferentes tipologías de mercados. Por otra parte, el proceso de localización ha sido eminentemente selectivo pues la estrategia comercial seguida por los promotores y las principales cadenas de distribución se ha basado en instalarse lo antes posible en las zonas comerciales de mayor atracción comercial. Finalmente, la especial orografía de las islas determina mercados geográficos en zonas diferentes a las definidas directamente por las grandes ciudades. Es aquí donde se encuentran las oportunidades para una nueva implantación en un mercado maduro y saturado de competencia.
Objetivos de la investigación 71 En función de estas circunstancias, sería conveniente diseñar una metodología dirigida a detectar los mercados o zonas geográficas donde realmente existe, no sólo una oportunidad, sino una necesidad de una gran superficie comercial. Esta metodología tiene su fundamento teórico en los modelos de localización ampliamente estudiados en el campo del marketing. Como se desarrolló en el capítulo 1, la localización de las actividades comerciales y sus implicaciones en el comportamiento de compra de los consumidores y los flujos de demanda ha sido objeto de estudio en el marketing, el urbanismo y el geomarketing. Tradicionalmente se han planteado diferentes modelos de localización y delimitación del área de influencia comercial dentro del marketing. Estos modelos se dividen entre los que siguen un enfoque descriptivo determinista (Reilly, 1931 y Converse, 1949; Applebaum y Cohen, 1961; Christaller, 1935; Lösch, 1954; Jones y Mock, 1984; Kohsaka, 1992) o un enfoque explicativo-estocástico (Huff, 1963; McFadden, 1974, 1977; Tardiff, 1979; Gautschi, 1981), incluyéndose en éstos últimos los modelos de interacción espacial. No obstante, estos modelos no se han planteado desde la perspectiva de contribuir al estudio y realización de la planificación urbana de las ciudades, ni tampoco se han desarrollado hasta el punto de adentrarse en un proceso integrado de macro y microlocalización. Es más, generalmente abordan modelos econométricos donde se analizan determinadas variables explicativas del proceso de toma de decisiones de los consumidores, pero no llegan hasta el punto de conectar la determinación de las capacidades de atracción con la viabilidad económica, así como en el diseño de la oferta comercial que se precisa para conseguir los objetivos empresariales y sociales. De hecho, la capacidad de capturar la interacción entre el diseño de las instalaciones y las distancias de viaje es una de las características atractivas del marco de interacción espacial. Sin embargo, la literatura sobre la optimización simultánea de localización y diseño es relativamente escasa, sobre todo en el entorno multicompetitivo. Plastria (1997) describió el primer modelo competitivo que considera localización y diseño conjuntamente, incluyendo tanto la elección de la localización como la calidad como variables del modelo. Este modelo continuo fue generalizado posteriormente en Plastria y Carrizosa (2004). Tomando una red como región factible, Suárez Vega et al. (2004) describieron una situación simular, asumiendo un patrón determinístico de comportamiento. Posteriormente, Aboolian et al. (2007) estudiaron un modelo de Huff similar en un espacio discreto. Consideran la localización competitiva de establecimientos y su diseño, con el objetivo de optimizar simultáneamente ambas características en un conjunto de nuevos establecimientos, dadas unas limitaciones presupuestarias, en un entorno con otros establecimientos competitivos preexistentes. Plantean un modelo de interacción espacial con múltiples establecimientos, demanda elástica cóncava y múltiples características de diseño. Se supone que la demanda del cliente se origina a
Capítulo 3: Objetivos y metodología 78 3.2.1 El modelo multiplicativo de interacción competitiva (MCI) Los modelos derivados de la teoría de la interacción espacial son los más utilizados por las empresas a nivel general en la ubicación de nuevos establecimientos (Craig et al., 1984; O’Malley et al., 1995; Clarkson et al., 1996; Hernandez et al., 1998). El pionero de esta teoría es Reilly (1931) con su ley de la gravitación del comercio minorista: “dos centros atraen el comercio de los lugares intermedios en proporción directa al tamaño de los centros e inversa al cuadrado de la distancia desde los centros al lugar intermedio”. Este modelo es determinista, y válido únicamente para las áreas rurales donde la elección está muy mediatizada por la distancia y el número de alternativas es limitado. Por el contrario, en las áreas densamente edificadas los consumidores pueden elegir entre numerosos centros comerciales, con más o menos superficie comercial, dentro de la distancia máxima que están dispuestos a recorrer. Huff (1963, 1964) propone un modelo probabilístico siguiendo los principios enunciados por Reilly. Matemáticamente, su expresión es la siguiente: 1 j ij ij n j ij j Sd P Sd (1) Donde: Pij= probabilidad de que un consumidor en la situación de elección i elija el establecimiento j. Sj= metros cuadrados de superficie de venta de el establecimiento j. dij = distancia existente entre la base i del consumidor y el establecimiento j. α = parámetro de sensibilidad con respecto al tamaño (m2) de el establecimiento estimado a partir de observaciones empíricas. = parámetro de sensibilidad con respecto a la distancia de desplazamiento, de signo negativo y que es estimado a partir de observaciones empíricas. n = número de empresas comerciales minoristas consideradas por el consumidor. En los trabajos iniciales de Huff el valor del parámetro α es 1, aunque aquí se presenta una versión más general que permite ponderar el efecto del tamaño en la utilidad de los consumidores. Por primera vez, el modelo de Huff proporciona un enfoque capaz de dar sentido a las complejas interacciones que tienen lugar dentro del
Análisis geográfico del mercado 79 sistema de las áreas de influencia de un mercado, de ahí el origen del nombre de esta teoría y de los modelos que derivan de ella (Ghosh y McLafferty, 1987). Haines et al. (1972) consideran que una de las contribuciones más importantes de la formulación de Huff es que demuestra que el comportamiento espacial del consumidor es explicado por una teoría capaz también de explicar los aspectos no espaciales de su comportamiento. De hecho, los modelos de interacción espacial asignan flujos de gasto entre los orígenes y las zonas de destino sobre la base de que dichos flujos son proporcionales a la relativa atracción y accesibilidad de los destinos (Guy, 1994a; Ballas y Clarke, 2000). Este Axioma asegura que la suma de probabilidades, Pij, es igual a la unidad: Dado que la utilidad disminuye a medida que la distancia al establecimiento aumenta, el valor de es negativo. Los consumidores a la hora de evaluar un establecimiento comercial, sustituyen la no utilidad de distancias adicionales por la utilidad de atractivos adicionales. Por otra parte, incrementos en el valor absoluto de suponen un aumento de la importancia que los consumidores conceden a la distancia, frente al atractivo comercial. Aunque los modelos de interacción espacial se calibran de manera agregada, los modelos están basados en principios del comportamiento individual del consumidor. La clave de este tipo de modelos es la determinación de los valores de los parámetros que mejor se adapten a los patrones de comportamiento de compra de los consumidores (Ghosh y McLafferty, 1987; Cliquet, 2006). Para medir la atracción, Huff sólo utiliza la superficie de venta. Con el fin de ampliar este concepto, Stanley y Sewall (1976) utilizan una escala multidimensional para incorporar la imagen de la empresa comercial en el modelo lo que mejora su capacidad predictiva. Gautschi (1981) incorpora al modelo medidas adicionales de accesibilidad (atributos del transporte, entre otros), además de la imagen, lo que también mejora su capacidad predictiva. El deseo de incluir múltiples medidas del atractivo de la tienda y de la accesibilidad llevan a Nakanishi y Cooper (1974) a definir un modelo de interacción espacial más generalizado al que denominan modelo Multiplicativo de Interacción Competitiva (MCI), que se define de la siguiente manera: 1 11 , k k q kj ij k ij q n kj ij jk Xd P Xd (2)
Capítulo 3: Objetivos y metodología 80 Donde: Pij = la probabilidad de que un consumidor en la situación de elección i elija el establecimiento j. Xkj= medida de la variable k que describe la atracción del establecimiento j. αk = parámetro de sensibilidad con respecto a la variable k. q = número total de variables consideradas en la medida de la atracción. dij = distancia existente entre la localización i del consumidor y el establecimiento j. = parámetro de sensibilidad con respecto a la distancia. n = número de establecimientos considerados por el consumidor en la situación de elección i. Nakanishi y Cooper (1974) proponen la siguiente transformación logarítmica sobre la expresión (2) 1 ln / ln / ln / , q ij i k kj k ij i k P P X X d d (3) donde , ik PX y i d son las medias geométricas de , ij kj PX y ij d a lo largo de j, respectivamente. Esta transformación permite estimar fácilmente los parámetros mediante mínimos cuadrados. Una vez los parámetros han sido estimados, la probabilidad se calcula mediante la siguiente transformación inversa (Jain y Mahajan, 1979): 1 1 ln ln ln ln 1 e. qkj ij kki k qkj ij kki k Xd Xd ij Xd nXd j P e Esta ecuación puede ser utilizada también para predecir el impacto de los cambios en las características del establecimiento de una determinada empresa comercial minorista o de la apertura de un nuevo establecimiento. En este caso, se modifica el denominador al incluir un establecimiento más, afectando, por tanto, a la probabilidad de elección prevista. Pueden calcularse las ventas generadas por cada establecimiento minorista del siguiente modo:
Análisis geográfico del mercado 81 Donde: Vj = ventas del establecimiento minorista j. m = número de puntos de demanda. wit = presupuesto del que disponen los consumidores del punto de demanda i para realizar las compras del tipo de producto suministrado por el establecimiento j durante el periodo de tiempo t. T = periodo total de tiempo considerado. Esta ecuación permite tener en cuenta los cambios en el área de influencia al considerar una cantidad de población distinta en base a las expectativas de crecimiento de la zona. 3.2.2 Estimación de los parámetros en un modelo MCI En este trabajo, se han utilizado procedimientos SIG para mejorar los resultados obtenidos con los modelos de interacción espacial tradicionales. Se pueden encontrar trabajos anteriores en que los modelos de localización se integran en un marco GIS en Spaulding y Cromley (2007) y Suárez-Vega et al. (2011, 2012), así como en las referencias citadas por Church (2002) y Murray (2010). Como alternativa a los procedimientos habituales, se propone calibrar el modelo MCI (la misma metodología se puede utilizar para el modelo de Huff) a través de la regresión lineal local, en particular mediante la Regresión Ponderada Geográficamente (GWR). Esta técnica permite estimar un conjunto de parámetros para cada punto de la zona de estudio, mostrando su variabilidad en el espacio analizado. Por lo tanto, a partir de una muestra distribuida en el espacio, los parámetros de Huff pueden ser estimados para cada punto de la demanda con el fin de obtener la probabilidad de compra estimada. LA GWR se ha aplicado anteriormente en diferentes campos, por ejemplo, para analizar los precios de la vivienda (Brunsdon et al.1999, Fotheringham et al. 2002 y Kestens et al. 2006), o los precios de alquiler de los locales de alojamiento de turismo rural (Suárez-Vega et al. 2013). Esta metodología se ha aplicado también a la modelización de la interacción espacial por parte de Nakaya (2001), quien la utilizó para explicar los flujos migratorios en Japón durante la última década de 1980. Pero, por lo que sabemos, la GWR nunca ha sido aplicada para resolver problemas de localización competitiva. Como se indicó en el apartado anterior, uno de los procedimientos más recurrentes para estimar los parámetros involucrados en la ecuación (2) es el propuesto por Nakanishi y Cooper (1974). Este método permite la estimación de los parámetros aplicando mínimos cuadrados ordinarios (OLS) sobre la expresión (3).
Capítulo 3: Objetivos y metodología 82 Sin embargo, la aplicación del método de mínimos cuadrados ordinarios (OLS) supone que los datos presentan una distribución homogénea en toda el área de estudio. Este supuesto puede que no deba ser considerado cuando hay datos espaciales involucrados en el análisis. En el caso de los modelos MCI, la suposición de homogeneidad implica que todos los clientes en un mercado presentan las mismas preferencias con respecto a las diferentes variables que definen la atracción de las tiendas, lo cual es poco probable cuando existen diferencias socio-demográficas en el mercado. Mientras el método OLS asume que todos los parámetros asociados a los regresores son constantes a lo largo de la zona de estudio, la regresión ponderada geográficamente (Geographically Weighted Regression, GWR) permite modelar el comportamiento de los clientes teniendo en cuenta las posibles variaciones en los parámetros estimados a lo largo del mercado. Este método fue inicialmente formulado por Brunsdon et al. (1996) y Fotheringham et al. (1996, 2002). 3.2.2.1 Regresión por mínimos cuadrados ordinarios Probablemente, el análisis de regresión sea la metodología estadística que se utiliza con mayor frecuencia en las ciencias sociales. Esta técnica abarca una amplia gama de métodos para modelar la relación entre una variable dependiente y un sistema de unas o más variables independientes. Además, al modelar las relaciones espaciales, el análisis de regresión también se puede utilizar para realizar predicciones. La estimación por mínimos cuadrados ordinarios (Ordinary Least Squares, OLS) es la más conocida de todas las técnicas de regresión. También es el punto de inicio adecuado para todos los análisis de regresión espacial. La variable dependiente se conoce como variable “y” o variable respuesta. Las variables independientes se conocen como variables “x”, variables del predictor o variables explicativas. Cada variable independiente se asocia con un coeficiente de regresión que describe la fortaleza y el signo de la relación de esa variable con la variable dependiente. En su forma más simple un modelo de regresión lineal puede tomar la forma Término de errores - residuales Coeficientes Variable explicativa Variable dependiente
Análisis geográfico del mercado 83 En esta ecuación: yi es la variable respuesta, aquí medida para un individuo o elemento de la muestra i. Ésta es la variable que representa el proceso que se intenta predecir o entender. Los valores “y” conocidos a veces se denominan valores observados. xi es la variable independiente/explicativa. Estas son las variables que se utilizan para modelar o predecir los valores de la variable dependiente. La variable dependiente es una función de las variables explicativas. εi es el término del error, también llamado residuales. Son la porción sin explicar de la variable dependiente, representada en la ecuación de regresión con el término de error aleatorio ε. Los valores conocidos de la variable dependiente se utilizan para crear y calibrar el modelo de regresión. Al utilizar valores conocidos para la variable dependiente (y) y valores conocidos para todas las variables explicativas (las x), la herramienta de regresión construye una ecuación que preverá esos valores conocidos “y” posibles. Sin embargo, los valores previstos raramente coinciden exactamente con los valores observados. La diferencia entre los valores “y” observados y los valores “y” previstos se llama residual. La magnitud de los residuales de una ecuación de regresión es una medida del ajuste del modelo. Grandes residuales indican un ajuste pobre del modelo. β0 y β1 son los parámetros (a veces también llamados coeficientes). Son valores, uno para cada variable explicativa, que representan la fortaleza y el tipo de relación que tiene la variable explicativa con la variable dependiente. Cuando la relación es positiva, el signo del coeficiente asociado también es positivo. Análogamente, los coeficientes de las relaciones negativas tienen signos negativos. Cuando la relación es una relación sólida, el coeficiente es relativamente grande (relativo a las unidades de la variable explicativa con la que se asocia). Las relaciones débiles se asocian con coeficientes cercanos a cero. β0 es la intercepción de regresión y representa el valor esperado para la variable dependiente si todas las variables independientes (explicativas) son cero. El término ˆ i i i e y y se conoce como el residual de la i-ésima observación, siendo ˆi y el valor predicho para i y . Los residuales deben ser independientes e idénticamente distribuidos según distribución normal de media cero y varianza 1. Tal modelo se ajusta generalmente usando un procedimiento conocido como mínimos cuadrados ordinarios (OLS). Los coeficientes deben ser estimados de tal forma que el valor de la suma de los residuos al cuadrado (SSR) 2 2 11 ˆ nn i i i ii SSR e y y esté reducido al mínimo sobre las n observaciones del conjunto de datos.
Capítulo 3: Objetivos y metodología 84 De forma más general, un modelo múltiple de regresión lineal puede ser escrito como: 1 01 K i k ik i k yx , para i , 2,…,n donde las predicciones de la variable dependiente se obtienen con una combinación lineal de K-1 variables independientes. Este modelo puede ser expresado matricialmente como YX , siendo Y es el vector de orden n de los valores observados, X es la matriz de diseño (de orden K×n) que contiene los valores de las variables independientes y una primera columna de unos, β el vector de orden K de los coeficientes y ε el vector de orden n de los errores. En este caso, el estimador OLS toma la forma: 1 ˆ, TT X X X Y Donde es el vector de parámetros estimados y 1 T XX es la inversa de la matriz de correlaciones (varianza-covarianza). La creación de un modelo de regresión es un proceso iterativo que implica buscar variables independientes efectivas para explicar la variable dependiente que intenta modelar o entender, ejecutar una herramienta de regresión para determinar qué variables son indicadores efectivos, quitar o agregar repetidamente variables hasta que se encuentre el mejor modelo de regresión posible. Debe poderse establecer y justificar la relación esperada entre cada variable explicativa posible y la variable dependiente antes del análisis. A veces es deseable ponderar las observaciones en una regresión, por ejemplo, la incertidumbre de diversos niveles de datos. Los pesos se ponen en la diagonal principal de una matriz cuadrada W y se altera el estimador para incluir la ponderación: 1 ˆ. TT X WX X Y 3.2.2.2 Regresión Ponderada Geográficamente Hay un número de consideraciones que subyacen del modelo básico de regresión descrito anteriormente, una de las cuales es que las observaciones deben ser independientes unas de otras. Éste no es siempre el caso cuando se trata con datos espaciales que siguen la observación de Tobler “todo se relaciona con todo, pero las cosas cercanas están más relacionados que las cosas distantes” (Tobler, 1970). Puede que no sólo las variables del modelo exhiban dependencia espacial (es decir, localizaciones cercanas tendrán valores similares) sino que también los residuales del modelo lo hagan. Esta última característica puede observarse si se representan en un mapa los residuales de la regresión básica donde habitualmente los residuales en unidades espaciales vecinas tendrán magnitud y signo similares.
Análisis geográfico del mercado 85 Estas características de los datos espaciales tienen implicaciones en la estimación de los parámetros del modelo básico. Si hay estructura espacial en los residuales del modelo, éste conducirá a estimaciones ineficientes de los parámetros, lo que significa que los errores estándar de los parámetros serán demasiado grandes. Esto tiene consecuencias a la hora de inferir en casos en que las estimaciones potencialmente significativas del parámetro pueden parecer no serlo. La heterogeneidad espacial es otro fenómeno en la modelización espacial. Al ajustar todos los modelos de regresión descritos anteriormente se asume que las relaciones que son modeladas son iguales en todos sitios dentro del área de estudio en la cual se localizan los datos. Esta asunción se denomina de homogeneidad. Sin embargo, a menudo hay una buena razón para preguntarse si es adecuado utilizar esta suposición cuando se trata con datos espaciales y los procesos que los generan puede variar a lo largo del espacio. En este trabajo se propone el uso de la regresión ponderada geográficamente (GWR) con el fin de tener en cuenta la posible heterogeneidad espacial de los parámetros que determinan la utilidad de los consumidores. Mientras que el OLS proporciona un modelo global la GWR proporciona un modelo local de la variable o proceso que se intenta entender/predecir a través del ajuste de una ecuación de regresión para cada elemento del conjunto de datos. La GWR es una contribución bastante reciente a la modelización espacial de procesos heterogéneos espacialmente (Brunsdon et al, 1996; Fotheringham et al 1996; 1997; 2002). La idea subyacente de la GWR es que los parámetros se pueden estimar en cualquier lugar del área de estudio dada una variable dependiente y un sistema de una o más variables independientes que se han medido en lugares en que se conoce la localización. Teniendo en cuenta la observación de Tobler sobre proximidad y semejanza enunciada anteriormente, se podría esperar que para estimar los parámetros de un modelo en una localización u (ui,vi), las observaciones que están más cercanas a esa localización deben tener un mayor peso en la estimación que las observaciones que están más lejos. Siguiendo este método, los parámetros para una localización particular , ii uv deben ser estimados bajo el supuesto de que los datos observados en las inmediaciones son más significativos que los que se encuentran más alejados. El estimador de este modelo es similar al del modelo de mínimos cuadrados ponderados global, pero considerando que los pesos están asociados a la localización de los valores observados. Así pues, el modelo OLS tradicional puede reescribirse como
Capítulo 3: Objetivos y metodología 86 1 01 ,, K i i i i i i k ik k y u v u v x donde , ii uv representa las coordenadas del punto i-ésimo en el espacio y , k i i uv es una realización de una función continua en el punto i. Por tanto, este método permite obtener estimaciones de parámetros localizados para cualquier punto en el espacio, no sólo para los puntos de muestra (Fotheringham et al. (2002)). En este caso, la estimación del vector de coeficientes regresores viene dada por: 1 ˆ, , , , TT i i i i i i u v X W u v X X W u v Y donde 1, , , 0 0 ii ii n i i w u v W u v w u v es una matriz ponderada en la que cada elemento , j i i w u v de la diagonal principal representa el peso de la observación j (j = 1, 2, ..., n) para la estimación de los parámetros en la localización , ii uv . El método específico de cálculo de los diferentes pesos , ii W u v se denomina kernel. Los kernel utilizados con mayor frecuencia son el de Gauss, 2 0.5 ,, ij d h j i i w u v e y el Bicuadrado, 2 2 1 , si ,, 0, si ij ij j i i ij ddh w u v h dh donde ij d es la distancia euclídea entre la localización , ii uv y la observación j, y h es el ancho de banda (una cantidad expresada en las mismas unidades de coordenadas utilizadas en el conjunto de datos).
Análisis geográfico del mercado 87 Ilustración 3-1 Ancho de banda y función de pesos con kernel fijo (Elaboración propia) Mientras que la forma específica del kernel no tiene una influencia significativa, la elección del ancho de banda sí puede provocar cambios considerables en los parámetros estimados. Para valores grandes de h, los pesos , j i i w u v tienden a uno y las estimaciones de la GWR tienden a las obtenidas mediante OLS. Cuando la muestra está distribuida en el espacio regularmente en el área de estudio, se recomienda utilizar un kernel con un ancho de banda fijo (Ilustración 3-1); de lo contrario, se recomienda un ancho de banda adaptativo (Ilustración 3-2). En la forma adaptativa, se fija un número mínimo de observaciones o una distancia máxima con el fin de seleccionar la submuestra utilizada para el cálculo de los pesos. Como señalan Paez et al. (2002a, b) y Fotheringham et al. (2002), un ancho de banda fijo puede producir una gran variación de la estimación local en áreas donde los datos son escasos, lo que podría exagerar el grado de no-estacionariedad espacial, mientras que puede enmascarar una no-estacionariedad espacial sutil en zonas donde los datos son densos. Ilustración 3-2 Ancho de banda y función de pesos con kernel adaptable (Elaboración propia) Función de pesos Ancho de banda Función de pesos Ancho de banda
Capítulo 3: Objetivos y metodología 94 cambio, si el resultado de la FP es < 0, supone que la atracción no cubre los costes y, por lo tanto, el centro comercial no es viable económicamente, tanto desde el punto de vista de la gestión del mismo como de los establecimientos localizados. Otro análisis que se puede hacer de la FP es el relativo a la te. Es el que se describe en la fórmula (14) y resulta más fácil de aplicar en la práctica, dado que estimar los gastos internos de cada uno de los establecimientos es una tarea muy compleja. En este caso al valor obtenido por el producto se le ha de dar la siguiente interpretación: Si la función de producción relativa a la tasa de esfuerzo es mayor que 0, el centro comercial es rentable, pues se cubren todos los gastos del centro y las ventas de cada establecimiento son suficientes para cubrir los gastos internos individuales y obtener beneficios. Si el producto es 0, significa que se está trabajando en el umbral de rentabilidad de todo el centro comercial. Mientras que si el producto es negativo, entonces existe un margen de rentabilidad delimitado por el margen de beneficio de los establecimientos comerciales. A partir de este punto, donde se alcanza el punto muerto, el centro comercial deja de ser rentable. Esto supone que primero los comercios no alcanzarán la tasa de esfuerzo requerida y, posteriormente, dejarán de pagar sus alquileres y gastos comunes, con lo que el centro comercial como unidad de gestión también comenzará a no ser rentable. Esto también se puede expresar de la forma matemática que se explica a continuación. Cuando te · FA - GGEN > 0, se están obteniendo más ingresos que los esperados para cubrir los gastos generales y, por lo tanto, se incrementan los beneficios esperados. Con esta información la gerencia del Centro Comercial podría reducir su te con el fin de optimizar cada vez más sus expectativas de rentabilidad o, bien, incrementar los alquileres hasta que sea neutra la te. Con esto último, traspasaría el incremento de beneficios a la propiedad del centro comercial. Si opta por dejar la misma tasa de esfuerzo o reducirla supone que opta porque los establecimientos sean los que se beneficien del incremento de rentabilidad por tener una capacidad de atracción superior a la que se necesita para que sea rentable el centro comercial. Así pues, los gastos generales deben ser menores o iguales al producto de la tasa de esfuerzo objetivo límite y los ingresos (función de atractivo). De esta forma, para optimizar la función de productividad de un centro comercial habrá que maximizar la expresión: e A GEN t F G . Tanto la función de atractivo (FA) como los Gastos Generales (GGEN) dependerán de la Superficie Bruta Alquilable (SBA) por categoría del centro
Análisis de la función de productividad de un centro comercial 95 comercial (A: alimentación, EP: equipamiento de la persona, OC: ocio y HG: equipamiento del hogar). En lo que respecta a la primera, a más SBA se incrementará la capacidad de atracción (hasta llegar a un punto donde no se consiguen incrementos de venta con el aumento de una unidad más de superficie de ventas), mientras que los costes marginales bajan hasta llegar a un punto, donde no se obtienen más economías de escala. De aquí la gran importancia de conocer las funciones de atractivo y de gastos generales, con el fin de determinar el rango de la inversión para que sea viable económicamente: 3.3.1 Función de atractivo Según Wang (2005), la mezcla de todos locales del centro comercial junto con el diseño arquitectónico, la selección de la localización y la promoción del centro crean una imagen única del centro de compras, que será la percepción de los consumidores sobre los atributos del centro de compras. Como se ha dicho previamente, el estudio sobre la función de atractivo de un centro comercial planteado en este trabajo está basado en el modelo probabilístico de elección de Huff (1964), donde los parámetros se determinan a través del modelo de Nakanishi y Cooper (1974), a partir de unas encuestas realizadas con el fin de conocer cómo se realiza el gasto de los hogares. De esta forma, el atractivo de los centros comerciales depende de su imagen, compuesta por múltiples atributos y que determina una decisión de compra y una proporción de gasto consumida en diferentes tipos de establecimientos comerciales. A través de las encuestas se ha de determinar estas proporciones de gasto así como el lugar dónde se realiza. Esto permite derivar el atractivo de cada centro o área comercial. 3.3.1.1 Planteamiento de la función de atractivo de un centro comercial La función de atractivo (FA) de un centro comercial puede expresarse como el producto de la demanda atraída por el gasto medio. Por su parte, la demanda atraída se obtiene multiplicando la población del área de estudio por la probabilidad de compra (calculada a través del modelo de Huff). Teniendo en cuenta lo anterior y las grandes categorías de productos ofertados, es decir, alimentación, equipamiento de la persona, equipamiento del hogar y ocio, la función de atractivo de un centro comercial situado en la localización x se puede expresar según se refleja en la siguiente fórmula: 1 () m A k i ik k K i F x GM wP x (15)
Capítulo 3: Objetivos y metodología 96 Siendo: , , ,K A EP OC HG es el conjunto de las grandes categorías. m = los niveles de agregación, definidos en núcleos de población. wi = población del núcleo de población i. x = lugar de localización del nuevo centro comercial. ik Px = probabilidad de que cada núcleo de población i compre en el centro comercial localizado en x, por categoría de productos .kK = gasto medio comercializable por categoría .kK Por su parte, dada una SBA por categoría, y siguiendo el modelo de Huff, la probabilidad de compra ik Px puede expresarse de la forma siguiente: 1 ( ) , ik ik ik ik ik ik kix ik n kk ix j ij k j Sd Px S d S d LD (16) donde, k S = SBA del nuevo centro comercial para la categoría .kK k j S = SBA del establecimiento j en la categoría .kK αik = Parámetro que refleja la sensibilidad del cliente ubicado en el núcleo de población i al tamaño del equipamiento comercial existente, por categoría .kK LDk = Parámetro asociado a la pérdida de demanda, por categoría .kK λik = Parámetro que refleja la sensibilidad del cliente ubicado en el núcleo de población i al tiempo de desplazamiento, por categoría .kK n = Número de establecimientos existentes (centros comerciales existentes más “centro de compra local”). dij = distancia (tiempo de transporte) desde el núcleo de población i al centro de compra j. dix = distancia (tiempo de transporte) desde el núcleo de población i al nuevo centro comercial localizado en x. Sustityuendo la expresión (16) en (15) se obtiene la función de atracción de un nuevo centro comercial cuando es localizado en x y dispone de k S (m2) de SBA para cada categoría kK .
Análisis de la función de productividad de un centro comercial 97 3.3.2 Función de gastos generales de un centro comercial Para formular la función de costes se realizaron varias entrevistas con gerentes de los principales centros comerciales de Gran Canaria. De las entrevistas realizas, se obtuvieron las variables que deben considerarse en la función de costes desde el punto de vista del promotor de un centro comercial y los valores medios que se emplean en este sector. Se han realizado entrevistas con los gerentes de los Centros Comerciales de “Siete Palmas”, “La Minilla”, “Atlántico”, “Las Terrazas” y “Leroy Merlín”. En la literatura especializada no se encuentran estudios donde se detallen los costes de los centros comerciales y, sobre éstos, se apliquen modelos para determinar la localización óptima. Generalmente, se quedan en el planteamiento matemático del problema sin adentrarse en el detalle del estudio económico-financiero que se requiere para establecer los costes de inversión, mantenimiento y gestión de los centros comerciales. Esto se agrava a la hora de plantear una función de costes específica para los centros comerciales según la superficie comercial. Para solventar estos problemas de base se llevaron acabo entrevistas en profundidad con expertos en la gestión práctica de centros comerciales, al objeto de determinar, primero, la metodología más adecuada para definir el análisis económico-financiero de la inversión y gestión de un centro comercial y, segundo, determinar los costes en diferentes tipos de centros comerciales según su tamaño. Con ello, se puede extrapolar la función de costes de un centro comercial y, unido al estudio del atractivo comercial, determinar la función de productividad. Finalmente, existen una serie de aspectos que intervienen en el diseño de la estructura de los centros comerciales, que se plantean como restricciones del problema. También fue preciso recurrir a los expertos para conocer cuáles son estos elementos que se han de tener en cuenta, no solo comercialmente, sino de condicionantes estructurales y legales referidos al urbanismo y la edificabilidad, con el fin establecer las restricciones que afectan a estos factores. Con todo este estudio previo se pudo formular una función de gastos generales tipo para un centro comercial. 3.3.2.1 Planteamiento de la función de gastos generales de un centro comercial La función de gastos generales de un centro comercial (FGGEN) es igual a la suma de los gastos comunes (Com) y de mantenimiento (Mant), más la inversión (Inv), descontándole el valor residual del inmueble transcurrido el plazo de recuperación de la inversión T, (VRT). Puede expresarse de la forma siguiente: Siendo:
Capítulo 3: Objetivos y metodología 98 T = Plazo de recuperación de la inversión. VRT = Valor residual para el año T. El valor residual de la inversión, cuyo cálculo se explica en el capítulo 2, concretamente en el apartado 2.3.2.2, se puede simplificar expresándolo como un porcentaje de la inversión: Por su parte, la inversión se puede expresar como: Siendo: P = Precio del terreno/parcela. El precio del terreno vendrá determinado por el valor del mercado y dependerá de la ubicación del mismo. Siendo: A = metros cuadrados de parcela (m2) CT = coste del terreno por metro cuadrado de parcela B = Precio de la construcción sin incluir parking. El precio de la construcción variará según el tipo de centro comercial a construir y de la SBA del mismo: con γ el coste de construcción por m2 de SBA. C = Precio del parking. En este caso se debe tener en cuenta que el parking puede ser aéreo y/o edificado, siendo su coste diferente. Teniendo en cuenta lo anterior, el precio del parking “C” puede expresarse como: Siendo: PA = Superficie parking aéreo (m2). PE = Superficie parking edificado (m2). CPA = Coste por metro cuadrado de superficie de parking aéreo. CPE = Coste por metro cuadrado de superficie de parking edificado.
Análisis de la función de productividad de un centro comercial 99 D = Precio de las licencias. El precio de las licencias suele estimarse como un porcentaje (Lic) del total de la construcción, esto es: Por tanto, la inversión se puede expresar como: Finalmente, los costes de comunidad y mantenimiento comprenden una serie de gastos variados como son aquellos que se deben destinar al Plan Plurianual de Grandes Reparaciones (PPGR), a la vigilancia y seguridad del centro, a la limpieza, al agua y energía, a la jardinería, a los honorarios de la gerencia y a la publicidad. Para simplificar este concepto, se suele expresar como un porcentaje (z) de la SBA del centro: 3.3.3 Restricciones de la función de productividad de un centro comercial Para que los resultados obtenidos al aplicar el modelo propuesto en la presente investigación sean coherentes se deben imponer restricciones a los valores que pueden adoptar las variables consideradas: 1. La superficie bruta alquilable de cada categoría debe ser menor o igual que la superficie bruta alquilable máxima definida por categoría ( ): 2. La superficie bruta alquilable de cada categoría debe ser mayor o igual que la superficie bruta alquilable mínima definida por categoría ( ): 3. La superficie del parking aéreo será como máximo un porcentaje (PPA) de lo que no sea edificado, es decir, eliminando de la superficie total de la parcela la parte edificable, determinada por el Índice de Ocupación (IO). Además, se debe tener en cuenta la posibilidad de que exista una zona destinada a jardines, etc. Siendo: PPA = Porcentaje de ocupación de la zona no edificada del parking aéreo.
Capítulo 3: Objetivos y metodología 100 El índice de ocupación representa la superficie del total del solar que se puede edificar (en el plano) y vendrá determinado por la ordenanza de la parcela. 4. El número de plantas construidas sobre rasante (NPSR) será menor o igual que las establecidas en la normativa de la parcela considerada (NPASR). 5. El número de plantas construidas bajo rasante (NPBR) será menor o igual que las establecidas en la normativa de la parcela considerada (NPABR). 6. La superficie edificada sobre rasante será como máximo el producto de la superficie total de la parcela y el índice de edificabilidad. Siendo: SESR = Superficie edificada sobre rasante. IE = Índice de edificabilidad. Representa la superficie total en m2 (volumen) que se puede edificar. SEBR = Superficie edificada bajo rasante IO` = Índice de ocupación bajo rasante. Se suele considerar IO = IO` NABR = Número de plantas bajo rasante autorizadas. STE = Superficie total edificada 7. La superficie edificada bajo rasante estará comprendida entre un porcentaje mínimo (ρI) y un porcentaje máximo ( ) de la superficie edificada sobre rasante. 8. La suma de la SBA más la Superficie Bruta no Alquilable (SBNA) más la superficie de parking edificado ha de ser igual a la superficie total edificada: 9. La SBNA es un porcentaje de la SBA 10. Por último, se debe añadir una restricción relativa a la superficie mínima de parking necesaria (SMP) en relación a la SBA existente.
Análisis de la función de productividad de un centro comercial 101 3.3.4 Formulación del problema de localización y diseño de un centro comercial Teniendo en cuenta el planteamiento de la función de atractivo y de la función de gastos generales del centro comercial realizado en los apartados anteriores, así como las restricciones que deben imponerse para que los resultados obtenidos sean factibles, el problema de localización y diseño de un centro comercial se puede plantear matemáticamente de la forma siguiente: El problema se planteará como un programa no lineal mixto. Para ello, previamente se definirán los siguientes elementos: Conjuntos: , , ,K A EP OC HG es el conjunto de categorías. 12 , ,..., r L l l l es el conjunto de posibles localizaciones para el nuevo CC. 12 , ,..., m V v v v conjunto de nodos de demanda. 12 , ,..., m E e e e son las localizaciones donde existen CCs. Parámetros input: te : tasa de esfuerzo k GM : el gasto medio por persona en el sector .kK i w : población en el nodo de demanda . i vV ik : peso en la función de atracción de la superficie en el sector kK para los clientes del nodo de demanda i vV . k j S : superficie dedicada al sector kK del CC localizado en . j eE ij it dd : tiempo de desplazamiento desde el nodo i vV a la localización jt l L e E . ik : peso en la función de atracción del tiempo de desplazamiento para el sector kK para los clientes del nodo de demanda i vV . LDk = parámetro asociado a la pérdida de demanda. jk MaxS : SBA máxima para el sector kK en la en la localización j lL . jk MinS : SBA mínima para el sector kK en la localización j lL . j CT : Coste por metro cuadrado de terreno en j lL .
Capítulo 3: Objetivos y metodología 102 CPAj : coste por metro cuadrado de superficie de parking aéreo en j lL . CPEj : coste por metro cuadrado de superficie de parking edificado en j lL . PPAj: porcentaje de ocupación del parking en j lL . j Lic : porcentaje sobre la inversión que supone la licencia en j lL . j : coste de la construcción sin incluir parking por metro cuadrado de SBA en j lL . θ : porcentaje que supone el valor residual sobre la inversión al final del plazo de recuperación. T: plazo de recuperación de la inversión. : porcentaje de la SBA que se corresponde con la SBNA. j z : porcentaje de la SBA correspondiente a los gastos de mantenimiento en . j lL j O I : Índice de ocupación en j lL . j E I : Índice de edificabilidad en j lL . j OB I : Índice de ocupación bajo rasante en j lL . j pdsMax N : número máximo de plantas admitidas sobre rasante en j lL . j psdMin N : número mínimo de plantas admitidas sobre rasante en j lL . j pbdMax N : número máximo de plantas definidas bajo rasante en j lL . j pbdMin N : número mínimo de plantas definidas bajo rasante en j lL . j AM : Superficie máxima disponible en j lL . SMP : factor que determina la supeficie mínima de parking por m2 de SBA. ρI : Porcentaje mínimo que supone la SEBR con respecto a la SESR. ρS : Porcentaje máximo que supone la SEBR con respecto a la SESR. Variables (output): j y : vale 1 si el nuevo CC se establece en j lL , 0 en caso contrario. jk x : SBA destinada al sector k en j lL . 12 , , , j j j jK X x x x : vector con todas las SBA en j lL . j A : superficie empleada para edificar el CC en j lL . PAj : superficie de parking aéreo en j lL .
Análisis de la función de productividad de un centro comercial 103 12 , , ,r PA PA PA PA : vector de las superficies destinadas a parking aéreo en j lL . PEj: Superficie de parking edificado en j lL 12 , , ,r PE PE PE PE : vector con las superficies destinadas a parking edificado en j lL . j PSR N : número de plantas construidas sobre rasante en j lL . j PBR N : número de plantas construidas bajo rasante en j lL . j ESR S : superficie edificada sobre rasante en j lL . j EBR S : superficie edificada bajo rasante en j lL . Veamos separadamente el planteamiento de la función de atractivo y de la función de gastos generales. Función de atractivo Partiendo de los elementos anteriores, la función de producción y las restricciones asociadas pueden plantearse de la siguiente forma: 12 , , , ik ik ik ik ik ik ji t jk ij A r k i r l L k K v V jk ij tk it k eE xd F X X X GM w x d S d LD Función de gastos generales La función de gastos generales y las restricciones asociadas se plantean a continuación: 12 ,, , , , , , , , 1 jj j j j j GGEN r GGEN j j j j j j l J l J Inv X PA PE F X X X PA PE F X PA PE Mant X T siendo: , , 1 * * * j j j j j j jk j j j j j j kK Inv X PA PE Lic x CPA PA CPE PE A CT j j j jk kK Mant X z x
Capítulo 4 : Aplicación. Análisis geográfico del mercado 110 4.1 Motivación de la zona considerada. Este primer apartado se corresponde con el primer paso de la metodología propuesta en la sección 3.2 para analizar geográficamente el mercado. La elección de la zona donde se lleva a cabo la investigación está fundamentada en el estudio de Rodríguez Díaz y Gutiérrez-Acuña (2010), donde se realizó una investigación comercial en la zona noroeste de la isla de Gran Canaria. Las principales conclusiones de dicho estudio se resumen a continuación: Existe una gran diferencia entre la probabilidad de atracción comercial teórica (obtenida a través del modelo de Huff) y la probabilidad de atracción comercial real (obtenida a través de encuestas). Teóricamente se estima que el gasto comercializable que debe retener la Zona Noroeste es de 246 millones de euros al año (Tabla 4-1). Por el contrario, a partir de las encuestas realizadas se estima que en realidad tan sólo se retienen 168 millones de euros/año en todas las categorías de productos y servicios considerada en el estudio. Ello supone una demanda evadida de 77 millones de euros/año, que representa una pérdida del 31,54% debido a la falta de competitividad del equipamiento comercial. Asimismo, se evaluó la demanda evadida por categorías (Tabla 4-2), poniéndose de manifiesto que se precisa un equipamiento comercial más competitivo en todas ellas. Esto podría lograrse con una gran superficie comercial del tipo de centro comercial planificado, debido a que se necesita una importante unidad de alimentación para cubrir la evasión de una demanda de 51 millones de euros al año. Por otra parte, las deficiencias en equipamiento de la persona y en ocio también muestran un gran potencial en la zona objeto de estudio, puesto que se estima una demanda evadida de 40 y 46 millones de euros/año, respectivamente. Finalmente, los clientes adquieren productos relacionados con el equipamiento del hogar en otras zonas comerciales de la Isla por valor de 17 millones de euros/año. Municipio Gasto comerc. (método Huff) 1 Gasto comerc. (método encuestas) 2 2-1 Difer. % Agaete 7.263.432 5.767.893 -1.495.538 - 20,59% Arucas 83.202.328 39.875.838 -43.326.489 - 52,07% Firgas 7.785.164 3.789.623 -3.995.541 - 51,32% Gáldar 66.264.822 63.983.040 -2.281.782 -3,44% Moya 6.215.559 5.863.419 -352.140 -5,67%
Motivación de la zona considerada. 111 S Nicolás Tolentino 21.565.178 13.036.567 -8.528.611 -39,55% Sta Mª Guía 29.576.590 13.602.085 -15.974.505 -54,01% Teror 19.205.603 17.892.309 -1.313.294 -6,84% Valleseco 5.335.923 4.889.156 -446.767 -8,37% TOTALES 246.414.598 168.699.931 -77.714.668 -31,54% Tabla 4-1 Análisis comparativo de la atracción comercial total en la Zona Noroeste de Gran Canaria – Gasto comercializable anual medio residentes (Fuente: Rodríguez Díaz y Gutiérrez-Acuña (2010)) Municipios Aliment. Equip. persona Ocio Equip. hogar TOTALES Agaete 1.917.167 1.871.402 1.931.544 987.778 6.707.890 Arucas 21.454.387 13.720.548 15.631.001 6.492.255 57.298.191 Firgas 4.598.908 2.459.913 2.829.171 1.334.093 11.222.085 Gáldar 4.287.938 6.354.903 7.315.004 2.525.002 20.482.847 Moya 5.405.101 3.430.835 4.204.868 1.132.681 14.173.485 S Nicolás Tolentino 1.081.003 1.452.208 1.501.085 665.993 4.700.289 Sta Mª Guía 4.636.827 4.652.057 6.269.089 1.779.935 17.337.908 Teror 6.386.281 4.740.187 5.765.781 2.205.283 19.097.533 Valleseco 1.194.300 1.368.900 1.350.180 629.453 4.542.833 TOTALES 50.961.912 40.050.953 46.797.723 17.752.472 155.563.061 Tabla 4-2 Demanda potencial evadida en la Zona Noroeste de Gran Canaria por municipios y categorías de productos (Fuente: Rodríguez Díaz y Gutiérrez-Acuña (2010)) El estudio sobre la oferta comercial confirma que el equipamiento comercial existente no cubre todas las necesidades de la demanda. Se evaluaron las principales variables estructurales y comerciales en los principales centros comerciales abiertos de la zona, esto es, Arucas, Gáldar y Santa María de Guía. Se pudo comprobar que el equipamiento comercial de esta zona presenta carencias, lo que provoca que un elevado número de clientes realice las compras en otras zonas comerciales. Por una parte, los establecimientos comerciales suelen ser de pequeña dimensión, con una media de 3 personas trabajando y una antigüedad media de 15 años. En lo que
Capítulo 4 : Aplicación. Análisis geográfico del mercado 112 respecta a las variables comerciales, predominan los valores medios y medios-bajos en las dimensiones analizadas. Además, en la elección de la zona en que se va a aplicar la metodología integral propuesta se ha tenido en cuenta la saturación de centros comerciales existente en Las Palmas de Gran Canaria y en la zona sureste de la Isla y el hecho de que durante mucho tiempo, los gobiernos de los municipios del noroeste (Mancomunidad del Norte) han apoyado la ubicación de un centro comercial en la zona con el fin de mejorar la oferta comercial de proximidad de sus ciudadanos. Por todo lo indicado anteriormente, se optó por seleccionar la zona noroeste de Gran Canaria para la realización de la investigación. Esta zona se caracteriza por contar con una población relevante que justifica la realización de este estudio. Asimismo, se da la circunstancia de que, aun existiendo un proyecto desde hace años, todavía no se ha implantado ninguna gran superficie. Todo ello posiciona a esta zona a priori con un gran potencial para que se localice una gran superficie en los próximos años. Por tanto, la zona considerada está formada por los siguientes municipios: Agaete, Artenara, Arucas, Firgas, Gáldar, Moya, Santa María de Guía, Teror y Valleseco. En la zona estudiada se ha incluido el municipio de San Nicolás de Tolentino, debido a que el comportamiento de compra de su población se dirige hacia la zona noroeste de la isla. Todos estos municipios se agrupan bajo el nombre de Mancomunidad del Norte o ámbito rural. Además, en el estudio realizado también se consideró el municipio de Las Palmas de Gran Canaria, debido a que el comportamiento de compra de la población de los municipios considerados se dirige en gran medida a éste. Este municipio conforma el ámbito urbano de la zona considerada. La Ilustración 4-1 muestra un mapa de situación de la zona considerada.
Análisis de la geo-demanda 113 Ilustración 4-1 Mapa de situación y área de estudio considerada (Elaboración propia) 4.2 Análisis de la geo-demanda Se analizó la cuota de mercado que obtendría un nuevo establecimiento teniendo en cuenta el mercado formado por la parte norte de la isla, es decir, la capital (Las Palmas de Gran Canaria), y nueve municipios que forman la Mancomunidad del Norte. Este área de estudio presenta la particularidad de que existen importantes diferencias socio-demográficas entre la capital de la isla, un municipio urbano con una población de 381.114 habitantes, y el resto de los municipios considerados, que son principalmente las zonas rurales, con una población total de 119.536. La Tabla 4-3 muestra diferencias sustanciales en la densidad de población, el índice industrial y el índice comercial, entre la capital (Las Palmas de Gran Canaria) y el resto de municipios que forman la Mancomunidad del Norte. El valor de estos índices refleja el peso relativo (por 100.000 unidades) de la actividad comercial (o industrial) en la zona con respecto al total de España.
Capítulo 4 : Aplicación. Análisis geográfico del mercado 114 Población Superficie (km2) Densidad población Índice Industrial Índice Comercial Mancomunidad del Norte 119.536 471 253,79 45 137 Las Palmas de G.C. 381.114 101 3.773,40 350 1.336 Tabla 4-3 Características socio-demográficas del área de estudio (Fuente: Anuario Económico de la Caixa (2013)) La Ilustración 4-2 muestra la distribución de la población por las unidades del censo en el área de estudio.Se debe tener en cuenta que la diferencia significativa de población entre la capital y el resto de municipios puede sugerir la posibilidad de alguna variación en las percepciones de las características que definen la utilidad de los establecimientos en función del lugar donde viven, característica que justifica el estudio del modelo local a partir de la GWR. Ilustración 4-2 Distribución de la Población en la zona de estudio (Elaboración propia) 4.2.1 Encuesta para el análisis geográfico de la demanda comercial. El estudio de campo consistió en realizar encuestas telefónicas a hogares situados en el noroeste de la isla de Gran Canaria, incluyendo al municipio de Las
Análisis de la geo-demanda 115 Palmas de Gran Canaria, con el fin de determinar el porcentaje de compra que se realizaba en diferentes centros comerciales así como en la proximidad de su casa, en las categorías de alimentación, equipamiento de la persona, equipamiento del hogar y ocio. Con esta información se determina el atractivo de los diferentes comercios, y se pueden calcular los parámetros de superficie y distancia empleados en el modelo global (mediante el procedimiento propuesto por Nakanishi y Cooper (1974)) y en el modelo local (mediante la GWR). Se llevaron a cabo 724 encuestas telefónicas. En el Anexo A se muestra la encuesta empleada 4.2.2 Delimitación del universo, tamaño muestral y método de muestreo El universo es el conjunto de personas que son objeto de estudio de la investigación comercial. La delimitación del universo de la encuesta personal realizada para determinar la imagen ha sido: Unidad muestral: Individuos de ambos sexos, a partir de catorce años. Ámbito: Agaete, Arucas, Firgas, Gáldar, Moya, Las Palmas de Gran Canaria, San Nicolás de Tolentino, Santa María de Guía, Teror y Valleseco. Fecha: Mayo y Junio de 2007. La muestra es la parte representativa del universo, cuya estructura debe reproducir exactamente las características y comportamientos de la población a partir de la cual ha sido obtenida. Se somete a observación científica en representación del conjunto del universo, al objeto de obtener unos resultados válidos que puedan ser generalizables al conjunto de la población. El método a emplear en este caso es el del cálculo del error muestral para poblaciones infinitas según la fórmula siguiente: El intervalo de confianza es de un 95,5%, por lo tanto K=2, y se considera que P = Q = 50%. Aplicando dicha fórmula para un tamaño muestral de n = 724 encuestas válidas realizadas entre los hogares localizados en los municipios de Agaete, Arucas, Firgas, Gáldar, Moya, Las Palmas de Gran Canaria, San Nicolás de Tolentino, Santa María de Guía, Teror y Valleseco, se obtiene un error muestral de 3,70%. Al ser inferior al 5%, se afirma que los resultados obtenidos tienen una alta representatividad de los aspectos que se están analizando. Dado que, a priori, los municipios de Arucas, Gáldar y Santa María de Guía se presentan como los más idóneos para localizar una gran superficie comercial, se procedió a incrementar el número de encuestas en estos municipios para obtener unos datos más fidedignos acerca del comportamiento de compra de la nKPQ eeKPQ nKPQ n 2 2 2
Capítulo 4 : Aplicación. Análisis geográfico del mercado 116 población que reside en ellos. En la Tabla 4-4 se expone el número de encuestas realizadas por municipio. No se hicieron encuestas en Artenara porque en el estudio original de Rodríguez Díaz y Gutiérrez (2010) se consideró que el comportamiento de compra de la población de Artenara se dirigía hacia el centro de Gran Canaria. No obstante su influencia es escasa debido a su baja densidad de población (17,96 habitantes/km2). De hecho es el municipio menos poblado de toda la isla y su cabecera municipal es la situada a mayor altitud en la isla. El método de muestreo empleado ha sido la selección aleatoria de los hogares a través del listín telefónico. Municipios Frecuencia Porcentaje Porcentaje válido Agaete 32 4,40 4,40 Arucas 125 17,19 17,19 Firgas 28 3,85 3,85 Gáldar 90 12,38 12,38 Moya 30 4,13 4,13 Las Palmas de Gran Canaria 248 34,25 34,25 San Nicolás de Tolentino 32 4,40 4,40 Santa María de Guía 79 10,87 10,87 Teror 53 7,29 7,29 Valleseco 9 1,24 1,24 Total 724 100 100 Tabla 4-4 Encuestas telefónicas realizadas por municipios (Elaboración propia) 4.2.3 Base de datos y análisis estadístico de la demanda Las encuestas obtenidas en el trabajo de campo fueron revisadas y codificadas. Aquellas que mostraron inconsistencia en las respuestas fueron eliminadas, con el fin de que el nivel de fiabilidad de la información fuera lo más elevado posible. Se creó una base de datos con las respuestas obtenidas, realizándose la verificación de que todos los datos suministrados por los encuestados por categorías de productos sumasen 100, es decir, que los encuestados distribuyeran correctamente las proporciones en las que realizan el consumo mensual normalmente por las grandes categorías de productos. En la Tabla 4-5 se muestran las variables más importantes que se han tenido en cuenta para analizar la demanda.
Análisis de la geo-demanda 117 De esta forma, a cada hogar se le preguntaba a partir de una puntuación de 100, cómo distribuía sus compras entre proximidad, municipios y principales centros comerciales. Esta pregunta se realizaba por cada una de las cuatro categorías de productos (alimentación, equipamiento de la persona, equipamiento del hogar y ocio). Asimismo, se realizaron preguntas de clasificación de los hogares que no se emplearon en este análisis. En la base de datos se añadió una variable más que era la georreferencia de cada uno de los hogares encuestados. Con ello, se han podido posicionar geográficamente las encuestas, de tal forma que los análisis estadísticos realizados se han llevado a cabo considerando el tiempo de desplazamiento de la muestra a los diferentes establecimientos. Variable de la encuesta Observaciones Dirección, Municipio Permitió georeferenciar a los encuestados y calcular el tiempo de viaje. Porcentaje de compra por categoría en barrio Debe ser menor o igual a 100 Porcentaje de compra por categoría en municipio Deber ser menor o igual a 100 Porcentaje de compra por categoría en centro comercial Debe ser menor o igual a 100 Estudios del ingreso personal, Profesión del ingreso personal, Nº de miembros del hogar incluido el encuestado No se emplearon en el análisis realizado Hogar de jubilados Se empleó como variable de control, no pudiendo superar el 10% de las encuestas. Tabla 4-5 Principales variables empleadas en la encuesta (Elaboración propia) Para interpretar las respuestas dadas, cuando no se cuantificaron los porcentajes por parte de los encuestados, se tuvo en cuenta la siguiente equivalencia: Compra más veces en un lugar que en otro: 60/40. Compra mucho más: 70/30 - 75/25. Muchísimo más o casi todo: 80/20 - 90/10 A la hora de hacer la explotación de la base de datos para la investigación, se agruparon las variables “porcentaje de compra por categoría en barrio” y “porcentaje de compra por categoría en municipio” en una nueva variable denominada “porcentaje de compra local”. En la Tabla 4-6 se muestran las variables finales empleadas:
Capítulo 4 : Aplicación. Análisis geográfico del mercado 118 Variable final Observaciones Dirección, Municipio Permitió georeferenciar a los encuestados y calcular el tiempo de viaje. Porcentaje de compra local Debe ser menor o igual a 100. Para dimensionar y localizar la compra local, se emplearon dos métodos: método próximo y método de radios de influencia, explicados en el apartado 4.3.2. Porcentaje de compra por categoría en centro comercial Se consideraron los principales centros de compra de la zona analizada, como se explicará en la sección 4.3. Tabla 4-6 Principales variables empleadas en la explotación de la Base de Datos (Elaboración propia) Para la explotación de la base de datos generada por las encuestas, se han hecho las siguientes consideraciones y suposiciones en relación a la demanda comercial: Cada núcleo familiar consume en todas las categorías: alimentación, ocio, equipamiento de la persona y equipamiento del hogar. La demanda se encuentra agregada en 515 núcleos de población (partiendo del mapa de núcleos de población proporcionado por el ISTAC y que se muestra en la Ilustración 4-2). La demanda de cada uno de ellos se asignó al centro de gravedad de las viviendas situadas en él. Los cálculos de los tiempos de transporte se realizaron utilizando el software SIG ArcView, a partir de una capa (mapa) de Grafcan que contiene la red de carreteras principales, secundarias y autopistas de Gran Canaria. La Ilustración 4-3 muestra la red de carreteras empleada. A cada tramo se le asignó la velocidad media correspondiente a su tipo, de forma que el software pudiera calcular el tiempo invertido entre dos puntos.
Análisis de la geo-demanda 119 Ilustración 4-3 Mapa de carreteras empleado (Elaboración propia, a partir de Grafcan) Dadas las diferencias sociodemográficas existente entre los municipios que conforman la Mancomunidad del Norte y Las Palmas de Gran Canaria, se optó por separar la muestra en dos ámbitos para realizar el análisis según el modelo global, resultando 248 encuestas con residencia en la capital gran canaria (ámbito urbano) y 478 ubicadas en el noroeste (ámbito rural). La Ilustración 4-4 muestra la distribución de las encuestas realizadas en el ámbito rural (puntos verdes) y el ámbito urbano (puntos rojos), respectivamente.
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 222 Ilustración 5-9 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Global por radios sin restricción de viabilidad (Elaboración propia) Ilustración 5-10 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Global por radios sin restricción de viabilidad (Elaboración propia)
Resultados 223 Con restricción de viabilidad La Tabla 5-20 muestra los valores mínimo y máximo de beneficios que el promotor obtendría en cada una de las localizaciones, en función de la demanda perdida (LD). En este caso, la localización que maximiza los beneficios es la primera, Arucas, seguida por Gáldar. Cabría destacar que en todas las localizaciones seleccionadas, a partir de cierto valor de LD los resultados son negativos, con lo que la inversión del Centro Comercial no sería rentable. Loc1 Loc2 Loc3 Mín. -271.393 -538.765 -344.588 Máx. 5.037.959 4.418.486 3.712.168 Tabla 5-20 Beneficios máximos y mínimos para cada localización seleccionada – Global Por radios con restricción de viabilidad (Elaboración propia) La Ilustración 5-11 muestra la evolución de los beneficios que el promotor obtendría en cada una de las localizaciones en función de la variación de la LD propuesta (101 posibilidad yendo desde la atracción mínima existente a la máxima, correspondiendo el primer caso a LD=0) Ilustración 5-11 Evolución de beneficios en función del LD para cada localización seleccionada – Global por radios con restricción de viabilidad (Elaboración propia)
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 224 En la Tabla 5-21 se muestran los tamaños óptimos de cada categoría (en m2 de SBA) para cada una de las localizaciones seleccionadas. En las categorías de alimentación y de equipamiento de la persona, en todas las localizaciones, se obtuvo la superficie mínima definida para cada sector. Aliment Person Ocio Hogar Loc1 Mín. 2.500 10.000 3.272,35 2.150,14 Máx. 2.500 10.000 3.272,35 2.150,14 Media 2.500 10.000 32.72,35 2.150,14 Loc2 Mín. 2.500 10.000 2.425,32 1.474,12 Máx. 2.500 10.000 2.425,32 1.474,12 Media 2.500 10.000 2.425,32 1.474,12 Loc3 Mín. 1.500 8.000 2.545,47 1.536,34 Máx. 1.500 8.000 2.545,47 1.536,34 Media 1.500 8.000 2.545,47 1.536,34 Tabla 5-21 Tamaños óptimos por categoría para cada localización seleccionada – Global por radios con restricción de viabilidad (Elaboración propia) Por su parte, la Tabla 5-22 muestra los óptimos de la superficie edificada bajo rasante (Sebr) y la superficie edificada sobre rasante (Sesr) en cada una de las localizaciones. En todas las simulaciones (para diferentes valores de LD) los resultados obtenidos fueron los mismos, coincidiendo por tanto el valor máximo, mínimo y la media. Sebr_loc1 Sebr_loc2 Sebr_loc3 Sesr_loc1 Sesr_loc2 Sesr_loc3 Mín. 6.516,86 7.418,28 5.703,91 17.320,05 18.545,70 14.259,77 Máx. 6.516,86 7.418,28 5.703,91 17.320,05 18.545,70 14.259,77 Media 6.516,86 7.418,28 5.703,91 17.320,05 18.545,70 14.259,77 Tabla 5-22 Superficie edificada bajo rasante y sobre rasante óptimas por categoría para cada localización seleccionada – Global por radios con restricción de viabilidad (Elaboración propia) El número de plantas bajo rasante y sobre rasante fue 1 en todas las simulaciones realizadas. Finalmente, la Tabla 5-23 contiene un resumen de los valores óptimos de la superficie de parking aéreo (PA) y edificado (PE), así como del tamaño de la parcela
Resultados 225 en m2 (A). Nuevamente coinciden los valores mínimo, máximo y medio en todas las localizaciones. PA_loc1 PA_loc2 PA_loc3 PE_loc1 PE_loc2 PE_loc3 A_loc1 A_loc2 A_loc3 Mín. 23.582,23 17.425,49 15.970,94 0 4.152,728 1.899,87 58.955,57 43.563,73 39.927,36 Máx. 23.582,23 17.425,49 15.970,94 0 4.152,728 1.899,87 58.955,57 43.563,73 39.927,36 Media 23.582,23 17.425,49 15.970,94 0 4.152,728 1.899,87 58.955,57 43.563,73 39.927,36 Tabla 5-23 Superficie de parking aéreo y edificado óptimas para cada localización seleccionada – Global por radios con restricción de viabilidad (Elaboración propia) 5.2.3 Local próximo Sin restricción de viabilidad La Tabla 5-24 muestra los valores mínimo y máximo de beneficios que el promotor obtendría en cada una de las localizaciones, en función de la demanda perdida (LD) empleando el modelo local y el método próximo. En este caso, la localización que maximiza los beneficios es la segunda, Gáldar, seguida por Guía. Loc1 Loc2 Loc3 Mín. 3.256.759 5.007.381 5.826.020 Máx. 6.929.242 14.944.080 10.322.970 Tabla 5-24 Beneficios máximos y mínimos para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) La Ilustración 5-12 muestra la evolución de los beneficios que el promotor obtendría en cada una de las localizaciones en función de la variación de la LD propuesta (101 posibilidad yendo desde la atracción mínima existente a la máxima, correspondiendo el primer caso a LD=0)
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 226 Ilustración 5-12 Evolución de beneficios en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) En la Tabla 5-25 se muestran los tamaños óptimos de cada categoría (en m2 de SBA) para cada una de las localizaciones seleccionadas. En todas las categorías y en todas las localizaciones se obtuvo la superficie mínima definida para cada sector, excepto en la categoría de ocio en la localización 2, Gáldar. Aliment Person Ocio Hogar Loc1 Mín. 2.500 10.000 2.000 1.000 Máx. 2.500 10.000 2.000 1.000 Media 2.500 10..000 2.000 1.000 Loc2 Mín. 2.500 10.000 2.000 1.000 Máx. 2.500 10.000 8.000 1.000 Media 2.500 10.000 2.891,09 1.000 Loc3 Mín. 1.500 8.000 1.000 800 Máx. 1.500 8.000 1.000 800 Media 1.500 8.000 1.000 800 Tabla 5-25 Tamaños óptimos por categoría para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia)
Resultados 227 Por su parte, la Tabla 5-26 muestra los óptimos de la superficie edificada bajo rasante (Sebr) y la superficie edificada sobre rasante (Sesr) en cada una de las localizaciones. En todas las simulaciones (para diferentes valores de LD), en las localizaciones de Arucas y Gáldar los resultados obtenidos fueron los mismos, coincidiendo por tanto el valor máximo, mínimo y la media. Sin embargo, en Gáldar las superficies óptimas variaron en función del valor de la LD. Sebr_loc1 Sebr_loc2 Sebr_loc3 Sesr_loc1 Sesr_loc2 Sesr_loc3 Mín. 4857,409 7011,419 4745,623 15757,59 17528,55 11864,06 Máx. 4857,409 9725,517 4745,623 15757,59 24313,79 11864,06 Media 4857,409 7414,50286 4745,623 15757,59 18536,2589 11864,06 Tabla 5-26 Superficie edificada bajo rasante y sobre rasante óptimas por categoría para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) La Ilustración 5-13 y la Ilustración 5-14 muestran la evolución de la superficie edificada bajo rasante y sobre rasante en cada una de las localizaciones. Ilustración 5-13 Evolución de la superficie edificada bajo rasante óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia)
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 228 Ilustración 5-14 Evolución de la superficie edificada sobre rasante óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) El número de plantas bajo rasante y sobre rasante fue 1 en todas las simulaciones realizadas. Finalmente, la Tabla 5-27 contiene un resumen de los valores óptimos de la superficie de parking aéreo (PA) y edificado (PE), así como del tamaño de la parcela en m2 (A). PA_loc1 PA_loc2 PA_loc3 PE_loc1 PE_loc2 PE_loc3 A_loc1 A_loc2 A_loc3 Mín. 20.394,74 16.469,78 13.287,75 0 3.924,97 1.580,68 50.986,86 41.174,44 33.219,36 Máx. 20.394,75 22.845,17 13.287,75 0 5.444,31 1.580,68 50.986,86 57.112,94 33.219,36 Media 20.394,74 17.416,62 13.287,75 0 4.150,61 1.580,68 50.986,86 43.541,54 33.219,36 Tabla 5-27 Superficie de parking aéreo y edificado óptimas para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) Se concluye el análisis con la Ilustración 5-15 y la Ilustración 5-16 sobre la evolución de la superficie de parking aéreo y parking edificado en función de la LD.
Resultados 229 Ilustración 5-15 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) Ilustración 5-16 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Local Próximo sin restricción de viabilidad (Elaboración propia) Con restricción de viabilidad La Tabla 5-28 muestra los valores mínimo y máximo de beneficios que el promotor obtendría en cada una de las localizaciones, en función de la demanda
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 230 perdida (LD). En este caso, la localización que maximiza los beneficios es la segunda, Gáldar, seguida por Guía. Loc1 Loc2 Loc3 Mín. 2.234.235 3.299.282 2.714.828 Máx. 4.447.251 11.451.410 6.047.707 Tabla 5-28 Beneficios máximos y mínimos para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) La Ilustración 5-17 muestra la evolución de los beneficios que el promotor obtendría en cada una de las localizaciones en función de la variación de la LD propuesta (101 posibilidad yendo desde la atracción mínima existente a la máxima, correspondiendo el primer caso a LD=0) Ilustración 5-17 Evolución de beneficios en función del LD para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) En la Tabla 5-29 se muestran los tamaños óptimos de cada categoría (en m2 de SBA) para cada una de las localizaciones seleccionadas. Aliment Person Ocio Hogar Loc1 Mín. 3.512,55 10.000 2.000 1.641,79 Máx. 3.512,55 10.000 4.006 4.346,26
Resultados 231 Media 3.512,55 10.000 2.019,86 2.148,47 Loc2 Mín. 3.407,99 10.000 2.053,24 2.390,77 Máx. 3.407,99 10.000 8.000 5.000 Media 3.407,99 10.000 3.401,88 2.938,72 Loc3 Mín. 3.420,75 8.000 1.000 2.437,66 Máx. 3.420,75 8.000 7.692,31 5.000 Media 3.420,75 8.000 4.192,45 2.988,17 Tabla 5-29 Tamaños óptimos por categoría para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) Por su parte, la Tabla 5-30 muestra los óptimos de la superficie edificada bajo rasante (Sebr) y la superficie edificada sobre rasante (Sesr) en cada una de las localizaciones. Sebr_loc1 Sebr_loc2 Sebr_loc3 Sesr_loc1 Sesr_loc2 Sesr_loc3 Mín. 4.402,99 8.075,35 6.334,94 18.412,28 20.188,37 15.837,36 Máx. 6.192,97 11.582,39 9.768,52 22.887,23 28.955,97 24.421,31 Media 4.603,07 8.895,92 7.798,71 18.912,49 22.239,79 19.496,78 Tabla 5-30 Superficie edificada bajo rasante y sobre rasante óptimas por categoría para cada localización seleccionada – Local Próximo con restricción de viabilidad (Elaboración propia) La Ilustración 5-18 y la Ilustración 5-19 muestran la evolución de la superficie edificada bajo rasante y sobre rasante en cada una de las localizaciones.
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 238 Ilustración 5-25 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Local por radios sin restricción de viabilidad (Elaboración propia) Ilustración 5-26 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Local por radios sin restricción de viabilidad (Elaboración propia)
Resultados 239 Con restricción de viabilidad La Tabla 5-36 muestra los valores mínimo y máximo de beneficios que el promotor obtendría en cada una de las localizaciones, en función de la demanda perdida (LD). En este caso, la localización que maximiza los beneficios es la segunda, Gáldar, seguida por Arucas. Loc1 Loc2 Loc3 Mín. 2.142.757 3.776.290 1.926.529 Máx. 5.871.213 22.322.920 5.330.004 Tabla 5-36 Beneficios máximos y mínimos para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) La Ilustración 5-27 muestra la evolución de los beneficios que el promotor obtendría en cada una de las localizaciones en función de la variación de la LD propuesta (101 posibilidad yendo desde la atracción mínima existente a la máxima, correspondiendo el primer caso a LD=0) Ilustración 5-27 Evolución de beneficios en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) En la Tabla 5-37 se muestran los tamaños óptimos de cada categoría (en m2 de SBA) para cada una de las localizaciones seleccionadas.
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 240 Aliment Person Ocio Hogar Loc1 Mín. 2.500 10.000 2.000 1.761,43 Máx. 2.500 10.000 4.450,86 3.557,62 Media 2.500 10.000 2.025,46 2.153,24 Loc2 Mín. 2.500 10.000 2.000 1.000 Máx. 2.500 10.000 8.000 5.000 Media 2.500 10.000 2.064,16 1.185,87 Loc3 Mín. 1.875,87 8.000 1.437,20 815,452 Máx. 1.875,87 8.000 4.372,01 2.842,75 Media 1.875,87 8.000 1.584,36 1.131,37 Tabla 5-37 Tamaños óptimos por categoría para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) Por su parte, la Tabla 5-38 muestra los óptimos de la superficie edificada bajo rasante (Sebr) y la superficie edificada sobre rasante (Sesr) en cada una de las localizaciones. Sebr_loc1 Sebr_loc2 Sebr_loc3 Sesr_loc1 Sesr_loc2 Sesr_loc3 Mín. 4.698,27 7.011,42 5.093,58 16.929,43 17.528,55 12.733,94 Máx. 6.312,15 11.534,92 7.177,50 20.964,13 28.837,29 17.943,74 Media 4.856,83 7.124,52 5.288,05 17.325,84 17.811,30 13.220,13 Tabla 5-38 Superficie edificada bajo rasante y sobre rasante óptimas por categoría para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) La Ilustración 5-28 y la Ilustración 5-29 muestran la evolución de la superficie edificada bajo rasante y sobre rasante en cada una de las localizaciones.
Resultados 241 Ilustración 5-28 Evolución de la superficie edificada bajo rasante óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) Ilustración 5-29 Evolución de la superficie edificada sobre rasante óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) El número de plantas bajo rasante y sobre rasante fue 1 en todas las simulaciones realizadas.
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 242 Finalmente, la Tabla 5-39 contiene un resumen de los valores óptimos de la superficie de parking aéreo (PA) y edificado (PE), así como del tamaño de la parcela en m2 (A). PA_loc1 PA_loc2 PA_loc3 PE_loc1 PE_loc2 PE_loc3 A_loc1 A_loc2 A_loc3 Mín. 21.396,62 16.469,78 14.262,01 0 3.924,97 1.696,58 53.491,55 41.174,44 35.655,03 Máx. 26.984,85 27.095,44 20.096,99 0 6.457,21 2.390,69 67.462,12 67.738,60 50.242,46 Media 21.945,67 16.735,45 14.806,55 0 3.988,28 1.761,36 54.864,17 41.838,62 37.016,38 Tabla 5-39 Superficie de parking aéreo y edificado óptimas para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) Se concluye el análisis con la Ilustración 5-30 y la Ilustración 5-31 sobre la evolución de la superficie de parking aéreo y parking edificado en función de la LD. Como se puede apreciar, los valores permanecen constantes en todo momento. Ilustración 5-30 Evolución de la superficie de parking aéreo óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia)
Conclusiones 243 Ilustración 5-31 Evolución de la superficie de parking edificada óptima en función del LD para cada localización seleccionada – Local por radios con restricción de viabilidad (Elaboración propia) 5.3 Conclusiones Del análisis de la función de productividad realizado, se puede concluir que los resultados varían en función del escenario seleccionado, es decir, de si se selecciona el método global (OLS) o el método local (GWR) y de si la compra de proximidad se considera según el método próximo o según el método de radios. La Tabla 5-40 muestra un resumen de los beneficios obtenidos en función del escenario. Se puede apreciar que si se emplean los parámetros obtenidos mediante el modelo local (GWR), la parcela seleccionada es Gáldar, independientemente de la consideración de la compra local, mientras que empleando el modelo global la parcela seleccionada es Arucas, salvo en un caso, en que se elige Guía, cuando se considera la compra local como la realizada en la tienda más cercana y sin aplicar la restricción relativa al índice de viabilidad.
Capítulo 5 : Aplicación. Análisis de la función de productividad de un centro comercial 244 Escenario Caso Localiz. elegida Beneficio Máximo (€) Beneficio Mínimo (€) Loc1 Loc1 Loc3 Loc1 Loc2 Loc3 Global Próximo Sin la restricción de viabilidad 3-Guía 5.547.456 4.082.200 5.881.294 1.583.674 734.011,5 2.461.001 Con la restricción de viabilidad 1-Arucas 4.009.336 3.257.902 3.287.097 551.858,6 226.021,2 450.916,4 Global por radios Sin la restricción de viabilidad 1-Arucas 5.136.356 4.448.525 3.850.387 40.374,34 -417.655 -22.489,4 Con la restricción de viabilidad 1-Arucas 5.037.959 4.418.486 3.712.168 -271.393 -538.765 -344.588 Local Próximo Sin la restricción de viabilidad 2-Gáldar 6.929.242 14.944.080 10.322.970 3.256.759 5.007.381 5.826.020 Con la restricción de viabilidad 2-Gáldar 4.447.251 11.451.410 6.047.707 2.234.235 3.299.282 2.714.828 Local por radios Sin la restricción de viabilidad 2-Gáldar 6.328.299 22.322.920 5.630.485 2.142.757 3.776.290 2.026.162 Con la restricción de viabilidad 2-Gáldar 5.871.213 22.322.920 5.330.004 2.142.757 3.776.290 1.926.529 Tabla 5-40 Cuadro comparativo de beneficios obtenidos según escenario (Elaboración propia) Del análisis de la Tabla 5-40 también se puede concluir que los valores de beneficios obtenidos en el modelo local son considerablemente más altos que los obtenidos empleando el modelo global. Igualmente, en el modelo global por radios se obtuvieron resultados negativos para determinados valores de LD, lo que convertiría la inversión en no rentable para el promotor. Por otra parte, cabría destacar que en todas las simulaciones realizadas, en la parcela seleccionada en Arucas, al existir una gran superficie disponible, todos los aparcamientos son aéreos y no hay parking edificado, al resultar este último más costoso. Esta opción de inclinarse únicamente por parking aéreo siempre que sea posible es habitual en el sector para reducir costes.
245 Capítulo 6 6 Conclusiones ste último capítulo está dedicado a presentar las principales conclusiones, contribuciones e implicaciones prácticas que se han alcanzado en la presente investigación, así como exponer las limitaciones y propuestas a tener en cuenta en futuras investigaciones para mejorar los resultados obtenidos. E
Capítulo 6: Conclusiones 246 6.1 Conclusiones, contribuciones e implicaciones prácticas Las principales aportaciones de la metodología propuesta a lo largo de esta tesis doctoral se resumen a continuación: Se ha propuesto una metología basada en la función de productividad de un centro comercial, definida en la sección 2.2. Para facilitar su aplicación se introdujo el concepto de tasa de esfuerzo. Esto ha permitido reducir la función de costes únicamente a los gastos generales que debe asumir el promotor del centro comercial, evitando considerar los costes de cada uno de los comercios que forman parte del centro comercial. Posteriormente, se definió la función de atractivo y la función de gastos generales en la sección 2.3. Como complemento de la función de gastos generales se realizó un enfoque de la misma desde el punto de vista financiero, permitiendo definir conceptos como el valor residual o el tiempo de recuperación de la inversión, que se tienen en cuenta en la formulación de la función de productividad de un centro comercial. Para derminar la función de atractivo se empleó el modelo probabilístico de Huff. Según este modelo, las compras de los consumidores se realizan de forma proporcional a la atracción que perciben de los establecimientos que operan en el mercado. Esta atracción depende tanto de la superficie del establecimiento como del tiempo de desplazamiento. Inicialmente se consideró un modelo global, en el que los parámetros asociados al tamaño y al tiempo de desplazamiento, para cada una de las categorías, se estimaron mediante la metodología de mínimos cuadrados ordinarios (OLS). Estas estimaciones se desarrollan en la sección 4.4 y conforman la primera etapa de la primera fase de la metodología propuesta. Adicionalmente, se ha propuesto el que llamamos modelo local. Este modelo se fundamenta en el supuesto de que la existencia de diferencias sociodemográficas en la zona de estudio puede implicar diferencias en la percepción de los clientes de las variables que determinan la atracción de los establecimientos. En el modelo local, los parámetros del modelo de Huff fueron estimados utilizando la regresión ponderada geográficamente (GWR), lo que permite la estimación de un parámetro asociado al tamaño del establecimiento y otro asociado al tiempo de desplazamiento, por categoría, para cada nodo de demanda. Esta metodología supone una aportación teórica destacable a los modelos de localización competitiva y se desarrolla en las secciones 3.2.2.2 a 3.2.2.4. Los resultados correspondientes con el modelo local se desarrollan en la sección 4.5 y dan forma a la segunda etapa de la
Conclusiones, contribuciones e implicaciones prácticas 247 primera fase de la metodología propuesta. Con ello se demostró la variabilidad espacial de los parámetros. La aplicación del modelo local con respecto al modelo global de estimación no supone un incremento en términos de complejidad en la recogida de información. Además, su resolución se puede llevar a cabo usando software libre. Como la demanda en algunas de las categorías tratadas podría ser elástica con respecto a la atracción, se ha considerado la inclusión de un parámetro en la función de atracción que absorba la posible pérdida de demanda originada por la falta de atracción. Esta modificación se ha realizado partiendo de la propuesta de Drezner y Drezner (2012), considerando varios posibles valores para ese parámetro. Otro aspecto a destacar es el empleo de los Sistemas de Información Geográfica. En la sección 4.6 se analizó la distribución espacial de la función de atractivo de un centro comercial tipo, al objeto de comparar los resultados al emplear la función de atractivo global y la función de atractivo local y demostrar que se producen diferencias significativas según se emplee un modelo u otro. Los SIG se emplearon para mostrar la variabilidad de los parámetros a lo largo del área de estudio, para la localización de las zonas más prometedoras para localizar un nuevo centro comercial y para comparar las estimaciones obtenidas tanto por el método global como por el método local. Independientemente de si se empleó la metodología OLS o la metodología GWR, uno de los aspectos a los que se tuvo que hacer frente fue cómo representar la compra de proximidad. Se emplearon dos métodos para ello: Método próximo: la compra de proximidad se realiza en el comercio más próximo de cada categoría. Método de radios de influencia: la compra de proximidad se realiza en las tiendas de cada categoría incluidas en un área de influencia de 500, 1.000 y 3.000 m de radio o mediante el radio de proximidad definido por el Punto Central (Central Facility). Para la definición de la función de gastos generales se tuvo en cuenta la información aportada por los gerentes de los principales centros comerciales ubicados en Gran Canaria. A partir de esta información se plantea dicha función en la sección 3.3.2, añadiendo una serie de restricciones que se deben considerar para que los resultados obtenidos sean coherentes con los requerimientos de una superficie comercial de este tipo. Se debe tener en cuenta la aportación que supone este aspecto ya que en la literatura especializada no se encuentran estudios donde se detallen los costes
Bibliografía 254 Baviera-Puig, A., Buitrago, J.M., Escriba, C. y Clemente, J.S. (2009). “Geomarketing: Aplicación de los Sistemas de Información Geográfica al Marketing”. Memorias Octava Conferencia Iberoamericana en Sistemas, Cibernética e Informática, I, pp. 35-38. Baviera-Puig, A., Castellanos, J., Buitrago, J.M. y Rodríguez, J.E. (2011). “Geomarketing: Determinación de las áreas de influencia de los supermercados”. VIII Congreso de Economía Agraria, Madrid. Baviera-Puig, A., Buitrago-Vera, J y Rodríguez-Barrio, J.E. (2012). “Análisis metodológico del modelo de interacción espacial MCI”. En Documentos de Trabajo de la Cátedra Fundación Ramón Areces de Distribución Comercial (DOCFRADIS), vol. 8, pp. 1-22. Baviera-Puig, A., Buitrago-Vera, J. y Rodríguez-Barrio, J.E. (2013). “Un modelo de geomarketing para la localización de supermercados: diseño y aplicación práctica”. En Documentos de Trabajo de la Cátedra Fundación Ramón Areces de Distribución Comercial (DOCFRADIS), vol. 1, pp. 1-27. Bell, D. E., Keeney, R. L. y Little, J. D. C. (1975). “A Market Share Theorem”. Journal of Marketing Research, núm.12, vol. 2, pp. 136-141. Ben-Akiva, M. y Lerman, S .R. (1985). Discrete Choice Models: Theory and Application to Travel Demand. Cambridge: MIT Press. Bennison, D., Clarke, I. y Pal, J. (1995). “Locational Decision Making in Retailing: An Exploratory Framework for Analysis”. The International Review of Retail, Distribution and Consumer Research, vol. 5, núm. 1, pp. 1-20. Berry, J. L. y Parr, J. B. (1988). Market Centers and Retail Location: Theory and Applications. New Jersey, Ed. Prentice Hall. Bronnenberg, B. J., Mahajan, V. y Vanhonacker, W. R. (2000). “The Emergence of Market Structure in New Repeat-Purchase Categories: The Interplay of Market Share and Retailer Distribution”. Journal of Marketing Research, núm. XXXVII, pp. 16-31. Bronnenberg, B. J., Dubé, J. P. y Dhar, S. (2007). “Consumer Packaged Goods in the United States: National Brands, Local Branding”. Journal of Marketing Research, núm. 44, pp. 4-13. Brown, S. (1992). Retail Location: a Micro-Scale Perspective, Avebury, Aldershot. Brown, S. (1993a). “Retail Location Theory: Evolution and Evaluation”. The International Review of Retail, Distribution and Consumer Research. vol. 3, núm. 2, pp.185-229.
Bibliografía 255 Brown, S. (1993b). “Micro-Scale Retail Location: Cinderella or Ugly Sister?” International Journal of Retail and Distribution Management, vol. 21, núm. 7, pp. 10-19. Buchanan, H., Fairbairn, D., Parker, D., Taylor, G., Stevenson, P. y Wall, J. (1999). Using Geographical Information for Site Selection. Londres, The Royal Institution of Chartered Surveyors. Camagni, R. (2005). Economía urbana. Barcelona, Ed. Antoni Bosch. Campo, K., Gijsbrechts, E., Goossens, T. y Verhetsel, A. (2000). “The impact of location factors on the attractiveness and optimal space shares of product categories”. International Journal of Research in Marketing, núm. 17, pp. 255279. Campo, K. y Gijsbrechts, E. (2004). “Should retailers adjust their micromarketing strategies to type of outlet? An application to location-based store space allocation in limited and full-service grocery stores”. Journal of Retailing and Consumer Services, núm. 11, pp. 369-383. Chasco, C. (1997). Modelos de determinación de áreas de mercado del comercio al por menor. Tesina. Facultad de CC. Económicas y Empresariales, Universidad Autónoma de Madrid. Chasco, C. (2003). “El geomarketing y la distribución comercial”. Revista Investigación y Marketing, núm. 79, pp. 6-13. Chasco, C. y Fernández-Avilés, G. (2009). Análisis de datos espaciotemporales para la economía y el geomarketing. A Coruña, Editorial Netbiblo. Chasco, C. y Sánchez, B. (2012). “Microeconomía y geomarketing”. Revista del Instituto de Estadística y Cartografía de Andalucía, núm.2, pp. 168-176. Christaller, W. (1935). Die Zentralen Orte in Sudlentschland. Jena, E. Germany: G.Fischer. Church, R. L. (2002). “Geographical information systems and location science”. Computers & Operations Research, núm. 29, pp. 541-562. Church, R. L. y Murray, A. T. (2009). Business site selection, location analysis and GIS. Hoboken, NJ: John Wiley & Sons. Clarke, G. (1998). “Changing methods of location planning for retail companies”. GeoJournal, núm. 45, pp. 289-298. Clarke, I., Bennison, D. y Pal, J. (1997). “Towards a Contemporary Perspective of Retail Location”. International Journal of Retail and Distribution Management, vol. 25, núm. 2, pp. 59-69.
Bibliografía 256 Clarkson, R., Clarke-Hill, C. y Robinson, T. (1996). “UK Supermarket Location Assessment”. International Journal of Retail and Distribution Management, vol. 24, núm. 6, pp. 22-33. Cliquet, G. (1990). “La mise en oeuvre du modèle interactif de concurrence spatiale (MICS) subjectif”. Recherche et Applications en Marketing, núm. 5, 1, pp. 3-18. Cliquet, G. (1995). “Theory and Methodology. Implementing a subjective MCI model: An application to the furniture market”. European Journal of Operational Research, núm. 84, pp. 279-291. Converse, P.D. (1949). “New Laws of Retail Gravitation”. Journal of Marketing, núm. 14, pp. 94-102. Craig, C.S., Ghosh, A. y Mclafferty, S. (1984). “Models of the Retail Location Process: A Revew”. Journal of Retailing, vol. 60, núm. 1, pp. 5-31. Davis, P. (2006). “Spatial competition in retail markets: movie theaters”. RAND Journal of Economics, núm. 37 (4), pp. 964-982. De Juan, Mª D. (1998): La atracción que ejercen los centros comerciales sobre los consumidores. Alicante, Ed. Servicio de Publicaciones de la Universidad de Alicante. Desarbo, W. S., Degeratu, A. M., Ahearne, M. J. y Saxton, M. K. (2002). “Disaggregate market share response models”. International Journal of Research in Marketing, núm. 19, pp. 253-266. Dhar, S. K. y Hoch, S. J. (1997). “Why Store Brand Penetration Varies by Retailer”. Marketing Science, núm. 16, 3, pp. 208-227. Frasquet, M. (1999). Análisis de los factores determinantes de la competitividad del centro comercial. Tesis doctoral. Facultad de Ciencias Económicas y Empresariales, Universidad de Valencia. Fujita, M. (1989). Urban Economic Theory. Cambridge University Press, Cambridge. Gallopel, K. y Cliquet, G. (2002). “Géomarketing et espace publicitaire”. Décisions marketing, núm. 26, pp. 47-54. García, J. P. (1997). “Geomarketing. Los sistemas de información geográfica aplicados a la planificación comercial”. Distribución y Consumo, núm. 31, pp. 99-107. Garcia-Palomares, J. C., Gutierrez, J. y Latore, M. (2012). “Optimizing the location of stations in bike-sharing programs: A GIS approach”. Applied Geography, núm. 35, pp. 235-246.
Bibliografía 257 Gautschi, D. A. (1981). “Specification of Patronage Models for Retail Center Choice”. Journal of Marketing Research, núm. XVIII, 2, pp. 162-174. Gázquez, J. C. y Sánchez, M. (2000). Áreas comerciales, capacidad de compra y riqueza en la provincia de Almería. Almería, Universidad de Almería. Ghosh, A. y Mclafferty, S. L. (1987). Location Strategies for Retail and Service Firms. Lexington Books, Lexington, MA. Gijsbrechts, E., Campo, K. y Goossens, T. (2003). “The impact of store flyers on store traffic and store sales: a geo-marketing approach”. Journal of Retailing, núm. 79, pp. 1-16. Gil, I. (1995). “Localización comercial. Herramienta clave para el comercio minorista”. Distribución y consumo, núm. 20, pp. 10-15. González, E., Pereiro, P. y González, I. (1998). “La conceptualización de la variable imagen percibida y su modelización mediante un modelo MCI subjetivo para explicar la selección de un punto de venta minorista en productos de compra esporádica: una aplicación empírica”. Revista española de Investigación de Marketing ESIC, vol. 2, núm.2, pp. 47-65. González, O. (1999). Análisis espacial de la demanda en la estructura comercial intraurbana: modelización de la competencia inter e intra-formato del hipermercado español en el marco de la estrategia de localización. Tesis doctoral, Facultad de Ciencias Económicas y Empresariales, Universidad de Salamanca. González-Benito, O., Muñoz, P. A. y Matías, A. (2001). “Determinantes estratégicos de la selección de establecimiento minorista: aplicación de un modelo MCI subjetivo de asignación de recursos”. Revista Europea de Dirección y Economía de la Empresa, vol. 10, núm. 1, pp. 177-194. Gripsrud, G. y Benito, G. R. G. (2005). “Internationalization in retailing: modeling the pattern of foreign market entry”. Journal of Business Research, núm. 58, pp. 1672-1680. Guy, C. (1994b). The Retail Development Process: Location, Property and Planning. London, Ed. Routledge. Hansen, M. H. y Weinberg, C. B. (1979). “Retail Market Share in a Competitive Market”. Journal of Retailing, vol. 55, núm. 1, pp. 37-46. Hernández, T. y Bennison, D. (2000). “The art and science of retail location decisions”. International Journal of Retail and Distribution Management, núm. 28(8), pp. 357-367.
Bibliografía 258 Hernández, T. (2007). “Enhancing retail location decision support: the development and application of geovisualization”. Journal of Retailing and Consumer Services, núm. 14, pp. 249-258. Hoch, S. J., Kim, B-D., Montgomery, A. L. y Rossi, P. E. (1995). “Determinants of store-level price elasticity”. Journal of Marketing Research, vol. 32, núm. 1, pp. 17-29. Huff, D.L. (1963). “A Probabilistic Analysis of Consumer Spatial Behavior”. William S. Decker (de.), Emerging Concepts in Marketing, Chicago: American Marketing Association, pp. 443-461. Ingene, C. A. (1983). “Intertype Competition: Restaurants versus Grocery Stores”. Journal of Retailing, vol. 59, núm. 3, pp. 49-75. Inman, J. J., Shankar, V. y Ferraro, R. (2004). “The Roles of Channel-Category Associations and Geodemographics in Channel Patronage”. Journal of Marketing, núm. 68, pp. 51-71. Isard, W. (1956). Location and Space Economy. Nueva York, John Wiley. Jain, A. K. y Mahajan, V. (1979). “Evaluating the competitive environment in retailing using multiplicative competitive interaction model”. Research in Marketing, vol. 2, pp. 217-235. Jones, K. y Mock, D.R. (1984). “Evaluating retail trading performances”. En R.L. Davies y D.s. Rogers (eds), Store Location and Store Assessment Research, John Wiley. Nueva York. Journal of Economics, 37(4), 964-982. Jones, K. y Simmons, J. (1990). The Retail Environment. London, Ed. Routledge. Koshaka, H. (1992). “Three dimensional representation and estimation of retail store demand by bicubic splines”. Journal of Retailing, 68, pp. 221-242. Koshaka, H. (1993). “A monitoring and locational decision support system for retail activity”. Environment and Planning, 25, pp. 197-211. Krugman, P. (1992). Geografía y comercio. Barcelona, Antoni Bosch Editor. Latour, P. y Le Floc’h, J. (2001). Géomarketing: Principes, méthodes et applications. Paris, Éditions d’Organisation. Lösch, A. (1954). The Economics of Location. New Haven, Conn.: Yale University Press. Louviere, J. y Woodworth, G. (1983). "Design and Analysis of Simulated Consumer Choice of Allocation Experiments: An Approach Based on Aggregate Data". Journal of Marketing Research, núm. 20, pp. 350-367.
Bibliografía 259 Luce, R. (1959). Individual Choice Behavior. John Wiley & Sons, Nueva York, NY. Medina, O. (1995). “Métodos para la localización de establecimientos minoristas”. Distribución y consumo, núm. 20, pp. 1728. Medina, O. (1997). El proceso de selección de centros de compra interurbanos por el consumidor español. Tesis doctoral. Facultad de Ciencias Económicas y Empresariales, Universidad Autónoma de Madrid. Medina, O., Gómez, M. y Méndez, J. (1999). “Una aproximación conceptual a las áreas comerciales según los actos de compra de los consumidores”. Estudios sobre Consumo, núm. 49, pp. 43-55. Medina Moral, E. (2003). Modelos de elección discreta. En Greene, Análisis Econométrico. Madrid, Prentice Hall. Mendes, A. y Themido, I. (2004). “Multi-outlet retail site location assessment”. International Transactions In Operational Research, núm. 11, pp. 1-18. Mitchell, V. (1994). “The Role of Geodemographics in Segmenting and Targeting Consumer Markets: A Delphi Study”. European Journal of Marketing, vol. 28, núm. 5, pp. 54-72. Montgomery, A. (1997). “Creating micro-marketing pricing strategies using supermarket scanner data”. Marketing Science, núm. 16, pp. 315-337. Moreno, A. (2001). “La geografía de los servicios aplicada al marketing como tema de estudio”. En Moreno, A. (Coord.), Geomarketing con Sistemas de Información Geográfica. Madrid, Universidad Autónoma de Madrid y Asociación de Geógrafos Españoles. Mulhern, F. y Williams, J. (1994). “A comparative analysis of shopping behaviour in Hispanic and Non-Hispanic Market Areas”. Journal of Retailing, vol. 70, núm. 3, pp. 231-251. Muñoz, P. (2008). “La competencia entre formatos comerciales y la creación de valor para el consumidor”. Mediterráneo Económico, núm. 11, pp. 213-230. Murad, A. (2003). “Creating a GIS application for retail centers in Jeddah city”. International Journal of Applied Earth Observation and Geoinformation, núm. 4, pp. 329-338. Musyoka, S. M., Mutyauvyu, S. M., Kiema, J. B. K., Karanja, F. N. y Siriba, D. N. (2007). “Market segmentation using geographic information systems (GIS). A case study of the soft drink industry in Kenya”. Marketing Intelligence and Planning, 25(6), pp. 632-642.
Bibliografía 260 Naert, P. A. y Bultez, A. V. (1973). “Logically consistent market share models”. Journal of Marketing Research, núm. 10, pp. 334-340. Nakanishi, M. y Cooper, L. G. (1974). “Parameter Estimation for a Multiplicative Competitive Interaction Model-Least Squares Approach”. Journal of Marketing Research, núm. 11, pp. 303-311. Nelson, R. L. (1958). The Selection of Retail Locations. New York, Dodge. O’Malley, L., Patterson, M. y Evans, M. (1997). “Retailer use of geodemographic and other data sources: an empirical investigation”. International Journal of Retail and Distribution Management, vol. 25, núm. 6, pp. 188-196. Ozimec, A. M., Natter, M. y Reutterer, T. (2010). “Geographical information systems-based marketing decisions: effects of alternative visualizations on decision quality”. Journal of Marketing, núm. 74, pp. 94-110. Reilly, W. J. (1931). The Law of Retail Gravitation. Nueva York, Knickerbocker Press. Rodríguez Díaz, M. (2004). “Determinación de la imagen de los centros comerciales”. Información Comercial Española, núm. 815, pp. 241-260. Rosa, I. M. (1997). “Marketing territorial: Localización de puntos de venta”. En Díez, E. C. (Coord.), Distribución comercial. Madrid, McGraw-Hill, 2ª ed. Ruiz de Maya, S. y Flores, E. (1995). “La respuesta de los consumidores. Resultados de un estudio en la región de Murcia sobre la elección de establecimiento comercial en función del tipo de producto”. Distribución y Consumo, núm. 20, pp. 45-51. Spiggle, S. y Sewall, M. (1987). “A Choice Sets Model of Retail Selection”. Joumal of Marketing, Vol. 51, pp. 97-111. Stanley, T. J. y Sewall, M. A. (1976). “Image inputs to a probabilistic model: Predicting retail potential”. Journal of Marketing, núm. 40, pp. 48-53. Suárez, A. (1997). “Delimitación comercial de un territorio: importancia de la información proporcionada por los compradores”. Documento de trabajo 145/97, Facultad de Ciencias Económicas y Empresariales, Universidad de Oviedo, Oviedo. Suárez, A., Rodríguez, I., Rodríguez-Poo, J.M. y Moral, I. (2004). “Accounting for heterogeneity in shopping centre choice models”. Journal of Retailing and Consumer Services, núm. 11, pp. 119-129. Thiessen, A.H. y Alter, J.C. (1911). “Precipitation averages for large areas”. Monthly Weather Review, núm. 39, pp. 1082-1084.
Bibliografía 261 Timmermans, H. y Golledge, R.G. (1989). “Application of Behavioral Research on Spatial Problems II: Preference and Choice”. Progress in Human Geography, núm. 14, pp. 311-354. Verhetsel, A. (2005). “Effects of neighbourhood characteristics on store performance supermarkets versus hypermarkets”. Journal of Retailing and Consumer Services, núm. 12, pp. 141-150. Vyt, D. (2008). “Retail network performance evaluation: a DEA approach considering retailers' geomarketing”. The International Review of Retail, Distribution and Consumer Research, vol. 18, núm. 2, pp. 235-253. Wood, S., y Reynolds, J. (2012). “Leveraging locational insights within retail store development? Assessing the use of location planners’ knowledge in retail marketing”. Geoforum, núm. 43, pp. 1076-1087. Zeithaml, V. A. (1985). “The New Demographics and Market Fragmentation”. Journal of Marketing, núm. 49, pp. 64-75. Capítulo 2 A.E.C.C (2013). Dossier Estadísticas Centros Comerciales 2012. Madrid, Mimeo, Asociación Española de Centros y Parques Comerciales (A.E.C.C). Alonso Rivas, J., Rebollo, A. y Oubiña, J. (2000). “Análisis de la demanda y estructura del consumo en España: consumidor español-consumidor europeo”, en Gimeno Ullastres, J. A.: El consumo en España: un panorama general. Madrid, Ed. Fundación Argentaria. Alonso, L. (1997). “La irresistible atracción del centro comercial”. Distribución y Consumo, núm. 37, pp.158-161. Alzubaidi, H., Vignali, C., Davies, B. y Schmidt, R. (1997). “Town Centre versus Out-of-Town Shopping: A Consumer Perspective”. International Journal of Retail and Distribution Management, vol. 25, núm. 2, pp. 78-89. Arentze, T. A., Oppewall, H. y Timmermans, H. (2005). “A Multipurpose Shopping Trip Model to Assess Retail Agglomeration Effects”. Journal of Marketing Research, vol. 17, pp. 109-115. Arnold, S., Oum, T. y Tigert, D. (1983). “Determinant Attributes in Retail Patronage: Seasonal, Temporal, Regional and International Comparisons”. Journal of Marketing Research, vol. 20, núm. 2, pp. 149-157. Arnold, S., Handelman, J. y Tigert, D. (1998). “The Impact of a Market Spoiler on Consumer Preference Structures (or, What Happens When Wal-Mart Comes to Town)”. Journal of Retailing and Consumer Services, vol. 5, núm. 1, pp. 113.
Bibliografía 262 Arrondo, E., Berné, C., Múgica, J. y Rivera, P. (2002). “Modelling of Customer Retention in Multi-Format Retailing”. International Review of Retail, Distribution and Consumer Research, vol. 11, núm. 3, pp. 281-296. Baker, S., Stephens, D. y Hill, R. (2002). “How Can Retailers Enhance Accessibility: Giving Consumers with Visual Impairments a Voice in the Marketplace”. Journal of Retailing and Consumer Services, vol. 9, núm. 4, pp. 227-239. Ball, M., Le Ny, L. y Maginn, P. (2003). “Synergy in Urban Regeneration Partnerships Property Agents´ Perspectives”. Urban Studies, vol. 40, núm. 11, pp. 2239-2253. Batey, P. y Brown, P. J. (1995). “From Human Ecology to Customer Targeting: The Evolution of Geodemographics”. En Longley, P. y Clarke, G. P. [eds.]: GIS for Business and Service Planning. Cambridge: Geoinformation. Baum, A. y Crosby, N. (2008). Property Investment Appraisal. Oxford, Blackwell Publishing. Begg, I. (1999). “Cities and Competitiveness”. Urban Studies, Vol. 36, nún. 5/6, pp. 795-809. Bell, D. R. y Lattin, J. M. (1998). “Shopping Behaviour and Consumer Preference for Store Price Format: Why “Large Basket” Shopper Prefers EDLP”. Marketing Science, vol. 17, núm. 1, pp. 66-88. Birkin, M. (1995). “Customer Targeting. Geodemographics and Lifestyle Approaches”. En Longley, P. y Clarke, G. P. [eds.]: GIS for Business and Service Planning. Cambridge: Geoinformation. Bloch, P., Ridgway, N. y Dawson, S. (1994). “The Shopping Mall as Consumer Habitat”. Journal of Retailing, vol. 70, núm. 1, pp. 23-42. Brewis-Levie M. y Harris, P. (2000). “An Empirical Analysis of Buying Behaviour in UK High Street Womenswear Retailing using the Dirchlet Model”. The International Review of Retail, Distribution and Consumer Research, vol. 10, núm. 1, pp. 41-57. Bromley, R. y Thomas, C. (1993). Retail Change: Contemporary Issues. London, UCL Press. Bromley, R. y Thomas, C. (1995). “Small Town Shopping Decline: Dependence and Inconvenience for the Disadvantaged”. The International Review of Retail, Distribution and Consumer Research, vol. 5, núm. 4, pp. 433456.
Bibliografía 263 Brown, S. (1992a). “Tenant Mix, Tenant Placement and Shopper Behavior in a Planned Shopping Centre”. The Service Industries Journal, vol. 12, núm. 3, pp. 384-403. Brown, S. (1992b). Retail Location: a Micro-Scale Perspective. Avebury, Aldershot. Cameron, S. (2003). “Gentrification, Housing Redifferentation and Urban Regeneration: “Going for Growth” in Newcastle upon Tyne”. Urban Studies, vol. 40, núm. 12, pp. 2367-2382. Carlson, H. J. (1991). “The Role of the Shopping Centre in US Retailing”. International Journal of Retail and Distribution Management, vol. 19, núm. 6, pp. 13-20. Casares, J. y Rebollo, A. (2005). Distribución comercial. Madrid, Ed. CivitasThomson, 3ª ed. Castresana, J. (1997). “Urbanismo, comercio y centro ciudad. Relaciones difíciles”. Distribución y Consumo, núm. 34, pp. 5-9. Cerdá, L. M. (2008). “Caracterización de los factores de éxito de los centros comerciales abiertos desde la perspectiva de los comerciantes. Un estudio empírico en el Municipio de Getafe”. Madrid: Asociación Española de Centros Comerciales. Cerdá, L. M. y Redondo, I. (2010). “Un método para evaluar la localización de nuevos centros comerciales en función de las características geodemográficas de los consumidores”. Revista de estudios regionales núm. 89, pp. 67-89 Cliquet, G., Perrigot, R. y GilSaura, I. (2006). “El futuro de los hipermercados en España: ¿qué se puede aprender de la experiencia francesa?”. Información Comercial Española, vol. 11, núm. 3, pp. 35-52. Collis, C., Berkeley, N. y Fletcher, D. R. (2000). “Retail Decline and Policy Responses in District Shopping Centres”. Town Planning Review. vol. 71, num. 2, pp. 149-168. Cortina, F. (2006). “La distribución comercial minorista: una actividad atomizada, estacional y con predominio del empleo femenino”. Economistas, núm. 107, pp. 3651. Couch, C. (1997). “A Comparative Study of Plans and Policies for Town Centre Renewal in France and the UK”. Planning Practice and Research, vol. 12, núm. 2, pp. 99-108. Cruz, I. (1997). “Evaluación de los problemas del comercio. Un enfoque competitivo”. Distribución y Consumo, núm. 31, pp. 7-15.
Bibliografía 270 Capítulo 3 Aboolian R, Berman O y Krass D (2007b). “Competitive facility location and design problem”. European Journal of Operational Research, núm. 182, pp. 4062. Akaike, H. (1973). “Information theory and an extension of the maximum likelihood principle”. En Petrov, B. y Csaki, F (Eds.), Segundo Congreso Internacional de Tecnologías de la Información, pp. 267-281. Budapest: Academiai Kiado. Applebaum, W. y Cohen, S.B., (1961). “The dynamics of store trading areas and market equilibrium”. Annals of the Association of the American Geographer, vol. 51, pp. 73-101. Ballas, D. y Clarke, G. (2000). “GIS and microsimulation for local labour market analysis”. Computers, Environment and Urban Systems, núm. 24, vol.4, pp. 305-330. Baviera-Puig, A., Buitrago-Vera, J. y Rodríguez-Barrio, J.E. (2013). “Un modelo de geomarketing para la localización de supermercados: diseño y aplicación práctica”. En Documentos de Trabajo de la Cátedra Fundación Ramón Areces de Distribución Comercial (DOCFRADIS), Vol 1, pp. 1-27. Begg, I. (1999). “Cities and competitiveness”. Urban Studies, núm. 36 (5-6), pp. 795-809. Belsley, D.A, Kuh, E. y Welsch, R.E. (1980). Regression diagnostics: Identifying influential data and sources of collinearity. John Wiley & Sons, Inc. Berman, O. y Krass, D (1998). “Flow intercepting spatial interaction model: A new approach to optimal location of competitive facilities”. Location Science, núm. 6, pp. 41–65. Birkin M, Clarke G, Clarke M y Wilson A (1996). “Intelligent GIS: location decisions and strategic planning”. GeoInformation International, Cambridge, UK. Birkin, M., Clarke, G., Clarke, M. y Culf, R. (2004). Using Spatial Models to Solve Difficult Retail Location Problems, in ‘Applied GIS and Spatial Analysis’, Eds Stillwell, J. and Clarke, G. pp. 35–54. John Wiley and Sons Ltd, Chichester Bowman, A.W. (1984). “An alternative method of cross-validation for the smoothing of density estimates”. Biometrika, núm. 71, pp. 353-360. Bramezza, I. (1996). The competitiveness of the european city and the role of urban management in improving the city’ s performance. Amsterdam: Thesis Publishers.
Bibliografía 271 Brunsdon, C., Fotheringham, A.S. y Charlton, M. (1996). “Geographically Weighted Regression: a method for exploring spatial non-stationarity”. Geographical Analysis, núm. 28(4), pp. 281-298 Brunsdon, C., Fotheringham, A.S. y Charlton, M. (1999). “Some notes on parametric significance tests for Geographically weighted regression”. Journal of Regional Science, núm. 33(3), pp. 497-524. Christaller, W. (1935). “Die zentralen orte in sudlentschland”. Jena, E. Germany: G. Fischer. Church, R.L. (2002). “Geographical Information Systems and Location Science”. Computers and Operations Research, nº29, pp. 541-562. Clarkson, R., Clarke-Hill, C. y Robinson, T. (1996). “UK Supermarket Location Assessment”. International Journal of Retail and Distribution Management, Vol. 24, núm. 6, pp. 22-33. Cliquet, G. (2006). “Retail Location Models”. En Cliquet, G. (Ed.), Geomarketing. Methods and Strategies in Spatial Marketing. Londres, ISTE Ltd. Converse, D. (1949). “New laws of retail gravitation”. Journal of Marketing, vol.14, pp. 379-384. Craig, C.S., Ghosh, A. y Mclafferty, S. (1984). “Models of the Retail Location Process: A Revew”. Journal of Retailing, núm. 60, vol. 1, pp. 5-31. Drezner T. y Drezner Z. (2012). “Modelling Lost Demand in Competitive Facility Location”. Journal of the Operational Research Society, vol. 63, núm. 2, pp. 201-206. Drezner, T., Drezner, Z. y Kalczynski, P. (2012). “Strategic competitive location: improving existing and establishing new facilities”. Journal of the Operational Research Society, disponible en . http://dx.doi.org/10.1057/jors.2012.16. Elizagárate, V. (2006). “El comercio y la regeneración urbana de la ciudad: una estrategia integral de marketing de ciudades”. Distribución y Consumo, (January-February), pp. 40-49. Fernández, J., Pelegrín, B., Plastria, F., Tóth, B. (2007). “Solving a Huff-like competitive location and design model for profit maximization in the plane”. European Journal of Operational Research, núm. 179 (3), pp.1274–1287. Fernie, J. (1995). “The coming of the fourth wave: new forms of retail out-oftown development”. International Journal of Retail and Distribution Management, núm. 23(1), pp. 4-11.
Bibliografía 272 Forsberg, H., Medway, D. y Warnaby, G. (1999). “Town centre management by co-operation”. Cities, núm. 16 (5), pp. 312-322. Fotheringham, A.S., Brunsdon, C. y Charlton, M. (1996). “The geography of parameter space: an investigation of spatial non-stationarity”. International Journal of Geographical Information Systems, núm. 10, pp. 605-627 Fotheringham, A.S, Charlton, M. y Brunsdon, C. (1997). “Two techniques for exploring nonstationarity in geographical data”. Geographical Systems, num. 4, pp. 59-82. Fotheringham, A.S., Brunsdon, C. y Charlton, M. (2002). Geographically Weighted Regression: the analysis of spatially varying relationships. Chichester: Wiley. Fotheringham, A.S. y Charlton M. (2009). “Geographically Weighted Regression”. White Paper for Science Foundation, Ireland, pp. 1-14. Gautschi, D.A., (1981). “Specification of patronage models for retail center choice”. Journal of Marketing Research, vol.18, pp.162-174. Ghosh, A. y Mclafferty, S. L. (1987). Location Strategies for Retail and Service Firms. Lexington Books, Lexington, MA. Guy, C. (1994a). “Grocery Store Saturation. Has It Arrived Yet?” International Journal of Retail and Distribution Management, vol. 22, núm. 1, pp. 3-11. Haines, G.H., Simon, L. S. y Alexis, M. (1972). “Maximum likelihood estimation of central-city food trading areas”. Journal of Marketing Research, núm. 9, pp. 154-159. Harris, P., Fotheringham, A., Crespo, R., Charlton, M. (2010). “The use of geographically weighted regression for spatial prediction: an evaluation of models using simulated data sets”. Mathematical Geosciences, núm. 42(6), pp. 657–680. Hernandez, T., Bennison, D. y Cornelius, S. (1998). “The organisational context of retail locational planning”. GeoJournal, núm. 45, pp. 299-308. Huff, D.L., (1963). “A probabilistic analysis of consumer spatial behavior”. William S. Decker (ed.), Emerging Concepts in Marketing, Chicago: American Marketing Association. Pp.443-461. Huff, D.L. (1964). “Defining and estimating a trading area”. Journal of Marketing, vol. 28, núm. 3, pp. 34-38. Huff, D.L. (1966). “A programmed solution for approximating an optimum retail location”. Land Economics, núm. 42, pp 293–303.
Bibliografía 273 Jackson, C. y Watkins, C. (2005). “Planning policy and retail property markets: measuring the dimensions of planning intervention”. Urban Studies, núm. 42 (8), pp. 1453-1469. Jain, A. K. y Mahajan, V. (1979). “Evaluating the competitive environment in retailing using multiplicative competitive interaction model”. Research in Marketing, vol. 2, pp. 217-235. Jones, K.G., Mock, D.R., (1984). “Evaluating retail trading performances”. Store Location and Store Assessment Research, ed. Davies, R.L. and Rogers, D.S.. John Wiley. N. York. Kestens, Y., Thériault, M. y Des Rosiers, F. (2006). “Heterogeneity in hedonic modeling of house prices: looking at buyers’ household profiles”. Journal of Geographical Systems, núm. 8, pp.61-96. Koshaka, H. (1992). “Three-dimensional representation and estimation of retail store demand by bicubic splines”. Journal of Retailing, vol. 68, pp. 221-241. Küçükaydin, H., Aras, N. y Altinel, I.K. (2011). “Competitive facility location problem with attractiveness adjustment of the follower: a bilevel programming model and its solution”. European Journal of Operational Research, núm 208 (3), pp.206–220. Küçükaydin, H., Aras, N. y Altinel, I.K. (2012). “A leader–follower game in competitive facility location”. Computers and Operations Research, núm 39 (2), pp.437–448. Leung, Y., Mey, C.L. y Zanhg, W.X. (2000). “Statistical test for special nonstationarity based on geographically weighted regression model”. Environmental Planning A, núm. 32, pp. 9-32. Lösch, A. (1954). The economics of location. New Haven, Conn. Yale University Press. Lowe, M. (2005). “The regional shopping centre in the inner city: a study of retail-led urban regeneration”. Urban Studies, núm. 42, vol.3, pp. 449-470. Lowe, M.S. (2000). “Britain’s regional shopping centres: new urban forms?” Urban Studies, núm. 37 (2), pp. 261-274. Malczewski, J. (2006). “GIS-based multicriteria decision analysis: a survey of the literature”. International Journal of Geographical Information Science, núm. 20 (7), pp. 703-726. Mcfadden, D. (1974). Conditional logit analysis of qualitative choice behaviour. Frontiers in Econometrics, ed. Zarembka, P., Academic Press, New York.
Bibliografía 274 Mcfadden, D. (1977). “Econometric models of probabilistic choice”. Structural Analysis of Discrete Data with Econometric Applications, eds. Manski, C.F. and McFadden, D., Cambridge, Mass. MIT Press. Murray, A.T. (2010). “Advances in location modeling, GIS linkages and contributions”. Journal of Geographic Systems, núm. 12, pp. 335-354. Nakanishi, M. y Cooper, L.G. (1974). “Parameter estimates for multiplicative competitive interaction models-least square approach”. Journal of Marketing Research, núm. 11, pp. 303–311. Nakaya, T. (2001). “Local spatial interaction modelling based on geographically weighted regression approach. GeoJournal, núm. 53, pp. 347358. O’Brien, R.M. (2007). “A Caution Regarding Rules of Thumb for Variance Inflation Factors”. Quality and Quantity, núm. 41(5), pp. 673–690. O’Malley, L., Patterson, M. y Evans, M. (1995). “Retailing applications of geodemographics: A preliminary investigation”. Marketing Intelligence and Planning, vol. 13, núm. 2, pp. 29-35. Okabe, A. y Okunuki, K. (2001). “A computational method for estimating the demand of retail stores on a street network and its implementation in GIS”, Transactions in GIS, vol.5, núm.3, pp.209-220. Okunuki, K. y Okabe, A. (2003). "Solving the Huff-Based Competitive Location Model on a Network with Link-Based Demand". Annals of Operations Research, vol.111, pp.239-252 Paez, A., Uchida, T. y Miyamoto, K. (2002a). “A general framework for estimation and inference of geographically weighted regression models: Location-specific kernel bandwidths and a test for local heterogeneity”. Environmental and Planning A, núm. 34, pp. 733–754 Paez, A., Uchida, T. y Miyamoto, K. (2002b). “A general framework for estimation and inference of geographically weighted regression models: Spatial association and model specification tests”. Environmental and Planning A, núm. 34, pp. 883–904. Páez, A., Long, F. y Fabers, S. (2008). “Moving window approaches for hedonic price estimation: An empritical comparison of modelling techniques”. Urban Studies, núm. 45(8), pp. 1565-1581. Page, S.J. y Hardyman, R. (1996). “Place marketing and town centre management: a new tool for urban revitalization”. Cities, núm. 13 (3), pp. 153164.
Bibliografía 275 Plastria, F. (1997). “Profit maximizing single competitive facility location in the plane”. Studies in Locational Analysis, núm. 11, pp. 115–126. Plastria, F. y Carrizosa, E (2004). “Optimal location and design of a competitive facility”. Mathematical Programming, núm. 100 (2), pp. 247–265 Ravenscroft, N. (2000). “The vitality and viability of town centres”. Urban Studies, núm. 37 (13), pp. 2533-2549. Redondo, J.L., Fernández, J., García, I. y Ortigosa, P.M. (2009). “Solving the multiple competitive facilities location and design problem on the plane”. Evolutionary Computation, núm 17 (1), pp. 21–53. Reilly, W.J. (1931). The law of retail gravitation. New York, W.J: Reilly, Inc. Roig-Tierno, N., Baviera-Puig, A., Buitrago-Vera, J. y Mas-Verdu, F. (2013). “The retail site location decision process using GIS and the analytical hierarchy process”. Applied Geography núm. 40, pp. 191-198. Saidani, N., Chu, F. y Chen, H. (2012). “Competitive facility location and design with reactions of competitors already in the market”. European Journal of Operational Research, núm 219 (1), pp. 9–17. Sáiz, E., Hendrix, E.M.T. y Pelegrín, B. (2011). “On Nash equilibria of a competitive location–design problem”. European Journal of Operational Research, núm. 210 (3), pp.588–593. Schiller, R. (1986). “Retail decentralisation: the coming of the third wave”. The Planner. July, pp. 13-15. Schiller, R. (1994). “Vitality and viability: challenge to the town centre”. International Journal of Retail and Distribution Management, núm. 22(6), pp. 46-50. Spaulding, B.D. y Cromley R.G. (2007). “Integrating the maximum capture problem into GIS framework”. Journal of Geographical Systems, núm. 9(3), pp. 267-288. Stanley, T. J. y Sewall, M. A. (1976). “Image inputs to a probabilistic model: Predicting retail potential”. Journal of Marketing, núm. 40, pp. 48-53. Suárez-Vega, R., Santos-Peñate, D. y Dorta-González, P., (2004). “Discretization and resolution of the (rjX_p)-medianoid problem involving quality criteria”. Top, núm 12 (1), pp. 111–133. Suárez-Vega, R., Santos-Peñate, D. R., Dorta-González, P. y Rodríguez-Díaz, M. (2011). “A multi-criteria GIS based procedure to solve a network competitive location problem”. Applied Geography, núm. 31, pp. 282-291.
Bibliografía 276 Suárez-Vega, R., Santos-Peñate, D. R. y Dorta-González, P. (2012). “Location models and GIS tools for retail site location”. Applied Geography, núm. 35, pp. 12-22. Suárez-Vega, R., Acosta-González, E., Casimiro-Reina, L. y Hernández, J.M. (2013). Assessing the Spatial and Environmental Characteristics of Rural Tourism Lodging Units Using a Geographical Weighted Regression. In Matias, A., Nijkamp, P. and Sarmento (Eds.) Model Quantitative Methods in Tourism Economics (pp. 195-212). Physical Verlag Heidelberg, Berlin. Tardiff, T.J. (1979). “Definition of alternatives and representation of dynamic behavior in spatial choice models”. Transportation Research Record, vol. 723, pp. 25-30. Thomas, C.J. y Bromley, R.D.F. (2003). “Retail revitalization and small town centres: the contribution of shopping linkages”. Applied Geography, núm. 23 (1), pp. 47-71. Tobler, W.R. (1970). “A computer movie simulating urban growth in the Detroit region”. Economic Geography, núm. 46(2), pp. 234-24. Tóth, B., Fernández, J., Pelegrín, B. y Plastria, F. (2009). “Sequential versus simultaneous approach in the location and design of two new facilities using planar Huff-like models”. Computers and Operations Research, núm. 36 (5), pp. 1393–1405. Uduku, O. (1999). “Beneficial urban redevelopment: a Cape Town-Liverpool comparison”. Environment and Urbanization, nº11, vol.2, pp. 95-111. Wang (2005): “Economies of scale in Shopping Centre Industry”. Division of Building and Real Estate Economics. Department of Infrastructure. Royal Institute of Technology, Stockholm. Warnaby, G. (1998). “Marketing UK cities as shopping destinations: problems and prospects”. Journal of Retailing and Consumer Services, núm. 5 (1), pp. 5558. Wheeler, D.C. (2007). “Diagnostic tools and a remedial method for collinearity in geographically weighted regression”. Environment and Planning A, núm. 39, pp. 2464-2481. Capítulo 4 Anuario Económico de España 2013. Área de Estudios y Análisis Económico de la Caixa, disponible en http://www.anuarioeco.lacaixa.comunicacions.com/java/X?cgi=caixa.le_menuG enmenu.pattern
Bibliografía 277 Asociación Española de Centros Comerciales (2010). Directorio de Centros y Parques Comerciales. Madrid, Asociación Española de Centros y Parques Comerciales (A.E.C.C), disponible en http://www.aedecc.com/centroscomerciales. Byrne, G., Charlton, M. y Fotheringham, S. (2009). “Multiple dependent hypothesis tests in geographically weighted regression”. E: Lees, B.G., Laffan, S.W. (eds) 10th International conference on geocomputation. Cartográfica de Canarias, S.A. (GRAFCAN): http://www.grafcan.es/index.php Censo Comercial de Gran Canaria (2012) disponible en http://www.gobiernodecanarias.org/cicnt/temas/comercio/censocomercial/ Gollini, I., Lu, B., Charlton, M., Brunsdon, C. y Harris, P. (2013). “GWmodel: an R Package for Exploring Spatial Heterogeneity Using Geographically Weighted Models”, disponible en arXiv:1306.0413. Instituto Canario de Estadística (ISTAC): http://www.gobiernodecanarias.org/istac/ Instituto Nacional de Estadística (INE): http://www.ine.es Roig-Tierno, N., Baviera-Puig, A., Buitrago-Vera, J. y Mas-Verdu, F. (2013). “The retail site location decision process using GIS and the analytical hierarchy process”. Applied Geography, núm. 40, pp. 191-198. Disponible en http://dx.doi.org/10.1016/j.apgeog.2013.03.005 Rodríguez Díaz., M. y Gutiérrez-Acuña, J. (2010). “Localización de una gran superficie comercial en la zona norte de Gran Canaria”, en Montero, I. y Gutiérrez, P. (eds): “La actividad Comercial en Canarias: dimensiones estructurales y empresariales”. Fundación FYDE-Caja Canarias, pp 133-149. Shuttle Radar Topography Mission (NASA). Disponible en: http://www2.jpl.nasa.gov/srtm/
279 Anexo A A Encuesta En el presente anexo se recoge la encuesta realizada sobre los hábitos de compra de la población de la zona considerada en esta tesis.
Anexo B: Fichas comerciales de las parcelas seleccionadas 286 UB-14 DESCRIPCIÓN ESTADO ACTUAL La zona de actuación se localiza en los bordes de la GC-2, en las zonas denominadas Mariscalete, Rosa Silva y Hoya Alta, que se encuentran localizadas entre la conexión a la urbanización industrial de Montaña Blanca y la conexión a la subida de Arucas (GC-20). Se delimita una franja paralela a la GC-2 con un ancho medio de trescientos metros que se va recortando o ampliando en función de la orografía del territorio y de ciertas preexistencias (vías y caminos agrícolas) que determinan sus límites. En los terrenos se encuentran suelos rústicos, alguno de ellos en abandono y otros todavía en producción. JUSTIFICACIÓN DE LA CLASIFICACIÓN DEL SUELO La posición singular en el eje del corredor costero del Norte, la ubicación adyacente a los terrenos donde se ubica el Polígono Industrial de Montaña Blanca, así como la inclusión dentro de la zona del crecimiento de las instalaciones de la Facultad de Veterinaria de la Universidad de Las Palmas de Gran Canaria, hacen del lugar un sitio idóneo para promover un área de desarrollo empresarial y de actividades estratégicas que conlleven la implantación de empresas y servicios terciarios de tecnología avanzada, donde también se ofrezca un marco estable para el intercambio de experiencias Universidad-Empresa. Junto con estas actividades, sería posible compatibilizar otras afines o complementarias a las mismas que ayuden a consolidar la implantación del Parque Empresarial como puede ser la puesta en marcha, entre otras, de un vivero de empresas que sirva de catalizador de actuaciones emprendedoras. Los terrenos de la Granja Agropecuaria pertenencientes al Cabildo Insular deben verse como una oportunidad de desarrollo que facilite la gestión de dicho suelo. DIAGNÓSTICO AMBIENTAL Características: Suelo urbanizable con destino a la instalación de un parque empresarial en las zonas denominadas Mariscalete, Rosa Silva y Hoya Alta. Afecta a las unidades ambientales 13, 78 y en pequeña proporción a la unidad 32. En cuanto a la Calidad para la Conservación, la actuación presenta una calificación de Baja, debido a la intensa ocupación antrópica del territorio, tanto por la Granja Experimental del Cabildo y el Área Universitaria, como por los terrenos de cultivo y su intensa actividad agrícola anterior, hoy en día en abandono y sin tiempo para su recuperación ambiental. Desde la Capacidad de Uso Agrario, la actuación presenta una calificación de Media justificado por la calidad agrológica de las tierras, acondicionadas en este caso mediante la técnica de la “sorriba”. Atendiendo al Valor Cultural, la actuación presenta una calificación de Medio, debido a que parte de la misma se asienta sobre un área potencialmente arqueológica. Adecuación: Respecto de las unidades 13 y 32 se considera Adecuada con fuertes medidas correctoras, mientras que respecto de la unidad 78 se considera Adecuada con pequeñas medidas correctoras. Modificadores del Impacto: Desde el punto de vista de los modificadores físicos, aumenta el impacto sobre la unidad 13, ya que se ocuparán parcelas de cultivo, algunas en explotación, con suelos de buena capacidad agrológica, y sobre la unidad 32, por ocupar terrenos con mayor pendiente y por tanto más calidad paisajística, mientras que sobre la unidad 78 no afecta ya que se desarrolla sobre un área ya consolidada como es la Granja Experimental del Cabildo. En cuanto a los modificadores socioeconómicos, atenúa el impacto ya que se consigue la creación de un espacio industrial pionero y novedoso en las islas. Valoración del Impacto por Unidad: Se considera Significativo respecto de la unidad 13 y 32, ya que se ocuparán parcelas de cultivo en explotación así como a zonas con mayor pendiente en la ladera, y Poco Significativo respecto de la unidad 78. Valoración del Impacto por Actuación: Se considera Significativo, debiéndose tomar una serie de medidas correctoras tendentes a la reutilización de las tierras vegetales y de protección en el caso de aparición de restos arqueológicos. .
Fichas comerciales de las parcelas seleccionadas 287 DESCRIPCION DE LA PROPUESTA 1.- Se pretende generar un Parque Empresarial con una elevada calidad funcional y paisajística, alejado de la imagen que se suele tener de las áreas industriales convencionales. Con este objeto se plantea una edificabilidad bruta baja, limitando también la ocupación máxima de las parcelas con el fin de crear una mayor superficie de espacios libres, públicos y privados. 2.- Deberá exigirse, en el planeamiento de desarrollo que ordene el sector, una elevada calidad arquitectónica en la imagen externa de las edificaciones que se ubiquen en el Parque. 3.- Los espacios libres se situarán fundamentalmente como paseo, y como banda de protección exterior de todo el Parque, así como en los bordes de contacto con el Barranco. 4.- El acceso a los terrenos del Parque Empresarial se realizará, tanto por el existente en la actualidad para entrar a la Granja Agropecuaria, como por el existente para acceder a la urbanización de Montaña Blanca, debiendo haber una conexión interna entre ambos puntos dentro de los terrenos del Parque. ORDENANZA SUP. TOTAL (m2) EDIFICAB. BRUTA MAX. (m²t/ m²s) EDIFICAB. NETA MAX. (m²t/ m²s) USO CARACTERISTICO USO TOLERADO TIPOLOGÍA SUPERFICIE MAX. DE PARCELAS EDIFICABLES SUP. MIN. PARCELA (m²) OCUPACION MAX. EN PARCELA EDIFICABLE RETRANQUEO MINIMO A ALINEA. EXTERIOR (m) Nº. MÁX. PLANTAS SOBRE RASANTE Nº. MÁX. PLANTAS BAJO RASANTE ALTURA MAXIMA (m) EDIFICAB. COMPLEMENTARIA MINIMA AP. MEDIO UB-14 483.905 0,45 0,8 Parque Especializado Terciario y Docente - 57% 3.000 50% - 3 (salvo edificaciones singulares) libre - - 0,5954* DETERMINACIONES DE CONTENIDO AMBIENTAL El Plan Parcial que establezca la ordenación estructural de todo el sector completará las determinaciones ambientales y paisajísticas para el desarrollo de los posibles sectores que se delimiten. Deberá establecer una ordenación urbanística coherente con el territorio, con una elevada calidad ambiental, estableciendo una normativa especifica sobre las parcelas edificables para conseguir este objetivo. Los espacios libres se situarán como banda de protección exterior de todo el Parque, especialmente en los bordes de la GC-2, y como elementos de protección de los barrancos que cruzan la zona (Barranco de Cebolla y Barranco de la Punta de Arucas). En el ajardinamiento de los espacios públicos se utilizará como mínimo un 60 % de especies autóctonas o endémicas. Las edificaciones tendrán una imagen externa de elevada calidad arquitectónica, quedando expresamente prohibidas las implantaciones con acabados y forma “tipo naves industriales” y cubiertas a una o más aguas vistas. Se cuidarán los materiales, texturas y colores empleados en el diseño de las edificaciones. Al emplazarse sobre un área con posibilidad de encontrar material arqueológico, el promotor público o privado de obras o actuaciones que afecten a la superficie de un yacimiento deberá aportar un Estudio Detallado de Impacto Ecológico relativo a la incidencia sobre los valores arqueológicos del área, antes del otorgamiento de la licencia para llevar a cabo dicha obra o actuación (artículo 65.1 de la Ley 4/1999 de Patrimonio Histórico de Canarias). Antes de comenzar la explotación de la posible cantera existente al Este del Barranco de la Punta de Arucas, el Plan Parcial debe recabar información detallada sobre los yacimientos arqueológicos que existan en el interior del sector y en las zonas inmediatas, delimitando con mayor grado de precisión la ubicación de los mismos. El Plan Parcial contendrá en cualquier caso medidas que garanticen la protección de ese patrimonio, tanto en la fase de ejecución de las obras como durante la explotación minera si ésta fuera posible, y también durante el uso posterior de la urbanización. Los suelos para la implantación de las edificaciones y usos correspondientes al Parque Empresarial no superarán una pendiente máxima del 12%.
Anexo C: Código gams para el problema de productividad 288
289 Anexo C C Código gams para el problema de productividad En este tercer anexo se presenta el fichero con el código empleado para la resolución del problema de localización y diseño de un centro comercial a partir de la función de productividad.
Anexo C: Código gams para el problema de productividad 290 $TITLE Localizacion de CC; option limrow=0;option limcol=0; SET cont contador del número de soluciones iniciales /1*50/ I conjunto de índices para los puntos de demanda /1*515/ J conjunto de índices para las posibles localizaciones /1*3/ K conjunto de índices para las categorías /1*4/ *Categorías: 1: Alimentación, 2: Persona, 3: Ocio, 4: Hogar E conjunto de índices para CC existentes /1*5/ paso conjunto de paso /Pobl, nada/ contld1 contador para los posibles valores de lost demanda/1*101/ Parameters veces número de veces que se resuelve el problema /50/ SMP : factor que determina la supeficie mínima de parking por m2 de SBA /1.31579/ Pasoi(I,paso) Población de los nodos de demanda(CG) alfa(I,K) Pesos para la superficie por nodo y por categoría beta(I,K) Pesos para la distancia por nodo y por categoría dexist(I,E) Distancia entre los nodos y los centros existentes dnuevos(I,J) Distancia desde los nodos a los posibles nuevos CC tsup(I,K) Tamaño del establecimiento de proximidad dsup(I,K) Tiempo de desplazamiento al establecimiento de proximidad GM(K) Gasto medio por categoría / 1 1514 2 443 3 520 4 330/ Lic(J) Porcentaje sobre la inversión que supone la licencia / 1 0.02
Código gams para el problema de productividad 291 2 0.02 3 0.02/ gamma(J) coste por metro cuadrado de SBA / 1 900 2 900 3 900/ CPA(j) Coste del parking aéreo / 1 150 2 150 3 150/ CPE(j) Coste del parking edificado / 1 400 2 400 3 400/ AM(j) Superficie máxima de la parcela / 1 483905 2 127145 3 77300/ Io(j) Índice de ocupación / 1 0.5 2 0.5 3 0.5/ Ie(j) Índice de edificabilidad / 1 0.45 2 0.596 3 0.5/ PPA(j) Porcentaje de ocupación del parking / 1 0.8 2 0.8 3 0.8/
Anexo C: Código gams para el problema de productividad 292 Iobr(j) Índice de ocupación bajo rasante / 1 0.5 2 0.5 3 0.5/ Npdmax(j) Número máximo de plantas definidas sobre rasante / 1 2 2 2 3 2/ Npdmin(j) Número mínimo de plantas definidas sobre rasante / 1 1 2 1 3 1/ Nbdmax(j) Número máximo de plantas definidas bajo rasante / 1 1 2 1 3 1/ Nbdmin(j) Número mínimo de plantas definidas bajo rasante / 1 1 2 1 3 1/ z(j) Porcentaje de la SBA correspondiente a los gastos de mantenimiento / 1 66 2 66 3 66/ CT(j) Coste por metro cuadrado del terreno / 1 90 2 120 3 150/;
Código gams para el problema de productividad 293 Scalar tita Porcentaje de la inversión para obtener el valor residual /0.5/ TIEMPO plazo de recuperación de la inversión /10/ nu porcentaje de la SBA al que corresponde la SBNA /0.33/ te tasa de esfuerzo /0.15/ *Se importa la población de los nodos de demanda table Pasoi(I,paso) $include pob.inc; *Se importan los valores del parámetro asociado al tamaño table alfa(I,K) $include alfas.inc; *Se importan los valores del parámetro asociado al tiempo de desplazamiento table beta(I,K) $include betas.inc; *Se importan los tiempos de transporte entre nodos de demanda y las posibles *localizaciones table dnuevos(I,J) $include tiempos_CG_CCnuevos.INC; *Se importan los tiempos de transporte entre los nodos de demanda y los CC existentes table dexist(I,E) $include tiempos_CG_CC_EXIST.INC; *Se importan los tiempos de desplazamiento al establecimiento de proximidad dsup(I,K) table dsup(I,K) $include dsup.INC; *Se importan los tamaños del establecimiento de proximidad table tsup(I,K) $include tsup.INC; table stk(E,K) Superficie para los distintos grupos en los CC existentes
Anexo C: Código gams para el problema de productividad 294 1 2 3 4 1 3580 14855 5804 10819 2 6671 31476 13841 14856 3 13881 11358 9254 4206 4 13387 26630 14131 7437 5 11300 1357 2192 7700 ; table Sjk(J,K) Superficie máxima dedicada al sector k en j 1 2 3 4 1 14000 20000 8000 5000 2 14000 20000 8000 5000 3 14000 20000 8000 5000; table Ijk(J,K) superficie mínima dedicada al sector k en j 1 2 3 4 1 2500 10000 2000 1000 2 2500 10000 2000 1000 3 1500 8000 1000 800; table ld(contld1,K) posibles parámetros para lost demand $include lostdemandparameters3.inc ; Parameter Pi(I) población en el nodo i; Pi(I)=sum(paso,Pasoi(I,paso)); Parameter atracexist(I,K) Atractivo de los centros existentes para los nodos de demanda por categoría; atracexist(I,K)=vcPower(tsup(i,k),alfa(i,k))*vcPower(dsup(i,k),beta(i,k))
Código gams para el problema de productividad 295 +sum(E,vcPower(stk(E,k),alfa(i,k))*vcPower(dexist(i,E),beta(i,k))); Parameter IV(E,K) ïndicador de viabilidad por categoría (capacidad máxima por superficie) Variables Ma "Beneficio máximo para loc1" Mb "Beneficio máximo para loc2" Mc "Beneficio máximo para loc3"; Positive variables xjk(J,K) "SBA dedicada a K en J" Sebr(J) "Superficie edificable bajo rasante" Sesr(J) "Superficie edificable sobre rasante" PA(J) "Parking aéreo (m2)" PE(J) "Parking edificable (m2)" A(J) "Superficie de la parcela"; Integer variables Npsr(J) "Número de plantas sobre rasante" Npbr(J) "Número de plantas bajo rasante"; EQUATIONS OBJECTIVE_EQ EQ1(K) Ecuación (36) EQ2(K) Ecuación (37) EQ3 Ecuación (39) EQ4 Ecuación (40) EQ5 Ecuación (41) EQ6 Ecuación (42)
Anexo D: Establecimientos considerados en la compra local 302 Dentro de la categoría de alimentación: o Autoservicio de más de 400m2. o Autoservicio de menos de 120 m2. o Autoservicio entre 120m2 y 399m2. o Carnicería de fresco y congelado. o Carnicería en fresco. o Carnicería-charcutería. o Carnicería-salchichería (embutido tradicional). o Comercio de alimentación con vendedor. o Comercio mixto sin asistencia de personal de venta (ej. Carrefour y Alcampo). o Frutas y verduras. o Pescadería. Dentro de la categoría de equipamiento de la persona se consideraron: o Artículos de deporte, prendas deporte, armas, cartuchería, pirotecnia. o Calzado, cinturones, carteras, bolsos, maletas. o Lencería y corsetería. o Ropa y complementos. o Telas para ropa. Dentro de la categoría de equipamiento del hogar se consideraron: o Abonos, flores, plantas, animales. o Aparatos electrónicos, electrodomésticos y otros accionados por otro tipo de energía. o Artículos de bricolaje. o Droguería, pinturas, papeles para decorar, etc excepto limpieza. o Ferretería. o Menaje hogar. o Muebles cocina. o Muebles hogar. o Otros artículos para el hogar. o Puertas, ventanas, persianas, marcos, molduras, parquet... o Textiles hogar. Dentro de la categoría de ocio se consideraron:
Establecimientos considerados en la compra local 303 o Churros, golosinas, frutos secos. o Equipo y material informático. o Instrumentos musicales y accesorios. o Joyería, relojería, bisutería, platería. o Libros, periódicos, papelería. o Otros. o Perfumería y cosmética (aseo personal). o Venta de helados. o Venta de teléfonos móviles.