Universidad Autónoma de Ciudad Juárez Coordinación de Investigación y Posgrado del Instituto de AVANCES Cuaderno de Trabajo Comparación de las curvas de aprendizaje de la IME para municipios fronterizos y no fronterizos: un análisis dinámico César Alfredo Olivas Andrade Núm. 202 Diciembre 2008 Comité Editorial de Avances Dra. Martha Patricia Barraza de Anda Dra. Consuelo Pequeño Rodríguez Dra. Alba Yadira Corral Avitia Mtra. Carmen Gabriela Lara Godina Mtro. Gerardo Sandoval Montes Dra. Magali Velasco Vargas Dr. Ricardo Almeida Uranga Dra. Sonia Bass Zavala Mtra. Carmen Álvarez González Mtra. Ma. Elena Vidaña Gaytán Mtro. Oscar Dena Romero Mtra. Katya Butrón Yáñez Directorio Jorge Mario Quintana Silveyra Rector David Ramírez Perea Secretario General Martha Patricia Barraza de Anda Coordinadora General de Investigación y Posgrado Francisco Javier Sánchez Carlos Director del Instituto de Ciencias Sociales y Administración Consuelo Pequeño Rodríguez Coordinadora de Investigación y Posgrado del ICSA Universidad Autónoma de Ciudad Juárez Instituto de Ciencias Sociales y Administración H. Colegio Militar # 3775 Zona Chamizal C.P. 32310 Ciudad Juárez, Chihuahua, México Tels. 688-38-56 y 688-38-57 Fax: 688-38-57 Correo: [email protected] [email protected] Avances Comparación de las curvas de aprendizaje de la IME para municipios fronterizos y no fronterizos: un análisis dinámico Resumen En el presente documento se estiman y comparan las curvas de aprendizaje de la Industria Maquiladora de Exportación para las ciudades de Juárez, Tijuana, Monterrey y el Distrito Federal. Se recurre al análisis de series de tiempo y mediante la estimación de Vectores Autorregresivos (VAR) así como la descomposición de la varianza, se identifican los efectos que tiene el aprendizaje sobre la disminución de costos y sobre todo el tiempo que tarda un empleado en entrar en curva de aprendizaje, además de plantearse escenarios de posibles cambios. Introducción El presente documento estima la curva de aprendizaje de la Industria Maquiladora de Exportación (IME) para los municipios de Ciudad Juárez (CJZ), Tijuana (TJ), Monterrey (MTY) y el Distrtito Federal (DF). La curva de aprendizaje1 se refiere a la disminución de los costos medios como resultado de la experiencia acumulada de los trabajadores. La importancia de la curva de aprendizaje radica en el papel que juega y la importancia que tiene en la disminución de los costos, lo cual conlleva a las economías de escala. También tiene incidencia en las estructuras de mercado, la reducción de precios, la competencia y sobre los planes de inversión, entre otros. La estimación de las curvas de aprendizaje se realiza bajo un contexto estático así como uno dinámico. Las variables que se utilizan son valor agregado de la producción, 1 La literatura no diferencia entre los efectos de la curva de aprendizaje y los efectos de la curva de experiencia, a pesar que los primeros están más relacionados con el aprendizaje y la efectividad de los trabajadores y los últimos tienen que ver más con mejoras tecnológicas y procesos productivos. 1 Avances producción acumulada, insumos totales y costo medio. En el análisis estático se utiliza un modelo econométrico logarítmico simple para cada municipio. En el otro, se utiliza un vector autorregresivo para estudiar la relación dinámica entre las variables mencionadas. La investigación se divide en cuatro apartados. El primero presenta la revisión de literatura. El segundo apartado, Estimación de las curvas de aprendizaje, plantea las variables así como las técnicas y modelos econométricos utilizados. El siguiente apartado analiza los resultados obtenidos en los dos contextos, estima en primer lugar, las curvas de aprendizaje, posteriormente, en el análisis dinámico, se muestran las pruebas de raíz unitaria y la descomposición de la varianza. El último apartado presenta las conclusiones. I. Revisión de literatura Para Andress (1954) la CA es la tasa de mejoramiento o aprendizaje, es el porcentaje en que disminuye el tiempo de trabajo requerido para elaborar una unidad a medida que se incrementa la producción. Con la práctica el trabajador aprende y, entre más veces repita la operación, se incrementará la eficiencia. Los primeros estudios sobre ésta se realizaron en la industria metalúrgica, y en la aviación. En el caso de la industria de la aviación, la tasa de aprendizaje oscila entre un 80% para lograr el doble de la cantidad producida, es decir, la cuarta unidad requiere sólo del 80% de trabajo que se empleó para elaborar la segunda unidad, la décima requiere del 80% de la quinta, así sucesivamente. 2 Avances Un primer modelo, propuesto por Andress en 1954 para el estudio de la CA, es: Y = KX n (1) Donde: Y = el promedio acumulado de horas-hombre para cualquier número de unidades. K = número de horas-hombre necesarias para producir la primera unidad. n = (típicamente un número negativo) indica la tasa a que declina Y a medida que aumenta X en el tiempo. X = nivel de producción acumulada. Un segundo modelo: U = (n + 1)KX n (2) Donde: U = horas-hombre para una unidad específica. El resto de los símbolos permanecen iguales. Y por último, T = KX n ( X ) (3) Donde: T = horas-hombre totales necesarias para construir un número predeterminado de unidades. El resto de los símbolos permanecen iguales. 3 Avances El factor común de las expresiones anteriores es la cantidad de horas necesarias en el proceso de producción. La comprobación empírica de la formalización expresada de la CA ayuda para: i) la planeación financiera, ii) determinar niveles de producción, costos y de precios, iv) definir actividades indispensables en una industria. La CA es una característica inherente a toda actividad organizada (Hirshman, 1964). Realizar una actividad después de la primera vez implica aprendizaje, producto de la experiencia. La CA puede ser estudiada a través de dos perspectivas, su principal referencia son los costos (Abernathy y Wayne, 1974), la primera, costos de manufactura se reducen a medida que el volumen de producción crece y segunda, los costos totales declinan en una línea de producción a medida que el volumen de producción se incrementa. Conocer el comportamiento de los costos y la forma para reducirlos, representa para la empresa una oportunidad para crear una dinámica de producción eficiente, que le permite en el futuro mejoras e innovaciones en el producto. La propuestas de Abernathy y Wayne es que para lograr la reducción de costos, se deben promover cambios en las políticas de costos, estos son, se incremente la estandarización del producto; expansión de la integración vertical; se extienda la división del trabajo, la producción se racionalice y se oriente hacia el flujo de la línea de producción; se aprovechen economías de escala; mayor control sobre los insumos de producción; mayor preocupación del trabajador por la calidad del producto. 4 Avances El interés por el estudio de la CA continúa, en el 1979, Louis E. Yelle participa sus interpretaciones acerca del tema, su observación radica en que, a medida que la producción se duplica, las horas de trabajo directas que se necesitan para producir una unidad individual decrece a una tasa uniforme.2 Yelle propone también su formalización para su estudio. Y = KX (4 ) n Donde: Y = número de horas de trabajo directas para producir X unidades. K = número de horas de trabajo directas requeridas para producir la primera unidad. X = número de unidades acumulativas. n= log φ = log (1 − φ ) Índice de Aprendizaje. φ = la razón de aprendizaje. 1 − φ = la razón de progreso. Hasta 1979 la literatura existente sobre la CA se enfocó en aplicaciones puramente militares, siguieron a estas las aplicaciones industriales con el fin de lograr la reducción de costos. Algunas de las ideas bajo las cuales se estudia la CA son: 2 Como bien señala el autor, algunos prefieren usar costo en vez de horas de trabajo directas, sin embargo, Yelle se suscribe a la escuela de pensamiento que cree que las horas de trabajo directas son una medida más útil ya que normalmente la compensación por hora cambia con el tiempo. Además, existe un problema adicional de inflación. De cualquier forma, las horas de trabajo directas pueden ser convertidas fácilmente a costos. 5 Avances (a) Representaciones geométricas de las curvas de aprendizaje: el modelo log-lineal; el modelo “plateau”; el modelo Stanford-B; el modelo DeJong y el modelo- S. (b) Estimación de parámetros (aprendizaje, progreso). Lo anterior debido a que la estimación de los mismos es importante porque permite a los fabricantes planear de manera más cuidadosa sus actividades. (c) Aplicaciones de Ingeniería Industrial: estándares de trabajo (creación de habilidades); incentivos (el problema salarial); discontinuidad (introducción de nuevos modelos, rediseño de productos, etc.); organizacional. (d) Control de Costos: Planeación “Pre-Producción” y Rediseño Funciones de Compra y Subasta. Las aplicaciones ahora también se enfocan para, estimación de parámetros, el concepto de agregación-desagregación de la estimación de la curva de aprendizaje, planeación agregada, aprendizaje, áreas financieras, estrategias de mercado, interfase económicoadministrativa y, entre otras, estrategia administrativa. La curva de experiencia o CA, es una herramienta clave para asistir a los gerentes en la implementación de una estructura de costos competitivo (Hax y Majluf, 1982). La relevancia de su estudio realizado estriba en su tesis de que, la reducción de costos efectos al conocer la CA, depende de la industria, cada una tiene sus características, no 6 Avances pueden generalizar los resultados que se obtienen en una a otras, cuyo producto y condiciones de producción son diferentes, por naturaleza. El modelo propuesto es el siguiente: ⎛P C t = C 0 ⎜⎜ t ⎝ P0 ⎞ ⎟⎟ ⎠ −a (5) Donde: C 0 ,C t = P0 , Pt = costo por unidad (corregido para la inflación) al tiempo 0 y t, respectivamente. volumen de producción acumulado al tiempo 0 y t, respectivamente. a = constante, que refleja la elasticidad de los costos unitarios con respecto al volumen acumulado. Los efectos de la curva de experiencia pueden ser observados en los distintos periodos de la cadena de valor agregado, afectando por ende cada uno de los pasos de la misma: investigación y desarrollo (R&D), procuración de materias primas, fabricación, ensamble, mercadotecnia, ventas y distribución (Hax y Majluf, 1982). Según Hax y Majluf, los factores más importantes que disminuyen, de manera sistemática, el costo a través del volumen acumulado son: (a) Aprendizaje. (b) Especialización y Rediseño de tareas de trabajo. (c) Mejora de Procesos y Productos. 7 Avances (d) Racionalización de Métodos y Sistemas. (e) Economías de Escala. − Mejoras en procesos tecnológicos para alta producción en volumen. − Los recursos que pueden ser usados provechosamente sólo en grandes operaciones. − La posibilidad de integrar procesos de manufactura. − El compartir recursos, etc. (f) “Afinación” Organizacional. El estudio de la CA ha penetrado en la planeación de la producción que su relación se ha ampliado con otros estudios y teorías, el modelo del ciclo de producto es una analogía en parte del estudio de la CA (Hax y Majluf, 1982). Con la combinación de estos estudios, la propuesta es proponer el comportamiento de la CA, en dos escenarios. − La curva de experiencia de un nuevo participante en donde su empresa está apoyado por tecnología con una curva de experiencia diferente a la de los competidores. − La curva de experiencia de un nuevo participante con “seguimiento inteligente” y transferencia de tecnología. Una prioridad de Hax y Majluf, es conocer la posición que se ocupa en una industria y en el mercado, con el fin de mantener y mejorar la posición se deben buscar las siguientes situaciones: contar con liderazgo en costos, diferenciación del producto y direccionar la empresa a un segmento particular del mercado. 8 Avances Una interpretación alterna se encuentra en William W. Alberts (1989). Difiere de la doctrina de la CA, las ventajas de la innovación no se obtienen del posicionamiento en el mercado, sino precisamente por las condiciones de fabricación. Su propuesta la basa en los siguientes argumentos: Argumentos bajo los cuales la doctrina de la CA se logra la innovación, producto del aprendizaje: (a) La hipótesis de experiencia. Los individuos (como organizaciones de empresas) aprenden de la repetición de tareas de trabajo, este aprendizaje sirve para hacer la producción más eficiente. (b) Las curvas de costo-volumen histórico. Para proveer soporte a la hipótesis de experiencia, el Grupo Consultor de Boston construyó un gran número de curvas (tanto para unidades individuales como grupales), cada una de estas curvas se representan a través de dos series de tiempo: una trazando el comportamiento histórico de la inflación ajustada de los costos totales promedio; la otra trazando el comportamiento histórico del volumen acumulado. (c) El imperativo estratégico. Habla sobre la importancia del crecimiento relativo para la creación de una ventaja de costo competitiva en el mercado. Las empresas deberían de construir una participación de mercado a través de una combinación 9 Avances de agresividad en precios, promoción y hacer adiciones con derecho preferente para capacidad productiva (Alberts, 1989). Argumentos bajo los cuales permiten aprovechar la innovación, producto del aprendizaje: (a) Innovaciones de Operadores. Se da cuando hay un descubrimiento por trabajadores de maneras más eficientes para hacer tareas bajo tecnologías presentes de ensamble, procuración y distribución. (b) Innovaciones de Administración. Se da cuando hay un descubrimiento por supervisores, gerentes intermedios, personal de soporte, etc. para usar tecnologías presentes de ensamble, procuración y distribución. (c) Innovaciones de procesos. Se da cuando hay un descubrimiento por medio de investigación y desarrollo de nuevas tecnologías de ensamble, procuración y distribución. (d) Reducción de capacidad excesiva. (e) “Fuera-de-Estante” Procesos escala-dependientes de sustitución. El reemplazo de tecnologías de ensamble, procuración y distribución con más eficientes y previamente desarrolladas tecnologías. (f) Decrecimientos escala-dependientes en procesamiento de costos. 10 Avances La defensa de su postulado es la idea de que, la teoría y doctrina no explican por sí mismas el comportamiento del aprendizaje en el proceso de producción, sino más bien es el desarrollo del proceso donde se logra el aprendizaje y esto es imputable a las personas, que son las que aprenden y son las que elaboran los productos, y a los procesos colectivos que se desarrolla en las unidades de producción. Considerando el sustento de análisis planteado anteriormente, el respaldo teórico que se presenta a continuación establece el marco de referencia conceptual en el que se sustenta nuestro estudio. Tomando referencia en la teoría microeconómica, la relación insumo - producto se puede resumir en una función de producción, más específicamente, si se denota a los insumos como xi y la producción como y; entonces la función f indica la producción máxima posible (y) dada cualquier combinación de insumos (xi), es decir: y = f (x 1, x 2 ,K x n ) o bien, y = f (x 1, x 2 ,K x n ; A ) (6 ) Donde A son los cambios tecnológicos, o conocimientos nuevos. Así, esencialmente, la función de producción anterior es una relación de ingeniería que refleja la tecnología y las “leyes de naturaleza” (Berndt, 1996). Ahora bien, dado que la función de producción mostrada es, como ya se mencionó, una noción de ingeniería, el contenido económico puede ser obtenido al hacer supuestos 11 Avances relacionados con el comportamiento económico de las empresas. Los dos supuestos más comunes son la maximización de beneficios y la minimización de costos. El problema a investigar supone que se minimizan los costos, por ende dilucidamos los principales supuestos de esta hipótesis los cuales incluyen, entre otros, la presunción que el nivel de producción es una variable endógena predeterminada, los precios de los insumos son variables exógenas y que las empresas escogen las cantidades de insumos para minimizar los costos de producción. Lo anterior implica que, además de la función de producción ya mostrada, existe una función costo que relaciona el costo total mínimo posible de producir un nivel dado de producción con el nivel de precios de los n insumos, el nivel de producción y, y el estado de conocimiento técnico A (Berndt, 1996). La función de costo dual se puede expresar: C = g (p1, p2 ,K, pn , y ; A ) (7) Donde por definición, los costos medios o unitarios son igual a: c ≡C y (8) Por ende, el costo medio disminuye con rendimientos crecientes, aumenta con rendimientos decrecientes y es constante con rendimientos constantes. 12 Avances La relación entre rendimientos a escala, nivel de producción y costos medios se puede ver gráficamente al observar las curvas de costo medio de largo plazo: Gráfica 1 Costo Medio C=C/y C0 C1 Y0 Producción Para ambas curvas de costo medio, los niveles de producción a la izquierda de Yo, el costo medio disminuye al aumentar la producción (Berndt, 1996); por lo tanto, en este rango de producciones los rendimientos a escala son crecientes. A la derecha de Yo, el costo medio aumenta junto con la producción; por lo tanto, en este rango de producciones los rendimientos a escala son decrecientes. En el punto Yo, el costo medio es mínimo, y los rendimientos a escala son constantes. Cabe señalar que lo anterior supone A constante, es por eso conveniente especificar que ante variaciones de A (causadas por efectos de aprendizaje o experiencia), puede desplazarse la función de costos (o bien la Frontera de Posibilidades de Producción). Dicho de otra forma, con la misma cantidad de xi al aumentar A, la curva de costo medio se desplaza (desciende) disminuyendo el costo medio (por ejemplo, de co a c1). Aunado 13 Avances a esto, vale la pena mencionar que las variaciones de rendimientos de escala implican movimientos a lo largo de la curva, mientras que variaciones de A implican desplazamientos de la curva como lo comenta el mismo autor. Así pues, el supuesto de minimizar los costos se puede escribir como un problema de optimización, en términos matemáticos: n min L = ∑ p i x i + λ [y − f (x i , x 2 K, x n ; A )] (9 ) t =1 Condición de Primer Orden Lx 1 = p1 = λf1 (x i ; A ) = 0 Lλ = y − f (x1, x 2 ,K, x n ; A ) = 0 (10 ) (11) Manipulando términos y suponiendo que las condiciones de segundo orden se cumplen, si se resuelve para la función g, se aplica una solución dual. El resultado se obtiene por el procedimiento habitual de optimización y esto generaría: C* ≡ ∑ p*i x *i (12 ) que es el costo total mínimo posible. Dada la explicación de la teoría económica del costo y la producción, la importancia de la CA radica en el papel que juega y la importancia que tiene en la disminución de los costos, lo cual conlleva a las economías de escala. El abordaje de estas curvas se ha formulado en diversas formas y estudios, la más simple y común es: C t = C 1 n tα c e u t (13 ) 14 Avances Donde: C t = es el costo medio de producir en el periodo t. C1 = es el costo medio en el periodo inicial. nt = número de unidades acumuladas de producción sin contar t=0. α c = elasticidad de costo medio respecto al volumen acumulado. ut = término de perturbación estocástica, el cual refleja la aleatoriedad inherente en los procesos de costo-producción. Conocido lo anterior, la relación insumo -producto de la IME de los municipios del estudio en cuestión se puede expresar en la función de producción siguiente: y m = f (x 1m , x 2 m ,K x n m ) o bien, y m = f (x 1m , x 2 m ,K x n m ; Am ) (6.a ) Es decir, suponemos que en los dos municipios, la producción de la IME (ym) está en función de los insumos (xim) y del aprendizaje o experiencia (Am)3. Entonces, como ya se mencionó, la función f indica la producción máxima posible de la IME dada cualquier combinación de insumos y del aprendizaje (o experiencia) de cada municipio. Al ya indicarse que el problema a investigar supone que se minimizan los costos, la función de costo dual para los municipios se puede expresar: C m = g (p1m , p2 m ,K, pn m , y m ; Am ) (7.a ) 3 Cabe señalar que al indicar Am, estamos suponiendo diferente grado de aprendizaje o experiencia en los municipios del estudio, esto se debe hipotéticamente, al mayor nivel de tecnificación de la IME de un municipio con respecto a otro. 15 Avances Lo anterior implica que (en cada municipio) la función costo de la IME relaciona el costo total mínimo posible de producir un nivel dado de producción con el nivel de precios de los n insumos consumidos, el nivel de producción ym, y el estado de conocimiento técnico (aprendizaje o experiencia) Am. De esta forma, los costos medios o unitarios para cada municipio son igual a: c m ≡ Cm ym (8.a ) De igual manera, el supuesto de minimizar los costos de producción de la IME se puede escribir como un problema de optimización, formalizando: min L = ∑ p i m x i m + λ [y m − f (x 1m , x 2 m K, x n m ; Am )] n (9.a ) t =1 Condición de Primer Orden Lx n m = p i m = λ m f (x n m ; Am ) = 0 Lλ m = y m − f (x1m , x 2 m ,K, x n m ; Am ) = 0 (10.a ) (11.a ) Asimismo, manipulando algunos términos y tomando el supuesto de que las condiciones de segundo orden se cumplen, se aplica una solución dual. El resultado obtenido (por optimización) genera: Cm * ≡ ∑ p * i m x * i m (12.a ) que es el costo total mínimo posible de cada municipio (de la IME). 16 Avances Como ya se aludió, la importancia de la CA radica en el papel que juega y la importancia que tiene en la disminución de los costos, en otras palabras, la CA refleja en gran cuantía la disminución en los costos de producción de una industria o empresa. De este modo, para esta investigación, las CA para los municipios de esta investigación van a seguir la siguiente función: αcm C t m = C 1m n t m e utm (13 .a ) Ya fundadas las especificidades que conforman el marco teórico de esta investigación, la siguiente sección muestra la metodología empleada, es decir, las variables, técnicas y el modelo econométrico utilizado. II. Estimación de las curvas de aprendizaje 2.1. Las variables4 Para estimar las curvas de aprendizaje se utilizan las siguientes variables reales5: valor agregado de la producción, producción acumulada, insumos totales y costo medio, para las ciudades de Juárez, Tijuana, Monterrey y el Distrito Federal. Valor agregado: se utiliza como variable proxy del nivel de producción, a partir de ésta se obtiene la producción acumulada. 4 5 Se utilizan series mensuales para el periodo 1990:01 a 2008:04 Se deflactaron con base en el IPC mensual de 1994 correspondiente a cada municipio. 17 Avances Producción acumulada: es la producción acumulada al tiempo t-1, es la variable independiente del modelo. Insumos totales: se refieren al importe de los bienes y servicios consumidos por las unidades económicas para el desarrollo de su actividad principal más las remuneraciones al personal ocupado. Costo medio: se refiere a los insumos totales entre el valor agregado, es la variable dependiente del modelo. De acuerdo a la teoría económica se espera que exista una relación inversa entre el costo medio y la producción acumulada, es decir a medida que la producción se incrementa el costo medio disminuye como resultado de la curva de aprendizaje. 2.2. Método econométrico Dado que el primer objetivo es estimar la curva de aprendizaje para los municipios mencionados, se emplea una regresión lineal logarítmica simple en la cual los costos medios se regresan con una constante y la producción acumulada. Posteriormente se recurre al análisis de series de tiempo y se estima un vector autorregresivo (VAR)6 para cada municipio con la finalidad de estudiar el comportamiento dinámico entre las variables mencionadas. 6 Debe cumplirse la condición de que las series sean no estacionarias, se presentan las pruebas de raíz unitaria en el apartado de análisis econométrico y resultados. Se aplica un VAR para cada municipio. 18 Avances Modelo econométrico La regresión lineal se establece: lncme_i= α+ β∗lnyacum_i Donde: lncme_i= logaritmo natural del costo medio para cada municipio. Lnyacum_i= logaritmo natural de la producción acumulada para cada municipio. α representa el cambio de nivel de la variable en cuestión y β representa el efecto de la curva de aprendizaje. El VAR se establece: (1) (2) n n i =1 i =1 cme _ i = α 1 + ∑ γ 1i (cme) t −i + ∑ δ 1i ( yacum ) t −i + ε tcme n n i =1 i =1 yacum _ i = α 2 + ∑ δ 2i ( yacum) t −i + ∑ γ 2i (cme) t −i + ε tyacum Donde: cme_i= costo medio para cada municipio. yacum_i= producción acumulada para cada municipio. Las α's representan el cambio en los niveles de la variable en cuestión y γ ψ δ son los parámetros para las diferentes variables del modelo. 19 Avances III. Análisis econométrico y resultados Este apartado analiza los resultados obtenidos. En primer lugar se presentan las curvas de aprendizaje estimadas para los cuatro municipios. Para el análisis dinámico se estiman las pruebas de raíz unitaria para las variables. Posteriormente se presenta la determinación del número de rezagos y por último se hace la descomposición de la varianza para el costo medio y la producción acumulada. 3.1. Curvas de aprendizaje LNCME_CJZ = 4.639 - 0.6636*LNYACUM_CJZ (1.1539) (0.0913) LNCME_DF = 1.2457 - 0.3775*LNYACUM_DF (0.2192) R2= 0.885 (0.0824) LNCME_TJ = 5.4073 - 0.75031*LNYACUM_TJ (1.471) R2= 0.920 (0.0227) LNCME_MTY = 1.3700 - 0.7144*LNYACUM_MTY (0.7146) R2= 0.932 R2= 0.966 (0.0862) (error estándar) 20 Avances Los modelos anteriores representan la curva de aprendizaje para cada municipio, dichos modelos muestran la relación teórica esperada entre la producción acumulada y el costo medio, un incremento en la primera conduce a una disminución en la segunda. Asimismo, todos los modelos son explicados en un gran porcentaje por la variable independiente además que tanto dicha variable como la constante son significativas lo cual implica que el costo medio es explicado por la producción acumulada. En lo que respecta al efecto sobre los costos medios, se observa que la curva de aprendizaje de Tijuana es mayor a las otras ya que un incremento en la producción del 1% provoca una disminución en los costos el 0.75%, le siguen Monterrey con un parámetro igual a 0.71%, Ciudad Juárez con 0.66% y por último el Distrito Federal con 0.37%. 3.2. Raíces unitarias Para determinar si las series son o no estacionarias se utilizó la Prueba de Dickey Fuller y Dickey Fuller Aumentada (ADF)7 se incluye una constante para todas las series, a fin de captar los cambios de nivel así como un término de tendencia. La siguiente tabla muestra los resultados de las pruebas así como sus valores críticos. Se obtiene que todas las variables poseen raíz unitaria. 7 Esta prueba corrige para correlaciones mayores a las de segundo orden, suponiendo que la serie sigue un proceso AR(p). 21 Avances Cuadro 1 Serie ADF Test Valores críticos* cme_cjz -3.575 1% -4.024 cme_df -2.480 10% -3.145 cme_mty -3.402 5% -3.441 cme_tj -2.660 10% -3.145 yacum_cjz 0.667 10% -3.145 yacum_df -1.579 10% -3.145 yacum_mty -1.755 10% -3.145 yacum_tj -1.071 10% -3.145 H0: Existe raíz unitaria * Valores críticos de MacKinnon (1991) para rechazar la hipótesis de raíz unitaria. 3.3. Determinación del número de rezagos Se utilizó la Prueba de Máxima Verosimilud8 para determinar los rezagos necesarios del modelo. Los vectores de Ciudad Juárez y Tijuana requieren de cinco rezagos, el Distrito Federal cuatro y Monterrey es el vector con la memoria de menor tiempo ya que únicamente requiere de dos rezagos. 8 Mediante la fórmula: (T-C) *(ln Σu -ln ΣR ) donde T es el número de observaciones, C es el número de parámetros estimados en el modelo no restringido, Σu es la matriz de varianza-covarianza del modelo no restringido y ΣR es la matriz de varianza-covarianza del modelo restringido. 22 Avances 3.4. Descomposición de la varianza La descomposición de la varianza revela la importancia relativa de cada choque aleatorio en las variables del vector. También indica el porcentaje de cambio para cada variable debido a cada innovación o choque. El orden en que se especifica la descomposición de la varianza, es decir la secuencia con que se dan las innovaciones, tiene que ver con lo que se quiera explicar y, claro está, debe ser acorde con la teoría económica. En nuestro caso, se parte de un escenario de incremento de la producción, esto es, la variable en la que ocurrirán los choques será en la producción acumulada. Dicho escenario se establece debido a que la curva de aprendizaje ocurre después de aumentar la producción durante cierto periodo. Municipios fronterizos En el caso de Ciudad Juárez, el costo medio se explica a sí mismo durante el primer periodo pero para el siguiente la producción acumulada lo explica en 10%, el porcentaje de explicación aumenta a medida que se incrementan los periodos, 16% para el tercero y a partir del cuarto periodo el porcentaje de explicación tiende a estabilizarse, es decir el costo medio es explicado en cerca del 20% por la producción acumulada. En el caso de Tijuana, la incidencia que tiene la producción acumulada sobre los costos medios es menor y más lenta que en el caso de Juárez. El costo medio es explicado por sí solo durante los primeros dos periodos, a partir del tercero el efecto de la producción acumulada sobre el costo medio crece hasta alcanzar 10 meses después, el 10%. 23 Avances Teóricamente existe una relación inversa entre el costo medio y la producción acumulada lo cual se muestra en la descomposición de la varianza. Esto es a medida que pasa el tiempo, la producción acumulada tiene mayor incidencia en el costo medio; se establece entonces la curva de aprendizaje. A continuación se muestran las gráficas de la descomposición de la varianza para el costo medio para cada vector. En la gráfica 2 se observa que el efecto de la producción acumulada sobre los costos medios crece muy rápido durante los tres primeros periodos y tiende a estabilizarse a partir del cuarto mes. Esta gráfica presenta la curva de aprendizaje mayor y más rápida, ya que la producción acumulada explica cerca de la quinta parte de los costos medios. La gráfica 3, correspondiente a Tijuana, muestra una tendencia creciente de la curva de aprendizaje pero con efectos menores en la disminución del costo además de presentar un proceso de ajuste más lento que el anterior. Gráfica 2 Variance Decomposition of CME_CJZ 10 8 6 4 2 0 1 2 3 4 5 CME_CJZ 6 7 8 9 YACUM_CJZ 1 24 Avances Gráfica 3 Variance Decomposition of CME_TJ 100 8 6 4 2 0 1 2 3 4 5 CME_T J 6 7 8 YACUM_TJ 9 Municipios no fronterizos La curva de aprendizaje se detectó, en análisis dinámico, sólo para Monterrey siendo muy similar a la curva de Tijuana. El costo medio es afectado por la producción acumulada a partir del cuarto periodo en un 3% y aumenta a medida que pasa el tiempo hasta llegar al 6% para el décimo periodo. En el caso del Distrito Federal no se percibe influencia alguna de la producción acumulada sobre el costo medio por lo cual no existe una relación dinámica entre dichas variables. Gráfica 4 Variance Decomposition of CME_MTY 100 80 60 40 20 0 1 2 3 4 5 6 7 8 9 CME_ MT Y YACUM_MTY 10 25 Avances La gráfica anterior descompone la varianza del costo medio, se observa una disminución de éste a medida que crece la producción acumulada, sin embargo como se mencionó antes, éste es menor que los municipios fronterizos. Gráfica 5 Variance Decomposition of CME_DF 100 8 6 4 2 0 1 2 3 4 5 CME_DF 6 7 8 9 YACUM_DF 1 Esta gráfica muestra que la producción acumulada no tiene efecto alguno sobre el costo medio por lo cual no existe relación dinámica entre dichas variables y no se puede hablar de una curva de aprendizaje para el Distrito Federal. Los resultados anteriores muestran una relación más estrecha para los municipios fronterizos sobre lo no fronterizos, esto es, la curva de aprendizaje en el contexto dinámico es mayor en los primeros. La principal razón consiste en el tipo de industria que existe en dichas ciudades. En los no fronterizos el 50% de IME se dedica, de acuerdo a la clasificación del INEGI para la manufactura, a la división VIII Productos metálicos, 26 Avances maquinaria y equipo9, seguido por la división II Textiles, prendas de vestir e industria del cuero, en el caso de Juárez y IX Otras industrias manufactureras en el caso de Tijuana. Los municipios no fronterizos por su parte, tienen una manufactura más homogénea, sus principales productos se clasifican en las divisiones VIII, I Alimentos, bebidas y tabaco y V Sustancias químicas, derivados del petróleo, productos de caucho y plástico, no obstante que la principal división es la misma que para los municipios fronterizos, la participación relativa de la división I en la manufactura es considerablemente menor. Lo anterior implica que Ciudad Juárez y Tijuana producen la mayor proporción de la manufactura con procesos tecnológicamente más avanzados10 que Monterrey y el Distrito Federal. Otra razón puede ser los rezagos que necesita cada municipio para producir bajo curva de aprendizaje, en el caso de CJZ y TJ se requieren cinco rezagos contra dos que requiere MTY, no obstante, aun cuando este último entra en curva de aprendizaje más rápido, el efecto de dicha experiencia sobre los costos es considerablemente menor que en el caso de los municipios fronterizos. Con base en los resultados se puede decir que, dependiendo del tipo de industria, existe una relación directa entre el tiempo que tarda en generar la experiencia en los trabajadores y el efecto que tiene ésta en la disminución de los costos. 9 Dicha división contempla los siguientes productos: muebles metálicos, estructuras metálicas, maquinaria y equipo no eléctrico, maquinaria y aparatos eléctricos, aparatos electrodomésticos, electrónica y accesorios para vehículos automotores, entre otros. 10 Esto debido a que la división I cuenta con procesos de producción más automatizados los cuales permiten a los trabajadores adquirir experiencia de manera más sencilla conforme pasa el tiempo. 27 Avances IV. Conclusiones Los modelos estimados cumplen con la teoría de la curva de aprendizaje. No obstante, los resultados obtenidos en el análisis estático y dinámico para los cuatro municipios muestran resultados diferentes. En el contexto estático, el efecto que tiene la producción acumulada sobre los costos medios es mayor en el modelo de Monterrey que en el Ciudad Juárez, sin embargo en el análisis dinámico los resultados son inversos y Juárez tiene un efecto mucho mayor y más rápido que Monterrey, esto es, en sólo cuatro meses el costo medio es explicado en un 18% por la producción acumulada, mientras que para ese mismo periodo el costo medio de MTY es explicado en sólo 3%. Por otro lado, el Distrito Federal sí cuenta con una curva de aprendizaje estática pero no existe relación alguna entre las variables en el nivel dinámico, lo que sugiere que el efecto que tiene el aprendizaje sobre los costos es mínimo en un contexto dinámico. Con base en los resultados anteriores, la experiencia que generan los empleados de la IME en los municipios fronterizos tiene efectos mayores y más rápidos en la disminución del costo medio, lo cual se debe al tipo de producción así como a la memoria del modelo dinámico. 28 Avances V. Bibliografía Abernathy, William J. y Wayne, Kenneth [1974]. “Limits of the Learning Curve”, Harvard Business Review, 52:5, Septiembre / Octubre, pp. 109-119. Alberts, William W. [1989]. “The Experience Curve Doctrine Reconsidered”, Journal of Marketing, 53:3, Julio, pp. 36-49. Andress, Frank J. [1954]. “The Learning Curve as a Production Tool”, Harvard Business Review, 32:1, Enero / Febrero, pp. 87-97. Berndt, Ernst R. [1996]. “The practice of econometrics: Classic and Contemporary, Massachusetts: Addison - Wesley; pp. 60 – 101. Douglas, Lawrence y Hansen, Taylor [2003]. “Los orígenes de la industria maquiladora en México”, Comercio Exterior, Vol. 53, num.11, Noviembre pp. 1045-1056. Gómez Vega, Ma. Cármen [2004]. “El Desarrollo de la Industria de la Maquila en México”. Problemas del Desarrollo, Revista Latinoamericana de Economía, Vol. 35 No. 138, Septiembre. Greene, William H. [2000]. “Análisis Econométrico”, Pearson Educación, S.A, España. Gujarati, Damodar N. [2004]. “Econometría”, Editorial Mc Graw Hill Interamericana, S.A. de C.V., México. 29 Avances Hax, Arnoldo y Majluf, Nicolás J. [1982]. “Competitive Cost Dynamics: The Experience Curve”, Interfaces, 12:5, Octubre, pp. 50-61. Hirschmann, Wilfred B. [1964]. “Profit from the Learning Curve”, Harvard Business Review, 42:1, Enero / Febrero, pp. 125-139. Hualde Alfaro, Alfredo [2003]. “Aprendizaje e Industria Maquiladora. Análisis de las maquiladoras de la frontera norte de México”. Boletín Cinterfor No. 154. Instituto Nacional de Estadística Geografía e Informática (INEGI); Banco de Información Económica, en Industria Maquiladora de Exportación, Indicadores Mensuales por principales municipios (página electrónica) www.inegi.gob.mx, documento en línea. Negrete Mata, José [1998]. “Integración e industrialización fronteriza”, El Colegio de la Frontera Norte, Tijuana, México. Sánchez González, Carlos [1999]. “Métodos Econométricos”, Editorial Ariel S.A, España. Yelle, Louis E. [1979]. “The Learning Curve: Historical Review and Comprehensive Survey”, Decision Sciences, 10:2, Abril, pp. 302-328. 30