ANALIS ECONÓMICO DEL SECTOR CONFECCIONES Elaborado

ANALIS ECONÓMICO DEL SECTOR CONFECCIONES
Elaborado por:
Luis Alfredo Molina Guzmán
Danny Múnera Barrera
Facultad de Economía – ECE – UPB
Enero 26 de 2012
INTRODUCCIÓN
Según datos de Colombia Compite1 (2005), internacionalmente en Colombia el consumo per cápita
de textiles es ligeramente superior al promedio de los países en vías de desarrollo, el cual es de 4.5
Kg. Los países industriales registran un consumo per cápita aproximado de 20.8%, lo cual da una
idea del potencial que se tiene, sin contar con algunos factores internos que no han permitido una
sostenida reactivación del mercado interno.
De acuerdo con un estudio del Centro de Investigación y Desarrollo Tecnológico textil Confección
de Colombia (Cidetexco), tanto la parte textil como de confección, tiene debilidades por corregir y
fortalezas por aprovechar.
En el caso de las fibras, las debilidades establecidas son la inseguridad que, ante la ausencia de
algodoneros, genera una pérdida de eficiencia; también los elevados aranceles para importación
de maquinarias e insumos, así como los subsidios que otros países entregan a su producción
algodonera.
Sus fortalezas se centran en que algodón colombiano tiene dos cosechas anuales, frente a la
mayoría de sus competidores que sólo tienen una y que se cuenta con ventajas de clima y
ambiente que favorecen la producción de fibra.
En la parte de la hilandería se cuenta con una tradición en la producción de hilos de excelente
calidad, pero la amenaza principal continúa siendo los elevados costos, sumado a que el valor de
los hilos importados es, en algunos casos, menor que el de los producidos en el país.
Entre las fortalezas del sector está el conocimiento técnico en destrezas y habilidades de potencial
humano, el hecho de ser una industria con casi cien años de tradición y el tener entre sus
oportunidades el desarrollo de procesos de especialización de productos, con unidades
estratégicas de negocios y empresas generadoras de servicios, para resolver así el problema de
estructura de costos.
1
Para mayor información diríjase a la página web: www.colombiacompite.com.co
Esto va de la mano con las debilidades de los confeccionistas, que aún tienen altos costos
laborales por superar. De todas maneras, entre sus fortalezas más importantes están el alto
reconocimiento internacional en calidad, precio y servicio.
Si un sistema económico cualquiera pretende mantener tendencias que apunten hacia un
equilibrio de crecimiento sostenido, necesita que la innovación sea una acción que dinamice
permanentemente el sistema. De esto se desprende que la consecución de la competitividad
contiene necesariamente una activa dinámica innovadora, así como una permanente mejora en
la productividad (Fernández y otros; 2000).
Bajo este contexto, la Cadena fibra-textil-confección genera valor agregado desde su comienzo,
cuando se toma una fibra, bien sea natural o sintética, hasta llegar a una confección terminada
útil, necesaria e innovadora. Es un sector productivo y competitivo que genera una cantidad
considerable de puestos de trabajo con la elaboración de productos que tienen mercado tanto a
nivel nacional como internacional.
Si embargo, este sector tiene un mercado exigente, en especial la parte internacional, donde no
ser competitivos significa no poder acceder al mercado, y aunque tiene grandes oportunidades a
través de los diferentes acuerdos de integración, como El TLC, El G3 y La CAN, sobrevivir a las
exigencias y precios de mano de obra del mercado es difícil.
Ámbito de la cadena regional textiles y confecciones:
La cadena textil confección agrupa los siguientes sectores CIIU (revisión 3) 3 dígitos:
171: Preparación e hilatura de fibras textiles
172: Tejedura de productos textiles
173: Acabado de productos textiles no producidos en la misma unidad de producción
174: Fabricación de otros productos textiles
175: Fabricación de tejidos y artículos de punto y ganchillo
181: Fabricación de prendas de vestir, excepto prendas de piel.
De acuerdo con información de la Encuesta Anual manufacturera en el 2010 la cadena
representaba el 16.6% total del empleo industrial y 6% de la producción total. El sector
Confecciones (Código 181, CIIU Rev. 3) es el más importante agrupando el 70.8% de las empresas
de la cadena y generando el 56.3% del empleo y el 54.6% del valor agregado.
Cuadro 1. El sector confección en contexto
Cadena Textil Confeccion 2010
Producción Bruta (Mill de $ de
Empleo
2009)
No Empresas
Sector
171
172
173
174
175
181
Total
Cadena
Total
Nacional
Total Part. en Part. Ind.
Sector la cadena Nacional
Valor Agregado (Mill de $ de
2009)
Total Part. en la Part. Ind.
Part. en la Part. Ind.
Part. en la Part. Ind.
Total Sector
Total Sector
Sector cadena Nacional
cadena Nacional
cadena Nacional
18
46
76
165
78
929
1.4%
3.5%
5.8%
12.6%
5.9%
70.8%
0.2%
0.5%
0.9%
1.9%
0.9%
10.4%
4240
13765
5296
10635
12598
59930
4.0%
12.9%
5.0%
10.0%
11.8%
56.3%
0.7%
2.1%
0.8%
1.7%
2.0%
9.3%
495,356
1,436,429
260,760
1,057,329
1,324,132
4,572,812
5.4%
15.7%
2.9%
11.6%
14.5%
50.0%
0.3%
0.9%
0.2%
0.7%
0.9%
3.0%
189,127
473,703
111,665
424,446
470,445
2,005,582
5.1%
12.9%
3.0%
11.5%
12.8%
54.6%
0.3%
0.7%
0.2%
0.6%
0.7%
3.0%
1312
100.0%
14.7%
106464
100.0%
16.6%
9,146,818
100.0%
6.0%
3,674,968
100.0%
5.5%
8905
-
100.0%
641502
-
-
100.0%
67,046,914
-
100.0%
100.0% 152,699,200
Fuente: DANE, DNP.
Analizando el sector Confección por separado, en la última década su comportamiento ha
fluctuado considerablemente, presentando síntomas de mejoría en el 2010. El empleo venía
presentando una tendencia decreciente desde el 2003 llegando a reducirse cerca de 14% en el
2009 pero con una mejora considerable en el 2010. Algo similar ocurrió con la producción y el
valor agregado del sector
Cuadro 2. Evolución del sector confección
Año
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
Promedio
Fuente: DANE
Evolución Sector Confección Colombia
Producción Bruta
Número de
Total Personal
(Miles de $ de
Establecimientos
Ocupado
2009)
865
70 402
2,962,123,643
818
71 601
3,219,640,098
792
74 767
3,297,422,617
822
80 839
3,728,004,274
789
84 923
4,116,387,243
805
82 369
4,192,773,342
756
77 639
4,534,704,362
729
74 790
4,517,099,774
763
72 140
4,754,039,193
950
62 208
4,282,816,408
929
59 930
4,572,811,977
820
73 783
4,016,165,721
Valor Agregado
(Miles de $ de
2009)
1,485,173,421
1,562,674,526
1,605,366,597
1,726,006,441
1,883,200,767
1,981,764,905
2,154,367,728
2,112,013,902
2,245,226,228
2,018,775,302
2,005,582,215
1,889,104,730
En la siguiente gráfica se ilustra el comportamiento de estas variables.
Fuente: Elaboración propia
Siguiendo a María Cecilia Acevedo y Jorge Ramírez Vallejo (2005) quienes realizan un análisis de
Fronteras estocásticas para determinar la eficiencia del sector confecciones para Colombia con
datos desagregados por departamentos entre 1992-2000, realizamos un análisis similar para el
periodo 2002-2010. El análisis se realiza sólo para el sector confección por ser el sector de la
cadena textil confección del que más se disponen datos desagregados por departamento para el
período propuesto
Método de Fronteras estocásticas
En general los productores son agentes que maximizan la producción, minimizan costos y
maximizan beneficios. Por tanto, utilizando técnicas econométricas es posible estimar los
parámetros de estas funciones, donde las desviaciones de las observaciones seleccionadas son
modeladas como ruido estadístico (o ruido blanco).
Sin embargo, a pesar de que los productores puedan disponer de la misma tecnología y de la
misma cantidad de insumos van a haber unos más eficientes que otros, por consiguiente serán
capaces de producir una cantidad mayor de producto que los menos eficientes.
Pero, tales diferencias que pueden deberse a ineficiencias propias de las firmas y perturbaciones
externas, mediante técnicas econométricas pueden ser adecuadamente modeladas.
En un análisis tradicional de frontera determinística todas las desviaciones del producto máximo
son descritas como ineficiencias. Sin embargo, a veces el producto máximo puede ser más bajo
(superior) debido a shocks exógenos. Por lo tanto, la propia frontera de producción puede estar
cambiando. La frontera es desplazada por elementos estocásticos que están fuera del control de la
firma.
Especificación del modelo econométrico
Este estudio se basa en el modelo de Battese y Coelli (1995) de ineficiencia variante en el tiempo,
para medir eficiencia técnica y cambios en la eficiencia en el sector confecciones de
departamentos seleccionados:
Si el ambiente operacional es competitivo, es difícil aceptar la noción de que la ineficiencia
técnica permanece constante; por esta razón se permite que la ineficiencia varíe entre
departamentos y años. (Acevedo y Ramírez, 2005)
Por otra parte, los datos de panel con frecuencia permiten contar con un mayor número de
observaciones, lo que posibilita estimaciones más eficientes. Por lo mismo, los modelos de panel
facilitan estimar en forma simultánea el proceso tecnológico subyacente a una determinada
industria, junto con hipótesis sobre determinantes de la eficiencia productiva. Esto incrementa las
opciones para verificar hipótesis de interés.
Esta metodología plantea la estimación de una frontera de producción de diversos insumos, en
conjunto con la estimación de la ineficiencia técnica asociada. Simultáneamente se regresan las
ineficiencias resultantes al estimar la frontera estocástica de producción, respecto de un conjunto
de otras variables explicativas. Esta simultaneidad en la estimación supera los problemas de
inconsistencia de las aproximaciones de dos etapas, en las que se contradice el supuesto acerca de
la distribución de los efectos de ineficiencia en la frontera estocástica.
La frontera de producción Cobb-Douglas se especifica como:
(1)
Donde Qjt denota el producto del departamento j en el sector de confecciones. El subíndice j
representa el departamento j, N es igual a 11, t representa el año, y T = 9 años; L, K, R y E
representan el trabajo, el capital, las materias primas y el consumo de energía eléctrica,
respectivamente.
El valor anual de la producción en millones de pesos constantes de 2009 se usa como la variable de
producto. A su vez, los insumos son: el número total de personal ocupado, el consumo de energía
eléctrica medido en kilovatios, el gasto total de materias primas aproximado por el consumo
intermedio en millones de pesos y el stock de capital medido en millones de pesos. Las variables
nominales en pesos corrientes fueron convertidas a pesos constantes de 2009, usando el índice
de precios al productor (IPP) correspondiente al sector 181.
Los
son parámetros a ser estimados, y corresponden a las elasticidades del producto-frontera
con respecto a los insumos.
Los términos
(iid), del tipo
Los
corresponden a errores aleatorios independientes e idénticamente distribuidos
son los efectos de ineficiencia técnica con media µ (ineficiencia técnica) asociada con:
(2)
El índice LQS lo proponen Bannister y Stolp (1995), como proxy que captura economías internas de
escala, se calcula para cada departamento como:
Donde Nj es el empleo en el departamento j, y Pj es el número de plantas del departamento j. El índice
captura la escala promedio de la industria en la región relativa a la escala promedio de la industria en la
nación como un todo y es una proxy de la existencia de economías internas a la planta.
Cuando el índice toma un valor superior a 1, significa que el tamaño promedio de las plantas medido
por el número de empleados es superior al tamaño promedio de las firmas del sector en el país. Por el
contrario, un valor inferior a 1 sugiere que, en el departamento, las empresas presentan un número de
empleados por firma inferior al promedio nacional.
Un valor negativo y significativo para esta variable, sugeriría que una mayor escala regional de plantas
contribuye a disminuir la ineficiencia técnica en las firmas productoras de confecciones.
El logaritmo natural de la densidad poblacional en el departamento j, que se introduce en el modelo a
través de la variable Ln(densidad), captura economías de urbanización. El supuesto subyacente detrás
de este índice es que, un mayor número de habitantes por kilómetro cuadrado está positivamente
relacionado con las externalidades de la urbanización. Un coeficiente negativo para esta variable
implica que la eficiencia en los departamentos es una función creciente de la densidad poblacional
(aunque no necesariamente del tamaño relativo de la población).
Localización es el índice de localización de Driffield y Munday (2001), que se obtiene dividiendo la
participación de la región en la industria seleccionada en el valor agregado entre la participación de la
misma región en el total del valor agregado total del país. Un índice de localización mayor que 1
indica que la región en cuestión tiene un porcentaje de participación de su valor agregado mayor
que lo que su tamaño en términos de participación en el valor agregado sugeriría. Este indicador es
una proxy para economías de localización y se calcula de la siguiente manera para el departamento j
en el período t:
La hipótesis a probar es que las variables de aglomeración son negativas y significativas, es decir que
una mayor aglomeración reduce la ineficiencia técnica. En otras palabras, se espera que las tres
variables proxys de las economías de aglomeración estén asociadas positivamente con la eficiencia
técnica.
La eficiencia técnica en el sector confecciones del departamento j se define como:
Descripción de datos y variables
La fuente de los datos es la Encuesta Anual Manufacturera de 2002-2010, que se publica a
través del Anuario de Industria Manufacturera del DANE. En la Encuesta se encuentran variables
como número de establecimientos por sector y departamento, número de trabajadores, valor de
los activos, inversión, consumo intermedio y producción bruta. En este caso se utilizarán los datos
de la Encuesta correspondientes al sector 181 según CIIU segunda revisión (confecciones) para el
período en estudio. Para deflactar las series, se utiliza el índice de precios al productor (IPP)
correspondiente al sector 181. Estos índices de precios se obtuvieron del Banco de la República.
Un problema de los datos utilizados es el nivel de agregación. Esta agregación encubre diferencias
en la eficiencia entre industrias que no se pueden examinar. Lamentablemente, las limitaciones de
los datos precluyen cualquier otra definición de región diferente a la de los departamentos
colombianos.
En el cuadro 3 se muestra el promedio de las variables de frontera de producción y en el cuadro 4 se
presentan algunas estadísticas descriptivas de las variables explicativas de los efectos de ineficiencia
técnica durante el período 2002-2010: el indicador LQS de economías internas a la planta, el índice
de localización industrial y el logaritmo natural de la densidad poblacional, que se utiliza como proxy
de economías de urbanización.
CUADRO 3. Promedio de las variables de la frontera de producción (2002-2009)
Ln(Q) Ln(K) Ln(L) Ln(R) Ln(E)
Antioquia
9.39
8.76 4.52 9.12 7.88
Atlántico
7.76
7.43 3.45 7.42 6.79
Bogotá
8.91
8.53 4.30 8.60 7.58
Caldas
7.49
6.93 3.11 7.11 6.28
Cundinamarca 7.09
7.38 2.48 6.88 6.16
Norte
de
7.10
Santander
6.19 2.23 6.84 5.55
Quindío
6.56
6.01 2.04 6.33 5.17
Risaralda
8.33
7.89 3.77 8.04 7.09
Santander
7.87
7.45 3.31 7.54 6.40
Tolima
7.99
7.52 3.28 7.80 6.71
Valle
8.62
7.94 3.95 8.36 7.18
Fuente: EAM – DANE. Cálculos propios.
CUADRO 4. Estadísticas descriptivas de las variables explicativas de la eficiencia técnica (2002-2009)
Promedio
Departamento
LQS
Densidad
localización
Antioquia
3.1
4.6
2.5
Atlántico
3.4
6.7
0.7
Bogotá
2.9
8.6
1.0
Caldas
0.7
4.5
0.0
Cundinamarca
4.1
5.2
0.5
Norte
Santander
0.7
4.7
0.0
Quindío
0.7
4.2
0.3
Risaralda
3.4
5.6
2.5
Santander
1.4
4.3
0.8
Tolima
2.7
4.2
1.7
Valle
3.5
5.4
0.8
de
Fuente: EAM – DANE. Cálculos propios.
Resultados del modelo
El cuadro 5 presenta los estimadores de máxima verosimilitud para los parámetros de la función de
producción de frontera estocástica de los departamentos seleccionados, dadas las especificaciones
para los efectos de ineficiencia técnica, definida por la ecuación (2).
El cuadro 5 sugiere que los coeficientes del modelo son significativos. El parámetro de varianza
estimado también es significativo y, por lo tanto, se puede inferir de esta estimación que los
efectos de ineficiencia técnica tienen un impacto en el producto. Este resultado está en línea con
los de Battese y Coelli (1995).
Los parámetros estimados se denominan en este caso elasticidades del producto-frontera con
respecto a los insumos o elasticidades de la producción de la mejor práctica con respecto a los
insumos (Battese y Broca, 1997). Los estimadores obtenidos implican que los retornos a escala son
inferiores a 1, aunque no significativamente diferentes (0.98).
CUADRO 4. Resultados de la estimación de la frontera de producción estocástica
Coeficiente
error
estándar
t
Constante
0.985
0.072
13.68***
Ln(K)
0.21
0.0525
4.00***
Ln(L)
0.195
0.021
9.28***
Ln(R)
0.475
0.042
11.30***
Ln(E)
0.123
0.0525
2.34***
Variables que miden la ineficiencia técnica
Constante
2.85
0.432
6.59***
LQS
-0.4
0.2205
-1.81**
Ln(densidad)
-1.1
0.135
-8.15***
Localización
-0.58
0.069
-8.41***
Sigmasquared
1.25
0.198
6.31***
Gamma
0.94
0.008
117.50***
Parámetros de varianza
*** Significativas al 1%. ** significativas al 5%. * significativas al 10%.
Fuente: Cálculos propios.
Para llevar a cabo las diferentes pruebas de hipótesis respecto a los parámetros del modelo, se
utiliza el test de razón de verosimilitud generalizado, definido por:
Donde Ln[L(H0 )] corresponde al valor del logaritmo de la función de verosimilitud para el modelo
restringido (especificado en la hipótesis nula) y Ln[L(H1 )] es el valor del logaritmo de la función de
verosimilitud del modelo general estipulado en la hipótesis alternativa. Este test se distribuye
asintóticamente como una distribución chi-cuadrado con grados de libertad igual a la diferencia
entre el número de parámetros estimados bajo ambas hipótesis.
Ho: No hay
ineficiencia
efectos de
Estadístico
Valor
crític Decisión
o
185.25
17.210
Rechazar H 0
Si la hipótesis nula no se rechaza (lo que implica que todos los parámetros de y el parámetro
son iguales a cero), no hay desviaciones respecto a la frontera de producción debido a la
ineficiencia, sino solo a errores aleatorios. En este caso, el modelo sería equivalente a una función
tradicional de producción (o de “respuesta media”), estimable en forma eficiente a través de
mínimos cuadrados ordinarios. Pero si se rechaza, hay efectos de ineficiencia técnica y la estimación
por máxima verosimilitud del panel es más adecuada.
En el cuadro 5 se presenta la eficiencia técnica promedio estimada para los departamentos
seleccionados. De él se desprende que mientras que Quindío podría producir el mismo nivel de
producto utilizando el 58% de sus insumos, este porcentaje para Cundinamarca es del 93%, para
Antioquia del 92% y para Bogotá del 91%, es decir que los departamentos más eficientes son
Antioquia, Cundinamarca, Valle y Bogotá.
CUADRO 5. Eficiencia técnica promedio estimada para los departamentos seleccionados
Regiones
Antioquia
ET
– ET
–
UPB
Andes
VAR (%)
2012
2005
0.915
0,870
5,17
Atlántico
0.801
0,770
4,02
Bogotá
0.910
0,870
4,59
Caldas
0.784
0,820
-4,39
Cundinamarca
0.925
0,900
2,77
Norte de Santander
Quindío
0.692
0.578
0,660
N-D
4,84
N-D
Risaralda
0.774
0,800
-3,25
Santander
0.850
0,820
3,66
Tolima
0.802
0,780
2,82
Valle
0.896
0,860
4,18
REFERENTES BIBLIOGRÁFICOS:
Diferencias regionales en la eficiencia técnica del sector confecciones en Colombia: un
análisis de fronteras estocásticas
María Cecilia Acevedo Villalobos - Jorge Ramírez Vallejo
Universidad de los Andes (2005)
A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Funtion for
Panel Data
Battese, G – Coelli, T. J.
Empirical Economics (1995)