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