Timing Information as a Thermodynamic Quantity

6.1. Descripción del Modelo

La presente investigación siguiendo el modelo de Beck (2005) en el que usa efectos aleatorios se propuso dicho modelo por la similitud de variables y objetivo. Sin embargo, se evalúa, según la base de datos, qué modelo es el más eficaz, si el de efectos fijos (ver

37 Anexo I) o efectos aleatorios (ver Anexo II). En este caso, se realiza la prueba de Hausman, que evalúa que estimador es el más eficiente para el modelo, se verifica la diferencia de coeficientes de ambos estimadores siendo el de efectos aleatorios el más eficiente (ver Anexo III). Así, se busca evaluar la independencia de las explicativas con la perturbación E [𝑒𝑖t| 𝛽𝑖, X1it,…, Xkit]=0, es decir la no correlación entre alguna variable independiente y la heterogeneidad no observable que no varía en el tiempo 𝛽𝑖. Esta prueba utiliza el estadístico Chi-cuadrado y evalúa el cumplimiento de la hipótesis nula sobre la similitud entre ambos estimadores. En línea con la prueba, se rechaza el uso del estimador por efectos fijos y se propone usar un modelo datos de panel de efectos aleatorios. Sin embargo, se realiza la prueba de Breusch-Pagan del Multiplicador de Lagrange, en el que se cuestiona si es mejor usar este modelo o realizar una regresión por mínimos cuadrados ordinarios. La prueba de razón de probabilidad o lagrange multiplier (LM) prueba si un componente de varianza estimado es diferente de cero. Así, los dos modelos comparados no diferirán y su p-valor se asemeja a 1 y en efecto, la diferencia será significativa. Sin embargo, al realizar la prueba de LM se rechaza la hipótesis sobre usar efectos aleatorios en datos de panel y se realiza una estimación por mínimos cuadrados ordinarios (MCO) con datos agrupados (ver Anexo IV).

Luego de realizar la regresión de MCO, se busca que el modelo cumpla con los supuestos que son la no existencia de heterocedasticidad de las varianzas de los términos de error en un modelo de regresión en una variable independiente. Además, se debe cumplir la no autocorrelación entre las series, la distribución normal (ver Anexo V) de los términos de error y la linealidad de las variables (ver Anexo VI). Las presentes pruebas descritas fueron evaluadas siendo así que la no heterocedasticidad de varianzas (ver Anexo VII) y no autocorrelación eran incumplidas por las pruebas realizadas (ver Anexo VIII). La autocorrelación se sustenta pues la existencia de empresas es probable de un año al siguiente.

Estos incumplimientos se subsanan al utilizar la especificación de Mínimos Cuadrados Ponderados (MCP) y expone coeficientes más robustos. En el caso de la distribución normal de los errores se puede observar que no siguen la distribución propuesta debido a que los datos son dispersos entre sí. Es decir, tienen alta varianza entre años y entidades. Esto es consistente con la base de datos pues las empresas son diferentes en los dos años de evaluación, algunas tienen persistencia en el segundo año. Otra explicación para la no normalidad de errores se debe a que la relación entre variables y errores tiene una

38 concentración en el obstáculo moderado de las variables categóricas. Su presencia en el modelo son la mayoría.

Finalmente, en el caso de la linealidad de variables explicativas, está presente en variables compuestas por sí mismas como edad2 que busca ver el efecto marginal de un año más de edad de la empresa y el logaritmo del capital humano que se relaciona directamente con la dependiente al introducir el número de trabajadores permanentes en la regresión. Sin embargo, son variables relevantes en el modelo al ser significativas y explicar en su totalidad el modelo. Luego de realizadas y explicadas las pruebas necesarias, se propone el modelo de corrección de Mínimos Cuadrados Generalizados Ponderados, donde su estimado es:

el cual pondera más las desviaciones con menor varianza que las de mayor varianza. Donde la varianza es,

“la varianza del j-ésimo efecto estimado, yj, y σ2 es una constante distinta de cero, que los errores cuadráticos medios estiman rutinariamente los residuos de regresión estimados por las rutinas estadísticas de mínimos cuadrados ponderados.” (Stanley y Doucouliagos, 2014)

Además, se debe tener en cuenta que V1 tiene 1/σ2 _{en la diagonal principal y cero en otra} parte.:

De esta forma, el vector 𝛽 cumplirá con ser un estimador ELIO (estimador linealmente insesgado óptimo). Según el estudio de Stanley y Doucouliagos (2014) sobre el uso de estimadores de meta-regresión de efectos fijos, aleatorios y la corrección mediante ponderadores, un estimador de mínimos cuadrados ponderados sin restricciones (MCP) es superior a la regresión de efectos aleatorios (o mixtos). La teoría y el estudio empírico proporcionan estimaciones satisfactorias de los coeficientes de MCP que son

39 prácticamente equivalentes a ambos efectos (mixtos o aleatorios). Incluso, el uso de MCP reduce el sesgo de selección.

6.2. Resultados

En esta sección se presentan los resultados de la estimación por mínimos cuadrados ponderados. En primer lugar, muestran que, si bien el presente estudio busca evaluar la percepción de las empresas sobre el obstáculo de Acceso al Financiamiento, esta variable resulta no significativa y resulta que, para los países en evaluación, no es un obstáculo relevante. A pesar de ello, sí es relevante mantenerla en el modelo pues ayuda a explicar la determinación de la tasa de crecimiento del empleo permanente. Es decir, el acceso al financiamiento contribuye como variable explicativa del modelo.

Sin embargo, el obstáculo de la competencia informal sí resulta relevante y muestra que afecta al desarrollo de las pymes. Esto se traduce en que, a mayor percepción de obstáculo de informalidad desde su nivel mínimo (Obstáculo de competencia informal = 0) hasta su nivel máximo (Obstáculo de competencia informal = 4) menor es el crecimiento del empleo permanente en 2.11%, en promedio. Pues insertarse en el sector formal conlleva mayores costos que el informal. Esto se puede observar en la variable regulación laboral. Esta variable es significativa al 5% y resulta que a mayor percepción de obstáculo siendo 0 la percepción de no ser un obstáculo y 4, un obstáculo muy severo, el crecimiento del empleo permanente se reduce en 3.51%, en promedio. Por otro lado, las empresas pyme peruanas generan un efecto creciente sobre el empleo. Sin embargo, Chile tiene un efecto contrario. Esto se debería a que las pymes tienen una menor desviación estándar en cuanto edad. Esta es de 18.37 aproximadamente en comparación con los otros países evaluados. En otras palabras, permanece más tiempo en el mercado en relación con el resto de los países.

En cuanto a financiamiento interno, es una variable estadísticamente significativa al 5%. Sin embargo, su efecto sobre el empleo no es tan relevante. Pues, un incremento en 1 punto porcentual en la cantidad de activos fijos que toma la empresa para financiarse refleja que el crecimiento del empleo decrece en 0.080%. Este resultado no es tan relevante pero igual fomenta un mayor gasto que no se destina a empleo sino a capital de trabajo.

En cuarto lugar, el estudio considera que el uso de la tecnología como el internet definido como tener o no una página web podría proporcionar a las pymes la facilidad de

40 relacionarse con zonas remotas a su ubicación evitando costos que afecten su crecimiento. En este caso, el contar con sitio web genera en promedio una reducción del crecimiento del empleo en 8.9%. Esto es relevante pues se podría deber a que la inversión en publicidad afecta a la contratación de nuevo personal.

Por otro lado, una de las características de la firma es la variable edad que muestra que una empresa pequeña o mediana que inicia en el mercado reduce el crecimiento del empleo permanente dentro de la empresa en un 0.5%, en promedio. En otras palabras, prefieren ahorrar en la cantidad de trabajadores pues suponen altos costos al ser formales. Sin embargo, una mayor permanencia en el mercado contribuye al crecimiento del empleo en un 0.002%. Esto quiere decir que las empresas ya no tienen necesidad de variar de trabajadores constantemente, lo que es consistente con la edad de las pymes chilenas mencionadas previamente.

Finalmente, siguiendo a Bagehot (1873), La Porta y Schleifer (2014) y Meghir et al. (2015) la educación de la fuerza laboral es un factor relevante para impulsar el desarrollo económico de las empresas. En este caso, la educación de los trabajadores de las pequeñas y medianas empresas resulta significativa al 5% y muestra ser principal determinante del desarrollo de la empresa.

41 Elaboración propia

Fuente: Enterprise Survey