5.7 Método utilizado para corroborar la hipótesis No.4

Para demostrar si desde la perspectiva del dueño o administrador, existe relación entre las decisiones financieras (inversión, operación y financiamiento) y la creación de valor económico agregado de la empresa se utilizó la técnica estadística multivariante de correlación canónica.

Para las decisiones de financiamiento, se empleo el siguiente modelo de correlación canónica. Asimismo para las decisiones de inversión y de operación, debe considerarse la misma representación del modelo matemático, considerando el número variables correspondientes al bloque respectivo.

X1+X2+X3+X4 =Y1+Y2+Y3+Y4+Y5+Y6+Y7+Y8+Y9+Y10+Y11+Y12+Y13+Y14

Estas variables se encuentran representadas y descritas en la en la Figura 5.5.

El análisis de correlación canónica se obtuvo del paquete estadístico Statistics for Windows V.6.0. Tomando en orden los resultados que arroja Statistics se presenta en primer lugar el resumen análisis canónico como se muestra en la tabla 5.24.

El resultado de R=.55475 muestra el coeficiente de correlación canónica entre los dos valores teóricos el de las variables predictoras (X) y el valor teórico canónico de las de las variables criterio (Y); el valor X2(56) =5035.1 y p=0.0000 confirman esta asociación dando evidencia suficiente y significancia estadística para el rechazo de la hipótesis nula.

Puesto que el número de variables involucradas en el conjunto de menor dimensión son 4 por lo tanto, el número de funciones canónicas obtenidas son 4. La varianza extraída por las combinaciones lineales del conjunto X (decisiones de financiamiento), alcanza un 100% y una redundancia del 22.25% en tanto que en el conjunto Y (estrategias para generar EVA) las combinaciones lineales lograron extraer el 35% de la varianza y un 6.43% de redundancia. Con respecto a la redundancia, esta se entiende como el porcentaje que tiene un conjunto respecto al otro y viceversa. Esto es, el conjunto X tiene una redundancia del 22.25% del conjunto Y, el conjunto Y tiene una redundancia del 6.43600% del conjunto X.

Como resultado de aplicar la correlación canónica, se obtiene una medida de la validez de la relación entre los dos conjuntos de variables (valor teórico). Para definir las funciones canónicas que se deben interpretar se utilizaron tres criterios: 1) nivel de significancia, 2) magnitud de correlación canónica y 3) la medida de redundancia para el porcentaje de varianza (Hair, Anderson, Tatham y Black, 1999).

1. Nivel de significancia

La tabla 5.25 muestra las funciones canónicas obtenidas, su valor teórico, su significancia estadística y la magnitud de las relaciones entre las variables.

Al analizar los valores teóricos de cada una de las funciones canónicas generadas y el grado de significación de la Lambda de Wilks que varía entre (.437720-.957873) indican que hay evidencia en contra de Ho. Además el valor de p observado (p=0.00) indica que las cuatro funciones son significativas a nivel de  =0.05.

2) Magnitud de correlación canónica

La magnitud de las relaciones canónicas (combinaciones lineales) se muestra en las siguientes tablas. En la tabla 5.26 se describe la matriz de correlaciones entre las variables del conjunto de decisiones de financiamiento donde se observa una correlación positiva en “otros” con recursos propios, financiamiento externo y financiamiento proveedores con el .235260, .077621 y .076436 respectivamente.

En el anexo 2 se describe la matriz de correlaciones entre las variables del conjunto Y.

La tabla 5.27 muestra solamente las variables positivas de la matriz de correlaciones entre las variables del conjunto del conjunto Y. Sin embargo resulta más interesante observar en la tabla 5.28 la matriz de correlaciones entre variables decisiones financieras y variables estrategias de EVA.

Se observa en la tabla que las correlaciones positivas más altas que se obtuvieron con relación a los recursos propios fue con las siguientes variables: tiempos muertos (.132074), mejorar la satisfacción del cliente (.102939) y mantenimiento que utiliza la empresa (.099746).

Con respecto al financiamiento externo se observa una correlación positiva con las siguientes variables: organizar sus compras (.138981), favorecer a los clientes con convenios alternos de financiamiento (.267286), ampliar los días de crédito sin aumentar costos (.133868), reducir sus inventarios (.125041) y vender activos ociosos, obsoletos y redistribuir los recursos (.145947).

Con relación al financiamiento de proveedores se observa una correlación positiva con las siguientes variables: mantenimiento que utiliza la empresa (.081645), ampliar los días de crédito sin aumentar costos (.164545). El financiamiento obtenido por “otras” fuentes diferentes a las mencionadas se observa que la correlación entre las variables son positivas casi en su totalidad solamente una de ellas, tiempos muertos, muestra un valor menor (.026742).

1. Medida de redundancia para el porcentaje de varianza

Por último para decidir las funciones canónicas que deben interpretarse se utilizó el índice de redundancia para el porcentaje de varianza. Las tablas 5.29 y 5.30 muestran los valores teóricos obtenidos para las variables dependientes (criterio) e independientes (predictoria). Como se puede observar en la tabla 5.29, el índice de redundancia del valor teórico criterio es 0.022896 y el índice de redundancia para valor teórico predictor es 0.111437, como se muestra en la tabla 5.30.

La baja redundancia del valor teórico predictor se debe a la relativa baja varianza compartida y no al R2 canónico. Con base al análisis de redundancia y a los contrastes de significancia estadística, la primera función debe ser aceptada.

Interpretación de los valores teóricos canónicos

La tabla 5.31 muestra los pesos canónicos para cada valor teórico tanto de las variables dependientes como independientes. La magnitud de las ponderaciones representa su contribución relativa al valor teórico.

Fundamentado en el tamaño de los pesos, el orden de contribución de las variables independientes al primer valor teórico son: mantenimiento que utiliza la empresa (.512724), mejorar la satisfacción del cliente (.396751), consumo de materia prima (.340062), reducir los tiempos muertos (.239312), reducir inventarios (.176830) y eliminar errores de precios y pedidos (.141547). Estas variables son las únicas con mayor contribución positiva. Mientras que el orden de las variables dependientes sobre el primer valor teórico son los recursos propios (.665573) y financiamiento por medio de proveedores (.459406).

Los resultados obtenidos permiten señalar que desde la perspectiva del dueño y/o administrador las decisiones de financiamiento (operación con recursos propios y financiamiento con proveedores y “otros”) favorecen la creación de valor económico agregado para la empresa.

Para probar si existe relación entre las decisiones de inversión, y las estrategias que generan valor económico agregado en la empresa, se consideró el mismo procedimiento descrito anteriormente. Tomando en orden los resultados que arroja Statistica se presenta en primer lugar el resumen análisis canónico como se muestra en la tabla 5.32.

El resultado de R=.6090702 muestra el coeficiente de correlación canónica entre los dos valores teóricos de las variables predictoras (X) y el valor teórico canónico de las variables criterio (Y); el valor X2=6871.447 con 70 grados de libertad y el p-value de 0.0000 confirman esta asociación dando evidencia suficiente y significancia estadística para el rechazo de la hipótesis nula.

Puesto que el número de variables involucradas en el conjunto de menor dimensión son 5 por lo tanto, el número de funciones canónicas obtenidas son 5. La varianza extraída por las combinaciones lineales del conjunto X alcanza un 100% y una redundancia del 19.6234% en tanto que en el conjunto Y las combinaciones lineales lograron extraer el 34.3337% de la varianza y un 6.43600% de redundancia. Con respecto a la redundancia, esta se entiende como el porcentaje que tiene un conjunto respecto al otro y viceversa. Esto es, el conjunto X tiene una redundancia del 19.6234% del conjunto Y, el conjunto Y tiene una redundancia del 6.43600% del conjunto X.

Como resultado de aplicar la correlación canónica, se obtiene una medida de la validez de la relación entre los dos conjuntos de variables (valor teórico). Para especificar las funciones canónicas que se deben interpretar se utilizaron tres criterios: 1) nivel de significancia, 2) magnitud de correlación canónica y 3) la medida de redundancia para el porcentaje de varianza (Hair, Anderson, Tatham y Black 1999).

1. Nivel de significancia

La tabla 5.33 muestra las funciones obtenidas, su valor teórico, su significancia estadística y la magnitud de las relaciones entre las variables.

Al analizar los valores teóricos de cada una de las funciones canónicas generadas y el grado de significación de la Lambda de Wilks que varía entre (.323817 y .948660) indican que hay evidencia en contra de Ho. Además el valor de p observado (p=0.00) indica que las cinco funciones son significativas a nivel de  =0.05.

2. Magnitud de correlación canónica

La magnitud de las relaciones canónicas (combinaciones lineales) se muestra en las siguientes tablas. En la tabla 5.34 se describe la matriz de correlaciones entre las variables del conjunto decisiones de inversión donde se observa una correlación positiva en activos intangibles con inventarios y con los activos fijos, con el .117057 y .224228, respectivamente y “otros” con los activos fijos con el .018678.

En el anexo 2 se describe la matriz de correlaciones entre las variables del conjunto Y. donde se observan que hay correlaciones tanto positivas como negativas. La tabla 5.35 muestra solamente las variables positivas de la matriz de correlaciones entre las variables del conjunto del conjunto Y.

Sin embargo resulta más interesante observar la matriz de correlaciones entre variables X y variables Y descritas en la tabla 5.36.

Se observa en la tabla que las correlaciones positivas más altas que se obtuvieron con relación a cuentas por cobrar fue con las siguientes variables: reducir inventarios (.126660), favorecer a los clientes con convenios alternos de financiamiento (.093248), ampliar los días de crédito sin aumentar sus costos (.050994) y reconstruir en lugar de reemplazar activos(.079781). Con respecto a inventarios se observa una correlación positiva con las variables siguientes: tiempos muertos (.144666), mantenimiento que utiliza la empresa (.201765), eliminar errores de precios y pedidos (.195499) y mejorar la coordinación de los proveedores (.121209).

Con relación a los activos fijos se observa una correlación positiva con las siguientes variables: costos de consumo de materia prima (.169674), mejorar la satisfacción del cliente (.069360), conocer el mercado y sus tendencias (.064168), eliminar errores de precios y pedidos (.085932), reducir sus inventarios (.086497), mejorar la coordinación de los proveedores, (.075725) y reconstruir en lugar de reemplazar activos (.055154). Referente a los activos intangibles la taba muestra una correlación positiva con las siguientes variables: costos de consumo de materia prima (.088539), mejorar la satisfacción del cliente (.069360), identificar problemas de cobranza (.112023), mejorar la coordinación de los proveedores (.056399) y reconstruir en lugar de reemplazar activos (.116387). En cuanto a la inversión en otros la correlación entre las variables son positivas con las siguientes variables: conocer el mercado y sus tendencias (.092485) e identificar problemas de cobranza (.081961).

3. Medida de redundancia para el porcentaje de varianza

Por último para decidir las funciones canónicas que deben interpretarse se utilizó el índice de redundancia para el porcentaje de varianza. Las tablas 5.37 y 5.38 muestran los valores teóricos obtenidos para las variables dependientes (criterio) e independientes (predictoria). Como se puede observar en la tabla 5.37 el índice de redundancia del valor teórico criterio es .024408 y el índice de redundancia para el valor teórico predictor es .077388, como se muestra en la tabla 5.38.

La baja redundancia del valor teórico predictor se debe a la relativa baja varianza compartida y no al R2 canónico. Con base al análisis de redundancia y a los contrastes se significancia estadística, la primera función debe ser aceptada.

Interpretación de los valores teóricos canónicos

La tabla 5.39 muestra los pesos canónicos para cada valor teórico tanto de las variables dependientes como independientes. La magnitud de las ponderaciones representa su contribución relativa al valor teórico.

Basado en el tamaño de los pesos, el orden de contribución de las variables independientes al primer valor teórico fueron: eliminar errores de precios y pedidos (.636280), costos de consumo de materia prima (.560899), mejorar la coordinación de los proveedores (.392047), reconstruir en lugar de reemplazar activos (.252564), vender activos ociosos y redistribuir los recursos (.187110), favorecer a los clientes con convenios de financiamiento (.108792) y mantenimiento que utiliza la empresa (.057240). Estas variables son las únicas con mayor contribución positiva. Mientras que el orden de las variables dependientes sobre el primer valor teórico son los activos fijos (.270897), activos intangibles (.227882) e inventarios (.205269).

Los resultados obtenidos indican que desde la perspectiva del dueño y/o administrador las decisiones de inversión (operación con cuentas por cobrar, activos fijos, activos intangibles, inventarios y “otros”) favorecen la creación de valor económico agregado para la empresa.

Para probar si existe relación entre las decisiones de operación y las estrategias que generan valor económico agregado en la empresa, se considera el mismo procedimiento descrito anteriormente. Tomando en orden los resultados que arroja Statistica se presenta en primer lugar el resumen análisis canónico de las decisiones de operación como se muestra en la tabla 5.40.

El resultado de R=0.5796070 muestra el coeficiente de correlación canónica entre los dos valores teóricos el de las variables predictoras (X) y el valor teórico canónico de las variables criterio (Y); el valor X2= 6165.960 con 70 grados de libertad y el p-value de 0.0000 confirman esta asociación dando evidencia suficiente y significancia estadística para el rechazo de la hipótesis nula.

Puesto que el número de variables involucradas en el conjunto de menor dimensión son 5 por lo tanto, el número de funciones canónicas obtenidas son 5. La varianza extraída por las combinaciones lineales del conjunto X alcanza un 100% y una redundancia del 19.6234%, en tanto que en el conjunto Y las combinaciones lineales lograron extraer el 36.286% de la varianza y un 5.67209% de redundancia. Con respecto a la redundancia, esta se entiende como el porcentaje que tiene un conjunto respecto al otro y viceversa. Esto es, el conjunto X tiene una redundancia del 19.6234% del conjunto Y, el conjunto Y tiene una redundancia del 5.67209% del conjunto X.

Como resultado de aplicar la correlación canónica, se obtiene una medida de la validez de la relación entre los dos conjuntos de variables (valor teórico). Para definir las funciones canónicas que se deben interpretar se utilizaron tres criterios: 1) nivel de significancia, 2) magnitud de correlación canónica y 3) la medida de redundancia para el porcentaje de varianza (Hair, Anderson, Tatham y Black, 1999).

1. Nivel de significancia

La tabla 5.41 muestra las funciones obtenidas, su valor teórico, su significancia estadística y la magnitud de las relaciones entre las variables. Al analizar los valores teóricos de cada una de las funciones canónicas generadas y el grado de significación de la Lambda de Wilks que varía entre (.363561-.972986) indica que hay evidencia en contra de Ho. Además el valor de p observado (p=0.00) indica que las cinco funciones son significativas a nivel de  =0.05.

2. Magnitud de correlación canónica

La magnitud de las relaciones canónicas (combinaciones lineales) se muestra en las siguientes tablas. En la tabla 5.42 se describe la matriz de correlaciones entre las variables del conjunto de decisiones de operación donde se observa una correlación positiva en precio con costo (.169283), costo con diferenciación en tecnología (.053317), diferenciación en producto con diferenciación de tecnología (.121702).

En el anexo 2 se describe la matriz de correlaciones entre las variables del conjunto Y. donde se observan que hay correlaciones tanto positivas como negativas. La tabla 5.43 muestra solamente las variables positivas de la matriz de correlaciones entre las variables del conjunto del conjunto Y.

Sin embargo resulta más conveniente observar la matriz de correlaciones entre variables X y variables Y descritas en la tabla 5.44.

Se observa en la tabla que las correlaciones positivas más altas que se obtuvieron con relación a la estrategia de precio fueron: vender activos ociosos, obsoletos y redistribuir los recursos (.161880), mantenimiento que utiliza la empresa (.073513) e identificar problemas de cobranza (.065499). Con relación a la estrategia de costo se obtuvo una correlación positiva con las siguientes variables: consumo de materia prima (.239444), eliminar errores de precios y pedidos (.087307), favorecer a los clientes con convenios de financiamiento (.065457), vender activos ociosos, obsoletos y redistribuir los recursos (.176820).

Referente a la estrategia de diferenciación en producto se obtuvo una correlación positiva con las siguientes variables: tiempos muertos (.131730), costos de consumo de materia prima (.123200), mejorar la coordinación de los proveedores (078964), reconstruir en lugar de reemplazar activos (.112170). En cuanto a la estrategia de diferenciación en tecnología se obtuvo una correlación positiva con las siguientes variables: conocer el mercado y sus tendencias (.201612), favorecer a los clientes con convenios de financiamiento (.203537), ampliar los días de crédito (.076392), vender activos ociosos, obsoletos y redistribuir los recursos (.088273).

Respecto a otras estrategias diferentes a las mencionadas se obtuvo una correlación positiva con las siguientes variables: costos de consumo de materia prima (.107918), mejorar la satisfacción del cliente (.078798), conocer su mercado y sus tendencias (.151024), mantenimiento que utiliza la empresa (.179483), identificar problemas de cobranza (.066121), favorecer a los clientes con convenios de financiamiento (.158604), ampliar los días de crédito sin reducir costos (.105346) , reconstruir en lugar de reemplazar activos (.116079).

3. Medida de redundancia para el porcentaje de varianza

Por último para decidir las funciones canónicas que deben interpretarse se utilizó el índice de redundancia para el porcentaje de varianza. Las tablas 5.45 y 5.46 muestran los valores teóricos obtenidos para las variables dependientes (criterio) e independientes (predictoria). Como se puede observar en la tabla 5.45 el índice de redundancia del valor teórico criterio es .015478 y el índice de redundancia para valor teórico predictor, es .052865 como se muestra en la tabla 5.46.

La baja redundancia del valor teórico predictor se debe a la relativa baja varianza compartida y no al R2 canónico. Con base al análisis de redundancia y a los contrastes de significancia estadística, la primera función debe ser aceptada.

Interpretación de los valores teóricos canónicos

La tabla 5.47 muestra los pesos canónicos para cada valor teórico tanto de las variables dependientes (estrategias EVA) como independientes (decisiones de operación). La magnitud de las ponderaciones representa su contribución relativa al valor teórico.

Basado en el tamaño de los pesos, el orden de contribución de las variables independientes al primer valor teórico son: vender activos ociosos y redistribuir los recursos (.614285), conocer su mercado y sus tendencias (.271123), mejorar la coordinación de los proveedores (.259394), mantenimiento que utiliza la empresa (.211938), costos de consumo de materia prima (.179596), identificar problemas de cobranza (.172564), reconstruir en lugar de reemplazar activos (.082961). Estas variables son las únicas con mayor contribución positiva.

Mientras que el orden de las variables dependientes sobre el primer valor teórico son las estrategias de precio (.796544), costo (.303401), diferenciación en tecnología (.170689), diferenciación en producto (.102283) y otras estrategias diferentes de las mencionadas (.143836). Los resultados obtenidos indican que desde la perspectiva del dueño y/o administrador las decisiones de operación (Precio, costo, diferenciación en producto, diferenciación en tecnología y otros) favorecen la creación de valor económico agregado para la empresa.