productividad, jerarquía y shock en la demanda: una
TRANSCRIPT
1
Productividad, jerarquía y shock en la demanda: una aproximación con un simple
modelo de firmas heterogéneas
Carlos Enrique Cardoso Vargas
I. Introducción
La apertura comercial iniciada con la incorporación de México al Acuerdo General sobre
Aranceles Aduaneros y Comercio (GATT) y con posterior la firma de del Tratado de Libre
Comercio de América del Norte (TLCAN), significó un cambio en la política comercial al
ubicar al intercambio de mercancías como un aspecto estratégico en el crecimiento y
desarrollo de la economía mexicana.
Las exportaciones se diversificaron, dejando de ser un país enfocado principalmente a la
venta de petróleo a uno con múltiples productos manufactureros. Las ventas al exterior
experimentaron una fuerte expansión, registrando una tasa media de crecimiento
acumulado (TMCA) de cerca del 17% durante la década de 1990 al 2000 y su participación
en el PIB fue cercana al 30% a principios del año 2000. Aunque durante la última década la
TMCA de las exportaciones manufactureras se ubicó en aproximadamente un 5%, su
participación dentro de las exportaciones totales fue de más del 80%, en promedio1.
Dado el alto dinamismo exportador, los diseñadores de política a nivel federal han
emprendido diversas acciones para continuar promoviendo dicho sector. Por un lado, se
han implementado instrumentos que brindan concesiones fiscales o arancelarias, así
como facilidades de carácter administrativo para las empresas con una actividad orientada
al exterior o que busquen incorporarse al mercado exportador2. Por otro, a nivel federal y
estatal se han propuesto medidas que favorecen la conformación de clusters
industriales, las inversiones privadas y desarrollo de vocaciones productivas, entre otras, a
1
Informes anuales del Banco de México.
2 Por lo menos en los últimos 10 años, la Secretaría de Economía ha publicado más de una veintena de
modificaciones, adecuaciones y adiciones a las Leyes y reglamentos relacionados con el fomento de las
exportaciones. http://www.siicex.gob.mx/
2
fin de impulsar la creación de nuevos exportadores y consolidar a las empresas
existentes3. A pesar de estos esfuerzos, las políticas y medidas implementadas pocas veces
consideran aspectos internos a las firmas que influyen en su incorporación al mercado
exportador.
En las últimas dos décadas se va visto un impulso importante en la investigación aplicada
que busca entender el comportamiento de las firmas exportadoras dentro del comercio
internacional. El trabajo de empírico de Bernard y Jensen (2004)4 muestra que los costos
de entrada al mercado de exportación no son negligibles y que las características
individuales como el tamaño de la empresa y la experiencia exportadora incrementan
fuertemente la probabilidad de exportar, en cambio, los gastos estatales en la promoción
de las exportaciones no tiene un efecto significativo sobre dicha probabilidad. Este
hallazgo coincide con los alcanzados por Roberts y Tybout (1997), los cuales describen que
el tamaño de planta, la experiencia y el tipo de propiedad de las firmas se encuentran
positivamente relacionados con la propensión a exportar, además, encuentran que los
costos hundidos para entrar a mercados externos son significantes.
Recientes desarrollos teóricos como los de Melitz (2003) y Chaney (2008) basados en
modelos que incorporan heterogeniedad en la productividad de las firmas, encuentran
que las firmas más productivas y de gran tamaño pueden superar con mayor facilidad los
costos fijos asociados al ingreso a la actividad exportadora. Una limitación importante de
los trabajos aplicados que han seguido esta última línea, es que pocos examinan el
comportamiento de las firmas utilizando datos desagregados de los flujos de comercio y el
3
La mayor parte de los Planes Estatales de Desarrollo publicados entre los años de 2000 a 2011, incluyen
líneas de acción para incentivar las exportaciones. También los Planes Nacionales de Desarrollo de los años
2001- 2006 y 2007-2012 establecen objetivos para fomentar la actividad exportadora.
4 En un trabajo previo Bernand y Jesen (1999) documentan que para el caso de las empresas
manufactureras de Estados Unidos de América existe una amplia diferencia entre las características de las
firmas exportadoras y no exportadoras. Las exportadoras son más grandes, pagan altos salarios, son más
productivas y con una mayor intensidad en el uso de tecnología, que las firmas que no comercian con el
exterior.
3
destino de las exportaciones de las firmas, así como su productividad en un esquema de
panel. Mediante el uso de esta información evaluamos las predicciones de un modelo
simple basado en Melitz (2003) con empresas heterogéneas que difieren en su dotación
de productividad y tener que afrontar los costos del comercio, tanto fijos como variables
para exportar. En particular, derivamos tres predicciones del modelo, las cuales
evaluamos empíricamente. Los resultados muestran que la diferencia de productividades
es un factor importante para explicar la probabilidad de que las firmas puedan acceder a
mercados lejanos. También encontramos que relación entre productividad y costos fijos y
variables asociados a la exportación establece un cierto orden sobre los posibles destinos
a los cuales las firmas podrán acceder.
Otro hallazgo que derivamos de las predicciones es que las firmas de menor tamaño son
muy sensibles a cambios en la demanda de productos importados que ejercen los
mercados, en contraparte, las firmas de mayor tamaño son menos sensibles a estos
cambios. Asimismo, tomando en consideración el experimento natural derivado de la
crisis internacional del año 2008 que se manifestó en una reducción en la demanda global
de productos importados, examinamos nuevas predicciones emanadas del modelo
teórico. Los hallazgos muestran que ante el shock de demanda que se presentó las firmas
con menor productividad dejaron de exportar. En el resto de firmas encontramos un
efecto diferenciado, un pequeño grupo de ellas mostró una disminución en la
productividad después del shock y el resto de firmas incrementó su productividad o esta
permaneció sin cambios posterior al cambio en la demanda. La conclusión preliminar es
que las firmas que disminuyeron su productividad fueron debido a que no pudieron
reaccionar rápidamente en la cantidad de empleo ante una disminución de sus ventas.
El documento se encuentra estructurado de la siguiente manera: en la sección II se
describe el modelo y se derivan tres predicciones a ser evaluadas. En la sección III se
explica la forma en que se realiza la aproximación empírica de las variables del modelo y
las técnicas estadísticas a utilizar. En las secciones IV y V, se explica el origen de los datos
y la construcción de las variables, y los resultados de la evaluación empírica de las
4
predicciones del modelo. En la sección VI se examinan los cambios en la productividad de
las firmas antes un shock externo. Finalmente, se exponen las conclusiones.
II. Marco Teórico
En este apartado introducimos un marco teórico que sirve de base a nuestro análisis
empírico, el cual se encuentra relacionado con el modelo realizado por Melitz (2003). En
nuestro caso asumimos que el mundo se compone de n países y en cada uno de ellos se
produce un continuo de productos de masa uno diferenciados que comercializan entre
ellos. Los consumidores en cada país tienen preferencias por el consumo de bienes
producidos localmente y por bienes importados .
La demanda
La función de utilidad del individuo representativo en cada país es similar y se define como
una función Cobb-Douglas de la siguiente forma:
[1]
Los términos (1- ) y representan la proporción del gasto en bienes producidos localmente
y de bienes importados, respectivamente, que realizan los consumidores localizados en j. Por
su parte, es una función de subutilidad de elasticidad de sustitución constante (CES) de
variedades
[∫ [ ]
]
⁄
[2]
5
En esta expresión representa la cantidad de la variedad elaborada en el resto del
mundo y consumida en j. Asumimos que la elasticidad sustitución entre variedades es
y que es igual entre países5. Cuando las firmas venden sus productos al resto
de países incurren en costos de transporte. Estos costos los asumimos como tipo iceberg,
donde si una unidad del bien es enviado a otro país solo una fracción
llega a su destino
final, por lo que, donde es el precio en el país i y son los
costos de transporte. Asimismo, considerando que la renta disponible de los
consumidores país j para los dos tipos de productos y resolviendo la maximización de la
utilidad del consumidor representativo [1] obtenemos la demanda de una variedad
producida en el país j.
[3]
En la cual representa el índice de precios agregado de los productos en el país j y esta
dado por:
[∫
]
[4]
La oferta
Las empresas compiten en un marco de competencia monopolística. La producción
requiere como único factor al trabajo. En cada país existe un continuo de
consumidores/trabajadores de masa uno que ofrece su unidad de tiempo de trabajo de
manera inelástica. Todos los países tienen la misma masa de factor trabajo.
5
Si los bienes diferenciados son cercados a sustitutos perfectos, por su parte si el deseo
por la variedad se incrementa.
6
Para producir las firmas deben incurrir en unos costos fijos de entrada ( ) y unos
costos variables
expresados en unidades de trabajo, donde es el nivel de salario
que asumimos común a todas las firmas en el país i y representa la productividad
del trabajo específica a cada firma. Asumidos los costos fijos, las firmas obtienen su
productividad de una función estrictamente creciente cuyo suporte se encuentran en los
.
Al igual que en Helpman, Merlitz & Rubistein (2008), cuando las firmas exportan se
enfrentan a dos tipos de costos adicionales al que incurre por producir. El primero es un
costo fijo ( ) relacionado con vender a un destino en específico y el segundo se
encuentra asociado con los costos de transporte Para los costos que se incurren al
exportar asumimos que y . Por otro lado, para los costos de
transporte se considera que y . La función de beneficios de
una firma en i que produce y exporta hacia j un producto es:
[
]
[5]
Maximizando los beneficios de la firma en i con respecto a las cantidades que produce y
exporta a j obtenemos la siguiente regla óptima de precios
[6]
Remplazando [3] y [6] en [5], podemos encontrar los beneficios netos obtenidos por la
firma en i que exporta a j la variedad .
(
)
[7]
7
Como en Melitz (2003) se supone libre entrada de empresas en el mercado, con lo cual la
condición de beneficios cero para la firma en i que desea exportar a un destino j, evaluada
en el nivel de productividad es igual a:
(
)
[8]
De lo anterior podemos observar que se necesita un nivel de productividad mínimo (cut-
off) para el cual (
) Por lo que firmas con una productividad por arriba de
podrán servir al mercado j ya que conseguirán en tanto que una firma con
una productividad por debajo de no podrá hacerlo porque obtendrán .
De [8] se puede notar que solo las firmas que obtengan beneficios positivos podrán
vender al exterior, de tal forma que podemos expresar a la probabilidad de exportar por
parte de una firma ubicada en i hacia un destino j como:
[ ] [(
)
]
[9]
Aplicando logaritmos del lado derecho de la expresión [9] obtenemos:
[ ] [ (
) (
) ]
[10]
Dado que >1, entonces el primer termino del lado derecho de [10] predice que la
posibilidad de servir a un mercado específico j por parte de una firma en i depende
positivamente de su nivel de productividad, de tal manera que firmas más productivas
tendrán la capacidad de servir a mercados más lejanos. Asimismo, la probabilidad de
exportar también se ve incrementada por las preferencias de los consumidores en el país
8
de destino con respecto a los bienes importados, y decrece por los costos de transporte y
los costos fijos que son específicos a cada mercado de destino.
Asimismo, en virtud de que una firma usa
trabajadores en la
producción y usando [3] y [6], encontramos que la relación entre tamaño de firma y
productividad es:
(
)
(
)
[11]
De [11] observamos que
, con lo cual las firmas más productivas y que pueden
llegar a mercados más lejanos, también serán más grandes en términos de trabajo6. Este
vínculo manifiesta que las grandes firmas tienden más posibilidad de complementarse y
ser verticalmente integradas para generar economías de escala, en comparación con las
firmas más pequeñas.
Una segunda predicción implícita en [11] es que la existencia de diferentes niveles de
productividad mínima (cut-off) y costos de transporte específicos de destino, determinan
los mercados en los cuales las firmas pueden servir teniendo beneficios positivos. Esta
relación establece un orden específico sobre los posibles destinos a los cuales las firmas
podrán acceder.
Asimismo, si expresamos la condición de beneficios cero de la ecuación [8] como:
(
)
(
) ( )
[12]
6
También usando solo [3] y [6] también se puede mostrar que las firmas también son grandes en términos
de producción.
9
Y aplicamos logaritmos a esta expresión, tenemos:
(
) (
) (
) (
) ( )
[13]
De la cual obtenemos una tercera predicción, la cual establece que el nivel de cut-off de
productividad de las firmas para exportar a un destino j, se encuentra afectado
positivamente por los costos de transporte y los costos fijos de asociados a la actividad
exportadora, y es decreciente en el gasto de productos importados en términos reales que
realiza el país de destino. Es decir, para poder exportar a un mercado j las firmas deben
de contar con una productividad mínima que superen los costos fijos y variables asociados
a las ventas al exterior. La modificación de dichos costos establece un nuevo nivel mínimo
de productividad para que las firmas puedan exportar obteniendo beneficios positivos.
Por su parte una mayor demanda de productos importados permite el acceso de firmas
exportadoras con un productividad baja.
III. Aproximación empírica
Para la estimación de las predicciones de establecidas en las ecuaciones [10] y [13]
tomamos cuenta diversos aspectos. El modelo del cual derivamos esta ecuación considera
que las empresas sólo producen una sola variedad diferenciada. Para aproximar esta
especificación en la evaluación empírica tomamos como representativa de esa variedad al
principal producto de exportación (a 6 dígitos del Sistema Armonizado7) y a los distintos
7
El Sistema Armonizado (en inglés HS Harmonized System) es una nomenclatura de productos
implementado por la Organización Mundial de Aduanas (OMA), cuya finalidad es el establecimiento de un
sistema de clasificación de los bienes que se comercian a nivel mundial. De acuerdo a este sistema, las
categorías más amplias de productos están catalogados a 2 dígitos (por ejemplo, el código 62 corresponde
prendas y complementos (accesorios), de vestir). Añadiendo más dígitos obtenemos un mayor desglose. Por
ejemplo, el código de 4 dígitos 6205, corresponde a camisas para hombre y niños. A 6 dígitos, el código
0605.20 corresponde a prendas de algodón; en tanto que a 8 dígitos, el código 6205.20.01 representa una
variante de las camisas de algodón, como las hechas a mano.
10
mercados de destino de esa mercancía para cada una de las firmas. Esta estrategia,
además de estar cercana a nuestro modelo, evita la inclusión de una mayor
heterogeneidad generada por productos que exportan las firmas de manera esporádica.
Como proxi del término utilizamos a la productividad laboral calculada como las
ventas totales sobre el número de empleados al nivel de firma, al segundo componente
de la derecha de la ecuación (
), lo aproximamos con el Producto Interno Bruto del
país de destino en términos reales. Para tomar en cuenta al tercer componente (
)
incorporamos en las estimaciones efectos fijos de sector, como proxi de los costos de
transporte consideramos a la distancia física entre México y el país donde el bien es
vendido, y finalmente, para aproximar los costos fijos ( ) incorporamos efectos fijos de
áreas geográficas8. Para controlar dentro de nuestra evaluación la relación existente
entre tamaño de empresa y productividad que se describe de manera explícita en [11]
incorporamos en las estimaciones el número de empleados a nivel de firma como proxi
del tamaño de firma.
El método de estimación que utilizamos para evaluar [10] es mediante una regresión
logística ya que la actividad exportadora de las firmas involucra un proceso de
aprendizaje, a saber, los beneficios de firma exportadora pueden aumentar rápidamente
(por el hecho de comenzar a exportar), posteriormente disminuyen su tasa de crecimiento
para finalmente permanecer constantes conforme las firmas alcanzan su madurez como
exportadores. Tal comportamiento se puede modelar mediante una distribución logística
con respecto al tiempo. Mansfied (1961) señala que el uso de esta distribución representa
la manera más conveniente para representar este tipo de procesos9. En tanto, que para la
evaluación de [13] utilizamos el método de Mínimos Cuadrados Ordinarios (MCO).
8
Las áreas geográficas consideradas son referidas a los continentes de América, Europa y Asia.. 9
Mansfield (1961) y De Palma et al. (1991) utilizan una distribución logística para evaluar la adopción de
nuevas tecnologías a lo largo del tiempo. Asimismo, Anderson y De Palma (1992) muestran los vínculos
entre la función logit y una función CES como la usada en el modelo teórico.
11
Un aspecto más que surge en la evaluación de nuestras especificaciones se encuentra
relacionado con un problema de endogeneidad. La ecuación [10] revela que la
probabilidad de exportar se encuentra condicionada al nivel de productividad de las
firmas. No obstante, Bernard y Jesen (1999) discuten que las firmas que exportan
también pueden llegar a ser más productivas. Este problema ocasiona que los parámetros
estimados lleguen a ser sesgados. Para solventar este asunto de doble causalidad entre la
capacidad de exportar y productividad, seguimos a Bernand y Jesen (2004) y rezagamos
las variables explicativas que son variantes en el tiempo un período. Para tener en cuenta
este aspecto en [13] también las covariables las rezagamos un período.
Adicionalmente, en la evaluación empírica de las ecuaciones tenemos que la variable
dependiente que comprende observaciones individuales es regresionada con respecto a
variables agregadas a nivel de país. Moulton (1986, 1990) muestra que cuando micro
datos son regresionados con respecto a variables agregadas, los errores estándar
obtenidos se encuentran subestimados debido a que no se toma en cuenta la correlación
que existe entre las observaciones individuales (en nuestro caso firmas) dentro de la
agrupación o cluster a la cual hace referencia la variable agregada. Para dar cuenta de
este asunto en todas las regresiones corregimos los errores estándar clusterizando a nivel
de firma.
IV. Datos y variables
La información usada en este documento proviene de los datos de comercio exterior de la
Secretaría de Economía, cuya fuente de origen son las aduanas mexicanas. El extracto de
información comprende las variables de: nombre de la firma, producto principal de
exportación (código arancelario a 6 dígitos del sistema armonizado), clave del país de
12
destino y año10. La temporalidad de esta base de exportadores (BE) comprende del año
de 2003 al 2010.
Esta base es fusionada con los datos de la Encuesta Industrial Mensual (EIA) que recolecta
el Instituto Nacional de Estadística y Geografía (INEGI) de México. La EIA comprende
información referente a personal ocupado, producción, ventas y remuneraciones de
establecimientos manufactureros (excluyendo maquila) con más de 15 empleados dentro
de 21 subsectores manufactureros. El período utilizado de la EIA abarca del año 2003 al
2009 y el tamaño de muestra abarca a más de cinco mil establecimientos. De esta fuente
se obtiene la información de productividad laboral (ventas11/número de empleados) y
tamaño de empresa (número de empleados)12.
De la fusión entre la BE y de la EIA se localizaron a firmas que coinciden en ambas fuentes
de información. De la base BE-EIA se eliminaron aquellas firmas que contaban con más de
un establecimiento, ya que no es posible identificar qué flujos de comercio corresponden
a cada una de sus ubicaciones. Además, para evitar el exceso de flujos nulos restringió la
base para considerar sólo aquellos países cuyos movimientos de exportación en su
conjunto representan un 98% del total de flujos, con lo cual finalmente nuestra base de
datos abarca a 3,448 firmas, 77 destinos de exportación y 7 años.
Para el cálculo de las distancias entre México con los países de destino, aplicamos la
fórmula de gran círculo13. Los datos de ubicación (longitud y latitud) de las capitales de los
10
En México la información sobre los montos de importaciones y exportaciones a nivel de firma no es
pública. 11
Las cifras de ventas se expresaron en términos reales, utilizando el índice de precios al productor y su
fuente es el Banco de México y el INEGI. 12
Para mantener la confidencialidad, los cruces de información, cálculos y las estimaciones que presentan en
la sección IV fueron realizados mediante dos etapas. La primera consintió en la elaboración de programas
de cómputo para tal fin que posteriormente eran ejecutados por el personal del INEGI. La segunda fue
mediante el procesamiento de la información en las instalaciones del INEGI y bajo la supervisión de su
personal. 13
La distancia de gran círculo mide el trayecto más corto entre dos puntos sobre una superficie esférica,
tomando en consideración su ubicación (longitud y latitud) de los puntos. A diferencia de la distancia
13
países14 provienen de la base de datos del CEPII (Centre d´Etudes Prospectives et
d´Informations Internationales)15. Las cifras del PIB en términos reales de los países de
destino fueron extraídas de la base del Banco Mundial.
La tabla 1 en el Apéndice describe las estadísticas agregadas de la base final utilizada para
realizar la evaluación empírica de [10], la cual representa un panel desbalanceado, en
virtud de que se perdieron observaciones por los cruces imperfectos entre la base BE-EIA
y el resto de variables dependientes.
Con base a la información de la tabla A.1 del anexo, la gráfica 1 muestra los países a los
que exportan las empresas manufactureras mexicanas de acuerdo a la media del
logaritmo de productividad con respecto a la media del logaritmo de la distancia durante
el período en consideración. De la gráfica 1 se puede observar que las firmas
manufactureras con una productividad baja exportan a mercados más cercanos en
distancia como a los países de Norteamérica y los más próximos de Latinoamérica,
asimismo, las firmas con una productividad mayor exportan a mercados más remotos
como los ubicados en Europa y Asia. Con lo cual el nivel de productividad de la firma
refleja la capacidad de poder acceder a los mercados de destino.
Para la construcción de la variable dependiente de [10] consideramos el estatus
exportador de cada una de las firmas a los diferentes destinos y años de nuestra base de
datos. Por lo que el estatus exportador es construido como una variable binaria donde el 1
representa que la firma i exportó a un país j en el año t y 0 la ausencia de dichas
operaciones de comercio. En tanto, que en la estimación de [13] solo se consideran los
flujos positivos que realizaron las empresas a los diferentes mercados durante el período
euclidiana, que mide la distancia entre dos puntos de forma recta, esta medida remplaza las líneas rectas
por arcos; haciendo posible obtener distancias más aproximadas entre dos ubicaciones considerando la
geografía de la tierra. 14
Para el cálculo de la distancia entre México y los Estados Unidos de América se consideró la distancia
entre el municipio donde se ubica la firma y el centroide que hace referencia al punto medio de la unión
americana, en virtud de que la distancia entre capitales no refleja adecuadamente los costos de transporte
entre ambos países. 15
http://www.cepii.fr/anglaisgraph/bdd/distances.htm
14
de referencia. Además, en concordancia con lo descrito en la sección III.2 las variables
dependientes que varían con el tiempo se rezagaron un período.
Gráfica 1
Relación entre productividad y distancia de firmas exportadoras
V. Resultados de la evaluación empírica
La tabla 1 reporta los resultados de la evaluación de empírica de la ecuación [10], la
primera columna muestra la estimación obtenida considerando a la totalidad de países de
ArubaAlemania
Arabia Saudita
Argentina
Australia
AustriaBahamas
Barbados
Bélgica
Belice Bolivia
BrasilRepublica Checa
Canadá
ColombiaCorea del Sur
Costa RicaCuba
Chile
Dinamarca
Ecuador
Egipto
El Salvador
Emiratos Árabes UnidosEspaña
Estados Unidos de América
Filipinas
Finlandia
Francia
Grecia
Guatemala
GuyanaHaití
Holanda
Honduras
Hong Kong
Hungría IndiaIndonesia
IrlandaIsrael
Italia
Jamaica
Japón
Jordania
Kuwait
Líbano
Malasia
Nicaragua
Nigeria
Noruega
Nueva Zelandia
Pakistán
Panamá
Paraguay
PerúPolonia
Portugal
Puerto Rico
Reino Unido
Rusia
Republica Dominicana
Rumania
SingapurSri Lanka
SudáfricaSuecia
Suiza
Surinam
Ucrania
Tailandia
Trinidad yTobago
Turquía
Uruguay
Venezuela
VietnamChina
6.4
6.6
6.8
77.2
7.4
Med
ia (
ln p
rodu
ctivid
ad)
7 8 9 10Media (ln distancia)
15
destino de nuestra muestra. El signo de los coeficientes es acorde con la primera
predicción de la ecuación [10] y son significativos al 1 por ciento. Los hallazgos reflejan
que las diferencias en productividad y tamaño de las firmas explican el tipo de mercados
(lejanos o cercanos) a los cuales las empresas podrán acceder. Firmas con un mayor
tamaño pueden generar mayores economías de escala y ser más productivas con lo cual
pueden obtener mayores ingresos y logran hacer frente a altos costos transporte hacia
lugares lejanos, consiguiendo beneficios positivos. En tanto, que firmas exportadoras con
un menor tamaño es probable que vendan a mercados más cercanos cuyos beneficios
derivados de exportar alcancen a ser no negativos. En particular, encontramos que un
incremento de 10% en el tamaño de las firmas aumenta la probabilidad de exportar con
respecto a no exportar en 4.31% [exp(0.442*10%)-1], igualmente un cambio en la misma
magnitud sobre la productividad laboral contribuye a un aumento de 3.73% en dicha
probabilidad.
Para examinar la segunda predicción de [10], con nuestra muestra construimos distintos
grupos países con diferentes niveles de lejanía con respecto al mercado mexicano, como
la región del NAFTA, Latinoamérica, la Unión Europea y Asia. Con estos grupos estimamos
por separado la misma regresión de la primera columna. Los coeficientes de la
productividad de las columnas 2 a 5, son acordes con la predicción. El acceso a cada
mercado tiene asociado un costo específico con la lejanía, por lo cual las firmas para
obtener beneficios de comerciar con los países del grupo de Asia deben generar mayores
economías de escala y ser más productivas. En el caso contrario tenemos al área del
NAFTA, cuya cercanía con México los costos de transporte no son tan grandes y pueden
acceder a este mercado firmas exportadoras con una productividad baja. En concreto,
encontramos que la elasticidad de la productividad es casi el doble en el caso de las firmas
que exportan a Asia con respecto a las que venden al área NAFTA.
Asimismo, los resultados muestran que la elección que siguen las firmas que exportan
desde México refleja una jerarquía que comienza por el mercado del NAFTA,
Latinoamérica, la Unión Europea y Asia.
16
Tabla 1. Estimación logit sobre la decisión de exportar
(1) (2) (3) (4) (5)
Todos Nafta Latinoamérica
Unión Europea
Asia
Ln Tamañoi 0.442** 0.362** 0.459** 0.467** 0.466**
(14.81) (11.97) (11.05) (8.70) (8.15)
Ln Productividad 0.366** 0.204** 0.361** 0.467** 0.520**
laborali (9.49) (6.99) (6.53) (7.32) (9.29)
Ln GDPj 0.312** 0.281** 0.448** 0.778** 0.300**
(26.35) (5.02) (35.64) (28.43) (6.09)
Ln distanciaij -1.275** -1.248** -1.153** -1.304** -1.167**
(-56.07) (-10.10) (-26.34) (-2.89) (-2.64)
Constante -5.623** -3.354 -9.953** -18.77** -7.324
(-10.15) (-1.35) (-15.37) (-4.14) (-1.37)
Efectos fijos de año y subsector
Pseudo R2 0.207 0.185 0.140 0.146 0.125
Observaciones 999,108 45,414 408,726 408,726 158,949
Destinos 79 2 18 18 7 Estadísticos en paréntesis. Los estadísticos son construidos usando errores estándar clusterizados al nivel de
municipio. Las variables independientes variantes en el tiempo se rezagaron un período. Las marcas **, * y + indican
un nivel de significancia del 1%, 5% y 10%, respectivamente.
Un inconveniente de estas últimas regresiones es que los resultados respecto la jerarquía
pueden estar influidos por la presencia de firmas maduras y que tradicionalmente
exportan. Para aislar este efecto y corroborar los resultados estimamos un modelo
17
multilogit para evaluar la elección que hacen las firmas con respecto a los mercados al
momento de comenzar a exportar. Para lo cual, de nuestra muestra seleccionamos a las
firmas que iniciaron sus actividades de exportación durante el período de estudio. Como
mercados de elección seleccionamos a las principales economías de cada uno de los
grupos de países, Estados Unidos de América (EUA) en el caso del NAFTA, Brasil para
Latinoamérica, Alemania para la Unión Europea y Japón para Asía. En concordancia a las
regresiones anteriores, la elección la dejamos en función del tamaño de firma, la
productividad, el GDP y los costos de transporte.
En la tabla 2 se muestran los resultados de la estimación multilogit donde la elección de
comparación son los EUA por ser el mercado externo más cercano a México. Los hallazgos
reflejan que firmas más pequeñas y menos productivas tienen mayor probabilidad de
elegir como primer lugar de sus exportaciones a los EUA. Asimismo, conforme las firmas
tienen una productividad mayor tendrán una más grande posibilidad de elegir como
mercado de destino de sus ventas a Brasil que a los EUA, de igual manera de continuar
esta tendencia creciente en la productividad las firmas preferirán exportar a Alemania que
a los EUA, obteniendo beneficios positivos. Este patrón jerárquico es similar al
encontrado en las estimaciones previas.
Tabla 2. Estimación multilogit sobre la elección del mercado de destino
(elección de referencia EUA)
Elecciones
Brasil Alemania Japón
Ln Tamañoi 0.252+ 0.214* 0.242+
(1.96) (2.48) (1.95)
Ln Productividad 0.570** 0.697** 0.0781
laborali (3.02) (5.29) (0.53)
Ln GDPj 0.00242 0.00369 0.00109
(0.02) (0.04) (0.01)
Ln distanciaij 0.0255 0.0390 0.0114
(0.10) (0.19) (0.05)
Constante -9.509** -9.276** -4.172
18
(-2.83) (-3.88) (-1.52)
Efectos fijos de año y subsector
Pseudo R2 0.203 Observaciones 2700
Estadísticos en paréntesis. Las variables dependientes variantes en el tiempo
se rezagaron un período. Las marcas **, * y + indican un nivel de significancia
del 1%, 5% y 10%, respectivamente.
Por otro lado, los resultados muestran que al tamaño de mercado no es significativo en la
elección que realizan las firmas, esto puede deberse a que el potencial de mercado que
tienen estos destinos es bastante similar lo cual hace que no sea un elemento
discriminatorio en su elección.
La tabla 3 muestra los resultados de la evaluación empírica de la tercera predicción del
modelo teórico emanada de la ecuación [13]. El signo de los coeficientes es acorde a la
predicción de la expresión [13] emanada del modelo teórico y son significativos por lo
menos al 5 por ciento. Los resultados de la columna 1 de la tabla 3 muestran que las
firmas de mayor tamaño y que exportan a grandes mercados tendrán niveles más altos de
productividad. El ser más productivas podrán enfrentar más competencia ajustando sus
márgenes de beneficio, a través del establecimiento de un precio más bajo.
En contraparte, las firmas de menor tamaño también podrán exportar a mercados más
grandes, pero que se encuentren muy cerca de ellas, en concordancia con las predicciones
anteriores. Sin embargo, este tipo de firmas son muy sensibles a la competencia de otras
firmas ya que no pueden ajustar rápidamente su nivel de productividad incrementando su
tamaño, ni tendrán capacidad para ajustar su margen de beneficio.
En la columna 2 consideramos aquellos costos que se presentan en cada sector y que
varían en el tiempo. Los coeficientes de esta estimación muestran ligeros cambios con
respecto a la columna 1. En la columna 3 controlamos por aquellos costos que se
modifican con el tiempo y que se encuentran asociados a la exportación a diversas áreas
19
geográficas. En la última columna, controlamos de manera conjunta los efectos fijos de
año*subsector y año*área geográfica, los resultados nuevamente muestran ser muy
parecidos a los obtenidos en la estimación de la columna 1.
Tabla 3. Estimación MCO sobre los niveles de productividad
(1) (2) (3) (4)
Ln Tamañoi 0.0719** 0.0729** 0.0719** 0.0728**
(3.23) (3.27) (3.22) (3.27)
Ln GDPj -0.0120* -0.0121* -0.0120* -0.0121*
(-2.13) (-2.13) (-2.12) (-2.13)
Ln distanciaij 0.0917** 0.0914** 0.0916** 0.0914**
(5.69) (5.70) (5.69) (5.70)
Constante 6.098** 6.132** 6.096** 6.133**
(21.82) (22.21) (21.68) (22.09)
Efectos fijos
Subsector Si Si Si Si
Año Si Si Si Si
Área geográfica Si Si Si Si
Año x subsector No Si No Si
Año x área geo. No No Si Si
R2 0.284 0.288 0.284 0.288 F 41.14 121.6 38.34 137.5 Observaciones 43,120 43,120 43,120 43,120 Estadísticos en paréntesis. Los estadísticos son construidos usando errores estándar
clusterizados al nivel de municipio. Las variables independientes variantes en el tiempo se
rezagaron un período. Las marcas **, * y + indican un nivel de significancia del 1%, 5% y
10%, respectivamente
VI. La productividad ante un shock externo
20
En esta sección tomamos ventaja del experimento natural derivado de la crisis económica
de 2008 para evaluar otra predicción emanada de la ecuación [13]. Esta crisis se desató
debido al colapso de la burbuja inmobiliaria en el año 2006 en los Estados Unidos, lo que
provocó a finales del 2007 la llamada crisis de las hipotecas subprime. Las repercusiones
de la crisis hipotecaria comenzaron a manifestarse de manera grave a inicios del 2008,
contagiándose primero al sistema financiero estadounidense y después a nivel
internacional.
El Producto Interno Bruto a nivel mundial sufrió una gran contracción. Así, en el año 2008
la economía estadounidense –que representó 25.4% del Producto Bruto Mundial –,
acumulaba una disminución de su producción de 5.1% ; la economía japonesa, que aportó
8% del producto del mundo, estaba cayendo a una tasa anual de 12.1; las economías
europeas, por su parte, habían tenido comportamientos recesivos desde el tercer
trimestre de 2008 se agravaron en el cuarto y los resultados fueron aún más negativos en
2009.
En términos de la ecuación [13], tenemos que una disminución en las preferencias de los
consumidores en el mercado de destino j ocasionará (ceteris paribus) que la firma ajuste
su nivel de productividad al alza para poder continuar obteniendo beneficios positivos
derivado de sus ventas externas a ese mercado. Es decir, con este shock negativo en la
demanda existirá un nuevo cut-off ( mínimo tal que
, con lo cual empresas
con una productividad menor a no podrán seguir exportando al destino j, en tanto
que firmas con un nivel de productividad mayor o igual a continuaran vendiendo a
dicho mercado. Igualmente, las nuevas firmas que deseen comenzar a exportar al
mercado j asumirá el nuevo nivel de cut-off generado después del shock. Asimismo, un
shock en la demanda puede inducir una mayor competencia por la existencia de una gran
variedad de bienes elaborados por otras firmas exportadoras de otros países con
productividades diferentes. En este sentido, las firmas con un nivel superior al nuevo cut-
21
off podrán incrementar su productividad para enfrentar una mayor competencia por la
demanda existente.
Para abonar sobre estos aspectos nuevamente utilizamos la base de datos descrita en la
sección IV, ya que nos permite identificar a las firmas que exportaron, así como los niveles
de productividad de cada una de ellas. Para conocer los cambios en la productividad de
las firmas estimamos funciones de densidad mediante el método kernel. Esta técnica no
paramétrica nos permite hacer inferencia sobre la distribución de productividad de las
empresas exportadoras consideradas. En la estimación de las funciones de densidad
tomamos en consideración al 2007 por ser un año previo al inicio de la crisis y al 2009
como el año en que la crisis alcanzo su máximo nivel. En la gráfica 1 del apéndice se
presentan las funciones de densidad de probabilidad de todas las firmas para los años
considerados. Como se puede observar que la parte baja de la distribución de 2009 se
encuentra recorrida a la derecha con respecto al año de 2007. Este sugiere que las firmas
que exportaron en 2009, registraron un nivel mínimo de productividad (cut-off) superior al
de las firmas que vendieron al exterior en el 2007, lo cual es acorde a la predicción de la
ecuación [13] en presencia de un shock negativo en la demanda.
Al observar el resto de niveles de ambas distribuciones encontramos que la distribución
en 2009 muestra una mediana (6.254) ligeramente desplazada a la derecha con respecto
a 2007 (6.117), lo cual sugiere que cierto grupo de firmas incrementó su productividad
derivado del shock en la demanda. Un comportamiento un poco distinto encontramos
entre los niveles de productividad (en logaritmos) cuatro a seis, donde parece que de los
niveles cuatro a cinco se concentran firmas que registran menor productividad en 2009
que en 2007, en contraparte, en los niveles cinco a seis parece haber nuevamente firmas
que incrementaron su nivel de productividad.
A pesar de que el método kernel es bastante intuitivo para observar los cambios en ambas
distribuciones tiene el inconveniente de que no es posible probar significancia estadística
de estas desigualdades. Para abonar sobre este asunto, realizamos tests de
22
solapamiento 16 (overlapping coefficient) a distintos deciles de las distribuciones
estimadas. La tabla A.2 en el apéndice muestra los resultados de la aplicación de dos
distintos test, los cuales coinciden ampliamente. Los hallazgos en la parte baja de ambas
distribuciones confirman que ambas distribuciones difieren y esta discrepancia es
significativa por lo menos al 5%. Esta significatividad en las diferencias también es
encontrada en otros deciles, donde encontramos visualmente que la productividad se
contrajo y se expandió después del shock. Estos resultados por una parte confirman
nuestra predicción que las firmas incrementarían su productividad en presencia de un
shock, sin embargo, también encontramos que para cierto grupo de firmas se registró un
retroceso en dicha variable. La disminución en la productividad de algunas firmas puede
ser el resultado de un desajuste entre ventas y empleo. Es decir, las firmas exportadoras
de menor tamaño no pudieron ajustar a la cantidad de empleo con relación a una
disminución en sus ventas.
VI. Conclusiones
En este documento evaluamos diversas predicciones emanadas de un modelo teórico
inspirado en Melitz (2003). Los resultados muestran que firmas con un mayor tamaño y
más productivas pueden acceder a mercados lejanos. En tanto, que firmas exportadoras
con un menor tamaño es probable que vendan a mercados más cercanos cuyos beneficios
derivados de exportar alcancen a ser no negativos
Asimismo, encontramos que la elección que siguen las firmas que exportan desde México
parece reflejar una jerarquía que comienza por el mercado del NAFTA, Latinoamérica, la
Unión Europea y Asia. Estos resultados muestran ser robustos al uso de una estimación
multilogit.
16
Bradley (1985) e Inman y Bradley (1989) abordan el uso de los test de solapamiento como una medida
intuitiva de similitud sustancial entre dos distribuciones de probabilidad
23
Los hallazgos también reflejan que las firmas de menor tamaño y menos productivo son
más sensibles a cambios en la demanda de productos importados, por lo que ante un
shock negativo en la demanda las firmas menos productivas dejarán de exportar a menos
que incrementen su productividad. En el caso de firmas más grandes que superan el
umbral para exportar ante un shock, encontramos un comportamiento diferenciado. Una
parte de ellas disminuyó su productividad después de la disminución de la demanda y otra
parte aumento su productividad. La conclusión preliminar es que las firmas que
disminuyeron su productividad fueron debido a que no pudieron realizar un ajuste rápido
entre sus ventas y la cantidad de empleo. Las estimaciones realizadas (no incluidas)
muestran que este desajuste no se dio en un sector en concreto, sino en diversos sectores
económicos. Otra parte que queda pendiente por investigar y es establecer quiénes
fueron las firmas ganadoras y perdedoras después de este shock, y qué las caracterizo.
Estas características pueden estar asociadas desde ajustes al interior de las firmas, como
modificaciones en tamaño, hasta decisiones que involucren un cambio del mercado de
destino de las ventas.
24
Bibliografía:
Anderson, S. & A. De Plama. (1992), “The Logit as a Model of Product differentiation”,
Oxford Economic Papers, 44, pp.51-67.
Bernard, A., & J.B., Jensen, (1999). “Exceptional exporter performance: cause, effect or
both?”, Journal of International Economics 47, 1–25.
Bernard, A., & J.B., Jensen, (2004). “Why do firms export”. The Review of Economics and
Statistics 86 (2), 561–569.
Bradley EL Jr (1985) “Overlapping coefficient”. In Kotz S, Johnson NL (eds.) Encyclopedia of
Statistical Sciences, (6), 546-547.
Chaney, T. (2008) "Distorted Gravity: The Intensive and Extensive Margins of International
Trade." American Economic Review, 98:4, 1707-1721.
Helpman, E., M. Merlitz & Y. Rubistein (2008), “Estimating Trade Flows: Trading Partners
and Trading Volumes," The Quarterly Journal of Economics, MIT Press, vol. 123(2), pages
441-487, 05.
Inman H., & EL Jr. Bradley. (1989) “The overlapping coefficient as a measure of agreement
between two probability distributions and point estimation of the overlap of two normal
densities”. Communications in Statistics – Theory and Methodology 18:3852-3874.
Mann, H. B., & D. R. Whitney. (1947). “On a test whether one of two random variables is
stochastically larger than the other”. Annals of Mathematical Statistics 18: 50-60
Mansfield, E. (1961). “Technical change and the rate of imitation”, Econometrica, 29 (4),
741-766.
Melitz, M. J., (2003). “The impact of trade on intra-industry reallocations and aggregate
industry productivity”. Econometrica 71 (6), 1695–1725.
25
Moulton, Brent R. (1986), “Random Group Effects and the Precision of Regression
Estimates,” Journal of Econometrics, Vol.32, No.3, pp. 385–397.
Moulton B. R., (1990), “An Illustration of a Pitfall in Estimating the Effects of Aggregate
Variables on Micro Unit”, The Review of Economics and Statistics, 72(2), 334-338.
Roberts, M. & J. Tybout, (1997). "An Empirical Model of Sunk Costs and the Decision to
Export," American Economic Review 87:4, 545-564.
Wilcoxon, F. (1945). “Individual comparisons by ranking methods”. Biometrics 1: 80-83.
26
Apéndice.
Tabla A.1. Estadística descriptiva de las firmas que exportan de acuerdo al país de destino Flujos de ln empleo ln productividad ln GDP ln distancia
Flujos de ln empleo ln productividad ln GDP ln distancia País exportación (Media) (Media) (Media) (Media)
País exportación (Media) (Media) (Media) (Media)
ARUBA 94 6.236 6.236 21.326 8.070
IRLANDA 124 5.990 5.990 25.557 9.046 ALEMANIA 1,224 5.628 5.628 28.322 9.148
ISRAEL 165 5.942 5.942 25.726 9.433
ARABIA SAUDITA 160 5.712 5.712 26.168 9.539
ITALIA 810 5.561 5.561 27.783 9.236 ARGENTINA 947 5.649 5.649 26.548 8.909
JAMAICA 311 5.888 5.888 23.026 7.767
AUSTRALIA 664 5.756 5.756 26.949 9.472
JAPON 919 5.653 5.653 29.246 9.334 AUSTRIA 139 6.046 6.046 26.095 9.227
JORDANIA 36 5.762 5.762 23.279 9.440
BAHAMAS 94 6.104 6.104 22.644 7.755
KUWAIT 45 6.012 6.012 24.766 9.515 BARBADOS 122 6.249 6.249 21.668 8.360
LIBANO 67 6.382 6.382 23.836 9.426
BELGICA 427 5.580 5.580 26.270 9.133
MALASIA 244 5.694 5.694 25.541 9.720 BELICE 411 5.493 5.493 20.837 7.023
NICARAGUA 1,153 5.447 5.447 22.277 7.378
BOLIVIA 513 5.605 5.605 23.063 8.565
NIGERIA 40 5.994 5.994 24.916 9.314 BRASIL 1,313 5.662 5.662 27.384 8.915
NORUEGA 72 6.525 6.525 25.969 9.128
REPUBLICA CHECA 162 5.881 5.881 25.065 9.204
NUEVA ZELANDIA 206 5.555 5.555 24.860 9.324 CANADA 2,247 5.621 5.621 27.446 8.061
PAKISTAN 81 5.863 5.863 25.302 9.552
COLOMBIA 2,168 5.432 5.432 25.578 8.036
PANAMA 1,553 5.468 5.468 23.503 7.790 COREA(COREA DEL SUR) 426 5.724 5.724 27.270 9.398
PARAGUAY 175 5.789 5.789 22.866 8.810
COSTA RICA 2,531 5.314 5.314 23.763 7.567
PERU 1,254 5.504 5.504 24.995 8.358 CUBA 553 5.295 5.295 24.427 7.487
POLONIA 149 6.001 6.001 26.113 9.229
CHILE 1,572 5.545 5.545 25.284 8.798
PORTUGAL 145 5.757 5.757 25.542 9.069 DINAMARCA 152 5.582 5.582 25.865 9.161
PUERTO RICO 906 5.550 5.550 24.928 8.153
ECUADOR 1,129 5.550 5.550 23.800 8.053
REINO UNIDO 899 5.662 5.662 28.173 9.098 EGIPTO 109 5.561 5.561 25.578 9.424
RUSIA 156 5.888 5.888 26.643 9.281
EL SALVADOR 2,122 5.267 5.267 23.441 7.126
REPUBLICA DOMINICANA 1,273 5.497 5.497 24.173 8.036 EMIRATOS ARABES UNIDOS 205 5.831 5.831 25.696 9.573
RUMANIA 51 5.501 5.501 24.719 9.307
ESPAÑA 992 5.380 5.380 27.269 9.113
SINGAPUR 383 5.569 5.569 25.579 9.719 ESTADOS UNIDOS DE AMERICA 10,061 5.118 5.118 30.045 6.953
SRI LANKA 47 6.356 6.356 23.784 9.747
FILIPINAS 223 5.525 5.525 25.396 9.563
SUDAFRICA 246 5.857 5.857 25.847 9.527 FINLANDIA 93 6.185 6.185 25.676 9.196
SUECIA 216 5.993 5.993 26.385 9.169
FRANCIA 679 5.509 5.509 28.004 9.128
SUIZA 294 5.691 5.691 26.341 9.174 GRECIA 121 5.924 5.924 25.768 9.332
SURINAME 71 6.089 6.089 20.945 8.514
GUATEMALA 3,239 5.226 5.226 23.887 6.969
UCRANIA 67 5.646 5.646 24.581 9.290 GUYANA 57 5.911 5.911 20.514 8.444
TAILANDIA 328 5.667 5.667 25.818 9.665
HAITI 143 5.929 5.929 22.032 7.946
TRINIDAD Y TOBAGO 381 5.798 5.798 23.289 8.332 PAISES BAJOS (HOLANDA) 488 5.554 5.554 26.770 9.130
TURQUIA 183 5.736 5.736 26.556 9.345
HONDURAS 1,524 5.368 5.368 22.964 7.246
URUGUAY 471 5.796 5.796 23.933 8.931 HONG KONG 413 5.589 5.589 26.095 9.557
VENEZUELA 1,728 5.532 5.532 25.658 8.187
HUNGRIA 120 6.439 6.439 24.766 9.247
VIETNAM 110 5.697 5.697 24.639 9.600 INDIA 407 5.778 5.778 27.332 9.594
CHINA 743 5.761 5.761 28.444 9.431
INDONESIA 199 5.612 5.612 26.123 9.733
27
Tabla A.2. Test de igualdad entre las distribuciones
de productividad del año de 2007 y 2009
(p-value)
Decil Mann-Whitney test Kolmogorov-Smirnov test
10 0.015 0.002
20 0.000 0.000
30 0.921 0.919
40 0.013 0.046
50 0.201 0.614
60 0.043 0.027
70 0.216 0.038
80 0.591 0.806
90 0.902 0.361
100 0.655 0.445
Todos 0.994 0.556 El test Kolmogorov-Smirnov evalúa la igualdad de las dos distribuciones basado en dos muestras. El test
Mann-Whitney evalúa la igualdad de distribuciones mediante el uso de la prueba de suma de rangos de
Wilcoxon (Wilcoxon 1945; Mann y Whitney 1947).
28
Grafica A.1
Distribuciones de probabilidad basadas en el método Kernel
0.1
.2.3
.4
Den
sid
ad
2 4 6 8 10logaritmo de productividad
2007
2009
kernel = epanechnikov, bandwidth = 0.1834
Todas las firmas exportadoras
Panel A