EL PAPEL DE LAS BLUELAWS EN LOS MODELOS DE

Hacienda Pública Española/Review
of Public Economics
2014
Article
EL PAPEL DE LAS BLUELAWS EN LOS
´ DE LOS
MODELOS DE EVOLUCION
FORMATOS COMERCIALES
Francisco Javier F. Ballina Ballina∗
∗
Universidad de Oviedo, [email protected]
c
Copyright @2014
by the authors. All rights reserved. No part of this publication may
be reproduced, stored in a retrieval system, or transmitted, in any form or by any means,
electronic, mechanical, photocopying, recording, or otherwise, without the prior written
permission of the publisher.
EL PAPEL DE LAS BLUE LAWS EN LOS MODELOS DE EVOLUCIÓN DE
LOS FORMATOS COMERCIALES1
RESUMEN:
La literatura sobre las blue laws (regulación de horarios comerciales) es muy amplia e
importante, pero sus resultados son muy dispersos y distintos. Además, siempre se ha
trabajado con una perspectiva estrictamente sectorial y una metodología univariable.
Resulta necesario, por tanto, estudiar la desregulación de los horarios comerciales como
parte de un modelo global de cambio, incorporando variables económicas externas
(PIB) y variables de competencia endógenas (como las cuotas de superficie comercial).
El modelo propuesto en esta investigación destaca que la desregulación de horarios
afecta de forma inmediata a las estrategias de tiempo como factor de servicio al
consumidor, ofertado por los supermercados y los centros comerciales. También
establece que la competencia determina los cambios en la estructura comercial, la
productividad y en el empleo del sector, en tanto que la situación de la economía explica
las variaciones en las ventas y los precios.
PALABRAS CLAVE: Política Comercial, Horarios, Competencia.
Códigos JEL: M38, D30, C12.
ABSTRACT:
Prior research on the regulation of trading hours (Blue Laws) is very extensive, although
the empirical evidence available is not entirely conclusive. Moreover, most studies
adopt an internal, sector-based perspective exclusively based on univariate analysis,
which makes it is advisable to study the impact of the deregulation of trading hours
within a wider conceptual model that incorporates both external macroeconomic
variables (Gross Domestic Product, GDP) and endogenous competitive variables (share
of commercial surfaces), and that considers the causal relationships among the
constructs under analysis. The model tested in this research shows that deregulation
immediately affects the strategies of opening and closing hours of supermarkets and
malls, in an attempt to improve the customer’s perceptions of service value. Results also
indicate that competition determines the changes in the trading structure, in terms of
number and type of commercial establishments, the employees’ productivity and the
sector employment, whereas the economic context determines the variations in sales and
prices.
1
Los autores del trabajo agradecen a la Cátedra Fundación Areces de Distribución el apoyo recibido para
la realización del mismo.
1
KEYWORDS: Retailing Policy, Blue laws, Competence.
JEL classification: M38, D30, C12.
1. INTRODUCCIÓN
La evolución de la distribución comercial ha sido estudiada bajo dos enfoques
diferenciados (Filser y Paché, 2008): las modificaciones en los sistemas de venta
minoristas o formatos comerciales, y las transformaciones en el canal de distribución. El
estudio de la evolución de los formatos comerciales ha sido muy intenso en el pasado,
pero la enorme competencia entre los grupos de distribución continúa impulsando las
investigaciones sobre la evolución del canal (Bhatnagar y Ratchford, 2004; Filser y
McLaughin, 2013). Además, el proceso de liberalización generalizada del sector y los
efectos de Internet obligan a actualizar los modelos de evolución de los formatos
comerciales.
La literatura ha tratado la evolución de los formatos comerciales bajo cuatro tipos de
modelos: los modelos «cíclicos» proponen una evolución por fases inexorables e
irreversibles (la Rueda de McNair, en Brown, 1988); los modelos del «conflicto»
explican la evolución por los «choques» competitivos (el Modelo Dialéctico de Gist,
1968); los modelos combinados «ciclo-conflicto» consideran un proceso de cambio
determinista pero que se acelera o frena en función de los conflictos competitivos (las
Tres Ruedas de Izraeli, 1973); y los modelos del «entorno» proponen como fundamento
de la evolución el impacto de variables exógenas de tipo económico y social (el
Ecosistema de Markin y Duncan, 1981). Varias propuestas posteriores indican la
necesidad de trabajar en un modelo integrado.
La influencia de las variables externas ha sido estudiada de forma permanente, tanto en
relación a la evolución del canal como de las formas comerciales. Sorescu, Frambach y
Singh (2011) propusieron dos tipos de motivadores de la innovación comercial: las
variables internas y las externas, destacando la importancia del cambio de valores en los
consumidores y de los avances tecnológicos. Goldman, Ramaswami y Krider (2002)
concluyeron la gran influencia del nivel de vida sobre las innovaciones comerciales.
Reinartz, Dellaert, Krafft, Kumar, y Varadajan (2011) determinaron tres variables
externas de innovación comercial: los cambios en el consumidor, los cambios en la
industria y los político-legales.
2
Los factores político-legales más contemplados en la literatura son las blue laws2 bajo
tres enfoques distintos: el efecto sobre el pequeño comercio (Grunhagen, Grove y
Gentry, 2003; Grunhagen y Mittelstaedt, 2001); los efectos macroeconómicos (empleo
y precios) (Reddy, 2012; Skuterud, 2005); y los efectos sociológicos sobre el
consumidor y los empleados (Geiger, 2007; Jacobsen y Kooreman, 2005).
Recientemente, Henisz y Zelner (2010) establecen que los factores políticos tienen ya
más efecto en los países emergentes que en los maduros.
Este trabajo propone un modelo de influencia de los factores político-legales de tipo
indirecto, esto es, a partir de la alteración de la competencia entre los formatos
comerciales. Para ello, estructuramos el mismo en cuatro principales apartados. En el
primero, se realiza una prolija revisión de la literatura sobre los efectos de las blue laws
en el sector de la distribución comercial, prestando una especial atención a la
perspectiva estratégica que tiene el tiempo de compra del consumidor.
El segundo apartado presenta el modelo temporal multivariable. El panel de datos
abarca doce años, determinados por los criterios establecidos en torno al RD 6/2000 y a
la más reguladora Ley 1/20043. Además, considera la coexistencia de dieciséis blue
laws regionales simultáneas en España. Finalmente, el panel contiene datos de variables
macroeconómicas, habituales en la literatura, y de variables sectoriales para contrastar
el papel de la competencia.
El tercer apartado presenta los resultados empíricos obtenidos con la aplicación de la
metodología estadística ANCOVA. Con ella se construye un modelo que determina la
existencia de comportamientos medios diferentes en la actividad económica por el
efecto del distinto nivel de regulación existente en cada región española considerada.
Por último, en el cuarto apartado, se exponen los resultados del trabajo que permitirán
determinar cómo las blue laws presentan efectos indirectos perniciosos sobre el sector
de la distribución comercial en la medida que limitan la innovación y la competencia.
Así, cada forma comercial y cada empresa en particular deben ser libres de buscar su
propio equilibrio competitivo en términos de días y horarios de apertura.
2
El término Blue Law se acuñó en los EE. UU. para referirse a las restricciones y así poder comprar los
domingos por razones religiosas. Sin embargo, la literatura ha asumido el concepto para indicar cualquier
tipo de norma legal limitativa de los horarios de apertura del sector de la distribución comercial.
3
La definición del periodo ha venido dada, en primer lugar, por contar con un año base (1999) . Además,
por incorporar el carácter transitorio del año 2000, cuando las CC. AA. de Madrid, Cataluña y la
Comunidad Valenciana incrementaron en un día los domingos y festivos de apertura. Y, finalmente, por
trabajar con los años de efecto formal de las dos disposiciones legales indicadas (Sánchez, 2008).
3
2. LA REGULACIÓN DE HORARIOS COMERCIALES DESDE UNA VISIÓN
ESTRATÉGICA
El factor tiempo del consumidor influye en los cambios de las formas comerciales
(Burt, 2010), siendo crítico en sus estrategias de diferenciación (Inderst e Irmen, 2005).
Abundantes estudios empíricos sociológicos postulan nuevos comportamientos en el
uso del tiempo de compra (Glorieux, Mestdag y Minnen, 2008; Neutens, Delafontaine,
Schwanen y Van de Weghe, 2012). Concretamente el trabajo de Jacobsen y Kooreman
(2005) concluye que la ampliación de los horarios comerciales originó un aumento en el
tiempo dedicado a la compra de los holandeses.
Bajo tal consideración, la desregulación permite a los establecimientos detallistas elegir
el horario más adecuado, lo que aporta una diferenciación estratégica (Geiger, 2007).
Hay evidencias de que las grandes superficies usan un mayor margen de horarios que
las medianas superficies y los pequeños detallistas (Halk y Trager, 1999). Pero también
ocurre que, tras una primera gran ampliación de los horarios, se puede producir un
reajuste a la baja en los mismos (Kosfeld, 2002), porque cada establecimiento busca
ajustar su horario al comportamiento de los consumidores.
La relación, por lo tanto, entre la amplitud de los horarios comerciales y las grandes
superficies, resulta de gran interés. Así, la literatura establece que la desregulación de
los horarios origina varios cambios sectoriales en este sentido: (1) el aumento en el
número de grandes superficies (Baker, 2002; Rouwendal y Rietveld, 1998); y (2) los
desplazamientos de las cuotas de mercado favorables a las mismas (Grunhagen y
Mittalstaedt, 2001; Howe, Jurgens y Werwy, 1998) que son originados por la atracción
de las compras de los pequeños comercios (Tanguay, Vallee y Lanoie, 1995), e incluso,
respecto a los centros comerciales más pequeños (Baker, 2002).
Pero la mayor oferta de tiempo al consumidor conlleva un aumento de costes que
deberían imputarse constantemente entre todas las horas de apertura, sin embargo, no
existe una redistribución lineal de las ventas entre los días y horas. Por ejemplo, los
domingos hay mayores ventas por hora (Barnes, 1984), un mayor número de
compradores (Sugie, Zhang y Fujimara, 2003) y tipos de compras distintos (Lambert,
1994).
Por eso, la cuestión del tiempo comercial debe plantearse de forma distinta según el tipo
de producto y la hora concreta de la compra. Los productos de consumo (alimentación y
limpieza) son inelásticos, así que los aumentos de las ventas son infraproporcionales al
aumento de los horarios. Los productos de compra (equipamiento personal y del hogar)
4
son elásticos, lo que permite conseguir aumentos sobreproporcionales en las ventas
respecto a los costes de más horas de apertura (Elliot y Levin, 1987; Grunhagen y
Mittalstaedt, 2001).
Parte importante de los costes del tiempo comercial corresponde al aumento del número
de empleados (Burda y Weil, 2005), pero tampoco existe proporcionalidad en el mismo,
pues los aumentos de trabajadores los domingos se compensan con reducciones en días
de semana (Skuterud, 2005). En consecuencia, el aumento de empleo es moderado
porque solo las grandes superficies tienen mayores horarios (Aranda, Casares y Martín,
2002) y porque el empleo es de dedicación parcial (Tanguay, Valle y Lanche, 1995).
Además, se ven seriamente afectadas las condiciones laborales del sector (Freathy y
Sparks, 1995; Kirby, 1992).
Aunque sea moderado, el aumento de los costes fijos lleva al alza a los precios (Aranda,
Casares y Marín, 2002; Ferris, 1990; Ingene, 1986). Ahora bien, hay resultados
empíricos que sugieren otras posibilidades: el margen comercial se reduce para no
afectar al precio (Desormeaux, Nantel y Ámese, 1998; Kay y Morris, 1987; Tanguay,
Vallee y Lanoie, 1995); el aumento de ventas compensa el de costes (Grunhagen y
Mittalstaedt, 2001; Inderst e Irmen, 2005); o los precios se reducen por el aumento de la
competencia (Reddy, 2012; Schivardi y Viviano, 2008).
En resumen, hay un gran consenso sobre la importancia del tiempo comercial como
factor estratégico en la distribución comercial. Sin embargo, los resultados empíricos de
la literatura sobre las blue laws son muy variados, diferentes, e incluso, contradictorios
en aspectos tan importantes como la creación de empleo y los niveles de precios. Las
razones que explican tanta variedad de resultados pueden ser: el distinto país utilizado
en cada estudio, los plazos de tiempo de cada trabajo o el uso de modelos estadísticos
univariables (ver Tabla 1).
Insertar Tabla 1
3. MODELO CONCEPTUAL E HIPÓTESIS DE LA INVESTIGACIÓN
Presentamos un modelo conceptual de la evolución de las formas comerciales con el
siguiente funcionamiento: los factores externos afectan a la competencia, esta, a su vez,
provocará cambios internos en el sector de la distribución (ver Figura 1).
Insertar Figura 1
5
El modelo se desarrolla con los formatos de centros comerciales y supermercados
porque han mostrado un gran crecimiento en la distribución comercial española. Las
hipótesis se organizan en dos apartados: las blue laws alteran la competencia entre los
formatos y ello origina cambios en el sector (volumen de negocio, empleo e índices de
precios). Se considera necesario añadir la variable externa PIB, con las evidencias de la
literatura más recientes (Matea y Mora, 2012) sobre la influencia de la economía en el
sector analizado.
3.1. Efectos de las blue laws sobre la competencia entre formatos comerciales
Las teorías del entorno establecen que los cambios legales son factores exógenos que
afectan al modelo de evolución de las formas comerciales (Vázquez y Trespalacios,
2009). Las blue laws alteran la distribución del tiempo de compra del consumidor y, por
lo tanto, el desempeño de las estrategias de las formas comerciales (Jacobsen y
Kooreman, 2005). De esta manera, las limitaciones de horarios favorecen los formatos
de proximidad como los supermercados, mientras que la desregulación beneficia a los
grandes centros comerciales que atraen el mix de compra y ocio (Matea y Mora, 2012;
Orea, 2008; Baker, 2002). Por ello, el modelo propone (ver Figura 2):
H1: La desregulación de los horarios comerciales favorece el desarrollo de los
centros comerciales y limita el de los supermercados.
3.2. Efectos de las blue laws sobre la actividad comercial
Los defensores de la desregulación de horarios argumentan que aumentarían las ventas
(Burke, 1995), sobre todo en las compras hedónicas (Elliot y Levin, 1987; Grunhagen y
Mittalstaedt, 2001). Se produciría una mejora de la productividad porque las grandes
superficies tienen una estructura de costes y unos sistemas de gestión más modernos
(Cruz y Medina, 1995; Howe, Jurgens y Werwy, 1998; Nooteboom, 1982). Esto
favorece la inversión en nuevos complejos comerciales (Baker, 2002; Moorhouse,
1984). Nuestro modelo propone que a corto plazo:
H2: La alteración competitiva que producen las blue laws permite incrementar
(a) las ventas totales y (b) la inversión en el sector para desarrollar grandes
superficies.
Las grandes superficies, con el aumento de su tamaño y de los horarios de
funcionamiento, producen un aumento del empleo en el sector que compensa la pérdida
del pequeño comercio (Bertrand y Kramarz, 2002; Burda y Weil, 2005; Ciarreta,
Espinosa y Martínez, 2009; Matea y Mora, 2012; Skuterud, 2005; Viviano, 2008). Por
ello, el modelo que se propone plantea:
6
H3: La alteración competitiva que producen las blue laws incrementa el nivel
de empleo neto del sector comercial.
La desregulación de horarios produce una reducción de los precios de venta
(Hoffmaister, 20064; Schivardi y Viviano, 2008) por la mayor eficiencia de las grandes
superficies y la mayor competencia entre ellas (Matea y Mora, 2011; Reddy, 2012). Este
efecto se produce en los índices de precios de los alimentos, por el rol de los
hipermercados y los grandes supermercados, y en los índices de precios de no
alimentación, por el rol de los centros comerciales y de las grandes superficies
especializadas. Nuestro modelo propone que:
H4: La alteración competitiva que producen las blue laws permite reducir los
índices de precios finales: (a) en el sector comercial; (b) en la alimentación; (c)
en el textil y (d) en el menaje.
Insertar Figura 2
4. METODOLOGÍA DE LA INVESTIGACIÓN
El modelo analizado plantea dos principales aspectos metodológicos. En primer lugar,
la existencia de datos de las regiones españolas con distintos niveles de desregulación
en los mismos años. En segundo lugar, un intervalo temporal definido entre dos
buelaws5 sucesivas, la primera más liberalizadora y la segunda más restrictiva. De esta
forma, la metodología propuesta controla tanto las variaciones interregionales en el
mismo año como las variaciones anuales por los cambios legales de España.
Es una metodología más completa que la utilizada hasta ahora en la literatura, pues
simula un modelo de 16 países con sus propias blue laws, pero en un contexto
socioeconómico igual y con un plazo de estudio bastante más largo.
El panel contiene 192 datos, correspondientes a las 16 regiones españolas6 y a los 12
años de la serie temporal (del año 19997 al año 2010). Las fuentes son acreditadas: la
4
Hoffmaister (2006) no estudia los efectos sobre los precios de la mayor libertad de horarios sino de la
apertura de nuevas grandes superficies. No obstante consideramos su cita por la gran relación existente
entre ambas cuestiones y con el tema del trabajo abordado en nuestra investigación.
5
Realmente se trata de normas generales de comercio interior, aunque el mayor énfasis de las mismas
estaba en la cuestión de la regulación de días y de horarios de apertura permitidos.
6
Se ha exceptuado el caso del País Vasco donde, a pesar de estar permitida la apertura desde 2005, en la
práctica nunca se han producido aperturas en domingos ni festivos.
7
Año-0 del RD 6/2000, dado que este suma de uno en uno domingos y festivos de apertura a partir del
año 2001.
7
Encuesta Anual de Comercio del Instituto Nacional de Estadística (INE) y el Anuario
Económico de La-Caixa.
Los datos económicos fueron indexados respecto a cada año anterior8 y los datos
sectoriales fueron normalizados con respecto a la población y a la superficie comercial
de cada año, lo que facilita el tratamiento comparativo de los datos.
El modelo utiliza un determinado nivel de liberalización de horarios como variable
independiente. Para ello discrimina entre dos tipos de blue laws regionales: unas que
permiten la apertura del mínimo de festivos9 frente a otras más liberalizadoras en el
número de festivos de apertura comercial. El total de casos de la base de datos
correspondientes a la apertura en mínimos tiene un mayor peso (58,3%), lo que viene a
ser un indicador del alto grado regulador de las regiones (Banco Central Europeo,
2011).
Para determinar los efectos que la situación macroeconómica tiene sobre el sector de la
distribución comercial (Matea y Mora, 2012), se incluye una variable de control: el PIB
de cada región.
La técnica metodológica elegida ha sido el ANCOVA, dado que el modelo pretende
determinar la existencia de comportamientos medios distintos, con relación de
causalidad, por el efecto de la variable blue laws en una situación de influencia de
variables exógenas sectoriales (ratios de supermercados y de centros comerciales) y de
una variable de control macroeconómica (el Producto Interior Bruto). Es el método más
adecuado: por el tipo de variables, porque opera de forma más directa y con mayor
sensibilidad estadística, porque permite determinar la importancia de cada variable
dependiente en el efecto observado y porque facilita trabajar con un diseño de medidas
repetidas (variables intrasujetos) (Ramos, Catena y Trujillo, 2004). Se ha desechado el
uso de PROBIT porque la base de datos está organizada de forma matricial: panel de
datos por años y por regiones, estas son los sujetos con los valores de las variables
cuantitativas10 (ver Tabla 2).
Insertar Tabla 2
8
Aunque el INE cambió el año base en el 2001, nosotros hemos trabajado con los indicadores regionales
interanuales, y no respecto a un año base, por lo que no afecta a los resultados del estudio.
9
Prácticamente coincidía con el número de 8 domingos y festivos establecidos como mínimos por la Ley
de ámbito nacional, con la excepción de Baleares que en el año 2003 solo permitió 5 domingos y festivos
de apertura.
10
Además, aunque el “factor” ha resultado finalmente dicotómico, el trabajo ha considerado hasta tres
niveles del mismo (desregulación mínima, media y alta).
8
Los supuestos de aplicación del ANCOVA han sido verificados: la normalidad
mediante el test de esferecidad de Bartlett (ver Tabla 2); la homocedasticidad mediante
la prueba de Box (ver Tabla 3); la inexistencia de puntuaciones extremas mediante el
examen de los estadísticos descriptivos; la independencia del factor y de los covariados
se ha controlado incluyendo el término de interacción en la ecuación de cada
ANCOVA; y, finalmente, la ausencia de multicolinealidad mediante el estudio de las
matrices de correlación en los distintos modelos (Catena, Ramos y Trujillo, 2003;
Caridad y Ocerin, 1998).
Insertar Tablas 3 y 4
5. RESULTADOS EMPÍRICOS
5.1. Relaciones directas entre las blue laws y la competencia entre los formatos
comerciales
El ANCOVA de la hipótesis H1 tiene como variables dependientes las cuotas de
superficie comercial de los supermercados y centros comerciales respecto a la variable
independiente de las blue laws y la covariable del PIB (ver Tabla 5). Los resultados del
modelo son buenos, estimando toda la influencia explicativa en la legislación de blue
laws. Además, no existen problemas de multicolinealidad, con una correlación muy baja
(0,089) y también un FIV muy reducido (del 1.008 sobre un máximo de 10).
La prueba de Bonferroni es significativa para indicar que la media de cuota de centros
comerciales es mayor en las regiones con menor liberalización y, viceversa, la cuota de
los supermercados es mayor para blue laws más restrictivas.
Insertar Tabla 5
Los resultados de la investigación determinan que existe una relación directa entre las
blue laws y las cuotas de superficie comercial de los grandes formatos: una mayor
desregulación de horarios produce un aumento en el peso de los centros comerciales y la
limitación de horarios incorpora un mayor desarrollo de los supermercados.
5.2. Efectos directos de las blue laws en los cambios estructurales del sector
Los análisis exploratorios y confirmatorios han verificado la existencia de constructos o
variables latentes (ver Tablas 6 y 7 y Figura 3):

H2a: El constructo de ventas por habitante, ventas por establecimiento y ventas
por superficie frente a la variable de ventas por empleado.
9
 H2b: Un único constructo para la subhipótesis: inversión por habitante,
inversión por establecimiento e inversión por superficie.
 H3: El constructo de número de empleados por establecimiento y número de
empleados por superficie versus la variable de número de empleados por
habitante.
 H4: El constructo del índice de precios general, índice de precios en
alimentación e índice de precios en menaje, quedando aparte la variable del
índice de precios en vestido11.
Insertar Tabla 6 y 7
Insertar Figura 3
Las hipótesis H2a, H2b, H3 y H4 son sometidas a sendos análisis ANCOVA. El factor
es el nivel de desregulación de horarios (mínima o superior), y las covariables exógenas
son las cuotas de superficie de los supermercados versus centros comerciales (a la vista
de los resultados de la H1) y la variable exógena de control es el PIB.
Al trabajar con variables latentes no se presenta el problema de multicolinealidad. Los
análisis factoriales correspondientes han separado las variables con correlaciones más
bajas, y la matriz de transformación de los componentes presenta valores de: 0,51; 0,6 y
0,3 (no ha lugar para la hipótesis H2b que tiene una sola variable latente), por debajo de
los límites de 0,7 exigidos por la estadística, y por lo tanto con FIV bastante bajos (1,36;
1,58 y 1,1).
El primer ANCOVA opera con dos variables dependientes de «ventas»: la dimensión de
ventas generales (constructo VG) y la variable productividad de ventas (VEm). El
modelo es significativo: las blue laws tienen efectos beneficiosos sobre la mejora de la
productividad, en tanto que una mayor cuota de centros comerciales los tiene sobre las
ventas generales (ver Tabla 8).
Insertar Tabla 8
Por su parte, el segundo análisis ANCOVA estudia la hipótesis H2b con el único
constructo de inversión general (IG). El modelo es significativo; las blue laws tienen
una relación neutral: la inversión en el sector está relacionada con las cuotas de
superficie de los supermercados o de los centros comerciales. Sin embargo, la relación
11
Si bien lo ideal sería haber trabajado con los precios reales, ello resulta casi imposible. Pero
entendemos que la variación interanual en el índice de precios puede aceptarse como un buen indicador
de un proceso de reducción de precios, como sería esperable con el aumento de la competencia.
10
indirecta es significativa (ver Tabla 9): la liberalización de los horarios atrae mayores
niveles de inversión global.
Insertar Tabla 9
El tercer análisis ANCOVA opera con dos variables dependientes: el número de
empleados por habitante (NEmH) y el constructo empleo estructural (EE). El modelo
solo explica las variaciones en el constructo: una mayor cuota de centros comerciales
explica el mayor empleo estructural, sin observar efecto de las blue laws. La relación es
indirecta, con los datos de la prueba Bonferroni (ver Tabla 10): las blue laws más
liberalizadoras presentan mejores datos de empleo neto.
Insertar Tabla 10
Finalmente, el cuarto análisis ANCOVA opera con dos variables dependientes: el
constructo precios del hogar (IPHO) y el Índice de Precios en Vestido (IPV). El modelo
es explicativo (ver Tabla 11) por el efecto de la covariable económica (PIB), nunca por
las blue laws, ni de forma directa ni indirecta.
Insertar Tabla 11
Los modelos ANCOVA utilizados permiten debatir las hipótesis de relaciones
planteadas. En el caso de los índices de precios (H4) se rebate la misma, pero en las
demás hipótesis se han verificado relaciones directas y/o indirectas de las blue laws
sobre la estructura y actividad del sector de la distribución comercial (ver Tabla 12).
Insertar Tabla 12
En definitiva, las blue laws y el desarrollo de los supermercados y/o centros comerciales
determinan mejoras de productividad de ventas por empleado. El aumento en la
inversión general en el sector es originado por los grandes formatos comerciales, sean
los supermercados y/o los centros comerciales.
No se pueden avalar los resultados de la literatura que indicaban que las blue laws
favorecen de forma directa los aumentos de las ventas y de la inversión en el sector de
la distribución comercial.
Este estudio concluye que las mejoras en el empleo son consecuencia del aumento de
cuota de participación de los supermercados y/o de los centros comerciales. De nuevo,
el efecto final es indirecto y no directo como se indicaba en la literatura.
Además, estos resultados indican la ausencia de relación de las blue laws con los índices
de precios, tanto de forma directa como indirecta: el aumento de los supermercados no
afecta a los índices de precios de la alimentación ni el incremento de los centros
11
comerciales influye en los índices de precios de no alimentación. Todo el efecto
explicativo se concentra en la evolución del PIB.
6.
CONCLUSIONES
E
IMPLICACIONES
ECONÓMICAS
Y
EMPRESARIALES
Hasta el momento la literatura había estudiado el efecto de la regulación comercial con
una perspectiva directa y lineal, tratando de establecer causalidad entre un determinado
nivel de regulación y variables económicas y sectoriales de importancia, como la
creación de empresas, el empleo y los precios.
Sin embargo, lo relevante es que la regulación concreta de los horarios comerciales
(blue laws) altera el modelo general de asignación de tiempo por parte del consumidor.
Se trata de una cuestión de importancia estratégica en la distribución comercial, y fuente
de importantes innovaciones en formas comerciales. De tal forma que, la igualación de
los horarios que proponen las blue laws limita la búsqueda de ventajas competitivas por
parte de los formatos y empresas comerciales, a la vez que genera conflictos
competitivos absolutamente artificiales.
La importancia de utilizar el modelo de tiempo de compra como elemento estratégico se
explica, además, desde la perspectiva de los costes. Cada forma comercial o empresa
concreta deberá buscar su propio punto de equilibrio entre las costumbres y preferencias
de sus compradores y los costes que se derivan de un aumento o disminución, en sus
horarios de apertura. No se trata de considerar solo los efectos de abrir más días y/o más
horas sino de saber elegir qué días y qué horas concretas interesan a cada tipo de
comprador y a la estructura de costes.
La atención empresarial debe pasar de una demanda de mayor o menor horario a la
búsqueda del equilibrio competitivo: cada negocio debe considerar la relación entre los
mayores costes de apertura y la demanda real según las horas y días concretos. De
hecho, se puede producir la paradoja de que disminuya el número de establecimientos
detallistas que hacen uso de una mayor amplitud de horarios.
En definitiva, la libertad de horarios constituye una importante oportunidad para
proponer estrategias de tiempo de compra diferentes generando innovación comercial,
competencia y eficiencia, más allá de las grandes variables macroeconómicas.
En este contexto, la desregulación comercial (las blue laws son las restricciones más
visibles pero existen otras muchas como las segundas licencias) aparece como un factor
12
externo que motiva cambios competitivos internos al sector. El cambio es necesario y
continuo, a modo de un efecto muelle: los factores externos (como las blue laws)
motivan las innovaciones comerciales (como los centros comerciales), cuyo desarrollo
origina cambios competitivos internos en los formatos existentes.
En resumen, esta investigación apoya las teorías integradas de la distribución comercial
para el caso de las blue laws. Se trata de un modelo combinado que no opera de forma
directa sobre el sector, el negocio, el empleo o los precios, sino que lo hace de forma
indirecta: las blue laws alteran las condiciones de competencia de las formas
comerciales y estas son las que originan los cambios sectoriales finales.
Además, el modelo defendido puede ser aceptado de forma global, dado que permite
superar los problemas de los estudios realizados con muy distintos países y economías,
en la medida que hemos trabajado con diferentes legislaciones nacionales, varias
legislaciones regionales y un intervalo temporal amplio que permitiera detectar los
cambios en las grandes variables económicas.
Por todo ello, el modelo que se plantea en esta investigación ayuda a moderar el debate
de política económica sobre las blue laws en España y en Europa con la propuesta de un
esquema de efectos indirectos: la liberalización de horarios favorece la innovación y la
competencia comercial, lo que tendrá efectos finales sobre el sector y la economía.
BIBLIOGRAFÍA
Aranda, E.; Casares, J. y Martín, V. (2002): «Los horarios en distribución comercial», Distribución y Consumo, Julio-Agosto, 19-33.
Baker, R. (2002): «The impact of the deregulation of retail hours on shopping trip
patterns in a mall hierarchy: an application of the RASTT model to the Sydney Project
(1980-1988) and the global vacant shop problem», Journal of Retailing and Consumer Services, 9, 155-171.
Banco Central Europeo (2011): «Structural features of the distributive trades sectors and their impact on euro and price developments», Occasional Paper, 128.
Barnes, N. G. (1984): «New shopper profiles: Implications of Sunday sales», Journal of Small Business Management, July, 32-39.
Bertrand, M. y Kramarz, F. (2002): «Does entry regulation hinder job creation?:
Evidence from the French retail industry», The Quaterly Journal of Economics, 117,
1369-1413.
13
Bhatnagar, A. y Ratchford, B. T. (2004): «A model of retail format competition for non-
durable goods», International Journal of Research in Marketing, Vol.21, Issue 1, 39-59.
Brown, S. (1988). «The wheel of the wheel of retailing», International Journal of Retailing, 3.1, 16-37.
Burda, M. y Weil, P. (2005): «Blue Laws», Octubre. Mimeo.
Burke, J. (1995): «Issue of longer store hours riles Germany´s retailers», The Christian
Science Monitor, Vol. 87, 129, 8.
Burt, S. (2010): «Retailing in Europe: 20 years on», The International Review of Retail,
Distribution and Consumer Research, 20, 1, 9-27.
Caridad, J. M. y Ocerín, J. M. C. (1998): Econometría: Modelos econométricos y series
temporales, Ed. Reverté, Barcelona.
Catena, A. T.; Ramos, M. M. y Trujillo, H. M. (2003): Análisis multivariado: un
manual para investigadores, Ed. Biblioteca Nueva, Barcelona.
Ciarreta, A.; Espinosa, M. y Martínez, M. (2009): «Entry regulations in the Spanish
retail sector: effects on employment», Mimeo.
Cruz, I. y Medina, O. (1995): «Regulación de Horarios de Apertura: Implicaciones Económicas», Información Comercial Española, 739, 81-92.
Desormeaux, R.; Nantel, J. y Ámese, F. (1998): «Les Heures d’affaires des supermarchés au Québec», Québec National Assembly, Report 88-07 HEC.
Elliot, D. S. y Levin, S. L. (1987): «Estimating the economic impact of repealing laws prohibiting sundays sales», International Journal of Retailing, Vol. 2, 1, 31-43.
Ferris, J. S. (1990): «Time, space and shopping: The regulation of shopping Hours», Journal of Law, Economics and Organization, Vol. 6, 55-72.
Filser, M. y McLaughin, E. W. (2013): «The impact of logistical criteria in the selection of SMEs by large food retailers -a case study in an emerging country», Problems and
Perspectives in Management, Vol. 11, Issue 1, 23-33.
Filser, M. y Paché, G. (2008): «La dinamique des canaux de distribution: Approches
theóriques et ruptures estratégiques», Revieu Française de Gestion, 182, 109-133.
Freathy, P. y Sparks, L. (1995): «Flexibility, labour segmentation and retail superstores managers: the effects of Sunday trading», The International Review of Retail, Distribution and Consumer Research, Vol. 5, 3, 361-385.
Geiger, S. (2007): «Exploring night-time grocery shopping behavior», Journal of
Retailing and Consumer Services, 14, 24-34.
Gist, R. R. (1968): Retailing: Concepts and decisions, Ed. Wiley. New York.
14
Glorieux, I., Mestdag, I. y Minnen, J. (2008): «The coming of the 24-hour economy?
Changing work schedules in Belgium between 1966 and 1999», Time & Society, 17, 63­
83.
Goldman, A.; Ramaswami, S. y Krider, R. E. (2002): «Barriers to the advancement of modern food retail formats: Theory and measurement», Journal of Retailing, Vol. 78,
Issue 4, 281-295.
Grunhagen, M.; Grove, S. J. y Gentry, J. W. (2003): «The dynamics of store hour
changes and consumption behavior», European Journal of Marketing, Vol. 37, 11/12,
1801-1817.
Grunhagen, M. y Mittelstaedt, R. A. (2001): «The impact of store hours and redistributive income effects on the retail industry: some projections for Germany», International Review of Retail, Distribution and Consumer Research, Vol 11, 1, 49-62.
Halk, K. y Trager, U. (1999): «Wiewirkt das neue Landeschlubgesetz auf den Einzelhandel? », IFO Schnelldienst, 1-2, 7-13.
Henisz, W. J. y Zelner, B. A. (2010): «The Hidden Risks in Emerging Markets», Harvard Business Review, Vol. 8, 4, 88-95.
Hoffmaister, A. W. (2006): «Barriers to retail competition and prices: Evidence from
Spain», IMF Working Paper, WP/06/231.
Howe, W. S.; Jurgens, U. y Werwy, H. (1998): «Comparative structure and
development of retailing in the United Kingdom and Germany 1980-92», International
Review of Retail, Distribution and Consumer Research, Vol. 8, 1, 79-99.
Inderst, R., Irmen, A. (2005): «Shopping hours and price competition», European
Economic Review, 49, 1105-1124.
Ingene, C. A. (1986): «The Effect of blue laws on consumer expenditures at retail», Journal of Macromarketing, Fall, 53-71.
Izraeli, D. (1973): «The three wheels of retailing: a theoretical note», European Journal
of Marketing, 7.1, 70-74.
Jacobsen, J. y Kooreman, P. (2005): «Timing constraints and the allocation of time: The
effects of changing hours regulations in The Netherlands», European Economic Review, 49, 9-27.
Kay, J. A. y Morris, C. N. (1987): «The Economic efficiency of Sunday trading restrictions», The Journal of Industrial Economics, Vol. XXXVI, December, 113-129.
15
Kirby, D. A. (1992): «Employment in retailing: Unsociable hours and Sunday trading», The International Review of Retail, Distribution and Consumer Research, Vol. 20, 7, 19-28.
Kosfeld, M. (2002): «Why shops close again: An evolutionary perspective on the deregulation of shopping hours», European Economic Review, 46, 51-72.
Lambert, C. A. (1994): «Open all week: the case for Sunday hours», Hardware Age, Vol. 231, June, 33-37.
Markin, R. J., y Duncan. C. P. (1981): «The transformation of retailing institutions:
Beyond the wheel of retailing and life cycle theories», Journal of Macromarketing, 1.1,
58-66.
Matea, M. y Mora, J. (2011): «La estructura de la distribución comercial y su efecto sobre los precios en el área del euro y en España», Boletín Económico del Banco de
España. 43, 41-56.
Matea, M. y Mora, J. (2012): «Comercio minorista y regulación autonómica: Efectos en la densidad comercial, el empleo y la inflación», Revista de Economía Aplicada. 59, Vol. XX, 5-54.
Moorhouse, J. C. (1984): «Is tullock correct about sunday closing laws», Public Choice, Vol. 42, 2, 197-203.
Neutens, T.; Delafontaine, M.; Schwanen, T. y Van de Weghe, N. (2012): «The
relationship between opening hours and accesibility of public service delivery», Journal
of Transport Geography, Vol. 25, November, 128-140.
Nooteboom, B. (1982): «A new theory of retailing cost», European Economic Review, Vol. 17, 163-186.
Orea, L. (2008): «The effect of legal barriers to entry in the Spanish retail market: A
local market analysis», Economic Discussion Paper, EDP 01/2008, Universidad de
Oviedo.
Ramos, M. M.; Catena, A. y Trujillo, H. M. (2004): Manual de Métodos y Técnicas de
Investigación en Ciencias del Comportamiento, Ed. Biblioteca Nueva, Madrid.
Reddy, K. (2012): «Price effects of shopping hours regulations: Evidence from Germany», Economic Affairs, February, 49-54.
Reinartz, W.; Dellaert, B.; Krafft, M.; Kumar, V. y Varadajan, J, (2011): «Retailing
Innovations in a Globalizing Retail Market Environment», Journal of Retailing, Vol.
87, Sup. 1, Jully, S53-S66.
16
Rouwendal, J. y Rietveld, P. (1998): «An Economic analysis of opening hours for
shops», Journal of Retailing and Consumer Services, Vol. 5, 2, 119-128.
Schivardi, F. y Viviano, E. (2008): «Entry barriers in retail trade», CEPR Discussion Paper, 6637.
Sánchez, M. (coord.) (2008): Informe: Análisis del desempeño del comercio e impacto de la política comercial en España. D.G. de Política Comercial, S. de Estado de
Turismo y Comercio, M. de Industria, Turismo y Comercio, Madrid.
Skuterud, M. (2005): «The impact of Sunday shopping on employment and hours of work in the retail industry: Evidence from Canada», European Economic Review, Vol. 49, 1953-1978.
Sorescu, A.; Frambach, R. T. y Singh, J. (2011): «Innovations in retail business models», Journal of Retailing, Vol. 87, Sup. 1, S3-S16.
Sugie, Y.; Zhang, J. y Fujiwara, A. (2003): «A weekend shopping activity participation model dependent on weekday shopping behavior», Journal of Retailing and Consumer
Services, 10, 335-343.
Tanguay, G. A.; Vallee, L. y Lanoie, P. (1995): «Shopping hours and price levels in the
retailing industry: A theoretical and empirical analysis», Economic Inquiry, Vol. 33, July, 516-524.
Vázquez, R. y Trespalacios, J. (2009): Estrategias de distribución comercial. Diseño del canal de distribución y relación entre fabricantes y detallistas, Ed. Paraninfo, Madrid.
Viviano, E. (2008): «Entry regulations and labor market outcomes: evidences from the
Italian retail trade sector», Labour Economics, Vol.15, 6, 1200-1222.
17
Figura 1: Modelo conceptual
Figura 2: Estructura de las Hipótesis
Tabla 1: Revisión de los trabajos empíricos
Tópico
Modelo de tiempo de
compra del consumidor
Uso de la desregulación
por los formatos
comerciales
Grandes Superficies y
desregulación comercial
Autores
Jacobsen y Kooreman
Glorieux, Mestdag y Minnen
Neuten, Delafontaine, Schwanen y Van de Weghe
Halk y Trager
Kosfeld
Año
2005
2008
2012
1999
2002
País
Holanda
Bélgica
Bélgica
Alemania
Alemania
Elliot y Levin
Tanguay, Vallee y Lanoie
Howe, Jurgens y Werwy
Rouwendal y Rietveld
Grunhagen y Mittelstaedt
Baker
Burda y Weil
1987
1995
1998
1998
2001
2002
2005
Canadá
Canadá
Reino Unido
Alemania
Alemania
Australia
Estados Unidos
18
Los Costes de ampliar
horarios para las formas
comerciales
El empleo con la
ampliación de los horarios
comerciales
El nivel de precios con la
ampliación de horarios
comerciales
Schivardi y Viviano
Barnes
Lambert
Sugie, Zhang y Fujiwara
Kirby
Freathy y Sparks
Tanguay, Vallee y Lanoie
Aranda, Casares y Martín
Skuterud
Ingene
Kay y Morris
Ferris
Tanguay, Vallee y Lanoie
Desormeaux, Nantel y Ámese
Grunhagen y Mittelstaedt
Aranda, Casares y Martín
Inderst e Irmen
Reddy
2008
1984
1994
2003
1992
1995
1995
2002
2005
1986
1987
1990
1995
1998
2001
2002
2005
2012
Italia
Estados Unidos
Estados Unidos
Japón
Reino Unido
Reino Unido
Canadá
España
Canadá
Estados Unidos
Reino Unido
Reino Unido
Canadá
Canadá
Alemania
España
Alemania
Alemania
Tabla 2: Variables construidas para la base de datos12
VARIABLES DEPENDIENTES
VARIABLES INDEPENDIENTES
(VH) Media de Ventas en euros por habitante
(VE) Media de Ventas en euros por establecimiento
(VEm) Media de Ventas en euros por empleado
(VS) Media de ventas en euros por superficie
(IH) Inversión en euros por habitantes
(IS) Inversión en euros por superficie
(IE) Inversión en euros por establecimiento
(NES) Número medio de empleados por superficie
comercial
(NEE) Número medio de empleados por
establecimiento
(NEmH) Número medio de empleados por habitante
(IPA) Índice de precios de alimentación
(IPM) Índice de precios de menaje
(IPV) Índice de precios de vestido
(IPG) Índice de precios general
(BL) Blue laws
(PIB) Variación anual PIB
(NSH) Cuota de superficie de supermercados por
habitantes
(NCCH) Cuota de superficie de centros comerciales por
habitantes
Tabla 3: Distribución normal multivariable
Prueba de
esfericidad de
Bartlett
Chicuadrado
Gl
Sig.
ANCOVA_1
526,119
ANCOVA_2A
28,068
ANCOVA_3
132,903
ANCOVA_4
0,625
6
0,000
1
0,000
1
0,000
1
0,03
Tabla 4: Homogeneidad de varianzas y covarianzas
M de Box
F
gl1
gl2
Sig.
ANCOVA_1
55,873
5,361
10
48278,196
0,000
ANCOVA_2A
14,8865
1,596
3
1245973,973
0,088
12
ANCOVA_3
17,6686
3,226
1,054
1245973,973
0,067
ANCOVA_4
28,910
9,441
3
1245973,973
0,000
Inicialmente, se consideró el caso de los hipermercados. Pero los datos mostraban una correlación
positiva con los centros comerciales y negativa con los supermercados. Además, el hipermercado ha
tenido poca variación en los últimos años en España.
19
Tabla 5: Resultados sobre la competencia en el sector de la distribución
Origen
Variable dependiente
Modelo
NSH
NCCH
NSH
NCCH
NSH
NCCH
NSH
NCCH
VARPIB
DOSCASOS
Error
Suma de cuadrados
tipo III
17,736a
0,044b
0,001
8,843E-5
13,177
0,032
0,989
0,008
gl
3
3
1
1
2
2
109
109
Media cuadrática
5,912
0,015
0,001
8,843E-5
6,589
0,016
0,009
7,785E-5
F
651,612
188,609
0,086
1,136
726,169
203,700
Sig.
0,000
0,000
0,770
0,289
0,000
0,000
Prueba de BONFERRONI
Variable dependiente
(I)MÍNIMO/MÁS
NSH
(J)MÍNIMO/MÁS
MÍNIMO
MÁS
MÍNIMO
dimensión1
MÁS
dimensión2
dimensión2
dimensión2
dimensión2
dimensión1
NCCH
MÁS
MÍNIMO
MÁS
MÍNIMO
Diferencia
de medias
(I-J)
0,033
-0,033
-0,016
0,016
Tabla 6: Resultados de los análisis exploratorios
Varianza total explicada
Componente Autovalores iniciales
Sumas de las saturaciones al cuadrado de la extracción
Total % de la varianza % acumulado Total
% de la varianza
% acumulado
AF1
1
2,521
84,044
84,044 2,297
76,550
76,550
H2A
AF2
H2B
AF3
H3
AF4
H4
1
1
1
2,916
97,203
97,203
2,874
1,747
87,342
87,342
1,747
1,889
66,951
66,951
1,580
95,810
87,342
66,650
Tabla 7: Resultados de los análisis confirmatorios
Variables latentes
Ventas (F2)
H2A
IPC (F1) H4
RMSA
0,074
NFI
0,919
CFI
0,95
RMSA
0,062
NFI
0,996
CFI
0,998
RMSA
0,076
NFI
0,994
CFI
0,996
Inversión (F2
H2B)
Empleo (F2)
H3
Factor
AVE
VENTAS /H2A
INVERSION/ H2B
EMPLEO/ H3
IPC/ H4
0,765
0,958
0,697
0,609
Coeficiente Compuesto de
Fiabilidad
0,907
0,986
0,893
0,877
20
95,810
87,342
66,650
Error
típ.
0,020
0,020
0,002
0,002
Sig.a
0,009
0,009
0,001
0,001
Figura 3: Dimensiones para H2a y H2b, H3 y H4 tras los análisis confirmatorios
Tabla 8: Resultados sobre las ventas del sector de la distribución
Origen
Variable dependiente
Modelo corregido
CONSTRUCTO VG
VEm
VEm
CONSTRUCTO VG
VEm
CONSTRUCTO VG
VEm
CONSTRUCTO VG
VEm
CONSTRUCTO VG
VEm
PIB
NSH
NCCH
FACTOR BL
Variable
(I)MÍNIMO/MÁS
Suma de cuadrados
tipo III
gl
35,434 4
9593,010b 4
1501,660 1
11,392 1
3006,620 1
0,700 1
815,736 1
3,580 1
0,247 1
0,140 1
983,204 1
(J) MÍNIMO/MÁS
dependiente
dimensión2 MÁS
MÁS
dimensión2 MÍNIMO
Sig.
0,000
0,000
0,000
0,000
0,000
0,298
0,000
0,020
0,947
0,641
0,000
Error típ.
Sig.a
-0,238
0,186
0,203
0,238
0,186
0,203
6,201
*
1,967
0,002
-6,201
*
1,967
0,002
dimensión1
VENTAS X
EMPLEADO
MÍNIMO
F
13,816
42,885
26,852
17,768
53,763
1,092
14,587
5,583
,004
,218
17,581
Diferencia de
medias (I-J)
VENTAS
GENERALES
Media
cuadrática
8,858
2398,252
1501,660
11,392
3006,620
0,700
815,736
3,580
0,247
0,140
983,204
MÍNIMO
dimensión2 MÁS
dimensión1
MÁS
dimensión2 MÍNIMO
Tabla 9: Resultados sobre la inversión en el sector de la distribución comercial
Origen
Suma de cuadrados tipo III gl Media cuadrática
F
Modelo corregido
31,147a 4
7,787 11,888
PIB
1,311 1
1,311 2,002
NSH
3,655 1
3,655 5,580
NCCH
18,562 1
18,562 28,339
FACTOR BL
,000 1
0,000 0,000
21
Sig.
0,000
0,160
0,020
0,000
0,990
(I)MÍNIMO/MÁS
(J)MÍNIMO/MÁS
dimensión1
MÍNIMO
MÁS
Diferencia de
medias (I-J)
-0,584*
0,584*
dimensión2 MÁS
dimensión2 MÍNIMO
Error típ.
0,199
0,199
Sig.a
0,004
0,004
Tabla 10: Resultados sobre el empleo en el sector de la distribución
Origen
Variable dependiente
Modelo corregido
NEmH
CONSTRUCTO EE
NEmH
CONSTRUCTO EE
NEmH
CONSTRUCTO EE
NEmH
CONSTRUCTO EE
NEmH
CONSTRUCTO EE
PIB
NSH
NCCH
FACTOR BL
Variable
(I)MÍNIMO/MÁS
Suma de cuadrados
tipo III
gl
187,206a 4
9,885b 4
34,833 1
0,913 1
140,386 1
0,001 1
83,729 1
1,860 1
82,007 1
1,449 1
(J)MÍNIMO/MÁS
dependiente
MÍNIMO
Sig.
0,141
0,013
0,254
0,269
0,023
0,977
0,078
0,046
0,081
0,165
dimensión2 MÁS
Error típ.
Sig.a
-0,502*
0,189
0,009
*
0,189
0,009
dimensión1
EMPLEO X
HABITANTES
F
1,765
3,335
1,314
1,232
5,295
0,001
3,158
2,510
3,093
1,955
Diferencia de
medias (I-J)
EMPLEO
ESTRUCTURAL
Media
cuadrática
46,802
2,471
34,833
0,913
140,386
0,001
83,729
1,860
82,007
1,449
MÁS
dimensión2 MÍNIMO
0,502
MÍNIMO
dimensión2 MÁS
-1,386
1,045
0,187
MÁS
dimensión2 MÍNIMO
1,386
1,045
0,187
dimensión1
Tabla 11: Resultados sobre los índices de precios
Origen
Modelo corregido
PIB
NSH
NCCH
FACTOR BL
Variable
Variable dependiente
IPHO
IPV
IPHO
IPV
IPHO
IPV
IPHO
IPV
IPHO
IPV
(I)MÍNIMO/MÁS
Suma de cuadrados tipo
III
61,003a
153,065b
47,201
94,676
0,085
0,859
0,079
4,733
7,680E-5
0,598
(J)MÍNIMO/MÁS
dependiente
gl
4
4
1
1
1
1
1
1
1
1
Media
cuadrática
F
15,251 18,563
38,266 3,138
47,201 57,451
94,676 7,764
0,085
,104
0,859
,070
0,079
,097
4,733
,388
7,680E-5 0,000
0,598 0,049
Diferencia de
medias (I-J)
IPC HOGAR
MÍNIMO
dimensión2 MÁS
MÁS
dimensión2 MÍNIMO
MÍNIMO
dimensión2 MÁS
MÁS
dimensión2 MÍNIMO
Sig.
0,000
0,018
0,000
0,006
0,748
0,791
0,757
0,535
0,992
0,825
Error típ.
Sig.a
-0,332*
0,130
0,011
0,332*
0,130
0,011
0,041
0,513
0,937
-0,041
0,513
0,937
dimensión1
IPC VESTIDO
dimensión1
22
Tabla 12: Resumen de los efectos analizados en cada hipótesis
Hipótesis
H1: Cuota de
Super/CC
H2.1: Ventas
H2.2: Inversión
H3: Empleo
H4: Precios
Grado de
Covariables de
Regulación
Formatos Comerciales
Comercial (BL)
(NSH y NCCH)
Sí existe dependencia
Si tiene1
No tiene
No tiene
No tiene
(1)
Si tienen
Si tienen
Si tienen
No tienen
La relación es solo con la productividad por empleado.
23
Covariable de Control
(PIB)
Resultado
No tiene
Aceptación
Si tiene
No tiene
No tiene
Si tiene
Aceptación parcial
Aceptación
Aceptación
Rechazo